prx-memory

prx-memory არის Rust MCP სერვერი, რომელიც ხელოვნური ინტელექტის აგენტებს აძლევს მუდმივ, საძიებო მეხსიერებას. აგენტები ინახავენ ცოდნას ამოცანის შესრულების დროს და იხსენებენ მას მომავალ სესიებში, რაც უზრუნველყოფს ცოდნის დაგროვებას მთელი პაიპლაინის მასშტაბით.

ტრანსპორტები

prx-memory მხარს უჭერს ორ MCP ტრანსპორტს:

ტრანსპორტი	გამოყენების შემთხვევა
stdio	პირდაპირი ინტეგრაცია CLI აგენტებთან (claude-code, codex)
HTTP	ქსელში ხელმისაწვდომი სერვერი მრავალ-აგენტური გაშლებისთვის (საჭიროებს --features http)

MCP ინსტრუმენტები

prx-memory აქვეყნებს 14 MCP ინსტრუმენტს:

ძირითადი ოპერაციები

ინსტრუმენტი	აღწერა
store	ახალი მეხსიერების ჩანაწერის შენახვა შინაარსით, ტეგებით და მნიშვნელობის ქულით
recall	მეხსიერებების მოძიება სემანტიკური მსგავსებით, საკვანძო სიტყვის შესაბამისობით ან ტეგის ფილტრით
update	არსებული მეხსიერების შინაარსის, ტეგების ან მნიშვნელობის შეცვლა
forget	მეხსიერების რბილი წაშლა (აღდგენადი)
list	მეხსიერებების ჩამოთვლა გვერდებითა და ფილტრებით
stats	მეხსიერების საცავის სტატისტიკის დაბრუნება (რაოდენობა, ტეგების განაწილება, შენახვის ზომა)

მასობრივი ოპერაციები

ინსტრუმენტი	აღწერა
store_dual	მეხსიერების შენახვა როგორც მოკლე შეჯამებით, ისე სრული შინაარსით
export	ყველა მეხსიერების ექსპორტი JSON-ში სარეზერვო ასლისთვის ან მიგრაციისთვის
import	მეხსიერებების იმპორტი JSON ექსპორტიდან
migrate	მეხსიერების საცავის სქემის მიგრაცია ახალ ვერსიაზე

გაფართოებული ოპერაციები

ინსტრუმენტი	აღწერა
reembed	ყველა მეხსიერების ემბედინგების რეგენერაცია (ემბედინგის პროვაიდერის შეცვლის შემდეგ)
compact	დუბლიკატი ან თითქმის-დუბლიკატი მეხსიერებების გაერთიანება საცავის ზომის შესამცირებლად
evolve	MSES თვითევოლუციის ციკლის გაშვება (იხ. ქვემოთ)
skill_manifest	ყველა ინსტრუმენტისა და მათი პარამეტრების სტრუქტურირებული მანიფესტის დაბრუნება

ჰიბრიდული მოძიება

როცა აგენტი იძახებს recall-ს, prx-memory უშვებს მრავალ-სიგნალიან მოძიების პაიპლაინს:

მოთხოვნა
  │
  ├── BM25 საკვანძო სიტყვის ძებნა (მეჩხერი)
  ├── კოსინუს მსგავსება ემბედინგებზე (მკვრივი)
  │
  ▼
ქულის შერწყმა
  │
  ├── სიახლის ბუსტი (ახალ მეხსიერებებს აქვთ მეტი ქულა)
  ├── მნიშვნელობის წონა (მომხმარებლის მინიჭებული მნიშვნელობა)
  ├── დედუპლიკაცია (თითქმის-დუბლიკატების ჩახშობა)
  │
  ▼
არჩევითი ხელახალი რანჟირება
  │
  ▼
Top-K შედეგები

ხელახალი რანჟირების პროვაიდერები

ჩართვისას, მოძიებული კანდიდატები ხელახლა რანჟირდება სპეციალიზებული მოდელით უფრო მაღალი სიზუსტისთვის:

პროვაიდერი	შენიშვნები
Jina Reranker	Jina AI-ის ხელახალი რანჟირების API
Cohere Rerank	Cohere-ის ხელახალი რანჟირების ბოლო წერტილი
Pinecone Rerank	Pinecone-ის ინფერენსის API

ხელახალი რანჟირება არჩევითია და ნაგულისხმევად გამორთულია. ჩართეთ, როცა მოძიების სიზუსტე უფრო მნიშვნელოვანია ვიდრე დაყოვნება.

