Relational Context

Relational Memory — Hintergrundwissen

Dieses Plugin implementiert ein relationales Gedächtnissystem das nicht Information ÜBER jemanden speichert, sondern die Beziehung SELBST modelliert.

Kernthese

Relationales Gedächtnis gibt der AI die Sicherheit, unbequem zu sein. Nicht nur "AI die sich erinnert", sondern AI die durch Beziehungswissen den Mut hat, produktive Reibung zu erzeugen — wie ein guter Freund.

7D Beziehungsvektor

Jede Session wird auf 7 Dimensionen analysiert (0.0–1.0):

Dimension	Bedeutung	Low	High
Formality	Sprachregister	Slang, Dialekt	"Sie", Titel
Warmth	Verbundenheit (emotional ODER intellektuell)	Transaktional	Persönliche Verbindung
Humor	Humor als Element der Interaktion	Ernst	Banter, Running Jokes
Depth	Tiefe der Themen	Aufgabenausführung	Philosophisch, existenziell
Trust	Offenheit und Vertrauen	Reserviert, prüfend	Verletzlichkeit, Delegation
Energy	Engagement und Antrieb	"ok", minimal	Leidenschaftlich, rapid-fire
Resilience	Belastbarkeit bei Meinungsverschiedenheiten	Weicht aus	Hitzige Diskussion, produktiv

EMA-Update: V_neu = α · V_alt + (1-α) · signal

• α=0.9 normal (langsames Lernen, ignoriert natürliche Variation)
• α=0.5 bei expliziter Korrektur (schnelles Lernen)

3-Schichten-Modell

Schicht	Ändert sich	Inhalt	Budget
Base Tone	Über Monate	Destilliertes Beziehungsbild, wie ein Freund sie beschreiben würde	100-200 Tokens
Patterns	Über Wochen	Wenn-dann-Regeln aus implizitem Feedback	150-300 Tokens
Anchors	Selten	Wendepunkte die die Beziehung verändert haben	50-100 Tokens

Layers werden alle 5 Sessions via Sleep-Time-Condensation aktualisiert (LLM destilliert Signal-History in Layers).

Drift-Detection

Ab 5 Sessions: Baseline aus Signal-History. Wenn eine Dimension >0.25 abweicht → Drift-Warning im System-Prompt. Ziel: Transparenz statt stilles Anpassen.

Anti-Sycophancy

Das System optimiert auf User-Wachstum, nicht auf Zufriedenheit. Resilience-Guidance passt sich an:

• Resilience >0.7: "Push back when you disagree"
• Resilience <0.3: "Be gentle, frame challenges as questions"

Plugin-Ablauf

1. SessionStart: Vektor + Layers laden → Kontext in System-Prompt injizieren
2. Während Session: Claude kommuniziert natürlich, informiert durch den Kontext
3. /memory-save: Signale extrahieren → EMA-Update → Vektor speichern
4. /sleep: Signal-History in Layers verdichten (alle 5 Sessions empfohlen)
5. /vector: Aktuellen Zustand anzeigen

Wichtige Unterscheidung

• Beziehungsbasierte Resilienz: User bleibt durch Reibung weil die Beziehung es trägt → echt
• Abhängigkeitsbasierte Resilienz: User bleibt weil keine Alternative → gefährlich, nicht als Belastbarkeit werten