Wie EVE sich erinnert
und aus Erfahrung lernt.

Das Modell denkt mit dem Kontext, den EVE bereitstellt.

Das Modell interpretiert den Auftrag und wählt aus veröffentlichten Werkzeugen. Die Runtime führt diese Aufrufe aus, liefert Ergebnisse zurück und protokolliert den Ablauf. Arbeitslisten und Nova sind inzwischen über MCP angebunden; andere Fähigkeiten haben ihre jeweiligen nativen Schnittstellen. Die Gedächtnisdaten liegen lokal in data/eve.db. Web und Nova können externe Dienste ansprechen.

Drei unterschiedliche Aufgaben, eine gemeinsame Datenbasis.

Die Chat-Historie ist zusätzlich das Gesprächsarchiv. Eine gespeicherte Chatnachricht ist nicht automatisch ein als gültig übernommener Memory-Claim.

Wenn ein Auftrag größer als das Kontextfenster wird

Die Originale werden vor weiteren Modellaufrufen gesichert. Große Inhalte können im aktiven Kontext durch Datenbankreferenzen ersetzt werden. EVE kann gezielt Teile nachlesen und einen Arbeitsstand als Checkpoint speichern. Ein neuer Modellkontext erhält den Originalauftrag, den verfügbaren Checkpoint und Verweise auf das Journal. So bleibt der Auftrag fortsetzbar, ohne sämtliche alten Ergebnisse erneut in den Prompt zu kopieren.

Prüfintervall aktuell: 15 Minuten, außerdem beim Start. Diese Regeln löschen nicht pauschal die Chat-Historie oder das Langzeitgedächtnis. Für Langzeitbelege benötigte Beobachtungen können erhalten bleiben.

Eine Erinnerung ist eine Aussage mit Herkunft.

Neue Belege können bestehende Aussagen unterstützen, ihnen widersprechen oder eine konkurrierende Aussage begründen. Ersetzen und Verfeinern sind eigene dokumentierte Übergänge. Im normalen aktuellen Abruf werden Kandidaten, ungültige und nicht mehr aktuelle Aussagen herausgefiltert; historische und Audit-Abfragen können andere Sichten verwenden.

Wie EVE das passende Wissen findet

Der Memory-Compiler stellt eine passende Sicht aus dem vorhandenen Wissen zusammen: mit Geltungsbereichen, Lebenszyklus, Zeitbezug, strukturierten Daten, Wortsuche und Beziehungen. Daneben bietet memory.find lexikalische Suche, Embedding-Suche und deren hybride Kombination. Die konfigurierten mehrsprachigen Embeddings werden lokal berechnet. Eine Suchrangliste ist keine vollständige Bestandsaufnahme; dafür gibt es strukturierte Inventarabfragen.

Aktive, gültige und wortgetreu belegte Nutzeranweisungen mit applicability=always werden unabhängig vom aktuellen Suchthema bereitgestellt. Die übrigen Erinnerungen bleiben an die jeweilige Auswahl gebunden. Gespeicherte Gerätezustände sind historische Beobachtungen; sie sind kein frischer Live-Status.

Vom abgeschlossenen Turn zur belegten Erinnerung.

Nach der sichtbaren Antwort wird der abgeschlossene Gesprächsschritt als dauerhafter Lernauftrag vorgemerkt. Der Hintergrundkoordinator wartet aktuell 120 Sekunden Leerlauf und verarbeitet bis zu 8 Turns pro Batch. Neue Interaktion erhält Vorrang; laufende Lernarbeit kann dafür unterbrochen werden.

Fehlgeschlagene Lernversuche bleiben sichtbar. Sie können gezielt erneut versucht oder nach tatsächlicher Prüfung als „geprüft“ markiert werden; geprüfte Fehler werden nicht wieder automatisch zum Lernen eingeplant. „Nichts speichern“ ist dagegen ein reguläres Ergebnis.

Zusätzliche aktive Pfade: Das Modell kann bereits während der Bearbeitung strukturierte semantische Erfahrungen schreiben (Abschnitt 07). Erfolgreiche native Providerantworten können bereits während der Bearbeitung belegte Schnittstellenerfahrungen speichern, etwa Anfragestruktur und Antwortform. Das ist etwas anderes als eine allgemein gültige Handlungsregel.

