Phase 2: Standalone CLI binary for non-Laravel apps.

mposer package `magitek/kb-system`. The service layer is already framework-agnostic (zero Illuminate imports). The refactoring is mechanical: replace 11 hardcoded `PROJECT_ROOT` constants and 6 `base_path()` calls with a configurable `KnowledgeBaseConfig` class, re-namespace from `App\Services\Knowledge\` to `Magitek\KbSystem\`, and add a standalone CLI binary (`vendor/bin/kb`) for non-Laravel consumers like magitek-ops.

SQLite handles all file-level data. This is Perspective C (Hybrid) from EX-0005.

iness entities. The system replaces direct filesystem scanning with a queryable database, enabling the DAM agent to search 50,000-200,000 files via SQL without consuming context tokens. A Python indexer collects metadata (path, size, dates, EXIF/ID3, SHA256 checksums) from all storage locations via SSH, and an MCP SQLite server gives the DAM agent direct read/write SQL access.

WordPress restore. It would overwrite ALL 4 WordPress sites simultaneously. WordPress per-site restore MUST use Duplicati-based granular restore (per-site files + database).

lasses. The Vue frontend never talks to infrastructure APIs directly. SSH tunnels (via ProxyJump) provide secure access to hjemme-network services.

nse caching only (no user data), and communicates with 4 external APIs: PBS REST API, Duplicati REST API (2 instances), Proxmox VE API, and MainWP REST API.

tatus overview, and granular restore operations across the entire Magitek network.

Files are temporarily copied via SSH/SCP, processed with local tools (pdftotext, python-docx, etc.), then the local copy is deleted. This avoids installing extraction tools on every remote host and handles Nextcloud AIO containers where tool installation is impossible.

PU-only). Store vectors in LanceDB (file-based, no server). Hybrid search combines FTS5 keyword matches with semantic vector similarity via Reciprocal Rank Fusion (RRF).

X, RTF) across 14 storage locations via SSH. Store chunks in `file_chunks` table with FTS5 virtual table for instant full-text search. The DAM agent gains the ability to search inside documents.

h document content. This project adds three capabilities in two phases:

A new FastAPI API layer serves Jinja2-rendered pages with htmx interactivity. Data files (DB + vectors) move to `/var/www/dam/data/`. Expert docs and masterplans stay in magitek-ops.

