创业公司·2026年11月14日·来源: Dev Community

    当您的代理记住时,机器会留下什么?

    Engrava 0.6.0 是一个用于管理 AI 代理内存的 Python 库,即使其 `auto_embed` 字段设置为 `False`,它也可以将用户数据传输到外部服务进行嵌入。作者描述的测试证实,搜索查询和“思想”内容可能会发送到已配置的托管提供商,这种行为与库本身进行提供商调用的行为不同。

    对于像 Engrava 0.6.0 这样的 AI 内存系统,一个关键区别在于库进行内部网络调用(例如用于使用 ping)与由于特定配置导致用户数据离开机器之间。基本的 `pip install engrava` 不包括第三方 HTTP 客户端。唯一识别出的标准库网络调用是在基准测试加载器中,这表明核心库本身并非固有地为提供商相关目的“打电话回家”。

    然而,用户数据的传输取决于配置。如果配置了托管嵌入提供商,“自动嵌入”的写入会将“思想的本质和内容”发送到该提供商。关键是,在没有明确 `query_vector` 的情况下执行的搜索会将非空白的查询文本传输到已配置的提供商,无论 `auto_embed` 设置如何。这通过测试得到证明,其中一个与 OpenAI 兼容的提供商在配置用于搜索时,导致尝试连接到 `api.openai.com`。

    对于优先考虑本地数据处理的开发人员,像 `sentence-transformer` 这样的选项在进程内执行编码,尽管模型权重必须最初下载。`ollama` 默认为 `localhost`,并且 `openai-compatible` 提供商可以指向本地端点。相反,`huggingface` 提供商将文本发送到托管的 Hugging Face Inference API,而没有可配置的端点。作者指出,`api.openai.com/v1` 对于 `openai-compatible` 来说是代码中的一个回退,并未在 `engrava.yaml` 文件中明确命名,这可能会模糊数据的目的地。

    因此,明确管理嵌入配置对于防止外部数据传输是必要的。省略整个嵌入部分或将提供商设置为未设置可确保不构建嵌入提供商对象,从而防止写入和查询路径的外部调用。`auto_embed` 字段仅管理写入侧嵌入,而不管理查询侧行为。

    分享这篇文章

    深入了解
    原文报道: Dev Community我们不转载全文, 阅读原文 →

    相关文章

    6 则