Signet: Открытая платформа локального хранения данных для ИИ-агентов

Что решает Signet

Большинство современных систем памяти для ИИ-агентов работают по принципу RAG (Retrieval-Augmented Generation): сообщение пользователя → поиск в памяти → получение результатов → ответ. Это работает для явных запросов, но даёт сбой, когда релевантный контекст является неявным.

Примеры из источника:

• «Настрой базу данных для нового сервиса» должно напомнить, что PostgreSQL уже был выбран
• «Моя транскрипция отклонена, нет записей на моё имя» должно напомнить, что пользователь изменил имя
• «На какое время поставить будильник для встречи в 8:30?» должно напомнить о времени на дорогу

Проблема не в хранении — а в том, что эти системы ждут, пока текущее сообщение не будет содержать достаточно сигналов для запроса, чтобы извлечь нужный прошлый контекст.

Как работает Signet

Signet обрабатывает память вне цикла агента с помощью следующей архитектуры:

• Сохраняет исходные транскрипты
• Преобразует сессии в структурированную память
• Связывает сущности, ограничения и отношения в граф
• Использует обход графа + гибридный поиск для формирования набора кандидатов
• Переранжирует кандидатов по релевантности для промпта
• Внедряет контекст до начала следующего промпта

Агент не решает, что сохранять или когда искать — он начинает с уже доступного контекста. Это переход от поиска, зависящего от запроса, к фоновому вспоминанию.

Технические детали

Signet:

• Локально-ориентированный (SQLite + markdown)
• Проверяемый и ремонтопригодный
• Работает с Claude Code, Codex, OpenCode и OpenClaw

На LoCoMo он в настоящее время достигает 87,5% точности ответов при 100% Hit@10 на выборке из 8 вопросов. Разработчик отмечает, что это небольшая выборка, но подход выглядит перспективным.