Saule White Paper v2.0

Революция искусственного интеллекта, превращая интеллект в товар, коренным образом меняет смысл бытия человеком, мышления и принятия решений. Сегодня способность к рассуждению (reasoning) с каждым днем становится дешевле, быстрее и доступнее. Машины анализируют, синтезируют и производят за нас. Однако в тени этой великой ментальной революции тихо и опасно исчезает нечто: наш собственный контекст, то есть наша личная и корпоративная память. Человеческий разум основывает свои решения не только на холодных логических правилах момента; он опирается на следы прошлого, принятые риски, отброшенные альтернативы и уникальные намерения (intentions), присущие конкретному моменту. Как бы ни развивался интеллект, он обречен висеть в воздухе, если у него нет оригинальной базы памяти, которая его направляет.

Сегодняшняя главная дилемма, с которой мы сталкиваемся в цифровом мире, — это не недостаток информации, а фрагментация и утрата контекста. Электронные письма, заметки, сообщения и мгновенные чаты, которыми мы пользуемся, хранят фрагменты нашего разума и нашей работы; но ни один из них не знает всей картины. Более того, даже помощники искусственного интеллекта, которые облегчают нашу жизнь сегодня, предлагают нам иллюзию временной памяти. Их память плоская, привязана к модели, и обречена на стирание, когда закрываются окна чата. Мы вынуждены каждый день с нуля объяснять себя, нашу работу и наши цели помощникам искусственного интеллекта. Эта ситуация постоянно ввергает нас в цифровую забывчивость и истощает нашу энергию принятия решений (наши когнитивные ресурсы Системы 2), постоянно пытаясь вспомнить контекст вчерашнего дня.

Этот документ — радикальное заявление о намерениях, направленное против этого молчаливого кризиса. Он далек от того, чтобы быть рекламной брошюрой продукта или маркетинговым материалом; его цель — представить новый базовый инфраструктурный уровень в мире компьютерных и когнитивных наук: Семантический Слой Памяти (Semantic Memory Layer). На протяжении этого документа мы будем исследовать три основных вопроса:

• Почему? Когда интеллект становится повсеместным, зачем нам нужен независимый слой памяти для сохранения человеческого познания и обеспечения устойчивого конкурентного преимущества?

• Как? Как мы можем преобразовать ассоциативные, эпизодические и избирательные принципы работы человеческой памяти в конкретные и работающие программные правила?

• Что мы строим? Как мы технически реализуем семантическую память, независимую от моделей, основанную на абсолютном суверенитете пользователя и являющуюся живой?

Saule был написан не для того, чтобы заменить человеческий интеллект; а для того, чтобы сделать человеческий разум и наш коллективный разум абсолютным хозяином собственной памяти, за пределами времени и пространства.

Технология, ускоряя наш разум, растворяет нашу память и идентичность.

Человеческий разум растет благодаря следам, которые он оставляет во внешнем мире. Каждое созданное нами средство памяти, от каменных табличек до бумаги, от печатного станка до цифровых центров обработки данных, было частью нашей воли к преодолению биологических границ. Однако сегодня, впервые в истории, мы разрабатываем системы, которые не просто хранят информацию, но и активно рассуждают (reasoning) над ней. В то время как модели искусственного интеллекта обрабатывают огромные объемы данных и генерируют ответы за считанные секунды, мы, чтобы не отставать от этой скорости, передаем им наш собственный контекст, исходные точки наших решений и наши ментальные отпечатки. Эта передача постепенно отчуждает нас от нашего собственного разума.

Часть I представит философскую анатомию этой когнитивной трансформации и вызванного ею кризиса. В этом разделе мы исследуем потерю памяти, скрывающуюся за обещанием технологии сделать нас умнее; почему память является единственным устойчивым конкурентным преимуществом в мире, где интеллект становится повсеместным и превращается в товар; и почему для сохранения этой памяти нам нужен совершенно новый программный уровень (Semantic Memory Layer). Потому что помнить — это не просто знать вчерашний день; это сила выбирать, кто мы есть и с каким намерением мы отправимся в путь завтра.

Традиционное ПО хранит информацию. Saule хранит опыт.

Система понимает: Почему было принято решение? Кто на него повлиял? Какие были альтернативы? Какие условия были активны? Как информация развивалась со временем?

Память оживает.

Проблема современного человека — не в нехватке информации. Это кризис фрагментированной памяти.

Наши знания живут внутри этих инструментов:

Электронная почта | Slack | WhatsApp | Google Диск | Notion | Календари | CRM-системы | ИИ-чат-боты

Каждая платформа помнит лишь небольшую часть истории. Ни одна не знает истории целиком.

Информация сохраняется. Контекст теряется.

Современные системы ИИ кажутся умными, потому что помнят разговоры. Однако эта память: Привязана к конкретной платформе, Заблокирована в модели, Временна, Зависима от поставщика (vendor-lock).

Накопленный вами контекст принадлежит поставщику ИИ, а не вам. При переходе от одной модели к другой месяцы или годы контекстного понимания мгновенно исчезают.

Мир верит, что строит интеллект. На самом деле он постоянно перестраивает память с нуля.

Модели рассуждения (LLM) скоро будут везде. Пользователи будут переключаться между ними так же просто, как выбирать браузер. OpenAI. Anthropic. Google. Совершенно новые модели будущего. Все они станут взаимозаменяемыми.

Главным конкурентным преимуществом будущего станет не интеллект. Им станет память.

Saule не конкурирует с моделями ИИ. Saule интегрируется и существует вместе с ними.

Приложения → Модели рассуждения (LLM) → Семантический слой памяти Saule (SML) [Граф знаний | Векторная память | Граф идентичности | Временная шкала | Память рабочего пространства] → Цифровая жизнь человека

LLM думает. Saule помнит.

Слой памяти, понимающий человека, должен быть построен не на холодных методах записи компьютеров, а на живой биологической архитектуре человеческого разума.

Компьютеры хранят данные. Они записывают биты на секторы диска, замораживают их там даже при отключении электричества и возвращают эти биты в точности за миллисекунды по запросу. Это безупречный архив, но не память. Человеческая память работает совершенно иначе. Биологическая память — это не статическая библиотека, а живая, постоянно перестраивающаяся, избирательная, забывающая и формирующаяся в соответствии со смыслом ассоциативная сеть. Если мы хотим создать запоминающее программное обеспечение, мы должны не навязывать логику хранения данных компьютеров человеку, а научить принципам работы человеческого разума коду программного обеспечения.