tion at `/var/www/dam/`. The current system — 4601 LOC Python indexer + 1.1 GB SQLite database — pollutes the ops workspace. The new app provides a web UI at `dam.magitek.no` showing indexing status, storage health, entity breakdowns, text extraction/vector stats, scan history, hybrid search, and file browsing.

```bash ~/.claude/lib/gap-cli.sh escalate --verbose ``` Dette promoterer mcp-usage gaps med 3+ forekomster til ~/.claude/mcp-patterns/{workspace}.md slik at Syncrovanis injiserer dem som MCP-first regler i neste sesjon. Returner en kort oppsummering per tier: TIER 1: {N} items implementert (fil → endring) — MERK: k-items allerede auto-executed av knowledge harvest TIER 2: {N} items logget som gaps (workspace → GAP-ID) TIER 3: {N} items logget som gaps (prosess/arkitektur → GAP-ID) ESCALATION:...

- Les ALLTID target-filen for du redigerer den - Bruk Edit-tool, ALDRI Write-tool for eksisterende filer (unntatt nye gaps-filer) - For m-items Tier 1: KUN legg til gotcha-linjer/regler i agent-filer — ALDRI endre eksisterende struktur - ALDRI rediger orchestrator-parts eller Syncrovanis engine-kode direkte - ALDRI rediger Syncrovanis Python/template-kode — kun bruk gap_reader API via python3 -c - ALDRI rediger filer i /var/www/mcp-servers/ utenom via gap_reader API

- k-items (expert-fil gotchas) → Tier 1 - u-items som nevner 'knowledge', 'gotcha', 'korreksjon' → Tier 1 - u-items som nevner 'agent-regel', 'hard gate', 'blokkering', 'forby', 'prosess' → Tier 3 (via gap-cli.sh) - **m-items (MCP-usage) — SPLITTES:** - m-items med KONKRET agent-fil + konkret endring (f.eks. "legg til regel i syncrovanis-specialist.md") → **Tier 1** (direkte gotcha-edit) - m-items med generelle monstre/anbefalinger → **Tier 2** via gap-cli.sh med `--component mcp-usage` -...

For u-items som er agent-regler/prosess, og m-items som er prosess-/arkitekturendringer: - Bruk gap-cli.sh (IKKE BACKLOG.md — utfaset): ```bash ~/.claude/lib/gap-cli.sh add \ --workspace syncrovanis \ --title "Kort tittel" \ --priority {critical|high|medium|low} \ --component {guardrail|pipeline} \ --type {quality|feature} \ --description "Full beskrivelse" \ --source-audit "AUDIT-{NNNN}" \ --source-workspace "{workspace}" ```

Bruk ALLTID `gap-cli.sh` — ALDRI inline python3 -c eller SQL mot knowledge.db. **For HVER s-item (Syncrovanis), g-item (MCP-selfbuild) og m-item med generelt monster (MCP-usage Tier 2):** ```bash # Steg 1: Soek duplikater ~/.claude/lib/gap-cli.sh search --workspace {syncrovanis|mcp-servers} --query "KORT_SOEKEORD" # Steg 2a: Duplikat funnet — legg til occurrence ~/.claude/lib/gap-cli.sh occurrence --workspace {ws} --gap-id GAP-NNN --note "AUDIT-{NNNN} {s/g-ID}" # Steg 2b: Nytt funn — legg...

For k-items og knowledge-relaterte u-items: - Les target-filen forst med Read-tool - Bruk Edit-tool for a legge til gotcha/korreksjon i riktig seksjon - ALDRI endre struktur, kun legg til tekst

> **Hvorfor subagent?** Ved slutten av sesjonen har du kontekst-tretthet. > En fersk Sonnet-agent folger instruksene presist og gjor korrekte edits. Spawn EN subagent som gjor ALT (tier 1 direkte + tier 2/3 logging): ``` Agent( subagent_type="generic-light", model="sonnet", description="Implement audit findings (3-tier)", prompt="Du er en implementerings-agent. Gjor ALLE disse endringene basert pa tre-tier-modellen. AUDIT-RAPPORTER (les disse for full kontekst): {liste med absolutte...

Nar brukeren sier "ja", kjores ALT automatisk uten flere valg: **Tier 1 — Direkte (trygt):** Knowledge/gotcha-tillegg i ekspert-filer (k-items, u-items som er rene knowledge-oppdateringer). Disse er trygge fordi de bare legger til tekst i eksisterende seksjoner. **MERK:** Knowledge harvest-agenten auto-implementerer naa Tier 1 k-items direkte under session-audit. Sjekk knowledge-rapportens `## Auto-Executed`-seksjon — items merket `[x]` er allerede gjort. Ikke gjor dem dobbelt. **Tier 2 —...

Brukeren har na svart pa "Implementer funn? (ja/nei)" fra presentasjonen over. Hvis svaret var "nei", hopp til commit/push. Hvis "ja", fortsett under.

| # | Type | Beskrivelse | Prioritet | Komponent | |---|------|-------------|-----------|-----------| | s{N} | ... | ... | ... | L0/L1/L2/L3/KB/state | --- FORMATERINGSREGLER: - Bruk ## headers, **bold**, og markdown-tabeller — ALDRI code blocks for presentasjonen - Prefix items med u1, g1, k1, m1, s1 etc. slik at brukeren kan cherry-picke - Utelat tomme seksjoner (f.eks. hvis MCP-audit sier 'ingen funn', vis bare en linje) - Vis oppsummeringen fra rapporten — den er skrevet for mennesker -...

| # | Prompt | Hva manglet | Komponent | |---|--------|-------------|-----------| | s{N} | ... | ... | L0/L1/L2/L3/KB |

| # | Prompt | Levert kontekst | Hvorfor irrelevant | |---|--------|-----------------|-------------------| | s1 | ... | ... | ... |

