Skip to content

README.ru.md

Latest commit

 

History

History
644 lines (488 loc) · 44 KB

README.ru.md

File metadata and controls

644 lines (488 loc) · 44 KB

ContextOS

English | Français | Español | 中文 | Nederlands | Русский | 한국어

Единый слой контекстного интеллекта для ИИ-агентов.
Одна установка через pip. Все возможности. Ничего не упущено.

PyPI version License: MIT Python 3.10+ MCP Compatible GitHub Stars

pip install contextos

Что такое ContextOS?

ContextOS — это слой операционной системы для контекста ИИ: единый MCP-сервер и CLI, который поглощает, расширяет и превосходит возможности семи ведущих открытых репозиториев в экосистеме ИИ-агентов и управления контекстом.

Он создан потому, что ни один проект не покрывал весь стек. Каждый существующий инструмент блестел в одном и не хватало всего остального. ContextOS собирает их вместе, закрывает каждый пробел и добавляет слой оркестрации, которого нигде не было.

ContextOS — не обёртка. Это платформа. Каждый инструмент, который вы использовали раньше, становится модулем, работающим поверх неё.

v0.2.0 — обновление Cognition

Индустрия строит: извлечь, затем сгенерировать.
ContextOS строит: извлечь, ПОДУМАТЬ, затем сгенерировать.

Все фреймворки агентов на рынке пропускают самый важный шаг. Они извлекают контекст, запихивают его в промпт и генерируют вывод. Мышление между извлечением и выводом — та часть, где эксперт рассуждает о противоречиях, взвешивает ограничения, чувствует недостающую информацию и решает, насколько глубоко копать — этой части нигде нет.

До сих пор.

v0.2.0 добавляет три новых слоя и фреймворк, моделирующий то, как на самом деле работает экспертное рассуждение:

Слой Cognition — шесть когнитивных примитивов

Это операции рассуждения между извлечением и генерацией. Ни один фреймворк агентов не строил их как полноценный слой.

Примитив Что делает Почему это важно
Активное забывание Отбрасывает извлечённый контекст, ухудшающий качество вывода Больше контекста не всегда лучше. 20 извлечённых фрагментов, из которых важны 3, создают шум, сбивающий рассуждение.
Калибровка глубины рассуждения Оценивает, сколько размышления заслуживает задача до траты вычислений Быстрое сопоставление с образцом и цепочка из 10 шагов рассуждения оба допустимы — для разных задач. Агенты должны понимать, в какой ситуации они находятся.
Детекция синтеза Определяет, должен ли агент ДУМАТЬ над тем, что есть, или ИДТИ за большим Вся индустрия трактует каждую задачу как проблему извлечения. Некоторые задачи — синтез, аналогия или реляционное рассуждение. Больше данных им вредит.
Чувствование неизвестного неизвестного Обнаруживает отсутствие целой КАТЕГОРИИ информации Известные неизвестные просты. Неизвестные неизвестные убивают. «Я не знал, что данные Salesforce здесь релевантны» — иной режим отказа, чем «у меня нет сегодняшних данных».
Продуктивное противоречие Держит конфликтующие данные как сигнал вместо разрешения «Google Ads говорит, что конверсии растут, CRM — что воронка плоская» — ответ не «выбрать одно». Разрыв измерений И есть инсайт.
Контекстно-зависимая гравитация Перевзвешивает важность памяти по текущему вопросу Воспоминание «никогда не запускать branded без одобрения» даёт низкую схожесть с запросом PMax, но кардинально меняет рекомендацию. Статические оценки важности это упускают.

Retrieval Router — маршрутизация с учётом churn

Настоящий каркас извлечения — не «структурированные vs неструктурированные данные». Это скорость изменения данных vs стоимость индексации.

Кодовые базы меняются при каждом переключении ветки — эмбеддинг мгновенно даёт устаревшие индексы. Юридические документы меняются ежеквартально — один раз эмбеддить окупается месяцами. Retrieval Router классифицирует каждый источник данных по скорости изменения нижележащих данных и выбирает стратегию извлечения.

