oleg.m/waggle-os

Fork 0

Files

Oleg Maslov 0c3e2ead3b

Installer Smoke / installer-smoke (push) Has been cancelled

Details

moving

2026-09-02 10:10:29 +02:00

16 KiB

Raw Blame History

Brief za Claude Code — Reconciliation sa Master Backlog

Autor: Claude.ai (strategic sparring sa Marko) Datum: April 18, 2026 Audience: Claude Code, radi u D:\Projects\waggle-os Priority: Context-setter. Nije sprint brief — ovo je dokument koji pomaže Marku da sinhronizuje strateške razgovore (sa Claude.ai) sa egzekucionim backlog-om (sa Claude Code).

0. Zašto ovaj dokument postoji

Marko i Claude.ai su 17-18. aprila vodili dugačak strateški razgovor o:

PA v5 rezultatima i narednim koracima
hive-mind OSS strategiji
Three-product positioning (hive-mind / Waggle / KVARK)
Memory benchmark landscape
Hipotezi "memory + agent harness = novi LLM sloj"

Istovremeno, Claude Code je održavao docs/plans/BACKLOG-MASTER-2026-04-18.md — 121 items, ~93 eng days, detaljan sprint plan.

Naš strateški razgovor delimično je preotkrivao ono što je već bilo dokumentovano u repou (research serija, PAPER koncepti, OSS packaging strategija), i delimično je nadgradio postojeće planove novim insight-ima.

Ovaj brief dokumentuje gde se stvari preklapaju, gde se dopunjuju, i gde postoje kontradikcije koje treba rešiti pre nego što se krene u izvršenje.

Ovo je dokument koji Claude Code treba da pročita pre nego što krene na backlog sprint. Ne menja backlog direktno, ali postavlja kontekst za par odluka koje Marko mora da donese.

1. Moja iskrena korekcija — prethodno pogrešan pogled

U prethodnim razgovorima, predlagao sam "wiki-compiler bootstrap brief" kao da je to novi rad. Nije. Uvidom u repo:

docs/wiki-live/ već sadrži 28 kompajliranih stranica (2026-04-13), uključujući profesionalne entitete za Marko Markovic, KVARK, Egzakta Group, Waggle OS, hive-mind, itd.
packages/wiki-compiler/ je potpuno funkcionalan, koristili smo ga u produkciji
Quality je legitimno dobar — stranice imaju frame citations, confidence scores, related_entities, ozbiljnu sekciju strukture

Ispravka: Wiki-compiler NIJE untested niti neproveren. Radi. Moja prethodna sugestija da "pokrenemo prvi bootstrap" je bila pogrešna.

Šta je zapravo pitanje: treba li novi run na svežim podacima nakon što završi Phase 1 Harvest (H-11..H-20 u backlog-u). To je tačno ono što H-19 već pokriva ("Wiki compile from real data"). Nije potreban novi brief — backlog je taj već zakazan.

Akcija: zaboravite WAGGLE-KNOWLEDGE-BASE-BOOTSTRAP-BRIEF.md iz ovog razgovora. Backlog H-19 pokriva taj posao elegantno i u pravom vremenu (posle harvest-a, ne kao zasebna vežba).

2. Šta naš razgovor DODAJE backlog-u (nove stavke koje treba uneti)

2.1 Benchmark portfolio — nije u backlog-u

Backlog ima H-21 (Phase 4 Memory Proof), H-22 (Phase 5 GEPA Proof), H-23 (Phase 5b Combined). Ovo su interno-metodološki proofovi sa custom paired queries.

Što nedostaje: standardizovani benchmark-ovi koje publika i akademska zajednica očekuju.

LoCoMo (standard memory benchmark, Mem0 trenutni SOTA 91.6%)
LongMemEval (Mem0 SOTA 93.4%)
SWE-ContextBench (novi dec 2025, direktno meri context reuse — naš najjači teren)

Predlog za backlog: dodati kao Block H12 — Public Benchmark Runs posle H-25 (Paper 2), pre H-34 (hive-mind extraction).

