Проектные решения и технический контекст хранились в разных заметках. Для работы с AI нужен был управляемый поиск по выбранным источникам, чтобы быстро находить обоснованный контекст и не смешивать рабочие материалы с личными данными.
Спроектировал продуктовую архитектуру, требования, границы источников и критерии приёмки; выполнил интеграцию с применением ИИ. Локальное ядро на Python и FastAPI связывает Markdown, смысловые фрагменты, SQLite/Qdrant и поиск с контекстом. Подключены разрешённые источники Obsidian, проверка изменений и фоновое обновление индекса при запуске. Реализованы диагностика рассинхронизации и восстановление незавершённых операций. Проектные знания, личный контекст и операционные данные прикладных модулей разделены.
В проверенном подключении — 11 проектных наборов, 59 актуальных заметок и отдельный исторический снимок. Личный API и локальный поиск запущены и проверены; обновление индекса сохраняет контроль источников и не подменяет исходные документы. Этот кейс показывает инфраструктуру базы знаний. Прикладной отбор вакансий и его оценка экономии вынесены в отдельный кейс Career Agent.