Класс churn Пример данных Стратегия Почему
Live Отчёты по поисковым запросам, аукционные данные, темп бюджета Прямой API-pull, без индекса Любой кэшированный ответ уже неверен
Warm Списки ключевых слов, сегменты аудитории, инвентарь текстов объявлений BM25 или векторный индекс с часами свежести Меняется еженедельно; индекс полезен, если свеж
Cold Политики рекламы, иерархия аккаунта, стратегические документы Полный векторный поиск, embed один раз Меняется не чаще квартала; имеет смысл глубокая индексация

Роутер проверяет свежесть индекса на каждый запрос. Если индекс warm-источника устарел, автоматически откатывается к live pull. Без вмешательства человека.

Index Lifecycle Manager — самовосстанавливающиеся индексы

Событийно-управляемая переиндексация с предохранителями и детекцией дрейфа модели эмбеддингов.

  • Переиндексация по записи: когда MCP-сервер пушит новые данные, индекс перестраивается автоматически. Без cron. Поток данных И есть триггер индексации.
  • Детекция дрейфа модели эмбеддингов: обновили модель? Каждый векторный индекс тихо невалиден. Менеджер жизненного цикла ловит несоответствия версий модели и запускает полные пересборки.
  • Карантин при смене схемы: если меняется форма входящих данных, существующие индексы карантинятся до пересборки. Никаких тихо неверных результатов.
  • Предохранители: если переиндексация падает 3 раза подряд, система перестаёт пытаться и деградирует к live pull. Алерты. Ручной сброс доступен.
  • Пульс-проверки: периодические сканы ловят устаревшие индексы, которые не были затронуты событиями.

Как это работает: пример из рекламы

from contextos import ContextOS
from contextos.router import DataSourceProfile

ctx = ContextOS(workspace="ad-agent", cognition_enabled=True)

# Register data sources with churn profiles
ctx.router().register_source(DataSourceProfile(
    name="search_queries",
    mcp_server="google-ads-mcp",
    churn_class="live",         # changes every hour
    index_strategy="none",       # always pull fresh
))

ctx.router().register_source(DataSourceProfile(
    name="keyword_lists",
    mcp_server="google-ads-mcp",
    churn_class="warm",          # changes weekly
    index_strategy="bm25",
    freshness_threshold_seconds=7200,
))

ctx.router().register_source(DataSourceProfile(
    name="ad_policies",
    mcp_server="policy-docs-mcp",
    churn_class="cold",          # changes quarterly
    index_strategy="vector",
    freshness_threshold_seconds=604800,
))

# The cognition layer runs automatically between retrieval and output.
# Given "should I pause branded campaigns given declining ROAS", it:
#
# 1. Active Forgetting: drops irrelevant chunks, keeps signal
# 2. Unknown Unknown Sensing: flags that budget data and analytics
#    were available but not queried
# 3. Gravity Reweighting: finds a constraint at importance 0.3
#    saying "never pause branded without approval" and boosts it
#    to 0.95 because it's a constraint that overrides the analysis
# 4. Synthesis Detection: identifies this as a reasoning problem,
#    not a retrieval problem -- the agent has contradictory data
#    (ROAS down, pipeline up) and needs to reason about what
#    the contradiction means

На плечах гигантов

ContextOS не существовал бы без выдающейся работы этих проектов. Мы формально благодарим и чтим каждый:

modelcontextprotocol/servers

80,5k stars — TypeScript
Фундаментальный стандарт выполнения инструментов и протокола контекста. ContextOS принимает MCP как нативную схему и на 100% совместим со всеми существующими MCP-серверами.
Что дало нам: протокол. Стандарт. Экосистему.
Чего не хватало: нет слоя оркестрации, памяти, извлечения, планирования — только транспортный протокол.

infiniflow/ragflow

74,4k stars — Python
Промышленный RAG-движок с возможностями агента и глубоким разбором документов.
Что дало нам: движок извлечения, пайплайн загрузки документов, выполнение RAG с учётом агента.
Чего не хватало: нет межслойной интеграции памяти, детекции устаревания, маршрутизации по нескольким корпусам, петли обратной связи, нативной MCP-схемы инструментов.