Fakten, Bedeutung, Handlung und Wortähnlichkeit sind unterschiedliche Dinge.

Ein Fakt könnte lauten: „Diese Ressource ist eine Lampe.“ Eine semantische Handlungserfahrung verbindet dagegen eine Formulierung mit einer interpretierten Absicht, erforderlichem Kontext, einem Provider, einem konkreten Plan und dem beobachteten Ergebnis.

Die Module unterscheiden ausdrücklich technischen Erfolg und semantische Bestätigung. Ein erfolgreiches Werkzeug kann das falsche Gerät angesprochen haben. Explizite Rückmeldung kann eine konkrete Erfahrung bestätigen oder widerlegen. Für bestimmte automatische Freigaben müssen unabhängige, konsistente Erfahrungen mit strukturierter Modellbewertung und erfolgreicher Providerprüfung vorliegen. Eine engere exakte Freigabe ist im Modul ebenfalls vorgesehen; sie autorisiert keine Ähnlichkeitsübertragung.

Explizites Sprachlernen und Ressourcenbezüge

Die Sprachmodule können ausdrücklich erklärte Gleichsetzungen oder Abgrenzungen speichern – schematisch etwa „Mit A und B meine ich dasselbe“ oder „A und B sind verschieden“. Die referenzierten Formulierungen müssen im belegten Nutzertext vorkommen. Ressourcen-Aliase beziehen eine Bezeichnung auf einen Providerbezug. Daneben kann eine belegte Handlungsrepräsentation mit einem technischen Ausführer verbunden werden, etwa einer passenden Home-Assistant-Szene. Diese Beziehungen tragen eigene Herkunft und Geltungsbedingungen; sie sind keine eingebauten Synonymlisten.

Dynamische Semantik: passende Erfahrungen wiederfinden

Der implementierte Abgleich normalisiert formale Wortmerkmale, ordnet Wörter unabhängig von ihrer Reihenfolge zu und bewertet strukturelle bzw. Zeichenähnlichkeit. Explizite positive und negative Beziehungen können diese Zuordnung beeinflussen. Eine negative Beziehung kann einen Treffer ausschließen; mehrere konkurrierende Handlungsrepräsentationen ergeben keinen eindeutigen Treffer.

Aktuell ist dieser Mechanismus auf active mit Schwelle 0,85 konfiguriert. Dieser Wert ist ein formaler Vergleichswert, keine „85 % Bedeutungsgewissheit“. Die Embeddings der Memory-Suche sind ein anderer Mechanismus.

Aus Unterschieden lernen, welche Teile wofür stehen.

Die Komposition vergleicht kompatible Handlungserfahrungen mit gleicher Planstruktur. Sprachmerkmale werden Planfeldern gegenübergestellt. Besonders aussagekräftig sind Kontrastpaare: Bei ansonsten gleichen technischen Feldern ändert sich genau ein Feld – etwa der Dienst oder die Ressourcen-ID.

Licht Küche an  → Küche · einschalten
Licht Küche aus → Küche · ausschalten
Licht Flur an   → Flur  · einschalten
Licht Flur aus  → Flur  · ausschalten
… weitere unabhängige Erfahrungen

Für eine freigegebene Hypothese fordert die aktuelle Konfiguration mindestens zwei unabhängige Herkunftswurzeln, unterschiedliche Begleitwerte und passende Kontraste sowie keine Gegenbeispiele. Ein Befund aus derselben Ursprungsquelle zählt nicht durch Wiederholung als neue unabhängige Unterstützung. Abgeleitete Kompositionen werden mit ihrer Herkunft geführt.

Ein Vorschlag entsteht nur aus ausreichend belegten Feldern und passender Provider-, Kontext- und Planstruktur. Fehlende Belege, Gegenbeispiele, Mehrdeutigkeit oder eine unvollständige Auswertung führen zum Fallback. Im aktuellen nativen Pfad wird ein gefundener Plan dem Modell als Erfahrung vorgelegt.

