Octobrain: AI असिस्टेंट के लिए दीर्घकालिक मेमोरी

आप Claude के साथ एक घंटा डिबगिंग करते हैं। कोडबेस का अन्वेषण करते हैं, आर्किटेक्चरल निर्णय लेते हैं, एज केस ढूंढते हैं। बाहर निकल जाते हैं। अगला सेशन? आप अपने प्रोजेक्ट का स्ट्रक्चर शुरू से समझा रहे हैं।

AI को ऐसे काम नहीं करना चाहिए। Arize के शोध से पता चलता है कि 100K टोकन के बाद LLM का प्रदर्शन तेज़ी से गिरता है — यहाँ तक कि दस लाख टोकन की विंडो का विज्ञापन करने वाले मॉडल भी। Diffray के परीक्षण में पाया गया कि 12 में से 11 मॉडल मात्र 32K टोकन पर 50 % सटीकता से नीचे गिर गए। "lost in the middle" प्रभाव लंबे कॉन्टेक्स्ट में जानकारी को दबा देता है। और Qodo के सर्वे में पाया गया कि 65 % डेवलपर्स रिफैक्टरिंग के दौरान कॉन्टेक्स्ट की कमी को अपनी सबसे बड़ी बाधा बताते हैं।

समस्या यह नहीं है कि AI भूल जाता है। समस्या यह है कि हमारे पास उसे याद रखाने का कोई अच्छा तरीका नहीं था।

Octobrain AI असिस्टेंट के लिए दीर्घकालिक मेमोरी है। यह अंतर्दृष्टि, निर्णय और ज्ञान को सेशनों के पार बनाए रखता है — केवल उनके भीतर नहीं। आज हम लोकल फाइल इंडेक्सिंग, git-aware बासी रेफ़रेंस सफाई, और पूर्ण MCP (Model Context Protocol) अनुपालन के साथ संस्करण 0.5.0 जारी कर रहे हैं।

Octobrain असल में क्या करता है

Octobrain एक MCP सर्वर के रूप में चलता है जो किसी भी संगत क्लाइंट को मेमोरी टूल उपलब्ध कराता है — Claude Desktop, Zed, Cursor, या कुछ भी जो MCP बोलता है। जब आपको प्रत्यक्ष नियंत्रण चाहिए तो यह एक CLI भी है।

# MCP सर्वर शुरू करें
octobrain mcp

# या इसे सीधे इस्तेमाल करें
octobrain memory memorize --title "API Pattern" \
  --content "Use REST for CRUD, GraphQL for complex queries" \
  --memory-type architecture --tags "api,design"

सर्वर सात टूल प्रकट करता है: memorize, remember, forget, relate, auto_link, memory_graph, और knowledge_search। आपका AI बातचीत के दौरान अंतर्दृष्टि संग्रहीत करता है, उन्हें भविष्य के सेशनों में पुनः प्राप्त करता है, और संबंधित मेमोरीज़ के बीच के कनेक्शनों का अन्वेषण करता है।

कोई मैनुअल सारांश फाइलें नहीं। कोई कॉन्टेक्स्ट विंडो ब्लोट नहीं। बस वह मेमोरी जो टिकती है।

हमने इसे क्यों बनाया

हमने मेमोरी से शुरुआत नहीं की। हमने Octomind से शुरुआत की — विशेषज्ञ AI एजेंटों के लिए एक रनटाइम जो tap सिस्टम के माध्यम से आपको पाँच सेकंड में एक सीनियर डेवलपर देता है: octomind run developer:general। शून्य कॉन्फ़िगरेशन, पूर्ण रूप से सुसज्जित।

लेकिन हमारे एजेंट बार-बार उसी दीवार से टकराते रहे। वे किसी कार्य पर घंटों लगाते — कोडबेस का अन्वेषण करते, आर्किटेक्चरल निर्णय लेते, समाधान खोजते। फिर सेशन समाप्त हो जाता। कॉन्टेक्स्ट विंडो भर जाती। अगला सेशन शून्य से शुरू होता। वही पैटर्न फिर से खोजे जाते। वही निर्णय फिर से लिए जाते। टर्मिनल के साथ ग्राउंडहॉग डे।

