Neo : Deux plans concrets (détails au niveau des Jobs)

---
Plan 1 : Feuille de route d’exposition MCP (Top 3 des capacités)
Objectif : Rendre Hermes découvrable et appelable par les agents via les points de terminaison MCP. Cela répond directement à l’observation du « nouveau SEO ».
Ordre de priorité
1. note-weaver (valeur immédiate la plus élevée)
2. pipeline d’ingestion wiki (Raindrop + EPUB → wiki)
3. compétence de clustering FlashLib (nouveau)
Étapes de mise en œuvre
- Phase 1 (note-weaver)
- Exposer la logique existante de note-weaver en tant qu’outil MCP.
- Paramètres requis : source_path (fichier ou URL), target_vault (par défaut : ~/wiki), tags (optionnel).
- Retour : markdown structuré + liste de liens auto-générés + Scores de connexion.
- Ajouter un flux de progression pour que les ingestions longues rapportent le statut.
- Phase 2 ( ingestion wiki)
- Créer un point de terminaison MCP dédié ingest-to-wiki qui encapsule le pipeline complet (fetch → extract → note-weaver → cross-link).
- Supporter à la fois les éléments uniques et les collections par lot.
- Exposer les métadonnées (source, date, tags originaux) pour que les agents puissent prendre des décisions éclairées.
- Phase 3 (clustering FlashLib)
- Une fois la compétence de clustering existante, exposer cluster-corpus et get-cluster-summary en tant qu’outils MCP.
- Permettre aux agents de demander un regroupement thématique de toute collection et de recevoir des suggestions de pages hub.
Points de décision
- Authentification : commencer par local-only (stdio), puis ajouter un token si nécessaire.
- Noms des outils : utiliser des noms clairs et conviviaux pour les agents (note_weaver, ingest_to_wiki, cluster_documents).
- Documentation : chaque point de terminaison doit inclure une description d’un paragraphe + un exemple d’appel pour que les agents puissent se découvrir eux-mêmes.
Objectif temporel : Le premier point de terminaison (note-weaver) en ligne dans une session ciblée.
---
Plan 2 : Mise à niveau de la base de connaissances wiki via FlashLib
Objectif : Transformer votre wiki d’une collection de pages en un graphe de connaissances regroupé et interrogeable avec des hubs thématiques, détection de doublons et suivi de dérive.
Flux de travail principal
1. Génération d’intégration
- Utiliser votre embedder existant sur toutes les pages wiki + éléments Raindrop.
- Stocker les embeddings avec les métadonnées (titre, source, date, tags).
2. Clustering avec FlashLib
- Exécuter FlashKMeans (ou la méthode de clustering recommandée par la bibliothèque) sur l’ensemble du corpus.
- Nombre de clusters cible : commencer avec 30–80 (ajustable).
- Résultat : ID de cluster + liste de membres pour chaque document.
3. Post-traitement
- Hubs thématiques : pour chaque cluster, générer automatiquement une page hub avec :
- Nom du cluster (généré par LLM à partir des documents principaux)
- Top 5 extraits représentatifs
- Liste de toutes les pages membres avec liens
- Détection de doublons : marquer les documents avec une similarité cosinus > 0,92 dans le même cluster.
- Suivi de dérive : relancer le clustering mensuellement et comparer les changements d’appartenance aux clusters au fil du temps.
4. Intégration
- Nouvelle compétence : wiki-cluster (ou extension de note-weaver).
- Commande unique : wiki-cluster --collection raindrop --output hubs/
- Résultats écrits sous forme de fichiers markdown qui deviennent des pages wiki de premier ordre.
Points de décision
- Modèle d’intégration : réutiliser celui que vous utilisez déjà pour note-weaver pour assurer la cohérence.
- Stratégie du nombre de clusters : commencer avec la méthode du coude ou le score de silhouette, puis permettre une override manuelle.
- Fréquence de mise à jour : chaque nuit pour les nouveaux éléments, re-clustering complet mensuel.
- Confidentialité : tout le traitement reste local.
Résultat attendu
Votre wiki devient visiblement plus puissant — les agents (et vous) pouvez naviguer par thème plutôt que par recherche manuelle, les doublons sont automatiquement signalés, et la dérive des connaissances devient mesurable.
---
Prochaine étape
Quel plan souhaitez-vous commencer, ou devons-nous exécuter les deux en parallèle ? Je peux immédiatement produire le premier fichier de compétence ou la spécification du point de terminaison MCP une fois que vous choisissez le point d’entrée.