gdrive-notion-curator

gdrive-notion-curator (v0.4.0)

MCP-only Skill. Drive ist passiver Bucket — Notion macht die Strukturarbeit.

Architektur in einem Bild

DRIVE (passiver Bucket)              NOTION (Strukturebene)
───────                              ──────
/Claude/                             📁 Claude Drive Files
├── (Source-Folder)                     Eine Page pro Drive-File.
│   └── (User-Inbox)                    Drive-IDs, Sprache, Status,
└── curated/                             Topic-Relation, Page-Link.
    ├── kohaerenz-protokoll-x.md
    ├── trauma-dis-doc-y.md          📚 Claude Topics
    ├── english-notes-z.md              Eine Page pro Topic.
    └── ...                             Sub-Pages = File-Inhalte (Auszug).
        flach.
        einmal kopiert.              📥 Claude Topic Inbox
        slug-filename.                  Eine Page pro Vorschlag für
                                        neuen Topic. Awaits askuser.

Operating-Prinzipien (kritisch)

1. Drive ist write-once-additive. copy + create_folder, nichts sonst. KEIN Trash, KEIN Move, KEIN Rename via MCP.
2. DRINGEND keinen Müll erzeugen. Files werden EINMAL nach /curated/ kopiert. Nie zweimal. Doppel-Check via Notion-DB-Lookup vor jedem Copy.
3. Notion ist State-Source. Skill-Start zieht aktuellen State aus Notion (kein lokaler State ausser den statischen Setup-IDs).
4. Flat-Search im Source-Folder. KEIN Directory-Traversal. Nur direkt im Source-Folder mit parentId = '<id>'.
5. Sensitive Topics werden NICHT inhaltlich gelesen. Nur Title-basierte Klassifikation, keine Sub-Page mit Inhalt.
6. Setup ist idempotent. Skip-Regel via Original Drive ID filtert schon-verarbeitete Files. User kann Setup re-triggern bei Crash.
7. Routine ist klein und schnell. Cap 50 Files. Wenn mehr da, Status-Report → User triggert nochmal.

Quick Reference — Skill-Operations

Operation	Trigger	Drive-Listing	File-Cap
setup	One-time bei Skill-Erst-Nutzung. DBs anlegen + initial-sweep.	Komplett, paginated, alle Files im Source	unbegrenzt
routine	Routine. Findet neue Files seit letztem Run.	Filter createdTime > newest_in_last_run, paginated	50 (ASC by createdTime)
review-inbox	On-demand. Geht Topic-Inbox durch mit askuser.	— (nur Notion)	unbegrenzt (Inbox-DB-Größe)
repair	On-demand. Drift zwischen Drive /curated/ und Notion.	Komplett /curated/, paginated	unbegrenzt

Wahl der Operation

• Beim ersten Skill-Run im Workspace: setup. Falls Setup mid-run abbricht: setup nochmal triggern — Skip-Regel filtert schon-verarbeitete Files, Skill macht weiter.
• Daily/regulär: routine. Bei Backlog >50 mehrfach triggern bis Status-Report sagt "0 Files übrig".
• Wenn Inbox-Einträge anstehen: review-inbox. Kann nach jeder routine getriggert werden, ist aber separat.
• Bei Verdacht auf Drift (manuelle Drive-Edits, Crash mit unklaren Folgen, oder routinemäßig 1x/Monat): repair.

Workflow-Detail

Alle Operations spezifiziert in references/workflow-phases.md. Hier die Kurzform:

setup

1. askuser nach Notion-Parent-Page-ID, Drive-Source-Folder-ID, Drive-Claude-Root-ID
2. /Claude/curated/-Folder anlegen (idempotent)
3. 3 Notion-DBs anlegen (Files, Topics, Inbox) + Views
4. Topics-DB initial befüllen aus assets/topics-config.yaml (11 Topics)
5. Setup-IDs in /tmp/gdrive-curator-state.json speichern
6. Komplett-Listing Source-Folder, paginated bis nextPageToken leer
7. Pro File: Skip-Checks → Slug → Copy → Files-DB-Entry → Sensitive-Check → Content-Read → Classify → Routing (siehe workflow-phases.md § "setup")
8. Run-Übersicht an User

