mengetahui: Kecerdasan kode yang persisten untuk alur kerja agen asli AI
knowing, dari Blackwell Systems, adalah mesin kecerdasan kode permanen yang memberikan akses berkelanjutan kepada agen AI terhadap struktur dan keadaan proyek. Aplikasi ini berfungsi sebagai lapisan memori yang diekspos melalui Protokol Konteks Model dan menjawab kueri kode di seluruh sesi. Ini fokus pada pengiriman konteks yang ringkas dan dapat diverifikasi untuk mengurangi beban token. Audiens targetnya adalah pengembang yang membangun alur kerja agenik dan pengguna asisten AI yang membutuhkan konteks kode yang tahan lama dan dapat ditanyakan.
Ini mengkodekan basis kode menjadi grafik yang kompak dan alamat-konten
mengetahui mengubah sumber repositori menjadi grafik alamat-konten dan menawarkan format kabel asli AI yang diekstrak dari sistem. Format GCF secara dramatis mengurangi overhead token data terstruktur, dikutip hingga 92% dibandingkan dengan JSON standar, yang mengubah profil throughput untuk kueri model. Keluaran berkonsentrasi pada node yang dapat dialamatkan dan blob konteks kompak daripada blob teks mentah.
- Indeks asli grafik
- Format kabel yang efisien token
Ini menyediakan asal yang dapat diverifikasi dan mengelola memori sesi yang persisten
Sistem mencatat status yang dapat diverifikasi menggunakan bukti Merkle untuk membuktikan kode atau data apa yang ada pada waktu tertentu, mendukung audit dan pemeriksaan integritas. Mesin mempertahankan pengetahuan di seluruh sesi AI dan menerapkan kedaluwarsa yang menyesuaikan diri untuk entri yang sudah usang, membatasi konteks yang usang. Deduplication sesi mencegah konsumsi berulang dan mengurangi penggunaan token yang berulang selama kueri agen yang berulang, meningkatkan throughput efektif untuk alur kerja yang memiliki umur panjang.
Ini memerlukan alat MCP dan terintegrasi dengan klien asli MCP
Alat ini beroperasi sebagai server MCP dan mengekspos rangkaian 23–28 alat MCP untuk interaksi model, bergantung pada 25 extractor khusus untuk mengindeks struktur bahasa. Kompatibilitas secara eksplisit terdaftar untuk klien MCP seperti Claude Desktop dan Cursor, yang menempatkan sistem di dalam lingkungan pengembangan asli MCP. Fokus itu membuat adopsi menjadi alami bagi tim yang membangun otomatisasi agenik, dan kurang langsung untuk proyek di luar ekosistem MCP.
mengetahui adalah pilihan praktis untuk tim yang membangun infrastruktur agensi
Dengan pekerjaan sebelumnya dari pengembang pada agent-lsp, mcp-assert, dan format GCF, aplikasi ini cocok untuk tim yang membangun agen asli AI yang membutuhkan memori program yang tahan lama. Siapkan repositori dengan metadata yang konsisten dan pengindeksan selektif sehingga mesin dapat menjaga node yang relevan dan menghapus kebisingan secara efisien. Tim yang tidak beroperasi di dalam saluran yang kompatibel dengan MCP harus mengevaluasi persyaratan integrasi sebelum berkomitmen pada sistem.