Раздел II заложит основы когнитивной психологии и нейробиологии, которые формируют архитектурные и алгоритмические решения Saule. Мы исследуем, что память — это не склад, как взаимодействуют эпизодические и семантические системы, как мы строим свою нарративную идентичность, как забывание на самом деле является оптимизацией, и транзактивную природу коллективного разума. На каждом шагу мы увидим, как эти человеческие и ментальные принципы трансформируются в их эквиваленты в программной архитектуре Saule. Потому что единственный способ создать программное обеспечение, работающее как разум, — это понять разум по его собственным правилам.

Память – это не статичное хранилище архива; это динамический процесс, который, отталкиваясь от следов прошлого, перестраивает настоящее и его смысл.

В академической психологии долгое время считалось, что память записывает прошлое подобно камере. Однако процесс, простирающийся от новаторских работ Фредерика Бартлетта в 1932 году до современных исследований свидетельских показаний Элизабет Лофтус, доказал реконструктивную (перестраивающую) природу человеческой памяти. Когда мы вспоминаем событие, наш мозг не извлекает видеозапись с пыльной полки. Вместо этого он воссоздает воспоминание в данный момент, объединяя семантические подсказки (cues), схемы и ожидания, относящиеся к настоящему, оставшиеся от прошлого. Хотя этот процесс построения кажется подверженным ошибкам, это величайшая адаптивная способность человеческого познания; потому что он позволяет разуму устанавливать безграничные семантические связи при ограниченной емкости.

Компьютерные архитектуры (архитектура фон Неймана и т.д.) хранят данные в адресуемых ячейках памяти (ОЗУ или жесткий диск). При вызове эти данные безошибочно извлекаются на уровне битов. Человеческий разум, напротив, работает ассоциативно (associative). Связь между двумя фрагментами информации возникает не из-за их адресной близости, а из-за их семантического сходства и одновременной активации. Хранение информации по адресу замораживает ее; хранение по ассоциации превращает ее в живую сеть.

Этот когнитивный принцип позволяет отказаться от методов статического запроса данных в архитектуре Saule. Saule не хранит фрагменты текста как есть и не подает их в модель в виде сырых данных. В момент запроса, анализируя намерение пользователя, текущую временную шкалу и семантические связи, он заново создает правильный контекст (context) в данный момент (context composition). Подобно человеческому разуму, он строит динамическую семантическую структуру, соответствующую текущим потребностям, исходя из статических данных прошлого.

Память — это не единый пул; это гармоничная оркестровка систем с различной продолжительностью и функциями, таких как эпизодическая, семантическая и рабочая память.

Классификация, предложенная когнитивным психологом Энделем Тулвингом в 1972 году, доказала, что память не является однородной. Человеческий разум работает как минимум с тремя основными системами памяти:

1. Рабочая память (Working Memory): Временная область с ограниченной емкостью (правило Миллера 7±2), обрабатывающая информацию в текущий момент в течение нескольких секунд.

2. Эпизодическая память (Episodic Memory): Автобиографический архив, хранящий личный опыт в контексте времени и места (Напр.: "Встреча, которую мы провели с Ахметом вчера в 14:00").

3. Семантическая память (Semantic Memory): Сеть понятий, значений и общих фактов, независимая от времени и места (Напр.: "Правила совещания и цели проекта").

Эти системы постоянно взаимодействуют. Новая информация, поступающая в рабочую память, сопоставляется с прошлым воспоминанием в эпизодической памяти и со временем, абстрагируясь, становится постоянной частью семантической памяти. Нарушение этих переходов или перегрузка систем снижает качество принятия решений и увеличивает когнитивную нагрузку.

Saule напрямую отражает эту многосистемную структуру памяти Тулвинга в программных слоях. В модели данных Saule текущая активная сессия пользователя представляет собой "Рабочую память"; Timeline Graph, где хранятся мгновенные взаимодействия и заметки с отметками времени, представляет "Эпизодическую память"; а сеть концепций, правил и абстрагированных отношений представляет собой слой "Семантической памяти". Saule постоянно фильтрует и абстрагирует данные между этими слоями, подготавливая значимый контекст для моделей.

Идентичность — это не статическая сумма прошлых данных, а нарративный процесс, постоянно переписываемый во времени.

Работы психологов Дэна МакАдамса и Мартина Конвея показывают, что человеческая идентичность — это живая история (нарратив), питаемая автобиографическими воспоминаниями. Люди не просто записывают свое прошлое, они постоянно переосмысливают его в соответствии со своими текущими ценностями и будущими целями. Идентичность не статична; это живой нарратив. Если программные системы замораживают прошлые данные как абсолютные и неизменяемые факты, они препятствуют ментальному развитию пользователя и удерживают его в прошлой версии себя.

Человеческий разум со временем делает некоторые воспоминания о прошлом более заметными в соответствии с изменяющимися намерениями, а другие отодвигает на второй план. Когда мы фокусируемся на цели, наш мозг быстрее вызывает прошлый опыт, связанный с этой целью. Это доказывает, что память — это не пассивная база данных, а активный фильтр, управляемый идентичностью.

Saule не рассматривает информацию в базе данных как неизменные блоки. «Identity Layer» (Слой Идентичности) в архитектуре отслеживает точки фокуса пользователя, его меняющиеся ценности и цели с течением времени. При вызове воспоминаний в момент запроса, он не только учитывает математическое сходство; он выдвигает на первый план те мнемонические связи, которые наиболее соответствуют текущему нарративу идентичности пользователя (active narrative state). Таким образом, Saule предлагает живой общий слой идентичности, который растет и развивается вместе с пользователем.

Забывание — это активный регулирующий механизм, который очищает разум от шума, обеспечивает фокусировку и сохраняет когнитивную емкость.

В отличие от распространенного мнения, забывание (forgetting) не является сбоем мозга или системной ошибкой. Нейробиологические исследования показывают, что мозг использует активные химические и электрические механизмы (active forgetting) для очистки от ненужной информации. Если бы мы помнили все, до мельчайших деталей, наш разум был бы переполнен бесконечным шумом, и мы не смогли бы принять даже простое решение на уровне Системы 2 (как в случае со знаменитым пациентом Лурии, Шерешевским). Забывание — это оптимизация, которая устраняет шум, чтобы выдвинуть на первый план важное.

Человеческий разум постоянно регулирует доступность воспоминаний, исходя из давности информации, частоты повторений и ее связи с текущими намерениями. Эта когнитивная регуляция (cognitive regulation) гарантирует, что внимание остается на правильном фокусе. Самая большая ошибка цифровых систем заключается в попытке хранить все сгенерированные данные с одинаковым приоритетом бесконечно, создавая информационное загрязнение.

