𝗚𝗶𝘃𝗶𝗻𝗴 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 𝗔 𝗣𝗲𝗿𝗺𝗮𝗻𝗲𝗻𝘁 𝗠𝗲𝗺𝗼𝗿𝘆
Ogni nuova sessione AI parte da zero.
Perdi le tue ricerche di ieri. Perdi le tue analisi della scorsa settimana. Perdi i tuoi errori del mese scorso. La maggior parte delle soluzioni di memoria vincola i tuoi dati a un singolo agente specifico. Se cambi agente, perdi tutto.
Knowledge-and-Memory-Management v0.0.2 (KMM) risolve questo problema. Agisce come uno strato di memoria esterno. Non tocca il codice core del tuo agente.
KMM funziona attraverso tre fasi:
- Raccolta della conoscenza
- Archiviazione strutturata
- Recupero multi-sessione
Il sistema raccoglie dati da quattro fonti:
- Web: utilizza sei motori per aggirare le protezioni e fare scraping di siti web.
- Video: utilizza otto strumenti per estrarre dati da YouTube o TikTok. Utilizza Whisper per il parlato e OCR per il testo a schermo.
- Articoli: estrae dati da social media e feed RSS.
- Documenti: scansiona PDF e immagini tramite OCR.
Il sistema trasforma i dati grezzi in asset. Prende la materia prima, utilizza un LLM per estrarre i punti chiave, li scrive in note Markdown e li salva in un knowledge graph.
Puoi effettuare ricerche in diversi domini contemporaneamente. Il sistema cerca tra note locali, database, memoria semantica e knowledge graph. Utilizza un algoritmo per fondere questi risultati. Se una fonte fallisce, le altre subentrano.
Questa configurazione fa per te se:
- Utilizzi più agenti come Hermes, Codex o Claude Code.
- Hai bisogno di riutilizzare la conoscenza in sessioni diverse.
- Vuoi un sistema flessibile che funzioni tramite una singola variabile d'ambiente.
Il compromesso è la complessità. Hai bisogno di PostgreSQL 16, Hindsight e gbrain per eseguirlo. È più difficile da implementare rispetto a semplici file. Tuttavia, ottieni una qualità di recupero molto più elevata grazie a tre strati di memoria.
Per la produzione, esegui uno script di manutenzione per automatizzare l'archiviazione e l'indicizzazione. Utilizza uno script di controllo sidecar per verificare la configurazione dopo l'installazione.
Community di apprendimento opzionale: https://t.me/GyaanSetuAi