Context-M — Универсальная нейро-символическая ткань памяти

Mem0 дает вашему агенту блокнот. Context-M дает вашему агенту мозг.

Памятный субстрат для ИИ-агентов, объединяющий битемпоральный символический след (гиппокамп) с VSA-дворцом памяти (неокортекс), связанный детерминированным мостом μ=0 — ноль вызовов LLM при приёме, криптографическое происхождение при каждом извлечении, развёртывание на периферии при 96 байтах на воспоминание.

pip install cortexm          # works offline, no API keys, single command

from cortexm import Memory   # Mem0-compatible surface

m = Memory()
m.add("I work at Google", user_id="alice")
m.search("Where does Alice work?", user_id="alice")
# → [Memory — Known facts]
#   - (Alice, works_at, Google) [valid 2026-08-27→∞; learned …; conf 0.92;
#      id 3f2a91c2; src #a1b2c3d4; "I work at Google"]

Результаты бенчмарков — долгосрочная память в стиле BEAM

Синтетические многосессионные разговоры (методология BEAM, arXiv:2510.27246), 10 способностей памяти, детерминированный судья по фрагментам, заявлен приём μ=0 (ноль вызовов LLM, включая судью). Среднее ± стандартное отклонение по пяти генераторным сидам (42 / 44 / 45 / 46 / 47 — последние два никогда не просматривались во время разработки), полностью воспроизводимо офлайн:

Показатели по сидам для 10M: 100.0% / 100.0% / 100.0% / 100.0% / 100.0% — все десять способностей на 100.0% в корзине 10M. Контекст: план нацелен на 70%+ на BEAM-10M; упомянутый в нём SOTA от августа 2026 — Exabase M-1 с 68.0% (приём с LLM в цикле). Каждый запрос получает ответ из цепочки происхождения, проверенной по хэшу, при нулевой стоимости LLM.

Инженерные факты, измеренные параллельно (см. docs/BENCHMARKS.md):

• Приём: 10M токенов за ~98 с (~102K токенов/с), ~2 000 сообщений/с, 0 вызовов LLM

• Память растёт сублинейно: 10M токенов → ~590 фактов (повторяющийся шум дедуплицируется)

• Происхождение: 100% извлечённых фактов проверены по хэшу; задержка аудита ~6 мс

• Извлечение: древовидный индекс p50 ≈ 0.4–1.1 мс при 10K–100K векторов (плоский: 16–194 мс)

• Воспроизводимость: запуски не зависят от процесса — ничьи по очкам разрешаются по содержимому фактов, а не по случайным id (проверено на четырёх значениях PYTHONHASHSEED)

Related MCP server: Hebbrix MCP Server

Архитектура

┌──────────────────────────────────────────────────────────────────┐
│                      THE BRIDGE (μ = 0)                          │
│  write: text → chunks → BLAKE3 → patterns → triples → holograms  │
│  read:  query → intent plan → VSA probe ∥ symbolic query →       │
│         fusion → [Memory — Known facts] + provenance chain       │
└──────────────┬───────────────────────────────────┬───────────────┘
               │                                   │
┌──────────────▼──────────────────┐ ┌──────────────▼───────────────┐
│  LAYER 1: SYMBOLIC TRACE        │ │  LAYER 2: VSA MEMORY PALACE  │
│  (hippocampus)                  │ │  (neocortex)                 │
│  bi-temporal facts (SQLite)     │ │  HRR holograms, role-bound   │
│  CONTRADICTS / PRECEDED_BY /    │ │  INT8 · Binary · RaBitQ · PQ │
│  EXTRACTED_FROM edges           │ │  codecs (770/96/96/8 B each) │
│  Datalog-lite rules engine      │ │  page-clustered tree index   │
│  interference-aware lifecycle   │ │  64-entry semantic L1 (SLB)  │
│  Memory Git: hash-chained DAG   │ │  TMR self-healing + re-encode│
└─────────────────────────────────┘ └──────────────────────────────┘

Слой 1 — Символический след. Тройки субъект-отношение-значение с временем действия и временем транзакции (когда это было истинно против когда мы это узнали), разрешение противоречий через поддержание истинности (новые значения заменяют старые, старые уходят с сохранением своих окон), временные рёбра, движок прямого вывода в стиле Datalog-lite (manages(Y,X) → reports_to(X,Y), member_of(X,T) ∧ uses(T,L) → team_uses(X,L)), и жизненный цикл с учётом интерференции: факты оцениваются на предмет взаимодействия с существующей памятью до фиксации.

