Description
CheeseDB est un moteur de base de données spécialisé conçu pour la gestion de la mémoire AI, mettant l'accent sur la traçabilité des sources et l'oubli sélectif. Contrairement aux bases de données traditionnelles, CheeseDB garantit que chaque information, ou « mémoire », est directement liée à sa source originale. Ce design fondamental répond à un problème critique dans le développement d'agents AI : lorsqu'une source peu fiable est identifiée, il ne suffit pas de supprimer la source ; toutes les mémoires qui en dérivent doivent également être purgées pour empêcher l'agent de continuer à agir sur des données incorrectes, malveillantes ou privées.
Lire la suite
Le moteur permet aux utilisateurs et aux agents AI d'interagir avec les mémoires en utilisant des requêtes en anglais simple. En s'appuyant sur un modèle d'embedding, CheeseDB trouve des mémoires par signification, éliminant ainsi le besoin de correspondances exactes de mots-clés. Lorsqu'une mémoire est rappelée, elle est définitivement retirée des résultats de recherche, garantissant que les agents n'accèdent qu'à des informations valides. Le système prend en charge divers serveurs d'embedding compatibles avec OpenAI, y compris des options locales comme Ollama, LM Studio, oMLX et vLLM, ou des API hébergées, permettant aux utilisateurs de conserver leurs mémoires sur leurs propres machines pour une meilleure confidentialité.
Sous le capot, CheeseDB structure chaque enregistrement en trois parties : un en-tête pour l'ID et la chaînage par hachage, une structure pour le type et les dépendances de source, et le contenu lui-même. Cette architecture garantit que même après l'effacement du contenu, l'historique et les dépendances restent vérifiables, préservant l'intégrité de la chaîne de mémoire. Le contenu, ainsi que son vecteur de recherche, est la seule partie supprimée lors d'une opération d'effacement, rendant la suppression véritablement permanente des fichiers.
Pour les développeurs, CheeseDB propose une bibliothèque Go pour une intégration directe et un serveur MCP local pour des applications comme Claude Code et Cursor. Il fournit des outils pour créer des index, intégrer des données et effectuer des recherches. L'outil en ligne de commande permet une installation et une interaction faciles, y compris une commande `find` pour vérifier que le texte effacé est vraiment disparu. Bien qu'il soit actuellement en prévisualisation, CheeseDB est idéal pour les scénarios où les agents AI apprennent à partir de sources peu fiables, nécessitent un rappel de chaîne approfondi, ont besoin de recherches en anglais simple, exigent une suppression de données vérifiable ou s'intègrent à des applications MCP sans codage extensif. Il est développé sur macOS et testé sur Linux, avec un support Windows en attente. Le nom « CheeseDB » s'inspire des pratiques de sécurité alimentaire, où des lots de lait contaminés entraînent le rappel de fromages spécifiques, reflétant comment la base de données rappelle des mémoires liées à de mauvaises sources.
- CatégorieBases de données vectorielles et récupération
- DéploiementIntégré
- PlateformesmacOS, Linux
Fonctionnalités principales de CheeseDB
Gestion de mémoire consciente de la source pour les agents AI
Interrogation en anglais simple pour les mémoires
Oubli sélectif en décrivant ce qu'il faut supprimer
Base de données de mémoire chaînée par hachage pour l'intégrité des données
Bibliothèque Go intégrée pour une intégration directe
Serveur MCP local pour Claude Code, Cursor et d'autres applications MCP
Support pour les serveurs d'embedding compatibles avec OpenAI (Ollama, LM Studio, oMLX, vLLM)
Recherche de mémoire par signification, pas seulement par mots-clés
Effacement vérifiable du contenu tout en préservant l'historique
Segments en ajout uniquement pour les données des agents sur disque
Reconstruit l'arbre généalogique, les compteurs de jambes et la table des décalages à partir du journal
Outil en ligne de commande pour l'interaction et la vérification
Développé sur macOS et testé sur Linux
Aucun modèle externe ou réseau requis pour la fonctionnalité de base
Intégration avec des magasins de vecteurs existants en stockant les ID de mémoire
Comment utiliser CheeseDB ?
Installer CheeseDB : Utilisez `go install github.com/govinargo-labs/cheesedb/cmd/cheesedb@latest` pour obtenir l'outil en ligne de commande.
Configurer le modèle d'embedding : Ajoutez deux lignes à `~/.cheesedb/llm.conf` pour spécifier votre serveur d'embedding compatible avec OpenAI (par exemple, Ollama, LM Studio).
Se souvenir des mémoires : Les nouvelles mémoires deviennent recherchables au fur et à mesure qu'elles sont mémorisées ; utilisez `cheesedb embed alice` pour rattraper les anciennes.
Rechercher des mémoires : Posez des questions en anglais simple en utilisant `cheesedb search [agent_name] "votre question ?"` pour trouver des mémoires pertinentes.
Obtenir des réponses : Utilisez `cheesedb ask [agent_name] "votre question ?"` pour qu'un modèle de chat réponde à partir des mémoires les plus proches.
Oublier des mémoires : Décrivez ce qu'il faut oublier avec `cheesedb forget [agent_name] "description"` ; confirmez l'effacement après révision.
Vérifier l'effacement : Utilisez `cheesedb find` pour rechercher des octets bruts et confirmer que le texte effacé est vraiment disparu des fichiers.
Cas d'utilisation de CheeseDB
- Gestion des sources AI peu fiables
- Rappel de mémoire en chaîne profonde
- Recherche de mémoire en anglais simple
- Effacement de données vérifiable
- Intégration avec des applications MCP
- Solutions de bibliothèque Go intégrée
- Prévention de l'empoisonnement de mémoire
- Gestion des demandes de suppression de données utilisateur





