Разработчики представили подход к созданию ИИ-агентов, исключающий использование векторных баз данных. Вместо них система полагается на индексацию файлов и семантический поиск непосредственно в файловой структуре проекта. Такой метод упрощает архитектуру, снижает накладные расходы на поддержку инфраструктуры и повышает прозрачность работы агента с контекстом при выполнении задач по написанию кода.
Традиционные векторные БД часто создают избыточную сложность для агентных систем, работающих с локальными репозиториями. В данном решении агент анализирует структуру проекта, используя метаданные файлов и контекстную близость, что позволяет эффективно находить нужные фрагменты кода без предварительного эмбеддинга всей кодовой базы. Это особенно актуально для задач, где требуется высокая точность при работе с актуальными изменениями в файлах.
Переход на файловую индексацию позволяет избежать проблем с рассинхронизацией данных, которые часто возникают при обновлении векторных индексов. Агент напрямую взаимодействует с актуальным состоянием проекта, что сокращает время на подготовку контекста и минимизирует ошибки, связанные с устаревшей информацией в векторном хранилище.
Ключевые факты
- Проект Moss предлагает агентную архитектуру, работающую без специализированных векторных БД.
- Основной механизм поиска основан на прямой индексации файловой системы и анализе структуры проекта.
- Подход направлен на снижение сложности стека для разработки и поддержки ИИ-агентов.
- Решение ориентировано на повышение точности работы агента с кодом за счет использования актуального состояния файлов в реальном времени.