Saule содержит алгоритмический механизм активного забывания (active forgetting) для предотвращения ненужного шума данных. Каждый элемент памяти (node) и связь (edge) в базе данных имеют показатель доступности (decay rate), который со временем уменьшается. Неиспользуемая или семантически устаревшая информация не удаляется, но отодвигается на задний план (pruning), что снижает затраты на запросы и предотвращает заполнение окон контекста модели зашумленными данными. Saule кодифицирует забывание как системную оптимизацию.

Когнитивная экстернализация должна быть не протезом, ослабляющим разум, а рычагом, расширяющим умственные способности и повышающим концентрацию.

Согласно теории расширенного разума (The Extended Mind), предложенной философами Энди Кларком и Дэвидом Чалмерсом в 1998 году, человеческий разум не ограничивается только содержимым черепной коробки. Используемые нами блокноты, устройства и программное обеспечение являются активными частями наших когнитивных процессов (cognitive offloading). Запись информации во внешнее надежное средство снижает нагрузку на рабочую память мозга и освобождает место для глубокого мышления. Однако этот процесс экстернализации, если он выполняется бесконтрольно, может стать зависимостью, притупляющей способности разума к запоминанию и анализу.

Современные приложения для заметок и базы знаний обычно действуют как пассивные памяти-протезы. Мы записываем информацию туда, но затем никогда не можем найти или вспомнить ее; это создает умственную лень. Однако идеальная внешняя память должна быть активным рычагом, который взаимодействует с разумом, напоминает об ассоциациях и стимулирует человеческий интеллект, а не притупляет его.

Saule выходит за рамки пассивного хранилища документов. Вместо того чтобы быть памятью-протезом, он генерирует семантические ассоциации, которые постоянно стимулируют разум пользователя (associative triggering). Когда вы что-то пишете в SML Terminal, Saule в фоновом режиме распознает соответствующие прошлые решения, незавершенные намерения или взаимосвязанные идеи и мягко внедряет их в контекст. Таким образом, вместо того чтобы ослаблять ваш разум, он расширяет ваши когнитивные способности, делая ваши прошлые накопления видимыми в текущий момент.

Группы забывают информацию даже быстрее, чем отдельные люди. Стратегические команды. Исследовательские группы. Стартапы. Организации.

Каждый день создается новая информация, и почти вся она теряется.

Saule создает постоянную коллективную память. Не историю чата. Не стопку документов. Общее разделяемое понимание.

Когнитивные основы — это не философские метафоры; это инженерные параметры, которые напрямую определяют модели данных, алгоритмы запросов и архитектуру системы.

Этот раздел — мост, связывающий все принципы когнитивной науки, которые мы рассмотрели в Части II, с Частью III, которая будет строить программную архитектуру Saule. Принципы работы человеческого разума — это не философские допущения, а обоснования прямых инженерных решений в программном обеспечении. Динамическая природа когнитивных систем делает недействительными традиционные методы адресации баз данных, нормализованные таблицы и статические конвейеры данных.

Теоретическая основа, которую мы заложили в Части II, переводится в программную архитектуру следующим образом:

• Память — это не хранилище (Реконструктивная природа) ➔ Динамическая Композиция Контекста (Context Composition) вместо статического поиска.

• Многоуровневые системы памяти (Tulving) ➔ Многоуровневая архитектура памяти, представляющая собой комбинацию активной сессии, Временной шкалы и Графа концепций.

• Идентичность и Нарратив (McAdams & Conway) ➔ Уровень Идентичности (Identity Layer), выполняющий динамическое взвешивание в зависимости от состояния пользователя.

• Активное Забывание (Оптимизация) ➔ Обрезка узлов и рёбер на графе с помощью Алгоритма Затухания (Decay).

• Когнитивная Экстернализация (Clark & Chalmers) ➔ Ассоциативное Срабатывание (Associative Triggering), предлагающее семантические триггеры вместо пассивного архива.

• Коллективная Память (Wegner) ➔ Граф Семантического Происхождения (Semantic Provenance Graph), хранящий неявные корпоративные знания.

На практике Saule транслирует эту графовую модель в оптимизированную реляционно-графовую гибридную базу данных с использованием SQLite (better-sqlite3). База данных использует четыре основные таблицы: nodes (хранение шифротекста и параметров затухания), embeddings (сопоставление плотных локальных векторов), edges (связи графа с весами достоверности) и provenance (захват метаданных среды). Абсолютная конфиденциальность с нулевым разглашением (zero-knowledge) обеспечивается симметричным конвертным шифрованием AES-256-GCM на уровне приложения, защищающим все когнитивные элементы и детали рассуждений локально перед записью на диск.

Эти соответствия составляют технический костяк Saule. В следующей части (Часть III) мы рассмотрим, как эти теоретические мосты строятся на уровне кода; мы изучим все инженерные детали, от процессов семантического поглощения (ingestion) до модели данных Графа Семантического Происхождения (Semantic Provenance Graph), от динамической оркестровки до парадоксов конфиденциальности и работы на локальном устройстве. Saule — это архитектура, объединяющая изящество человеческого разума с дисциплиной программного обеспечения.

Когнитивные теории превращаются в работающую архитектуру программного обеспечения только тогда, когда они основаны на моделях данных и математических алгоритмах.

Мы теоретически обосновали, что память — это не просто единица хранения, и что наш разум работает с эпизодическими, семантическими и трансактивными системами. Однако программная инженерия не может довольствоваться абстрактными концепциями. Перевод живой природы памяти в детерминированный мир компьютеров требует перепроектирования структур данных, схем баз данных, оптимизаций запросов и протоколов шифрования.

Раздел III подробно опишет инженерное ядро (core engine) и техническую архитектуру Saule. Начиная с непоколебимых принципов проектирования нашей системной архитектуры, мы рассмотрим нашу модель данных (Semantic Provenance Graph), которая хранит жизненный цикл, отношения и временные метки элемента памяти, наши алгоритмы композиции контекста (context composition) и наш уровень конфиденциальности со сквозным шифрованием. Мы увидим на уровне кода, что Saule — это не просто философский манифест, а работающая, масштабируемая и безопасная компьютерная система.

Архитектура Saule основана на принципах модельной независимости, семантического суверенитета, нулевого шума и пассивной работы.

Saule не разработан в зависимости от мимолетных трендов или библиотек искусственного интеллекта. Архитектура системы построена на четырех фундаментальных принципах, которые направляют каждый этап разработки:

1. Модельная Независимость (Model-Agnosticism): Система не может быть неразрывно связана ни с одной большой языковой моделью (LLM) или поставщиком искусственного интеллекта. Слой памяти является независимой суверенной областью от моделей и равноудален от каждой модели посредством стандартизированных API.

