osFoundry / Platform
Ekstraksi memori
Maestro mengekstrak memori tahan lama dari setiap percakapan — fakta, keputusan, preferensi.
Apa itu
Ekstraksi memori adalah cara Maestro osFoundry mengubah obrolan sesaat menjadi pengetahuan yang tahan lama dan bisa dipakai ulang. Setelah sebuah percakapan dipadatkan, Maestro meninjau pertukaran itu dan menarik apa yang benar-benar layak disimpan: fakta yang dinyatakan (\"stack kami adalah Postgres\"), keputusan beserta alasannya, preferensi pribadi dan tim, batasan (\"jangan pakai database staging\"), serta apa pun yang secara eksplisit kamu minta untuk diingat. Setiap memori yang diekstrak disimpan dengan tipe, skor kepentingan, dan tag, sehingga bisa disaring dan diambil kembali alih-alih hilang begitu jendela konteks bergulir.\n\nDi dalam osFoundry, ekstraksi dirancang agar murah dan jujur soal biaya. Ia berjalan di latar belakang (fire-and-forget) setelah pemadatan, dan sebelum sempat memanggil model, ia menjalankan pemeriksaan relevansi cepat atas kata-katamu sendiri, mencari bentuk yang sesungguhnya diambil oleh sebuah fakta tahan lama, seperti identitas yang dinyatakan, sebuah preferensi, sebuah keputusan, atau instruksi bergaya \"mulai sekarang\". Giliran yang tidak membawa apa pun yang layak diingat tidak pernah sampai ke model, jadi ekstraksi tidak diam-diam menagih kunci API-mu di setiap pesan. Ketika benar-benar berjalan, ia memakai rantai model yang kamu konfigurasikan untuk peran pipeline memory_extraction: model lokal, cloud, atau self-hosted mana pun yang kuncinya kamu bawa sendiri, tanpa markup reseller. Sebuah ambang kepentingan lalu menyaring kandidat bernilai rendah sebelum apa pun ditulis.\n\nPenyimpanan bersifat local-first sejak awal. Memori yang diekstrak diserahkan lebih dulu ke penyimpanan di perangkat (tabel local_memories tidak pernah disinkronkan ke cloud) dan baru setelah itu, jika kamu punya akun dan sedang online, di-embed serta dicerminkan ke penyimpanan memori workspace. Urutan itu disengaja: pengguna yang bekerja sepenuhnya lokal atau offline tetap mendapatkan setiap memori, dan fakta yang nyaris kembar dideduplikasi saat ditulis. Nanti, agen dan Maestro memanggil kembali memori ini lewat pencarian semantik: kueri di-embed, dicocokkan dengan penyimpanan, dan setiap hasil kembali dengan alamat memory:// miliknya sendiri yang bisa dikutip, sehingga kamu bisa melihat persis fakta mana yang diingat yang menjadi dasar sebuah jawaban. Seluruh jalur ini juga dapat dicolokkan: kamu bisa mengikat memory_extractor kustom, dan ekstraktor bawaan osFoundry berfungsi sebagai cadangan.
Kemampuan utama
- Mengekstrak memori tahan lama dari setiap percakapan setelah pemadatan: fakta yang dinyatakan, keputusan beserta alasannya, preferensi, batasan, dan permintaan eksplisit \"ingat ini\".
- Menjalankan gerbang relevansi murah sebelum panggilan model apa pun, sehingga ekstraksi hanya memakai kunci API-mu pada giliran yang kemungkinan membawa sesuatu yang layak disimpan, bukan pada tiap pertukaran.
- Memakai rantai model BYOK milikmu untuk peran memory_extraction, lokal atau cloud, tanpa markup reseller pada panggilan yang dilakukannya.
- Penyimpanan local-first: memori yang diekstrak ditulis lebih dulu ke penyimpanan di perangkat (tak pernah disinkronkan ke cloud), jadi tetap bertahan meski offline atau tanpa akun.
- Memberi skor tiap memori berdasarkan kepentingan dan tipe, mendeduplikasi fakta yang nyaris identik, dan membuatnya bisa diambil kembali lewat pencarian memori semantik dengan sumber memory:// yang dapat dikutip.
Kasus penggunaan
- Insinyur konsultan: Maestro mengingat bahwa seorang klien bersikeras memilih Postgres ketimbang DynamoDB beserta alasannya, sehingga berminggu-minggu kemudian agen tidak membahas ulang keputusan yang sudah final.
- Peneliti yang menjaga privasi: preferensi dan fakta proyek tersimpan di penyimpanan memori di perangkat yang tak pernah disinkronkan ke cloud, bisa dipakai sepenuhnya offline dengan kunci milikmu sendiri.
- Ketua tim yang membakukan konvensi: begitu kamu menyatakan \"tim kami memilih tab\" atau \"jangan sentuh file migrasi\", batasan itu tertangkap dan muncul kembali dalam pekerjaan berikutnya.
Pertanyaan yang sering diajukan
Apakah ekstraksi memori mengirim percakapan saya ke server osFoundry?
Tidak. Memori yang diekstrak ditulis lebih dulu ke penyimpanan di perangkat, dan tabel memori lokal itu tidak pernah disinkronkan ke cloud. Hanya jika kamu punya akun dan sedang online, memori tambahan di-embed dan dicerminkan ke penyimpanan memori workspace milikmu sendiri. Panggilan model untuk ekstraksi itu sendiri berjalan pada kunci yang kamu bawa - server osFoundry tidak pernah memanggil LLM atas namamu.
Apakah ini menjalankan panggilan AI mahal setelah setiap pesan?
Tidak. Ekstraksi hanya terjadi setelah percakapan dipadatkan, dan bahkan saat itu pun sebuah gerbang relevansi murah berjalan lebih dulu - pemeriksaan pola cepat atas pesanmu untuk hal seperti preferensi yang dinyatakan, keputusan, atau frasa \"ingat ini\". Obrolan tugas biasa dilewati sebelum panggilan model apa pun, jadi kunci API-mu tidak ditagih pada giliran yang tak berisi sesuatu yang layak disimpan.
Bagaimana Maestro memakai sebuah memori setelah diekstrak?
Memori disimpan dengan tipe, skor kepentingan, dan tag, lalu dibuat bisa diambil kembali lewat pencarian semantik. Saat relevan, agen meng-embed kueri, mencari di penyimpanan, dan menarik fakta yang cocok - masing-masing dengan sumber memory:// yang bisa dikutip agar kamu bisa melacak detail teringat mana yang membentuk jawaban. Kamu memilih model memory_extraction lewat peran pipeline BYOK osFoundry.