dair-ai/Prompt-Engineering-Guide

71,3k stars — MDX
Авторитетный корпус паттернов prompt engineering, статей и техник.
Что дало нам: базу знаний планирования и промптинга, питающую шаблоны спецификаций и паттерны инструкций агентов в ContextOS.
Чего не хватало: только статическая документация — нет интеграции в рантайм, версионирования промптов, отслеживания результатов.

upstash/context7

48,2k stars — TypeScript
Актуальная документация кода для LLM и AI-редакторов кода.
Что дало нам: живую выдачу документации, инъекцию контекста с учётом версий для LLM.
Чего не хватало: нет слоя памяти, интеграции извлечения, непрерывности сессии — чисто stateless выборка доков.

thedotmack/claude-mem

33,5k stars — TypeScript
Плагин Claude Code, захватывающий и сжимающий сессии кодирования с ИИ и SQLite + эмбеддинги.
Что дало нам: паттерн сжатия памяти в сессии, архитектуру SQLite + эмбеддинги.
Чего не хватало: память умирает с сессией. Нет межсессионной персистентности, графа сущностей, уровней, разрешения конфликтов.

ComposioHQ/composio

27,3k stars — TypeScript
Питает 1000+ наборов инструментов с auth, поиском инструментов и песочницей для сборки ИИ-агентов.
Что дало нам: слой внешней интеграции API — OAuth, песочница инструментов, контекст выполнения.
Чего не хватало: нет выполнения DAG инструментов, кэширования выводов, политик retry/fallback, версионирования инструментов.

gsd-build/get-shit-done

26,5k stars — JavaScript
Лёгкая система мета-промптинга и разработки на спецификациях для Claude Code.
Что дало нам: модель выполнения на спеках, паттерны мета-промптинга, шаблоны декомпозиции задач.
Чего не хватало: нет динамической пересмотра планов, распространения ограничений, версионирования спеков, петли оценки результатов.

andrewyng/context-hub

47 stars — JavaScript
Курируемое версионируемое хранилище документов с CLI (chub) для кодовых агентов.
Что дало нам: паттерн doc intelligence: курируемый контент + инкрементальная выборка + локальные аннотации + петли обратной связи сообщества.
Чего не хватало: нет слоя памяти, интеграции извлечения, MCP-схемы инструментов, поддержки Python.

ContextOS полностью поглощает context-hub. Каждая команда chub отображается на команду ctx docs.

Чего не хватало — и что строит ContextOS

После поглощения всех семи проектов оставались пробелы, которые ни один репозиторий не закрывал целиком:

Ядро оркестрации (полностью новое)

Возможность Почему важно
Семантический маршрутизатор намерений Классифицирует каждый входящий запрос и автоматически направляет в нужный слой.
Трассировка запросов / наблюдаемость Полная линейка на вызов инструмента: какой слой сработал, задержка, стоимость токенов, оценка качества.
Реестр схем Версионированные схемы инструментов с обратной совместимостью.
Аутентификация нескольких workspace API-ключи, лимиты и аудит-логи на workspace.
Книга затрат Учёт расходов LLM + API по сессии, workspace и инструменту.

Слой Cognition (полностью новый в v0.2.0)

Возможность Почему важно
Активное забывание Убирает извлечённый контекст, создающий шум. Больше — не лучше.
Калибровка глубины рассуждения Понимать, сколько размышления стоит задача до траты вычислений.
Детекция синтеза Отличать задачи извлечения от задач рассуждения.
Чувствование неизвестного неизвестного Обнаруживать отсутствующие категории информации, а не только факты.
Продуктивное противоречие Держать конфликтующие сигналы как инсайт, а не сводить к одному ответу.
Контекстно-зависимая гравитация Перевзвешивать память по текущему вопросу. Ограничения важнее косинусной схожести.
Бюджет контекста Ограничивать токены извлечённого контекста. «Окно контекста = RAM» Карпати сделано операционным.

