Описание
CheeseDB — это специализированный движок базы данных, разработанный для управления памятью ИИ, акцентируя внимание на отслеживании источников и выборочном забвении. В отличие от традиционных баз данных, CheeseDB гарантирует, что каждая единица информации, или «память», напрямую связана с ее оригинальным источником. Эта основополагающая конструкция решает критическую проблему в разработке агентов ИИ: когда выявляется ненадежный источник, простое удаление источника недостаточно; все воспоминания, вытекающие из него, также должны быть удалены, чтобы предотвратить продолжение работы агента на основе неверных, злонамеренных или конфиденциальных данных.
Читать далее
Движок позволяет пользователям и агентам ИИ взаимодействовать с воспоминаниями, используя запросы на простом английском. Используя модель встраивания, CheeseDB находит воспоминания по смыслу, устраняя необходимость в точных совпадениях ключевых слов. Когда память вспоминается, она навсегда удаляется из результатов поиска, гарантируя, что агенты получают доступ только к действительной информации. Система поддерживает различные серверы встраивания, совместимые с OpenAI, включая локальные варианты, такие как Ollama, LM Studio, oMLX и vLLM, или хостинг API, позволяя пользователям хранить свои воспоминания на своих машинах для повышения конфиденциальности.
Внутри CheeseDB структурирует каждую запись на три части: заголовок для ID и хэш-цепочки, структура для типа и зависимостей источника, и само содержимое. Эта архитектура гарантирует, что даже после удаления содержимого история и зависимости остаются проверяемыми, сохраняя целостность цепочки памяти. Содержимое, вместе с его вектором поиска, является единственной частью, удаляемой во время операции удаления, что делает удаление действительно постоянным из файлов.
Для разработчиков CheeseDB предлагает библиотеку Go для прямой интеграции и локальный сервер MCP для приложений, таких как Claude Code и Cursor. Он предоставляет инструменты для создания индексов, встраивания данных и поиска. Инструмент командной строки позволяет легко устанавливать и взаимодействовать, включая команду `find`, чтобы проверить, что удаленный текст действительно исчез. Хотя в настоящее время находится в предварительном просмотре, CheeseDB идеально подходит для сценариев, где агенты ИИ учатся на ненадежных источниках, требуют глубокого воспоминания цепи, нуждаются в поиске на простом английском, требуют проверяемого удаления данных или интегрируются с приложениями MCP без обширного кодирования. Название 'CheeseDB' вдохновлено практиками безопасности пищевых продуктов, где загрязненные партии молока приводят к отзыву конкретных сыров, отражая то, как база данных вспоминает воспоминания, связанные с плохими источниками.
- КатегорияВекторные базы данных и поиск
- РазвёртываниеВстроенный
- ПлатформыmacOS, Linux
Основные функции CheeseDB
Управление памятью с учетом источников для агентов ИИ
Запросы на простом английском для воспоминаний
Выборочное забвение путем описания того, что нужно удалить
Хэшированная база данных памяти для целостности данных
Встроенная библиотека Go для прямой интеграции
Локальный сервер MCP для Claude Code, Cursor и других приложений MCP
Поддержка серверов встраивания, совместимых с OpenAI (Ollama, LM Studio, oMLX, vLLM)
Поиск памяти по смыслу, а не только по ключевым словам
Проверяемое удаление содержимого с сохранением истории
Сегменты только для добавления для данных агентов на диске
Восстанавливает семейное дерево, счетчики ног и таблицу смещений из журнала
Инструмент командной строки для взаимодействия и проверки
Разработан на macOS и протестирован на Linux
Не требуется внешняя модель или сеть для основной функциональности
Интеграция с существующими векторными хранилищами путем хранения ID памяти
Как использовать CheeseDB?
Установите CheeseDB: используйте `go install github.com/govinargo-labs/cheesedb/cmd/cheesedb@latest`, чтобы получить инструмент командной строки.
Настройте модель встраивания: добавьте две строки в `~/.cheesedb/llm.conf`, чтобы указать ваш сервер встраивания, совместимый с OpenAI (например, Ollama, LM Studio).
Запомните воспоминания: новые воспоминания становятся доступными для поиска по мере их запоминания; используйте `cheesedb embed alice`, чтобы восполнить старые.
Ищите воспоминания: задавайте вопросы на простом английском, используя `cheesedb search [agent_name] "ваш вопрос?"`, чтобы найти соответствующие воспоминания.
Получите ответы: используйте `cheesedb ask [agent_name] "ваш вопрос?"`, чтобы модель чата ответила на основе ближайших живых воспоминаний.
Забудьте воспоминания: опишите, что нужно забыть, с помощью `cheesedb forget [agent_name] "описание"`; подтвердите удаление после проверки.
Проверьте удаление: используйте `cheesedb find`, чтобы искать необработанные байты и подтвердить, что удаленный текст действительно исчез из файлов.
Варианты использования CheeseDB
- Управление ненадежными источниками ИИ
- Глубокое воспоминание цепи
- Поиск памяти на простом английском
- Проверяемое удаление данных
- Интеграция с приложениями MCP
- Решения с встроенной библиотекой Go
- Предотвращение отравления памяти
- Обработка запросов на удаление пользовательских данных