2. Суверенитет Пользователя (User Sovereignty): Пользователь является абсолютным владельцем данных памяти. Данные остаются в пределах, определенных пользователем, шифруются и имеют портативную структуру.

3. Нулевой Когнитивный Шум (Zero Cognitive Noise): Слой памяти избегает отправки моделям ненужных или нерелевантных данных (шума). Контекст оптимизирован для предоставления максимальной семантической глубины при минимальном количестве токенов.

4. Пассивная Ингестия (Passive Ingestion): От пользователя не ожидается постоянная маркировка данных или ручная организация. Система пассивно слушает потоки данных в фоновом режиме, автоматически извлекает семантические связи и работает незаметно.

Эти принципы устанавливают строгие границы, которым разработчики должны следовать при использовании Saule SDK и добавлении новых компонентов в архитектуру. Например, в соответствии с принципом модельной независимости, алгоритмы извлечения памяти (memory extraction) не могут быть зависимы от специфических структур запросов одного поставщика; вместо этого используются абстрагированные протоколы.

Эти принципы проектирования напрямую определяют жизненный цикл потоков данных и объектов памяти внутри системы. В следующем разделе мы рассмотрим, как эти принципы применяются с момента поступления необработанных данных в систему, и изучим жизненный цикл элемента памяти.

Элементы памяти не статичные строки; это динамические сущности, проходящие стадии поглощения, ассоциирования, активного вызова и алгоритмического затухания.

Каждый фрагмент информации, попадающий в систему Saule, проходит следующий четырехэтапный жизненный цикл:

1. Ingestion (Поглощение): Сырые данные, поступающие из таких источников, как расширение браузера, интеграция Slack или ввод в терминале, захватываются. Эти сырые данные очищаются от шума, и из них извлекается семантическое ядро.

2. Association & Graph Injection (Ассоциирование и Внедрение в Граф): Новый элемент памяти (узел) записывается в графовую модель данных вместе с временными метками, пространственным контекстом и семантическими связями (рёбрами), установленными с другими узлами в существующем графе памяти.

3. Retrieval & Reinforcement (Извлечение и Укрепление): Когда пользователь выполняет действие по аналогичной теме, соответствующий узел извлекается. Каждое успешное извлечение увеличивает показатель доступности (вес) узла и связанных рёбер (правило Хеббиана).

4. Decay & Pruning (Затухание и Обрезка): Со временем вес узлов, которые не вызываются и теряют актуальность, алгоритмически уменьшается (забывание). Узлы с низким показателем не удаляются навсегда, но отодвигаются на задний план, чтобы быть исключенными из контекста.

Для разработчиков блок-схема потока памяти следует следующей технической последовательности:

Сырой Ввод ➔ Конвейер НЛП (Фильтрация Намерений) ➔ Создание Векторных Вложений ➔ Внедрение в Semantic Provenance Graph ➔ Расчет Показателя Старения со Временем.

Для управления этим динамическим жизненным циклом на уровне кода требуется продвинутая модель данных, в которой информация может быть представлена со слоями времени, идентификации и происхождения. В следующем разделе мы подробно рассмотрим эту модель данных (Semantic Provenance Graph).

Модель данных Saule — это архитектура Semantic Provenance Graph, которая объединяет семантические отношения, временной поток и происхождение данных.

Традиционные графы знаний (Knowledge Graphs) статически моделируют только отношения между объектами (A является менеджером B). Векторные базы данных измеряют только схожесть текста. Saule разработала модель Semantic Provenance Graph (SPG - Граф Семантического Происхождения), чтобы преодолеть ограничения этих двух подходов. SPG представляет сами данные вместе с метаданными, которые указывают, из какого источника (Slack, Notion, браузер), когда, кем и с какой целью были произведены эти данные (provenance), в единой унифицированной графовой структуре.

На уровне кода узел (node) SPG имеет следующую схему:

{
  "id": "mem_01h8x9",
  "type": "epizodic | semantic",
  "content": "Ahmet ile X projesinde Rust kullanmaya karar verdik.",
  "embedding": [0.012, -0.045, ...],
  "created_at": 1783156054,
  "decay_weight": 0.98,
  "provenance": {
    "source": "slack_channel_dev",
    "author": "user_id_45",
    "session_id": "sess_89"
  }
}

Рёбра (edges), в свою очередь, хранят семантические ("rust_is_used_for_x_project"), временные ("created_after") и причинно-следственные ("rust_chosen_because_of_memory_safety") отношения между узлами и их динамические оценки силы.

Модель данных SPG позволяет Saule хранить фрагменты информации не просто как текст, а со всеми их контекстуальными корнями. В следующем разделе мы увидим, как на основе этой богатой графовой структуры строится динамический контекст для подачи в модели искусственного интеллекта (retrieval & composition).

Создание контекста — это не простой векторный поиск, а динамическая оркестровка, построенная с помощью контекстуализации на основе супер-узлов и отслеживания семантического происхождения.

Классические RAG-системы извлекают 5 наиболее совпадающих векторных фрагментов текста по запросу пользователя и отправляют их LLM. Однако эти фрагменты часто лишены контекста. Например, на запрос «Какое было решение по проекту Rust?» появляется только предложение «Мы будем использовать Rust»; но при этом упускаются причины принятия этого решения и обсуждавшиеся риски. Saule, чтобы преодолеть эту проблему, использует метод композиции контекста супер-узлов (Super-Node Context Composition). Когда находится узел, соответствующий запросу, извлекаются также временные и семантические соседние узлы (provenance path), непосредственно связанные с этим узлом в графе SPG, создавая иерархический и богатый блок контекста.

Поисковая система Saule следует следующему алгоритму:

1. Преобразуйте запрос в вектор и выполните поиск семантического сходства в SPG.

2. Извлеките реляционный граф (provenance sub-graph) вокруг узлов с наивысшим баллом.

3. Чтобы предотвратить временной сдвиг (context drift), расположите временные метки узлов в хронологическом порядке.

4. Исключив узлы, вес которых уменьшился согласно показателю активного забывания, упакуйте самый чистый контекст (context composition) в соответствии с ограничениями модели.

Чтобы исключить холодный запуск (cold-start) модели во время локального вывода ONNX, Saule выполняет фазу прогрева при запуске для загрузки весов модели в память. Затем поисковый движок использует косинусное сходство для расчета оценки ясности (Clarity Score - индекс семантического соответствия) между индивидуальным контекстом пользователя и коллективным пространством. Формально оценка ясности определяется как скалярное произведение проекций индивидуального и коллективного векторов, деленное на произведение их величин: Clarity = (V_ind · V_col) / (||V_ind|| ||V_col||) * 100%, что дает точную оценку консенсуса.

