JordyZomer/lemmalog
A Datalog engine for LLM agent memory: stratified rules, provenance-tracked facts, incremental derivation, and an MCP server that lets your harness use it as a shared brain.
Hızlı değerlendirme
Özet
Lemmalog, LLM agent’ların belleğini Datalog kurallarıyla temsil edip kaynak izlenebilir ve artımlı biçimde sorgulayan bir Rust motorudur.
Profiline uyum
MCP, agent ve RAG kullanımına doğrudan dokunarak uygulamalarındaki ajanlar için sorgulanabilir kalıcı bellek sağlayabilir.
Neden yükseliyor
Agent memory ve MCP konularına yönelik ilgiyle örtüşüyor; 31 günlük repo için 324 yıldızın yanı sıra son 28 günde 27 commit ve 4 farklı yazar var. Bu hareketlilik erken geliştirme temposuna işaret ediyor, ancak yükselişin nedenini doğrudan kanıtlamıyor.
Problem
Agent belleğinde bilgilerin nereden geldiğini doğrulamak, yeni bilgilerle eski çıkarımları güncellemek ve her adımda bağlamı yeniden akıl yürüterek kurma ihtiyacını hedefliyor.
Çözüm
Gerçekleri ve kuralları Datalog motorunda tutuyor; provenance, stratified negation, artımlı türetim ve geri çekme işlemleriyle çıkarımları yönetiyor. Agent’ların belleği sorgulaması için MCP server ve `ask`, `why`, `context_for_query` gibi arayüzler sunuyor.
Yenilik
Agent belleğini vector retrieval ağırlıklı bir yaklaşım yerine provenance ve artımlı çıkarım sunan bir deductive database olarak ele alması belirgin bir yaklaşım farkı. Bu bileşenlerin gerçek agent işlerinde ne kadar avantaj sağladığı README’de bağımsız sonuçlarla gösterilmiyor.
Teknolojiler
- Rust
- Datalog
- MCP
- BM25
- Embeddings
- Claude Code
- Kimi CLI
Riskler
- Proje çok genç; API, veri modeli ve davranışların zaman içinde değişme riski var.
- README’deki özellik listesi ve performans iddiaları proje tarafından sunuluyor; bağımsız doğrulama veya gerçek kullanım ölçeğine ilişkin kanıt verilmemiş.
- Datalog kural yazımı, veri modelleme ve extraction sınırı ek mühendislik gerektirir; her agent uygulamasına uygun olmayabilir.
- README’deki eval harness sentetik senaryolara dayanıyor; üretim ortamındaki doğruluk ve gecikme hakkında tek başına yeterli kanıt sunmuyor.
- Bazı ileri optimizasyonlar, örneğin leapfrog triejoins ve DBSP streaming deltas, README’de gelecekteki aşamalar olarak işaretlenmiş.
Detaylı değerlendirme
Bu repo için detaylı değerlendirme henüz yapılmadı. Analiz, Ayarlar'daki uyum profilini hesaba katarak "bu işime yarar mı" sorusunu cevaplıyor. Bir kez çalışır; günlük koşular buna dokunmaz. Saatlik sınır var — bir kaynaktan en fazla 3 analiz.