ruvnet/RuVector

何を解決するか

RuVectorは、AIエージェントのメモリと意思決定のための高速でローカル優先の基盤を提供します。基本的な意味的検索には外部データベースサーバーやAPIキーを必要としないため、エージェントはセッション間で永続的なメモリを維持し、完全な大規模言語モデル（LLM）を毎回呼び出すことなく、高速かつ型付きの意思決定を行うことができます。

動作方法

RuVectorはRustネイティブのコアを使用してベクトル埋め込みとストレージを処理します。ONNXを介したローカルな意味的埋め込みと永続的なベクトル検索をサポートしています。システムは「メモリループ」として設計されており、エージェントがイベントをキャプチャし、それらをベクトルとして永続化し、類似性やグラフ関係を通じて再検索し、その後結果を記録して将来の行動を適応させます。作業メモリ、エピソードメモリ、意味的メモリ、手続き的メモリ、因果メモリなど、複数のメモリクラスを提供し、圧縮（量子化）、時間的減衰（最近のメモリを優先）、グラフベースの再構成のためのツールも備えています。

対象ユーザー

低遅延のローカルメモリを必要とするAIエージェントを開発する開発者、Node.jsまたはRustアプリケーションに埋め込み可能な永続性を求める開発者、ホストされたベクトルデータベースに依存せずに複雑なメモリアーキテクチャ（例：Reflexionやマルチホップ知識グラフ）を構築したい開発者に最適です。

特徴

• ローカル優先の実行: ONNXを使用してローカルで意味的埋め込みとベクトル検索を実行し、遅延とAPIコストを削減します。
• 型付き意思決定エンジン: 限定されたタスク（例：意図分類）に特化したツールで、完全なLLMよりも高速に信頼度と放棄情報（abstention）を返します。
• 包括的なメモリタイプ: エピソードメモリ、手続き的メモリ、因果/グラフメモリなど、幅広いメモリ構造をサポートします。
• 拡張可能な永続性: ローカルファイルベースの VectorDB、PostgreSQL拡張、ブラウザベースのWASMストレージなど、複数のストレージバックエンドを提供します。
• 因果的・関係的メモリ: 明示的な関係性とマルチホップ再検索を可能にするグラフおよびハイパーグラフストレージを含みます。
• 改ざん検出可能な履歴: ハッシュリンク記録と証人ログを使用して、メモリの整合性を保証します。