Restructure memory layers: USER.md/MEMORY.md cleanup, 4 new system pages, memory-layer-architecture concept

2026-09-27 15:15:18 +00:00
parent 02f6a8e2b0
commit d1464eb9e3
8 changed files with 450 additions and 0 deletions
@@ -0,0 +1,85 @@
+# Laya Decision Model
+
+> 421M param ModernBERT-large Classifier (Apache 2.0) auf CT152, CPU-only.
+> Nutze in normalen Sessions fuer schnelle Klassifizierung, Binaerentscheidungen und Pre-Filter.
+
+## Zugang
+- **Endpoint:** `POST http://10.0.30.152:8000/predict`
+- **Payload:** `{"state": "<text>", "questions": {...}}`
+- **Health:** `GET http://10.0.30.152:8000/health`
+- **Presets:** `GET http://10.0.30.152:8000/presets/{router|guard|moderation|triage}`
+
+## Entscheidungstypen (Primitives)
+
+| Typ |用途 | Return Fields |
+|-----|------|---------------|
+| `choice` | Klassifizierung in N Labels | `choice`, `answer_confidence`, `probabilities` |
+| `noul` | Ja/Nein mit Wahrscheinlichkeit | `noul` (0..1), `answer_confidence` |
+| `score` | Ordinale Bewertung | `score`, `answer_confidence` |
+
+## Verwendung in Sessions
+
+**Praeferieren fuer:**
+- Pre-Filter vor teuren LLM-Calls (z.B. "ist diese Email eine Rechnung?" → nur bei "ja" LLM aufrufen)
+- Binaerentscheidungen: alert/skip, escalate/ignore, move/keep
+- Multi-Kategorie-Klassifizierung mit Confidence
+- Gatekeeping: Notification-Suppression, Alert-Filtering
+
+**NICHT geeignet fuer:**
+- Textgenerierung / Zusammenfassungen (dafür LLM verwenden)
+- Komplexe Reasoning-Tasks
+- Embeddings / Semantische Suche (dafür Harrier/Hindsight)
+
+## Example Call
+
+```python
+import json, urllib.request
+
+payload = json.dumps({
+    "state": "Von: amazon.de\nBetreff: Bestellbestätigung #12345",
+    "questions": {
+        "kategorie": {
+            "type": "choice",
+            "instructions": "Welche Kategorie?",
+            "criteria": {
+                "rechnung": "Rechnung, Invoice",
+                "bestellung": "Bestellbestätigung, Order",
+                "werbung": "Newsletter, Marketing"
+            }
+        },
+        "ignorieren": {
+            "type": "noul",
+            "instructions": "Soll ignoriert werden?"
+        }
+    }
+}).encode()
+
+req = urllib.request.Request(
+    "http://10.0.30.152:8000/predict",
+    data=payload,
+    headers={"Content-Type": "application/json"}
+)
+result = json.loads(urllib.request.urlopen(req, timeout=30).read())
+# result["answers"]["kategorie"]["choice"] → "bestellung"
+# result["answers"]["kategorie"]["answer_confidence"] → 0.99
+```
+
+## Performance
+- Latenz: ~1.5-1.7s warm cache (CPU)
+- Load time: ~18s (cold start)
+- systemd service: `laya.service` (enabled, onboot)
+
+## Einsatzgebiete (aktiv)
+- **Rechnungen-Organizer** (Cron `f773f8c23230`): 12-Kategorie Email-Klassifizierung, 3-Schichten-Safety
+- Weitere Kandidaten: Beleg-Sammler, SRE Network Recon, Backup Digest, Frigate Event Gate
+
+## Constraints
+- 421M Modell → niedrige Confidence bei ambiguous Inputs (Feature, nicht Bug!)
+- Batch funktioniert nicht — ein Request pro Input-Instanz
+- `noul` ist nicht zuverlaessig fuer kritische Entscheidungen allein — immer mit `choice` kombinieren
+- Confidence-Threshold empfohlen (≥0.6 fuer Moves, ≥0.5 fuer Ignores)
+
+## Related
+- [[concepts/email-organization]] — Rechnungs-Organizer Architecture
+- [[entities/infrastructure]] — CT152 auf proxmox6
+- Solution Doc: `docs/solutions/architecture/2026-09-27-laya-email-organizer-migration.md`