Razlog za ovu poziciju: hive-mind launch bez standardizovanih benchmark brojeva neće biti uzet ozbiljno od tech audience-a. Mem0 objavljuje njihove, Zep njihove, SuperLocalMemory njihove. Bez LoCoMo broja u README-u, hive-mind izgleda kao još jedan arhitekturni pitch.

Tri nove stavke za backlog:

H-42 · LoCoMo benchmark run na hive-mind

Use snap-research/locomo evaluation harness (nemoj reimplementirati)
Dva konfiga: local (inprocess embedder + Ollama answer model), frontier (Opus 4.7 answer model)
Očekivano: 70-85% local, 80-90% frontier
Commit rezultata u docs/results/LOCOMO-RESULTS.md
Effort: 2 dana

H-43 · LongMemEval benchmark run na hive-mind

Isti pattern kao H-42
Effort: 2 dana

H-44 · SWE-ContextBench run na hive-mind + Waggle

Noviji benchmark, direktno testira context reuse između related tasks
Naš najjači teren jer MPEG-4 I/P/B + bitemporal KG arhitektura je specifično prilagođena tome
Target: top 3 u tom benchmarku
Effort: 3 dana

Total za Block H12: 7 dana. Može da radi paralelno sa paper drafting-om (H-24/H-25).

2.2 Qwen3 finding — needs elevation

Naš PA v5 pokazao je da Qwen3-30B-A3B-Thinking baseline pobeđuje Opus 4.6 baseline na 4/6 Waggle scenarija. Sa cenom $0.08/$0.40 vs $5/$25 per MTok, to je ~60x cost-performance advantage za analitičke workload-ove.

U backlog-u nema eksplicitne tačke za ovo iako je ovo jedan od najjačih KVARK commercial argumenata koje imamo.

Predlog: dodati M-49 · KVARK architecture brief update — Qwen3 kao default

Update docs/kvark-http-api-requirements.md ili stvori docs/KVARK-MODEL-STRATEGY.md
Dokumentuj da je Qwen3-30B-A3B-Thinking default model za analitičke tier-e
Opus 4.7 rezerviran za multilingual/high-accuracy tier
Ovo je direktan input za Yettel, RFZO, i Clipperton investor pitch deck
Effort: 2 sata

2.3 "Memory + harness = novi LLM sloj" — core thesis formulacija

Marko i ja smo proveli dosta vremena formulišući tezu: "LLM + memorija + retrieval + wiki = sistem koji daje agent harness-u svestan continuity koji sam LLM nema."

U repou ovo postoji fragmentirano — u research/06-waggle-os-product-overview.md verovatno, u PAPER-1 intro, u WAGGLE-CORNERSTONE.md. Ali nije kristalizovano kao JEDAN kanonski dokument.

Predlog: dodati M-50 · Canonical thesis document

Fajl: docs/THESIS-COGNITIVE-LAYER.md
600-800 reči, interno-prvo, launch-narrative-ready
Precizna formulacija: "cognitive layer" ne "conscious agent" (metafora može da povredi)
Tri sastojka: arhitektura (frame-graph + bitemporal KG), validacija (PA v5 across 5 models), realni test (Claude Code self-use)
Postaje ulaz u blog post-ove, pitch deck-ove, Paper 1 intro
Effort: 3-4 sata (Claude.ai može da piše draft, Marko review)

3. Kontradikcije koje treba rešiti

3.1 Stripe pricing — dve verzije postoje

Backlog [M]-01: Pro $19/mo + Teams $49/seat/mo

Strateški memory iz ranijih razgovora + meni stored memories: Teams $29/mo + Business $79/mo

Ovo je stvarna kontradikcija. Obe varijante postoje u konkurentnoj dokumentaciji.

Predlog: neka Marko odluči kanonski pricing pre [M]-01, i ažuriraj svugdje gde piše (backlog, landing page, research docs, CLAUDE.md). Preporuka: novija odluka u backlog-u ($19 Pro / $49 seat Teams) verovatno je prava jer je napisana 18. aprila, a moja memorija o $29/$79 je iz starijeg razgovora.