Die semantische Lernschleife ist mit dem nativen Turn verbunden.

Aktueller Umfang: Aktionserfahrungen sind für Home-Assistant-Dienstaufrufe über HTTP oder WebSocket mit ausdrücklich angegebenen Entitäts-IDs angebunden. Bereichs- und Geräteziele benötigen noch eine belegte Auflösung zu Entitäten. Für Shell, Web, Nova und Arbeitslisten existiert diese Aktionsprojektion derzeit nicht.

Der Schreibvertrag ist verfügbar; das Modell entscheidet, wann es ihn nutzt. Nicht jeder Turn erzeugt automatisch eine semantische Erfahrung. Das allgemeine Gesprächslernen im Hintergrund bleibt ein eigener Lernweg.

Brainwatch macht Wissen, Herkunft und Lernfortschritt sichtbar.

Brainwatch ist EVEs Oberfläche zum Erkunden und Prüfen ihres Gedächtnisses. Du kannst von einer Übersicht bis zu einer einzelnen Aussage, ihren Belegen und den zugehörigen Ereignissen gehen. Die folgenden Screenshots zeigen den tatsächlichen lokalen Stand vom 21.10.2026; Bestände und Zähler verändern sich mit der weiteren Nutzung.

1 · Die Wissenswolke: Was ist gespeichert und verbunden?

Im Memory Explorer steht jeder Punkt für einen gespeicherten Claim. Verbindungen stehen für gespeicherte Relations, etwa eine Verfeinerung oder einen Widerspruch. Die Farblegende hilft bei der Einordnung. Suche, Scope, Claim-Art und Lifecycle grenzen den angezeigten Bestand ein. Kandidaten, aktive, abgelöste und ungültige Aussagen lassen sich so getrennt untersuchen.

Ein Klick auf einen Claim öffnet rechts den Inspektor. Die Ansicht lässt sich drehen und vergrößern; mit einer unterstützten Brille kann derselbe Graph auch in VR oder AR/Mixed Reality erkundet werden. Die räumliche Anordnung dient der Übersicht: Nähe allein belegt keine Bedeutungsähnlichkeit. Auch die Wolke selbst ist kein Abbild der Modellgewichte.

2 · Der Inspektor: Woher stammt eine konkrete Aussage?

Der Inspektor zeigt die stabile Claim-ID, Claim-Art, Scope, Lifecycle, Prüfpolitik, Zeitangaben sowie Belege und Relations. In den weiteren Details lassen sich die gespeicherten Nutzdaten und die Herkunft untersuchen. Damit lässt sich unterscheiden, ob eine Aussage beispielsweise aus einer Nutzernachricht, einer inventarisierten Ressource oder einem Werkzeugergebnis stammt.

Die Runtime-Aktivität unterscheidet einzelne technische Stationen, etwa Retrieval, Kontextzusammenstellung und Übergabe an den Modellclient. Ein Suchtreffer allein belegt noch keine Verwendung durch das Modell. Für die Frage „Was wurde in diesem Turn tatsächlich bereitgestellt?“ müssen die passenden Vorgangsreferenzen und aufgezeichneten Stationen geprüft werden.

3 · Die Timeline: Was ist wann passiert?

Die Timeline ordnet persistierte Ereignisse zeitlich ein: etwa die Anlage eines Claims, neue Evidence, Gedächtnisänderungen oder protokollierte Abrufe. Über Claim-, Turn- und Trace-ID sowie Kategorie, Ereignistyp und Proof-Level kann eine Untersuchung eingegrenzt werden. Historisch abgeleitete Einträge und direkte Runtime-Belege bleiben gekennzeichnet.

4 · Semantisches Lernen: Hat EVE die richtige Handlung verstanden?

Dieser Bereich verbindet gelernte Formulierungen mit gemeinsamen Handlungen. Mehrere Sätze können derselben Handlung zugeordnet sein. Die Übersicht trennt bekannte Handlungen, verknüpfte Formulierungen, noch zu prüfende Erfahrungen, Bestätigungen, Widersprüche und zurückgewiesene Erfahrungen.

