FEGIS (Schema Driven Memory)

🚀 FEGIS 框架

FEGIS 是一个基于 Anthropic 模型上下文协议构建的结构化思维框架，旨在生成持久的认知遗迹。它允许用户通过动态注册、调用和存储结构化的认知成果（利用向量嵌入和语义上下文）来定义模式化的认知方式，堪称可编程的思维工具，还带有可检索的认知遗迹。

需要注意的是，FEGIS 并非一个认知系统，而是构建你自己认知系统的基石。

在 FEGIS 里，认知意味着借助动态工具（即“模式”），对思想进行结构化的使用、捕获、评估和关联。这些工具以架构形式定义，能让模型参与如反思、意识和分析等不同类型的认知活动。FEGIS 通过基于方案的提示而非无结构的提示模拟认知，让每个思想都成为可搜索、持久且语义丰富的成果。

✨ 主要特性

关键能力

• 基于方案定义的认知模式：可使用 YAML 定义自定义认知模式及其结构化字段和元数据。
• 持久性认知遗迹：能存储认知遗迹，包含完整的来源信息（模式、UUID、时间戳、元数据）。
• 语义检索：可通过内容相似性或直接 UUID 查找搜索先前的认知遗迹。
• 向量化存储：利用嵌入实现高效的语义搜索。
• 模型无关格式：认知遗迹可在不同的模型和会话中持久化。

FEGIS 实现的功能

• 开发能够参考、反思并扩展先前认知遗迹的代理。
• 拥有一个完全本地化、可移植且可检查的“认知存档”。
• 维护一个持久、结构化的思想体系，可随时间进行搜索、检索和扩展。
• 通过叠加认知模式支持工具的出现式使用。

🔧 技术细节

架构

FEGIS 包含几个关键组件：

1. 架构定义：YAML 文件，用于定义认知模式及其结构。
2. 模型上下文协议服务器：将认知工具暴露给兼容的 LLM 客户端。
3. Qdrant 向量数据库：存储和索引认知遗迹以实现语义检索。
4. 动态工具注册：在运行时从架构定义创建工具。