recall — это не просто хранилище текста. Это сервер семантической памяти, который понимает смысл ваших записей и находит релевантное даже тогда, когда слова не совпадают. Гибридный поиск объединяет векторные эмбеддинги и полнотекстовый индекс для максимальной точности.
Отправьте текст через MCP, REST API или чат-бот. recall сохраняет его в PostgreSQL с pgvector, создавая векторные эмбеддинги и полнотекстовый индекс одновременно. Каждая запись получает метаданные — время, источник, категория.
Модель E5-large преобразует текст в 1024-мерные векторы, фиксирующие семантику. Это позволяет искать по смыслу: запрос «настройка сервера» найдёт запись про «деплой Docker-контейнера». Полнотекстовый поиск FTS5 дополняет точными совпадениями.
recall объединяет три метода: векторный (семантика), полнотекстовый (FTS5, точные совпадения) и реранжирование (сортировка по релевантности). Результат — точнее, чем у каждого метода по отдельности. Вы спрашиваете естественным языком, получаете лучшее.
recall реализует MCP-сервер — любой AI-агент с поддержкой Model Context Protocol получает функции remember и recall как нативные инструменты. REST API доступен для интеграции с веб-приложениями, скриптами и автоматизацией. Self-hosted — данные остаются у вас.
Команды создают изолированные пространства памяти. Каждый проект или отдел — отдельный tenant с собственным набором данных. Поиск внутри пространства — быстрый и точный. Роли и доступ управляют видимостью.
recall разворачивается на вашей инфраструктуре — Docker Compose, один контейнер. Данные не покидают ваш сервер. Подходит для работы с конфиденциальной информацией, коммерческой тайной и данными под NDA. Соответствие 152-ФЗ и GDPR.
Семантическая память полезна везде, где знания нужно сохранять и быстро находить — по смыслу, а не по папкам и тегам.
LLM не помнит контекст между сессиями. recall решает это: AI-агент сохраняет важное через MCP и извлекает при следующем запросе. Чат-бот становится контекстным — он помнит ваши предпочтения, прошлые решения и обсуждения. Идеально для виртуальных ассистентов и AI-копилотов.
Знания в компании рассеяны: Slack, Confluence, почта, головы сотрудников. recall централизует их в searchable-формате. Новый разработчик спрашивает «как у нас устроен CI/CD?» — recall находит ответ за секунду. Онбординг ускоряется в разы, а институциональная память не теряется при ротации кадров.
Retrieval-Augmented Generation требует качественного поиска. recall работает как retrieval-слой: находит релевантные фрагменты из вашей базы знаний и передаёт их в LLM. Гибридный поиск (векторы + FTS5) даёт более точную выборку, чем чистый векторный поиск — меньше галлюцинаций, больше фактической точности.
Логи чатов и расшифровки встреч — ценнейший источник знаний, который обычно теряется. recall сохраняет их и делает доступными для поиска. «Что мы решили на созвоне две недели назад?» — recall найдёт даже если вы не помните точных формулировок.
Заметки, статьи, идеи, ссылки. recall заменяет зоопарк инструментов (Notion, Obsidian, Apple Notes) единым пространством с семантическим поиском. Не нужно организовывать папки и теги — recall находит по смыслу. Ваш «второй мозг», self-hosted и приватный.
recall интегрируется в автоматизированные процессы: webhooks, cron-задачи, CI/CD pipeline. Логи сборок, инциденты, метрики — сохраняются автоматически и становятся доступными для поиска. Постмортемы инцидентов находятся за секунды, а не часы.
Три шага от хаоса информации к структурированной памяти с мгновенным доступом по смыслу.
Через любой канал — MCP-инструмент, REST API, чат-бот или webhook. recall принимает текст, создаёт векторный эмбеддинг и индексирует.
Спросите естественным языком: «что мы обсуждали про архитектуру?». recall ищет по смыслу через векторы + FTS5, реранжирует результаты.
recall возвращает релевантные фрагменты с контекстом и оценкой сходства. Передайте их в LLM, покажите пользователю или сохраните в отчёт.
recall — это self-hosted сервер семантической памяти. Он сохраняет текст, преобразует его в векторные эмбеддинги и позволяет искать по смыслу, а не только по ключевым словам. Работает как долговременная память для AI-агентов, команд и личных заметок.
Обычная база данных ищет по точному совпадению строк. recall использует векторные эмбеддинги (E5-large) и полнотекстовый индекс (FTS5) одновременно — гибридный поиск. Это значит, что запрос «архитектура памяти» найдёт запись «CRDT + pgvector», даже если слова не совпадают. Поиск работает по смыслу.
Да. recall поддерживает MCP (Model Context Protocol) — открытый стандарт для подключения внешних инструментов к AI. Любой AI-агент с поддержкой MCP может запоминать и вспоминать информацию через recall. Также доступен REST API для интеграции с любым приложением.
recall — self-hosted решение. Все данные хранятся в вашей PostgreSQL базе с расширением pgvector. Ничего не отправляется во внешние облачные сервисы. Вы полностью контролируете свои данные, что критично для корпоративного использования и соответствия требованиям 152-ФЗ и GDPR.
MCP (Model Context Protocol) — открытый стандарт для подключения инструментов к языковым моделям. recall реализует MCP-сервер: AI-агент может вызывать функции remember (сохранить) и recall (найти) как нативные инструменты. Это даёт LLM постоянную память между сессиями.
recall комбинирует три метода: (1) векторный поиск через E5-large эмбеддинги — находит по смыслу, (2) полнотекстовый поиск через FTS5 — находит точные совпадения, (3) реранжирование результатов — объединяет и сортирует по релевантности. Это даёт точность выше, чем каждый метод по отдельности.
Да. recall поддерживает multi-tenant архитектуру: команды могут создавать общие пространства памяти, искать по коллективному опыту, ускорять онбординг новых сотрудников. Институциональная память компании больше не теряется при увольнениях.
recall разворачивается за минуту. Self-hosted, приватный, с гибридным поиском по смыслу.
Написать нам →