SARIPATI

Локальное, не зависящее от провайдера хранилище знаний для любого ИИ-хоста.

sari pati (малайск.) — суть, концентрированный экстракт.

Большинство ИИ-инструментов начинают каждый разговор с чистого листа. SARIPATI — это слой памяти, расположенный под любым ИИ, который вы уже используете — Claude Code, Cursor, Windsurf, Cline, Continue, — и позволяющий знаниям накапливаться между сессиями. ИИ сам проводит исследования своими инструментами; вы вызываете SARIPATI, чтобы извлечь и сохранить суть. Недели спустя он находит её семантически.

Это не чат-приложение. Он не запускает LLM и не требует API-ключей. Вся ваша база знаний — это один файл SQLite на вашей собственной машине.

Зачем

• Накопление, а не одноразовость. Результаты исследования, проведённого в сессии, сохраняются и накапливаются по темам — корпус растёт каждый раз, когда запускается агент, а не только когда вы делаете заметки.

• Семантический поиск, локально. Встроенные эмбеддинги (all-MiniLM-L6-v2) обеспечивают гибридный семантический + ключевой поиск полностью на устройстве.

• Наглядность. Запускаемая по требованию панель управления делает растущую базу знаний доступной для просмотра, поиска и экспорта.

• Нулевая привязка. Локальный SQLite, лицензия MIT, без облачного аккаунта, без вендора.

Related MCP server: Memory MCP

Не-цели

• Не чат-приложение и не обёртка над LLM — он не запускает и не требует LLM.

• Никакой облачной зависимости.

• Не привязан ни к одному конкретному ИИ-хосту или провайдеру.

Установка

1. npx (рекомендуется)

npx saripati init          # create the vault, print the config, detect your host
npx saripati init --write  # also register SARIPATI with detected hosts

Затем ваш хост подключается по имени пакета — никаких путей к папкам, и ничто не сломается:

{
  "mcpServers": {
    "saripati": { "command": "npx", "args": ["-y", "saripati", "mcp"] }
  }
}

Перезапустите ваш ИИ-хост. При первом использовании recall/save один раз загружается модель эмбеддингов размером ~90 МБ, после чего всё работает офлайн навсегда.

2. Один бинарный файл (Node не требуется)

Скачайте saripati для вашей платформы со страницы Releases и укажите его в конфигурации хоста.

Инструменты

Типичный сценарий: ИИ выполняет веб-исследования своими инструментами → вызывает save_research → через неделю вы (или ИИ) вызываете recall → открываете панель управления, чтобы просмотреть и экспортировать.

Панель управления

npx saripati ui        # opens http://localhost:4319

Просматривайте и ищите по корпусу, изучайте записи и их источники, смотрите активность во времени и экспортируйте любое отфильтрованное представление в Markdown (из браузера можно распечатать в PDF). Только чтение; она читает то же хранилище, в которое пишет MCP-сервер.

Как это работает

AI host (its own web tools)  ──stdio/MCP──▶  saripati mcp
                                                 │
                    embed (MiniLM 384d) ─────────┤
                    hybrid search (vec ∪ FTS5) ──┤
                                                 ▼
                                    ~/.saripati/vault.db  (SQLite)
                                                 ▲
                                    saripati ui ─┘ (read-only dashboard)

• Хранение: SQLite через better-sqlite3.

• Векторы: sqlite-vec (vec0) — эмбеддинги нормализованы по L2, поэтому KNN ранжирует как косинусная мера.

• Поиск по ключевым словам: SQLite FTS5.

• Слияние: Reciprocal Rank Fusion объединяет два ранжирования.

• Эмбеддинги: @xenova/transformers запускает all-MiniLM-L6-v2 внутри процесса.

Данные по умолчанию находятся в ~/.saripati/ (переопределяется с помощью SARIPATI_HOME или SARIPATI_DB).

Разработка

npm install
npm run build      # tsc → dist/
npm test           # end-to-end smoke test
npm run dev -- mcp # run from source via tsx

Лицензия

MIT © Kyou