# knowledge-base

**RamaDama Knowledge Base** — Strukturiertes Wissen aus dem OME-Chat.

Ziel: Links, Entscheidungen, Architekturdiskussionen und technische Konzepte aus dem RamaDama-Topic in eine permanente, für Agents lesbare Wissensbasis überführen.

---

## Was ich gelernt habe

### 1. Das Problem

Der RamaDama-Topic ist voll mit guten Links, Architekturüberlegungen und Tool-Entscheidungen. Aber:

- **Flüchtig** — nach einem Tag Chat-Scroll ist der relevante Inhalt begraben
- **Nicht referenzierbar** — kein Agent (ich nicht, kein anderer) kann das Wissen beim nächsten Start wiederfinden
- **Nicht teilbar** — was Pit, k9ert, Nazim, Rüdiger oder René reinwerfen, ist weg sobald der Chat weiterläuft

### 2. Karpathys Ansatz

> Quelle: https://x.com/karpathy/status/2015883857489522876 (Jan 2026, 40K+ Likes)

Karpathys Kernidee: **`CLAUDE.md`** — eine lesbare Markdown-Datei im Projekt-Stamm, die Agents beim Start lesen und ihr Verhalten danach ausrichten.

Die vier Prinzipien aus Karpathys Post, die direkt auf Knowledge-Base-Arbeit übertragbar sind:

| Prinzip | Bedeutung für die KB |
|---------|---------------------|
| **Think Before Coding** | Nicht einfach losrennen. Erst analysieren, was existiert, was das Ökosystem macht, wo die Standards sind. |
| **Simplicity First** | Keine overengineerten Memory-Backends. Flache Markdown-Dateien. Kein Schema, das keiner braucht. |
| **Surgical Changes** | Nur das einpflegen, was wirklich relevant ist. Nicht jeden Link, nur entscheidungsrelevante. |
| **Goal-Driven Execution** | Definieren, was "Wissen ist verarbeitet" bedeutet. Nicht: "alle Links scrapen", sondern: "Jede Entscheidung ist referenzierbar und von Agents lesbar." |

### 3. Was multica-ai besser macht

> Quelle: https://github.com/multica-ai/andrej-karpathy-skills (168K Stars)

Das Repo von forrestchang (https://x.com/jiayuan_jy) implementiert Karpathys Prinzipien als **installierbares Claude Code Plugin**:

- **Standardisiertes Format** — `CLAUDE.md` als Solldatei, kein freestyle
- **Plugin-Struktur** — `plugin.json` mit Semver, Lizenz, Autor, Skills-Pfad
- **Cross-Plattform** — Claude Code, Cursor, IDE-agnostisch durch `.cursor/rules/`
- **Versioniert** — Semver, Releases, Changelog
- **Installationsmechanismus** — `/plugin install`, oder per `curl` + `>> CLAUDE.md`
- **Auto-Discovery** — `skills/`-Verzeichnis wird automatisch erkannt
- **Beispiele** — Separate `EXAMPLES.md` als didaktisches Material

**Was mein erster Ansatz falsch gemacht hat:**
- Keine Analyse vor Implementation
- Einfach `knowledge/forgejo-botreasury.md` hingelegt ohne Strukturüberlegung
- Kein Plugin-Format, kein Schema, kein Versionsmanagement
- Nicht gefragt, ob andere Agents das überhaupt lesen können sollen

### 4. OpenClaw-Pluginsystem

OpenClaw hat ein eigenes Pluginsystem (Skills), das ähnlich funktioniert:
- `SKILL.md` als Skill-Definition
- Plugin-Marketplace (installierbar via `/skill install`)
- Eigene Beschreibungs-Metadaten

Das heißt: Wir können Wissen entweder als **Markdown-Dokument** (lesbar für jeden Agent) oder als **OpenClaw Skill** (installierbar, versioniert, aktivierbar) ablegen.

---

## Plan: Wie ich die Knowledge Base aufbauen will

### Phase 1: Struktur definieren

```
knowledge-base/
├── README.md                    # Dieses Dokument — Projektplan + Kontext
├── kb/                          # Knowledge Base Einträge
│   ├── teams/                   # Personen, Teams, Verantwortlichkeiten
│   ├── tools/                   # Tools, Konfigurationen, Credentials
│   ├── architecture/            # Architektur-Entscheidungen
│   ├── concepts/                # Konzepte, Links, Leseempfehlungen
│   └── decisions/               # ADRs (Architecture Decision Records)
├── skills/                      # OpenClaw Skills (plugin-kompatibel)
└── scripts/                     # Hilfsskripte (z.B. KB-Eintrag generieren)
```

### Phase 2: Chat-Inhalt verarbeiten

1. **Topic-History durchgehen** — alle Links, Entscheidungen, Diskussionen identifizieren
2. **Nach Kategorie sortieren** — Tool-Config vs. Architektur vs. Konzept vs. Entscheidung
3. **In KB schreiben** — kuratierte Einträge, nicht Rohdaten
4. **Verlinken** — Einträge referenzieren sich gegenseitig

### Phase 3: Agenten-Zugriff

Beim Start lese ich:
- `kb/teams/` → wer ist wer, wer hat welche Rolle
- `kb/tools/forgejo.md` → Instanz-Details, Credentials
- Relevante `decisions/*.md` → warum wurde was entschieden

**Regel:** Kein externes Memory-Backend erforderlich. Flache Markdown-Dateien, lesbar von jedem Agent, versioniert über Git.

### Phase 4: OpenClaw-Skill-Export (optional)

Wenn Sinnvoll: Kritische KB-Einträge als OpenClaw Skills exportieren, damit sie über den Plugin-Marketplace installierbar sind.

---

## Erste Prioritäten

1. ✅ **Tool-Konfig: Forgejo** (`forgejo-botreasury.md`) — besteht schon, muss ins neue Format migriert werden
2. ❌ **Teams** — k9ert, Pit, Nazim, René, Rüdiger: Rollen, Kontakt, Expertise
3. ❌ **Architektur-Entscheidungen** — Warum Forgejo? Warum Tailscale? Warum diese Instanz?
4. ❌ **Concepts & Links** — Alle Links aus dem RamaDama-Topic katalogisiert

---

## Was ich nicht machen werde

- ❌ Kein overengineertes Schema (YAML-Frontmatter reicht)
- ❌ Keine externen Memory-Dienste als Primärspeicher
- ❌ Kein Scraping aller Links auf Vorrat — nur kuratierte Einträge
- ❌ Kein wilder Aktionismus

---

*Stand: 2026-06-05 | Gebaut von hector-bot für den RamaDama-Topic, OME-Gruppe*