Genesys

Интеллектуальный уровень для памяти ИИ.

Механизм оценки + причинно-следственный граф + менеджер жизненного цикла для памяти ИИ-агентов. Поддерживает протокол MCP.

Что это такое

Genesys — это механизм оценки, причинно-следственный граф и менеджер жизненного цикла для памяти ИИ. Воспоминания оцениваются по мультипликативной формуле (релевантность × связность × реактивация), соединяются в причинно-следственный граф и активно удаляются, когда становятся неактуальными. Система подключается к любому хранилищу и поддерживает протокол MCP.

Related MCP server: tentra

Зачем это нужно

• Плоская память не масштабируется. Сброс всего в векторное хранилище дает извлечение без понимания. 500-е воспоминание перекрывает 5 действительно важных.

• Нет забывания = нет интеллекта. Настоящие системы памяти забывают. Без активной очистки ваш ИИ утонет в устаревшем контексте.

• Нет причинно-следственного мышления. Векторное сходство не может ответить на вопрос «почему я выбрал X?» — для этого нужен граф.

Ваш ИИ помнит всё, но не понимает ничего. Genesys исправляет это.

Быстрый старт

Большинству пользователей стоит начать с Варианта 1 (в оперативной памяти). Если вы хотите полностью локальное решение без API-ключей, перейдите к Варианту 3: Obsidian + локально.

Вариант 1: В оперативной памяти (без зависимостей)

Самый быстрый способ попробовать Genesys. База данных не требуется — состояние хранится в оперативной памяти и при необходимости сохраняется в JSON-файл.

pip install genesys-memory
cp .env.example .env
# Set OPENAI_API_KEY in .env

uvicorn genesys.api:app --port 8000

Чтобы сохранять данные после перезапуска, установите GENESYS_PERSIST_PATH в файле .env:

GENESYS_PERSIST_PATH=.genesys_state.json

Дайте это Claude, чтобы он настроил всё за вас: "Установи genesys-memory, создай .env с моим ключом OpenAI, запусти сервер на порту 8000 с бэкендом в оперативной памяти и подключи его как MCP-сервер."

Вариант 2: Postgres + pgvector (для продакшена)

Постоянное, масштабируемое хранилище с векторным поиском через pgvector.

pip install 'genesys-memory[postgres]'
cp .env.example .env

Отредактируйте .env:

OPENAI_API_KEY=sk-...
GENESYS_BACKEND=postgres
DATABASE_URL=postgresql://genesys:genesys@localhost:5432/genesys

Запустите Postgres и выполните миграции:

docker compose up -d postgres
alembic upgrade head
GENESYS_BACKEND=postgres uvicorn genesys.api:app --port 8000

Дайте это Claude, чтобы он настроил всё за вас: "Установи genesys-memory[postgres], запусти контейнер Postgres с pgvector через docker compose, выполни миграции alembic, создай .env с моим ключом OpenAI и DATABASE_URL, запусти сервер с GENESYS_BACKEND=postgres и подключи его как MCP-сервер."

Вариант 3: Obsidian Vault (локально-ориентированный)

Превращает ваше хранилище Obsidian в хранилище памяти Genesys. Markdown-файлы становятся узлами памяти, [[вики-ссылки]] — причинно-следственными связями. SQLite-файл (.genesys/index.db) отвечает за индексацию.

pip install 'genesys-memory[obsidian]'
cp .env.example .env

Отредактируйте .env:

OPENAI_API_KEY=sk-...
GENESYS_BACKEND=obsidian
OBSIDIAN_VAULT_PATH=/path/to/your/vault

Запустите сервер:

uvicorn genesys.api:app --port 8000

При первом запуске Genesys индексирует все .md-файлы в хранилище и создает эмбеддинги. Наблюдатель за файлами выполняет инкрементальную переиндексацию при редактировании заметок.

Если OBSIDIAN_VAULT_PATH не задан, Genesys автоматически определяет его, ища .obsidian/ в ~/Documents/personal, ~/Documents/Obsidian и ~/obsidian.

Полностью локально (без API-ключей)

Используйте локальный провайдер эмбеддингов для работы в режиме Obsidian без внешних зависимостей:

pip install 'genesys-memory[obsidian,local]'

GENESYS_BACKEND=obsidian
GENESYS_EMBEDDER=local
OBSIDIAN_VAULT_PATH=/path/to/your/vault
# No OPENAI_API_KEY needed

uvicorn genesys.api:app --port 8000

Для эмбеддингов используется all-MiniLM-L6-v2 (384-размерность) через sentence-transformers. Модель загружается при первом использовании (~80 МБ).

