khive: Lokalny wykres wiedzy - czas wykonania dla agentów AI o długim horyzoncie
khive, od Ohdearquant, to runtime grafu wiedzy badawczej, który dostarcza trwałą, typowaną pamięć dla agentów AI. Działa jako serwer Model Context Protocol i wyodrębnia encje oraz relacje do zapytalnego grafu, aby agenci mogli utrzymywać kontekst na poziomie projektu i ujawniać sprzeczności. Kluczowe możliwości obejmują system encji typu dziewięciu rodzajów, hybrydowe pobieranie łączące FTS5 i podobieństwo wektorowe, powierzchnię czasownika MCP oraz śledzenie pochodzenia. Jest skierowany do programistów i badaczy budujących długoterminowe przepływy pracy agentów.
Jakie zadania można faktycznie do tego wykorzystać?
khive działa jako czas wykonania grafu wiedzy, który daje agentom trwały, typowany substrat do odczytu i aktualizacji. System obsługuje dziewięć różnych rodzajów encji, w tym koncepcje, dokumenty, zbiory danych, projekty i zasoby, a także automatycznie wyodrębnia encje i relacje, aby agenci mogli śledzić pochodzenie i stan projektu w różnych sesjach. Typowe zastosowania to koordynacja badań długoterminowych, wykrywanie sprzeczności w notatkach oraz strukturalne zarządzanie zadaniami napędzane logiką agenta.
Jak dokładne jest wydobycie i strukturalny wynik?
Wydobycie łączy wyszukiwanie słów kluczowych FTS5 z podobieństwem wektorowym i łączy wyniki za pomocą Reciprocal Rank Fusion, projektu mającego na celu zwiększenie dokładności odzyskiwania dla mieszanych zapytań. Pakiet pamięci klasyfikuje notatki według semantycznej istotności i wdraża zanik, aby zmniejszyć wagę przestarzałych elementów. Pochodzenie jest rejestrowane za pomocą pakietu Git do pobierania kodu źródłowego, dzięki czemu strukturalne wyniki zachowują metadane pochodzenia, które agenci mogą zapytać podczas walidacji lub śledzenia źródeł informacji.
Jakie dane wejściowe i zapytania akceptuje oraz jak działa przechodzenie?
khive przyjmuje dokumenty i kod za pomocą modułowych pakietów i udostępnia prymitywy przechodzenia grafu dla agentów. System obsługuje zapytania w stylu BFS, najkrótszej ścieżki oraz GQL/SPARQL przez typowane krawędzie. Domyślnie khive ładuje zestaw funkcjonalnych pakietów, takich jak KG, GTD, Pamięć, Mózg i Git, które deweloperzy mogą rozszerzać. Typowane krawędzie i powierzchnia zapytań pozwalają agentom śledzić zależności i tworzyć wieloetapowe ścieżki rozumowania.
Jak radzi sobie z opóźnieniami i lokalnym przetwarzaniem danych?
khive jest zbudowany do lokalnego wykonywania na wydajnym backendzie SQLite i uruchamia w tle demona o nazwie khived, który automatycznie uruchamia się przy pierwszym żądaniu, aby utrzymać modele osadzania i połączenia z bazą danych w gotowości. Taki projekt zmniejsza opóźnienia przy zimnym starcie dla powtarzających się interakcji agenta i utrzymuje przechowywanie grafów i wektorów w systemie gospodarza. Orientacja na pojedynczy plik binarny eliminuje potrzebę zewnętrznych baz danych grafowych jako części lokalnego czasu wykonania.
khive to skoncentrowany wybór infrastruktury dla deweloperów agentów
Zainstaluj przez Cargo za pomocą 'cargo install kkernel' lub przez npm za pomocą 'npm install -g khive', aby uruchomić binarkę kkernel lokalnie i sparować ją z klientem MCP, takim jak Claude Desktop lub rozszerzenia IDE. khive pasuje do deweloperów i badaczy, którzy potrzebują typowanej, trwałej pamięci agenta; oczekuj pracy integracyjnej, aby połączyć go z twoim stosem agentów i nauczyć się powierzchni czasowników MCP dla skutecznej automatyzacji.