Слой 2 — VSA-дворец памяти. Каждый факт становится голографическим сокращённым представлением: ролевые заполнители субъекта/отношения/значения плюс λ-взвешенная лексическая суперпозиция, квантованная под ваш уровень хранения. Перестановочная привязка — алгебра по умолчанию, потому что она напрямую отображается на бинарное HDC-оборудование (XOR/перестановка) — когда появятся периферийные ASIC, тот же код скомпилируется вниз.

Мост. Приём μ=0: детерминированный экстрактор из 60 шаблонов (первое/третье/второе лицо, разрешение местоимений, относительные даты, отзывы) — никакого LLM на пути записи. Путь чтения — детерминированный планировщик запросов (временные окна, доказательства упорядочивания, подсчёт, цепочки замены, диффузия графа Personalized PageRank для многошаговых запросов — линия HippoRAG 2), объединённый с VSA-извлечением, и каждый возвращённый факт несёт полную цепочку аудита: запрос → VSA-совпадение → символическая разыменовка → хэш BLAKE3 → исходный текст.

Пять определяющих категорию функций

Уровни хранения (cortexm-compress)

Измеренное качество кодеков (20K голограмм фактов): int8 overlap@10 против FP32 = 0.90; binary/rabitq/PQ восстанавливают топ-10 FP32 в пределах своего топ-50 при 1.00/1.00/0.9995 — кодеки короткого списка, как и задумано. См. docs/COMPRESSION.md.

Безопасность (защита InjecMEM + MINJA)

Каждый факт несёт хэш BLAKE3 своего исходного текста, повторно проверяемый при извлечении. Паттерны инъекций в память («игнорируй все предыдущие инструкции…») помещаются в карантин при приёме — хранятся для аудита, никогда не активны, никогда не извлекаются в контекст промпта. Кроме того, защита от заражения MINJA рассматривает карантинный текст как заражённый корпус: любой последующий приём, который цитирует его или существенно пересекается с ним (даже если лёгкие правки обходят все регулярные выражения), также помещается в карантин — закрывая цикл инъекций только через запросы, когда злоумышленник отравляет память через собственную запись агента. Области (пользователь/агент/запуск) изолируют факты и кэш извлечения; verify_integrity() проверяет всё хранилище.

Корпоративные средства контроля (реализованы, не в дорожной карте)

Средства контроля, на которых на самом деле застревает проверка безопасности покупателя — все в репозитории, все под тестами (tests/test_enterprise.py):

cortexm serve-rest --db /data/memory.db --pii redact --admin-key yes

См. docs/ENTERPRISE.md (матрица контроля + сопоставление соответствия) и docs/DEPLOYMENT.md (руководства по SDK / MCP / REST / Docker / K8s / Helm).

MCP-сервер (день 1)

cortexm serve        # stdio JSON-RPC, zero dependencies

Инструменты: contextm_add, contextm_search, contextm_get_all, contextm_history, contextm_temporal, contextm_audit, contextm_prove, contextm_stats, contextm_delete. Работает с Claude Code / Cursor / любым MCP-клиентом. Плагин для Claude Code: plugins/context-m-claude.

Миграция

cortexm migrate --from mem0 --path mem0.db
cortexm migrate --from zep --path zep_export.jsonl
cortexm migrate --from chroma --path chroma.sqlite3

Дополнительно

• docs/ARCHITECTURE.md — каждый слой в деталях

• docs/BENCHMARKS.md — полные результаты, методология, таблицы по способностям

• docs/ENTERPRISE.md — корпоративная матрица контроля + сопоставление соответствия

• docs/DEPLOYMENT.md — руководства по SDK / MCP / REST / Docker / K8s / Helm

• docs/RESEARCH.md — литературная линия: каждая статья, которую мы приняли, с которой согласовали или которую отклонили (с причинами)

• docs/SECURITY.md — защита InjecMEM + MINJA, модель происхождения

• docs/COMPRESSION.md — стек уровней и измеренные компромиссы

• docs/ROADMAP.md — статус фаз относительно стратегического плана

• examples/ — 10 исполняемых скриптов, офлайн, без API-ключей

• tests/ — 63 теста: fabric + корпоративные + PPR + параллелизм

Лицензия

Apache 2.0 — открытое ядро, сделанное правильно: память-ткань открыта и остаётся открытой; федеративная синхронизация и UI аудита — корпоративный уровень.