cache-recall 1.0.0

Семантический кэш и долговременная память для ИИ-агентов

Recall

Семантический кэш и долговременная память для ИИ-агентов.

Recall помогает ИИ-ассистентам запоминать ответы и факты о пользователе — чтобы не отвечать на одно и то же дважды и давать персонализированные ответы.

Возможности

Функция	Описание
Кэш ответов	Семантический поиск — находит похожие вопросы, не только точные совпадения
Память ИИ	Долговременные факты о пользователе (навыки, проекты, предпочтения)
TTL	Автоустаревание кэшированных ответов
Теги	Группировка записей по категориям
Экономика	Статистика: сколько запросов сэкономлено
MCP-сервер	17 инструментов для MCP-клиентов (Qwen, Claude Desktop)
Локальный	Все данные на твоём компьютере, ничего не уходит в облако

Установка

pip install cache-recall

Быстрый старт

1. Первый запуск

При первом использовании Recall автоматически создаёт папку ~/.recall/:

~/.recall/
├── cache.db      ← Кэш ответов (временный, можно удалять)
├── memory.db     ← Память ИИ (постоянная, не трогать)
├── recall.log    ← Логи
└── config.json   ← Настройки (создаётся при изменении)

Ничего настраивать не нужно — работает из коробки.

2. Использование через CLI

# Найти ответ в кэше
recall ask "Что такое Python?"

# Сохранить ответ с тегами
recall save "Что такое Go?" "Язык от Google" --tags go,programming

# Запомнить факт о пользователе
recall remember "Пользователь владеет Python" --category skills --importance 7

# Найти релевантные факты
recall recall "какие языки знает пользователь?"

# Статистика
recall stats
recall economy
recall mem-stats

# Список записей
recall list
recall mem-list skills

# Настройки
recall config list
recall config set ttl 3600

3. Подключение как MCP-сервер

Добавь в настройки MCP-клиента (например, ~/.qwen/settings.json):

{
  "mcpServers": {
    "recall": {
      "command": "python",
      "args": ["-m", "recall.mcp_server"]
    }
  }
}

После подключения ИИ-ассистент получит 17 инструментов:

Инструмент	Что делает
ask(query)	Ищет ответ в кэше
save(query, response, tags)	Сохраняет ответ
remember(fact, category)	Запоминает факт
recall_memories(query)	Находит релевантные факты
cache_stats()	Статистика кэша
economy_stats()	HIT/MISS, экономия токенов
memory_stats()	Статистика памяти
config_get/set()	Управление настройками
tag_stats()	Статистика по тегам
cache_list(tag)	Список записей
list_memories(category)	Список фактов
cache_cleanup()	Удалить просроченные
cache_clear()	Очистить кэш
update_memory(id)	Обновить факт
forget_memory(id)	Удалить факт

Конфигурация

Настройки хранятся в ~/.recall/config.json. При первом запуске — дефолтные значения.

{
  "cache_db": "~/.recall/cache.db",
  "memory_db": "~/.recall/memory.db",
  "ttl": 86400,
  "threshold": 0.75,
  "log_file": "~/.recall/recall.log",
  "log_level": "INFO",
  "tags_enabled": true,
  "economy_tracking": true,
  "memory_enabled": true
}

Настройка	По умолчанию	Описание
ttl	86400 (24ч)	Время жизни кэшированных ответов
threshold	0.75	Порог семантического сходства
tags_enabled	true	Включить теги
memory_enabled	true	Включить память ИИ

Как использовать как библиотеку

from recall.cache import PromptCache
from recall.memory import Memory

# Кэш
cache = PromptCache(ttl=3600)
answer = cache.ask("Что такое Python?")
if answer is None:
    answer = "Python — язык программирования..."
    cache.save("Что такое Python?", answer, tags=["#python"])

# Память
memory = Memory()
memory.remember("Пользователь владеет Python", category="skills", importance=7)
facts = memory.recall_memories("какие языки знает?")

Структура проекта

recall/
├── src/
│   └── recall/
│       ├── __init__.py
│       ├── cache.py          # Ядро кэша: SQLite, эмбеддинги, теги
│       ├── memory.py         # Долговременная память ИИ
│       ├── config.py         # JSON-конфиг с дефолтами
│       ├── economy.py        # Трекер экономии (HIT/MISS)
│       └── mcp_server.py     # MCP-сервер (17 инструментов)
├── scripts/
│   └── recall_cli.py         # CLI-инструмент
├── tests/
│   └── test_cache.py         # 128 тестов
├── pyproject.toml
├── README.md
└── LICENSE

Разработка

# Клонировать репозиторий
git clone https://github.com/YOUR_USERNAME/recall.git
cd recall

# Установить зависимости
pip install -r requirements.txt

# Запустить тесты
python tests/test_cache.py

# Собрать пакет
pip install build
python -m build

# Установить локально
pip install -e .

Лицензия

MIT