{Liste fra rapporten}

{Liste fra rapporten}

{Kopier sesjonsoversikt og sammendrag fra rapporten}

| # | Workspace | Endring | |---|-----------|---------| | k{N} | ... | ... | ---

| # | Type | Innhold | |---|------|---------| | k{N} | ... | ... |

| # | Expert-fil | Type | Innhold | |---|-----------|------|---------| | k1 | ... | ... | ... |

| # | Situasjon | MCP-server | Tool | |---|-----------|-----------|------| | m{N} | ... | ... | ... | ---

| # | Kommando | MCP-server | MCP-tool | Token-kostnad | |---|----------|-----------|----------|---------------| | m1 | ... | ... | ... | ... |

{Kopier oppsummeringen. Utelat hele seksjonen hvis rapporten sier 'ingen funn'}

| # | Type | Tittel | Prioritet | |---|------|--------|-----------| | g1 | ... | ... | ... | ---

{Kopier oppsummeringen. Utelat hele seksjonen hvis rapporten sier 'ingen funn'}

| # | Type | Endring | Prioritet | |---|------|---------|-----------| | u1 | ... | ... | ... | ---

{Liste fra rapporten — utelat hvis ingen}

{Liste fra rapporten}

{Kopier 'Oppsummering (for mennesker)'-avsnittet fra rapporten}

**Hvis audit ble kjort (ekstern ELLER in-session), er ALLE steg under OBLIGATORISKE.** **Du MA IKKE ga til neste steg (commit/push) for brukeren har svart pa implementeringsmenyen.** --- **Steg A: Finn rapportene** ```bash find coordination/maintenance/audits/ -name "*.md" -mmin -10 | sort ``` Samle filstiene til alle rapporter som ble opprettet. **Steg B: Deleger presentasjon til fersk subagent** > **Hvorfor subagent?** Ved /avslutt har du typisk 50-150K tokens kontekst og akkumulert >...

**Ikke foreslaa — GJOR DET AUTOMATISK.** Medium-effort agenter hopper over vage forslag. **Retry-prosedyre (kjor UMIDDELBART etter feil-deteksjon):** 1. **Identifiser feilede agenter** fra output (FAIL/TIMEOUT status) 2. **Kjor AUTOMATISK retry** for HVER feilet agent: ```bash ~/.claude/scripts/session-audit.sh latest \ --workspace "$PWD" \ --analysis {feilet-agent} \ --tier budget \ --save-brief coordination/task-briefs/ \ --verbose --commit ``` Bruk...

**OBLIGATORISK** nar en eller flere agenter har FAIL/TIMEOUT-status. Scriptet skriver `[FAILURE REASON: {type}]`-blokker til stderr med den faktiske feilarsaken (quota, auth, timeout etc.). Vis dette **ordrett** til brukeren, f.eks.: > **meta** feilet: Gemini Pro quota oppbrukt — resetter om 6t41m. > **syncrovanis** feilet: Gemini Pro quota oppbrukt — resetter om 6t41m.

Vis session-audit.sh sin "Agent Summary"-output til brukeren. Den inneholder: - Hvilken modell og effort hver agent brukte - Tid brukt per agent - Status (OK/FAIL/TIMEOUT) - Logg-storrelse per agent Formater dette som en markdown-tabell: | Analyse | Modell | Effort | Tid | Status | |---------|--------|--------|-----|--------| | meta | gemini:gemini-2.5-pro | high | Xs | OK/FAIL | | mcp-selfbuild | gemini:gemini-2.5-flash | high | Xs | OK/FAIL | | mcp-usage | gemini:gemini-2.5-flash | high |...

Etter at audit er ferdig (eller TIMED OUT), kjor ALLTID: ```bash find coordination/maintenance/audits/ -name "*.md" -mmin -10 | sort ``` Verifiser at rapportfiler faktisk eksisterer. Skill eksplisitt mellom: - **Repo-state** (git status i workspace) — committet av `--commit`? - **~/.claude/ state** (memory, agent-filer) — IKKE i git, ma verifiseres separat Hvis det finnes ucommittede audit-rapporter, stage og commit dem manuelt: ```bash git add coordination/maintenance/audits/ && git commit...

Hvis ekstern audit produserte 0 rapporter, kjor inline UTEN a sporge brukeren. Vis kort melding: `Ekstern audit feilet — kjorer inline fallback med 5 subagenter.` Spawn 5 subagenter parallelt via Agent-tool. For HVER agent: 1. Les relevant audit-prompt-fil (`~/.claude/scripts/audit-prompt-{type}.md`) 2. Oppsummer sesjonen i prompten (agent brukt, MCP-kall, SSH-kommandoer, feil, funn, endringer) 3. Be agenten skrive rapport til...

Etter at scriptet returnerer (OK eller FEIL), kjor ALLTID: ```bash find coordination/maintenance/audits/ -name "*.md" -mmin -10 | sort ``` **Teller rapporter og bestemmer neste steg:** - **5 rapporter funnet** → Suksess. Ga til presentasjon. - **1-4 rapporter funnet** → Delvis suksess. Committ det som finnes, logg manglende som gap, ga til presentasjon med det du har. - **0 rapporter funnet** → Scriptet feilet. **Kjor fallback automatisk** (se under).

**Primaer: Ekstern via Gemini CLI** ```bash ~/.claude/scripts/session-audit.sh latest --workspace "$PWD" --save-brief coordination/task-briefs/ --verbose --commit ``` Hardkodet konfigurasjon (fra `~/.claude/scripts/session-audit.conf`): | Analyse | Modell | Effort | Begrunnelse | |---------|--------|--------|-------------| | Meta-audit | Gemini Pro | high | Dyp instruks-analyse | | MCP-selfbuild | Gemini Flash | high | Strukturert kodegjennomgang | | MCP-usage | Gemini Flash | high |...