నా OpenClaw ఏజెంట్ ప్రతి రాత్రి కలలు కంటుంది

ప్రతి రాత్రి 7:10 PM కి, నా OpenClaw ఏజెంట్ "నిద్రపోతుంది."

అది విశ్రాంతి తీసుకోదు. అది ప్రాసెస్ చేస్తుంది. నేను ఆ రోజు చేసిన ప్రతి దానిపై ఒక 60-సెకన్ల స్క్రిప్ట్ పైప్‌లైన్‌ను రన్ చేస్తుంది. అది ప్రతి టాస్క్, ప్రతి ఎర్రర్ మరియు ప్రతి నిర్ణయాన్ని పరిశీలిస్తుంది. ఉదయం కల్లా, ఏజెంట్ తన మెమరీని ఎడిట్ చేస్తుంది. అది అనవసరమైన శబ్దాన్ని (noise) తొలగించి, ముఖ్యమైన సమాచారాన్ని (signal) ప్రోమోట్ చేస్తుంది.

నేను దీనిని మూడు వారాల పాటు నిర్వహించాను. ఇది ఎందుకు పనిచేస్తుందో ఈ గణాంకాలు తెలియజేస్తున్నాయి:

  • June 23: 62 candidates staged -> 257 themes found -> 2 promoted to memory
  • June 22: 64 candidates staged -> 242 themes found -> 1 promoted
  • June 21: 63 candidates staged -> 241 themes found -> 1 promoted

చాలా డేటా తిరస్కరించబడుతుంది. ఇది ఉద్దేశపూర్వకంగా చేసినదే.

ఎక్కువ కాలం పనిచేసే AI ఏజెంట్లు 'కాంటెక్స్ట్ కంప్రెషన్' (context compression) వల్ల ఇబ్బంది పడతాయి. ఒక సిస్టమ్ 40 సందేశాలను కొన్ని పేరాగ్రాఫ్‌లుగా సారాంశం చేసినప్పుడు, అది వివరాలను కోల్పోతుంది. ముఖ్యమైన పాఠాలు మసకబారిపోతాయి. సవరణలు అస్పష్టమైన భాషగా మారిపోతాయి.

దీనిని సరిచేయడానికి నేను Dream Protocolను రూపొందించాను. ఇది రోజువారీ మెమరీ లాగ్‌లను స్కాన్ చేసే ఒక సాధారణ Python స్క్రిప్ట్. ఇది నేర్చుకున్న ప్రతి పాఠాన్ని మరియు ప్రతి సవరణను స్టేజ్ చేస్తుంది.

ఏది ఉండాలో నిర్ణయించడానికి స్క్రిప్ట్ మూడు గేట్‌లను ఉపయోగిస్తుంది:

  • Minimum recall count: 3 (3 సార్లు కనిపించాలి)
  • Minimum unique queries: 3 (3 వేర్వేరు సందర్భాలలో కనిపించాలి)
  • Minimum score: 0.8

ఒక ప్యాటర్న్ (pattern) నిలిచిపోతే, అది MEMORY.md లోకి వెళ్తుంది. ఇది దీర్ఘకాలిక నాలెడ్జ్ బేస్.

తిరస్కరణ రేటు ఎక్కువగా ఉంది. జూన్ 23న, స్క్రిప్ట్ 828 క్యాండిడేట్లలో 824లను తిరస్కరించింది. ఏజెంట్ నేర్చుకునే వాటిలో చాలా వరకు మర్చిపోతుంది. పునరావృతమయ్యే ప్యాటర్న్‌లు మాత్రమే నిలిచి ఉంటాయి.

ఈ ప్రక్రియ నా ఏజెంట్ ప్రవర్తించే విధానాన్ని మార్చింది. ఇది ఇప్పుడు ఎర్రర్ ప్యాటర్న్‌లను వేగంగా గుర్తిస్తుంది. గత వైఫల్యాలను గుర్తుంచుకోవడం వల్ల, ఇది ప్రొడక్షన్ టాస్క్‌ల కోసం ఫ్రీ-టియర్ మోడల్‌లను సూచించడం ఆపివేసింది.

ప్రతిదీ నిల్వ చేయడం ఒక పొరపాటు. అనవసరమైన సమాచారంతో (noise) నిండిన మెమరీ వల్ల నిజమైన విషయాన్ని కనుగొనడం కష్టమవుతుంది. కంపాక్షన్ (Compaction) వల్ల ముఖ్యమైన సమాచారం (signal) బలహీనపడుతుంది.

నియమం సరళమైనది: మీరు నేర్చుకున్న వాటిలో 97% మర్చిపోండి. మూడు వేర్వేరు రోజులలో, మూడు వేర్వేరు సందర్భాలలో కనిపించే 3% మాత్రమే ఉంచుకోండి.

మీ ఏజెంట్ మెమరీలో అనవసరమైన సమాచారం పెరుగుతుంటే, ప్రతి రాత్రి డూప్లికేషన్ తొలగించే (deduplication) ప్రక్రియను జోడించండి. మీకు సంక్లిష్టమైన సాధనాలు అవసరం లేదు. మీకు ఒక గేట్ మరియు మిగిలిన వాటిని తొలగించే క్రమశిక్షణ మాత్రమే అవసరం.

Source: https://dev.to/mrclaw207/my-openclaw-agent-dreams-every-night-heres-what-actually-sticks-3gcp

Optional learning community: https://t.me/GyaanSetuAi