Greeum - मानव-अनुकरण स्मृति स्टोरेज मॉड्यूल

[ परिचय ]

• Greeum, LLM के लिए मानव स्मृति-प्रणाली का अनुकरण करने वाला मेमोरी सिस्टम है।
• नीचे दी गई 2-स्तरीय आर्किटेक्चर के माध्यम से यह तेज, सटीक और सुरक्षित स्मृति क्षमता प्रदान करता है।
• डेवलपर मूल रूप से एक solo indie game developer हैं और इस क्षेत्र में विशेषज्ञ ज्ञान सीमित है।
• योजना, संरचना डिज़ाइन और टेस्टिंग को छोड़कर बाकी सब कुछ vibe coding के साथ विकसित किया जा रहा है।

[ आर्किटेक्चर ]

• [ STM (Short-Term Memory ]
• • TTL-आधारित अस्थायी स्मृति और AI Context Slots के साथ काम करता है
• • वर्तमान में चल रही बातचीत का context बनाए रखता है
• • प्रमुख जानकारी को anchor point के रूप में स्थिर करके तेज़ access देता है
• [ LTM (Long-Term Memory ]
• • blockchain संरचना वाले अपरिवर्तनीय memory blocks से बना है
• • hash chain के माध्यम से integrity सुनिश्चित करता है
• • FAISS vector indexing और BERT reranking के जरिए semantic search करता है.

[ उपयोग ]

• वर्तमान में API या CLI से भी उपयोग किया जा सकता है
• डिफ़ॉल्ट रूप से इसे MCP के रूप में उपयोग करने की सिफारिश है।
• कम context memory वाले ClaudeCode के साथ इसकी संगतता बेहतरीन है।
• उपयोग करते समय CLAUDE.md आदि में नीचे दिए उदाहरण की तरह इसे स्पष्ट रूप से उपयोग करने की सिफारिश है।
• स्टोरेज यूनिट: action-आधारित labeling
  = सभी memory saves Greimas के 6 actant roles पर आधारित होते हैं
  = [subject-action-object] संरचना में 1-2 वाक्यों में रिकॉर्ड किया जाता है
• स्टोरेज पैटर्न उदाहरण:
  = [user-request-MCP tool test] जुड़े हुए tools की पहचान और testing जारी
  = [Claude-discovery-TypeScript error] src/types/session.ts में processId type mismatch
  = [team-decision-architecture change] performance कारणों से microservice से monolith में परिवर्तन
  = [user-proposal-Greimas model application] actant structure के साथ interaction pattern रिकॉर्ड करना
• स्टोरेज आवृत्ति: हर interaction स्थायी रूप से संरक्षित किए जाने योग्य है
  = मूल सिद्धांत: "हर work unit में स्थायी संरक्षण का मूल्य होता है"
  = importance का आकलन करने से पहले pattern accumulation को प्राथमिकता
• स्टोरेज का समय:
  = हर user question/request पर save
  = हर problem discovery/resolution पर save
  = हर work transition point पर save
  = हर feedback और improvement item पर save
  = हर code change, setting modification पर save
  = हर test result, performance measurement पर save

[ योजना ]

• सबसे हाल का काम memory schema unit पर Greimas actant model को लागू करना है।
• उद्देश्य सभी स्मृति संरचनाओं को structured बनाकर संबंधों और causal relationships पर reasoning करना है
• अंततः यह virtual personality के निर्माण के लिए एक प्रमुख key point बनेगा, ऐसी उम्मीद है।

[ टिप्पणी ]

• वर्तमान में इसी आर्किटेक्चर का उपयोग करके AI virtual assistant - "Luca Project" पर काम चल रहा है
• नीचे दिए गए तत्वों के संयोजन से autonomy वाला virtual persona विकसित करना लक्ष्य है।
  = Greeum के माध्यम से memory system तथा association/causal reasoning क्षमता
  = अच्छा<>बुरा / tension<>relaxation / passive<>active pattern के "digital hormones" का कार्यान्वयन
  = तेज response time और autonomy के लिए local LLM model Gemma का उपयोग किया जा रहा है (बाद में परिवर्तन निर्धारित है)
• उम्मीद है कि यह प्रति PC एक persona तैनात होने वाले autonomous OS जैसी भूमिका निभा सकेगा।
• संबंधित राय या feedback का हमेशा स्वागत है।

