Aufbau einer dauerhaften KI-Wissensinfrastruktur mit OpenClaw

Ein Entwickler hat ein vollständiges Wissensinfrastruktursystem namens 'Brain' auf Basis von OpenClaw erstellt, um das in KI-Setups häufige Statelessness-Problem anzugehen. Das System bietet persistente Speicherung über Sitzungen hinweg, sodass Nutzer vergangene Entscheidungen und Workflow-Verläufe abfragen können.

Kernarchitektur

Brain dient als zentraler Wissensdienst, in dem Dokumente lokal mit Ollama erfasst, in Abschnitte unterteilt und eingebettet werden. Daten werden über mehrere Datenbanken gespeichert: Postgres, MongoDB und Qdrant, wobei Beziehungen in einer Memgraph-Graphdatenbank abgebildet werden. Dadurch wird jede Entscheidung, Sitzung und Workflow-Ausführung durchsuchbar und verknüpft.

Suche und Abruf

Die Suche in Brain nutzt einen hybriden Abruf, der semantische Suche über Qdrant mit BM25-Volltextsuche aus Postgres kombiniert, zusammengeführt durch reziprokes Rang-Fusion. Ergebnisse werden vor der Synthese automatisch dedupliziert und kontextbasiert budgetiert.

RAG-Agent und Plugin-System

Über Brain sitzt ein RAG-Agent, der einen vollständigen Pipeline-Prozess ausführt: abrufen → Graph erweitern → fusionieren → synthetisieren, alles angetrieben durch lokale Ollama-Modelle. Der Agent schätzt das Vertrauen in jede Antwort und protokolliert automatisch 'Wissenslücken' in eine Warteschlange, wenn das Vertrauen niedrig ist.

Das System beinhaltet ein sauberes Plugin-System mit 33+ typisierten Tools, die Agenten aufrufen können, darunter: brain_search, brain_ingest, brain_rag_query, brain_graph_slice und brain_condense_domain. Jeder Vorgang hat eine strenge, wohltypisierte Schnittstelle.

Workflows und Beobachtbarkeit

Workflows sind in diesem System erstklassige Elemente. Mehrstufige Pipelines – orientieren, abrufen, prüfen, synthetisieren, protokollieren – können entweder über Agenten oder über einen deterministischen Runner nach einem Cron-Zeitplan ohne LLM-Beteiligung ausgeführt werden. Telemetrie und Beobachtbarkeit bleiben in beiden Fällen konsistent.

Jeder Agent hat ein strenges Mandat und kommuniziert über strukturierte Übergaben, wobei alle Aktivitäten als durchsuchbarer Verlauf in Brain zurückverfolgt werden. Ein Python-Drift-Checker vergleicht laufende Agentenkonfigurationen mit Brain-Snapshots und protokolliert automatisch strukturierte Ereignisse, wenn Tool-Allowlists oder Plugin-Versionen sich ändern.

Lokale Bereitstellung und Zukunftspläne

Das gesamte System läuft lokal mit Ollama für Einbettungen und Synthese, wobei Docker für alle Speicher verwendet wird. Es gibt keine OpenAI-Aufrufe oder externe APIs für die zentrale Intelligenzschicht.

Nächste Schritte umfassen die Migration des RAG-Agenten zu LlamaIndex Workflows, den Aufbau eines gemeinsamen Brain-Client-SDK und die Straffung der API-Oberfläche. RAG-Endpunkte werden auf ein /v1/rag/-Präfix umgestellt, Realm wird zu einem Header, und undichte DB-Fassaden werden ordnungsgemäß abstrahiert.