HydraDB OSS

{"translation":"Product Hunt 社区的大家好 👋

我们今天非常激动地宣布开源 HydraDB。

什么是 HydraDB？

我们的目标是支持现代 AI 用例，例如 agent 记忆（agent memory）、企业大脑（company brain）和本体（ontologies）。如今的很多 agent 都是基于向量数据库（vectorDBs）构建的，或者围绕语义相似性将多个工具拼接在一起：嵌入内容、检索最相似的文本块，然后传递给模型。

但相似性并不总是相关性。此外，孤立的信息对 agent 来说效果并不好，它们对单个文本块提出的问题，往往比给出的答案或完成的工作还要多。

HydraDB 是一个基于对象存储、用 Rust 编写的图数据库，面向需要极快速获取上下文、能够跨时间维持状态，同时又具备极高成本效率的智能 AI。

Agent 所需的上下文是一个与你的邮件、消息以及另外 10 份文档相连的 Notion 页面，这样你的 agent 就可以自行决定完成某项任务需要多少上下文。这时它就拥有了一个"大脑"，能够承载关系、依赖、事件序列、先前的决策，或者已经被取代的事实。它是一张智能图（intelligent graph）。

我们为什么构建它？

在我们打造 AI 系统的过程中，不断遇到同一个问题：模型在不断变好，最终达到智能不再是瓶颈的程度，但它们接收到的上下文仍然是碎片化的、有损的。

企业数据分散在 Slack、Jira、Gmail、GitHub、Drive 以及数十个其他系统中。Agent 不仅需要理解单个数据片段，还需要理解这些片段之间的相互关联。同样的问题也出现在 agent 记忆、代码智能、知识系统、安全以及其他领域。

我们认为图（graphs）将成为 AI 上下文层中越来越重要的组成部分。我们构建 HydraDB 是为了让你的 AI 具备关系感知能力，让其获得的连接式上下文更易于存储、检索和推理。

那么我们今天发布的是什么？

今天我们正式开源 HydraDB。

现在你可以自行运行它、在它之上进行构建、检视其工作原理，并告诉我们哪里有问题。

我们尤其期待看到人们围绕以下方向进行构建：

• agent 记忆与长期上下文

• GraphRAG 与知识检索

• 企业知识与本体

• 代码与依赖图

• 多跳推理（multi-hop reasoning）

为什么选择开源？

因为我们认为下一代 AI 基础设施不应该是一件需要开发者盲目相信的事情。

AI 应当是自主可控的，是你真正拥有的东西。

如果 HydraDB 想要成为有用的基础设施，开发者应该能够自行运行它、理解它、扩展它、对它进行基准测试，并将它推向我们未曾想到的应用场景。

我们也知道，仅靠我们自己无法解决所有问题。

这次发布的一个重要原因，就是希望 HydraDB 能够交到那些构建真实系统的人手中，并从他们的使用中学习。

因此，如果你尝试使用，我们非常希望听到你的反馈：

• 你构建了什么？

• 什么有效？

• 哪里让你感到痛苦？

• 怎样能让 HydraDB 对你来说变得显著更有用？

感谢你的关注，并特别向所有帮助我们走到今天的人们致以敬意 ❤️

"}