RUNE-BOT : विफलताओं को नियमों के रूप में सीखने वाला लोकल AI एजेंट

मैं लोकल पर चलने वाला एक सामान्य-उद्देश्य AI सहायक rune बना रहा हूँ.

इसका मूल विचार "memory जमा करने वाला agent" नहीं, बल्कि ऐसी self-improving architecture है जो विफलताओं को नियमों में सामान्यीकृत करती है और उन नियमों को वास्तविक कामों में
सत्यापित करते हुए अपने व्यवहार को खुद समायोजित करती है.

Self-Improving: विफलताओं से नियम बनाना, और फिर उन नियमों को दोबारा सत्यापित करना

execution → record → बार-बार होने वाली विफलता का पता लगाना → rule candidate बनाना → संबंधित task में सत्यापन → promote या discard

जब agent एक ही तरह की विफलता को बार-बार दोहराता है, तो वह उस पैटर्न को एक preventive rule candidate में बदल देता है. इस नियम को तुरंत
prompt में नहीं डाला जाता. यह कम confidence के साथ शुरू होता है, और बाद में केवल संबंधित tasks में ही इसके परिणामों को ट्रैक किया जाता है.
केवल मददगार नियमों को धीरे-धीरे promote किया जाता है, और जो नियम असरदार नहीं होते उन्हें अधिक तेजी से कम अंक देकर हटा दिया जाता है.

सभी tasks को episode के रूप में सहेजा जाता है, और सफलता/विफलता के परिणाम दर्ज रहते हैं. समान तरह का काम करते समय, agent पुराने episode निकालकर
उनका संदर्भ लेता है.

Proactive: कहे जाने से पहले ही कार्रवाई करना

उपयोगकर्ता के अनुरोध करने से पहले ही यह सुझाव देता है. यदि काम के flow में frustration signals (बार-बार विफलता, तेज़ cancellation, error का जमा होना)
दिखाई देते हैं, तो यह मदद का प्रस्ताव करता है, और यदि दोहराई जाने वाली विफलता के patterns मिलते हैं, तो यह अपने आप preventive rules बनाता है.

हालांकि, यह बिना सोचे-समझे बीच में दखल नहीं देता. यदि उपयोगकर्ता सुझाव ठुकरा देता है, तो उस feedback को ट्रैक किया जाता है. 30 मिनट के भीतर 5 बार अस्वीकार किए जाने पर
यह अपने आप intervention की आवृत्ति कम कर देता है और suggestion threshold बढ़ा देता है. proactive system खुद भी उपयोगकर्ता की प्रतिक्रिया देखकर स्वयं को
समायोजित करता है.

एजेंट क्या-क्या कर सकता है

• फ़ाइल पढ़ना/लिखना/संपादित करना/खोजना, shell commands चलाना
• browser automation — page navigation, click, input, screenshot, text extraction
• web search (DuckDuckGo/Brave) और URL scraping
• code analysis — tree-sitter आधारित symbol tracking, definition/reference search, change impact analysis
• sub-agent delegation — जटिल कामों को बाँटकर parallel execution
• cron आधारित scheduled execution
• MCP server integration — external tools को auto-discover करके चलाना
• custom skills — उपयोगकर्ता खुद tools बनाकर register कर सकता है

सुरक्षा

Guardian पहले खतरनाक actions को रोकता है, Completion/Evidence Gate यह
जाँचता है कि "क्या वास्तव में पढ़ा, लिखा और सत्यापित किया गया है", और Quality Gate बिना सामग्री वाले success response या error छिपाने की कोशिशों को फ़िल्टर करता है. सुरक्षा प्रणाली fail-open
नहीं बल्कि fail-closed है.

Local-first

सभी long-term memory के लिए markdown files ही source of truth हैं. SQLite और FAISS सिर्फ search cache हैं, और इन्हें कभी भी
markdown से दोबारा बनाया जा सकता है. आप इन्हें सीधे खोलकर देख सकते हैं, संपादित कर सकते हैं, और git से version control कर सकते हैं.

इंटरफ़ेस

• CLI + Rich आधारित terminal UI
• multi-channel: Telegram, Discord, Slack, LINE, WhatsApp, Google Chat, Mattermost
• Web

तकनीकी स्टैक में Python 3.13+, litellm, APSW(WAL), FAISS HNSW, tree-sitter, structlog शामिल हैं. litellm के माध्यम से
यह किसी खास model vendor से बंधा नहीं रहता और किसी भी LLM को जोड़ा जा सकता है.