Spaces:
Running
Running
File size: 36,202 Bytes
325ffb1 47134ca 325ffb1 47134ca 325ffb1 47134ca 325ffb1 47134ca 325ffb1 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 | <!doctype html>
<html lang="de">
<head>
<meta charset="UTF-8" />
<meta name="viewport" content="width=device-width, initial-scale=1.0" />
<title>webgpu-agent · Doku</title>
<meta name="description" content="Dokumentation zum webgpu-agent: Warum wir es machen, was das Ziel ist, wo der Stand steht, der Forschungsansatz, die offenen Probleme und der Plan für ein eigenes Wächter-Modell." />
<!-- App-Unterseite (WP-APP-DOKU): dunkler Look wie die App, selbstständig (kein JS). -->
<style>
:root {
--bg: #0a0c10; --panel: #11151c; --panel2: #161b24; --line: #222a36;
--txt: #e6eaf2; --mut: #8b95a7; --acc: #4da3ff; --acc2: #8b7bff;
--ok: #3ddc97; --warn: #ffb454; --err: #ff6b6b;
--mono: ui-monospace, SFMono-Regular, Menlo, Consolas, monospace;
}
* { box-sizing: border-box; }
html { scroll-behavior: smooth; }
body { margin: 0; background: var(--bg); color: var(--txt); line-height: 1.65;
font-family: "Segoe UI", system-ui, -apple-system, Arial, sans-serif; }
.hl { animation: hl 1.8s ease-out; border-radius: 10px; }
@keyframes hl { 0% { background: rgba(77,163,255,.22); } 100% { background: transparent; } }
a { color: var(--acc); }
code { font-family: var(--mono); background: var(--panel2); border: 1px solid var(--line);
padding: 0 5px; border-radius: 5px; font-size: .88em; }
ul, ol { padding-left: 22px; } li { margin: 5px 0; }
.top { position: sticky; top: 0; z-index: 10; display: flex; align-items: center; gap: 10px;
padding: 10px 18px; background: rgba(17,21,28,.95); border-bottom: 1px solid var(--line);
backdrop-filter: blur(6px); flex-wrap: wrap; }
.back { display: inline-block; text-decoration: none; color: var(--txt); font-weight: 600;
border: 1px solid var(--line); background: var(--panel2); padding: 4px 12px; border-radius: 8px; }
.back:hover { border-color: var(--acc); color: var(--acc); }
.brand { font-weight: 700; letter-spacing: .2px; }
.tag { font-size: 11px; color: var(--mut); border: 1px solid var(--line); padding: 2px 8px; border-radius: 99px; }
.doc { max-width: 920px; margin: 0 auto; padding: 26px 20px 90px; }
h1 { font-size: 1.7rem; margin: 16px 0 8px; }
h2 { font-size: 1.22rem; margin: 36px 0 10px; padding-top: 14px; border-top: 1px solid var(--line);
scroll-margin-top: 76px; }
h3 { font-size: 1.02rem; margin: 22px 0 8px; color: var(--txt); }
.lead { color: var(--mut); font-size: 1.05rem; margin: 0 0 18px; }
.meta { color: var(--mut); font-size: .9rem; }
p { margin: 10px 0; }
table { width: 100%; border-collapse: collapse; margin: 12px 0 18px; font-size: .93rem; }
th, td { border: 1px solid var(--line); padding: 7px 11px; text-align: left; vertical-align: top; }
th { background: var(--panel2); }
.badge { display: inline-block; padding: 0 9px; border-radius: 999px; font-size: .75rem;
font-weight: 600; border: 1px solid var(--line); white-space: nowrap; }
.badge.ok { color: var(--ok); border-color: rgba(61,220,151,.4); background: rgba(61,220,151,.08); }
.badge.open { color: var(--warn); border-color: rgba(255,180,84,.4); background: rgba(255,180,84,.08); }
.badge.no { color: var(--err); border-color: rgba(255,107,107,.4); background: rgba(255,107,107,.08); }
.note { border: 1px solid rgba(77,163,255,.35); background: rgba(77,163,255,.07);
border-radius: 10px; padding: 12px 16px; margin: 16px 0; }
.warnbox { border: 1px solid rgba(255,180,84,.4); background: rgba(255,180,84,.07);
border-radius: 10px; padding: 12px 16px; margin: 16px 0; }
.toc { background: var(--panel); border: 1px solid var(--line); border-radius: 12px;
padding: 14px 20px; margin: 20px 0; }
.toc ol { margin: 8px 0 0; }
.toc a { text-decoration: none; }
.toc a:hover { text-decoration: underline; }
.btn { display: inline-block; background: var(--acc); color: #04101f; font-weight: 600;
padding: 9px 18px; border-radius: 9px; text-decoration: none; margin-right: 10px; }
.btn:hover { filter: brightness(1.12); }
.btn.ghost { background: transparent; color: var(--acc); border: 1px solid var(--acc); }
</style>
</head>
<body>
<header class="top">
<a class="back" href="./index.html">← App</a>
<div class="brand">✱ webgpu-agent</div>
<span class="tag">Dokumentation</span>
<span class="tag">WIP / Experiment</span>
<span class="tag">local-first</span>
</header>
<main class="doc">
<h1>Dokumentation</h1>
<p class="meta">Stand: <time datetime="2026-10-17">17. Oktober 2026</time> · Quelle: <code>doku.html</code> im Repository ·
<a href="https://github.com/ogerly/webgpu-agent">GitHub</a></p>
<p class="lead">
Ein autonomer Webagent, der zu 100 % im Browser läuft: lokale LLMs auf der GPU (WebGPU),
strukturiertes Gedächtnis (AAMS), echte Task-Zerlegung und Ausführung — ohne Cloud, ohne Server.
</p>
<p>
<strong>Was ist das?</strong> webgpu-agent ist ein <strong>privates Forschungsprojekt / Experiment (WIP)</strong> —
kein fertiges Produkt, keine Support- oder Stabilitätsversprechen. Es ist ein Prototyp, dessen Zweck es ist,
Fragen zu beantworten, die sonst niemand sauber beantwortet: <em>Wie weit kommt ein wirklich autonomer Agent,
wenn er komplett im Browser leben muss?</em>
</p>
<p>
<a class="btn" href="./index.html">▶ Zur App (Demo)</a>
<a class="btn ghost" href="https://github.com/ogerly/webgpu-agent">Code auf GitHub (MIT)</a>
</p>
<nav class="toc" aria-label="Inhaltsverzeichnis">
<strong>Inhaltsverzeichnis</strong>
<ol>
<li><a href="#warum">Warum machen wir das?</a></li>
<li><a href="#ziel">Was ist das Ziel?</a></li>
<li><a href="#stand">Wo steht das Projekt?</a></li>
<li><a href="#forschung">Der Forschungsansatz</a></li>
<li><a href="#probleme">Offene Probleme — was es zu lösen gilt</a></li>
<li><a href="#waechter">Ein eigenes Modell für den Wächter</a></li>
<li><a href="#links">Links</a></li>
</ol>
<p class="meta" style="margin:10px 0 0">
<strong>Deep-Links (Anker):</strong> <code>doku.html#warum</code> · <code>#ziel</code> ·
<code>#stand</code> · <code>#forschung</code> · <code>#probleme</code> · <code>#waechter</code> ·
<code>#links</code> — und aus der App: <code>index.html#doku</code> bzw. <code>index.html#doku/probleme</code>
</p>
</nav>
<h2 id="warum">1. Warum machen wir das?</h2>
<h3>1.1 Datensouveränität ist keine Einstellung — es ist die Architektur</h3>
<p>
Fast alle heutigen AI-Agents arbeiten über Cloud-APIs: Jede Aufgabe, jeder Dateiinhalt, jedes
„Gedächtnis" des Agenten läuft über fremde Server. Das ist bequem — aber es bedeutet, dass die
Daten nie wirklich uns gehören. Für sensible Inhalte (private Texte, Arbeitsstände, persönliche
Notizen) ist das kein vertretbarer Zustand.
</p>
<p>
webgpu-agent stellt das um: Der Agent läuft <strong>komplett im Browser</strong>. Es gibt keine
Cloud-APIs, kein Backend, keine Serverinfrastruktur. Alle Daten — Aufgaben, Zwischenergebnisse,
Audit-Log, Gedächtnis — verbleiben zu 100 % im Client-Browser. Das ist keine Option im
Einstellungs-Menü, sondern eine <strong>Invariante</strong> der Architektur: Sie lässt sich nicht
versehentlich „einschalten", weil sie schlicht nicht existiert.
</p>
<h3>1.2 Lokale Inferenz auf der eigenen GPU</h3>
<p>
Die Intelligenz kommt nicht aus dem Rechenzentrum, sondern von der GPU des eigenen Geräts. Über
<strong>WebGPU</strong> und <strong>WebLLM</strong> laufen quantisierte Open-Source-Modelle
(Qwen/Llama) direkt im Browser: ein kompakter <strong>„Wächter"</strong> (0,5 B, läuft
permanent) und ein größerer <strong>„Planer"</strong> (3 B, lädt bei Bedarf nach und wird
danach wieder entladen). Damit bleibt alles in einem realistischen VRAM-Budget (Zielprofil:
≤ 4 GB).
</p>
<h3>1.3 Autonomie im Browser</h3>
<p>
Ein Agent ist nur dann interessant, wenn er Aufgaben selbst zerlegen und ausführen kann — nicht nur
antworten. Deshalb hat das Projekt einen echten <strong>Agent-Loop</strong>: Der Planer zerlegt eine
Aufgabe in Teilaufgaben (fester JSON-Schema), ein Executor führt sie aus, ein Audit-Log dokumentiert
jeden Schritt — inkl. echter Token-Usage. Der Agent hat außerdem ein <strong>strukturiertes
Gedächtnis</strong> (Session, Task-Tree, Audit, Memory in IndexedDB) und kann es als JSON
exportieren/importieren.
</p>
<h3>1.4 Die eigentliche Frage: Forschung, nicht Produkt</h3>
<p>
Dahinter steht eine Forschungsfrage: <strong>Wie weit kommt ein autonomer Agent mit echtem
Gedächtnis, wenn er vollständig clientseitig leben muss?</strong> Wo sind die technischen Grenzen —
VRAM, Kontextlänge, WebGPU-Verfügbarkeit, Offline-Fähigkeit, Portabilität des Gedächtnisses?
Diese Grenzen wollen wir <em>messen und dokumentieren</em>, nicht behaupten. Deshalb ist das Projekt
ausdrücklich ein Experiment: Es gibt ein Benchmark-System, offene Forschungsfragen und einen
stufenweisen Plan mit Abbruchkriterien (siehe <a href="#forschung">Forschungsansatz</a>).
</p>
<h3>1.5 AAMS — Gedächtnis als natives Modell</h3>
<p>
Das Gedächtnis- und Task-Modell des Agenten ist <strong>AAMS</strong> (Autonomous Agent Mesh
System). Eine Besonderheit dieses Projekts: AAMS spielt <em>doppelt</em> eine Rolle und wird dabei
strikt getrennt:
</p>
<table>
<tr><th>Rolle</th><th>Was</th><th>Wo</th></tr>
<tr>
<td><strong>A — Arbeitsgrundlage</strong></td>
<td>Steuert den Entwicklungsprozess: Workpapers, Whitepapers, Langzeit-Memory, Diary</td>
<td>In diesem Repository (<code>WORKING/</code>)</td>
</tr>
<tr>
<td><strong>B — Native Agenten-Architektur</strong></td>
<td>Das Gedächtnis- & Task-Modell des Agenten selbst (Session, Task-Tree, Audit, Memory)</td>
<td>Im Browser des Nutzers (IndexedDB + JSON-Export)</td>
</tr>
</table>
<p>
Dasselbe Schema wird in beiden Rollen verwendet, die Instanzen bleiben getrennt. Für den Nutzer
heißt das: Der Agent <strong>versteht AAMS von Haus aus</strong> und baut seine eigene lokale
Wissens- und Task-Struktur exakt nach dieser Spezifikation auf.
</p>
<h2 id="ziel">2. Was ist das Ziel?</h2>
<h3>2.1 Kernziel</h3>
<p>Ein <strong>vollständig clientseitiger, autonomer Webagent</strong> mit:</p>
<ul>
<li>lokaler Inferenz auf der GPU (WebGPU/WebLLM) — keine Cloud für Kernprozesse (Invariante),</li>
<li>strukturiertem, session-bezogenem Gedächtnis (AAMS-B), portierbar per JSON-Export/Import,</li>
<li>eigener Task-Zerlegung und -Ausführung (echter Agent-Loop) mit nachvollziehbarer Audit-Spur,</li>
<li>prüfbar, reproduzierbar und ehrlich dokumentiertem Verhalten (Benchmark-System).</li>
</ul>
<h3>2.2 Forschungsziele (konkret)</h3>
<table>
<tr><th>#</th><th>Ziel</th><th>Warum</th></tr>
<tr>
<td>1</td>
<td><strong>Benchmark-System</strong> (Level L1–L10, ≤ 4 GB-VRAM-Profil, Pass-Regel 5/5, Referenzgerät)</td>
<td>Ohne harte, programmatisch prüfbare Messung ist jede Aussage über „Funktioniert" unbelegt</td>
</tr>
<tr>
<td>2</td>
<td><strong>Wächter-Spezialist</strong> (eigenes getuntes 0,5–1,5-B-Modell für Protokoll-Aufgaben)</td>
<td>Der Wächter läuft permanent — seine Zuverlässigkeit hat die größte Hebelwirkung (siehe <a href="#waechter">§6</a>)</td>
</tr>
<tr>
<td>3</td>
<td><strong>Offline nach Setup</strong></td>
<td>Ein „lokaler" Agent, der nach dem ersten Start noch Internet braucht, ist nicht souverän</td>
</tr>
<tr>
<td>4</td>
<td><strong>Gedächtnis-Portabilität</strong> (besser als JSON-Export/Import)</td>
<td>Heute: Gedächtnis ist an Browser+Origin gebunden — anderes Gerät = leeres Gedächtnis</td>
</tr>
<tr>
<td>5</td>
<td><strong>Datei-Output</strong> (Artefakte: HTML → ZIP → docx/xlsx)</td>
<td>Nachgewiesene Lücke: Aufgabe „6/6 erledigt", aber 0 Dateien — Ergebnisse müssen echte Dateien sein</td>
</tr>
<tr>
<td>6</td>
<td><strong>Helfer-Modelle</strong> (OCR / Übersetzung / Web-Fetch) on-demand</td>
<td>Spezialisten nur bei Bedarf im VRAM, danach wieder frei</td>
</tr>
</table>
<h3>2.3 Nicht-Ziele (bewusst)</h3>
<ul>
<li>Keine Cloud-Anbindung für Kernprozesse, keine automatische Cloud-Synchronisation</li>
<li>Keine Benutzerverwaltung, kein Multi-Agent-Mesh / WebRTC (spätere, eigene Phase)</li>
<li>Kein Generalisten-Training, kein Wettlauf mit großen Modellen</li>
<li>Kein Produkt-Versprechen: Dies ist Forschung — der Stand kann sich ändern, die Richtung bleibt</li>
</ul>
<h2 id="stand">3. Wo steht das Projekt?</h2>
<p>
Stand: <time datetime="2026-10-17">17. Oktober 2026</time> · Prototyp (Vite + TypeScript) ·
Lizenz: MIT · Mitarbeit willkommen (GitHub-Issues/PRs).
</p>
<h3>3.1 Umgesetzt</h3>
<table>
<tr><th>Bereich</th><th>Was kann es</th><th>Status</th></tr>
<tr>
<td><strong>Agent-Loop</strong></td>
<td>Echte Zerlegung (Planer-JSON → Task-Tree) + echte Ausführung (Executor-Regel) mit echter Token-Usage und Audit-Spur (<code>llm.*</code>, <code>plan.*</code>, <code>chat.*</code>)</td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>Modell-Pool</strong></td>
<td>Wächter (Qwen2.5 0.5B, ≈945 MB) resident + Planer (Llama-3.2 3B, ≈2,3 GB) on-demand · Modell-Katalog ≤ 4 GB · Laden/Entladen, Download-Fortschritt, DEGRADED-State, VRAM-Budget-Balken</td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>Chat</strong></td>
<td>Einziger Dialogkanal, Intent-gesteuert: Status · „beginne" → Ausführung · Aufgabe → Planer + automatischer Loop · Frage → Planer antwortet</td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>Dashboard</strong></td>
<td>Dunkler App-Frame (3 Spalten): Rollen-Karten, VRAM-Bar, Tabs <strong>Zuschauen</strong> (Live-Feed) / <strong>Arbeit</strong> (Task-Tree) / <strong>Audit</strong> (filterbar) / <strong>Gedächtnis</strong></td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>Artefakte</strong></td>
<td>HTML-Ergebnisse deterministisch aus <code>task.result</code> extrahiert (kein Schema-Eingriff) → Sandbox-Vorschau (ohne <code>allow-same-origin</code>) + Download + Audit</td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>Gedächtnis</strong></td>
<td>AAMS-B in IndexedDB (Session, Tasks, Audit, Memory, Knowledge) · „Neue Session" mit automatischem Safety-Export + Rollback · JSON-Export/Import (portabel, mit Schema-Prüfung)</td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>KERN</strong></td>
<td>Prototyp: Tokenwächter (Kontext-Grenzenwächter) + mechanischer Loop (simuliert) — Grundlage für die echten Loops</td>
<td><span class="badge ok">umgesetzt</span></td>
</tr>
<tr>
<td><strong>Benchmark-System</strong></td>
<td>Fixiert als Whitepaper WH-002: Level L1–L10, ≤ 4-GB-Profil, Metriken, Pass-Regel 5/5, Reproduzierbarkeits-Protokoll, Geräterollen</td>
<td><span class="badge ok">definiert</span> <span class="badge open">1. Testlauf offen</span></td>
</tr>
<tr>
<td><strong>Live-Demo</strong></td>
<td>Statisch gehostet (HuggingFace-Static-Space), App + Assets verifiziert</td>
<td><span class="badge ok">live</span></td>
</tr>
</table>
<h3>3.2 Noch offen</h3>
<table>
<tr><th>Punkt</th><th>Status</th></tr>
<tr>
<td>Erster Benchmark-Testlauf (L1 auf dem Referenzgerät — GTX 1050 4 GB, Variante zu verifizieren)</td>
<td><span class="badge open">offen — erster Schritt</span></td>
</tr>
<tr>
<td>Benchmark-Seite (Szenario-Textseiten L1–L5, Start, Run-Report) + Panel „Maschine"</td>
<td><span class="badge open">offen</span></td>
</tr>
<tr>
<td>Helfer-Modelle (OCR / Übersetzung / Web-Fetch) via Transformers.js</td>
<td><span class="badge open">offen</span></td>
</tr>
<tr>
<td>Automatisierte Tests (Vitest) für Gedächtnis, Task-Queue, Modell-Pool</td>
<td><span class="badge open">offen</span></td>
</tr>
<tr>
<td>PWA / Offline-Cache für die Weights (Forschungsziel 3)</td>
<td><span class="badge no">bewusst nicht vor Messung</span></td>
</tr>
</table>
<div class="note">
<strong>Ehrlichkeit-Hinweis:</strong> Die Weights (≈ 945 MB Wächter / ≈ 2,3 GB
Planer) werden beim <em>ersten</em> Laden vom CDN heruntergeladen (Setup) — danach Browser-Cache.
WebGPU ist eine Pflicht-Voraussetzung: Chrome/Edge. Firefox/Safari: aktuell nicht verfügbar.
</div>
<h2 id="forschung">4. Der Forschungsansatz</h2>
<h3>4.1 Grundprinzipien</h3>
<ul>
<li><strong>Messen, nicht raten:</strong> Jede Aussage über Besserung braucht einen Benchmark-Vergleich. Keine erfundenen Messwerte.</li>
<li><strong>Hard DoD:</strong> Erfolg ist ein hartes, programmatisch geprüftes 0/1 (z. B. valide JSON ohne Retry), keine „klingt plausibel".</li>
<li><strong>Strikte Train/Test-Trennung:</strong> Auf dem Benchmark trainiert wurde, misst nichts. Test-Szenarien sind zurückgehalten.</li>
<li><strong>Nur geprüfte Daten:</strong> Programmatisch verifizierte Ergebnisse gelten als Beleg — kein Modell bewertet sich selbst.</li>
<li><strong>Ehrliche Grenzen:</strong> Grenzen werden benannt (VRAM, Kontext, Browser), nie still verschwiegen. Ein „nicht möglich" ist ein gültiges Ergebnis.</li>
<li><strong>Abbruchkriterien:</strong> Jeder Forschungsplan hat Stufen mit klaren Abbruch-Bedingungen — auch Abbruch wird dokumentiert.</li>
<li><strong>Reproduzierbarkeit:</strong> Commit-Hash, Modell-Revision, Seed, Tool-Versionen werden festgehalten.</li>
<li><strong>Lizenz zuerst:</strong> Basismodelle, Lehrermodelle und Quellen werden vor Nutzung geprüft.</li>
</ul>
<h3>4.2 Doku-Kette (AAMS-Dev-Prozess, Rolle A)</h3>
<p>
Der Entwicklungsprozess ist selbst Teil des Experiments: Jede Arbeits-Einheit startet mit einem
<strong>Workpaper</strong> (offen, mit Autor:in und Auftrag), stabil gewordene Wahrheiten steigen in
ein <strong>Whitepaper</strong> auf (mit Decision Records — nachvollziehbare Entscheidungen mit
Begründung und Alternativen), und Langzeit-Kontext wird in einem <strong>LTM-Index</strong>
geführt. Die Kette wird nicht übersprungen: Workpaper → Whitepaper → LTM. Das komplette Repo
(<code>WORKING/</code>) ist offen einsehbar — man kann also sehen, <em>wie</em> das Projekt entsteht.
</p>
<h3>4.3 Benchmark-Protokoll (WH-002, Auszug)</h3>
<p>
Das Benchmark-System definiert eine stabile Level-Achse — die Anzahl der Teilaufgaben und der
Charakter steigen mit dem Level:
</p>
<table>
<tr><th>Level</th><th>Teilaufgaben</th><th>Charakter</th></tr>
<tr><td>L1</td><td>1</td><td>einfache Aufgabe, keine Zerlegung</td></tr>
<tr><td>L2</td><td>2</td><td>minimale Zerlegung</td></tr>
<tr><td>L3</td><td>3</td><td>Standard-Zerlegung</td></tr>
<tr><td>L4</td><td>4</td><td>ein Zwischenergebnis fließt in Teilaufgabe 4 ein</td></tr>
<tr><td>L5</td><td>5</td><td>Zwischenergebnisse + finales Artefakt</td></tr>
<tr><td>L6–L9</td><td>6–9</td><td>Skizze — bei Bedarf ausformulieren</td></tr>
<tr><td>L10</td><td>~10</td><td>kleine App: planen + bauen + HTML-Übersicht (Kern-Proof)</td></tr>
</table>
<p>VRAM-Budget im ≤ 4-GB-Profil (Ground-Truth: WebLLM-Lib-Metadaten):</p>
<table>
<tr><th>Kombination</th><th>VRAM (≈)</th><th>Passt in ≤ 4096 MB?</th></tr>
<tr><td>Wächter Qwen2.5-0.5B allein</td><td>944,62 MB</td><td><span class="badge ok">✅ ~3,1 GB Reserve</span></td></tr>
<tr><td>Wächter + Planer Llama-3.2-3B</td><td>3208,31 MB</td><td><span class="badge open">⚠ ~0,8 GB Reserve (beobachten!)</span></td></tr>
<tr><td>Wächter + Fallback Qwen2.5-1.5B</td><td>2574,37 MB</td><td><span class="badge ok">✅ ~1,5 GB Reserve</span></td></tr>
<tr><td>7B-Modelle</td><td>> 5100 MB</td><td><span class="badge no">❌ außerhalb des Zielprofils</span></td></tr>
</table>
<p>
Gemessen wird pro Lauf (automatisch in das Gedächtnis geloggt): harter DoD (0/1), Score (0–3),
geplante Teilaufgaben, echte Token-Usage (Prompt/Completion/Total), Zeit, VRAM (geladen + OOM-Events),
Flush-Zyklen und <strong>KERN-Integrität</strong> (nichts nach einem Kontext-Flush verloren —
Invariante). Pass-Regel: <strong>5/5</strong> — und „bewiesen" gilt nur auf dem
<strong>Referenzgerät</strong> (GTX 1050 4 GB, Variante zu verifizieren), nicht auf dem
Dev-Gerät (RTX 5090). WebGPU-Determinismus ist nicht garantiert → Läufe werden mehrfach wiederholt
und die Streuung angegeben.
</p>
<h3>4.4 Offene Forschungsfragen (Auswahl)</h3>
<table>
<tr><th>#</th><th>Frage</th><th>Status</th></tr>
<tr><td>1</td><td>Offline nach Setup: Was darf der Service Worker zuverlässig cachen? App-Shell ja; Weights (1–2,5 GB) → Quota-/CacheStorage-Verhalten je Browser <em>messen</em></td><td><span class="badge open">offen</span></td></tr>
<tr><td>2</td><td>AAMS-B & Origin: Gedächtnis ist an Browser+Origin gebunden — reicht JSON-Export/Import, oder brauchen wir eine Brücke (OPFS + File-System-Access)?</td><td><span class="badge open">offen</span></td></tr>
<tr><td>3</td><td>WebGPU-Verfügbarkeit: Welche Browser/Devices können es (Chrome/Edge ja; Firefox/Safari zu prüfen)? Capability-Check + saubere Meldung im UI</td><td><span class="badge open">offen</span></td></tr>
<tr><td>4</td><td>Modell-Updates: Wie versionieren wir Weights (Revision pro Modell), wie veralten Caches, wie migrieren Nutzer?</td><td><span class="badge open">offen</span></td></tr>
<tr><td>5</td><td>Browser-Extension (Web-Zugriff-Brücke): sinnvoll nur am selben Gerät — wie verteilen/aktualisieren?</td><td><span class="badge open">offen</span></td></tr>
<tr><td>6</td><td>Sicherheit/Hosting: CSP-Header, keine Secrets in der App, Web-Zugriff nur über geprüfte Brücke (untrusted-Daten-Regel)</td><td><span class="badge open">offen</span></td></tr>
</table>
<h3>4.5 Erweiterungs-Proposal (V1–V5, geprüft)</h3>
<table>
<tr><th>#</th><th>Vorschlag</th><th>Prüfergebnis</th></tr>
<tr><td>V1</td><td>OPFS (Origin Private File System) für größere Kapazität</td><td><span class="badge ok">✅ machbar</span></td></tr>
<tr><td>V2</td><td>Browser-Extension als Web-Zugriff-Brücke (untrusted-Daten-Regel)</td><td><span class="badge ok">✅ optional, zuletzt</span></td></tr>
<tr><td>V3</td><td>Pyodide (Python in der Browser-Sandbox)</td><td><span class="badge ok">✅ erst nach 5/5-Proof</span></td></tr>
<tr><td>V4</td><td>Artefakte: Ergebnisse als echte Dateien</td><td><span class="badge ok">✅ Schritt 1 (HTML) umgesetzt, ZIP folgt</span></td></tr>
<tr><td>V5</td><td>„Hermes-lite" im Pool</td><td><span class="badge open">1–4 ja / 5.5 abgelehnt</span> (kein passendes Modell ≤ 4 GB im Katalog)</td></tr>
</table>
<p>Vorgeschlagene Reihenfolge: V4 → V1 → V5 → V3 → V2 — jede Stufe erst nach menschlicher Freigabe.</p>
<h2 id="probleme">5. Offene Probleme — was es zu lösen gilt</h2>
<p>
Diese Liste ist <strong>bewusst gesondert</strong>: Hier stehen die Probleme, die wir kennen und die
es in Zukunft zu lösen gilt. Bei jedem Punkt steht, <em>warum</em> er wichtig ist und <em>in welche
Richtung</em> wir nach besseren Wegen und besseren Lösungen suchen. Die aktuelle Lösung ist bei
keinem Punkt als final zu verstehen — genau das ist der Punkt der Forschung.
</p>
<table>
<tr><th style="width:26%">Problem</th><th>Warum es wichtig ist</th><th>Bessere Wege / was wir suchen</th></tr>
<tr>
<td><strong>P1 · Offline nach Setup</strong></td>
<td>Ein „lokaler" Agent, der nach dem ersten Start noch Internet braucht, ist nicht souverän. Weights (≈3 GB) + Cache-Quota sind je Browser unbekannt</td>
<td>Zuverlässige Cache-Strategie messen (Service Worker, CacheStorage vs. OPFS), selbst gehostete Weights, Update-/Versions-Strategie — pro Browser messen, nicht raten</td>
</tr>
<tr>
<td><strong>P2 · Gedächtnis an Browser+Origin gebunden</strong></td>
<td>Anderes Gerät oder Browser = leeres Gedächtnis. Heute gibt es nur JSON-Export/Import (manuell)</td>
<td>Bessere Portabilität: OPFS + File-System-Access-API, lokale Synchronisations-Konzepte, bessere Import-/Merge-UX — ohne Cloud (Invariante bleibt)</td>
</tr>
<tr>
<td><strong>P3 · WebGPU-Verfügbarkeit</strong></td>
<td>Chrome/Edge ja, Firefox/Safari nein — ein Teil der Nutzer kann das Projekt nicht nutzen</td>
<td>Besserer Capability-Check + ehrliche Meldung im UI; langfristig: Alternativen prüfen (WASM-Runtimes, andere Backends) — als eigene Studie, nicht als Stillstand</td>
</tr>
<tr>
<td><strong>P4 · Modell-Updates & Caches</strong></td>
<td>Neue Quantisierungen/Revisionen: Wie veralten Caches? Wie kommen Nutzer zu besseren Modellen, ohne zu verlieren?</td>
<td>Revisionssystem pro Modell, saubere Cache-Invalidation, Migrations-Pfad — Teil des Benchmark-Protokolls (Reproduzierbarkeit)</td>
</tr>
<tr>
<td><strong>P5 · Kontextfenster (4096 Tokens)</strong></td>
<td>Für größere Aufgaben zu klein; der Tokenwächter muss Kontext flushen — dabei darf nichts verloren gehen (Invariante)</td>
<td>Progressive Disclosure (nur benötigte Kontext-Schnitte), bessere Memory-Kompression/Reflexion, längere Kontexte nur, wenn das VRAM-Profil es hergibt</td>
</tr>
<tr>
<td><strong>P6 · Datei-Output</strong></td>
<td>Nachgewiesene Lücke: eine Website-Aufgabe lief „6/6 erledigt" — aber 0 Dateien. Ein Agent ohne echte Dateien ist unvollständig</td>
<td>Artefakt-Pipeline (V4): HTML (fertig) → ZIP/mehrdateiig → docx/xlsx; File-System-Access für direkten Speicherort-Wunsch</td>
</tr>
<tr>
<td><strong>P7 · Reproduzierbarkeit auf WebGPU</strong></td>
<td>Inferenz ist nicht deterministisch garantiert — Benchmark-Ergebnisse sind nur im Rahmen der Streuung vergleichbar</td>
<td>Besseres Protokoll: mehr Läufe, fixierte Seeds wo möglich, Spannweite ausweisen, „bewiesen" nur auf dem Referenzgerät</td>
</tr>
<tr>
<td><strong>P8 · VRAM auf kleinen GPUs</strong></td>
<td>Wächter + Planer lassen im 4-GB-Profil nur ≈0,8 GB Reserve — enger als gedacht</td>
<td>Besseres VRAM-Budget mit Systemreserve, Quantisierungs-Wahl via Capability-Gate (<code>shader-f16</code> → q4f16_1, sonst q4f32_1), Fallback-Pfade</td>
</tr>
<tr>
<td><strong>P9 · Training: Daten & Qualität</strong></td>
<td>Für den Wächter-Spezialisten: Daten-Leckage, Lehrer-Fehler, Lizenzen, Quantisierungs-Verlust — alles kann den Tuning-Nutzen aufzehren</td>
<td>Strikter Split, nur programmatisch geprüfte Daten, lizenzkonforme Lehrermodelle, Vor-/Nach-Messung des Exports (Details in <a href="#waechter">§6</a>)</td>
</tr>
<tr>
<td><strong>P10 · Distribution & Sicherheit</strong></td>
<td>Hosting (CSP, Model-CDN) und die Web-Zugriff-Brücke (Extension) müssen sicher bleiben, ohne die Invariante „keine Secrets in der App" zu brechen</td>
<td>Besseres Hosting-Setup (ggf. selbst gehostetes Weights-CDN), untrusted-Daten-Regel für alles Webseitige, saubere Capability-Grenzen</td>
</tr>
</table>
<div class="warnbox">
<strong>Meta-Regel:</strong> Diese Liste ist lebendig. Ein Problem, das gelöst ist, wandert mit Beleg
(Benchmark/Decision Record) in ein Whitepaper — und verschwindet von dieser Liste. Ein Problem, das
widerlegt wird (z. B. „Training lohnt sich nicht"), ist ein <em>gültiges</em> Ergebnis und wird
ebenfalls dokumentiert.
</div>
<h2 id="waechter">6. Ein eigenes Modell für den Wächter</h2>
<p>
Der Wächter ist die permanent geladene Instanz des Agenten (≈945 MB, resident). Er führt die
engen <strong>Protokoll-Aufgaben</strong> aus: Planer-JSON im festen Schema, Tool-Aufruf-JSON,
Skill-Routing und Memory-Zusammenfassungen. Genau deshalb ist er der interessanteste Kandidat für ein
<strong>eigenes, getuntes Modell</strong>.
</p>
<h3>6.1 Der Ansatz</h3>
<ul>
<li>Ein schmales Modell (<strong>0,5–1,5 B</strong>), zugeschnitten auf die Protokoll-Aufgaben, das im ≤ 4-GB-VRAM-Profil läuft.</li>
<li><strong>Hypothese:</strong> Ein getunter Spezialist ist in diesen engen, prüfbaren Aufgaben <em>zuverlässiger</em> als das ungetunte Basismodell — bei gleicher Größe. Er ist ausdrücklich <strong>kein</strong> Generalist.</li>
<li>Stufenplan mit Abbruchkriterien (0–5), jede Stufe endet mit ehrlicher Auswertung — auch bei Abbruch:</li>
</ul>
<table>
<tr><th>Stufe</th><th>Inhalt</th><th>Abbruch / Weiter</th></tr>
<tr><td><strong>0</strong></td><td>Datenerfassung: jeder Lauf loggt Prompts, Antworten, Prüf-Ergebnisse, Versionen als JSONL (kein Training)</td><td>Weiter, sobald Format stabil</td></tr>
<tr><td><strong>1</strong></td><td><strong>Baseline ohne Training:</strong> Prompt-Optimierung + schemabasierte JSON-Ausgabe</td><td><strong>Wenn die Baseline schon ≥ Zielwert → Training überflüssig, Stufen 2+ streichen</strong></td></tr>
<tr><td><strong>2</strong></td><td>Datensatz-Aufbau: Lehrermodell + Filter, strikter Train/Val/Test-Split, Dubletten-Check</td><td>Weiter bei genügend geprüften Beispielen je Task</td></tr>
<tr><td><strong>3</strong></td><td>Erstes Tuning (LoRA/QLoRA) auf 0,5 B, ggf. 1,5 B</td><td>Abbruch, wenn Val-Metriken nicht besser als Baseline</td></tr>
<tr><td><strong>4</strong></td><td>Export für WebGPU: Adapter zusammenführen, quantisieren, kompilieren, in WebLLM laden</td><td>Abbruch, wenn Export Qualität oder VRAM-Profil bricht</td></tr>
<tr><td><strong>5</strong></td><td>Benchmark-Vergleich Base vs. Tuned im selben Protokoll (WH-002)</td><td>Entscheidung über Aufnahme in den Pool (Decision Record)</td></tr>
</table>
<p>
Messgrößen (Base vs. Tuned, identische Bedingungen): Schema-Validität ohne Retry, Tool-Wahl und
Parameter korrekt, Retry-Rate, harter DoD-Erfolg, Token/Zeit pro Aufgabe, VRAM-Spitze — und
Test-Set-Leistung <em>getrennt</em> von Val-Leistung, damit Überanpassung sichtbar bleibt.