→ Detail: references/workflow-phases.md § "setup"

routine

1. State aus Notion: last_run_id, newest_in_last_run, Duplicate-Sets (siehe references/resume-logic.md)
2. Drive-Listing flat: query: parentId='<source>' and trashed=false and createdTime > '<newest_in_last_run>'
3. Paginated holen, client-side ASC by createdTime sortieren
4. Cap 50 Files (ältester der neuen zuerst — FIFO bei Backlog)
5. Pro File: gleicher Verarbeitungs-Loop wie setup
6. Status-Report:
   • "X Files verarbeitet, Y unverändert (skip), Z Files NOCH ÜBRIG — bitte routine nochmal triggern" (wenn paginated-Total > Cap)
   • Sonst: "X Files verarbeitet, alle neuen Files seit letztem Run sind durch."

→ Detail: references/workflow-phases.md § "routine"

review-inbox

1. Notion-Query Inbox-DB: alle Pages mit Status=pending-review
2. Pro Eintrag mit ask_user_input_v0:
   • Optionen: Approve neuer Topic / Merge in <existing-slug> / Reject / Skip
3. Bei Approve: Topics-DB neue Page + Topic-Select erweitern + Sample-Files re-indexieren
4. Bei Merge: Sample-Files in Existing-Topic einsortieren

→ Detail: references/workflow-phases.md § "review-inbox"

repair

1. Drive-Listing /curated/ flat, paginated bis komplett
2. Notion-Query Files-DB mit Curated Drive ID gesetzt, paginated
3. Diffs berechnen (orphan in Drive, ghost in Notion, optional source-gone, status-inconsistent)
4. Pro Diff: askuser mit Repair-Optionen, kein automatisches Reparieren

→ Detail: references/repair-consistency.md

Reference-Files

File	Wann lesen
references/workflow-phases.md	Vor jeder Operation die zugehörige Sektion
references/notion-schema.md	Bei Setup und bei Schema-Migrationen
references/duplicate-handling.md	In setup und routine vor jedem Copy
references/resume-logic.md	Bei jedem Skill-Start (setup, routine, repair)
references/repair-consistency.md	Bei repair
references/slug-rules.md	Vor jedem Filename-Slug
references/sensitive-handling.md	Bei jedem File mit potentiell sensitiven Keywords
references/classification-rules.md	In setup und routine für Title+Content-Match
references/topics-initial.md	Bei Setup zur Topics-DB-Befüllung

Scripts

Script	CLI-Nutzung
scripts/slug.py	python3 scripts/slug.py "<title>" → slug-filename
scripts/classify.py	python3 scripts/classify.py --title "<t>" --content "<c>" --topics-yaml topics.yaml → JSON
scripts/language_detect.py	python3 scripts/language_detect.py "<text>" → de/en/mixed/unknown
scripts/duplicate_check.py	python3 scripts/duplicate_check.py "<title>" --md5 "<md5>" --size <bytes> → JSON

Assets

Asset	Inhalt
assets/ddl-statements.sql	SQL DDL für die 3 Notion-DBs (Files, Topics, Inbox)
assets/topics-config.yaml	Initial Topics-Set (11 Topics inkl. sensitive-Flag)

Token-Budget (geschätzt)

Operation	Cost
setup, leer	~10k (DBs anlegen, keine Files)
setup, 100 Files Source	~150-300k (mit Content-Reads + Notion-Writes)
setup, 500 Files Source	~750k-1.5M — User sollte vorher mehrfache Trigger einplanen
routine, 0 neue Files	~5-10k (nur State-Holen + leeres Listing)
routine, 50 Files	~80-150k
review-inbox, 10 Einträge	~5-10k (askuser-driven)
repair, 100 Files curated	~30-60k abhängig von Findings

Was dieser Skill NICHT macht

• KEINE Topic-Subfolder im Drive
• KEIN /curated/_pending/ Folder
• KEIN yaml-State im Drive
• KEINE Folder-Anlage für neue Topics ohne explizites User-Approve via Inbox
• KEIN Trashen/Löschen/Renamen von Drive-Files (Tool-Limitation)
• KEIN Directory-Traversal im Source
• KEIN Auto-Repair bei Drift (askuser-First)
• KEINE Inhalts-Reads für sensitive Topics
• KEINE Sortierung server-side im Drive (search_files hat kein orderBy — alle Sortierung client-side nach Listing)