← Ambient Intelligent Systems

Mary: ein Turn, zwei Spuren

Teil II — Der Knoten und die Verbindung · Kapitel 5 von 9

Mary ist der macOS-Assistent, der den Stack vervollständigt — das Programm, das dort lebt, wo die Person lebt. Sie hört und spricht, liest den Workspace und bedient echte Anwendungen. Und in dem Moment, in dem ein System sowohl mit retrieval-gestütztem Wissen spricht als auch auf einem echten Computer handelt, taucht eine Designfrage auf, die ich für die wichtigste in diesem Buch halte: Sollten das, was spricht, und das, was handelt, derselbe Verstand sein?

Marys Antwort ist nein. Jeder Turn teilt sich in zwei.

Der eingefrorene Turn

Vor der Teilung das Einfrieren. Beim Betreten eines Turns friert Mary die Welt ein, in der der Turn laufen wird: den aktiven Snapshot des Ability-Registers, die gerade gültigen Interaktions- und Wahrnehmungssignale, die Ambient-Route und die Fokus-Evidenz, den Gedächtnisplan, die Bereitschaft der Adapter und den Konversations-Seed, den beide Spuren teilen. Was sich mitten im Turn auch ändert — ein Paket wird bearbeitet, eine App beendet —, der laufende Turn behält seine Welt; die Änderung landet im nächsten Turn.

Ein Satz aus der Dokumentation zum Prompt-Aufbau verdient jetzt Kursivschrift und später einen Rückgriff:

Veröffentlichte Signale werden neu validiert, wenn der nächste Turn einfriert, und verschwinden, wenn ihr Schema oder ihre Value-Version nicht mehr existiert oder ihr veröffentlichender Adapter nicht verfügbar ist.

Fähigkeit ist in diesem System keine statische Liste. Sie wird an jeder Turn-Grenze aus der lebenden Umgebung neu abgeleitet — vorhanden, wenn ihr Provider vorhanden ist, weg, wenn er weg ist. Merken Sie sich diese Form; Kapitel 8 gibt ihr einen Namen.

Zwei Spuren

Dann gabelt sich die Äußerung:

Spur A ist Seer — die Reasoning-Spur aus Kapitel 1. Sie besitzt jedes gesprochene Wort. Sie ruft das Gedächtnis serverseitig ab, verankert die Antwort, streamt Prosa (und Attributionsspannen) an die Konversationsseite. Sie erhält keinen ausführbaren Paketgraphen und besitzt kein macOS-Dispatching. Sie redet; sie kann nichts berühren.

Spur B ist der Orchestrator — still, lokal. Er sieht dieselbe Äußerung und denselben eingefrorenen Snapshot, schlägt Skills aus dem validierten Verzeichnis des Turns vor, führt sie über Adapter aus und gibt Belege aus. Er handelt; er spricht nicht. (Seine Prosa existiert nur als Offline-Fallback — aufbewahrt, nie gesprochen, solange Seer gesund ist.)

Die Spuren laufen nebenläufig und führen sich zusammen, wenn beide fertig sind. Die maßgebliche Reihenfolge, im eigenen Quellcode des Brain als Doktrin formuliert: FETCH FIRST, THEN SPEAK — Verankerung geht der Stimme voraus; die Stimme erzählt nie eine Aktion, die nicht verifiziert wurde.

Als Flussdiagramm, aus derselben Dokumentation:

Diagramm
Diagramm wird gezeichnet

Und der Fallback ist kein nachträglicher Einfall: Ohne Seer-Provider führt Mary eine Ein-Engine-Schleife vollständig lokal aus. Die Dokumentation ist nachdrücklich in der Rahmung — die lokale Spur „is not a degraded path, it is the path when the network is not there.“ Ein Ambient-Assistent, der aufhört zu funktionieren, wenn ein Server es tut, war nie ambient.

Die Leitplanke

Warum zwei Spuren, wirklich? Nicht wegen der Performance. Der ehrliche Grund ist eine Sicherheitshaltung, und die Dokumentation formuliert sie als Sicherheitshinweis:

Abgerufener Kontext gelangt nie in den Prompt des Orchestrators. Spur B — die Spur, die Ihren Mac tatsächlich berühren kann — sieht nie, was Spur A abgerufen hat. Nicht Ihre früheren Unterhaltungen, nicht den geteilten Kontext einer anderen Person, nicht die RAG-Payload. Sie sieht die Äußerung, den eingefrorenen Snapshot und die Ambient-Evidenz.

Die Begründung ist direkt: Abgerufener Text ist Inhalt, den Sie in diesem Turn nicht geschrieben haben — der klassische Träger inhaltsförmiger Anweisungen —, und die Spur, die Effekte vorschlägt, ist genau dort, wo solche Anweisungen am gefährlichsten wären. Also ist die Spur mit den Händen strukturell blind für die Spur mit dem Gedächtnis. Ein festgenagelter Test behauptet die Eigenschaft namentlich, sodass sie nicht unbemerkt zurückfallen kann.

Ich möchte präzise sein, was das bringt, denn „Abwehr von Prompt Injection“ verkauft es unter Wert. Es ist eine Befugnisarchitektur. Die Stimme hat Wissensbefugnis: Sie darf alles wissen und kann nichts bewirken. Die Hände haben Effektbefugnis: Sie können die Welt verändern und wissen nur, was der Nutzer sagte und die Maschine zeigt. Jedes künftige Feature, das den Kontext eines anderen in das Retrieval mischt — die Richtung, in die Totem zeigt —, erbt die Garantie per Konstruktion: Geliehener Kontext erreicht die sprechende Spur und hört dort auf.

Was ein Turn hinterlässt

Ein Turn endet damit, aufzuschreiben, was tatsächlich geschah. Belege — datenschutzsichere Aufzeichnungen jedes Skill-Aufrufs, seines Capability-Effekts, seines Ergebnisses — gehen in die Turn-Historie ein; ausgewählter Rohtext, generierte Prosa, Quellcode und Geheimnisse sind per Regel aus den Traces ausgeschlossen. Ein Register der Retrieval-Traces hält fest, was das Retrieval gefragt wurde und was zurückkam — nur IDs, Scores und Zählungen, mit zur Compile-Zeit erzwungener Schwärzung — und es ist rein beobachtend: Nichts darf es auf einem Entscheidungspfad lesen. Das Register existiert, weil Retrieval der Kern des Paradigmas ist und „warum hat sie sich das nicht gemerkt?“ eine Antwort zur Laufzeit verdiente.

Erhaltenswerte Mutationen werden als explizite Projektionen bei Totem abgelegt — die einzige Tür, durch die dauerhaftes Gedächtnis wächst. Und wenn ein Turn, der offensichtlich etwas erledigt haben wollte, seine Runden gedreht und nichts ausgeführt hat, prüft ein letzter Mechanismus — die Affordanz-Sonde, „die letzte Sprosse vor dem ehrlichen Scheitern“ —, was der Bildschirm selbst anbietet, bevor Mary zugibt, dass sie es nicht konnte. Dieser Mechanismus gehört ins nächste Kapitel.

Der Zwei-Spuren-Turn ist der Verbindungspunkt der gesamten ersten Hälfte dieses Buchs: Seers Reasoning (Kapitel 1) und Totems Gedächtnis (Kapitel 4) auf einer Seite einer Wand; die Hände der Maschine auf der anderen; die Person obenauf, deren Worte jeden Turn beginnen und deren physische Eingabe jeden Lauf sofort beendet.

Die Spur, die den Mac berührt, liest nie, was das Gedächtnis zurückgegeben hat.