Spectron

Qu’est-ce que Spectron ?

Spectron est une couche de mémoire et de connaissances en aperçu pour agents IA, conçue sur SurrealDB. Elle est pensée pour stocker des documents, des conversations, des entités, des attributs, des relations, des embeddings et des traces dans une seule transaction ACID, afin que la mémoire de l’agent conserve la provenance et évite d’assembler plusieurs stockages distincts.

Le produit met l’accent sur une mémoire typée, axée sur la provenance, pour les systèmes agents. D’après la page, Spectron fonctionne sur SurrealDB Cloud et se présente comme une couche applicative sans état au-dessus de la base de données, avec prise en charge de l’ingestion de contenu, de l’extraction de données structurées, de la connexion de faits liés et de l’interrogation de la mémoire avec traçabilité.

Fonctionnalités clés

• Provenance sur chaque ligne : les faits, documents, conversations et mémoire dérivée conservent les informations de source et de trace, ce qui permet d’inspecter d’où vient une réponse.
• Une seule transaction ACID pour tous les types de mémoire : documents, conversations, entités, relations, embeddings et traces vivent dans une seule transaction de base de données, réduisant les problèmes de cohérence entre stockages.
• Supersession plutôt qu’écrasement : de nouvelles observations peuvent mettre à jour ou supplanter d’anciens faits tout en conservant l’historique des changements.
• Modèle de mémoire typé : la page décrit des catégories de mémoire distinctes telles qu’autoritative, expérientielle, de réconciliation, d’élaboration, de réflexion, de consolidation, d’étalonnage et collective.
• Prise en charge de la récupération et des traces : le deep-dive mentionne l’ingestion, la supersession, la récupération hybride et les traces de récupération, afin que les lectures puissent être reliées à la mémoire qui les étaye.
• Construit sur SurrealDB Cloud : Spectron est présenté comme fonctionnant sur SurrealDB Cloud, avec des enregistrements graphiques, vectoriels, documentaires et structurés dans un même socle managé.

Comment utiliser Spectron

Les utilisateurs peuvent commencer en rejoignant la liste d’attente pour un accès d’aperçu sur invitation, ou évaluer la plateforme sous-jacente en créant une instance gratuite SurrealDB Cloud. La page renvoie aussi vers un deep-dive sur l’architecture et un deep-dive technique pour comprendre le modèle de mémoire et voir le système en action avant l’arrivée de l’accès sur invitation.

Cas d’usage

• Mémoire d’agent avec provenance : créer des assistants qui doivent répondre avec des faits sources traçables plutôt qu’avec de simples embeddings opaques.
• Ingestion de conversations et de documents : transformer des discussions et des documents en entités et relations structurées pouvant être interrogées plus tard.
• Réconciliation des connaissances : enregistrer les déclarations contradictoires ou mises à jour et suivre la supersession au lieu de remplacer silencieusement la mémoire plus ancienne.
• Mémoire multi-instance ou multi-agent : partager une mémoire réconciliable entre personnes, agents et instances tout en préservant le périmètre et la provenance.
• Récupération sensible à la confiance : utiliser les données d’étalonnage et de provenance pour décider quand le système doit répondre, s’abstenir ou signaler une incertitude.

FAQ

Spectron est-il généralement उपलब्ध ? Non. La page indique qu’il est en aperçu sur invitation seulement et que les invitations sont déployées par lots hebdomadaires à partir de la semaine de lancement.

Puis-je évaluer quelque chose avant de recevoir une invitation ? Oui. La page indique que le socle sous-jacent est disponible aujourd’hui, et que vous pouvez démarrer gratuitement sur SurrealDB Cloud ou lire les deep-dives sur l’architecture et la technique.

Quels types de données gère-t-il ? La page mentionne les documents, conversations, entités, attributs, relations, embeddings et traces.

Utilise-t-il des stockages séparés pour les données graph et vectorielles ? Non. La page insiste sur une base de données unique, transactionnelle ACID, plutôt que sur un assemblage de stockages vectoriels, graphiques et de lignes.

Alternatives

• Une base de données vectorielle avec une logique de mémoire au niveau applicatif : courant pour les prototypes de mémoire d’agent, mais la page soutient que cette approche peut créer des ruptures entre les stockages et rendre la supersession et la traçabilité plus difficiles à maintenir.
• Une base de données graph avec un index vectoriel séparé : utile lorsque la navigation relationnelle compte, mais elle nécessite toujours une coordination inter-stockages pour la récupération sémantique et le suivi de la provenance.
• Une base documentaire ou une base de connaissances traditionnelle : mieux adaptée à la consultation humaine et au contenu curé qu’à une mémoire d’agent typée et réconciliée transactionnellement.
• Des pipelines de mémoire personnalisés construits à partir de plusieurs bases de données : flexibles, mais ils déplacent le travail de schéma, de confiance et de cohérence dans le code applicatif au lieu de le garder dans le socle.