---
title: "Knowledge Scaling (Skalowanie Bazy Wiedzy)"
type: "concept"
tags: [system-design, performance, prompt-engineering, pkm]
created: 2026-06-09
updated: 2026-06-09
sources: ["[[summaries/building-llm-research-knowledge-philosophy]]", "[[summaries/obsidian-vault-as-knowledge-graph]]"]
confidence: high
---

# Knowledge Scaling (Skalowanie Bazy Wiedzy)

## Definition
Zbiór metod i wzorców architektonicznych zapobiegających spowolnieniu działania, utracie spójności oraz wykładniczemu wzrostowi kosztów tokenów w miarę rozrastania się osobistej bazy wiedzy (powyżej 150-200 stron).

## Key Solutions
- **Trójstopniowa Kaskada Nawigacyjna**: Rozwiązanie zastosowane do optymalizacji zapytań:
  1. *Skupiska pojęciowe (Conceptual clusters)*: Grupowania tematyczne w pliku `index.md`, które zapytanie przeszukuje w pierwszej kolejności.
  2. *Strony syntez (Synthesis pages)*: Agregujące analizy dla każdego klastra, eliminujące potrzebę odczytywania kilkunastu pojedynczych notatek przy każdym zapytaniu.
  3. *Powiązania YAML*: Meta-wskaźniki w nagłówku notatki wskazujące od 3 do 5 najbliższych pojęciowo sąsiadów.
- **Integracja z protokołem MCP**: Użycie serwerów indeksujących (np. [[entities/mcpvault]]) zamiast bezpośredniego przeszukiwania całego drzewa plików Markdown przez LLM. Zapobiega to marnowaniu tokenów na odczytywanie nieistotnych dokumentów.
- **Podział na etapy (Fazy wdrażania)**: Sukcesywne dodawanie źródeł zamiast próby natychmiastowej migracji całej biblioteki, co zapobiega zanieczyszczeniu bazy (zasada: "Baza wiedzy to nie biblioteka, to starannie wyselekcjonowana synteza").

## Sources
- [[summaries/building-llm-research-knowledge-philosophy]]
- [[summaries/obsidian-vault-as-knowledge-graph]]