# Feature: Kunnskaps-Bridge (Cross-Workspace Discovery)
**Filsti:** `docs/features/kunnskaps_bridge.md`

## 1. Konsept
En valgfri, opt-in feature som lar brukere oppdage semantisk beslektet kunnskap på tvers av workspaces de har tilgang til. Bryter ikke workspace-isolasjonen — resultatet er en *peker* ("dette finnes i Podcast B"), ikke selve innholdet. Brukeren må ha tilgang til begge workspaces for å se treffet.

## 2. Avgrensning: Hva dette IKKE er
- **Ikke datadeling.** Ingen data kopieres mellom workspaces. Bridge viser kun at en relevant node *finnes*.
- **Ikke automatisk.** Begge workspaces må ha Bridge eksplisitt aktivert av en admin.
- **Ikke synlig for gjester.** Kun for workspace-medlemmer med tilgang til begge sider.
- **Ikke et søk i andres data.** Du ser bare treff i workspaces du allerede er medlem av.

## 3. Teknisk arkitektur

### 3.1 Vector Embeddings (pgvector)
Krever `pgvector`-extension i PostgreSQL:

```sql
CREATE EXTENSION IF NOT EXISTS vector;

ALTER TABLE actors ADD COLUMN embedding vector(768);
ALTER TABLE topics ADD COLUMN embedding vector(768);
ALTER TABLE factoids ADD COLUMN embedding vector(768);

CREATE INDEX idx_actors_embedding ON actors USING ivfflat (embedding vector_cosine_ops);
CREATE INDEX idx_topics_embedding ON topics USING ivfflat (embedding vector_cosine_ops);
CREATE INDEX idx_factoids_embedding ON factoids USING ivfflat (embedding vector_cosine_ops);
```

### 3.2 Embedding-generering (`generate_embeddings`)
En jobbkø-jobb som genererer embeddings for nye/endrede noder:
1. Rust-worker plukker opp jobben fra jobbkøen.
2. Bygger en tekst-representasjon av noden (navn, body, tilknyttede faktoider).
3. Sender til AI Gateway (`sidelinja/rutine`) for embedding-generering.
4. Lagrer vektoren i pgvector-kolonnen.
5. Re-genereres ved vesentlige endringer av noden.

### 3.3 Cross-workspace søk
Når en bruker utforsker en node (f.eks. Tema "Skolepolitikk"):
1. SvelteKit server-side henter brukerens tilgjengelige workspaces fra `workspace_members`.
2. Kjører et similarity-søk med `<=>` (cosine distance) **som superuser** (bypasser RLS) — men filtrerer eksplisitt mot brukerens workspace-liste:
   ```sql
   SELECT n.workspace_id, t.name, t.embedding <=> $target_embedding AS distance
   FROM topics t
   JOIN nodes n ON t.id = n.id
   WHERE n.workspace_id = ANY($user_workspace_ids)
     AND n.workspace_id != $current_workspace_id
     AND t.embedding <=> $target_embedding < 0.3
   ORDER BY distance
   LIMIT 10;
   ```
3. Resultatet vises som en diskret "Finnes også i..."-seksjon i UI-et.

### 3.4 Workspace-config
Bridge aktiveres per workspace i `workspaces.settings`:
```json
{
  "bridge_enabled": true,
  "bridge_discoverable": true
}
```
- `bridge_enabled` — workspace kan søke i andre workspaces
- `bridge_discoverable` — andre workspaces kan finne noder i dette workspace-et

Begge må være `true` for at en kobling skal vises.

## 4. Dataklassifisering

| Data | Kategori | Detaljer |
|---|---|---|
| Embedding-vektorer | Avledet (PG) | Kan regenereres fra nodeinnhold |

## 5. Instruks for Claude Code
* pgvector er en ny avhengighet — dokumenter i docker-compose og setup-guides.
* Cross-workspace søk er det **eneste** stedet i systemet der bruker-initierte handlinger bypasser RLS. Isolér denne koden grundig — egen funksjon med eksplisitt workspace-filtrering, aldri gjenbruk i andre kontekster.
* Embedding-dimensjon (768) bør matche modellen som brukes. Konfigurér som konstant, ikke hardkod overalt.
* Jobbtype `generate_embeddings` bruker `sidelinja/rutine` som modellalias.
* Bridge er **Lag 4+** — krever fylt kunnskapsgraf i minst to workspaces.