tkalevra/faultline

FaultLine Проверенная, приватная, общая память для вашего ИИ.

FaultLine добавляет постоянную, проверенную память в локальный ИИ. Факты хранятся в структурированном графе знаний — не суммируются в текстовые пятна, не угадываются из документов. Когда вы что-то исправляете, оно обновляется. Когда вы спросите об этом позже, ответ будет правильным.

##Почему неисправность

###1.Частный по дизайну

Все работает на вашей машине. Ваши разговоры, ваши воспоминания, ваши данные — ничего из этого не остается. Никакой облачной синхронизации, никаких учетных записей, никаких подписок.

###2 Поделитесь памятью с любым ИИ

FaultLine разоблачает MCP-сервер Это означает, что тот же магазин памяти доступен для OpenWebUI, Claude Desktop или любой другой конечной точки с поддержкой MCP. Измените IP-адрес вашего сервера за один разговор, каждая модель увидит обновление.

###3.Подтвержденные факты, а не догадки RAG

RAG извлекает документы и просит LLM их интерпретировать. Ответ зависит от формулировки, контекста и удачи. FaultLine проверяет факты перед их хранением и отвергает галлюцинации у ворот. Ваш ИИ знает, что IP-адрес AlphaNode составляет 10.44.5.20, а не документ, упоминающий что-то о сервере.

###4 Исправимые реляционные данные

FaultLine Validated, private, shareable memory for your AI.

---

FaultLine adds persistent, validated memory to your local AI. Facts are stored in a structured knowledge graph — not summarised into text blobs, not guessed from documents. When you correct something, it updates. When you ask about it later, the answer is right.

---

Why FaultLine

1. Private by design

Everything runs on your machine. Your conversations, your memories, your data — none of it leaves. No cloud sync, no accounts, no subscriptions.

2. Share memory across any AI

FaultLine exposes an MCP server. That means the same memory store is available to OpenWebUI, Claude Desktop, or any other MCP-capable endpoint. Change your server IP in one conversation, every model sees the update.

3. Write-validated facts — not RAG guesswork

RAG retrieves documents and asks the LLM to interpret them. The answer depends on wording, context, and luck. FaultLine validates facts before storing them and rejects hallucinations at the gate. Your AI knows “AlphaNode’s IP is 10.44.5.20” — not “a document mentioned something about a server.”

4. Correctable, relational data

Facts are stored as typed relationships — person, age, occupation, network device, IP address, MAC, hostname. Corrections update the record cleanly; the old value is archived, not lost. Memory strengthens over time: things mentioned once are held lightly, confirmed facts become authoritative.

5. Teach it any domain — on your terms

/expand networking teaches FaultLine how networking works before you mention your first device. /expand kubernetes online https://kubernetes.io/docs/concepts/ reads the actual docs and builds the ontology from them. You point it at the source, it learns the structure, and every fact you mention in that domain from then on is stored and retrieved in context — not as an isolated string. And everything it learns is still correctable by you.

---

What it looks like in practice

You:  "I'm a sysadmin. My main workstation is called DevBox, IP 10.0.1.5."

Next session:
You:  "What do you know about DevBox?"
AI:   "DevBox is your workstation, IP address 10.0.1.5."

You:  "Actually DevBox moved to 10.0.1.10 after the network change."

Next session:
You:  "What's DevBox's IP?"
AI:   "DevBox has IP address 10.0.1.10."

You:  /expand networking

Later, after mentioning your firewall: