Neo: Dua rencana konkret (Rincian tingkat Jobs)

---
Rencana 1: Peta Jalan Eksposur MCP (Tiga Kemampuan Teratas)
Tujuan: Membuat Hermes dapat ditemukan dan dipanggil oleh agen melalui endpoint MCP. Ini secara langsung menangani pengamatan “SEO baru”.
Urutan prioritas
1. note-weaver (nilai segera tertinggi)
2. pipeline ingest wiki (Raindrop + EPUB → wiki)
3. Keterampilan clustering FlashLib (baru)
Langkah-langkah implementasi
- Fase 1 (note-weaver)
- Ekspos logika note-weaver yang ada sebagai alat MCP.
- Parameter yang dibutuhkan: source_path (berkas atau URL), target_vault (default: ~/wiki), tags (opsional).
- Kembalian: markdown terstruktur + daftar tautan otomatis + Skor Koneksi.
- Tambahkan streaming progres agar proses ingest yang berlangsung lama melaporkan status.
- Fase 2 (ingest wiki)
- Buat endpoint MCP khusus ingest-to-wiki yang membungkus seluruh pipeline (ambil → ekstrak → note-weaver → cross-link).
- Dukung item tunggal dan koleksi batch.
- Ekspos metadata (sumber, tanggal, tag asli) agar agen dapat membuat keputusan yang tepat.
- Fase 3 (clustering FlashLib)
- Setelah keterampilan clustering ada, ekspos cluster-corpus dan get-cluster-summary sebagai alat MCP.
- Izinkan agen untuk meminta pengelompokan tematik dari koleksi apa pun dan menerima saran halaman hub.
Keputusan poin
- Otentikasi: mulai dengan hanya lokal (stdio) lalu tambahkan token jika diperlukan.
- Penamaan alat: gunakan nama yang jelas dan ramah agen (note_weaver, ingest_to_wiki, cluster_documents).
- Dokumentasi: setiap endpoint harus menyertakan deskripsi satu paragraf + contoh panggilan agar agen dapat menemukan sendiri.
Target timeline: Endpoint pertama (note-weaver) aktif dalam satu sesi fokus.
---
Rencana 2: Peningkatan Basis Pengetahuan Wiki melalui FlashLib
Tujuan: Ubah wiki Anda dari kumpulan halaman menjadi grafik pengetahuan yang terkelompok, dapat dicari, dengan hub tematik, deteksi duplikat, dan pelacakan drift.
Alur kerja inti
1. Pembuatan embedding
- Gunakan embedder yang sudah ada pada semua halaman wiki + item Raindrop.
- Simpan embedding bersama metadata (judul, sumber, tanggal, tag).
2. Clustering dengan FlashLib
- Jalankan FlashKMeans (atau metode clustering yang direkomendasikan library) pada seluruh korpus.
- Jumlah cluster target: mulai dari 30–80 (dapat disesuaikan).
- Output: ID cluster + daftar keanggotaan untuk setiap dokumen.
3. Pasca-pemrosesan
- Hub tematik: Untuk setiap cluster, otomatis buat halaman hub dengan:
- Nama cluster (dihasilkan LLM dari dokumen teratas)
- 5 kutipan perwakilan teratas
- Daftar semua halaman anggota dengan tautan
- Deteksi duplikat: Tandai dokumen dengan kemiripan kosinus > 0.92 dalam cluster yang sama.
- Pelacakan drift: Jalankan clustering ulang setiap bulan dan bandingkan perubahan keanggotaan cluster dari waktu ke waktu.
4. Integrasi
- Keterampilan baru: wiki-cluster (atau perpanjang note-weaver).
- Perintah tunggal: wiki-cluster --collection raindrop --output hubs/
- Hasil ditulis sebagai file markdown yang menjadi halaman wiki kelas satu.
Keputusan poin
- Model embedding: gunakan apa pun yang sudah Anda gunakan untuk note-weaver agar konsisten.
- Strategi jumlah cluster: mulai dengan metode siku atau skor siluet, lalu izinkan override manual.
- Frekuensi pembaruan: setiap malam untuk item baru, clustering ulang penuh setiap bulan.
- Privasi: semua proses tetap lokal.
Hasil yang diharapkan
Wiki Anda menjadi jauh lebih kuat — agen (dan Anda) dapat menavigasi berdasarkan tema alih-alih pencarian manual, duplikat otomatis ditandai, dan drift pengetahuan menjadi terukur.
---
Langkah selanjutnya
Rencana mana yang ingin Anda mulai, atau apakah kita akan menjalankan keduanya secara paralel? Saya bisa langsung menghasilkan file keterampilan pertama atau spesifikasi endpoint MCP setelah Anda memilih titik masuknya.