FEGIS (Schema Driven Memory)

🚀 FEGIS 框架

FEGIS 是一個基於 Anthropic 模型上下文協議構建的結構化思維框架，旨在生成持久的認知遺蹟。它允許用戶通過動態註冊、調用和存儲結構化的認知成果（利用向量嵌入和語義上下文）來定義模式化的認知方式，堪稱可編程的思維工具，還帶有可檢索的認知遺蹟。

需要注意的是，FEGIS 並非一個認知系統，而是構建你自己認知系統的基石。

在 FEGIS 裡，認知意味著藉助動態工具（即“模式”），對思想進行結構化的使用、捕獲、評估和關聯。這些工具以架構形式定義，能讓模型參與如反思、意識和分析等不同類型的認知活動。FEGIS 通過基於方案的提示而非無結構的提示模擬認知，讓每個思想都成為可搜索、持久且語義豐富的成果。

✨ 主要特性

關鍵能力

• 基於方案定義的認知模式：可使用 YAML 定義自定義認知模式及其結構化字段和元數據。
• 持久性認知遺蹟：能存儲認知遺蹟，包含完整的來源信息（模式、UUID、時間戳、元數據）。
• 語義檢索：可通過內容相似性或直接 UUID 查找搜索先前的認知遺蹟。
• 向量化存儲：利用嵌入實現高效的語義搜索。
• 模型無關格式：認知遺蹟可在不同的模型和會話中持久化。

FEGIS 實現的功能

• 開發能夠參考、反思並擴展先前認知遺蹟的代理。
• 擁有一個完全本地化、可移植且可檢查的“認知存檔”。
• 維護一個持久、結構化的思想體系，可隨時間進行搜索、檢索和擴展。
• 通過疊加認知模式支持工具的出現式使用。

🔧 技術細節

架構

FEGIS 包含幾個關鍵組件：

1. 架構定義：YAML 文件，用於定義認知模式及其結構。
2. 模型上下文協議服務器：將認知工具暴露給兼容的 LLM 客戶端。
3. Qdrant 向量數據庫：存儲和索引認知遺蹟以實現語義檢索。
4. 動態工具註冊：在運行時從架構定義創建工具。