ruvector

RuVector fournit un substrat de mémoire persistant et adaptatif pour les agents IA qui doivent se souvenir entre les sessions. Le système combine des embeddings sémantiques locaux (utilisant all-MiniLM-L6-v2 par défaut), un stockage vectoriel persistant avec index HNSW et plats, des relations de graphe et hypergraphe, un apprentissage par retour explicite via SONA MicroLoRA et consolidation EWC++, ainsi que des contrôles du cycle de vie de la mémoire incluant compaction, instantanés et réplication. La mémoire est organisée en classes : travail/session, épisodique/Reflexion, sémantique, procédurale, causale/relationnelle, apprentissage, partagée et auditable. Le noyau VectorDB offre un stockage vectoriel durable avec filtrage de métadonnées, collections/alias pour l'isolation des espaces de noms, et plusieurs modes de récupération incluant similarité dense, hybride sparse-dense, ANN conscient des prédicats, décroissance temporelle, contrôle de cohérence, reconstruction de graphe, MaxSim multi-vecteurs, reclassement GNN, entonnoir Matryoshka et ANN sur disque. Les surfaces de déploiement incluent le paquet npm (ruvector) pour Node.js/TypeScript, la crate Rust (ruvector-core), le paquet WASM (@ruvector/wasm) pour navigateurs, le service HTTP (ruvector-server), l'extension PostgreSQL (ruvector-postgres), les conteneurs cognitifs RVF, et le cerveau partagé hébergé optionnel (mcp-brain). Les binaires natifs couvrent Linux x64/arm64, macOS x64/arm64 et Windows x64. Capacités clés : embeddings locaux sans frais d'API par requête, embedding par lots/parallèle, index HNSW/plats, ingestion à écriture élevée basée sur LSM (ruvector-lsm-ann), stockage de graphe (ruvector-graph), compression via quantification de produit et RaBitQ, récupération à accès contrôlé par capacité, traçabilité inviolable via témoins RVF, primitives de réplication et composants Raft. Le monorepo inclut des crates spécialisées pour cohérence temporelle, recherche hybride, ANN conscient des prédicats ACORN, MaxSim, reclassement GNN, Matryoshka, DiskANN, compaction de mémoire d'agent, codecs tensoriels temporels, condensation de graphe, instantanés, branches copy-on-write, cohérence de cache et ANN à accès contrôlé par capacité. Limites connues : AgenticMemory unifié manque de sauvegarde/chargement natif et de consolidation inter-types ; le filtrage de métadonnées réduit les ensembles candidats ; le démarrage à froid HNSW reconstruit l'index ; la cohérence temporelle utilise un graphe par paires exact ; la compaction n'est pas intégrée aux chemins par défaut ; les instantanés incrémentaux et les backends cloud sont incomplets ; la réplication/Raft n'est pas prête pour la production ; GNN/MRAgent/Darwin sont des surfaces de recherche ; RVF et PostgreSQL nécessitent des chaînes d'outils séparées. Sécurité : les embeddings sont traités comme des dérivés sensibles ; les collections ne sont pas des frontières d'autorisation ; les témoins RVF sont inviolables mais non chiffrés ; les suppressions ne se propagent pas aux instantanés/répliques ; le cerveau partagé est un plan hébergé nécessitant une revue ; épingler les modèles pour les déploiements hors ligne ; séparer l'exécution d'outils de la récupération. Des benchmarks sont inclus pour la recherche de base, les écritures LSM, la cohérence temporelle, la récupération à accès contrôlé et la récupération Matryoshka. Nécessite Rust 1.77+. Sous licence MIT.