Polign: 为边缘智能体设计的无状态、类型化数据库

Polign 是一款轻量级、无状态的数据库，旨在为运行在硬件受限的边缘设备上的 AI 智能体提供确定性记忆。通过将记忆管理从 LLM 的提示词上下文转移到类型化模式（schema）中，Polign 降低了 token 成本，并消除了与语义检索和矛盾信息相关的歧义。

通过类型化模式实现确定性记忆

Polign 将记忆管理的责任从 LLM 转移到了结构化的数据库模式中。在传统的智能体记忆系统中，LLM 通常必须通过重新阅读旧文本并猜测哪个版本是当前的，来解决矛盾——例如用户更改了偏好。这个过程会消耗 token 并引入潜在的不准确性。

Polign 利用具有覆盖规则（supersession rules）的类型化记忆存储。当模型提取一个事实时，数据库会根据模式来确定该事实的含义和有效性，而不是要求模型去判断一段被召回的文本是修正还是矛盾。这允许进行结构化过滤和精确召回，例如直接在数据库中执行数值比较（例如，检查一个值是否高于 8000），而不是依赖 LLM 来解释一段文本。

适用于边缘部署的无状态架构

为了最大限度地降低运营成本和硬件要求，polign_db 构建为一个无状态服务器，运行在位于对象存储（如 S3）中的混合向量与 BM25 引擎之上。

关键架构特性包括：

零持久化状态： polign_db 服务器不持有任何持久化数据，允许进程重启或机器故障而不会丢失记忆。
低资源占用： 一个演示系统，通过 S3 提供 1250 万条段落服务，其服务器空闲时的 RSS 约为 37 MiB。整个技术栈——包括嵌入器（embedder）和 Web 应用——可以适配在 2 GB 的 ARM 机器上。
冷启动优先设计： 系统针对低频、冷查询进行了优化，避免了在 RAM 或 SSD 中使用昂贵的“热”向量索引的需求。

本地智能体技术栈

Polign 提出了一种模块化的“本地智能体技术栈”，其中智能和记忆完全驻留在用户的设备上。该技术栈由三个主要层组成：

Local LLM： 处理对话和高层逻辑。
Typed Memory： 管理验证、覆盖、结构化过滤和语义召回。
Durable Local Store： 一个本地目录（例如，/var/lib/agent），确保用户拥有自己的数据。

社区反馈与批评

虽然 Polign 的技术目标专注于效率和确定性，但该项目在许可协议和独特性方面面临着开发者社区的批评。

开源问题担忧

一些 Hacker News 用户指出，底层 polign_db 的闭源性质是基础设施工具采用过程中的一个重大障碍。

"There are countless agent memory stores today. Closed source is a non-starter."

感知到的差异化不足

一些批评者认为，所提供的功能——特别是托管在 S3 上的向量数据库——使用现有的开源工具现在已经非常容易实现。

"A vector database hosted in S3 is effectively trivial to set up at this point in time. What are you offering that I can't get from prompting a powerful enough model?"

其他用户建议了替代方案，例如对于寻求本地智能体记忆开源等效方案的用户，可以使用 Litestream 配合基于 SQLite 的向量设计。