हमने वर्कअराउंड आज़माए। मैनुअल मेमोरी बैंक जिनके लिए हमारे पास अनुशासन नहीं था। सेशन सारांश जो क्यों निर्णय लिए गए थे की बारीकियाँ खो देते थे। स्थिर नॉलेज बेस जो किसी फाइल का नाम बदलते ही पुराने हो जाते थे। Cursor rules, कस्टम स्क्रिप्ट, विभिन्न एक्सटेंशन। सब के सब एक गतिशील समस्या के लिए स्थिर वर्कअराउंड।

इसलिए हमने Octobrain बनाया।

मौजूदा टूल क्या गलत करते हैं

जब हमने मेमोरी समाधानों को देखा, हमें बार-बार वही कमियाँ मिलीं:

सिंगल-स्ट्रेटजी सिस्टम। अधिकांश टूल एक दृष्टिकोण चुनते हैं — वेक्टर खोज, या BM25, या ग्राफ ट्रावर्सल — और बस। लेकिन अलग-अलग क्वेरीज़ को अलग-अलग रणनीतियों की ज़रूरत होती है। कभी आपको सिमैंटिक समानता चाहिए। कभी आपको सटीक कीवर्ड मिलान चाहिए। कभी आपको रिश्तों को ट्रावर्स करना होता है। हम चाहते थे ये सब, बुद्धिमानी से जुड़े हुए।

स्थिर महत्व। मौजूदा सिस्टम हर मेमोरी को हमेशा के लिए समान रूप से महत्वपूर्ण मानते हैं। मेमोरी ऐसे काम नहीं करती। कुछ चीज़ें एक दिन के लिए मायने रखती हैं। कुछ वर्षों तक मायने रखती हैं। हमें टेम्पोरल डिके चाहिए था — मेमोरीज़ जो प्राकृतिक रूप से फीकी पड़ती हैं जब तक एक्सेस से सुदृढ़ न हों।

मृत संदर्भों का संचय। मेमोरीज़ में फाइल पाथ सड़ जाते हैं। आप रिफैक्टर करते हैं, नाम बदलते हैं, हटाते हैं। ज़्यादातर सिस्टम नोटिस नहीं करते। मेमोरीज़ बनी रहती हैं, भूतों की ओर इशारा करते हुए। हमें git-aware सफाई चाहिए थी जो नामकरण का पता लगाए, बासी संदर्भों को दंडित करे, और वास्तव में अप्रचलित को हटा दे।

कोई रिश्ते नहीं। वास्तविक ज्ञान जुड़ा हुआ होता है। एक निर्णय निर्भरताओं को इंगित करता है। एक बग फिक्स वर्कअराउंड को प्रतिस्थापित करता है। एक पैटर्न एक आर्किटेक्चर को लागू करता है। हमें एक ऐसी प्रणाली चाहिए थी जो इन रिश्तों को मॉडल कर सके, न कि केवल अलग-थलग तथ्यों को संग्रहीत करे।

SOTA दृष्टिकोण जो हम वास्तव में उपयोग करते हैं

हमने ये तकनीकें ईजाद नहीं कीं। हमने स्टेट ऑफ़ द आर्ट से जो काम करता है उसे एकत्र किया, उसे कॉन्फ़िगर करने योग्य बनाया, और उपयोग के मामले को निर्णय लेने दिया।

नेटिव RRF के साथ हाइब्रिड खोज

Octobrain LanceDB के नेटिव execute_hybrid() के माध्यम से Reciprocal Rank Fusion का उपयोग करके BM25 फुल-टेक्स्ट खोज को वेक्टर समानता के साथ जोड़ता है। वही एल्गोरिथम जो प्रोडक्शन सर्च सिस्टम उपयोग करते हैं। आप "auth layer" खोजने पर "authentication middleware" पाते हैं — लेकिन जब आपको चाहिए तब सटीक मिलान भी पाते हैं।

वैकल्पिक रीरैंकिंग

महत्वपूर्ण पुनर्प्राप्ति के लिए, cross-encoder रीरैंकर सक्षम करें। यह क्वेरी-डॉक्यूमेंट जोड़ियों को एक समर्पित मॉडल से स्कोर करता है। सटीकता 20–35 % सुधारता है, हैल्यूसिनेशन 35 % कम करता है। डिफ़ॉल्ट रूप से बंद क्योंकि गति मायने रखती है। जब आपको परिशुद्धता चाहिए तो उपलब्ध।