Akcija za Marko: potvrdi pricing u jednom turn-u. Onda Claude Code radi global search/replace.

3.2 hive-mind timing — [M]-07 je otvoren

Backlog [M]-07 je decision: "ship-with or ship-before Waggle".

Naša strategija iz razgovora: ship-before Waggle, po sledećem sequencing-u:

Sprint 0: Stripe M2-2 finish (sad)
Sprint 1: hive-mind code migration iz Waggle, ~5-10 dana (NE 2-3 dana kao backlog H-34 procenjuje, jer migration je realno veći posao)
Sprint 2: hive-mind LoCoMo/LongMemEval benchmark runs
Sprint 3: hive-mind public launch + blog post koji spaja PA v5 findings
Sprint 4+: Waggle launch sa hive-mind već na tržištu kao "foundation layer"

Razlog za ship-before: hive-mind je technical credibility vehicle. Ako Waggle launch-uje prvi, hive-mind izgleda kao "oh, and also we have this open source thing". Ako hive-mind launch-uje prvi, Waggle launch-uje sa "we are the commercial product built on the hive-mind layer that 1000 developers already use". Second narrativ je 3-5x jači.

Predlog za Marko odluku: potvrdi ship-before. Onda backlog H-34 (hive-mind extraction) postaje early-mid u sequence-u, ne pred-launch polish item.

Napomena: backlog procena za H-34 je "2-3 days". Realna procena, gledajući D:\Projects\hive-mind stanje (plan spreman, code migration nije započet): 5-10 dana kvalitetnog rada za runnable v0.1 alpha. Claude Code treba da zna ovu razliku pre nego što commituje timeline.

3.3 Memory harvest scope — ChatGPT export wait

Backlog H-16: ChatGPT import "waits on M1" (OpenAI export email).

Naš razgovor: možemo da krenemo sa Gemini + Claude + Claude Code + Cursor (sve lokalno dostupno). ChatGPT samo dodaje više istih podataka ali nije blocker. Ako benchmark-uje dobro sa 4 izvora, ChatGPT se doda kada stigne.

Ovo NIJE kontradikcija — backlog već kaže H-16 je "kept as ready-to-go item" (ne blocker). Samo treba potvrditi da je Phase 4 Memory Proof (H-21) okej da krene pre ChatGPT-a. Preporuka: da.

4. Šta treba dodati u Marko-side queue

Backlog ima [M]-01 do [M]-10. Naš razgovor generiše nekoliko novih decision item-a:

[M]-11 · Stripe pricing lock-in

Potvrdi Pro $19/mo + Teams $49/seat/mo (ili alternativa)
Unblocks: sve Stripe radove, research docs konzistentnost
Effort: 5 minuta odluka

[M]-12 · "Marko's 3 Years" privacy level

Benchmark strategy predlaže korišćenje 3-godišnje lične istorije kao proof artifact
Pitanje: javno u sirovom obliku, anonimizovano, ili samo interno kao validation?
Preporuka: anonimizovano za public use (briše client names, finansijske specifičnosti, treće lica) + sirovo za interno
Unblocks: launch blog post hook, Paper 1 evaluation section
Effort: odluka + eventualna anonimizacija pipeline (pola dana)

[M]-13 · Self-test hive-mind u Claude Code 2 nedelje

Nakon hive-mind alpha je runnable, koristi ga 2 nedelje u dnevnom Claude Code radu
Beleži anegdotske primere (ne formalni benchmark) gde pomaže, gde ne pomaže
Ovo je test teze "agent harness + memorija = novi LLM sloj" kroz najjaču moguću evidenciju — vlastitu power-user upotrebu
Unblocks: launch narrative validity
Effort: 2 nedelje passive usage + 1 sat beleženja po nedelji

[M]-14 · Benchmark strategy approval

Review BENCHMARK-STRATEGY.md (kreiran u razgovoru, na Claude.ai strani)
Approve 12-month benchmark portfolio
Unblocks: H-42/H-43/H-44 (predloženi novi items)
Effort: 20 minuta read + odluka

