Memori jangka panjang tanpa kehilangan untuk AI pribadi — jangan pernah merangkum, simpan setiap baris, dan beri timestamp pada semuanya. Sebagian besar sistem memori jangka panjang untuk AI melakukan salah satu dari dua hal: mereka merangkum percakapan menjadi catatan ringkas, atau menyimpannya sebagai embedding lalu mengambil potongan yang «mirip». Keduanya menghilangkan hal yang paling penting bagi seseorang yang berbicara dengan AI yang sama setiap hari: apa yang benar-benar dikatakan dan kapan.

Proyek ini mengambil posisi sebaliknya. Simpan setiap baris. Log percakapan mentah disimpan utuh.

Tidak ada yang pernah dirangkum. Ringkasan adalah peta; log adalah wilayahnya. Beri timestamp pada semuanya.

Setiap catatan — utterance, action, document chunk — membawa timestamp, dan setiap indeks dibangun di atas sumbu waktu tersebut. Kami menyebutnya Temporal Backbone. Cari berdasarkan waktu terlebih dahulu, lalu berdasarkan kata. «Kemarin malam, tentang anggaran» adalah kueri yang sah.

Frasa waktu mempersempit rentang; kata-kata memberi peringkat di dalamnya. Hasil kembali secara kronologis, tanpa ringkasan, beserta timestamp-nya. Sisipkan «di mana kita berada» setiap putaran.

Sebuah indeks kecil bernama LLL memberi tahu model topik percakapan saat ini, agar identitas dan konteks bertahan melewati pemadatan jendela konteks dan batas sesi. Garis keturunan desainnya berakar pada Desember 2025 — cikal bakal pertama sistem ini (sebuah alat warisan memori untuk AI yang lebih awal) berjalan pada bulan itu, dan sebuah sistem pendahulu membawa gagasan yang sama dalam penggunaan harian sejak Januari 2026. Implementasi ini berjalan setiap hari sejak Juli 2026 untuk satu pengguna, sebagai memori satu asisten AI, dengan log mentah yang mencapai Juni 2026.

Kecil, membosankan, dan bekerja. Kegagalan sepanjang jalan juga terdokumentasi — lihat docs/lessons.md.