टेम्पोरल डिके (Ebbinghaus शैली)

मेमोरीज़ फीकी पड़ती हैं। यह बग नहीं है — यह कैसे कॉग्निशन काम करता है। Octobrain Ebbinghaus भूलने की वक्र लागू करता है: मेमोरीज़ प्राकृतिक रूप से क्षय होती हैं जब तक उन्हें एक्सेस न किया जाए। हर पुनर्प्राप्ति महत्व को बढ़ाती है। अप्रयुक्त मेमोरीज़ नीचे जाती हैं, महत्वपूर्ण दिखती रहती हैं। हाफ-लाइफ (डिफ़ॉल्ट: 90 दिन) और फ्लोर मान कॉन्फ़िगर करें।

ऑटो-लिंकिंग (AI के लिए Zettelkasten)

जब आप एक मेमोरी संग्रहीत करते हैं, Octobrain सिमैंटिक रूप से समान मेमोरीज़ खोजता है और द्विदिश संबंध बनाता है। परिणाम एक उभरता हुआ नॉलेज ग्राफ है। एक मेमोरी पूछें, उसका कॉन्टेक्स्ट पाएँ — मेमोरीज़ जो उसे विस्तारित करती हैं, खंडन करती हैं, लागू करती हैं, उस पर निर्भर करती हैं।

Git-aware बासी संदर्भ सफाई

मेमोरी सिस्टम उन फाइलों के संदर्भ संचित करते हैं जो अब मौजूद नहीं हैं। Octobrain स्टार्टअप पर इसका पता लगाता है: यदि सभी संबंधित फाइलें चली गई हैं, तो मेमोरी हट जाती है। यदि कुछ चली गई हैं, तो महत्व को दंडित किया जाता है। फाइलों का नाम बदला गया? हम git इतिहास के माध्यम से पता लगाते हैं और संदर्भ अपडेट करते हैं।

आपकी मेमोरी आपके कोडबेस जितनी ही साफ रहती है।

0.5.0 में नया क्या है

यह रिलीज़ उसे दर्शाता है जो हमने स्केल पर मेमोरी चलाते हुए सीखा:

लोकल फाइल इंडेक्सिंग: नॉलेज सिस्टम अब लोकल फाइलों को इंडेक्स करता है, केवल URL नहीं। इसे डॉक्यूमेंटेशन, PDF, Markdown पर निर्देशित करें। यह बुद्धिमानी से चंक करता है, कॉन्टेक्स्ट के लिए पैरेंट सामग्री ट्रैक करता है, सामग्री बासी होने पर स्वचालित रूप से पुनः इंडेक्स करता है।

सेशन-स्कोप्ड स्टोरेज: नॉलेज चंक्स सेशन-स्कोप्ड हो सकते हैं — अस्थायी संग्रहण जो 120 घंटे बाद स्वयं को साफ कर लेता है। ऐसे एक-बार के शोध के लिए जो दीर्घकालिक मेमोरी को प्रदूषित नहीं करना चाहिए।

Product और Workflow मेमोरी प्रकार: दो नई श्रेणियाँ। product फ़ीचर स्पेक, आवश्यकताओं, डिज़ाइन निर्णयों के लिए। workflow प्रक्रियाओं, प्लेबुक्स, आवर्ती पैटर्नों के लिए।

आधिकारिक rmcp SDK: कस्टम MCP कार्यान्वयन से आधिकारिक Rust SDK में स्थानांतरित। बेहतर प्रोटोकॉल अनुपालन, बेहतर स्थिरता, बेहतर भविष्य-प्रूफिंग।

बासी संदर्भ सफाई: मृत फाइल संदर्भों का स्वचालित पता लगाना, git नाम परिवर्तन ट्रैकिंग के साथ।

यह सब कैसे एक साथ फिट होता है: Octomind + Octobrain

Octobrain स्टैंडअलोन काम करता है। लेकिन यह Octomind के लिए डिज़ाइन किया गया है — विशेषज्ञ AI एजेंटों के लिए हमारा रनटाइम।

