OpenClaw — мощный инструмент, но ему не помешала бы помощь в запоминании.
OpenClaw запускается на вашем компьютере, очищает ваш почтовый ящик и развивает навыки. Пробел : это память, которую вы можете проверить, запросить и исправить. Слой правды под ним дает вам происхождение, откат и один и тот же результат каждый раз, когда вы спрашиваете.
Ключевые выводы
- Агенты OpenClaw и Claw отлично справляются со своими задачами (календарь, тексты, просмотр, формы, навыки). Пробел – это память, которая поддается проверке, является последовательной и восстанавливаемой.
- Дополнительный контекст не устраняет перезаписи, отсутствие происхождения, нестабильную каноническую идентичность, недетерминированные ответы или память, связанную с инструментами. Эти ограничения касаются состояния, а не извлечения.
- Уровень истины находится под агентом: агент продолжает делать; уровень сохраняет состояние с канонической идентичностью, происхождением, детерминированными запросами, возможностью восстановления и доступом между инструментами.
- Благодаря уровню истины задачи и транзакции становятся первоклассными сущностями с происхождением. Тот же запрос дает тот же результат; плохие записи можно откатить; те же данные доступны для Cursor, Claude, ChatGPT или Claw через MCP.
- Видимость того, чему научился агент (например, рабочие процессы в Notion), — это поведение. Уровень истинности добавляет прозрачность состояния: какие сущности существуют, как они связаны, откуда они взялись и как они изменились.
Что OpenClaw делает правильно
OpenClaw (и более широкая волна Claw/Clawdbot) — это первый раз, когда многие люди почувствовали, что у них есть настоящий личный ИИ. Он работает на вашей машине. Имеет постоянную память. Он может читать ваши сообщения, управлять календарем, просматривать веб-страницы, заполнять формы и развивать навыки, которые улучшаются по мере его использования.
[Бычий случай] Брэндона Вана (https://brandon.wang/2026/clawdbot) хорош для чтения: извлечение обещаний из текстов в события календаря, оповещения о ценах со сложными критериями (например, «выдвижная кровать - хорошо, если не в той же комнате, что и другая кровать»), инвентаризация морозильной камеры из фотографий в Notion, бронирование Resy, которое пересекает ваш календарь с доступностью ресторана.
Агент делает вещи. Он также помнит вещи. Контекст накапливается. Это «сладкий эликсир контекста», о котором он говорит.
Итак, по оси «может ли агент действовать от моего имени и узнать мои предпочтения» ответ — да. Пробел, который меня волнует, — это другая ось: как хранятся эти воспоминания и можно ли им доверять, воспроизводить их и исправлять, если что-то пойдет не так.
Где «больше контекста» достигает того же потолка
Большую часть своей жизни я провожу через одного агента (Курсор плюс MCP): электронную почту, задачи, финансы, контакты, контент. Я достиг пределов, не связанных с поиском или размером модели. Они о государстве.
- Перезаписывает без отмены. Агент обновляет контакт или объединяет две задачи. Предыдущее состояние ушло. Нет ни версий, ни отката. Пишет на месте.
- Нет происхождения. Когда агент дает неправильный номер или неверную сумму, я не могу отследить его до конкретной записи или импорта. Я не знаю, какое наблюдение привело к какому ответу.
- Нет канонической идентичности. «Acme Corp» в одном сеансе и «ACME CORP» в следующем могут рассматриваться, а могут и не рассматриваться как одно и то же лицо. Агент каждый раз делает повторный вывод. Не существует стабильных идентификаторов или правил слияния. – Недетерминированные ответы. Тот же вопрос («Какова моя общая сумма расходов у поставщика X?»), завтра другой ответ. Пропущенные файлы, усеченный поиск или другое разрешение объекта. Нет возможности воспроизвести или проверить.
- Память, привязанная к инструменту. То, что «знает» агент, находится внутри памяти этого инструмента или контекста этого провайдера. Я не могу использовать те же контакты и задачи из Claude.ai или ChatGPT. Память не распределяется между инструментами, которые я использую.
Эти ограничения не исчезают, когда агент становится больше возможностей или больше контекста. Они становятся острее. Чем больше агент делает (календарь, контакты, задачи, транзакции), тем больше вам нужно место, где это состояние будет первоклассным: идентичность, происхождение и возможность детерминированно запрашивать его и откатывать, когда что-то сломается.