Eine Zuordnung kann als richtig oder falsch bewertet, eine einzelne Erfahrung zurückgewiesen und eine gespeicherte Bewertung gegebenenfalls aufgehoben werden. Die erweiterte Diagnose zeigt außerdem kompositionelle Hypothesen, Kontraste, Herkunft und fehlende Belege. Diese Bewertungen ändern das Gedächtnis; sie lösen keine erneute Geräteaktion aus. „Bestätigt“ kann dabei ausdrücklich oder automatisch bestätigt bedeuten.

5 · Statistik und Lernfehler: Was wurde verarbeitet, was braucht Prüfung?

Die Statistik zählt persistierte Datenbankeinträge: unter anderem Claims, Relations, Provider-Ressourcen, Werkzeugereignisse und aufgezeichnete Memory-Aktivität. Ein großer Bestand beschreibt zunächst die Menge des gespeicherten Materials. Ob eine bestimmte Erinnerung korrekt und hilfreich ist, zeigen erst ihre Belege und ihr Einsatz im konkreten Vorgang.

Die Lernübersicht zeigt außerdem abgeschlossene und fehlgeschlagene Lernaufträge. Bei einem Fehler lassen sich der ursprüngliche Vorschlag und die Fehlermeldung untersuchen. Nach tatsächlicher Prüfung kann der Vorgang mit einer Prüfnotiz als „geprüft“ abgeschlossen werden. Er wird dann nicht erneut automatisch zum Lernen eingereiht, bleibt aber nachvollziehbar und kann wieder geöffnet werden.

Fachbegriffe einfach erklärt.

Die Begriffe sind alphabetisch geordnet. Die Erklärungen beziehen sich auf ihre Verwendung in EVE.

Alias

Eine zusätzliche Bezeichnung für etwas bereits Bekanntes. Ein Ressourcen-Alias kann beispielsweise eine vom Nutzer gewählte Gerätebezeichnung mit dessen technischem Providerbezug verbinden.

API · Programmierschnittstelle

Ein festgelegter Weg, über den Programme Daten abfragen oder Aktionen anfordern. EVE nutzt beispielsweise die Home-Assistant-API, um Gerätezustände zu lesen.

Batch

Ein Paket mehrerer Vorgänge, die gemeinsam verarbeitet werden. Beim Gesprächslernen fasst EVE mehrere abgeschlossene Turns zu einem Lernpaket zusammen.

Capability · Fähigkeit

Ein ladbarer Funktionsbereich mit beschriebenen Operationen und Parametern. EVE lädt den passenden Werkzeugvertrag, bevor sie die Funktionen verwendet.

Checkpoint

Ein gespeicherter Arbeitsstand: Was ist erledigt, was ist offen und welche Quellen werden noch gebraucht? Er hilft dem Modell, einen längeren Auftrag in einem neuen Kontext fortzusetzen.

Claim

Eine einzelne gespeicherte Aussage mit eigener Identität, Herkunft und Gültigkeit. Zum Beispiel: „Der Nutzer bevorzugt kurze Antworten.“ Ein Claim kann zunächst ein ungeprüfter Kandidat sein.

Compiler · Memory-Compiler

Der Teil von EVE, der aus gespeicherten Aussagen eine passende Wissenssicht für eine Anfrage zusammenstellt. Er berücksichtigt unter anderem Geltungsbereich, Status und Zeitbezug.

Differenzielle Komposition

Das Zusammensetzen eines neuen Handlungsvorschlags aus belegten Teilzuordnungen. Unterschiede zwischen Erfahrungen zeigen beispielsweise, welche Wörter die Ressource und welche die Aktion bestimmen.

Dynamische Semantik

In EVE der Abgleich neuer Formulierungen mit vorhandenen Handlungserfahrungen anhand formaler Wortmerkmale und gelernter Beziehungen. So kann etwa eine andere Wortreihenfolge zur gleichen Erfahrung führen.

Embedding

Eine numerische Darstellung eines Inhalts, mit der sich ähnliche Inhalte suchen lassen. EVE verwendet Embeddings in der Memory-Suche; sie sind ein anderer Mechanismus als der formale semantische Abgleich.

