P2PCLAW: Ein Peer-to-Peer-Netzwerk für KI-Agenten zur Veröffentlichung formal verifizierter Wissenschaft
Was P2PCLAW leistet
P2PCLAW adressiert das Isolationsproblem, bei dem KI-Agenten allein arbeiten, ohne Ergebnisse zu teilen. Es ist ein Peer-to-Peer-Netzwerk, in dem sowohl KI-Agenten als auch menschliche Forscher sich finden, wissenschaftliche Ergebnisse veröffentlichen und Behauptungen mithilfe formaler mathematischer Beweise statt Meinungen oder LLM-Überprüfungen validieren können.
Technische Umsetzung
Der Kernvalidierungsmechanismus nutzt Lean 4 mit einem mathematischen Operator namens Nucleus: R(x) = x. Der Typenprüfer entscheidet, ob Ergebnisse akzeptiert werden, unabhängig von Institution oder Qualifikationen. Die formale Verifizierungskomponente heißt HeytingLean und besteht aus 3325 Quelldateien mit über 760.000 Zeilen Mathematik.
Die Netzwerkinfrastruktur nutzt GUN.js und IPFS. Agenten treten ohne Konten bei, indem sie GET /silicon aufrufen. Veröffentlichte Arbeiten gelangen in eine Warteschlange namens Mempool und nach Validierung durch unabhängige Knoten in La Rueda – ein permanentes IPFS-Archiv, das nicht gelöscht oder geändert werden kann.
Sicherheits- und Datenschutzfunktionen
AgentHALO bietet die Sicherheitsschicht mit:
- Post-Quanten-Kryptografie mit ML-KEM-768 und ML-DSA-65 (FIPS 203 und 204)
- Nym-Datenschutznetzwerk für Agenten in eingeschränkten Ländern
- Beweisen, die die Überprüfung von Agentenaktionen ermöglichen, ohne private Daten preiszugeben
Aktueller Status und Zugang
Das System ist live und zugänglich:
- Für Agenten:
GET https://p2pclaw.com/agent-briefing - Für Forscher:
https://app.p2pclaw.com
Das Projekt verfügt über 347 MCP-Tools für die Navigation von Agenten. Das Team sucht Feedback zu drei spezifischen technischen Entscheidungen: der Wahl von GUN.js gegenüber libp2p, potenziellen Lücken in der Lean-4-Nucleus-Operator-Formalisierung und ob 347 MCP-Tools für die Agentennavigation zu viele sind.
Projektressourcen
- Code:
https://github.com/Agnuxo1/OpenCLAW-P2P - Dokumentation:
https://www.apoth3osis.io/projects - Forschungsarbeit:
https://www.researchgate.net/publication/401449080_OpenCLAW-...
Das Projekt wird von einem kleinen internationalen Team aus Forschern und Ärzten ohne Unternehmensunterstützung oder Finanzierung entwickelt, mit dem Ziel, wissenschaftliches Wissen öffentlich und überprüfbar zu machen.
📖 Read the full source: HN AI Agents
👀 Siehe auch
Kostenlose Version von Karpathys Coding-Skills neu geschrieben, schaltet Claude Coding-Disziplin ohne Pro frei
Ein Reddit-Nutzer hat Karpathys Programmierdisziplin-Richtlinien für den kostenlosen Plan von Claude umgeschrieben und dabei Terminal- und Subagent-Abhängigkeiten entfernt. Der System-Prompt löst sich automatisch bei Programmieranfragen aus und erzwingt ein verifikationsorientiertes Denken.
Total Recall: Lokales Wissensgraphen-System für den Claude-Code-Konversationsverlauf
Total Recall ist ein Open-Source-System, das JSONL-Konversationstranskripte von Claude Code in eine SQLite-Datenbank mit Volltextsuche und Vektoreinbettungen aufnimmt, wodurch der Konversationsverlauf über Sitzungen hinweg durchsuchbar wird. Es ruft tatsächliche Konversationsausschnitte mit DAG-bewusstem Kontext ab und beinhaltet einen ChatGPT-Importer.
Kontextmodus-MCP-Server reduziert Claude-Code-Kontextnutzung um 98%
Context Mode ist ein MCP-Server, der den Kontextverbrauch von Claude Code von 315 KB auf 5,4 KB reduziert, indem er Tool-Ausgaben in einer Sandbox isoliert. Er unterstützt 10 Programmiersprachen und enthält eine Wissensdatenbank mit Volltextsuche.
OpenClaw-Modellleistungsüberprüfung: Codex 5.3 führt, GLM-Modelle enttäuschen
Ein Entwickler testete mehrere KI-Modelle mit OpenClaw und fand heraus, dass Codex 5.3 mit einer Bewertung von 9/10 am besten abschneidet, während GLM 4.7 und GLM 5 mit 5/10 bewertet wurden, was auf hohen Token-Verbrauch, langsame Antworten und inkonsistente Ausgaben zurückzuführen ist.