Что добавляет уровень правды под такого агента, как Коготь
Уровень истины не является заменой агента. Это слой под ним. Агент продолжает делать: читает тексты, просматривает страницы, заполняет формы, создает события в календаре, развивает навыки. Уровень — это место, где находится полученное состояние и как оно запрашивается.
- Постоянная каноническая идентичность. Контакты, задачи, транзакции и события получают стабильные идентификаторы. «Acme Corp» и «ACME CORP» преобразуются в одну организацию по правилу, а не путем вывода для каждого сеанса.
- Происхождение и аудит. Каждую запись можно отследить до источника (импорт, действие агента, редактирование пользователем) и времени. Если число неверно, вы можете увидеть, откуда оно взялось. – Детерминированные запросы. «Каждая транзакция с поставщиком X за последние два года» или «все задачи проекта Y» попадают в структурированное хранилище. Тот же запрос, тот же результат. Никаких исследований, никаких сокращений, никаких повторных выводов.
- Восстановимость. Когда агент по ошибке перезаписывает контакт или объединяет две задачи, у вас есть управление версиями и контрольный журнал. Можно посмотреть, что изменилось и откатиться назад. Мутации явные; они не являются тихой перезаписью.
- Истина о перекрестных инструментах. Те же контакты, задачи и планы выполнения доступны для Cursor, Claude, ChatGPT или Claw через что-то вроде MCP. Один субстрат памяти, множество агентов.
Таким образом, Claw (или любой другой агент типа Claw) по-прежнему будет выполнять часть «действия»: интерпретировать намерения, просматривать, заполнять формы, создавать события, изучать рабочие процессы. Слою истины будет принадлежать часть «запоминания»: канонические сущности, временные рамки, происхождение и идемпотентные, воспроизводимые запросы. Агент записывает в слой и читает из него. Вы получаете поддержку агента, который делает что-то и память, которая не дрейфует, не перезаписывается без следа и не расходится во мнениях между сеансами или инструментами.
Конкретная картина
Представьте, что Claw создает дополнительную задачу после того, как вы пообещали что-то в текстовом сообщении. Сегодня это может жить в памяти агента или в локальном списке. Благодаря уровню правды эта задача представляет собой первоклассную сущность: она связана с разговором, в результате которого она была создана, с контактом, если это необходимо, и с любым проектом или планом выполнения. Вы можете запросить «все последующие действия за прошлую неделю» или «задачи, связанные с этим контактом» с помощью любого инструмента, который взаимодействует со слоем. Если позже агент по ошибке объединит две задачи, у вас будет история изменений, и вы сможете вернуться.
Или: Claw помогает отслеживать расходы у продавца. Без структурированного хранилища он каждый раз повторно ищет экспортированные данные и электронные письма и повторно выводит разрешение объекта. Итоговые суммы могут измениться. Благодаря уровню истины транзакции нормализуются и привязываются к каноническому идентификатору поставщика. «Общая сумма расходов у поставщика X» — это запрос, а не разовая сборка. Тот же вопрос, тот же ответ. А если агент «исправляет» транзакцию на основе неправильного вывода, у вас есть контрольный журнал и возможность отката.
Брэндон упоминает о написании рабочих процессов в Notion, чтобы увидеть, чему научился Claw. Это видимость поведения. Уровень истины добавляет видимость состояния: какие сущности существуют, как они связаны, откуда они взялись и как они изменились. Это дополнение к «агент что-то сделал». «Агент что-то сделал, и вот состояние, которое он написал, с указанием происхождения и возможностью это исправить».
Почему я создаю Неотому таким образом
Я создаю Neotoma как уровень структурированной памяти с такими примитивами: разрешение объектов, временные рамки, происхождение, детерминизм и кросс-платформенный доступ через MCP. Я проверяю это в своем собственном агентском стеке, чтобы увидеть, где они имеют значение. Урок этой работы заключается в том, что извлечение (на основе внедрения или агентное) и «дополнительный контекст» сами по себе не дают вам стабильной идентификации, проверяемого состояния или возможности восстановления. Что-то, что делает, должно находиться внизу. OpenClaw и его экосистема доказывают, что агенты могут многое. Я думаю, что следующий шаг — убедиться, что то, что они делают, основано на слое памяти, которому вы можете доверять, запрашивать и исправлять. Это слой, который я создаю.