व्यक्तिगत AI के लिए नुकसान-रहित दीर्घकालीन स्मृति — कभी सारांश न दें, हर पंक्ति रखें, और हर चीज़ पर समय-स्थिरांक लगाएँ। AI की अधिकांश दीर्घकालीन स्मृति प्रणालियाँ दो कामों में से एक करती हैं: वे बातचीतों को संक्षिप्त नोट्स में सारांशबद्ध करती हैं, या उन्हें embed करके 'समान' खंडों को retrieve करती हैं। दोनों वो चीज़ खो देती हैं जो उस व्यक्ति के लिए सबसे महत्वपूर्ण है जो रोज़ एक ही AI से बात करता है: वास्तव में क्या कहा गया था और कब। यह प्रोजेक्ट विपरीत स्थिति लेता है। हर पंक्ति रखें। कच्ची बातचीत लॉग्स पूरी तरह संग्रहीत किए जाते हैं। कभी कुछ भी सारांशित नहीं किया जाता। सारांश एक मानचित्र है; लॉग मूल क्षेत्र है। हर चीज़ पर समय-स्थिरांक लगाएँ। हर रिकॉर्ड — utterance, action, document chunk — एक समय-स्थिरांक से सजित होता है, और हर index उसी time axis के ऊपर बनाया जाता है। हम इसे Temporal Backbone कहते हैं। पहले time के अनुसार खोजें, शब्दों के अनुसार दूसरे। 'कल शाम, budget के बारे में' एक वैध query है। समय वाले शब्दों का परिसर सीमित करते हैं; शब्द उसके भीतर रैंक करते हैं। परिणाम क्रमशः क्रम में लौटते हैं, बिना सारांश के, अपने समय-स्थिरांकों के साथ। 'हम कहाँ हैं' हर turn में inject करें। LLL नाम का एक छोटा index मॉडल को बताता है कि बातचीत अभी किस topic में है, ताकि identity और context context-window compaction और session boundaries के बाद भी टिके रहें। यह design lineage December 2025 तक जाती है — इस system का पहला ancestor (एक earlier AI के लिए memory-inheritance tool) उसी महीने चला था, और एक predecessor system January 2026 से दैनिक उपयोग में वही विचार लेकर चला। यह implementation July 2026 से रोज़ चल रही है, एक single user के लिए, एक AI assistant की स्मृति के रूप में, जिसमें raw logs June 2026 तक जाते हैं। यह छोटा, बोरिंग है, और यह काम करता है। रास्ते में आए failures को भी दस्तावेज़ किया गया है — docs/lessons.md देखें।