DFMemory — самостоятельно хостимая база знаний: семантический поиск, граф связей и MCP-сервер, через который ИИ-агенты читают и пополняют вашу память.
Не папки и не теги-в-вакууме, а связанная база с семантическим поиском и графом — для вас и для ИИ.
Эмбеддинги bge-m3 (pgvector) + полнотекст, объединённые через RRF. Находит по смыслу, а не только по словам.
Force-directed визуализация связей, бэклинки и [[wikilinks]]. Видно, как идеи соединяются между собой.
Claude, Perplexity, VS Code подключаются по Model Context Protocol и читают/пополняют вашу базу напрямую.
Привычный markdown, #теги, [[wikilinks]], коллекции, версии документов и комментарии.
Синтез ответов прямо из вашей базы и извлечение фактов — память, на которую можно опереться в рассуждениях.
Данные остаются у вас. Один контейнер, открытые форматы, экспорт/импорт и совместимость с Obsidian-vault.
Реальные экраны DFMemory — тёмная тема, граф, гибридный поиск и чтение.
Force-directed граф связей: бэклинки, [[wikilinks]] и похожие документы. Клик по узлу перецентрирует граф вокруг него.
Гибридный режим объединяет эмбеддинги bge-m3 и полнотекст через RRF. Совпадения подсвечиваются, рядом — релевантность и коллекция. Кнопка «Ответ (think)» соберёт ответ из базы.
Чистая читалка: оглавление, теги, источник, версии и связанные документы. Чтобы знания не лежали мёртвым грузом.
DFMemory — это не просто заметки для человека. Это контекст для агентов: подключите Claude или другого MCP-клиента — и он ищет, читает и дополняет вашу базу знаний во время диалога.
Импортируйте Obsidian-vault или markdown, пишите заметки с [[wikilinks]] и тегами. Эмбеддинги считаются автоматически.
Гибридный поиск, граф связей, бэклинки и похожие документы. Спросите — и получите ответ из своей базы.
Дайте агенту доступ по MCP — он будет опираться на вашу память и пополнять её в ходе работы.
Откройте приложение и превратите разрозненные заметки в связанную память — свою и своих агентов.
Открыть DFMemory →
Memory