CLAUDYE.md dosyasına, Agent'ın beni hatırlaması için 200'den fazla kural satırı yazdım.
Yazım tonu, düzen tabuları, görsel stilleri—hepsi benim satır satır yazmama bağlı. Her yeni oturum başlattığımda bu kurallar var olsa da bu bir Agent hafızası değil; bu yazdığım bir kılavuz.
Kılavuz statiktir: "Kısa çizgi kullanma" yazarsam Agent kullanmaz. Ama neden kullanmadığını, kaç kez düzelttiğimi ve kuralın ardındaki yargıyı—"kısa çizgiler Çincenin ritmini bozuyor" hissini—bilmez.
Agent'ım kuralları uyguluyor ama onları öğrenmiyor.
Mevcut hafıza çözümlerinin çoğu sadece "eski sohbetleri aramak"
Bu sorun fark edilmedi değil. ChatGPT'nin hafızası var, Claude'un proje bilgisi var ve piyasada çeşitli üçüncü taraf hafıza eklentileri mevcut.
Ancak yakından bakarsanız hepsi kabaca aynı şeyi yapıyor: geçmiş konuşmalarınızı veya manuel olarak etiketlenmiş bilgileri depolamak, bir vektör indeksi oluşturmak ve sonraki sohbette bağlama geri eklemek için ilgili bölümleri almak.
İşe yarıyor, ancak kaçınılmaz birkaç sorun var.
Birincisi, depolanan şey ham konuşma ve bu çok düşük bir sinyal-gürültü oranına sahip. Üç ay önceki boş bir sohbet parçası alındığında, model neyin yararlı olduğuna karar vermek zorunda kalıyor ve çoğu zaman yanılıyor.
İkincisi, hafıza düzdür. Tüm bilgiler eşit olarak depolanır; "bu bundan daha önemli" veya "bu sonuç güncellendi" gibi bir hiyerarşi yoktur. Ne kadar uzun süre kullanırsanız, o kadar fazla gürültü olur.
Üçüncüsü, hatalardan ders çıkarmaz. Aynı konuda AI'yı on kez düzelttiyseniz, "hafızasında" on düzeltme kaydı vardır, ancak "bunu bir daha yapma" stratejisini özetlememiştir.
Bu çözümler "depolama" sorununu çözer, ancak "öğrenme" sorununu çözmez.
MemOS yerel eklentisini kurduktan sonra Hermes'in bana söyledikleri
MemOS Yerel Eklentisini kurduktan sonra Hermes'e sordum: "Hafızan şimdi nerede kayıtlı?"
Çok net bir cevap verdi:
İki satır: Yerleşik hafıza yerel bir JSON dosyasında saklanır ve ona aktif olarak söylediğim şeyleri içerir: ad, rol, tercihler, yazım kuralları. MemOS, konuşmalardan otomatik olarak izleri (olay yörüngeleri), politikaları (davranış kuralları) ve world_models (çevresel bilgi) çıkaran ve ardından olgun süreçleri çağrılabilir becerilere dönüştüren ayrı, bağımsız bir uzun vadeli hafıza sistemidir.
Hermes'in kendi özeti benim açıklamımdan daha iyi: "Yerleşik hafıza, aktif olarak kaydettiğim açık bir yapışkan not; MemOS ise arka planda otomatik olarak öğrenilen ve biriken örtülü bir hafıza."
MemOS'u yukarıda bahsedilen çözümlerden ayıran en büyük fark budur. Sadece konuşmalarınızı saklamanıza yardımcı olmaz; bir şeyler yapma sürecinizden otomatik olarak stratejiler çıkarır.
MemOS bu sisteme Reflect2Evolve adını verir. Konuşmalar önce izlere dönüşür, değerli izler politikalara (davranış stratejileri) özetlenir ve olgun politikalar yeniden kullanılabilir becerilere dönüştürülür. "Ne söylediğini hatırlamak" değil, "bir dahaki sefere nasıl yapılacağını, onu nasıl yaptığının sürecinden çıkarmak"tır.
Test 1: Tweet yazmayı öğretmek
İlk turda, Hermes'e X tweetleri yazma alışkanlıklarımı anlattım: kısa çizgi yok, doğrudan bir bakış açısıyla başla, giriş yapmadan, insani bir his olsun, AI tadı olmasın. Ardından Context Engineering hakkında bir tweet yazmasını istedim.
Bitirdikten sonra bir kez düzelttim: "Bu açılış çok düz; daha keskin bir kanca kullan. Alışkanlığım, ilk cümlede bir bakış açısı veya çatışma atmak, giriş yok."