Подключите Claude Desktop — добавьте в ваш claude_desktop_config.json:

{
  "mcpServers": {
    "genesys": {
      "url": "http://localhost:8000/mcp"
    }
  }
}

Или для Claude Code:

claude mcp add --transport http genesys http://localhost:8000/mcp

Дайте это Claude, чтобы он настроил всё за вас: "Установи genesys-memory[obsidian,local], создай .env с GENESYS_BACKEND=obsidian, GENESYS_EMBEDDER=local и OBSIDIAN_VAULT_PATH к моему хранилищу по адресу [YOUR_VAULT_PATH], запусти сервер на порту 8000 и подключи его как MCP-сервер. API-ключи не нужны."

Вариант 4: FalkorDB (графовый)

Использует FalkorDB (графовая база данных на базе Redis) для нативного обхода графа.

pip install 'genesys-memory[falkordb]'
cp .env.example .env

Отредактируйте .env:

OPENAI_API_KEY=sk-...
GENESYS_BACKEND=falkordb
FALKORDB_HOST=localhost

Запустите FalkorDB и сервер:

docker compose up -d falkordb
uvicorn genesys.api:app --port 8000

Дайте это Claude, чтобы он настроил всё за вас: "Установи genesys-memory[falkordb], запусти контейнер FalkorDB через docker compose, создай .env с моим ключом OpenAI и GENESYS_BACKEND=falkordb, запусти сервер на порту 8000 и подключи его как MCP-сервер."

Из исходного кода

git clone https://github.com/rishimeka/genesys.git
cd genesys
pip install -e '.[dev]'

Скрипты для наполнения данными

Два вспомогательных скрипта наполняют запущенный экземпляр Genesys демонстрационными данными через REST API. Они требуют запущенного сервера с настроенной аутентификацией Clerk.

cp .env.example .env
# Set CLERK_SECRET_KEY and CLERK_USER_ID in .env

python seed_demo.py      # Creates 25 memories with causal edges and runs recall queries
python seed_recalls.py   # Runs 5 rounds of recall queries to build reactivation history

Оба скрипта считывают учетные данные из переменных окружения (через .env). См. .env.example для всех необходимых переменных.

Подключение к вашему ИИ

Claude Code

claude mcp add --transport http genesys http://localhost:8000/mcp

Claude Desktop

Добавьте в ваш claude_desktop_config.json:

{
  "mcpServers": {
    "genesys": {
      "url": "http://localhost:8000/mcp"
    }
  }
}

Любой MCP-клиент

Укажите клиенту адрес MCP-эндпоинта:

http://localhost:8000/mcp

Инструменты MCP

Как это работает

Каждое воспоминание оценивается тремя силами, перемноженными друг на друга:

decay_score = relevance × connectivity × reactivation

• Релевантность со временем убывает. Старые воспоминания исчезают, если их не подкреплять.

• Связность поощряет воспоминания с большим количеством причинно-следственных связей. Узловые воспоминания выживают.

• Реактивация усиливает воспоминания, к которым часто обращаются. Частота имеет значение.

Поскольку формула мультипликативная, воспоминание должно иметь высокий балл по всем трем осям, чтобы выжить. Сильно связанное, но никогда не используемое воспоминание все равно угаснет. Часто извлекаемое, но причинно-следственно изолированное воспоминание также исчезнет.

STORE → ACTIVE → DORMANT → FADING → PRUNED
           ↑                    │
           └── reactivation ────┘
                                  (only if score=0, orphan, not pinned)

Воспоминания также могут быть повышены до статуса основных (core) — структурно важных воспоминаний, которые автоматически закрепляются и никогда не удаляются.

Результаты тестирования

Протестировано на бенчмарке долгосрочной памяти LoCoMo (1540 вопросов в 10 диалогах, категория 5 исключена — состязательные вопросы, где истина содержит фактические ошибки, например, неверные даты и атрибуции событий):

Модель ответов: gpt-4o-mini | Модель оценки: gpt-4o-mini | Извлечение k=20

Для контекста: Mem0 набрал 67.1%, а Zep — 75.1% на том же бенчмарке. Полные скрипты воспроизведения находятся в benchmarks/.

Бэкенды хранилища

Конфигурация

Скопируйте .env.example в .env и установите:

См. .env.example для всех опций.

Создатели

Genesys создан Риши Мека в Astrix Labs. Он появился из-за разочарования от необходимости постоянно пересказывать контекст проекта Claude в каждой сессии. Цель — создать интеллектуальный уровень между вашим LLM и вашей памятью — полностью с открытым исходным кодом.

Участие в разработке

См. CONTRIBUTING.md.

Лицензия

AGPL-3.0-or-later

Примечание: Релизы Genesys до v0.3.6 ошибочно документировались как Apache 2.0. Файл LICENSE всегда содержал текст AGPLv3. Начиная с v0.3.6, вся документация корректно ссылается на AGPL-3.0-or-later с Соглашением о лицензировании участников (Contributor License Agreement).