प्रवाह: Octomind कोड लिखता है, निर्णय लेता है, बग्स का सामना करता है। प्रत्येक अंतर्दृष्टि वर्तमान git कमिट हैश के साथ Octobrain में संग्रहीत होती है। तीन महीने बाद, उस मॉड्यूल को रिफैक्टर कर रहे हैं? Octomind मूल निर्णय को पुनः प्राप्त करता है — साथ ही संबंधित मेमोरीज़, परस्पर विरोधी दृष्टिकोण जो अस्वीकार किए गए थे, ट्रेड-ऑफ़ के पीछे का तर्क।

मेमोरी git remote URL हैश के माध्यम से आपके प्रोजेक्ट तक सीमित होती है। जब आपको साझा कॉन्टेक्स्ट चाहिए तो क्रॉस-प्रोजेक्ट क्वेरीज़ काम करती हैं। भूमिका फ़िल्टरिंग (developer, reviewer, आदि) दृष्टिकोणों को व्यवस्थित रखती है।

Octomind एजेंट संभालता है। Octobrain मेमोरी संभालता है। मिलकर वे पूरी समस्या हल करते हैं: एक AI जो वास्तव में आपके डोमेन को जानता है, सेशनों के पार, सेटअप के सिरदर्द के बिना।

हमने Mem0 या Zep का उपयोग क्यों नहीं किया

निर्माण से पहले हमने मेमोरी स्पेस का मूल्यांकन किया। यह रहा जो हमने पाया:

• Mem0: प्रोडक्शन तक सबसे तेज़ रास्ता, उत्कृष्ट प्रबंधित सेवा, फ्लैट वेक्टर आर्किटेक्चर (कोई ग्राफ रिश्ते नहीं)। हमें ग्राफ चाहिए था।
• Zep: ग्राफ-आधारित, टेम्पोरल क्वेरीज़ पर मज़बूत, LoCoMo बेंचमार्क में अग्रणी — जटिल आर्किटेक्चर, local-first उपयोग के लिए जितना हम चाहते थे उससे भारी।
• Letta: OS-प्रेरित मेमोरी टियर, LLM पुनर्प्राप्ति प्रबंधित करता है — सभी मेमोरी ऑपरेशनों के लिए LLM आवश्यक है। हम कुछ हल्का, तेज़, अधिक पूर्वानुमेय चाहते थे।

Octobrain अलग है। हम एक दृष्टिकोण के लिए अनुकूलन नहीं कर रहे हैं — हम कई SOTA रणनीतियों को उपलब्ध और कॉन्फ़िगर करने योग्य बना रहे हैं। हाइब्रिड खोज या शुद्ध वेक्टर? आपकी पसंद। टेम्पोरल डिके या स्थिर महत्व? कॉन्फ़िगर करने योग्य। ऑटो-लिंकिंग या मैनुअल रिश्ते? दोनों काम करते हैं। लोकल एम्बेडिंग या API-आधारित? किसी भी तरह।

लक्ष्य सबसे सरल मेमोरी सिस्टम नहीं है। यह आपके विशिष्ट उपयोग के मामले के लिए सबसे सटीक है।

ओपन सोर्स, Local-First

Octobrain Apache-2.0 लाइसेंसयुक्त है और पूरी तरह से आपकी मशीन पर चलता है। आपका कोड, आपकी मेमोरीज़, आपका डेटा — आपके सिस्टम को कभी नहीं छोड़ता, जब तक आप स्पष्ट रूप से बाहरी एम्बेडिंग API कॉन्फ़िगर न करें। हमने इसे इस तरह बनाया क्योंकि हम "सुविधाजनक" प्रबंधित सेवाओं के बीच चुनने से थक गए थे जो हमारे कोडबेस को किसी और के सर्वर पर भेजने की आवश्यकता रखती थीं, या नाजुक DIY समाधान जो लोड के तहत गिर जाते थे।

सेल्फ-होस्टिंग का अर्थ क्षमता पर समझौता नहीं होना चाहिए। Octobrain आपको प्रोडक्शन-ग्रेड हाइब्रिड खोज, टेम्पोरल डिके, और रिश्ते के ग्राफ देता है — सब स्थानीय रूप से चलते हुए, शून्य डेटा एक्सपोज़र के साथ।

शुरुआत करना

# Homebrew के माध्यम से macOS (अनुशंसित)
brew install muvon/tap/octobrain

# crates.io के माध्यम से कोई भी प्लेटफ़ॉर्म
cargo install octobrain

# MCP सर्वर शुरू करें
octobrain mcp

अपने Claude Desktop कॉन्फ़िगरेशन में जोड़ें:

{
	"mcpServers": {
		"octobrain": {
			"command": "/path/to/octobrain",
			"args": ["mcp"]
		}
	}
}

Claude पुनरारंभ करें। आपके AI के पास अब दीर्घकालिक मेमोरी है।

FAQ

क्या Octobrain Claude के अलावा अन्य AI असिस्टेंट के साथ काम करता है?

