Susing Resulta: Ganap na awtomatikong multi-agent workspace na may FTS5-persistent memory, 21 na custom skills, at 24 na aktibong cron orchestration jobs
Buod: Binuo at dineploy ang isang awtonomong multi-agent network na tumatakbo sa isang dedikadong Google Cloud VPS. Ang system ay nagsisilbing isang pinag-isang digital executor, na nagruruta ng mga komunikasyon mula sa iba't ibang chat gateways (Telegram, Discord, WhatsApp, Email) patungo sa isang Obsidian-backed cognitive core na may permanenteng cross-session memory. Bukod dito, ang Oz ay naka-configure upang makipag-ugnayan nang direkta sa aking Hermes Agent na proyekto para sa mga koordinadong distributed workflows.
Ang Suliranin
Hamon:
Multi-Channel Fragmentation: Pamamahala sa magkakahiwalay na daloy ng impormasyon sa iba't ibang channel ng komunikasyon.
Mabilis na Awtonomong Pagpapatupad: Pangangailangan para sa tuloy-tuloy at naka-schedule na pagpapatakbo ng mga backup, pagsusuri ng email, pag-update ng system, at pag-audit ng vault.
Session Amnesia: Ang mga tradisyonal na LLM agent ay walang persistent memory, na nagpapababa sa pagkakaugnay ng mga pag-uusap pagkalipas ng ilang araw o linggo.
Obsidian Vault Complexity: Pagpapanatili ng pagkakapare-pareho ng istruktura, frontmatter formats, at pagruruta ng mga tala para sa higit sa 230 mga file ng Obsidian.
Security Vulnerabilities: Mataas na panganib sa seguridad mula sa mga pampublikong messaging gateways na nangangailangan ng mahigpit na proteksyon laban sa prompt injection at access controls.
Audience: Personal na workspace para sa pagiging produktibo, katulong sa base ng kaalaman, at awtomatikong tagapamahala ng system.
Mga Limitasyon:
Search Engine API Restrictions: Walang ginamit na panlabas na search API keys, kaya binuo ang isang custom na multi-search-engine scraping abstraction layer.
Mga Limitasyon ng VPS: Dineploy sa isang 4-vCPU / 15GB RAM Google Cloud VPS na walang swap space, kaya nangangailangan ng maingat na pamamahala sa memorya.
Authentication Blocks: Lahat ng operasyon sa GitHub ay limitado sa SSH key authentication dahil sa hindi awtorisadong client environments.
Data Storage: Nakatutok lamang sa mga lokal na flat file (Markdown, JSON, SQLite) sa halip na mga distributed na panlabas na database.
Pamamaraan at mga Desisyon
Arkitektura: Isang centralized dispatcher pattern kung saan ang Oz ang nagsisilbing pangunahing orchestrator, na dinamikong nagruruta ng mga papasok na gawain sa mga dalubhasang sub-agent batay sa antas ng hirap ng task.
Mga Susing Desisyon:
Integrasyon ng Claude-Mem: Nagpatupad ng isang SQLite + FTS5 database upang awtomatikong mag-inject ng cross-session context sa mga aktibong run.
Obsidian-First Storage: Pinili ang mga flat markdown file para sa madaling visualisasyon, portability, at manu-manong pagsusuri sa graph.
Multi-Model Fallback Chain: Itinakda ang DeepSeek V4 Flash bilang default na budget model, na may backup na ruta sa Google Gemini at Grok upang mapanatili ang serbisyo kahit offline ang pangunahing model.
Trade-offs:
Polling vs Webhooks: Pinili ang cron-based na pagsusuri ng email at mga keepalive (libre at walang configuration sa OpenClaw gateway) ngunit nagdulot ito ng hanggang 8 oras na delay sa pag-check ng email.
Flat-File Knowledge Base: Mas madaling pamahalaan ang Markdown at SQLite ngunit limitado ang real-time multi-node query aggregations kumpara sa mga vector database.
Mga Susing Resulta at Epekto
Kinalabasan: Matagumpay na nagpapatakbo ng isang awtonomong digital executor na namamahala sa pang-araw-araw na autocommits, pagpoproseso ng email, background automation, at pag-archive ng mga tala.
