PLAN — LogpyClaw v3

Stand: 2026-06-10. Lebendes Dokument; erledigte Punkte wandern nach unten.

Nordstern

Der Maschine ein Bauchgefühl für Zeit geben: Agenten, die wissen, was sie in der verbleibenden Zeit schaffen — und auf dieser Basis delegieren, eskalieren oder selbst handeln. Der Weg dahin führt vom heutigen zentral orchestrierten System (siehe README, “Einordnung”) zu echtem Peer-Verkehr, bei dem Zeit, Vertrauen und Kausalität im Protokoll stecken.

1. System — der Weg zum echten Multi-Agent-System

• Peer-Dispatch: Agenten dürfen Missionen initiieren und einander direkt (via Conductor, aber ohne Martin-Umweg) beauftragen. Damit entsteht erstmals der Verkehr, für den der CDC-Klassifikator gebaut ist.
• Agenten-Initiative: Heartbeat-/Dream-artige Eigenzeit-Loops für reguläre Agenten — ein Agent, der von sich aus etwas anstößt.
• Distributionales Zeitgefühl: Eigenzeit-Raten als Verteilung (Median + Streuung) statt Skalar. Lektion 3 des Drachen-Experiments: ein Median ist kein Bauchgefühl. llm_summary() soll Unsicherheit mitliefern (“meistens 12s, selten 30s”).
• Trust-Semantik schärfen: success an den QC-Ausgang koppeln (Score ≥ min) statt an den Message-Typ — QC-Fails zählen aktuell als Erfolg.
• Stance-Matrix: bleibt bewusst Policy (nicht gelernt) — im README kurz begründen, damit es nicht wie eine Lücke aussieht.
• Kleinkram: Boot lädt komplette DB in RAM (Lazy-Trace-Load), result/error-Persistenz auf Secrets prüfen, timeout: 900 für agent:claude in agents.yaml, EWMA-Lock falls je Multi-Threading.

2. Experiment — der fehlende Beweis

• Drachen v5: (a) Rollen randomisieren (mal ist der Ritter schneller, mal der Magier — die Ordnungsrelation darf nicht erratbar sein), (b) Entscheidungskorrektheit als primärer Endpunkt, Überleben sekundär, (c) Deadlines mit Puffer ≥ Latenz-Streuung statt Knife-Edge. Skripte: experiments/dragon4.py als Basis.
• Stichprobe groß genug für Signifikanz (n ≥ 100, Fisher exact).
• CONCURRENT_DRIFT real erzeugen: Mission mit parallelen Plan-Wellen auf ungleich schnelle Agenten, Klassifikator-Output auswerten.

3. Paper (Time_Dilation_in_LLM_Agent_Systems)

• §6 Implications und §7 Conclusion schreiben (Autorenstimme).
• §4 Stack-Beschreibung aktualisieren: beschreibt noch den alten AgentClaw-Stack (NiceGUI, Qdrant); LogpyClaw v3 als Nachfolger präzisieren oder §4 explizit als historische Fallstudie rahmen.
• v5-Ergebnisse in §5 nachtragen, sobald gelaufen.
• Offen: index.html im Paper-Repo — behalten oder entfernen?

4. Repo & Außenwirkung

• Branch cdc-evaluation auf GitHub löschen (identisch mit main) oder als Marker dokumentieren.
• legacy-agentclaw-Branch: Einzeiler in dessen README, dass main jetzt LogpyClaw v3 ist (Orientierung für alte Links).
• Optionale Migration der Laufzeitnamen: LaunchAgent com.agentclaw.wacli-sync, ~/Downloads/AgentClaw, ~/.agentclaw (drei Code-Stellen + drei macOS-Befehle; bis dahin bleiben sie bewusst).
• Replay-Viewer deployen (deploy dragon-replay) und im Paper/X-Thread verlinken.
• Pete/OpenClaw-Kontakt: Paper + Repo + ehrliche Frage (Entwurf liegt im Chat-Verlauf; Kern: “working draft, running code, was würde dich überzeugen?”).

Erledigt (Juni 2026)

• CDC tau/rate-Split, EWMA-Raten, Clock-Vererbung; 218 Tests grün
• Fraktionssystem im Dispatch verdrahtet (Envelope, Trust-Learning, Adversarial-Bridge fail-closed), EXPECTED_DRIFT/FACTION_RACE aktiv
• Trust-Verjährung (Evidenz-Halbwertszeit 7d) + Mathematik-Doku im README
• Martin: explizite Adressierung schlägt Planner; QC sieht Task+Ergebnis; parallele Plan-Wellen mit Caps
• Storage: PQC-Chain-Race gefixt, verify_chain fail-closed, WAL, async Offload, Heartbeat via Token-Stream
• Security-Review (4 MEDIUMs gefixt), Public-Release-Hygiene, MIT-Lizenz
• Spiele Liftwerk + Sky Vanguard (gebaut via Martin→Claude, deployed)
• Drachen-Experiment v1–v4 inkl. Replay-Viewer; Missions-DB-Auswertung
• Paper: Laien-Intro, Reference Implementation, §5 Preliminary Evaluation, Topologie-Diagnose in §5.3, Renummerierung §6/§7
• Repo public: main = LogpyClaw v3, alter Stand in legacy-agentclaw