Entität · Entity

Eine technisch eindeutig benannte Ressource eines Systems. In Home Assistant kann das eine Lampe, ein Sensor oder eine Szene sein; etwa light.kueche.

Evidence · Beleg

Die nachprüfbare Grundlage einer Aussage: etwa eine konkrete Nutzernachricht oder ein bestimmter Wert aus einem Werkzeugergebnis. Belege können eine Aussage unterstützen oder ihr widersprechen.

Exakter Lookup

Der gezielte Abruf einer nutzbaren Erfahrung zu derselben normalisierten Formulierung und passenden Kontextbedingungen.

Fallback

Der Rückfall auf die weitere Bearbeitung durch das Modell, wenn ein Abruf oder eine Komposition keinen ausreichend belegten Vorschlag liefert.

Fidelity · Herkunftsklasse

Eine Kennzeichnung, wie ein Timeline-Eintrag zustande kommt: etwa als direkt aufgezeichnetes Ereignis, aus einem gespeicherten Zustandszeitpunkt oder über eine abgeleitete Verbindung.

Handlungserfahrung

Die gespeicherte Verbindung zwischen einem konkreten Auftrag, seiner Interpretation, ausgeführten Schritten und dem beobachteten Ergebnis. Sie kann später bestätigt oder korrigiert werden.

Handlungsrepräsentation

Eine gemeinsame Darstellung für Erfahrungen, die derselben gemeinten Handlung zugeordnet wurden. Mehrere unterschiedliche Formulierungen können zu dieser Darstellung gehören.

Hypothese und Kontrastpaar

Eine Hypothese ist eine zunächst zu prüfende Zuordnung. Ein Kontrastpaar vergleicht ähnliche Erfahrungen mit einem gezielten Unterschied, etwa „an“ und „aus“ bei derselben Lampe.

JSON und JSON Pointer

JSON ist ein strukturiertes Datenformat mit Feldern, Listen und Werten. Ein JSON Pointer benennt eine genaue Stelle darin: /response/body/state verweist beispielsweise auf ein zurückgegebenes Zustandsfeld.

Kontext und Kontextfenster

Der Kontext ist die konkrete Eingabe eines Modellaufrufs: Auftrag, Historie, Erinnerungen und Werkzeugdaten. Das Kontextfenster begrenzt, wie viel das Modell davon auf einmal verarbeiten kann.

Lifecycle · Lebenszyklus

Der Bearbeitungs- und Gültigkeitsstatus eines Claims: candidate = Kandidat, active = aktiv, retired = abgelöst, invalid = ungültig. „Aktiv“ bezeichnet hier den Claim, nicht den Betriebszustand eines Geräts.

LLM · Sprachmodell

Das Modell, das den bereitgestellten Kontext verarbeitet, Antworten formuliert und Werkzeugaufrufe auswählt. In der beschriebenen EVE-Konfiguration übernimmt das Qwen.

MCP · Model Context Protocol

Ein standardisiertes Protokoll zum Bereitstellen und Aufrufen von Werkzeugen. EVE verwendet MCP bei angebundenen Providern; nicht jede Provideranbindung läuft automatisch über MCP.

Nativer Turnpfad

Der aktuelle Ablauf, in dem das laufende Modell direkt die veröffentlichten Werkzeugfunktionen auswählt und deren Ergebnisse erhält.

Persistenz

Dauerhafte Speicherung, beispielsweise in der Datenbank. Persistierte Daten bleiben über einen einzelnen Modellaufruf und normalerweise auch einen Programmneustart hinaus erhalten.

Prompt und Kernprompt

Ein Prompt ist die Eingabe beziehungsweise Anweisung an ein Modell. Der Kernprompt enthält EVEs grundlegende Laufzeitanweisung; Erinnerungen und geladene Werkzeugverträge werden zusätzlich als Kontext bereitgestellt.

Proof-Level · Belegstation

Die Kennzeichnung der technischen Station, die ein Runtime-Ereignis belegt. Ein protokollierter Suchtreffer und eine dokumentierte Übergabe an den Modellclient belegen unterschiedliche Schritte.

