LORE.md: Ein offener Standard zur Extraktion strukturierten Wissens aus KI-Konversationen

LORE.md ist ein offener Standard zur Extraktion strukturierten Wissens aus KI-Gesprächen, der speziell dafür entwickelt wurde, das Problem zu lösen, dass wertvolle Erkenntnisse in Chat-Protokollen verloren gehen. Der Standard definiert ein strukturiertes Format, das das dauerhafte Wissen aus jedem KI-Gespräch erfasst.

Was LORE.md erfasst

Das Format ist darauf ausgelegt, mehrere Schlüsselelemente aus Gesprächen zu extrahieren:

• Entscheidungen mit vollständiger Begründung: Nicht nur was gewählt wurde, sondern auch die zugrundeliegenden Annahmen, die sich ändern müssten, um die Entscheidung zu überdenken
• Erkenntnisse: Wichtige Einsichten, die während der Gespräche aufgetaucht sind
• Muster: Wiederkehrende Themen oder Verhaltensweisen, die identifiziert wurden
• Offene Fragen: Ungeklärte Probleme oder Themen zur weiteren Erforschung
• Nächste Schritte: Aufgaben oder Folgemaßnahmen

Das gesamte erfasste Wissen verknüpft sich über Sitzungen hinweg, sodass Benutzer aktuelle Gespräche mit früheren Diskussionen zu denselben Themen verbinden können.

Implementierungsdetails

Das Projekt umfasst mehrere praktische Komponenten:

• System-Prompt: Funktioniert mit jedem LLM – fügen Sie ein Gesprächstranskript ein und erhalten Sie strukturiertes Wissen zurück
• Bulk-Pipeline: Für die Verarbeitung von Claude-Datenexporten in großen Mengen
• Open Source: MIT-lizenziert und auf GitHub verfügbar

Das Tool behebt das spezifische Problem, dass man den Gesprächsverlauf nicht durchsuchen, Erkenntnisse über verschiedene Sitzungen hinweg verbinden oder KI-Assistenten eine umfassende Karte des zuvor etablierten Wissens bereitstellen kann.

Diese Art von Tool ist nützlich für Entwickler und Forscher, die regelmäßig KI-Assistenten zur Problemlösung nutzen und eine durchsuchbare, strukturierte Wissensbasis aus ihren Interaktionen pflegen möchten.