ปัญหา: AI จำไม่ได้
สอน AI ทีละขั้นตอน แต่ session ใหม่ = ลืมหมด 🥲 แต่ละ agent (main, mint, scribe, blotato-writer) ต้องจำ: preferences, protocols, domain knowledge โดยไม่พึ่ง cloud — ทุกอย่างอยู่บน Mac Mini
v1.0 — จุดเริ่มต้น
ระบบ dual-store retrieval: vector search (Qdrant + nomic-embed-text) คู่กับ keyword search (SQLite FTS5) รวมผลด้วย RRF fusion
Namespace แบ่งเป็น 2 ชั้น:
- Shared — preferences, protocols (ทุก agent เห็น)
- Private — domain knowledge เฉพาะแต่ละ agent
Memory มี lifecycle: importance scoring, recency decay, และ archival อัตโนมัติสำหรับ memory ที่ไม่ได้ใช้นาน
v1.1 — ฉลาดขึ้น 3 เท่า
| Area | v1.0 | v1.1 |
|---|---|---|
| Memories injected | 5 | 15 |
| Token budget | 2,500 | 3,500 |
| Reranking | None | Cross-encoder |
| Observability | None | Full pipeline |
Multi-query fusion: แทนที่จะ search ครั้งเดียว แต่ละ agent มี domain-specific queries หลายตัวรันพร้อมกัน memories ที่ match หลาย queries ได้คะแนนสูงขึ้น
Cross-encoder reranking: หลัง RRF fusion, FlashRank rescores candidates โดยพิจารณา relevance + recency + importance ช่วยกรอง noise ออกก่อน inject เข้า session
Observability: ระบบ log ทุก retrieval call และหลัง session จบจะถาม LLM ว่า memory ที่ inject ไปถูกอ้างอิงจริงมั้ย ทำให้เห็น coverage และ staleness ต่อ agent
follow me for AI tools + workflow automation ที่ใช้ได้จริงในชีวิตประจำวัน 🚀