Hemen değiştirdi. İlk cümle şöyle oldu: "Hot take: Prompt Engineering overrated." Ardından şöyle yanıtladı: "İlk cümle bakış açısı, giriş yok."
Buraya kadar çoğu AI asistanından pek farklı değil. Gerçek test bir sonraki adım.
Hermes'ten çık. Yeni bir oturum başlat. Bu sefer sadece bir cümle söyledim:
"Bana 'Claude Code'daki CLAUDE.md aslında Context Engineering yapıyor' temalı bir X tweeti yazmama yardım et."
Hiçbir tercihimi tekrarlamadım. Kim olduğumu hatırlatmadım.
Sonra bunu gördüm:
Yazmadan önce dört şey yaptı:
- Otomatik olarak x-content-writing adlı bir beceri yükledi.
- "X yazım stili context engineering" için memos_search kullandı, 4.7 saniye sürdü.
- memos_environment'ı aradı ve Obsidian kasamın yolunu buldu.
- Ritmi yakalamak için daha önce yayınladığım X makalelerini okumak üzere kasama girdi.
Ardından şöyle dedi: "Tamam, yazalım. Son X makalelerini okuyup ritmi yakaladıktan sonra doğrudan yazmaya başlayacağım."
Yazdığı şey buydu:
CLAUDE.md bir yapılandırma değil. Context Engineering'dir. Oraya yazdığınız her satır, modelin bağlam penceresini tasarlıyorsunuz demektir. Proje yapısı, kodlama tercihleri, kırmızı çizgi tabuları—bunların hepsi manuel olarak enjekte edilen çalışma hafızasıdır. Prompt'lar "bu sefer ne yapılacağını" halleder. CLAUDE.md ise "sen kimsin" sorusunu halleder. Backend geliştiricileri bunu anında anlayacaktır. Mikroservisler, başlangıçta hangi servislerle etkileşime gireceklerini bilmek için bir kayıt defterinden yapılandırma çeker. CLAUDE.md, Agent'ın kayıt defteridir. Her oturumda bir kez oku, sonra işe koyul.
Sıfır kısa çizgi, ilk cümle doğrudan bir bakış açısı atıyor, backend benzetmesi doğal akıyor ve "Bu makalede şunu anlayacağız..." tarzı bir açılış yok.
Sadece kısa çizgi kullanma dediğimi basitçe hatırlamadı; yürütme sürecimden ve yayınlanmış makalelerimden bir dizi yazım stratejisi çıkardı ve ardından bunları yepyeni bir oturumda otomatik olarak uyguladı.
Bu sefer, daha önce kullandığım hafıza çözümlerinden gerçekten farklı olduğunu hissettim.
Test 2: İki ürün sayfası oluşturarak stillerin projeler arasında geçiş yapıp yapmadığını görmek
Daha büyük bir görev deneyelim.
İlk turda, Hermes'ten ReddTrends (www.reddtrends.com) için belirli gereksinimlerle bir ürün tanıtım sayfası oluşturmasını istedim: krem-beyaz arka plan, sıcak renkler, "güçlendirmek" veya "her şey dahil" gibi kelimeler olmadan doğrudan metin, temiz düzen, bağımsız geliştirici hissi. Bitirdikten sonra CTA düğmesi metnini düzelttim.
Ardından çıktım, yeni bir oturum başlattım ve ondan başka bir ürün olan MoleUninstaller için yalnızca ürün adını ve işlev açıklamasını vererek bir tanıtım sayfası oluşturmasını istedim, hiçbir stil talimatı vermedim.
Sonuç: MoleUninstaller sayfası tamamen farklı bir yöne gitti: koyu arka plan, İngilizce ana başlık, turuncu vurgu rengi—ReddTrends'in sıcak bağımsız geliştirici stilinden tamamen farklı.
Stil tercihleri projeler arasında geçiş yapmadı.
Bu, MemOS'un hafızasının basit bir "kullanıcı geçen sefer krem-beyaz dedi, öyleyse sonsuza kadar kullan" olmadığını gösteriyor; görev bağlamlarını ayırt ediyor. Tersine, "tüm ürün sayfalarımda sıcak renkler kullanırım"ı hatırlamasını beklerseniz, bunu henüz yapamıyor; bu incelikteki tercihleri öğrenmek daha fazla tur birikimi gerektirebilir.
Ne öğrendiğini görmek için Viewer'ı açma
İki testi çalıştırdıktan sonra Viewer'daki veri değişiklikleri belirgindi:
Başlangıçtaki sıfırdan 47 hafıza, 8 görev, 24 deneyim (12 etkin), 2 beceri ve 1 çevresel bilişe. Tümü otomatik olarak oluşturuldu.
Deneyim sayfasındaki en ilginç girdiler:
"WeChat Resmi Hesap makalesini Xiaohongshu formatına dönüştür", destek 25, etkin. Bu deneyim 25 kez tetiklendi ve MemOS'un hesapları dönüştürme gibi tekrarlanan görevden bir strateji özetlediğini gösteriyor.
"Dosyaları değiştirdikten sonra tarayıcı gezintisi ile doğrula" ve "Sayfa değişikliğinden sonra konsol hatası olmadığını doğrula"—bunlar, ürün sayfaları oluştururken otomatik olarak çıkarılan mühendislik alışkanlıklarıdır.
Beceriler sayfası da değişti:
check_obsidian_vault_path_env, V1'den V2'ye yükseltildi ve destek 1'den 2'ye çıktı. MemOS, ikinci kez benzer bir görevle karşılaştığında beceri sürümünü otomatik olarak yükseltti. Reflect2Evolve'deki "Evolve" tam olarak budur: beceriler statik değildir; ne kadar çok kullanılırsa o kadar olgunlaşır.
Üç modelin her biri kendi rolünü oynar: yerel Xenova gömme için (ücretsiz), DeepSeek V4 Flash özetler için (ucuz) ve DeepSeek V4 Pro beceri evrimi için (yalnızca güçlü akıl yürütme gerektiğinde çağrılır), pahalı modelleri yalnızca önemli oldukları yerde kullanır.
Tüm veri yerel bir SQLite veritabanında saklanır ve Viewer yalnızca yerel olarak dinler, sıfır bulut bağımlılığı. RAG ile çalışmış olanlar, getirme işlem hattına bakabilir: FTS5 tam metin + vektör hibrit, RRF füzyon sıralaması, MMR yinelenen kaldırma ve 14 günlük yarı ömür zaman bozulmasıyla geçer, ardından bir LLM tarafından filtrelenir. Bu, "gömme + kosinüs benzerliği"nden çok daha karmaşıktır, ancak getirme kalitesi, hafızanın yararlı olup olmadığının belirleyicisidir.
Bir çekirdek, birden çok Agent tarafından paylaşılır
Bahsetmeye değer başka bir tasarım: OpenClaw ve Hermes, aynı Reflect2Evolve çekirdeğini paylaşır, yalnızca farklı bağdaştırıcılara sahiptir. Hermes'te biriktirdiğiniz deneyimler ve beceriler, algoritma düzeyinde OpenClaw ile uyumludur; hafıza varlıklarınız sırf araç değiştirdiniz diye sıfırlanmaz.
Kullanım sonrası gerçek hisler
Beni en çok şaşırtan, sadece tercihlerimi hatırlaması değil, ikinci oturumda tweeti yazmadan önce bir dizi eylem gerçekleştirmesiydi: bir beceri yüklemek, hafızayı aramak, kasamı bulmak, önceki makalelerimi okumak ve ardından bana "Ritmi yakalamak için son makalelerini okudum" demesi.
O anki tepkim şuydu: Bir dakika, senden eski makalelerimi okumanı istemedim.
Ama kendisi bunun doğru şey olduğuna karar verdi. Bu his, "geçen sefer ne konuştuğumuzu ara" demekten tamamen farklı.
Ürün sayfası tarafı o kadar şaşırtıcı değildi; ReddTrends'in sıcak stili MoleUninstaller'a geçmedi. Düşününce, mantıklı; stil tercihi yalnızca bir kez ortaya çıktı ve MemOS deneyimlerinin bir stratejiye dönüşmesi için belirli bir sayıda "destek"e ihtiyacı var. Bir kez yeterli değil.
Yani mevcut durum şu: yüksek frekanslı tekrarlayan görevler çok belirgin etkiler gösteriyor, ara sıra yapılan tercihler ise henüz istikrarlı değil. Ama bence yön doğru. Altı aydır CLAUDE.md yazıyorum ve ne kadar çok yazarsam, bunun insanlar için bir iş olmadığını o kadar çok hissediyorum.
MemOS Yerel Eklenti Web Sitesi: https://memos-claw.openmem.net/
GitHub: https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin
Agent Tek Tıkla Kurulum:
1https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin
Ben Yanhua, AI Agent'ları ve denizaşırı pazarlar için bağımsız geliştirmeye odaklanıyorum. AI Agent'ları ilginizi çekiyorsa, takip etmekten çekinmeyin --> @yanhua1010
