Memory System – Pamięć, która się skaluje

Atomy · Embeddingi · Cosine Similarity · Kompakcja sesji

Jak działa pamięć NoesisEngine

System pamięci NoesisEngine opiera się na atomach – małych, samodzielnych jednostkach wiedzy. Każdy atom to: tag + category + problem + solution, zapisany jako plik *.txt w katalogu memory/atoms/.

Tensor Search – wyszukiwanie semantyczne oparte na wektorowych embeddingach. Każdy atom przy zapisie jest automatycznie wektoryzowany – system generuje embedding (wektor semantyczny) i zapisuje go razem z atomem. Przy wyszukiwaniu zapytanie jest porównywane z embeddingami atomów przez cosine similarity – wyniki sortowane według podobieństwa znaczeniowego, nie tekstowego.

Dzięki temu system znajduje atomy powiązane tematycznie, nawet jeśli nie zawierają tych samych słów kluczowych. Embeddingi są aktualizowane automatycznie przy każdej modyfikacji atomu.
🧩 **Atomy** – `tag + category + problem + solution` w plikach `.txt`. `save_atom()` i `search_atoms()` – podstawowe API pamięci. Każdy atom to jedna konkretna wiedza.
📐 **Tensor Search / Embeddingi** – Wektoryzacja atomów przy zapisie. Cosine similarity przy wyszukiwaniu. Wyszukiwanie semantyczne – nie tylko słowa kluczowe, ale **znaczenie**.
📋 **Sesje z CompactionMarker** – JSON: Date, UpToMsgId, Summary, AtomCount. Helper kompaktuje historię i zapisuje znacznik – Agent odczytuje tylko to, co potrzebne.

MEMORY.md – notatki długoterminowe Agenta

Oprócz atomów, każdy agent ma plik MEMORY.md – to jego notatnik długoterminowy. Agent sam decyduje co jest warte zapamiętania: preferencje użytkownika, ważne ustalenia, konfiguracje, reguły.

Podczas kompakcji Helper czyści kontekst, ale atomy i MEMORY.md pozostają – wiedza nie ginie. To fundament skalowalności NoesisEngine: im dłużej pracuje, tym więcej pamięta, ale kontekst pozostaje lekki.