Většina AI agentů dnes stojí na kombinaci RAG pipeline, embeddings a vektorové databáze. Memvid tenhle stack zjednodušuje do jediného přenositelného souboru. Projekt ukládá data, embeddingy i metadata do formátu .mv2, který funguje jako samostatná paměťová vrstva pro AI aplikace bez potřeby externí databáze.
Za projektem stojí tým kolem Memvid Inc. Open-source repozitář se během několika měsíců dostal mezi trendující AI projekty na GitHubu a dnes má desítky tisíc stars. Vedle hlavního repozitáře existuje i VS Code extension pro indexaci codebase a benchmark projekt postavený nad datasetem LoCoMo.
Hlavní myšlenka Memvidu je ukládat paměť podobně jako append-only log. Data se zapisují do takzvaných Smart Frames, které obsahují obsah, embeddingy, časová metadata i vztahy mezi záznamy. Systém pak umí dělat semantic search, časové dotazy nebo rekonstruovat starší stav paměti bez potřeby klasické databázové infrastruktury.
Projekt míří hlavně na AI agenty, knowledge base nebo lokální AI aplikace. Memvid funguje offline, je model-agnostic a podporuje více jazyků přes SDK pro Python, Node.js nebo Rust. Vývojáři ho používají jako lehčí alternativu k Pinecone, Weaviate nebo komplexním LangChain RAG pipeline.
Memvid zároveň hodně staví na výkonu. Autoři uvádějí latenci kolem 0.025 ms P50 a benchmarky na LoCoMo datasetu s přesností přes 85 %. Ve srovnání s některými běžnými memory systémy má mít výrazně lepší multi-hop i temporal reasoning. Benchmark repozitář navíc obsahuje kompletní metodiku i reprodukovatelné výsledky.
Zajímavé je i samotné balení dat. Starší verze projektu experimentovala s ukládáním AI paměti do video souborů a kompresí přes video kodeky. Novější verze už používá vlastní .mv2 formát, ale stále zachovává myšlenku přenositelné a verzované AI paměti bez serverové infrastruktury.
Zdroje:
