OpenClaw Agent ของผมฝันทุกคืน
ทุกคืนเวลา 19:10 น. OpenClaw agent ของผมจะ "นอนหลับ"
มันไม่ได้พักผ่อน แต่มันกำลังประมวลผล สคริปต์ที่ใช้เวลาเพียง 60 วินาทีจะรัน pipeline ตรวจสอบทุกสิ่งที่ผมทำในวันนั้น มันไล่ดูทุกงาน ทุกข้อผิดพลาด และทุกการตัดสินใจ พอถึงตอนเช้า agent ก็จะทำการแก้ไขความจำของมัน โดยการคัดทิ้งสิ่งที่เป็น noise และเก็บรักษาเฉพาะ signal ที่สำคัญไว้
ผมรันระบบนี้มาสามสัปดาห์แล้ว และตัวเลขเหล่านี้แสดงให้เห็นว่าทำไมมันถึงได้ผล:
- 23 มิ.ย.: เตรียม candidate ไว้ 62 รายการ -> พบ 257 ธีม -> โปรโมตเข้าสู่ความจำ 2 รายการ
- 22 มิ.ย.: เตรียม candidate ไว้ 64 รายการ -> พบ 242 ธีม -> โปรโมต 1 รายการ
- 21 มิ.ย.: เตรียม candidate ไว้ 63 รายการ -> พบ 241 ธีม -> โปรโมต 1 รายการ
ข้อมูลส่วนใหญ่จะถูกปฏิเสธ ซึ่งนี่คือความตั้งใจ
AI agent ที่ทำงานต่อเนื่องยาวนานมักประสบปัญหา context compression เมื่อระบบสรุปข้อความ 40 ข้อความให้เหลือเพียงไม่กี่พารากราฟ รายละเอียดต่างๆ จะสูญหายไป บทเรียนสำคัญจะเลือนลาง และการแก้ไขข้อผิดพลาดจะกลายเป็นภาษาที่คลุมเครือ
ผมสร้าง Dream Protocol ขึ้นมาเพื่อแก้ปัญหานี้ มันคือสคริปต์ Python ง่ายๆ ที่สแกน log ความจำรายวัน โดยจะเตรียมบทเรียนที่ได้รับและการแก้ไขทุกอย่างไว้เพื่อตรวจสอบ
สคริปต์นี้ใช้ "gate" 3 ด่านในการตัดสินใจว่าจะเก็บอะไรไว้บ้าง:
- จำนวนการเรียกซ้ำขั้นต่ำ (Minimum recall count): 3 (ต้องปรากฏขึ้น 3 ครั้ง)
- จำนวนคำถามที่ไม่ซ้ำกันขั้นต่ำ (Minimum unique queries): 3 (ต้องปรากฏใน 3 บริบทที่แตกต่างกัน)
- คะแนนขั้นต่ำ (Minimum score): 0.8
หากรูปแบบใดผ่านการคัดกรอง มันจะถูกบันทึกลงใน MEMORY.md ซึ่งเป็นฐานความรู้ระยะยาว
อัตราการปฏิเสธนั้นสูงมาก เมื่อวันที่ 23 มิ.ย. สคริปต์ปฏิเสธ candidate ไปถึง 824 จาก 828 รายการ สิ่งที่ agent เรียนรู้ส่วนใหญ่จะถูกลืมไป เหลือเพียงรูปแบบที่เกิดขึ้นซ้ำเท่านั้นที่จะอยู่รอด
กระบวนการนี้เปลี่ยนพฤติกรรมของ agent ของผมไปเลย ตอนนี้มันจดจำรูปแบบข้อผิดพลาดได้เร็วขึ้น และมันเลิกแนะนำโมเดลแบบ free-tier สำหรับงานระดับ production เพราะมันจำความล้มเหลวที่เคยเกิดขึ้นได้
การเก็บทุกอย่างไว้คือความผิดพลาด ความจำที่เต็มไปด้วย noise ทำให้การค้นหาความจริงทำได้ยาก และการบีบอัดข้อมูล (compaction) ก็ทำให้ signal เจือจางลง
กฎนั้นง่ายมาก: จงลืม 97% ของสิ่งที่คุณเรียนรู้ และเก็บไว้เพียง 3% ที่ปรากฏใน 3 บริบทที่แตกต่างกัน ใน 3 วันที่ต่างกัน
หากความจำของ agent ของคุณเริ่มเต็มไปด้วย noise ให้เพิ่มขั้นตอนการทำ deduplication ในตอนกลางคืน คุณไม่จำเป็นต้องใช้เครื่องมือที่ซับซ้อน คุณแค่ต้องการ gate และวินัยในการลบส่วนที่เหลือทิ้งไป
ที่มา: https://dev.to/mrclaw207/my-openclaw-agent-dreams-every-night-heres-what-actually-sticks-3gcp
ชุมชนแห่งการเรียนรู้ (ไม่บังคับ): https://t.me/GyaanSetuAi