Recherche sur la mémoire de l'espace de travail

Mémoire de l’espace de travail v2 (hors ligne) : notes de recherche

Cible : espace de travail style Clawd (agents.defaults.workspace, ~/.openclaw/workspace par défaut) où la « mémoire » est stockée sous la forme d’un fichier Markdown par jour (memory/YYYY-MM-DD.md) plus un petit ensemble de fichiers stables (p. ex. memory.md, SOUL.md).

Ce document propose une architecture de mémoire hors ligne d’abord qui conserve le Markdown comme source de vérité canonique et vérifiable, mais ajoute une rappel structuré (recherche, résumés d’entités, mises à jour de confiance) via un index dérivé.

Pourquoi changer ?

La configuration actuelle (un fichier par jour) est excellente pour :

• la tenue d’un journal « en ajout seulement »
• l’édition humaine
• la durabilité et l’auditabilité soutenues par git
• la capture à faible friction (« écrivez-le simplement »)

Elle est faible pour :

• la récupération à fort rappel (« qu’avons-nous décidé à propos de X ? », « la dernière fois que nous avons essayé Y ? »)
• les réponses centrées sur les entités (« parlez-moi d’Alice / du Château / de warelay ») sans relire de nombreux fichiers
• la stabilité des opinions/préférences (et les preuves lorsqu’elles changent)
• les contraintes temporelles (« qu’est-ce qui était vrai en novembre 2025 ? ») et la résolution des conflits

Objectifs de conception

• Hors ligne : fonctionne sans réseau ; peut fonctionner sur ordinateur portable/Château ; aucune dépendance cloud.
• Explicable : les éléments récupérés doivent être attribuables (fichier + emplacement) et séparables de l’inférence.
• Peu de cérémonie : la journalisation quotidienne reste en Markdown, pas de travail de schéma lourd.
• Incrémentiel : v1 est utile avec la recherche en texte intégrale (FTS) uniquement ; la sémantique/vectorielle et les graphiques sont des mises à niveau facultatives.
• Convivial pour les agents : facilite le « rappel dans les limites du budget de jetons » (renvoie de petits paquets de faits).

Modèle directeur (Hindsight × Letta)

Deux éléments à combiner :

1. Boucle de contrôle style Letta/MemGPT

• garder un petit « cœur » toujours dans le contexte (persona + faits clés sur l’utilisateur)
• tout le reste est hors contexte et récupéré via des outils
• les écritures en mémoire sont des appels d’outil explicites (ajout/remplacement/insertion), persistés, puis réinjectés au tour suivant

2. substrat de mémoire style Hindsight

• séparer ce qui est observé de ce qui est cru de ce qui est résumé
• supporter la conservation/rappel/réflexion
• opinions avec niveau de confiance pouvant évoluer avec les preuves
• récupération sensible aux entités + requêtes temporelles (même sans graphes de connaissances complets)

Architecture proposée (Markdown source de vérité + index dérivé)

Magasin canonique (compatible git)

Garder ~/.openclaw/workspace comme mémoire canonique lisible par l’humain.

Disposition de l’espace de travail suggérée :

~/.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
      ...

Notes :

• Le journal quotidien reste un journal quotidien. Pas besoin de le convertir en JSON.
• Les fichiers bank/ sont sélectionnés, produits par des tâches de réflexion, et peuvent toujours être édités à la main.
• memory.md reste « petit + essentiel » : les choses que vous voulez que Clawd voie à chaque session.

Magasin dérivé (rappel machine)

Ajouter un index dérivé sous l’espace de travail (pas nécessairement suivi par git) :

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

Soutenir avec :

• schéma SQLite pour les faits + les liens d’entités + les métadonnées d’opinion
• SQLite FTS5 pour le rappel lexical (rapide, minuscule, hors ligne)
• table d’embeddings optionnelle pour le rappel sémantique (toujours hors ligne)

L’index est toujours reconstructible à partir du Markdown.

Conserver / Rappeler / Réfléchir (boucle opérationnelle)

Conserver : normaliser les journaux quotidiens en « faits »

L’idée clé de Hindsight qui importe ici : stocker des faits narratifs et autonomes, et non de petits extraits.

Règle pratique pour memory/YYYY-MM-DD.md :

• en fin de journée (ou pendant), ajouter une section ## Retain avec 2 à 5 puces qui sont :
  • narratives (contexte inter-tours préservé)
  • autonomes (comprendre le sens seul plus tard)
  • étiquetées avec le type + les mentions d’entités

Exemple :

## 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.

Analyse minimale :

• Préfixe de type : W (monde), B (expérience/biographique), O (opinion), S (observation/résumé ; généralement généré)
• Entités : @Peter, @warelay, etc. (les slugs mappent vers bank/entities/*.md)
• Confiance de l’opinion : O(c=0.0..1.0) en option

Si vous ne voulez pas que les auteurs s’en soucient : la tâche de réflexion peut déduire ces puces à partir du reste du journal, mais avoir une section ## Retain explicite est le « levier de qualité » le plus simple.

