इस प्रोजेक्ट के बारे में

Memvid एक AI मेमोरी सिस्टम है जो डेटा, एम्बेडिंग, खोज संरचनाओं और मेटाडेटा को एक पोर्टेबल .mv2 फ़ाइल में पैकेज करता है। यह बहु-सेवा RAG पाइपलाइनों और सर्वर-आधारित वेक्टर डेटाबेस के विकल्प के रूप में है, जिससे एजेंट सीधे स्थानीय फ़ाइल से स्थायी दीर्घकालिक मेमोरी प्राप्त कर सकते हैं। भंडारण डिज़ाइन अपरिवर्तनीय, केवल-जोड़ें स्मार्ट फ्रेम पर आधारित है जिसमें सामग्री, टाइमस्टैम्प, चेकसम और मेटाडेटा शामिल हैं। फ्रेम को संपीड़न, अनुक्रमण और समानांतर पढ़ने के लिए समूहीकृत किया जाता है, जो टाइमलाइन निरीक्षण, रीप्ले, ब्रांचिंग, पिछले राज्यों पर क्वेरी और प्रतिबद्ध फ्रेम के माध्यम से क्रैश रिकवरी का समर्थन करता है। फ़ाइल प्रारूप में एक हेडर, एम्बेडेड राइट-आगे लॉग, संपीड़ित डेटा खंड, फुल-टेक्स्ट और वेक्टर इंडेक्स, एक समय इंडेक्स और एक तालिका-की-सामग्री फुटर शामिल है, बिना अलग साइडकार फ़ाइलों के। खोज और अंतर्ग्रहण क्षमताएं Rust फीचर फ्लैग के माध्यम से सक्षम हैं। lex सुविधा Tantivy के साथ BM25 फुल-टेक्स्ट खोज प्रदान करती है, जबकि vec HNSW वेक्टर समानता खोज और स्थानीय ONNX टेक्स्ट एम्बेडिंग प्रदान करती है। समर्थित स्थानीय एम्बेडिंग मॉडल में BGE-small, BGE-base, Nomic Embed Text, और GTE-large शामिल हैं। एक स्थायी मॉडल-बाइंडिंग जांच विभिन्न मॉडल से एम्बेडिंग के साथ इंडेक्स क्वेरी करने से रोकने में मदद करती है। api_embed सुविधा OpenAI एम्बेडिंग मॉडल का समर्थन करती है, जिसमें text-embedding-3-small, text-embedding-3-large, और ada-002 शामिल हैं। अतिरिक्त वैकल्पिक सुविधाओं में PDF टेक्स्ट निष्कर्षण और सफाई, छवि खोज के लिए CLIP दृश्य एम्बेडिंग, चयन योग्य मॉडल आकारों के साथ Whisper ऑडियो प्रतिलेखन, प्राकृतिक-भाषा अस्थायी ट्रैकिंग, मल्टीथ्रेडेड अंतर्ग्रहण, और पासवर्ड-आधारित एन्क्रिप्टेड .mv2e कैप्सूल शामिल हैं। रिपॉजिटरी में बुनियादी जीवनचक्र संचालन, PDF अंतर्ग्रहण, दृश्य खोज, Whisper प्रतिलेखन, और टेक्स्ट एम्बेडिंग के उदाहरण शामिल हैं। Memvid एक Rust कोर क्रेट, एक Node.js SDK, एक Python SDK, और एक स्टैंडअलोन CLI प्रदान करता है। Rust क्रेट को Rust 1.85.0 या नया संस्करण चाहिए और Apache License 2.0 के तहत जारी किया गया है। README में दीर्घकालिक एजेंट, उद्यम ज्ञान आधार, ऑफ़लाइन-पहले अनुप्रयोग, कोडबेस समझ, समर्थन एजेंट, व्यक्तिगत ज्ञान सहायक, और ऑडिट योग्य AI वर्कफ़्लो जैसे उपयोग मामले सूचीबद्ध हैं। इसके रिपोर्ट किए गए बेंचमार्क परिणाम, जिसमें विलंबता और LoCoMo सटीकता आंकड़े शामिल हैं, स्वतंत्र रूप से सत्यापित माप के बजाय परियोजना दावे हैं।