Этот процесс создания насыщенного контекста не должен ставить под угрозу безопасность пользовательских данных. В следующем разделе мы рассмотрим, как эти усовершенствованные операции поиска и оркестровки реализуются в зашифрованном виде, сохраняя конфиденциальность пользователя.

Когнитивная конфиденциальность должна быть абсолютно защищена с помощью сквозного шифрования (E2EE) и архитектуры обработки данных локально на устройстве (local-first).

Уровень личной или корпоративной памяти хранит самые интимные решения, намерения и коммерческие тайны пользователя. Поэтому хранение этих данных в виде открытого текста (plaintext) на центральных облачных серверах недопустимо. Однако, когда данные полностью зашифрованы, моделям искусственного интеллекта становится трудно выполнять семантический поиск и устанавливать связи. Saule решает этот парадокс когнитивной конфиденциальности с помощью архитектуры программного обеспечения, ориентированной на локальную обработку (local-first).

Уровень хранения данных Saule построен на следующих протоколах безопасности:

• Локальное Индексирование и Векторные Встраивания: Создание векторных встраиваний (embeddings) и связей SPG выполняется на собственном устройстве пользователя (локально).

• Синхронизация E2EE: При синхронизации данных между устройствами все узлы и ребра графа шифруются сквозным шифрованием с помощью собственного ключа пользователя (Zero-Knowledge). Облачный сервер только передает зашифрованные биты и никогда не видит содержимого данных.

• Защищенные Рабочие Области (Изоляция Памяти): Индивидуальные и корпоративные области памяти строго изолированы друг от друга четкими границами; корпоративная память команды никогда не может быть доступна данным обучения другого пользователя или модели.

Уровень конфиденциальности должен не только обеспечивать безопасность данных пользователя, но и позволять безопасно взаимодействовать с различными облачными или локальными моделями искусственного интеллекта. В следующем разделе мы рассмотрим, как эта структура памяти работает полностью независимо от моделей.

Модели искусственного интеллекта — это временные механизмы рассуждения; семантическая память должна быть постоянным инфраструктурным слоем, принадлежащим пользователю, вне зависимости от моделей.

Сегодня многие приложения доверяют функции памяти API-интерфейсам помощников, предоставляемым такими поставщиками, как OpenAI, Anthropic или Google. Этот подход привязывает пользователя к конкретному поставщику и несет риск разрушения всей структуры памяти при обновлении модели. Saule полностью отделяет (decoupling) слой памяти от механизма рассуждения (LLM). Модель — это лишь "процессор" (CPU), вызываемый для решения текущего логического запроса; а память — это постоянный "жесткий диск" (SML) на материнской плате.

Saule предлагает стандартизированный интерфейс (Semantic Memory Interface - SMI) между моделями и памятью. SMI обеспечивает уровень трансляции, который позволяет читать и записывать одну и ту же структуру семантического графа, независимо от используемой модели (будь то локальная модель Llama или Claude 3.5 в облаке). При смене модели память не теряется; новая модель продолжает читать прошлый контекстный капитал с того места, где остановилась, через протокол SMI. Таким образом, организации могут переключаться между самыми актуальными и экономичными моделями за считанные секунды, не будучи привязанными к одному поставщику ИИ.

Принцип модельной независимости Saule превращает ее из простого приложения в общий протокол для всей экосистемы искусственного интеллекта. В Части IV мы расширим это видение, чтобы показать, как мы строим протоколы памяти с открытым исходным кодом, экосистему разработчиков и новый структурный уровень для будущего вычислений.

Память — это не просто индивидуальное хранилище; в эпоху искусственного интеллекта это коллективный стандарт, который перенесет общее когнитивное накопление человечества в будущее.

Мы подробно описали философские отправные точки Saule, основополагающие принципы человеческой памяти и их соответствие на уровне технического кода для архитектуры Semantic Provenance Graph. Однако Saule — это не просто индивидуальный помощник или корпоративный инструмент. Это видение будущего, где все программное обеспечение и модели смогут взаимодействовать друг с другом, обладая портативными и открытыми стандартами.

Часть IV резюмирует будущее положение Saule и его влияние на общественное познание. Мы рассмотрим видение Открытого Протокола Памяти (Open Memory Protocol), который позволит различным слоям памяти безопасно взаимодействовать друг с другом, экосистему, которую мы создали для разработчиков, и новый инфраструктурный слой после операционных систем и облачных вычислений — 'Когнитивный Слой' (The Cognitive Layer). Завершим этот белый бюллетень, изображая окончательное слияние человеческого разума и цифровой памяти в новую эпоху.

В будущем цифровом мире память не должна быть заключена в закрытых экосистемах; она должна быть освобождена с помощью открытого, переносимого и универсального протокола памяти (OMP).

Все программное обеспечение, которое мы используем сегодня (SaaS-платформы), хранит данные в собственных базах данных и привязывает пользователя к своей экосистеме. Когда вы хотите перейти с одной платформы на другую, вы теряете не только свои данные, но и контекст и накопленный опыт, стоящие за этими данными. В эпоху искусственного интеллекта эта разрозненность создает когнитивное разделение. Память человека или организации, которая должна быть единым целым, фрагментируется между десятками закрытых приложений. Для решения этой проблемы Saule предлагает стандарт Открытого Протокола Памяти (Open Memory Protocol - OMP).

Открытый Протокол Памяти — это протокол, который обеспечивает передачу семантических узлов памяти, ребер и происхождения данных (provenance) между устройствами и приложениями в зашифрованном, переносимом и стандартном формате JSON. Благодаря OMP:

• Переносимость Памяти: Пользователь может переносить граф памяти из одного приложения в другое или от одного ассистента ИИ к другому за считанные секунды без потери данных и контекста.

• Взаимодействие (Interoperability): Различные приложения (например, почтовый клиент и инструмент управления проектами) могут добавлять данные в центральный слой памяти пользователя и читать контекст из него через OMP в безопасных пределах.

Стандарт OMP открывает путь для разработчиков искусственного интеллекта к созданию программного обеспечения в общей и свободной экосистеме памяти, не зависящей от закрытых API. В следующем разделе мы рассмотрим инструменты разработчика и экосистему SDK, которые реализуют этот стандарт.

Экосистема Saule предоставляет разработчикам когнитивную инфраструктуру посредством SDK, стандартизированных API и автономных агентов памяти.