[ng0301]

यह कोरियाई जैसा लगता है, लेकिन अनुवाद-सा अजीबपन है

[geekygeek]

• ऐसा लगा कि यह AI से बनाया गया लेख है
• आदरसूचक और अनौपचारिक बोलचाल मिली-जुली है, और यह जानने की जिज्ञासा होती है कि पूर्णविराम किस नियम के अनुसार लगाए गए हैं
• इस तरह की लेखन शैली AI पर निर्भर रहने वाले लोगों के दस्तावेज़ों में धीरे-धीरे अधिक दिखाई दे रही है; सामग्री बहुत विशाल होती है और bullet list की गहराई भी अंतहीन होती है, लेकिन असल में मुख्य बात समझना मुश्किल हो जाता है
• यह जानने की जिज्ञासा है कि लेखक Greimas actant model को किस हद तक समझता है, क्योंकि AI ने उगला होगा ऐसा "Greimas actant" शब्द ज्यों का त्यों मुख्य पाठ में डाल दिया गया है
• Google पर Greimas actant खोजने पर केवल यही पेज दिखाई देता है

[kachirjsdn]

निष्पक्ष मूल्यांकन के लिए धन्यवाद।
लगता है कि सम्मानसूचक/अनौपचारिक भाषा और पूर्णविराम मेरी अवचेतन आदतें थीं, और मुझे इसका पता नहीं था।
शायद यह जानकारी देने के उद्देश्य वाली बातों और व्यक्तिगत राय शामिल होने वाली बातों के बीच का अंतर है, इस पर मैं आत्मचिंतन करूंगा।
कुछ समय से मैं AI पर निर्भर development पर ध्यान दे रहा था, इसलिए शायद अनजाने में मेरी यह शैली बन गई।

Greimas actant model के बारे में मैंने पहली बार स्नातक के दिनों में एक सामान्य पाठ्यक्रम के माध्यम से जाना था,
और graduation के बाद game development और scenario writing की प्रक्रिया में इसे व्यक्तिगत रूप से पढ़ता रहा,
फिर दोबारा development में लौटते समय इसे लागू करके इस्तेमाल करना चाहा।
मैंने actor model नहीं, बल्कि actant लिखा...
क्योंकि Claude Code बार-बार इसे ऐसे ही लिखता था, लगता है वही आदत मुझमें भी पड़ गई।

मुझे इससे बहुत-सी insights मिलीं।
मैं आगे भी लगातार सीखता रहूंगा। धन्यवाद।
लेख की information density वाकई अलग है...

[kachirjsdn]

उह... मैंने GeekNews पर आए लेखों को देखकर जितना हो सके उतना वैसा ही लिखने की कोशिश की थी...
लगता है, शायद ऐसा करने की ज़रूरत ही नहीं थी haha;;

[v08zbv8fvlkjasdflkj]

सेल्स पॉइंट?

डेवलपर पहले एक सोलो इंडी गेम डेवलपर थे, इसलिए इस क्षेत्र में उनकी विशेषज्ञता सीमित है.
प्लानिंग, आर्किटेक्चर डिज़ाइन और टेस्टिंग को छोड़कर बाकी सब कुछ अभी vibe coding के ज़रिए विकसित किया जा रहा है.

zzz

[kachirjsdn]

प्रोडक्शन से जुड़ा थोड़ा-बहुत भी अनुभव रहा है, यही अपने-आप में कुछ राहत की बात है शायद haha
शर्म आती है, लेकिन पूरी मेहनत से कोशिश करूँगा!

[kachirjsdn]

इस्तेमाल का तरीका बस इतना ही है:
pip install greeum
claude mcp add greeum greeum mcp serve
यही काफी है।
अगर इसे playwright mcp के साथ इस्तेमाल करें, तो वाकई पूरा काम अंत तक अपने-आप आगे बढ़ाना संभव हो जाता है।