разбор · памятьтема в работе · H 1.34
6.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал
Mnemosyne: локальная память агентов на SQLite с 32-кратным сжатием
Mnemosyne — локальная библиотека Python для постоянной памяти ИИ-агентов на базе SQLite, работающая офлайн. Использует двухуровневую эпизодически-ассоциативную память (BEM) с гибридным поиском и сжатием векторов в 32 раза. Показывает 65,2% на бенчмарке BAM, но отстаёт в упорядочивании событий и имеет ограничения SQLite.
Mnemosyne даёт ИИ постоянную память на SQLite: оффлайн, мгновенно, без облака. 65% точности, 23 инструмента…
что из этого моё
Можно применить для создания локальной памяти агентов в оркестрации: заменить облачные векторные БД на SQLite-решение, снизить задержки и стоимость, обеспечить приватность. Полезно для автоматизации, где нужен долгосрочный контекст без внешних сервисов.
Что забрать
отметь, что берёшь в работу → или отбрось как не своёмоё →
установить Mnemosyne через pip и проверить хранение памяти в одном SQLite-файле
подключить Mnemosyne к своему агенту через хуки жизненного цикла для автоподгрузки контекста
замерить объём памяти при сжатии векторов до 48 байт на своих данных
о чём говорят, по времени
главы доводят до 06:00 · дальше по ролику меток нет
01
Проблема памяти ИИ00:00 ↗
Обсуждение ограничений контекста и облачных решений.
02
Появление Mnemosyne01:30 ↗
Представление библиотеки: локальная, офлайн, SQLite.
03
Архитектура BEM03:00 ↗
Трёхуровневая память и гибридный поиск.
04
Бенчмарки и производительность04:30 ↗
Результаты на датасете BAM 100k.
05
Интеграция с Hermes Agent06:00 ↗
23 инструмента, две команды, хуки жизненного цикла.