Paghahambing: Pinalitan ang manu-manong pagsulat ng journal, kumplikadong scraping sa iba't ibang app, at magkakahiwalay na chat ng isang pinag-isang matalinong workspace assistant.
Epekto: Nakakamit ang matatag na awtomatikong operasyon na may kakayahang mag-fallback upang masiguro ang tuloy-tuloy na serbisyo.
Mga Pangunahing Sukat
Sukat
Halaga
Pinagmulan / Detalye
Pangunahing LLM
DeepSeek V4 Flash
openclaw.json (agents.defaults)
Model Registry
27 na models (3 providers)
Custom fallback pool (DeepSeek, Gemini, Grok)
Aktibong Cron Jobs
24 na naka-schedule
cron list output
Obsidian Vault
232 na tala (37MB)
Personal na workspace at memory base
Memory Database
323 na entries (11MB)
Claude-Mem SQLite + FTS5 system
Mga Custom Skill
21 na workspace skills
Custom na plugins at automation scripts
Server Resource
4 vCPUs / 15GB RAM
Google Cloud VPS (Ubuntu 22.04 LTS)
Paggamit ng RAM
~1.8GB / 15GB
Average na idle memory footprint
Response Latency
1 - 3 segundo
Hot cache DeepSeek (hanggang 15s sa cold start)
Mga Aktibong Gateway
Telegram, Discord, WhatsApp
Mentions, open DMs, at broadcast groups
Teknikal na Pagsusuri
Mga Kapansin-pansing Detalye:
imap-smtp-email: Pinagsasama ang iCloud SMTP sa mandatoryong CC routing (oz@franzdomingo.dev → CC list) gamit ang mga Node.js helper scripts.
multi-search-engine: Pinagsasama ang 16 na search engine nang hindi nangangailangan ng mga API keys.
self-improving-agent: Sumusuporta sa cross-session learning sa pamamagitan ng pag-save ng mga karanasan sa .learnings/ na direktoryo.
prompt-injection-guard: Pag-classify ng mga mensahe sa real-time, pag-verify ng password hash, at pagtukoy sa mga spoofed system messages.
Pang-verify: Sinusubaybayan sa pamamagitan ng isolated at session-bound agent turns, awtomatikong Git commits, at pana-panahong ulat sa Telegram.
Mga Optimization: Nagpatupad ng cost-conscious routing, kung saan ang mga simpleng gawain ay ipinapadala sa mas murang models habang ang mga premium reasoning models ay inilalaan para sa mga kumplikadong gawain.
Mga Pagninilay
Iba Pang Gagawin: Iisipin ko ang paglipat ng ilang operasyon ng polling sa webhook integrations upang mas mapabilis ang pagkuha ng email sa halip na umasa lamang sa naka-schedule na polling.
Mga Tagumpay: Napatunayang napaka-resilient ng centralized dispatcher pattern sa paghihiwalay ng mga gawain ng sub-agents sa malilinis na operational environments.
Mga Natutunan: Mabilis at maayos ang flat-file structures sa katamtamang scale (~200+ tala), ngunit kapag umabot na ito sa 1,000+ tala, kakailanganin na itong ilipat sa structured database caching.
Aking mga Kontribusyon
Systems Architecture at Deployment: Nag-configure at nag-deploy ng Node.js/OpenClaw runtime sa Google Cloud, kasama ang pamamahala ng SSH access, VPS processes, at custom systemd bindings.
Skill Engineering: Binuo ang 21-skill workspace library mula sa simula, kasama ang iCloud email relays, keyless search scrapers, PDF utilities, at memory databases.
Disenyo ng Seguridad: Binuo ang Prompt Injection Guard subsystem upang mapanatili ang seguridad sa mga pampublikong access points (Telegram bot, Discord guilds).
Disenyo ng Awtomatikong Pipeline: Inayos ang 24-job cron runner na nagpapatupad ng pang-araw-araw na backups, code syncs, at system heartbeats.