Retrieval Router (полностью новый в v0.2.0)

Возможность Почему важно
Реестр источников данных Каждый MCP-сервер декларирует профиль churn, стратегию индекса и порог свежести.
Маршрутизация с учётом churn Классификация live/warm/cold по источнику. Стратегия соответствует волатильности данных.
Автоматический откат Индекс устарел? Откат к live pull. Без ручного вмешательства.
Переклассификация по обратной связи Если «cold»-источник постоянно устаревает, система автоматически повышает его до «warm».

Index Lifecycle Manager (полностью новый в v0.2.0)

Возможность Почему важно
Событийно-управляемая переиндексация События данных MCP запускают пересборку. Без cron.
Детекция дрейфа модели эмбеддингов Обновление модели = все векторные индексы невалидны. Автообнаружение и пересборка.
Карантин при смене схемы Меняется форма данных? Индекс в карантине до пересборки.
Предохранители 3 последовательных сбоя индекса = деградация к live pull + алерт.
Пульс-проверки здоровья Периодические сканы ловят то, что события пропустили.

Слой памяти (расширяет claude-mem)

Возможность Почему важно
Межсессионная персистентность Память переживает перезапуски процессов.
Уровни памяти (Hot/Warm/Cold) Автоповышение/понижение по свежести + релевантности.
Граф сущностей Извлекает сущности и связывает их как структурированные знания.
Разрешение конфликтов Разрешает противоречивые источники памяти по времени + уверенности.
Память пользователя vs агента Что сказал пользователь системе и что выучили агенты — раздельно.

Слой извлечения (расширяет ragflow + context7)

Возможность Почему важно
Гибридный поиск BM25 по ключевым словам + плотный векторный поиск вместе.
Оценка атрибуции источника Ранжирует фрагменты по качеству происхождения, не только по косинусу.
Детекция устаревания Помечает контент старше настраиваемого TTL и запускает повторную выборку.
Маршрутизация по нескольким корпусам Параллельно направляет запросы к докам, живому вебу, кодовой базе или спецификации API.
Петля обратной связи извлечения Отслеживает, какие фрагменты попали в итоговый вывод. Маршрутизация улучшается со временем.

Слой выполнения инструментов (расширяет composio + MCP servers)

Возможность Почему важно
Цепочки инструментов / выполнение DAG Многошаговые пайплайны с ветвлением.
Песочничное выполнение кода Безопасное выполнение с захватом вывода и восстановлением после ошибок.
Кэширование выводов инструментов Кэширует детерминированные результаты по хэшу входа.
Политики retry + fallback SLA на инструмент: бюджет повторов, запасной инструмент, graceful degradation.
Версионирование инструментов Фиксирует рабочие процессы агентов на конкретные версии инструментов.

Слой планирования и спеков (расширяет GSD + Prompt-Engineering-Guide)

Возможность Почему важно
Динамическая пересмотр планов Планы обновляются в ходе выполнения по выводу инструментов.
Распространение ограничений Если инструмент X падает, нижестоящие шаги пересматриваются автоматически.
Версионирование спеков + diff Отслеживает эволюцию спеков задач. Откат, если новая спека хуже.
Хук спарринга перед ответом Обязательная рефлексия перед любым выводом агента. Пауза перед действием.
Оценка результата Оценивает итоговый вывод относительно исходной спеки. Сигнал обратно в планирование.

Слой doc intelligence (полностью поглощает context-hub)

Возможность Почему важно
Реестр курируемых доков Сообществом поддерживаемые версионируемые markdown-доки для API, фреймворков и инструментов.
Выборка под язык Получает доки на целевом языке. Без лишних фрагментов.
Инкрементальная выборка Берёт только нужное. Без лишних токенов.
Постоянные аннотации Локальные заметки агентов к докам. Переживают перезапуск сессии.
Петля обратной связи сообщества Голоса за/против по доку возвращаются мейнтейнерам.
Оценка устаревания доков Устаревшие доки помечаются и автоматически перезагружаются.