Успех слоя памяти измеряется тем, насколько легко он может быть принят сообществом разработчиков. Saule предлагает легковесные SDK, написанные на TypeScript, Python и Rust. Разработчики могут добавить постоянную и живую память к своим приложениям искусственного интеллекта, чат-интерфейсам или автономным агентам всего несколькими строками кода.

import { SauleClient } from '@saule/sdk';
const client = new SauleClient({ endpoint: 'local' });
// Добавление новой записи в память
await client.memory.ingest({
  content: "Принято решение использовать Postgres в архитектуре проекта.",
  source: "заметки_совещания"
});

Экосистема Saule поддерживает не только выполнение запросов к данным разработчиками; она также позволяет разрабатывать автономных агентов памяти (Memory Agents), которые работают в фоновом режиме, обнаруживают семантические смещения (context drift detectors), алгоритмически удаляют устаревшую информацию и упорядочивают граф. Таким образом, вместо громоздких баз данных, которые со временем замедляются, программное обеспечение получает динамические структуры памяти, оптимизирующие себя.

Рост экосистемы разработчиков также приведёт к радикальному изменению отношений между компьютерами и человеческим разумом. В последнем разделе мы рассмотрим, как эта когнитивная инфраструктура будет позиционироваться как новый крупный вычислительный слой (The Next Computing Layer) после операционных систем и облачных технологий.

Новый структурный уровень вычислений будет представлять собой независимый Семантический Слой Памяти (SML), возвышающийся над аппаратным обеспечением, операционной системой и облаком.

История компьютеров — это история уровней абстракции. Мы начали с аппаратного уровня (транзисторы и провода). Затем мы создали уровень Операционных Систем (ОС), управляющий этим оборудованием. С наступлением эры Интернета мы добавили уровень Облака (Cloud), который глобализировал данные и обработку. Сегодня, с революцией искусственного интеллекта, над этими тремя уровнями рождается новый уровень: Когнитивный Слой (The Cognitive Layer). Этот слой представляет собой живую инфраструктуру памяти, которая не просто хранит или передает данные, но организует смысл, время, идентичность и намерения.

Saule — это основополагающий двигатель этого когнитивного слоя. Аппаратное обеспечение может меняться, операционные системы могут эволюционировать, большие языковые модели могут приходить и уходить; но семантическая память, накопленная человеческим разумом и организациями с течением времени, должна оставаться постоянной и доминирующей. Saule превращает компьютеры из безмолвных инструментов, буквально выполняющих команды, в живых ментальных партнеров, которые защищают человеческое познание, расширяют его и переносят за пределы времени.

Saule White Paper v2.0 — это не просто документ об архитектуре технологии; это решимость сохранить суверенитет человека над его собственным цифровым существованием, пределами внимания и интеллектуальной собственностью. Интеллект универсален и быстро превращается в товар; но то, что делает нас нами, что делает наши решения уникальными, — это наша память. Saule здесь, чтобы вернуть эту память ее владельцу и обеспечить абсолютное господство человеческого разума в когнитивном мире будущего. Интеллект может меняться. Память вечна.

Saule отличается от закрытых моделей памяти и простых интеграций RAG изоляцией данных, независимостью от моделей и отслеживанием семантического происхождения.

Недавно разработанные подходы к памяти в экосистеме искусственного интеллекта обычно пытаются преодолеть безмодельный (stateless) характер моделей с помощью временных исправлений. Различия между этими подходами и независимым Уровнем Семантической Памяти (SML) заключаются в следующем:

• Память OpenAI/Claude: Предлагает простое запоминание на основе плоских данных и пар «ключ-значение». Отсутствует независимость от модели (работает только с одной моделью), данные находятся в облаке и не гарантируют конфиденциальность. Отсутствует сетевой эффект (network effect).

• RAG / Векторные базы данных: Осуществляет поиск по сходству сырого текста (vector similarity). Отсутствует семантическая глубина и временная связь, организация данных статична.

• Mem0 / Zep: Хранит эпизодическую векторную память. Частично независим от модели, но структура данных негибкая и не предлагает конфиденциальности по принципу «сначала локально» (local-first).

• Letta / MemGPT: Управляет временными рабочими областями (scratchpad) агентов. Отсутствует переносимость между приложениями и кросс-сетевой эффект.

• Saule (SML): Использует структуру Semantic Provenance Graph (SPG). Полностью независим от модели (Model-Agnostic), предлагает шифрование Zero-Knowledge и хранение по принципу «сначала локально» (local-first). Создает семантический сетевой эффект (Collective Intelligence) между рабочими пространствами (workspaces).

Самый важный вопрос для инвесторов и архитекторов: «Почему Saule не станет излишней, когда OpenAI или Anthropic усовершенствуют свои собственные системы памяти?» Ответ кроется в трех основополагающих защитах (moats) Saule:

1. Отделение моделей (Model Decoupling): Память OpenAI не может быть прочитана Claude; память Claude не может быть использована локальной моделью Llama. Однако память должна быть собственностью ее владельца. Saule позиционирует модели как временные вычислительные единицы, делая память постоянной и переносимой.

2. Кросс-приложенческий контекст (Cross-Application Context): Один поставщик моделей не может объединить данные пользователя из Slack, Notion, браузера и электронной почты в единый граф семантического происхождения (SPG) и преодолеть корпоративные информационные разрозненные хранилища.

3. Конфиденциальность с нулевым разглашением (Zero-Knowledge Privacy): Организации не могут доверять свои самые конфиденциальные бизнес-процессы и намерения открытым базам данных облачных провайдеров. Локально-ориентированная, зашифрованная архитектура Saule юридически и технически гарантирует когнитивную собственность.

Дорожная карта, простирающаяся от индивидуальной памяти до корпоративной транзакционной памяти, создает долгосрочную рыночную ценность за счет семантических сетевых эффектов.

Видение Saule — это 4-фазный план роста, простирающийся от единого интерфейса ассистента до всей вычислительной инфраструктуры Интернета:

• Фаза 1: Движок индивидуальной памяти и локальное ядро (Personal SML & Local Core) — интеграция с Beiwe Workspace (В первой версии возможности активной памяти и фонового наблюдения Saule ограничены работой исключительно внутри Beiwe Smart Workspace) и пользовательский интерфейс терминала (Terminal UI) (наблюдение), локальная база данных SQLite (хранение) и интеграция локальных эмбеддингов/малых LLM (семантическая обработка).

• Фаза 2: Память рабочего пространства (Workspace SML) — Создание инфраструктуры транзакционной памяти для команд с интеграциями Slack, Notion, GitHub и предотвращение корпоративной амнезии.

