Создание устойчивой инфраструктуры знаний на основе ИИ с помощью OpenClaw

Разработчик создал полную инфраструктурную систему знаний под названием 'Brain' на базе OpenClaw, чтобы решить проблему отсутствия состояния, характерную для AI-настроек. Система обеспечивает постоянную память между сеансами, позволяя пользователям запрашивать прошлые решения и историю рабочих процессов.

Основная архитектура

Brain служит центральной службой знаний, где документы загружаются, разбиваются на фрагменты и преобразуются в эмбеддинги локально с помощью Ollama. Данные хранятся в нескольких базах данных: Postgres, MongoDB и Qdrant, а связи отображаются в графовой базе данных Memgraph. Это делает каждое решение, сеанс и рабочий процесс доступными для поиска и связанными.

Поиск и извлечение

Поиск в Brain использует гибридное извлечение, сочетающее семантический поиск через Qdrant с полнотекстовым поиском BM25 из Postgres, объединённые с помощью reciprocal rank fusion. Результаты автоматически дедуплицируются и ограничиваются по контексту перед синтезом.

RAG-агент и система плагинов

Поверх Brain работает RAG-агент, который выполняет полный конвейер: извлечение → расширение графа → слияние → синтез, всё на локальных моделях Ollama. Агент оценивает уверенность в каждом ответе и автоматически записывает 'пробелы в знаниях' в очередь ожидания, когда уверенность низкая.

Система включает чистую систему плагинов с более чем 33 типизированными инструментами, которые могут вызывать агенты, включая: brain_search, brain_ingest, brain_rag_query, brain_graph_slice и brain_condense_domain. Каждая операция имеет строгий, хорошо типизированный интерфейс.

Рабочие процессы и наблюдаемость

Рабочие процессы являются полноценными элементами этой системы. Многоэтапные конвейеры — ориентация, получение, проверка, синтез, логирование — могут выполняться либо через агентов, либо через детерминированный запускатель по расписанию cron без участия LLM. Телеметрия и наблюдаемость остаются согласованными в любом случае.

Каждый агент имеет строгий мандат и общается через структурированные передачи, при этом вся активность отслеживается обратно в Brain как доступная для поиска история. Проверка дрейфа Python сравнивает живые конфигурации агентов со снимками Brain, автоматически записывая структурированные события при изменении списков разрешённых инструментов или версий плагинов.

Локальное развёртывание и планы на будущее

Вся система работает локально с использованием Ollama для эмбеддингов и синтеза, а Docker — для всех хранилищ. Нет вызовов OpenAI или внешних API для основного интеллектуального слоя.

Следующие шаги включают миграцию RAG-агента на LlamaIndex Workflows, разработку общего SDK brain-client и упрощение API-поверхности. Конечные точки RAG перемещаются на префикс /v1/rag/, realm становится заголовком, а протекающие фасады БД получают правильную абстракцию.