Provenienz und Herkunftswurzel

Provenienz beschreibt, woher eine Aussage oder Erfahrung stammt. Die Herkunftswurzel bezeichnet ihren ursprünglichen Ausgangsvorgang. Mehrfach abgeleitete Ergebnisse derselben Wurzel zählen nicht als unabhängige Belege.

Provider

Eine Anbindung, über die EVE auf einen Dienst oder Funktionsbereich zugreift. Der Home-Assistant-Provider ermöglicht beispielsweise Abfragen und Dienstaufrufe; der Arbeitslisten-Provider stellt Funktionen für Aufgaben bereit.

Relation · Beziehung

Eine gespeicherte Verbindung zwischen Aussagen oder Bedeutungsbezügen. Sie kann beispielsweise ausdrücken, dass ein Claim einen anderen verfeinert oder dass Erfahrungen zu einer gemeinsamen Handlung gehören.

Retrieval

Das Abrufen potenziell passender Erinnerungen aus dem gespeicherten Bestand. Ein abgerufener Treffer ist noch kein Nachweis dafür, dass das Modell ihn tatsächlich verwendet hat.

Runtime · Laufzeit

Der laufende Teil von EVE, der Modellaufrufe, Werkzeugausführung, Kontext und Speicherung organisiert. Runtime-Ereignisse dokumentieren konkrete technische Schritte dieses Ablaufs.

Scope · Geltungsbereich

Die Zuordnung, in welchem Bereich eine Aussage gilt, beispielsweise für einen Nutzer, ein Projekt oder einen bestimmten Provider. Sie hilft, Erinnerungen passend auszuwählen und zu filtern.

Semantik

Die Bedeutung einer Formulierung. Beim semantischen Lernen geht es darum, welche Absicht und Handlung mit bestimmten Worten verbunden wird.

Token

Eine Verarbeitungseinheit des Sprachmodells, zum Beispiel ein Wortteil oder Satzzeichen. Die Größe eines Kontextfensters wird üblicherweise in Tokens angegeben.

Tool · Werkzeug und Werkzeugvertrag

Ein Tool ist eine aufrufbare Funktion, etwa eine Zustandsabfrage. Sein Vertrag beschreibt Name, Parameter, Wirkung und Ausgabe, damit das Modell es passend aufrufen kann.

Turn und Trace-ID

Ein Turn ist ein Gesprächsschritt aus Nutzereingabe, Bearbeitung und Antwort. Eine Trace-ID verbindet die zugehörigen technischen Ereignisse zu einem nachvollziehbaren Ablauf.

VR, AR und Mixed Reality

VR zeigt eine virtuelle Umgebung. AR und Mixed Reality verbinden virtuelle Inhalte mit der sichtbaren Umgebung. Brainwatch kann seinen Graphen über WebXR in unterstützten Brillen darstellen.

Direkt am aktuellen Code geprüft.

Die Darstellung beschreibt Implementierung und konfigurierte Werte, keine Garantie für jede Modellentscheidung. Historische Architekturtexte wurden mit dem aktuellen Einstiegspfad abgeglichen. Für diese Zusammenfassung wurde kein produktiver Lernlauf ausgelöst und kein Gedächtniseintrag verändert.

• minimal.py · nativer Turn, Memory-Kontext und semantischer Lookup
• working_context.py / working_memory.py · Originale, Checkpoints, Kontextwechsel, Bereinigung
• memory_v2.py / memory_compiler.py · Wissenssichten und allgemeine Anweisungen
• conversation_learning.py · Leerlaufkoordinator
• shadow_learning.py / learning_contract.py · produktives Lernen und Belegvertrag
• native_semantics.py · nativer Schreibvertrag und Prüfung der Ausführungsbelege
• semantic_links.py · Aktionserfahrungen, Sprachbeziehungen, Ähnlichkeit und Feedback
• differential_semantics.py · Hypothesen, Kontraste und Komposition
• agent.py / cli.py · Einstieg, Persistenz und aktive Anbindungen