Utiliser Opus 4.6 et GPT 5.4 pour évaluer par les pairs une conception de pile mémoire pour OpenClaw

Un développeur a documenté son processus de conception d'une pile mémoire pour OpenClaw en faisant relire mutuellement leur travail par deux modèles d'IA. Il a utilisé Claude Opus 4.6 via des jetons API comme modèle principal pour concevoir l'architecture, puis a envoyé la conception complète à GPT 5.4 pour l'assurance qualité.

Le processus de relecture par l'IA

Le développeur a étudié plusieurs plugins de mémoire, dont Mem0, Supermemory, Cognee, Hindsight, QMD, Lossless Claw, LanceDB et MemOS, avant de conclure qu'aucun plugin unique ne résout tous les problèmes de mémoire. Opus 4.6 a été utilisé pour concevoir une invite d'implémentation complète pour OpenClaw, que GPT 5.4 a ensuite relue.

GPT 5.4 a identifié plusieurs problèmes lors de la relecture : des risques de boucle de rétroaction, un travail cron avec une autorité excessive, des lacunes dans la vérification FTS5, des préoccupations concernant l'épinglage de version et des problèmes de surcharge de jetons. Après trois tours de retours entre les modèles, ils ont convergé vers une conception finale approuvée par les deux.

Le développeur a noté qu'Opus était plus fort sur l'architecture et les détails au niveau des plugins, tandis que GPT excellait à identifier les risques opérationnels, les cas limites et les scénarios d'échec.

La pile mémoire à trois couches

• Couche 1 : Lossless Claw (LCM) – Remplace entièrement la compaction par défaut. Au lieu de résumer les anciens messages et de les supprimer, il préserve chaque message dans une base de données SQLite et construit un arbre de résumés progressivement compressés (un DAG). Le modèle voit les résumés ainsi que les messages les plus récents, mais peut explorer en détail en utilisant des outils comme lcm_grep et lcm_expand. La synthèse s'exécute sur Haiku pour contrôler les coûts.
• Couche 2 : Recherche hybride SQLite – Pas un plugin, juste un changement de configuration. Active la correspondance de mots-clés BM25 parallèlement à la recherche vectorielle par défaut, permettant de trouver des termes exacts (noms de projets, codes d'erreur, ID) en plus du contenu sémantiquement similaire. Active également MMR pour des résultats diversifiés et une décroissance temporelle afin que les notes récentes soient mieux classées. Cette fonctionnalité est intégrée à OpenClaw mais désactivée par défaut.
• Couche 3 : Mem0 Cloud – Fournit une mémoire persistante inter-sessions. Le rappel automatique injecte des faits pertinents avant chaque réponse, tandis que la capture automatique extrait des faits après chaque réponse. Configuré avec topK=3 et un seuil de recherche plus élevé (0,45) pour réduire la surcharge de jetons.

Configuration de support

• Délai d'inactivité de session de 7 jours pour éviter les réinitialisations inutiles de session
• Élagage du contexte cache-ttl d'Anthropic aligné sur la rétention du cache d'invite
• Vidage de mémoire avant compaction permettant à l'agent d'écrire des notes durables avant les événements de compaction
• Consolidation cron nocturne à 3h du matin qui lit les journaux quotidiens des 7 derniers jours et écrit un résumé consolidé dans un fichier daté (synthèse uniquement, ne peut pas supprimer, réduire ou modifier les fichiers existants, ne peut pas écrire dans MEMORY.md, idempotent)
• Script d'archivage déterministe à 4h du matin (cron système, pas OpenClaw) qui déplace les journaux quotidiens de plus de 30 jours vers un répertoire d'archives en dehors du chemin de mémoire indexé

Plugins exclus et raisonnement

• QMD – Exclu en raison de bogues ouverts, notamment des boucles de redémarrage de passerelle, memory_search n'appelant pas QMD, et un repli permanent après un délai d'attente. La recherche hybride SQLite offre des avantages similaires sans l'instabilité.
• Cognee – La fonctionnalité de graphe de connaissances considérée comme excessive pour une configuration personnelle à utilisateur unique. Reportée pour une implémentation potentielle ultérieure si nécessaire.
• Supermemory – La plupart des affirmations de performance proviennent du fournisseur, tandis que Mem0 est plus éprouvé sur le terrain.

Risques clés identifiés

Lors de la relecture, les modèles ont identifié des risques de boucle de rétroaction entre Mem0 et LCM/les travaux cron, bien que le texte source s'interrompe avant de détailler tous les risques identifiés.