osFoundry / Platform
Извлечение памяти
Maestro извлекает долговременные воспоминания из каждого разговора — факты, решения, предпочтения.
Что это
Извлечение памяти - это то, как Maestro в osFoundry превращает мимолётный чат в устойчивое, пригодное к повторному использованию знание. После того как диалог уплотняется, Maestro пересматривает обмен репликами и вытягивает то, что действительно стоит сохранить: заявленные факты (\"наш стек - Postgres\"), решения и стоящие за ними причины, личные и командные предпочтения, ограничения (\"не трогай staging-базу\") и всё, что вы явно просите запомнить. Каждое извлечённое воспоминание сохраняется с типом, оценкой важности и тегами, поэтому его можно отфильтровать и извлечь, а не потерять в тот миг, когда окно контекста прокрутится дальше.\n\nВнутри osFoundry извлечение сделано дешёвым и честным по части затрат. Оно работает в фоне (fire-and-forget) после уплотнения, и прежде чем вообще обратиться к модели, прогоняет быструю проверку значимости по вашим же словам - ищет форму, которую устойчивый факт действительно принимает: заявленную идентичность, предпочтение, решение или указание в духе \"с этого момента\". Реплики, в которых нет ничего памятного, до модели не доходят, поэтому извлечение не списывает тихо ваш API-ключ на каждом сообщении. Когда же оно срабатывает, оно использует цепочку моделей, настроенную вами для роли конвейера memory_extraction: любую локальную, облачную или самостоятельно размещённую модель, для которой вы приносите собственный ключ, без наценки реселлера. Затем порог важности отсеивает малоценных кандидатов, прежде чем что-либо будет записано.\n\nХранение по замыслу local-first. Извлечённые воспоминания сначала передаются в хранилище на устройстве (таблица local_memories никогда не синхронизируется с облаком) и лишь затем, если у вас есть аккаунт и вы онлайн, векторизуются и зеркалируются в хранилище памяти рабочего пространства. Такой порядок выбран намеренно: пользователь, работающий полностью локально или офлайн, всё равно получает каждое воспоминание, а почти одинаковые факты дедуплицируются при записи. Позже агенты и Maestro вспоминают эти воспоминания через семантический поиск: запрос векторизуется, сопоставляется с хранилищем, и каждое совпадение возвращается с собственным цитируемым адресом memory://, так что вы видите в точности, какой запомненный факт лёг в основу ответа. Весь путь к тому же подключаемый: вы можете привязать собственный memory_extractor, а встроенный экстрактор osFoundry служит запасным вариантом.
Ключевые возможности
- Извлекает из каждого диалога после уплотнения устойчивые воспоминания: заявленные факты, решения и их причины, предпочтения, ограничения и явные просьбы \"запомни это\".
- Прогоняет дешёвую проверку значимости перед любым обращением к модели, поэтому извлечение тратит ваш собственный API-ключ лишь на репликах, которые правдоподобно несут что-то стоящее, а не на каждом обмене.
- Использует вашу собственную цепочку моделей BYOK для роли memory_extraction, локально или в облаке, без наценки реселлера на выполняемые вызовы.
- Хранение local-first: извлечённые воспоминания сначала пишутся в хранилище на устройстве (никогда не синхронизируется с облаком), поэтому сохраняются даже офлайн или без аккаунта.
- Оценивает каждое воспоминание по важности и типу, дедуплицирует почти одинаковые факты и делает их доступными позже через семантический поиск памяти с цитируемыми источниками memory://.
Сценарии использования
- Инженер-консультант: Maestro помнит, что клиент настоял на Postgres вместо DynamoDB и почему, поэтому недели спустя агент не переоткрывает уже закрытое решение.
- Исследователь, заботящийся о приватности: предпочтения и факты проекта остаются в хранилище памяти на устройстве, которое никогда не синхронизируется с облаком, и доступны полностью офлайн на ваших собственных ключах.
- Тимлид, стандартизирующий соглашения: стоит вам сказать \"наша команда предпочитает табы\" или \"не трогай файлы миграций\", как это ограничение фиксируется и всплывает в дальнейшей работе.
Часто задаваемые вопросы
Отправляет ли извлечение памяти мои диалоги на серверы osFoundry?
Нет. Извлечённые воспоминания сначала пишутся в хранилище на устройстве, и эта локальная таблица памяти никогда не синхронизируется с облаком. Только если у вас есть аккаунт и вы онлайн, воспоминания дополнительно векторизуются и зеркалируются в ваше собственное хранилище памяти рабочего пространства. Сам вызов модели для извлечения выполняется на ключе, который приносите вы, - серверы osFoundry никогда не обращаются к LLM от вашего имени.
Запускает ли это дорогой ИИ-вызов после каждого сообщения?
Нет. Извлечение происходит только после того, как диалог уплотнён, и даже тогда сначала срабатывает дешёвая проверка значимости - быстрая проверка вашего сообщения на шаблоны вроде заявленных предпочтений, решений или формулировок \"запомни это\". Обычная рабочая болтовня отбрасывается до любого обращения к модели, поэтому ваш API-ключ не списывается на репликах, в которых нет ничего стоящего.
Как Maestro использует воспоминание после извлечения?
Воспоминания сохраняются с типом, оценкой важности и тегами, а затем становятся доступны через семантический поиск. Когда это уместно, агент векторизует запрос, ищет в хранилище и подтягивает подходящие факты - каждый с цитируемым источником memory://, так что вы можете проследить, какая запомненная деталь сформировала ответ. Модель memory_extraction вы выбираете через роли конвейера BYOK в osFoundry.