5. Overlap sa existing research — šta NE treba duplirati

Research serija (docs/research/01-07) već pokriva ozbiljne strateške teme koje sam ja u razgovoru ponavljao. Claude Code, molim te proveri da se naš razgovor ne duplira sa već postojećim radom:

01-oss-memory-packaging-strategy.md — već definisano Apache 2.0 + ee/ pattern, already covers "set the terms of ecosystem" argument koji sam ja nezavisno re-derivovao
02-memory-system-scientific-draft.md — već postoji paper draft
03-memory-harvesting-strategy.md — already covers "bring your memory home"
04-gepa-public-reveal-strategy.md — GEPA reveal strategy koji sam nezavisno re-derivovao
05-user-personas-ai-os.md — korisnik personas
06-waggle-os-product-overview.md — product overview
07-skills-connectors-strategy.md — skills + connectors

Preporuka za Marko: kada budeš pisao launch content, prvo pročitaj ove research docs. Verovatno sadrže 60-80% onoga što mi sa Claude.ai "otkrivamo" ponovo. Razgovor sa mnom je koristan za next-iteration nuance, ali research serija je već temelj.

6. Rekalkulacija critical path — sa dodacima

Backlog trenutni critical path: 7-8 nedelja paralelno (sa najdužim lancem H-22 GEPA Proof 18 dana → H-25 Paper 2).

Sa ship-before-Waggle hive-mind odlukom i dodatim benchmark blokom H-42/43/44:

WEEK 1:
  Day 1-5: H-01..06 Polish A+B · H-26..33 Stripe · [M]-01 + [M]-11 
  Day 6-7: H-07..10 GEPA wiring closure · Start H-14 Cursor

WEEK 2:
  H-11..20 Harvest Phase 1 + H-19 wiki compile check
  Start H-21 Memory Proof (baseline setup)
  [M]-12 privacy decision

WEEK 3-4:
  H-21 Memory Proof execution (10 dana)
  Parallel: H-34 hive-mind extraction START (5-10 dana)
  Parallel: H-22 GEPA Proof execution (18 dana) — ovo je wall time, ne active time

WEEK 5:
  H-23 Combined Proof
  H-34 hive-mind extraction finalize
  [M]-13 Marko hive-mind self-test START
  Start H-42/43/44 public benchmarks na hive-mind

WEEK 6:
  H-24 Paper 1 draft
  H-42/43/44 complete
  hive-mind PUBLIC LAUNCH (blog + repo + benchmark numbers)
  [M]-13 self-test ongoing

WEEK 7:
  H-25 Paper 2 draft
  H-35..41 Launch prep za Waggle (binary, Clerk, signing)
  Marketing content (M-31/M-32)
  [M]-13 self-test completes

WEEK 8:
  Peer review (M-09)
  Waggle PUBLIC LAUNCH sa hive-mind already-established credibility

Ključna promena: hive-mind launch je WEEK 6, Waggle launch je WEEK 8. Dve odvojene objave, hive-mind kao foundation narrative, Waggle kao built-on-top komercijalni proizvod.

Realistični totali: 8 nedelja do Waggle launch-a umesto 7-8 paralelno. Jedna dodatna nedelja kupujem strateški momentum dvostrukim launch-om.

7. Akcioni items za sledeću sesiju sa Claude Code

Kada Marko otvori Claude Code sesiju, predlog da krene sa:

Read this brief end-to-end (10 min)
Read docs/research/01-oss-memory-packaging-strategy.md da potvrdi da naš razgovor ne duplira (15 min)
Pogledaj docs/wiki-live/ i potvrdi da wiki-compiler stvarno radi (5 min)
Marko odlučuje [M]-11, [M]-12, [M]-13, [M]-14 (30 min)
Dodaj H-42/43/44 u backlog master, ažuriraj critical path tabelu (20 min)
Dodaj M-49 (Qwen3) i M-50 (canonical thesis doc) u backlog (10 min)
Otvori GitHub issue za 4 GEPA gaps (H-07..H-10 su u backlogu sa konkretnim detaljima, issue samo formalizes public tracking)
Start H-01 (QW-3 skip boot) kao prvi konkretan code task, nastavi kroz backlog Day 1 sequence

