Verbrachte die letzte Aufgabe damit, nachzuvollziehen, wie die einzelnen Teile von OpenGradient miteinander verbunden sein sollen — Modelle, Speicher, Agenten — und landete schließlich bei einer Funktionssignatur, auf die ich länger starrte, als mir lieb ist. $OPG , #OPG , @OpenGradient ... Die Doku spricht davon, dass alle drei wie ein Stack zusammenarbeiten, und die Einordnung des Ökosystems legt nahe, dass es ein einziges Nervensystem gibt. Aber llm.chat() im Python-SDK nimmt eine messages-Liste entgegen und sonst nichts — kein user_id, kein Memory-Hook, kein context-Parameter. MemSync, die langfristige Memory-Schicht, existiert als komplett separate REST-API, und ihre eigene Doku ist unter einer anderen Domain gehostet (memchat.io) statt opengradient.ai. So muss ein Agent, der sowohl verifizierte Inferenz als auch persistenten Speicher möchte, die Fakten manuell aus einem System holen und in die messages-Array eines anderen einspeisen und anschließend neue Fakten wieder zurückschreiben. Nichts erzwingt, dass diese Schleife passiert, und nichts im SDK nimmt an, dass sie passiert. Ich hatte erwartet, die Klebe-/Glue-Code-Stelle zu finden — den Teil, in dem ein Aufruf des LLM automatisch den Speicher berührt — aber der ist einfach... noch nicht da. Vielleicht ist das für den Moment in Ordnung, vielleicht ist das die naheliegende Reihenfolge der Operationen für ein Infrastrukturunternehmen, das noch im Testnet ist. Ich bin trotzdem noch gespannt, ob „Ökosystem“ hier „integriert“ meint oder nur „benachbart“.