Архитектура

┌──────────────────────────────────────────────────────────────────────┐
|                          CLIENT / AGENT                               |
|               (Claude Desktop - Cursor - Windsurf - SDK)             |
└───────────────────────────────┬──────────────────────────────────────┘
                                | MCP Protocol
┌───────────────────────────────▼──────────────────────────────────────┐
|                       ORCHESTRATION CORE                              |
|    Intent Router - Schema Registry - Cost Ledger - Request Tracing   |
└──┬──────────┬──────────┬──────────┬──────────┬──────────┬────────────┘
   |          |          |          |          |          |
┌──▼───┐ ┌───▼────┐ ┌───▼───┐ ┌───▼────┐ ┌───▼────┐ ┌───▼─────┐
|MEMORY| |RETRIEV.| | TOOLS | |PLANNING| |COGNIT. | | ROUTER  |
|      | |        | |       | |        | |        | |         |
|Hot   | |Hybrid  | |DAG    | |Spec    | |Active  | |Churn    |
|Warm  | |Search  | |Exec   | |Engine  | |Forget  | |Classes  |
|Cold  | |Multi-  | |Cache  | |Sparring| |Depth   | |Data Src |
|Entity| |Corpus  | |Retry  | |Hook    | |Calibr. | |Registry |
|Graph | |Stale-  | |Sand-  | |Dynamic | |Synth.  | |Freshness|
|Confl.| |ness    | |box    | |Revis.  | |Detect  | |Clock    |
|Resol.| |Feed-   | |Version| |Outcome | |Unknown | |Feedback |
|      | |back    | |Pin    | |Eval    | |Unknown | |Learn    |
|      | |        | |       | |        | |Contra- | |         |
|      | |        | |       | |        | |diction | |         |
|      | |        | |       | |        | |Gravity | |         |
└──────┘ └────────┘ └───────┘ └────────┘ └────────┘ └────┬────┘
                                                          |
                                                   ┌──────▼──────┐
                                                   |   INDEXER    |
                                                   |             |
                                                   |Event-Driven |
                                                   |Re-index     |
                                                   |Model Drift  |
                                                   |Detection    |
                                                   |Circuit      |
                                                   |Breakers     |
                                                   |Heartbeat    |
                                                   └─────────────┘

Критический поток данных (v0.2.0):

Request → Orchestration → Router (pick strategy per source)
                            ↓
                        Retrieval (execute strategy)
                            ↓
                        Cognition (THINK before generating)
                          - forget noise
                          - calibrate depth
                          - sense unknown unknowns
                          - detect contradictions
                          - reweight constraints
                            ↓
                        Planning (Sparring Hook + plan)
                            ↓
                        Generation (finally, produce output)
                            ↓
                        Feedback (did the output use the context?)
                            ↓
                        Router learns → Indexer heals → Cognition calibrates

Быстрый старт

from contextos import ContextOS

ctx = ContextOS(
    workspace="my-agent",
    memory_tier="warm",
    retrieval_mode="hybrid",
    tools=["composio", "mcp"],
    sparring_hook=True,
    cognition_enabled=True,        # v0.2.0: thinking layer
    churn_aware_routing=True,      # v0.2.0: per-source routing
)

# Use as MCP server
ctx.serve(port=8080)

Регистрация источников данных

from contextos.router import DataSourceProfile

ctx.router().register_source(DataSourceProfile(
    name="google_ads",
    mcp_server="google-ads-mcp",
    churn_class="live",
    index_strategy="none",
))

ctx.router().register_source(DataSourceProfile(
    name="client_docs",
    mcp_server="google-drive-mcp",
    churn_class="cold",
    index_strategy="vector",
    freshness_threshold_seconds=604800,
))

Запуск прохода Cognition

report = ctx.cognition().think(
    query="should we shift budget from search to pmax",
    retrieved_context=[...],
    memories=[...],
    available_sources=["google_ads", "analytics", "crm", "budget"],
    retrieved_from=["google_ads", "analytics"],
    domain="advertising",
)

print(report.unknown_unknowns)   # sources you forgot to check
print(report.gravity_shifts)     # constraints that override the analysis
print(report.contradictions)     # conflicting signals worth investigating
print(report.depth_estimate)     # how much thinking this deserves