8. Šta ostaje otvoreno — real questions

Ove stvari mi nisu jasne ni nakon analize repoa + razgovora i treba ih Marko razreši:

Pitanje 1: Da li su docs/test-plans/MEMORY-HARVEST-TEST-PLAN.docx, GEPA-EVOLUTION-TEST-PLAN.docx, i COMBINED-EFFECT-TEST-PLAN.docx pisani pre ili posle PA v5 eval-a? Ako pre, možda su metodološki stariji od onoga što smo naučili kroz v5 (4-judge ensemble, judge model diverzitet, variance retry). Možda treba update.

Pitanje 2: docs/wiki-live/ je zadnji put kompajliran 2026-04-13 (5 dana pre ovog dokumenta). Da li je to bilo na personal.mind ili development-specifičnom mind-u? Ako je na personal.mind, onda hive-mind test u sebi već sadrži pravu validaciju. Ako je na test dataset-u, H-19 zadatak (wiki compile from real data) je još uvek smislen.

Pitanje 3: docs/research/PAPER-1-CONCEPT_hive-mind-memory.md već ima section skeleton i key claims. Koliko H-24 "Paper 1 · Memory system paper draft" je zapravo "write from scratch" vs "fill in placeholders sa Phase 4 rezultatima"? Ako je drugo (verovatno je), 3-day effort estimate je preoptimistički za pisanje ali realističan za filling data. Treba uskladiti.

9. Zaključak — kako ovaj brief treba tretirati

Ovo nije novi sprint brief. Ovo je context reconciliation dokument koji pomaže Marku da:

Ne duplira rad između Claude.ai strateških razgovora i Claude Code egzekucije
Zna gde naš razgovor dodaje stvarnu vrednost (LoCoMo benchmarks, Qwen3 elevation, canonical thesis doc, ship-before-Waggle hive-mind odluka)
Zna gde naš razgovor nepotrebno ponavlja postojeći rad (research serija, wiki-compiler validacija)
Ima jasnu listu decision items ([M]-11 do [M]-14) koji unblock-uju izvršenje

Kada Claude Code pročita ovo, treba da:

Ažurira backlog sa H-42/43/44 i M-49/50 ako Marko potvrdi
Zabeleži [M]-11..14 decisions
Krene sa Day 1 backlog sequence (ne menjajući osnovnu logiku backlog-a)

Backlog je dobar. Ne treba ga prepisivati. Treba ga samo proširiti novim benchmark blokom i sitnim dodacima.

Dodatak — file reference

Fajlovi koji su bili deo ovog razgovora, a nisu već u repou:

/mnt/user-data/outputs/BENCHMARK-STRATEGY.md — 12-mesečni benchmark portfolio plan za hive-mind/Waggle/KVARK
/mnt/user-data/outputs/WAGGLE-KNOWLEDGE-BASE-BOOTSTRAP-BRIEF.md — ZASTAREO, zamenjen H-19 u backlog-u koji pokriva istu stvar

Fajlovi koji su u repou i koje Claude Code već koristi:

docs/plans/BACKLOG-MASTER-2026-04-18.md — kanonski backlog
docs/research/01-07-*.md — OSS strategija, papers, product overview
docs/research/PAPER-1-CONCEPT_hive-mind-memory.md — Paper 1 skeleton
docs/research/PAPER-2-CONCEPT_gepa-evolution.md — Paper 2 skeleton
docs/HIVE-MIND-INTEGRATION-DESIGN.md — hive-mind extraction detail
docs/wiki-live/ — 28 kompajliranih wiki stranica
docs/WAGGLE-CORNERSTONE.md — thesis document
packages/wiki-compiler/ — already-functional wiki compiler

16 KiB Raw Blame History