Fractera

Ваши агенты больше не забывают, что узнали

Граф хранит знания всех элементов узла: что изучено, как это связано и откуда известно. Любой агент находит нужное одним вопросом и не перечитывает старые файлы и разговоры.

Граф знаний · LightRAG

Как это работает

  1. Агент сохраняет

    Элемент передаёт графу то, что узнал: предметы, связи между ними и короткий текст, откуда это известно.

  2. Граф связывает

    Новое знание встаёт рядом с уже известным, и одинаковые предметы из разных разборов сходятся в одну точку.

  3. Любой агент спрашивает

    На вопрос обычными словами граф отдаёт короткий контекст: нужные предметы, их связи и источник.

Токены стоит только построение, чтение не зовёт языковую модель.

Включён, засыпает только при нехватке памяти

Элемент запускается вместе с узлом. Когда свободной памяти меньше 0,5 ГБ, узел может его усыпить; первый вызов или запись календаря будят его за секунды, а при 1 ГБ свободной памяти он возвращается сам.

Без общей памяти каждый разговор начинается с нуля

Агент разобрал чужой сайт, понял, как там устроена корзина, и всё вам объяснил. Разговор закрылся, и вывод пропал. Через неделю другой агент делает ту же работу заново, а вы снова платите за токены.

Что меняется для вас

Без негоС графом
Находка исчезает, когда закрывается разговорВывод агента сохраняется в граф и переживает конец разговора, перезапуск узла и смену агента
Поиск находит только те же словаСпросите обычными словами: граф найдёт и похожий текст, и всё, что с ним связано, вплоть до пункта вашего квиза
Агент перечитывает отчёты на сотни мегабайтОн получает короткую выжимку под свой вопрос
Каждый элемент держит свои выводы при себеТо, что один элемент положил в общий граф, сразу доступно остальным

Что такое граф знаний

Представьте карту, где вместо городов предметы, а вместо дорог связи между ними. Сайт, его поиск, адрес запроса, которым поиск пользуется, и пункт вашего квиза, который из этого вырос, — точки на такой карте, соединённые подписанными линиями. Граф помнит и сами точки, и дорогу между ними.

Сердце LightRAG

LightRAG описан в статье «LightRAG: Simple and Fast Retrieval-Augmented Generation» (Гуо и соавторы, arXiv:2410.05779, октябрь 2024). Его основа — граф внутри самого индекса: тексты разбираются на предметы и связи между ними, и поиск идёт по этой карте, а не только по кускам текста.

Он известен двухуровневым поиском: нижний уровень находит конкретные предметы, верхний — темы и связи, которые их объединяют. Новые знания встраиваются в граф по мере поступления, без перестройки всего индекса.

В узле граф не вызывает языковую модель: предметы и связи приносит агент, а смысл считает собственный элемент узла embeddings.

Как идёт поиск по графу

  1. Ключевые слова

    Агент приносит вопрос и два набора ключевых слов: нижнего уровня — для предметов, верхнего — для связей и тем.

  2. Ближайшие предметы и связи

    Embeddings считает смысл ключевых слов на этом компьютере, а граф находит ближайшие предметы и связи и берёт их соседей.

  3. Короткий контекст

    В ответе предметы, их связи и фрагменты текста, из которых они пришли, с источником. Модель не вызывается.

Где тратятся токены

1 раз

платите токенами: когда знание превращают в предметы и связи

0

обращений к языковой модели при чтении: агент получает готовый контекст

6 000 · 8 000

токенов контекста на предметы и на связи получает агент, не больше

Дорого стоит только построение: модель читает материал и выделяет из него предметы и связи. Это делает либо сам LightRAG, когда записывает документ, либо агент элемента, который уже разобрал материал и передаёт графу готовые связи. Чтение почти бесплатное: вопрос превращается во встраивание, граф находит ближайшие предметы и связи и отдаёт короткий контекст, не обращаясь к языковой модели. Ключевые слова для поиска по графу агент передаёт сам. Вы платите один раз за построение и много раз читаете почти даром.

Чей это граф

Главный агент узла

Спрашивает каждое пространство графа каждого элемента и видит, чей каждый ответ.

  • Элемент мамы

    Её факты и связи в собственном пространстве её элемента.

  • Элемент сына

    Его пространства, их открывает только ключ его элемента.

  • Ваш сайт

    Свои пространства, свои ответы.

Каждый элемент открывает граф своим ключом, и одно пространство никогда не видит точек и дорог другого.

Элемент работает только в своих пространствах: el-<его id> и el-<его id>.<имя> для того, что он назовёт. Глубокая память хранит факты каждого элемента так же. Общий граф с базой навыков и изученными продуктами ключом элемента не открывается.

Вопрос элемента идёт в его пространство. Главный агент ключом данных узла спрашивает каждое пространство и видит, чей каждый ответ.

Граф разделяет двери, а не диск: все пространства лежат в папке этого элемента на вашем компьютере, и все элементы работают от одного пользователя.

Ваш граф на вашем компьютере

Граф работает внутри узла на вашем компьютере, его данные лежат в папке узла. Каждый элемент читает и пополняет свои пространства через двери графа своим ключом; ядро и глубокая память пользуются ключом данных узла. Если понадобится, к тем же дверям можно подключить и свои инструменты.