CLI: ctx

Команды docs (паритет с context-hub + расширения)

ctx docs search openai                     # find available docs
ctx docs get openai/chat --lang py         # fetch current docs, Python variant
ctx docs get stripe/api --file webhooks    # incremental fetch
ctx docs annotate stripe/api "Note here"   # attach a persistent note
ctx docs feedback stripe/api up            # upvote a doc

Команды памяти

ctx memory store "key insight about X"
ctx memory retrieve "what do I know about stripe webhooks"
ctx memory forget "session notes from project Y"
ctx memory graph query "entity:OpenAI"
ctx memory conflicts --resolve auto

Команды извлечения

ctx retrieve docs "stripe payment intents python"
ctx retrieve live "openai assistants api latest"
ctx retrieve web "LLM context window best practices 2026"
ctx retrieve code "webhook verification pattern"

Команды роутера (новое в v0.2.0)

ctx router register --name google_ads --churn live --index none
ctx router register --name policies --churn cold --index vector
ctx router health                          # index health across all sources
ctx router route "what queries triggered ads today"  # show routing decision

Команды cognition (новое в v0.2.0)

ctx cognition think --query "should I pause branded" --domain advertising
ctx cognition budget --tokens 4000         # set context budget
ctx cognition contradictions --last        # show last detected contradictions
ctx cognition unknowns --last              # show unknown-unknown alerts

Команды планирования

ctx plan create "build a stripe checkout integration"
ctx plan spar                              # pre-response sparring hook
ctx plan revise --feedback "tool X failed"
ctx plan evaluate --against-spec spec.md

Команды оркестрации

ctx health                                 # all 8 layers
ctx cost summary --workspace my-agent
ctx trace --id req_abc123

Экспонируемые инструменты MCP

ContextOS экспонирует 67 инструментов в 8 категориях через протокол MCP.

Инструменты памяти (9)

memory_store memory_retrieve memory_forget memory_summarize memory_diff memory_graph_query memory_export memory_import memory_conflicts

Инструменты извлечения (8)

retrieve_docs retrieve_live retrieve_web retrieve_code retrieve_merge retrieve_score retrieve_feedback retrieve_staleness

Инструменты cognition (6) (новое в v0.2.0)

cognition_think cognition_forget cognition_depth cognition_contradictions cognition_unknowns cognition_gravity

Инструменты роутера (5) (новое в v0.2.0)

router_register router_route router_health router_feedback router_reclassify

Инструменты индексатора (5) (новое в v0.2.0)

indexer_status indexer_rebuild indexer_heartbeat indexer_circuit_reset indexer_model_update

Выполнение инструментов (12)

tool_run tool_chain tool_cache_get tool_cache_set tool_register tool_list tool_schema tool_version_pin tool_retry_policy tool_cost tool_sandbox_run tool_composio

Инструменты планирования (9)

plan_create plan_revise plan_diff plan_evaluate plan_spar plan_decompose plan_constraints plan_rollback plan_template

Инструменты оркестрации (9)

ctx_route ctx_trace ctx_schema_get ctx_schema_register ctx_cost_summary ctx_workspace_create ctx_workspace_list ctx_health ctx_version

Инструменты doc intelligence (8)

docs_search docs_get docs_get_file docs_annotate docs_annotate_clear docs_annotate_list docs_feedback docs_contribute

Петля самосовершенствования агента

Without ContextOS                          With ContextOS v0.2.0
-----------------                          ---------------------
Search the web                             Churn-aware retrieval per source
Noisy results                              Active forgetting drops noise
17 chunks, 3 useful                        Context budget enforces quality
Code breaks                                Agent annotates gaps locally
No idea what's missing                     Unknown-unknown sensing flags gaps
Contradictions ignored                     Productive contradiction finds insight
Static memory importance                   Gravity reweighting by current question
Knowledge forgotten next session           Hot/warm/cold memory with entity graph
No plan when tools fail                    Constraint propagation + dynamic revision
Output not evaluated                       Sparring hook + outcome scoring
Stale indexes silently wrong               Self-healing indexes with circuit breakers
Effort wasted repeating mistakes           Compounds with every run

Дорожная карта

Фаза 1 — Поглощение (завершена)

