4 Punkte von namyunwoo 2026-03-13 | 1 Kommentare | Auf WhatsApp teilen

Hallo. Ich möchte ein Open-Source-Projekt vorstellen, claude-knowledge-graph, das ich entwickelt habe, um einen frustrierenden Punkt zu lösen, auf den ich bei der Nutzung des KI-Coding-Assistenten Claude Code in einer Terminal-Umgebung gestoßen bin.

Warum ich es gebaut habe (My Pain Point)

Ich arbeite im Bereich Data Science und bearbeite gleichzeitig Datenanalyse- und Entwicklungsanfragen aus verschiedenen Organisationen. Seit der Einführung von Claude Code ist meine Produktivität deutlich gestiegen, aber es gab ein entscheidendes Problem.

  • Vergängliches Wissen und Fragmentierung: Bei jeder neuen Analyseanfrage lege ich einen neuen Ad-hoc-Ordner an und arbeite darin. Wenn die Sitzung endet, verschwinden Architekturentscheidungen, komplexer Preprocessing-Code und Debugging-Prozesse, die im Ringen mit der KI entstanden sind, einfach.
  • Ineffiziente Wiederholungsarbeit: Wenn ich später eine ähnliche Aufgabe bearbeite, finde ich die frühere Historie nicht wieder. Dadurch muss ich der KI den Kontext von Grund auf neu erklären oder den Code aus dem Gedächtnis erneut schreiben, was häufig Zeit verschwendet.

Mit dem Gedanken „Könnte die KI nicht selbstständig meine früheren Arbeitsverläufe passend zum aktuellen Kontext heranziehen, ohne dass ich darüber nachdenken muss, in welchem Ordner ich das Problem damals gelöst habe?“ habe ich dieses Projekt gestartet.

Projektvorstellung: claude-knowledge-graph

Dies ist ein Tool, das alle Gespräche in Claude Code (Prompts und Antworten) abfängt, sie mit einem lokalen LLM analysiert und daraus automatisch einen integrierten Obsidian-Wissensgraphen (Knowledge Graph) aufbaut.

  1. Zero-Friction (vollständig automatisiert): Es läuft mit den Hooks von Claude Code im Hintergrund. Nutzer müssen wie gewohnt nur programmieren.
  2. Sicheres Tagging mit lokalem LLM: Nach Abschluss der Arbeit wird im Hintergrund kurz ein leichtgewichtiges lokales LLM (Qwen 3.5 4B + llama.cpp) gestartet, das die Unterhaltung zusammenfasst sowie zentrale Konzepte und Tags extrahiert, und sich danach wieder beendet. Es besteht keine Sorge, dass interner Code nach außen abfließt.
  3. Automatische Verknüpfung auf Ähnlichkeitsbasis (Killer Feature): Auf Basis der extrahierten Konzepte, Tags und des Verzeichnispfads, in dem gearbeitet wurde (cwd), werden frühere Aufzeichnungen und die aktuelle Unterhaltung mehrdimensional verglichen. Frühere Lösungen mit hoher Relevanz werden gefunden und am Ende der aktuellen Notiz automatisch als Wiki-Links ([[ ]]) verknüpft.

Besonders nützlich für folgende Entwicklerinnen und Entwickler

  • Menschen mit häufigen Kontextwechseln: Auch wenn Sie zwischen mehreren Projekten oder Ad-hoc-Ordnern hin- und herwechseln, läuft alles Wissen in einem einzigen Obsidian-Vault zusammen und wird automatisch miteinander verknüpft.
  • Menschen in Umgebungen mit strengen Sicherheitsanforderungen: Wer in Enterprise-Umgebungen mit sensiblem Code oder Daten arbeitet und deshalb ungern Cloud-basierte Notiz- oder Logging-Dienste nutzt, bekommt hier eine sichere lokale Alternative.
  • Menschen mit einem Second-Brain-Ansatz: Empfohlen für Obsidian-Nutzerinnen und -Nutzer, die nicht nur einfache Textlogs, sondern einen visuellen Wissensgraphen aus Knoten und Kanten aufbauen möchten.

Das Tool wurde so konzipiert, dass es auf Mac (Apple Silicon) und Linux gut funktioniert. Für den Betrieb des lokalen LLM im Hintergrund werden mindestens 16 GB RAM empfohlen.

Detailliertere Informationen zur Architektur und zur Einrichtung habe ich im GitHub-Repository zusammengestellt. Feedback oder PRs sind jederzeit willkommen!

1 Kommentare