• Фаза 3: Открытый протокол памяти (Open Memory Protocol - OMP) — Публикация протокола, позволяющего различным приложениям и автономным агентам взаимодействовать с Saule через стандартные API.

• Фаза 4: Семантическая операционная система (Semantic OS) — Создание нового поколения слоя операционной системы, работающей непосредственно в соответствии с человеческим познанием, поверх аппаратных и облачных уровней.

Saule коммерциализируется с помощью модели open-core и подписки SaaS:

• Saule Community (Открытый исходный код): Полностью бесплатный локальный движок памяти для индивидуальных разработчиков и пользователей, желающих работать на локальном устройстве.

• Saule Professional: Ежемесячная подписка для профессионалов, которым требуется расширенная синхронизация, облачное резервное копирование и доступ к API.

• Saule Enterprise: Модель корпоративного лицензирования, предлагающая изолированные области памяти (Memory Isolation), граф транзакционной памяти, расширенные разрешения ролей и специализированную инфраструктуру синхронизации E2EE для компаний. Предотвращение корпоративной амнезии и повторного изобретения колеса является основным источником возврата инвестиций (ROI) для корпоративного сегмента.

Saule — это не статический движок «вопрос-ответ». Он работает на основе когнитивного цикла (Adaptive Intelligence Loop), который непрерывно функционирует в фоновом режиме и самоподдерживается в каждом цикле.

Статус архитектуры и уведомление: 6-уровневая когнитивная операционная система (Cognitive OS) и локально зашифрованная инфраструктура, описанные в этом документе, представляют собой долгосрочные технические цели и архитектурный шаблон Saule. Текущий работающий прототип (current state) реализует гибридную маршрутизацию намерений (context routing) и движок векторной верификации, работающий с облачным Firestore и интеграцией API. Указанные локальные независимые компоненты и интеграция локальных малых LLM будут последовательно введены в эксплуатацию в соответствии со следующими фазами дорожной карты.

Жизненный цикл памяти (Memory Lifecycle): В Saule ни одна единица памяти (Memory Unit) не остается статической. Со временем она проходит следующий жизненный цикл: Захват (Capture) ➔ Эпизод (Episode) ➔ Резюмирование (Summarize) ➔ Связывание (Link) ➔ Укрепление (Strengthen) ➔ Распад (Decay) ➔ Архивирование (Archive) ➔ Удаление (Delete).

Цикл обратной связи (Learning Engine): Для постоянного улучшения собственных решений и контекстной точности системы запускается следующий цикл: Выполнение (Execution) ➔ Обратная связь (Feedback) ➔ Обучение (Learning) ➔ Обновление политики (Policy Update) ➔ Наблюдение (Observe). Отзывы пользователей автоматически обновляют правила локального Policy Engine и алгоритмы семантического взвешивания.

Оркестратор — это мозг, который управляет когнитивными решениями Saule и обеспечивает координацию между слоями. Его подкомпоненты включают:

• Планировщик задач (Task Scheduler): Планирует, когда и с каким приоритетом будут выполняться фоновые операции (Consolidation, Forgetting, Compression и т. д.) (Например: когда устройство подключено к зарядному устройству и находится в режиме ожидания).

• Планировщик памяти (Memory Scheduler): Оркестрирует, какие области памяти (Personal, Workspace и т. д.) будут запрашиваться и как из них будет формироваться бесшумный синтез контекста (Context Composition).

• Маршрутизатор агентов (Agent Router): Определяет, какой автономный агент (агент электронной почты, агент календаря) будет активирован в зависимости от входящего намерения (intent) и контекста.

• Менеджер ресурсов (Resource Manager): Управляет размером локальной SQLite, лимитами использования ОЗУ и потреблением ЦП, не перегружая устройство.

• Селектор моделей (Model Selector): Определяет, какая LLM (Локальная Tiny LLM или API в облаке) будет использоваться в зависимости от степени конфиденциальности операции, сложности и бюджета.

Ядро Saule имеет 7-уровневую модульную структуру, управляемую Оркестратором Интеллекта, расположенным в ее центре:

1. Уровень наблюдения (Observation Layer): Абстрагирует наблюдение на человеческом (голос, действие), цифровом (браузер, IDE, календарь) и физическом (местоположение, микрофон, камера) уровнях.

2. Уровень контекста (Context Layer): Объединяет мультимодальные данные (экран, звук, время, местоположение) и вычисляет контекстное внимание и приоритет (Attention Score & Priority).

3. Движок политики (Policy Engine): Применяет границы утечки данных (Privacy Rules), препятствия для несанкционированной автоматизации и правила корпоративной изоляции.

4. Уровень семантической памяти (Semantic Memory Layer): Содержит Space-Aware Knowledge Graph (Personal ➔ Workspace ➔ Community ➔ Organization) и изолированный индекс эмбеддингов с поддержкой нескольких моделей, а также управляет фоновыми задачами памяти.

5. Уровень рассуждений (Reasoning Layer): Слой рассуждений, реализующий гибридный поиск, многошаговое планирование и локальные правила.

6. Уровень выполнения (Execution Layer): Плавающий интерфейс рабочего стола и потоки автоматизации, основанные на циклах одобрения.

7. Уровень синхронизации (Sync Layer): Режимы автономной, P2P, облачной и корпоративной синхронизации с локально зашифрованными блоками Yjs/CRDT AES-GCM.

Узлы памяти Saule основаны на 6 основных категориях (Knowledge, Experience, Action, Relationship, Identity, Resource), которые могут расширяться со временем, и производных подтипах (decision, goal, fact, file и т. д.). Наша реляционная схема SQLite выглядит следующим образом:

• `nodes`: Базовые единицы памяти, содержащие поля id (PK), unit_category, unit_type, space_type, space_id, content, decay_score, created_at.

• `embeddings`: Векторная таблица, содержащая поля node_id (FK), model_name, dimension, vector, изолированная от основных узлов. Таким образом, все данные сохраняются при изменении модели.

• `edges`: Богатая таблица ребер, содержащая поля source_id, target_id, relation_type, confidence (оценка достоверности), created_by (ai/user/system), reason.

• `provenance`: Богатая таблица происхождения данных, содержащая поля node_id, app_name, window_title, url, file_path, device_id, workspace_id, user_action.

Безопасное хранение памяти на локальном устройстве и ее герметичность в общих рабочих пространствах решаются с помощью следующей технической архитектуры:

• Локальная безопасность данных: База данных SQLite на локальном устройстве защищена конвертным шифрованием AES-256-GCM на уровне приложения с ключом, созданным локально, что обеспечивает высокую переносимость и хранение без утечек. Неавторизованные локальные приложения не могут получить доступ к файлам данных Saule.

