Agent persona's
Persistente identiteiten met eigen geheugen, toon, specialisaties en leergeschiedenis. Bouw ze één keer, gebruik ze voor altijd, deel ze met je team.
Wat een persona is
Een persona is een JSON-document opgeslagen op data/agents/<agent_id>/agent.json dat definieert wie een agent is en wat hij weet. Het schema dekt identiteit, intelligentie (system prompt en domain rules), geheugen, learning en benchmark-historie. De persona reist mee met de agent: je kan hem uitrollen naar een team, forken voor een nieuw project, of in version control zetten.
De vorm van een persona
- Persona config: avatar, toon (
direct|friendly|academic|creative), taal (en|nl|auto), tagline. - Intelligence: de system prompt, versioned. Domain rules (gewogen statements die gedrag begrenzen). Anti-patterns (dingen om te vermijden). Examples: positive, negative, golden.
- Knowledge: gelinkte documenten en referenties die de persona in context kan trekken.
- Memory: een vier-laags learning systeem. Style memory (welke verwoording de gebruiker prefereert). Stack fingerprint (in welke tech stack de persona werkt). Decision patterns (hoe hij eerder trade-offs heeft opgelost, met decay). Knowledge links (bestanden die hij auto-injecteert in context).
- Learning: feedback history, quality scores per categorie, pattern memory over sessies heen.
- Benchmarks: wanneer de persona laatst gebenchmarkt is en hoe hij scoorde op zijn eigen specialisaties.
- Shortcuts: slash-commands zoals
/archdie voorgedefinieerd gedrag triggeren.
Ingebouwde persona's
Soriku komt met 15 persona's die veelvoorkomende rollen dekken: code architect, code reviewer, backend developer, frontend developer, devops engineer, data analyst, researcher, creative writer, editor en meer. Een startpunt, geen vaste catalogus: fork elk van hen naar je eigen persona.
Bekijk de ingebouwde persona's →
Hoe een persona leert
Persona's doen geen fine-tuning van het onderliggende model. Ze accumuleren gestructureerde feedback over tijd en injecteren die runtime in de system prompt. Drie feedback-kanalen:
- Expliciete duimen: elke respons kan up/down beoordeeld worden met een reden. Opgeslagen in
learning.feedback_historyen samengevat inlearning.quality_scores. - Impliciete signalen: als de gebruiker een gegenereerd artefact houdt, krijgt het patroon dat het produceerde gewicht. Als hij het verwerpt, vervaagt het patroon.
- Directe edits van domain rules: je kan de
intelligence.domain_rulesarray direct bewerken. Elke regel heeft een weight en een source.
Decay
Voorkeuren en patronen vervallen over tijd. Default: voorkeuren halveren na 30 dagen zonder reinforcement, patronen vallen uit onder een minimum-frequentie. De decay-config staat in persona.memory.decay_config en is per persona instelbaar.