  • Единая схема инструментов MCP
  • Слой памяти с межсессионной персистентностью
  • Гибридный движок извлечения
  • Реестр инструментов с выполнением DAG
  • Движок планирования + спеков с хуком спарринга
  • Orchestration Core
  • Слой doc intelligence (context-hub поглощён)

Фаза 1.5 — Обновление Cognition (v0.2.0 — текущая)

  • Слой Cognition с 6 когнитивными примитивами
  • Retrieval Router с churn-aware маршрутизацией
  • Index Lifecycle Manager с самовосстановлением
  • Реестр источников данных с профилями на источник
  • Соблюдение бюджета контекста
  • Предохранители для операций с индексом
  • Детекция дрейфа модели эмбеддингов
  • Переклассификация churn по обратной связи
  • Продакшен-интеграции (sentence-transformers, rank-bm25, tantivy)
  • Полный набор тестов для примитивов cognition
  • Бенчмарк: влияние слоя cognition на качество вывода

Фаза 2 — Накопление эффекта

  • Петля обратной связи извлечения (автоулучшение маршрутизации)
  • Граф сущностей с запросами по связям
  • Движок разрешения конфликтов памяти
  • Слой кэширования выводов инструментов
  • Оценка результата + скоринг спеков
  • Backend PostgreSQL + pgvector для масштаба
  • Docker-образ + docker-compose

Фаза 3 — Платформа

  • ContextOS Cloud (хостинг, мультитенантность)
  • Визуальный конструктор workflow
  • Маркетплейс схем инструментов
  • Enterprise SSO + аудит-логи
  • Адаптеры LangChain + CrewAI + AutoGen

Происхождение слоя Cognition

Шесть когнитивных примитивов в v0.2.0 были выявлены, прослеживая, как рассуждение работает в живом диалоге решения проблем, и называя каждую операцию по мере её практики.

Точкой отсчёта был пост Cole Medin в LinkedIn «Is RAG Dead?» с диаграммой, разделяющей структурированные данные (где RAG был оставлен кодовыми агентами) и неструктурированные (где RAG процветает). Комментатор указал на два момента: RAG смешивали с семантическим поиском (RAG можно делать с BM25), и настоящая причина, почему кодовые агенты используют grep, в том, что переиндексация при каждом checkout ветки убивает DX.

Этот инсайт — скорость изменения данных vs стоимость индексации — стал Retrieval Router. Но возник более глубокий вопрос: что происходит между извлечением и выводом, чего никто не строит? Ответом стал набор когнитивных примитивов, неявно практикуемых в самом разговоре:

  • Активное забывание происходило каждый ход (отбрасывая нерелевантные детали поста)
  • Калибровка глубины шла естественно (знать, когда углубиться vs дать быстрый ответ)
  • Детекция синтеза присутствовала (некоторым вопросам нужно рассуждение, не извлечение)
  • Чувствование неизвестного неизвестного всплыло (комментатор нашёл слепую зону, о существовании которой Cole не знал)
  • Продуктивное противоречие стало ключевым инсайтом (Cole одновременно утверждал, что RAG мёртв И что агентный поиск — будущее, что является RAG)
  • Контекстно-зависимая гравитация появилась при анализе кодовой базы ContextOS (память важности 0,3 о «никогда не паузить branded» стала 0,95, когда текущий вопрос был о паузе branded-кампаний)

Разговор стал спеком. Каждый примитив практиковался до того, как был назван. Этот раздел — запись того происхождения.

Участие

PR приветствуются и для кода, и для доков. См. CONTRIBUTING.md.

Создано под IASAWI — It All Started With A Idea.

Лицензия

MIT — см. LICENSE

Цитирование

Если вы используете ContextOS в исследовании или продакшене, пожалуйста, процитируйте:

@software{contextos2026,
  title = {ContextOS: The Unified Context Intelligence Layer},
  author = {Williams, John and IASAWI Contributors},
  year = {2026},
  url = {https://github.com/itallstartedwithaidea/contextOS}
}

Создано с уважением к каждому репозиторию, который был раньше.