​

Arbetsyteminne v2 (offline): forskningsanteckningar

​

Varför ändra?

• ”append-only”-journalföring
• mänsklig redigering
• git-backad hållbarhet + spårbarhet
• låg tröskel för insamling (”skriv bara ner det”)

• återhämtning med hög träffsäkerhet (”vad bestämde vi om X?”, ”senast vi provade Y?”)
• entitetscentrerade svar (”berätta om Alice / The Castle / warelay”) utan att läsa många filer
• stabilitet i åsikter/preferenser (och bevis när de ändras)
• tidsbegränsningar (“vad var sant under november 2025?”) och konfliktlösning

​

Designmål

• Offline: fungerar utan nätverk; kan köras på laptop/Castle; inget molnberoende.
• Förklarbar: hämtade objekt ska kunna härledas (fil + plats) och hållas isär från inferens.
• Låg ceremoni: daglig loggning förblir Markdown, inget tungt schemarbete.
• Inkrementell: v1 är användbar med enbart FTS; semantisk/vektor och grafer är valfria uppgraderingar.
• Agentvänlig: gör ”återkallelse inom tokenbudgetar” enkel (returnerar små buntar av fakta).

​

North star-modell (Hindsight × Letta)

1. Letta/MemGPT-stil kontrollloop

• håll en liten ”kärna” alltid i kontext (persona + viktiga användarfakta)
• allt annat är utanför kontext och hämtas via verktyg
• minnesskrivningar är explicita verktygsanrop (append/replace/insert), persistenta och återinjiceras nästa tur

2. Hindsight-stil minnessubstrat

• separera vad som observeras vs vad som tros vs vad som sammanfattas
• stöd för retain/recall/reflect
• åsikter med tillförlitlighet som kan utvecklas med bevis
• entitetsmedveten återkallelse + temporala frågor (även utan fulla kunskapsgrafer)

​

Föreslagen arkitektur (Markdown som källa för sanningen + härlett index)

​

Kanonisk lagring (git-vänlig)

~/.openclaw/workspace/
  memory.md                    # small: durable facts + preferences (core-ish)
  memory/
    YYYY-MM-DD.md              # daily log (append; narrative)
  bank/                        # “typed” memory pages (stable, reviewable)
    world.md                   # objective facts about the world
    experience.md              # what the agent did (first-person)
    opinions.md                # subjective prefs/judgments + confidence + evidence pointers
    entities/
      Peter.md
      The-Castle.md
      warelay.md
      ...

• Daglig logg stannar daglig loggen. Inget behov av att förvandla det till JSON.
• Filerna bank/ är kuraterade, producerade av reflektionsjobb, och kan fortfarande redigeras för hand.
• memory.md förblir ”liten + kärnlik”: det du vill att Clawd ska se varje session.

​

Härledd lagring (maskinell återkallelse)

~/.openclaw/workspace/.memory/index.sqlite

• SQLite-schema för fakta + entitetslänkar + åsiktsmetadata
• SQLite FTS5 för lexikal återkallelse (snabbt, litet, offline)
• valfri tabell med inbäddningar för semantisk återkallelse (fortfarande offline)

​

Retain / Recall / Reflect (operativ loop)

​

Retain: normalisera dagliga loggar till ”fakta”

• i slutet av dagen (eller under), lägg till ett avsnitt ## Retain med 2–5 punkter som är:
  • narrativa (kontext över flera turer bevaras)
  • självständiga (kan stå för sig själva senare)
  • taggade med typ + entitetsomnämnanden

## Retain
- W @Peter: Currently in Marrakech (Nov 27–Dec 1, 2025) for Andy’s birthday.
- B @warelay: I fixed the Baileys WS crash by wrapping connection.update handlers in try/catch (see memory/2025-11-27.md).
- O(c=0.95) @Peter: Prefers concise replies (<1500 chars) on WhatsApp; long content goes into files.