हाँ। कोई भी MCP-संगत क्लाइंट काम करता है — Claude Desktop, Zed, Cursor, Windsurf, और कोई भी कस्टम कार्यान्वयन जो प्रोटोकॉल बोलता है।

मेरा डेटा कहाँ संग्रहीत है?

स्थानीय रूप से आपकी मशीन पर। Octobrain ग्राफ के लिए SQLite और वेक्टर्स के लिए LanceDB का उपयोग करता है। कोई क्लाउड सेवा नहीं, कोई बाहरी संग्रहण नहीं जब तक आप API-आधारित एम्बेडिंग प्रदाता कॉन्फ़िगर न करें।

यह Claude की अंतर्निहित मेमोरी का उपयोग करने की तुलना में कैसा है?

Claude की मेमोरी व्यक्तिगत वरीयताओं और आवर्ती कॉन्टेक्स्ट के लिए बढ़िया है। Octobrain प्रोजेक्ट ज्ञान के लिए है — आर्किटेक्चरल निर्णय, कोडबेस पैटर्न, बग फिक्स, डिज़ाइन ट्रेड-ऑफ़। यह प्रोजेक्ट्स में बना रहता है और खाता परिवर्तन से बचता है।

क्या मैं मौजूदा नोट्स या डॉक्यूमेंटेशन आयात कर सकता हूँ?

हाँ। 0.5.0 में नॉलेज सिस्टम लोकल फाइलों को इंडेक्स करता है — Markdown, PDF, टेक्स्ट फाइलें। इसे अपने डॉक्स पर निर्देशित करें और यह उन्हें चंक करता है, एम्बेड करता है, और खोजने योग्य बनाता है।

यदि मैं मेमोरीज़ में उल्लिखित फाइलों का नाम बदलूँ या हटा दूँ तो क्या होगा?

Octobrain स्टार्टअप पर इसका पता लगाता है। यदि सभी संबंधित फाइलें चली गई हैं, तो मेमोरी हट जाती है। यदि कुछ रहती हैं, तो महत्व दंडित होता है। नाम परिवर्तन git इतिहास के माध्यम से पहचाने जाते हैं और संदर्भ स्वचालित रूप से अपडेट हो जाते हैं।

क्या होस्टेड संस्करण है?

वर्तमान में नहीं। Octobrain local-first डिज़ाइन किया गया है। होस्टेड संस्करण के लिए महत्वपूर्ण आर्किटेक्चरल बदलाव और सुरक्षा विचार चाहिए होंगे। यदि आपको यह चाहिए, हमें बताएँ।

आगे क्या है

हम पुनर्प्राप्ति रणनीतियों के साथ प्रयोग कर रहे हैं। मल्टी-वेक्टर प्रतिनिधित्व। सीखी हुई स्पार्स पुनर्प्राप्ति। क्वेरी विस्तार। मेमोरी स्पेस तेज़ी से विकसित हो रहा है — हम वही शिप करने के लिए प्रतिबद्ध हैं जो काम करता है, न कि वह जो किसी पेपर में अच्छा लगता है।

यदि आप ऐसे AI एजेंट बना रहे हैं जिन्हें सेशनों के पार चीज़ें याद रखनी हैं, तो Octobrain आज़माएँ। हमने इसे बनाया क्योंकि हमें इसकी ज़रूरत थी। यदि आप उसी दीवार से टकरा रहे हैं जिससे हम टकराए, तो शायद यह वही है जिसकी आपको भी ज़रूरत है।

---

Octobrain Muvon Un Limited द्वारा विकसित किया गया है। Apache-2.0 के तहत ओपन सोर्स। इसे GitHub पर पाएँ।