Arkitektura ng Proyekto
Gumagamit ang system na ito ng centralized dispatcher pattern upang mapadali ang pagruruta ng mga input sa tatlong pangunahing operational layers:
Layer
Mga Bahagi
Tungkulin at Daloy ng Impormasyon
Ingress Gateways
Telegram, Discord, WhatsApp, WebChat
Nagsisilbing user interface, tumatanggap ng mga tanong at nag-aayos ng angkop na tugon para sa bawat channel.
Central Routing
Oz Main Agent (Dispatcher)
Sinusuri ang antas ng hirap ng gawain, itinatakda ang dispatch cascade, at pinapamahalaan ang lifecycle ng workers.
Execution Pool
15+ Dalubhasang Sub-agents
Nagsasagawa ng mga custom na gawain sa workspace (pagsusuri, scripting, pagpapatakbo, at seguridad).
Oz Main Dispatcher — Ang nag-iisang tagapagtakda ng desisyon. Sinusuri ang hirap ng mga gawain (simple=0 dispatch, complex=1-2, ultra=5+) at ipinapasa ito sa tamang sub-agent. Nagpapatupad ng limitasyon sa lalim ng tool calls (hanggang 5 tool calls lamang nang walang pahintulot ng user).
Vault Triad — Tatlong specialized agents na nagpapanatili ng buhay ng Obsidian vault:
Librarian — Namamahala sa index, paghahanap, at pagkuha ng data sa vault. Hindi direktang ina-access ng Oz; kinukumpirma muna ng Librarian ang mga path bago ito ipadala. Tumatakbo araw-araw.
Writer — Dalubhasa sa pagsulat ng ulat, dokumentasyon, at mga artikulo. Naka-train sa estilo nina Hemingway, Orwell, Strunk & White, at King.
Keeper — Namamahala sa metadata templates at frontmatter compliance. Tumatakbo tuwing tatlong araw upang mapanatili ang maayos na istruktura ng mga tala.
Claude-Mem Engine — Direktang kumokonekta sa lokal na SQLite (FTS5, systemd-managed), kumukuha ng search embeddings at nag-iinject ng history sa mga prompts ng LLM. Naka-cache nang 60 segundo ang mga request upang maiwasan ang overloading. May circuit breaker na nagpapatupad ng 30s cooldown pagkatapos ng 3 magkakasunod na failure. Ang mga excluded agents (coder, math-solver, front-end-developer, at iba pa) ay kailangang manu-manong mag-query gamit ang curl endpoint. May hiwalay na Web UI para sa manu-manong paghahanap. Ang mekanismong ito ay malaki ang naitutulong sa pagbawas ng kabuuang paggamit ng token.
Worker Sub-Agent Pool (14 na specialized agents + Oz) — Lahat ng agents ay may access sa Claude Code, Gemini CLI, at Antigravity, na may kasamang mga built-in na skills:
Coder → Pagsusulat at pag-debug ng mga file at kumplikadong scripts.
Messenger → Lahat ng komunikasyon sa labas ng system (email na may CC chain, Discord, Telegram).
Math-solver → Pagsagot sa mga problemang matematika na may kasamang masusing pagsusuri.
Front-end-developer → Paggawa ng React/UI gamit ang Claude Code at 21st.dev MCP.
Multimedia-specialist → Pagpoproseso ng PDF/Word/Excel at pag-rewrite ng text laban sa AI detection.
Prompt-engineer / Prompt-injection-guard → Prompt engineering at pagsusuri ng seguridad.
PM / Infra-engineer / QA-engineer / Data-engineer / SRE-watchdog / Tech-writer → Mga tungkulin sa antas ng organisasyon.
Channel Gateways — 4 na aktibo (Telegram: 3 groups, Discord: 1 guild, WhatsApp: open DMs, WebChat), at 2 na disabled (Signal, SMS). Ang email ay tumatakbo bilang panlabas na skill (iCloud SMTP) at hindi isang gateway.
Resource envelope: 4 vCPUs, 15GB RAM, 49GB disk (63% puno), Node v22.22.2, Ubuntu 22.04 LTS sa GCP. 24 na cron jobs ang naka-schedule.
Tala sa Pag-host at Operasyon:
Si Oz ay aktibong naka-host sa Google Cloud Platform (GCP) at pinapatakbo rin sa MacBook Air ng developer. Ang source code at repository ay nananatiling pribado.
