Recall описывает память агентов с датированными фактами и цитатами

Recall описывает память AI-агентов с датированными фактами и цитатами. Разбираем цикл передачи контекста, опубликованные разработчиком результаты и варианты размещения.

Recall описывает память агентов с датированными фактами и цитатами. Тематическая карточка Comrad404.

В README проекта Recall описана система долговременной памяти для AI-агентов: она должна сохранять датированные факты о собеседниках со ссылками на исходные сообщения и закрывать сведения, которые перестали быть актуальными. Разработчик предлагает hosted API или запуск собственного сервера; приведённые в README результаты бенчмарков опубликованы самим проектом. Дата README и дата выпуска не установлены. README Recall.

Как система обрабатывает изменения

По описанию проекта, приложение передаёт Recall разговор, после чего сервис в фоновом режиме определяет, что известно о каждом человеке, и ведёт датированную историю фактов с источниками. В примере README человек сообщает о переезде из Амстердама в Утрехт: прежний адрес закрывается, а не остаётся рядом с новым как действующее утверждение.

Как контекст возвращается агенту

В примере TypeScript один вызов session.turn передаёт сообщение собеседника и запрашивает контекст для следующего хода; в примере задан лимит в 4000 токенов. Полученный контекст можно преобразовать в формат сообщений OpenAI или Anthropic. Другой описанный вариант — задать памяти вопрос: README обещает ответ с цитатами и оценкой уверенности, а при отсутствии сведений — явное «не знаю».

Это описание интерфейса и сценария из README, а не независимый тест. Практический смысл такого подхода — отделить долговременные сведения о человеке от полной истории переписки и передавать агенту выбранный контекст в пределах заданного бюджета.

Заявленные результаты бенчмарков

README приводит результаты полных прогонов hosted-сервиса при стандартном уровне reasoning. По заявлению разработчика, оценивание выполнялось по правилам соответствующих наборов данных.

Набор данных Результат 95-процентный интервал Вопросы
LongMemEval-S 91,0% точности 88,2–93,2% 500 из 500
BEAM 100K 0,683 из 1 0,653–0,713 400 из 400
BEAM 500K 0,670 из 1 0,643–0,695 700 из 700

Это оценки, опубликованные разработчиком, а не независимое сравнение; независимых тестов в доступных материалах нет. README ссылается на страницу с методикой, оценками по отдельным способностям, ошибками и сравнением с другими системами, но приведённые здесь данные не позволяют самостоятельно установить, где Recall уступает конкурентам. Дата упоминания проекта в Hacker News — 13 октября 2026 года — сама по себе не подтверждает дату выпуска.

Hosted API или собственный сервер

Для hosted API README предлагает зарегистрироваться, создать ключ и начать с бесплатного кредита для новых аккаунтов. Разработчик указывает, что размещает hosted-сервис во Франкфурте. Альтернатива — самостоятельно запустить сервер из репозитория и использовать собственную инфраструктуру. Документ также указывает разные лицензии: FSL-1.1-ALv2 для сервера и MIT для SDK и интеграций.

Выбор между вариантами зависит от того, где команда хочет размещать обработку и данные. README не указывает цену после исчерпания кредита, поэтому сравнить стоимость размещения по нему нельзя. В примере SDK приложению нужно связать сообщение с собеседником и сессией, а затем решить, какой объём возвращаемого контекста передавать модели.