• Синхронизация коллективных/общих рабочих пространств (Zero-Knowledge P2P Key Exchange): В случаях, когда несколько пользователей совместно используют общий граф (Workspace Memory), используется асимметричное шифрование (ECDH/RSA). Участники рабочего пространства обмениваются симметричным ключом шифрования рабочего пространства по принципу peer-to-peer (сквозное шифрование). Каждый пакет данных Yjs/CRDT, записываемый в общий граф, локально шифруется этим общим ключом и отправляется в облако в виде cipher-text (зашифрованного текста). Облачный сервер не обладает ключом дешифрования; он только берет на себя ретрансляцию (relay) зашифрованных пакетов, сохраняя модель конфиденциальности Zero-Knowledge.

Saule применяет следующие оптимизации, чтобы не нагружать диск и потреблять почти нулевую энергию при работе в фоновом режиме:

• Волатильный кольцевой буфер только в ОЗУ (Объединение записей на диск): Микро-активности (нажатия клавиш, движения мыши) не записываются напрямую на SSD; они хранятся в волатильном кольцевом буфере в ОЗУ. Фильтр внимания (Attention Filter), когда он решает, что эпизод завершен (например, когда пользователь выходит со страницы Notion, на которой он писал в течение 3 минут, и переключается на браузер), эти данные записываются в SQLite одной транзакцией записи (single write transaction).

• Управление состоянием простоя (Idle State) и ретроактивная отметка времени: Когда пользователь прекращает действия клавиатуры/мыши более чем на 3 минуты, система переходит в состояние 'простоя' (Idle State) и приостанавливает запись. Время окончания эпизода записывается не как момент, когда пользователь отошел от компьютера, а как момент последнего нажатия клавиши (retroactive timestamping), что предотвращает появление данных 'призрачного внимания' (ghost attention). Когда включается заставка или блокировка экрана, прослушивание полностью прекращается, и механизм рекомендаций замораживается для обеспечения конфиденциальности на экране.

• Двухступенчатый поисковый фильтр и пакетное индексирование: Чтобы не нагружать процессор постоянными тяжелыми вычислениями эмбеддингов, сначала запускается быстрый фильтр BM25 на основе слов. Только когда порог сходства превышен, активируются локальные эмбеддинги ONNX и косинусный поиск. Недавно добавленные необработанные эпизоды не индексируются немедленно; они индексируются пакетом в фоновом режиме, когда компьютер находится в состоянии простоя и заряжается (Dream State).

Чтобы сбалансировать конфиденциальность пользователя с когнитивной нагрузкой, система предлагает два отдельных режима работы:

• Автономный режим наблюдения (Autonomic Mode / Subconscious): Это режим по умолчанию. В фоновом режиме непрерывно работают активное прослушивание, фильтр внимания и резонансный механизм. Приложения, такие как банковские или инкогнито-вкладки, автоматически исключаются из прослушивания с помощью правил черного списка (blacklist).

• Интерактивный / Ручной режим (Interactive Mode / Conscious): Фоновые наблюдатели полностью отключаются. Система не прослушивает операционную систему или браузер. Она работает только при прямом взаимодействии пользователя: память формируется с помощью явных действий, основанных на согласии, таких как ввод текста в Terminal HQ с помощью Alt+Space, щелчок правой кнопкой мыши по выбранному тексту и выбор 'Напомнить Saule', запись голосового эпизода на мобильном устройстве или выбор 'Записать текущую сессию' с плавающего острова.

• Представление состояния UI/UX: Плавающий остров (Floating Island) на рабочем столе отражает пользователю текущий режим системы с помощью легкой пульсирующей анимации (Синий/Зеленый: Автономный, Серый/Статичный: Ручной) и позволяет переключаться между режимами одним щелчком мыши.

Дорожная карта локальной интеграции Saule на 4 квартала состоит из следующих шагов:

• Фаза 1: Движок индивидуальной памяти и локальное ядро (Personal SML & Local Core) — Установка реляционной графовой модели SQLite, написание методов Cognitive API (`remember`, `recall`, `connect`, `forget`), локальная интеграция nomic-embed и Llama-3-8B-Instruct, интеграция с Beiwe Workspace (В первой версии возможности активной памяти и фонового наблюдения Saule ограничены работой исключительно внутри Beiwe Smart Workspace) и пользовательский интерфейс терминала (Terminal UI) (наблюдение), установка зашифрованной синхронизации Yjs/CRDT.

• Фаза 2: Расширенный движок наблюдения и слияния контекста — Сборщики буфера обмена, выделения, ветки Git и чтения экрана (Accessibility Tree), расчет приоритета с помощью Context Fusion, фоновый движок консолидации и алгоритмического распада (decay).

• Фаза 3: Плавающий рабочий стол (Floating Desktop Island UI) — Прозрачный плавающий виджет, который может находиться поверх всех окон, интерфейс Alt+Space SML Terminal HQ, движок автоматизации действий, основанный на подтверждении пользователя.

• Фаза 4: Мобильная интеграция и голосовые эпизодические заметки — Доступ к локальному аудиооборудованию с мобильным клиентом React Native, анализ голосовых записей локальной моделью Whisper и синхронизация с настольным графом.

Saule Core предоставляет локальный микросервис REST API на порту 4000 для стандартизации клиентских интеграций (таких как расширение Beiwe Workspace). Он предоставляет следующие конечные точки: /api/smi/ingest (сохранение узлов памяти с локальными метаданными), /api/smi/recall (выполнение сегментированного извлечения контекста в личном и общественном пространствах), /api/smi/clarity (оценка семантического соответствия и консенсуса с помощью косинусного сходства) и /api/smi/verified-solutions (фильтрация совпадений в каталоге брендов на основе ограничений контекста).

Semantic Memory Layer (SML) — это официальная категория программного обеспечения, предлагаемая Saule на рынке. Она представляет собой независимый программный уровень, подобно RDBMS или Document Store. Когнитивная операционная система (Cognitive OS) — это наша техническая аналогия, показывающая, как этот уровень SML позиционируется поверх аппаратного и программного обеспечения.

Пользователи преодолевают рыночные барьеры, устанавливая интеллектуальный уровень памяти (SML) вместо установки новой операционной системы. Однако этот уровень, работая в фоновом режиме, осуществляет управление ресурсами и оркестрацию действий, подобно Cognitive OS, предлагая когнитивный опыт на уровне операционной системы.