Construindo uma Infraestrutura de Conhecimento de IA Persistente com OpenClaw

Um desenvolvedor construiu um sistema completo de infraestrutura de conhecimento chamado 'Brain' sobre o OpenClaw para abordar o problema de ausência de estado comum em configurações de IA. O sistema fornece memória persistente entre sessões, permitindo que os usuários consultem decisões passadas e o histórico de fluxos de trabalho.

Arquitetura Principal

O Brain serve como o serviço central de conhecimento onde os documentos são ingeridos, fragmentados e incorporados localmente usando o Ollama. Os dados são armazenados em vários bancos de dados: Postgres, MongoDB e Qdrant, com os relacionamentos mapeados em um banco de dados de grafos Memgraph. Isso torna cada decisão, sessão e execução de fluxo de trabalho pesquisável e conectada.

Busca e Recuperação

A busca no Brain usa recuperação híbrida combinando busca semântica via Qdrant com busca de texto completo BM25 do Postgres, mescladas usando fusão de classificação recíproca. Os resultados são automaticamente desduplicados e orçamentados por contexto antes da síntese.

Agente RAG e Sistema de Plugins

Sobre o Brain está um Agente RAG que executa um pipeline completo: recuperar → expandir grafo → fundir → sintetizar, tudo alimentado por modelos Ollama locais. O agente estima a confiança em cada resposta e registra automaticamente 'lacunas de conhecimento' em uma fila pendente quando a confiança é baixa.

O sistema inclui um sistema de plugins limpo com mais de 33 ferramentas tipadas que os agentes podem chamar, incluindo: brain_search, brain_ingest, brain_rag_query, brain_graph_slice e brain_condense_domain. Cada operação tem uma interface estrita e bem tipada.

Fluxos de Trabalho e Observabilidade

Os fluxos de trabalho são cidadãos de primeira classe neste sistema. Pipelines de múltiplas etapas — orientar, buscar, inspecionar, sintetizar, registrar — podem ser executadas por meio de agentes ou por meio de um executor determinístico em um cronograma cron sem envolvimento de LLM. A telemetria e a observabilidade permanecem consistentes de qualquer forma.

Cada agente tem um mandato estrito e se comunica por meio de transferências estruturadas, com toda a atividade rastreada de volta para o Brain como histórico pesquisável. Um verificador de deriva Python compara as configurações dos agentes ativos com os instantâneos do Brain, registrando automaticamente eventos estruturados quando as listas de permissões de ferramentas ou as versões dos plugins mudam.

Implantação Local e Planos Futuros

Todo o sistema roda localmente usando Ollama para incorporações e síntese, com Docker para todos os armazenamentos. Não há chamadas para OpenAI ou APIs externas para a camada central de inteligência.

Os próximos passos incluem migrar o agente RAG para o LlamaIndex Workflows, desenvolver um SDK compartilhado brain-client e apertar a superfície da API. Os endpoints RAG estão migrando para um prefixo /v1/rag/, realm está se tornando um cabeçalho e as fachadas de DB com vazamento estão sendo adequadamente abstraídas.