# RCLL

> Общая память для парка ИИ-агентов — с честным списком того, что ещё не работает

Общая память для парка ИИ-агентов: единое хранилище фактов с делением по комнатам, залам и слоям, чтобы запрос получал ровно нужный срез.

- Категории: Opensource, Инструменты разработчика, Память
- Сайт сервиса: https://rcll.ai/
- Карточка в каталоге: https://ailibri.com/rcll
- Обновлено: 2026-08-28

## Описание

RCLL — self-hosted хранилище фактов на вашем Postgres: пишут в него все агенты, а достать нужный факт может любой, даже если добыл его кто-то другой. Локальные эмбеддинги, лицензия MIT, никакого аккаунта и облачной панели. Пригодится тем, кто держит не одного бота, а несколько, и устал от ситуации, когда один агент заново выясняет то, что второй разобрал днём раньше.

Каждый факт получает три координаты — комнату (room), зал (hall) и слой (layer). Комната — это область: проект, домен. Зал — тип факта: решение, процедура, предупреждение, предпочтение. Слой — насколько факт долговечен: L0 всплывает в начале сессии, L1 достаётся по теме, L2 — сырые наблюдения, которые потом сжимаются. Смысл в том, чтобы запрос забирал ровно нужный срез, а не перебирал всю груду. Основной инструмент так и называется — memory_recall, само название RCLL это «recall» без гласных. Движок при этом распространяется под другим именем: репозиторий, контейнер и npm-пакет называются fleet-memory, чтобы то, что вы прописали в lockfile, никогда не пришлось менять.

Ключевое решение — на чтении вообще нет обращений к языковой модели. Один recall запускает четыре поиска параллельно (векторный, BM25, активация по графу и временной), сливает их через reciprocal rank fusion, переранжирует локальным кросс-энкодером и обрезает под бюджет токенов. Эмбеддер на 33М параметров и реранкер весом 80 МБ идут внутри образа, так что читать можно без ключа, без исходящих запросов и без лимитов.

Модель нужна только на записи — чтобы превратить документ в типизированные факты с датами. Это один HTTP-запрос на документ, и куда он пойдёт, решаете вы:

- LLM_PROVIDER=none — вообще ничего не уходит наружу, но получите только векторно-лексическое хранилище чанков: без извлечения фактов, сущностей и причинных связей;

- локальная модель — llama-server и GGUF примерно на 2B, движок сам подтянет веса. Извлечение полноценное, ключ не нужен нигде, но на CPU это примерно в 13 раз медленнее;

- любой OpenAI-совместимый эндпоинт — ваш ключ и base URL, самый быстрый вариант. Чтения всё равно не обращаются к модели, поисковые запросы наружу не уходят.

Ограничения авторы называют прямо. На multi-hop-вопросах дефолтный retrieval проигрывает более простой схеме, на single-hop лексический baseline местами обходит их плотный поиск. Запрос, адресованный не в ту комнату, вернёт не ухудшенный ответ, а ровно ноль результатов — фильтр работает как жёсткий шлюз. Комната задаётся один раз, и перенести факт в другую нельзя: ни эндпоинта, ни фоновой задачи. Авторство фактов начали записывать недавно и не задним числом. Экспорта памяти пока нет — команда с именем export отдаёт конфигурацию, а не факты, а листинг теряет комнату, зал, слой и все связи.

Так что смотреть на RCLL стоит как на инструмент для тех, кто готов разворачивать его сам, читать документацию и жить с перечисленными ограничениями. Взамен память целиком остаётся на вашей машине, а чтение не расходует токены и не делает исходящих запросов.

## Похожие сервисы в каталоге

- [Memora](https://ailibri.com/memora): Memora — MCP-слой памяти для ИИ-агентов: общее хранилище с дедупликацией, историей замещений, семантическим поиском и графовым интерфейсом.
- [Memorix](https://ailibri.com/memorix): Memorix — открытый слой памяти для AI-агентов через MCP. Работает с Claude Code, Cursor, Windsurf, Gemini CLI, Copilot и другими агентами кодирования.
- [Basic Memory](https://ailibri.com/basic-memory): Basic Memory — сервис памяти для AI: сохраняет контекст диалогов, чтобы не объяснять проект заново. Открытый исходный код на GitHub, поддержка Discord.
- [Autograph](https://ailibri.com/autograph): Типизированный слой памяти для AI-агентов с поддержкой Obsidian: автоматическая схема данных, движок забывания, оценка здоровья заметок, восстановление ссылок.
- [MemPalace](https://ailibri.com/mempalace): Открытая система памяти для AI с локальным хранением истории разговоров, семантическим поиском и точностью 96.6% R@5 на LongMemEval без API-вызовов
- [MemDB](https://ailibri.com/memdb): Self-hosted память для AI-агентов на Go: гибридный поиск, дедупликация, GDPR-удаление. 72.5% LoCoMo. Три способа интеграции с Claude. Apache-2.0

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com