Где пригодится граф

  • Разборы чужих продуктов

    Агент выясняет, как устроена функция чужого сайта, и записывает в граф сайт, функцию, запросы за ней и пункт вашего квиза, который из этого вырос. Вывод не пропадает вместе с разговором.

  • Большие собрания знаний

    Коллекции навыков, серверы MCP и любые подборки, где важно не только что в них есть, но и как одно связано с другим. Граф держит их в порядке и находит нужное по смыслу.

  • Память всех агентов узла

    Всё, что происходило в жизни агентов, собрано в одном месте: что было и когда, с каким элементом, узлом и партнёром это связано, какое событие стало причиной, а какое следствием. Из этого складывается общая картина всего проекта.

Подключите свой элемент

У каждого элемента узла уже есть свой ключ. Сохраните то, что узнали, готовым графом и найдите снова своими ключевыми словами:

// The graph's port: ask the node (npm run a2a -- card graph), never write the number into code.
const base = 'http://127.0.0.1:24689'
const headers = { 'content-type': 'application/json', 'X-Element-Key': process.env.ELEMENT_KEY }
// Store what you learned. Every entity and link names, by source_id, a fragment of the same call.
await fetch(`${base}/api/graph-insert`, { method: 'POST', headers, body: JSON.stringify({
  chunks: [{ content: 'The page /pricing takes payment through Stripe Checkout.', source_id: 'review-42' }],
  entities: [
    { entity_name: 'Pricing page', entity_type: 'page', description: 'The page /pricing of example.com.', source_id: 'review-42' },
    { entity_name: 'Stripe Checkout', entity_type: 'library', description: 'The hosted payment page of Stripe.', source_id: 'review-42' },
  ],
  relationships: [
    { src_id: 'Pricing page', tgt_id: 'Stripe Checkout', description: 'The pricing page takes payment through Stripe Checkout.',
      keywords: 'payment, checkout', source_id: 'review-42' },
  ],
}) })
// Find it again with your own keywords: ll_keywords look for entities, hl_keywords for links.
const answer = await fetch(`${base}/api/graph-query`, { method: 'POST', headers, body: JSON.stringify({
  query: 'How does the site take payments?', mode: 'mix', ll_keywords: ['payment page'], hl_keywords: ['payments'],
}) }).then((r) => r.json())

В ответе сущности, связи и фрагменты, из которых они пришли; если ничего подходящего нет, приходит found: false. Добавьте "space": "<имя>", чтобы держать ещё один свой граф.

Что под капотом

LightRAG 1.5.7
Живёт внутри элемента: Python под управлением uv, один закреплённый пакет, установлен в собственную папку элемента
Одна операция на вызов
Каждый вызов запускает Python на одну операцию, около 2 секунд и 200 МБ на это время, и запуски идут по очереди
Без языковой модели
Граф и ключевые слова приносит вызывающий; векторы считает элемент узла embeddings, 384 числа, без ключа
Пространства
space: "<имя>" держит свой граф в своей папке, и общий граф его не видит
Происхождение
Знание об изученном продукте помечено external-study, чтобы агент никогда не принял его за код этого узла
Замок
Собственный ключ элемента в X-Element-Key открывает его пространства; ключ данных узла в X-Data-Secret открывает все; страница «Граф знаний» показывает архитектору его размер и поиск

Свой строитель в комплекте

Каждый элемент узла приходит со своим агентом Claude Code и может получить свой Telegram-бот. Нужно что-то поменять в этом элементе — напишите его боту с телефона, и агент обновит логику или дизайн.

Агент работает только в папке своего элемента и не читает весь узел, поэтому каждая правка стоит меньше токенов. Платит за неё ваша подписка Claude Code.

  • Бот элемента подключается в ядре, на его странице «Telegram».
  • Агент возвращает коммит; вы смотрите его в «Предпросмотре» и принимаете или отклоняете.
  • За компьютером терминал агента — в ядре, в разделе «Сборка» этого элемента.

Открытый код

Сделано Fractera для протокола Lagrix и для любого web2-проекта, агентам которого нужна общая память. Лицензия MIT, код — github.com/Fractera/fractera-graph-lightrag-starter.

GitHub →

Вопросы и ответы

Нужно ли что-то устанавливать?
Нет. Элемент сам ставит себе Python и LightRAG в свою папку, в систему ничего не попадает.
Где хранятся данные?
В папке узла на вашем компьютере. Граф держится в памяти своего процесса, а файлы на диске — его копия.
Можно ли подключиться к графу снаружи?
Да. Сегодня графом пользуются элементы узла через двери по ключу узла. Через те же двери к нему можно подключить свои инструменты.
Что такое LightRAG?
Открытая библиотека поиска по графу знаний от LightRAG Team под лицензией MIT. Граф узла построен на ней.
Что будет, если граф станет очень большим?
Для знаний одного узла встроенного хранения хватает. Графу на миллионы предметов нужен сервер базы данных, этот элемент его не ставит.
Можно ли делать резервные копии?
Да. Элемент готов к тому, что его агент-программист настроит резервное копирование по расписанию или вручную: скажите об этом агенту элемента в Telegram или в терминале. Сам по себе он копий не делает.