Second Brain - Base de connaissances accessible via MCP
Un second cerveau auto-hébergé : un vault Obsidian rendu lisible ET enrichissable par n'importe quelle IA via MCP (auth OAuth) - RAG local (Ollama + Qdrant), génération DeepSeek, ingestion différentielle idempotente, écritures IA validées humainement.
Mon rôle
Architecte IA & Ingénieur logiciel
Période
Septembre 2026 - en cours
Workflows n8n en production
Ingestion, Ask, KB Query, Add Note, MCP Server, Housekeeping, Project Details
Coût API supplémentaire
Embeddings 100 % locaux (Ollama) + clé opencode existante
Outils MCP
second_brain_ask (lire) + second_brain_add (écrire) + second_brain_project_details (lire la source) via une seule URL
Seuil anti-doublon
Écritures redondantes refusées, avertissement dès 55 % de similarité
Projet personnel d'ingénierie IA : un second cerveau - une base de connaissances Obsidian versionnée sur un repo GitHub privé, indexée par n8n dans Qdrant (embeddings 100 % locaux Ollama bge-m3) et générée par DeepSeek V4 Flash Vision. Le tout est exposé à n'importe quelle IA via un serveur MCP dédié (auth OAuth) : lecture (RAG avec sources), écriture (notes auto-classées, dédupliquées, en quarantaine jusqu'à validation humaine) et lecture de la source d'un projet (README ou fichier GitHub précis, à la demande). Ingestion différentielle à IDs déterministes : idempotente, sans doublon, ~2 s en régime stable.
01. Le Contexte - Un contexte réexpliqué à chaque conversation
Chaque conversation avec une IA repartait de zéro. La preuve la plus concrète, ce sont mes candidatures de stage : à chaque offre, je réadaptais mon CV, et l'IA qui m'aidait ne me connaissait pas, ou pas à jour. Je lui redonnais mon contexte, mes expériences, mes projets, ce qui collait à l'offre. Quand j'oubliais un détail, je repartais le chercher dans une autre IA. Mon profil était dispersé entre plusieurs IA, chacune avec sa version de moi. Je voulais une base de connaissances interrogeable ET enrichissable par n'importe quelle IA, sans dépendre d'un seul outil.
"L'IA n'a pas besoin de tout mémoriser : elle doit pouvoir lire ma base quand elle en a besoin - et n'y écrire qu'avec mon accord."
02. Serveur MCP dédié, RAG local & validation humaine
L'architecture repose sur un serveur MCP dédié (MCP Server Trigger + Custom Workflow Tool) qui n'expose que trois outils, sans jamais donner accès à l'administration n8n. La lecture passe par un RAG complet : embeddings locaux Ollama bge-m3, index sémantique Qdrant, génération DeepSeek V4 Flash Vision via la passerelle OpenCode Go. L'écriture est contrôlée : chaque note proposée par une IA est classée automatiquement (type, tags, dossier), vérifiée contre les doublons, et mise en quarantaine (status: pending) jusqu'à validation. Un troisième outil permet à l'IA de plonger dans la source d'un projet (README ou fichier GitHub précis) à la demande.
Architecture du second cerveau : ingestion Obsidian, Git, n8n, Qdrant et Ollama, accès via MCP
MCP scoped (3 outils)
second_brain_ask + second_brain_add + second_brain_project_details - jamais les outils d'administration n8n.
Lecture de la source à la demande
L'IA va chercher la vraie implémentation d'une fonctionnalité dans le code (GitHub), sans gonfler le vault. Extensible à d'autres outils (GitLab, tickets, doc interne).
Confidentialité par conception
Embeddings 100 % locaux (Ollama) sur mon VPS - aucun tiers n'indexe mes notes.
Quarantaine & validation humaine
Aucune écriture IA n'entre dans la base sans validation (anti injection de prompt).
Dédoublonnage + classification
Similarité sémantique (refus ≥ 75 %), classement LLM (type, tags, dossier), rapport hebdomadaire.
Ingestion différentielle & idempotente
IDs déterministes (hash du contenu) : seuls les chunks nouveaux ou modifiés sont recalculés (~2 s en régime stable), sans doublon ni perte.
03. Impact & Résultats
Une seule URL MCP suffit : ChatGPT, Claude, Cursor ou opencode peuvent lire ma base (réponses sourcées) et l'enrichir (notes classées, en quarantaine). Le tout tourne en production avec zéro coût d'API supplémentaire, et un pipeline de qualité (dédoublonnage à l'écriture, housekeeping hebdomadaire) maintient la base propre et bien classée. Et ça ne s'arrête pas aux candidatures : la même base sert à préparer un entretien, retrouver une décision technique, ou alimenter mes articles. Du temps gagné à chaque fois. Et surtout, l'IA connaît ma manière de développer : sur un nouveau projet, elle applique mes conventions et mes bonnes pratiques, au lieu de produire du code générique.
Un projet similaire ?
Parlons de votre besoin. Je reviens sous 24h avec une analyse concrète.