Bitware Labs / Arbeten
Vad vi faktiskt har byggt
Fem system i skarp drift, beskrivna som ett uppdrag: vad problemet var, vad vi gjorde och hur läget ser ut i dag.
Läs detta först
Varje projekt nedan är ett av labbets egna system. Inget är anonymiserat kundarbete som presenteras som vårt eget. Kunduppdrag omfattas av strikt sekretess; om en kund vill medverka med ett case kommer det att framgå tydligt här. Siffrorna är uppmätta i verklig drift, inte uppskattade.
En långlivad AI-agent, och konsten att hålla den vid liv
Problemet
Att göra en demo av en AI-agent är enkelt, men att bygga ett långsiktigt system är svårt. De verkliga problemen dyker upp först efter tre månader: sökprecisionen faller när minnet växer, fakta från mars påstås fortfarande gälla i september, och en agent med verktyg fastnar i en dyr loop mitt i natten. Inget av det syns i en prototyp.
Vad som gjordes
Vi byggde en agent och levde sedan med den i verklig drift. Bitemporala fakta så systemet vet både när det lärde sig något och när det gällde, nattlig och veckovis konsolidering istället för en oändligt växande databas, en vakenrytm som avgör om den ens ska tala, samt strikta skyddsräcken, kostnads- och steggränser per tur, sandlådekörning och en lokal modell som riskbedömer inkommande e-post mot promptinjektioner innan agenten läser den.
Hur det ser ut nu
Ett system som rullat kontinuerligt i stället för att bara visas upp. Minneslagret bröts ut och publicerades som bwmem, basversionen är öppen under AGPL, och forskningsversionen körs internt som labbets testbänk för nya idéer.
- 258 verktyg på en enhetlig exekveringsväg
- 65 schemalagda jobb som körs obevakat
- 13 LLM-leverantörer, dirigerade per uppgift
Att flytta en hel serverpark bort från hyrda moln
Problemet
Ett växande antal publika tjänster, ett skivbolag, mediesystem, agentforskning och kunddrifter utspridda över olika hyrda webbhotell, var och en med sitt eget gränssnitt, sin egen faktura och sin egen idé om var datan låg.
Vad som gjordes
Konsolidering till egna och dedikerade servrar sammanbundna i ett enda WireGuard-mesh med en platt adressplan. nginx terminerar TLS i kanten; allt bakom binder till loopback eller mesh-adresser och är helt onåbart från det öppna internet. Certifikat förnyas obevakat. Interna tjänster når varandra via mesh-IP, aldrig via publik DNS.
Hur det ser ut nu
En enda sammanhållen miljö, en uppsättning inloggningar och ingen tredje part som håller i datan. Att lägga till en tjänst är ett serverblock i nginx och en mesh-rutt, inte ett inköpsbeslut. Försvaret är uppbyggt i lager: traditionella verktyg i botten, en AI-vakt ovanpå för distribuerade attacker, och en nödbrytare som klipper internetanslutningen vid intrång.
- 17 publika domäner som drivs från egna servrar
- 9 WireGuard-noder i samma adressplan
- 0 beroenden till hyrda molntjänster i driftvägen
Ett fristående minnessystem som andra kan använda
Problemet
Agentens minneslager hade växt fram inuti ett enda forskningssystem. Det fungerade, men var hopsvetsat med just det systemets lagring, schemaläggare och antaganden, vilket gjorde att inget kunde återanvändas eller granskas fristående.
Vad som gjordes
Vi bröt ut det episodiska minnet, konsolideringen och återsökningen bakom ett avgränsat gränssnitt med lagring som en injicerad modul. Publicerat på npm under AGPL-3.0 så att förbättringar måste delas med koden.
Hur det ser ut nu
Minneslagret är nu ett beroende som vår huvudagent använder precis som alla andra, vilket innebär att paketet stresstestas i skarp produktion varje dag. Mycket av arbetet har handlat om förenkling och subtraktion: version 0.5.0 släpptes efter att vi upptäckt att 51% av sparade minnesrader var dubbletter.
- v0.11.0 aktuell version på npm
- AGPL‑3.0 licens, med kommersiella villkor tillgängliga
- 85.0% högsta poäng på LongMemEval (v0.11)
En personlig AI-lärare med kursplan och betygsbok
Problemet
De flesta försök att använda AI i utbildning stannar vid en chatbot som glömmer vad eleven gjorde i går och gissar sig fram utan en pedagogisk röd tråd.
Vad som gjordes
Byggd kring en fast kursplan med lektioner, övningsbanker och formativ bedömning. Systemet leder lektionen, testar förståelse och bokför resultat i en strukturerad betygsbok över tid.
Hur det ser ut nu
Ett verktyg som hjälper en människa att faktiskt lära sig ett ämne från grunden, med full historik över vad som behärskas och vad som behöver repeteras.
- 180 lektioner i 8 ämnen
- 1,800 övningsuppgifter med automatisk rättning
- 8 pedagogiska verktyg i testbänken
Ett komplett skivbolag för AI-artister
Problemet
Generativ musik behandlas oftast som engångskuriosa eller anonyma bakgrundsspår utan identitet, omslag eller konstnärlig vision.
Vad som gjordes
Skapade ett riktigt skivbolag (BitwareTunes) med distinkta akter, artwork, diskografier och distribution via DistroKid till Spotify, Apple Music och Tidal med full öppenhet.
Hur det ser ut nu
174 utgåvor och över tusen låtar i katalogen, en egen webbspelare och Android-app, och lyssnare över hela världen.
- 174 utgåvor i den officiella katalogen
- 1 146 mastrade spår i full distribution
- 100% öppen redovisning av AI-ursprung
Varför labbet bygger sina egna system
§ · UtgångspunktEn konsult som bara bygger åt andra behöver aldrig leva med det som byggs. Ingen ringer klockan två på natten om ett system som överlämnades för arton månader sedan; konsekvenserna av genvägar hamnar i någon annans jour.
Att driva vår egen produktionsmiljö sluter den cirkeln. Varje område vi erbjuder är något vi själva bär jouren för: mesh-nätverket, härdningen, driftmiljön, agentminnet och musikpipelinen. När vi ger en rekommendation till en kund handlar det om något vi själva förvaltar dagligen, inte något vi bara installerade en gång.