Rappel : requêtes sur l’index dérivé

Le rappel doit prendre en charge :

• lexical : « trouver des termes / noms / commandes exacts » (FTS5)
• entité : « parle-moi de X » (pages d’entité + facts liés à des entités)
• temporel : « que s’est-il passé autour du 27 nov » / « depuis la semaine dernière »
• opinion : « que préfère Peter ? » (avec confiance + preuves)

Le format de retour doit être adapté aux agents et citer les sources :

• kind (world|experience|opinion|observation)
• timestamp (jour source, ou plage de temps extraite si présente)
• entities (["Peter","warelay"])
• content (le fact narratif)
• source (memory/2025-11-27.md#L12 etc.)

Réflexion : produire des pages stables + mettre à jour les croyances

La réflexion est une tâche planifiée (quotidienne ou heartbeat ultrathink) qui :

• met à jour les bank/entities/*.md à partir des faits récents (résumés d’entités)
• met à jour la confiance des bank/opinions.md basée sur le renforcement/la contradiction
• propose facultativement des modifications à memory.md (faits durables « de base »)

Évolution de l’opinion (simple, explicable) :

• chaque opinion a :
  • déclaration
  • confiance c ∈ [0,1]
  • last_updated
  • liens de preuve (ID de faits à l’appui et contradictoires)
• lorsque de nouveaux faits arrivent :
  • trouver des opinions candidates par chevauchement d’entités + similarité (FTS d’abord, embeddings ensuite)
  • mettre à jour la confiance par petits deltas ; les grands sauts nécessitent une forte contradiction + des preuves répétées

Intégration CLI : autonome vs intégration profonde

Recommandation : intégration profonde dans OpenClaw, mais conserver une bibliothèque principale séparable.

Pourquoi intégrer dans OpenClaw ?

• OpenClaw connaît déjà :
  • le chemin de l’espace de travail (agents.defaults.workspace)
  • le modèle de session + battements de cœur
  • les modèles de journalisation + dépannage
• Vous voulez que l’agent lui-même appelle les outils :
  • openclaw memory recall "…" --k 25 --since 30d
  • openclaw memory reflect --since 7d

Pourquoi séparer tout de même une bibliothèque ?

• garder la logique de mémoire testable sans passerelle/runtime
• réutiliser dans d’autres contextes (scripts locaux, application de bureau future, etc.)

Forme : Les outils de mémoire sont destinés à être une petite couche CLI + bibliothèque, mais ceci est uniquement exploratoire.

« S-Collide » / SuCo : quand l’utiliser (recherche)

Si « S-Collide » fait référence à SuCo (Subspace Collision) : c’est une approche de récupération ANN qui cible de forts compromis rappel/latence en utilisant des collisions apprises/structurées dans des sous-espaces (article : arXiv 2411.14754, 2024).

Approche pragmatique pour ~/.openclaw/workspace :

• ne commencez pas avec SuCo.
• commencez avec SQLite FTS + (optionnel) des embeddings simples ; vous obtiendrez la plupart des gains UX immédiatement.
• envisagez les solutions de type SuCo/HNSW/ScaNN uniquement une fois que :
  • le corpus est volumineux (dizaines/centaines de milliers de blocs)
  • la recherche par embeddings par force brute devient trop lente
  • la qualité du rappel est sensiblement limitée par la recherche lexicale

Alternatives hors ligne (par complexité croissante) :

• SQLite FTS5 + filtres de métadonnées (zéro ML)
• Embeddings + force brute (fonctionne étonnamment bien si le nombre de blocs est faible)
• Index HNSW (courant, robuste ; nécessite un lien de bibliothèque)
• SuCo (niveau recherche ; attrayant s’il existe une implémentation solide que vous pouvez intégrer)

Question ouverte :

• quel est le meilleur modèle d’embeddings hors ligne pour la « mémoire d’assistant personnel » sur vos machines (ordinateur portable + de bureau) ?
  • si vous avez déjà Ollama : faites des embeddings avec un modèle local ; sinon, embarquez un petit modèle d’embeddings dans la chaîne d’outils.

Plus petit pilote utile

Si vous souhaitez une version minimale, mais toujours utile :

• Ajoutez des pages d’entités bank/ et une section ## Retain dans les journaux quotidiens.
• Utilisez SQLite FTS pour le rappel avec citations (chemin + numéros de ligne).
• Ajouter des embeddings uniquement si la qualité ou l’échelle du rappel l’exige.

Références

• Concepts de Letta / MemGPT : « blocs de mémoire centrale » + « mémoire d’archivage » + mémoire auto-éditable par tool.
• Rapport technique Hindsight : « retain / recall / reflect », mémoire à quatre réseaux, extraction narrative de faits, évolution de la confiance des opinions.
• SuCo : arXiv 2411.14754 (2024) : récupération des plus proches voisins « Subspace Collision » approximative.