• Typprefix: W (värld), B (erfarenhet/biografiskt), O (åsikt), S (observation/sammanfattning; oftast genererad)
• Entiteter: @Peter, @warelay, etc (slugs mappar till bank/entities/*.md)
• Åsiktens tillförlitlighet: O(c=0.0..1.0) valfritt

​

Recall: frågor mot det härledda indexet

• lexikal: ”hitta exakta termer / namn / kommandon” (FTS5)
• entitet: ”berätta om X” (entitetssidor + entitetslänkade fakta)
• temporal: ”vad hände runt 27 nov” / ”sedan förra veckan”
• åsikt: “Vad föredrar Petr?” (med självförtroende + bevis)

• kind (world|experience|opinion|observation)
• timestamp (källdag, eller extraherat tidsintervall om tillgängligt)
• entities (["Peter","warelay"])
• content (det narrativa faktumet)
• source (memory/2025-11-27.md#L12 etc)

​

Reflect: producera stabila sidor + uppdatera övertygelser

• uppdaterar bank/entities/*.md från nyliga fakta (entitetssammanfattningar)
• uppdaterar bank/opinions.md-tillförlitlighet baserat på förstärkning/motsägelse
• föreslår valfritt ändringar i memory.md (”kärnliknande” hållbara fakta)

• varje åsikt har:
  • påstående
  • tillförlitlighet c ∈ [0,1]
  • last_updated
  • evidenslänkar (stödjande + motsägande faktum-ID:n)
• när nya fakta anländer:
  • hitta kandidatåsikter via entitetsöverlapp + likhet (FTS först, inbäddningar senare)
  • uppdatera tillförlitlighet med små deltan; stora hopp kräver stark motsägelse + upprepat bevis

​

CLI-integration: fristående vs djup integration

​

Varför integrera i OpenClaw?

• OpenClaw känner redan till:
  • arbetsytans sökväg (agents.defaults.workspace)
  • sessionsmodellen + heartbeats
  • loggning + felsökningsmönster
• Du vill att agenten själv ska anropa verktygen:
  • openclaw memory recall "…" --k 25 --since 30d
  • openclaw memory reflect --since 7d

​

Varför ändå dela upp i ett bibliotek?

• hålla minneslogik testbar utan gateway/runtime
• återanvända från andra sammanhang (lokala skript, framtida desktopapp, etc.)

​

”S-Collide” / SuCo: när ska det användas (forskning)

• börja inte med SuCo.
• börja med SQLite FTS + (valfritt) enkla inbäddningar; du får de flesta UX-vinster direkt.
• överväg SuCo/HNSW/ScaNN-klassen av lösningar först när:
  • korpusen är stor (tiotusentals/hundratusentals segment)
  • brute-force-sökning över inbäddningar blir för långsam
  • återkallelsens kvalitet i meningsfull grad flaskhalsas av lexikal sökning

• SQLite FTS5 + metadatafilter (noll ML)
• Inbäddningar + brute force (fungerar förvånansvärt långt om antalet segment är lågt)
• HNSW-index (vanligt, robust; kräver en biblioteksbindning)
• SuCo (forskningsnivå; attraktivt om det finns en solid implementation du kan bädda in)

• vilken är den bästa offline-inbäddningsmodellen för ”personlig assistent-minne” på dina maskiner (laptop + desktop)?
  • om du redan har Ollama: skapa inbäddningar med en lokal modell; annars skeppa en liten inbäddningsmodell i verktygskedjan.

​

Minsta användbara pilot

• Lägg till bank/-entitetssidor och ett avsnitt ## Retain i dagliga loggar.
• Använd SQLite FTS för återkallelse med citeringar (sökväg + radnummer).
• Lägg till inbäddningar endast om återkallelsens kvalitet eller skala kräver det.

​

Referenser

• Letta / MemGPT-koncept: ”core memory blocks” + ”archival memory” + verktygsdriven självredigerande minne.
• Hindsight Technical Report: ”retain / recall / reflect”, fyrnätverksminne, extraktion av narrativa fakta, utveckling av åsikters tillförlitlighet.
• SuCo: arXiv 2411.14754 (2024): ”Subspace Collision” approximativ närmaste-granne-återhämtning.