„Besser" heißt: Verbesserung <strong>außerhalb der Streuung</strong> auf dem Test-Split.
</p>
<h3>6.2 Sinnhaftigkeit & erwarteter Nutzen</h3>
<ul>
<li><strong>Höhere Zuverlässigkeit genau dort, wo sie am meisten zählt:</strong> Der Wächter läuft permanent und ist die „Stimme" des Agenten. Wenn er Planer-JSON und Tool-Aufrufe ohne Retry sauber erzeugt, wird der gesamte Loop stabiler.</li>
<li><strong>Weniger Retry = weniger Latenz und weniger Token:</strong> Jede vermiedene Wiederholung spart Zeit und VRAM-Druck — im 4-GB-Profil ein reales Budget.</li>
<li><strong>Prüfbar und begrenzt:</strong> Die Aufgaben sind eng und programmatisch prüfbar (Schema, DoD). Das macht den Nutzen messbar — im Gegensatz zu vagen „bessere Antworten".</li>
<li><strong>Ehrliche Einordnung:</strong> Ein getunter Wächter wird nicht als „intelligent" beschrieben, sondern als „zuverlässig im Protokoll". Er ersetzt keinen Generalisten — er entlastet ihn.</li>
</ul>
<h3>6.3 Die Probleme (bewusst sichtbar)</h3>
<table>
<tr><th>Problem</th><th>Gegenmaßnahme / wie wir es prüfen</th></tr>
<tr><td>Daten-Leckage / Auswendiglernen des Benchmarks</td><td>Strikter Split: Test-Szenarien <em>nie</em> im Training; Dubletten-Check; zurückgehaltene Zusatz-Szenarien</td></tr>
<tr><td>Lehrer-Fehler im Trainingssatz</td><td>Nur programmatisch geprüfte Beispiele (Schema + DoD) — kein Modell bewertet sich selbst</td></tr>
<tr><td>Überanpassung auf das Protokoll, Verlust von Allgemeinwissen</td><td>Aufgabe bewusst eng halten; Generalisten-Leistung wird nicht versprochen (Leitplanke T7)</td></tr>
<tr><td>Quantisierung/Export bricht die Qualität</td><td>Stufe 4 misst vor/nach Export; Abbruchkriterium, wenn das VRAM-Profil oder die Qualität bricht</td></tr>
<tr><td>Lizenzen (Basismodell + Lehrermodell)</td><td>Vor Stufe 2 abschließen: Lizenzen selbst lesen, dokumentieren, abgeleitete Modelle prüfen</td></tr>
<tr><td>„Moving Target": Der Agent verändert sich laufend</td><td>Commit-Hash, Tool-Registry- und Skill-Version in jedem Datensatz festgehalten</td></tr>
<tr><td>Aufwand unterschätzt</td><td>Abbruchkriterien pro Stufe — und Stufe 1 kann den ganzen Plan beenden („Baseline reicht schon")</td></tr>
</table>
<div class="note">
<strong>Status:</strong> Der Plan ist als Research-Plan verfasst (WP-TRAIN-PLAN) und steht zur
Prüfung bereit. Stufe 0 (Datenerfassung) ist noch nicht umgesetzt; jede Stufe beginnt erst nach
menschlicher Freigabe. Es wird nicht trainiert, bevor die Baseline gemessen ist.
</div>
<h2 id="links">7. Links</h2>
<ul>
<li><strong>App (Demo):</strong> <a href="./index.html">Diese App</a> · Space: <a href="https://huggingface.co/spaces/ogerl/webgpu-agent">huggingface.co/spaces/ogerl/webgpu-agent</a></li>
<li><strong>Code (MIT):</strong> <a href="https://github.com/ogerly/webgpu-agent">github.com/ogerly/webgpu-agent</a> — inkl. vollständiger Doku-Kette (<code>WORKING/</code>)</li>
<li><strong>Projekt-Vision (Whitepaper-Quelle):</strong> <code>idee.md</code> im Repository</li>
<li><strong>Beispiel-Projekte des Autors:</strong> <a href="https://github.com/ogerly/AAMS">AAMS</a> · <a href="https://github.com/ogerly/webgpu-arena">webgpu-arena</a></li>
<li><strong>Mitarbeit:</strong> Feedback, Issues und Pull Requests sind willkommen — siehe README des Repositories.</li>
</ul>
</main>
<script>
// Anker-Navigation (WP-APP-DOKU): Ziel-Sektion sanft einscrollen + kurz hervorheben,
// wenn die Seite mit Anker geöffnet wird (Deep-Link aus App/Chat/Foren).
(function () {
const id = window.location.hash.slice(1);
if (!id) return;
const el = document.getElementById(id);
if (!el) return;
requestAnimationFrame(function () {
el.scrollIntoView({ behavior: "smooth", block: "start" });
el.classList.add("hl");
setTimeout(function () { el.classList.remove("hl"); }, 1800);
});
})();
</script>
</body>
</html>
|