context-lattice

Context Lattice es un índice de memoria independiente y verificable de fuentes para exportaciones de conversaciones de agentes de codificación de IA. Apúntalo a JSON o JSONL producidos por herramientas como Codex, Cursor, Kiro o tu propio agente, y obtén un paquete compacto de evidencia en lugar de volver a reproducir todo el historial en la siguiente ventana de contexto.

Los registros originales permanecen inmutables. Los resúmenes jerárquicos son índices de navegación con pérdida y desechables. Cada resultado remite al archivo fuente, al registro JSON y al hash SHA-256.

Inicio rápido

No se requiere clave de API ni base de datos externa. Python 3.11+ es compatible.

cd /path/to/context-lattice
python3 -m pip install -e .

context-lattice init --root ~/exports/coding-sessions/
context-lattice ingest ~/exports/coding-sessions/
context-lattice query "Why did we change the retry policy?"
context-lattice query "What is the latest payment reference?" --json --debug
context-lattice inspect
context-lattice verify
context-lattice doctor

De forma predeterminada, la base de datos se crea en ~/.context-lattice/memory.db. Puedes sobrescribirla con --db /path/to/memory.db. La ingesta acepta un único .json, un .jsonl o un árbol de directorios que contenga ambos. init imprime una configuración MCP lista para pegar con la misma base de datos y las mismas raíces de fuentes, evitando así la desviación de configuración entre CLI y servidor.

Related MCP server: TimeReverse

Instalar como servidor MCP

Context Lattice expone memory_search, memory_get, memory_explain, memory_sync y memory_status a través de MCP local por stdio. Configura la base de datos y una lista de fuentes permitidas explícita, y después apunta cualquier cliente compatible con MCP al ejecutable instalado:

{
  "mcpServers": {
    "context-lattice": {
      "command": "context-lattice-mcp",
      "env": {
        "CONTEXT_LATTICE_DB": "/absolute/path/to/memory.db",
        "CONTEXT_LATTICE_ALLOWED_ROOTS": "/absolute/path/to/agent/sessions"
      }
    }
  }
}

Cuando hay varias raíces permitidas se usa el separador de rutas de la plataforma (: en macOS/Linux, ; en Windows). memory_sync es la única operación MCP que altera datos. La evidencia de búsqueda se marca explícitamente como no confiable, está acotada por un presupuesto de tokens y se puede resolver hasta los hashes de fuente. Consulta docs/MCP.md.

Adaptadores de entrada

--adapter auto examina los envoltorios de los registros y actualmente reconoce:

• codex: JSONL de eventos que contiene registros session_meta y response_item;

• cursor: conversaciones exportadas que contienen mensajes, burbujas o turnos;

• kiro: JSONL de role/content con encabezado de metadatos;

• claude: JSONL de proyectos de Claude Code con bloques de mensajes anidados;

• canonical: el formato estable de Context Lattice v1;

• genérico: formas comunes de role/content, speaker/text y mensajes anidados.

Los formatos de los proveedores pueden cambiar. Los adaptadores de Codex, Cursor y Kiro son intencionadamente tolerantes y están probados con fixtures, pero el esquema canónico es el límite de integración garantizado: schemas/conversation-v1.schema.json. Consulta examples/canonical.json para ver el ejemplo completo más pequeño.

{
  "schema": "context-lattice/v1",
  "conversation_id": "release-planning",
  "messages": [
    {
      "role": "user",
      "content": "The deployment region is ap-south-1.",
      "timestamp": "2026-08-20T10:00:00Z",
      "fact_key": "deployment-region",
      "entities": ["ap-south-1"]
    }
  ]
}

Los registros sin contenido conversacional reconocible se cuentan como omitidos. Los registros malformados o con errores se informan en el resultado de la importación y se guardan en el registro de auditoría de importación. Reimportar el mismo archivo es idempotente.

Modelo de recuperación

• eventos originales inmutables y de solo anexión en SQLite;

• JSON original sin procesar más la procedencia del archivo/registro y los hashes;

• FTS5/BM25 para identificadores exactos;

• un índice invertido de postings dispersos con una línea base offline de hashing por características;

• árboles de resumen cronológicos de aridad fija;

• fusión de rango recíproco entre candidatos léxicos, semánticos y jerárquicos;

• cadenas de corrección mediante valores opcionales fact_key;

• expansión de búsqueda activada por desacuerdos y abstención basada en confianza;

• presupuestos explícitos de tokens de evidencia y trazas de recuperación inspeccionables.

El indexador y el recuperador son deterministas y no realizan llamadas a LLM. El modelo semántico incluido es hashing por características, por lo que es portable y exactamente reproducible, aunque más débil que un modelo de embeddings aprendido. Un LLM externo puede consumir la evidencia; no se le confía el mantenimiento del índice de memoria. El límite del embedder puede reemplazarse sin cambiar el contrato de evidencia.

La jerarquía cronológica es un índice de navegación similar a un árbol de segmentos. No puede sustituir a la búsqueda semántica ni a la léxica: los árboles recortan rangos de tiempo, mientras que FTS5 y los postings dispersos localizan términos y conceptos. Los dot product en el momento de la consulta se agregan dentro de SQLite, y solo un conjunto raíz acotado y un haz descienden por el árbol. Consulta docs/ARCHITECTURE.md.

Probar y evaluar

python3 -m unittest discover -s tests -v
python3 -m context_lattice.cli eval --output benchmark-results.json
python3 -m context_lattice.cli golden-eval --output golden-results.json
python3 -m context_lattice.cli demo \
  "What is the current meeting room for team-3?"

La evaluación determinista de 50 preguntas compara una ventana de tokens recientes, un resumen continuo, la búsqueda vectorial plana y la recuperación híbrida jerárquica. Su answer_accuracy es una métrica de suficiencia de la evidencia, no una puntuación de un juez LLM. Consulta benchmark-results.json y DESIGN.md.

El conjunto golden-v1 revisado manualmente es la puerta de lanzamiento para la recuperación de fuentes, la precisión, la clasificación, los hechos obsoletos, los resultados sin respaldo, la integridad de las citas y la recuperación de ramas de la jerarquía. Hace fallar el comando intencionadamente cuando los umbrales experimentan una regresión. Consulta docs/GOLDEN_EVAL.md.

Postura de producción

El núcleo local-first incluye actualizaciones atómicas del índice por conversación, concurrencia WAL, bloqueo de mantenimiento entre procesos, eventos inmutables, verificación de fuentes, entradas y recuperación acotadas, listas de permitidos MCP seguras frente a enlaces simbólicos anidados, comprobaciones de compatibilidad de esquema, CI y puertas de lanzamiento deterministas. context-lattice doctor comprueba la integridad de la base de datos, la vigencia de los índices, FTS5, los permisos, SQLite, Python y MCP. Los formatos de los proveedores siguen siendo no oficiales y pueden cambiar; el esquema canónico v1 es el límite de integración estable. Revisa SECURITY.md antes de exponer cualquier cosa más allá del stdio local. La lista de verificación de lanzamiento concreta y los no objetivos actuales están en docs/RELEASE_GATES.md.