Shodh-Memory 0.1.80

Shodh-Memory je framework navržený k řešení problému ztráty kontextu u AI agentů (jako jsou Claude, GPT nebo Cursor) mezi jednotlivými sessions. Systém je postaven v jazyce Rust a distribuován jako jediná binární složka o velikosti přibližně 17 MB. Využívá tříúrovňovou architekturu inspirovanou Cowanovým modelem pracovní paměti: pracovní paměť pro okamžité podněty, session paměť pro střednědobý kontext a dlouhodobou paměť postavenou na RocksDB pro trvalé ukládání informací. Celý proces učení probíhá přímo na hardwaru uživatele, což zajišťuje soukromí a možnost nasazení v izolovaných (air-gapped) prostředích.

Technologické jádro Shodh-Memory implementuje pokročilé neurovědecké koncepty, jako je Hebbovo učení (posilování spojení mezi souvisejícími vzpomínkami), aktivace útlumu (postupné zapomínání nevyužívaných informací) a sémantická konsolidace. Pro extrakci entit využívá model TinyBERT NER, který identifikuje osoby a organizace, a následně vytváří graf znalostí. Vyhledávání v paměti probíhá hybridně – kombinuje sémantické vyhledávání pomocí vektorů s grafovým šířením aktivace. Systém rovněž integruje metodologii GTD (Getting Things Done) pro správu úkolů a projektů přímo skrze AI agenta.

Hlavní funkcionality:

• Perzistentní paměť: Umožňuje AI agentům pamatovat si rozhodnutí a učit se z předchozích interakcí.
• MCP integrace: Plná podpora protokolu Model Context Protocol pro snadné propojení s editory Claude a Cursor.
• Kognitivní tiering: Automatický přesun důležitých informací z krátkodobé do dlouhodobé paměti.
• GTD systém: Integrovaná správa úkolů s kontexty, prioritami a projekty ovladatelná přirozeným jazykem.
• Sémantické vyhledávání: Vysoce výkonné vyhledávání (latence 34–58 ms) založené na významech a souvislostech.
• TUI Dashboard: Terminálové rozhraní pro vizualizaci grafu znalostí a monitorování aktivity paměti v reálném čase.
• Multi-platformní podpora: Dostupné pro Linux, macOS (včetně Apple Silicon) a Windows.