ემბედინგის პროვაიდერები

prx-memory გენერირებს ვექტორულ ემბედინგებს სემანტიკური ძებნისთვის. მხარდაჭერილი პროვაიდერები:

პროვაიდერი	მოდელები	შენიშვნები
OpenAI-თავსებადი	text-embedding-3-small, text-embedding-3-large, ან ნებისმიერი თავსებადი ბოლო წერტილი	ნაგულისხმევი; მუშაობს OpenAI, Azure, ლოკალურ სერვერებთან
Jina	jina-embeddings-v3	Jina AI-ის ემბედინგის API
Gemini	text-embedding-004	Google-ის ემბედინგის მოდელი

კონფიგურირეთ პროვაიდერი და მოდელი კონფიგურაციის ფაილში. პროვაიდერის შეცვლის შემთხვევაში გაუშვით reembed ინსტრუმენტი ყველა არსებული ემბედინგის რეგენერაციისთვის.

თვითევოლუცია (MSES)

მეხსიერების თვითევოლუციის სისტემა (MSES) ავტომატურად ოპტიმიზირებს მოძიების პარამეტრებს:

1. კანდიდატის შერჩევა — აირჩიეთ ევოლუციისთვის პარამეტრი (მაგ., BM25 წონა, სიახლის დაცხრომა, მსგავსების ზღვარი)
2. სატრენინგო ნაკრების ქულა — კანდიდატების შეფასება ცნობილი-კარგი მოთხოვნა/შედეგის წყვილების სატრენინგო ნაკრებზე
3. სატესტო ნაკრების ქულა — საუკეთესო კანდიდატის ვალიდაცია ცალკე სატესტო ნაკრებზე გადაჯდომის თავიდან ასაცილებლად
4. გამოყენება ან უარყოფა — თუ სატესტო ნაკრების ქულა უმჯობესდება, ახალი პარამეტრი მიიღება; წინააღმდეგ შემთხვევაში, მიმდინარე მნიშვნელობა ინარჩუნება

ევოლუცია შეიძლება ხელით გაეშვას evolve MCP ინსტრუმენტით, ან კონფიგურირებული იყოს გრაფიკით.

მმართველობა

prx-memory მოიცავს მმართველობის კონტროლებს მრავალ-აგენტური და მრავალ-გუნდური გაშლებისთვის:

სტანდარტიზაციის პროფილები

განსაზღვრეთ სახელდებისა და შინაარსის სტანდარტები, რომლებსაც ყველა შენახული მეხსიერება უნდა შეესაბამებოდეს. აქტიურ პროფილს ამრღვევი მეხსიერებები უარყოფილია ან ავტო-კორექტირდება.

ტეგების ტაქსონომია

ტეგების კონტროლირებული ლექსიკის აღსრულება. თავისუფალი ფორმის ტეგები შეიძლება ავტომატურად დაისახოს კანონიკურ ტეგებზე.

თანაფარდობის ზღვრები

მეხსიერების კატეგორიებისთვის მინიმალური და მაქსიმალური თანაფარდობების დაყენება (მაგ., „მეხსიერებების მინიმუმ 10% უნდა იყოს შეცდომების შაბლონები”, „მაქსიმუმ 50% შეიძლება იყოს კოდის ფრაგმენტები”). ეს თავიდან აცილებს საცავის დომინირებას ერთი კატეგორიით.

ფარგლების ACL

კონტროლი, რომელ აგენტებს ან მომხმარებლებს შეუძლიათ კონკრეტული მეხსიერების ფარგლების წაკითხვა/ჩაწერა. ფარგლები ყოფენ მეხსიერების საცავს, რათა პროექტის სპეციფიკური ცოდნა არ გაჟონოს საზღვრებს მიღმა.

კონფიგურაცია

[storage]
path = "~/.prx-memory/store.db"

[embedding]
provider = "openai"
model = "text-embedding-3-small"
api_key_env = "OPENAI_API_KEY"

[retrieval]
bm25_weight = 0.3
semantic_weight = 0.7
recency_half_life_days = 30
top_k = 10

[reranker]
enabled = false
provider = "jina"

[evolution]
enabled = false
schedule = "weekly"

გაშვება

# stdio რეჟიმი (პირდაპირი აგენტის ინტეგრაციისთვის)
cargo run --release

# HTTP რეჟიმი (ქსელში ხელმისაწვდომი)
cargo run --release --features http

# მორგებული კონფიგურაციით
cargo run --release -- --config /etc/prx-memory/config.toml