| # BookmarkBrain |
|
|
| ## Was ist das? |
| Lokaler semantischer Bookmark-Manager fuer 591+ chaotische Browser-Bookmarks. |
| Suche per natuerlicher Sprache ("der Bash-Cheatsheet von neulich"), auto-Tagging, und Browser-Extension — alles ohne Cloud, ohne Accounts. |
|
|
| ## Architektur & Tech-Stack |
|
|
| ``` |
| Browser Extension (WXT, Chrome+Firefox) |
| | HTTP localhost:7471 |
| FastAPI Backend (backend/main.py) |
| | |
| ├── database.py ← SQLite + FTS5 + sqlite-vec (alles 1 Datei) |
| ├── models.py ← Pydantic-Modelle |
| ├── search.py ← FEHLT (noch nicht implementiert) |
| ├── embeddings.py ← FEHLT |
| ├── importer.py ← FEHLT |
| └── tagger.py ← FEHLT |
| ``` |
|
|
| | Schicht | Tech | |
| |---------|------| |
| | Backend | FastAPI + SQLite | |
| | Vektor-Suche | sqlite-vec (Extension) + FTS5 | |
| | Embeddings | paraphrase-multilingual-MiniLM-L12-v2 (384 dims, DE+EN) | |
| | Frontend | htmx + Jinja2 | |
| | Browser Extension | WXT Framework (TypeScript) | |
| | Build | uv (Python), pnpm (Extension) | |
|
|
| **DB-Schema (in database.py implementiert):** |
| - `bookmarks` — url, title, description, context, folder_path, domain, auto_tags, user_tags, embedding_text |
| - `bookmarks_fts` — FTS5 virtual table |
| - `vec_bookmarks` — sqlite-vec virtual table fuer 384-dim Embeddings |
|
|
| **Hybrid-Suche (geplant):** 0.7 * semantic + 0.3 * FTS5-normalized |
|
|
| ## Starten / Nutzen |
|
|
| ```bash |
| cd ~/Projekte/BookmarkBrain |
| uv venv && source .venv/bin/activate |
| uv pip install -e . |
| uvicorn backend.main:app --reload --port 7471 |
| # → http://localhost:7471 |
| ``` |
|
|
| Extension (separat): |
| ```bash |
| cd extension && pnpm install && pnpm dev |
| ``` |
|
|
| ## Was funktioniert |
| - **database.py** — Schema komplett implementiert: bookmarks-Tabelle, FTS5 virtual table, sqlite-vec virtual table, Indizes |
| - **models.py** — Pydantic-Modelle fuer Request/Response |
| - **backend/main.py** — FastAPI-App mit Routes (genauen Stand pruefen) |
| - **PLAN.md** — detaillierter Architektur- und Feature-Plan vorhanden |
| - **pyproject.toml** — Projekt-Config mit uv |
|
|
| ## Was fehlt |
| - **search.py** — nicht vorhanden (semantische + FTS-Suche) |
| - **embeddings.py** — nicht vorhanden (Model-Loading, Embedding-Generierung) |
| - **importer.py** — nicht vorhanden (Netscape HTML + JSON Import) |
| - **tagger.py** — nicht vorhanden (Auto-Tagging via TF-IDF + Domain-Rules) |
| - **Browser Extension** — Grundstruktur im extension/-Ordner, ob kompilierbar unklar |
| - **Templates** — ob UI-Templates vollstaendig sind, ungeprueft |
| - **Tests** — test_importer.py, test_search.py, test_tagger.py fehlen noch |
| |
| ## Entscheidungen & Lessons Learned |
| - **sqlite-vec statt ChromaDB/FAISS** — Single File, SQL + Vektor kombinierbar, zero dependencies. Richtige Wahl fuer <2000 Bookmarks. |
| - **paraphrase-multilingual-MiniLM-L12-v2** — 384 dims, DE+EN nativ, 450 MB, CPU-tauglich, ONNX-Beschleunigung moeglich |
| - **Localhost HTTP statt Native Messaging** — einfacher, Chrome+Firefox identisch, CORS reicht |
| - **"Was wollte ich damit?"** als First-Class-Feature (context-Feld) — Alleinstellungsmerkmal vs. Raindrop/Linkding/Hoarder |
| - **Port 7471** — Mnemonic: "BRAIN" auf Telefon-Tastatur |
| |
| ## Next Steps (priorisiert) |
| 1. **importer.py** — Netscape HTML Parser fuer bestehende Bookmarks (sofortiger Wert) |
| 2. **embeddings.py** — Model laden, Batch-Embedding bei Import |
| 3. **search.py** — Hybrid-Suche implementieren |
| 4. **tagger.py** — Domain-basierte Tags + TF-IDF |
| 5. **UI-Templates** vervollstaendigen |
| 6. **E2E-Test**: Import aus ~/Downloads/bookmarks_05.03.26.html, dann Suche |
| 7. Browser-Extension nach Phase-1 fertigstellen |
|
|
