У пам’яті Siri знайшли гібридний індекс і граф

Що саме знайшли в пам’яті Siri

Я б не називав це готовою публічною системою пам’яті, але напрямок доволі чіткий: Apple пов’язує персональний контекст з індексами та структурованими сутностями. На момент цього аналізу компанія не оприлюднила повної технічної специфікації довготривалої пам’яті Siri.

В документації Apple щодо Spotlight і App Intents описано офіційний шар архітектури. Застосунки можуть індексувати сутності, передавати дії користувача та пов’язувати дані з екранами, щоб Siri й Apple Intelligence знаходили вміст за допомогою семантичного пошуку. Foundation Models підтримує багатокрокові сесії, але його контекст не заявлений як постійна міжзастосункова пам’ять.

Найцікавіша частина надійшла не з документації Apple, а з допису на Reddit про зворотний аналіз бета-версії macOS. Там описано гібридний індекс: повнотекстовий пошук BM25 працює разом із векторним пошуком, а результати об’єднуються через reciprocal rank fusion, або RRF.

Окремо згадується граф пам’яті, побудований навколо користувача. Його вузли нібито охоплюють контакти, ідентичність, стосунки, місця, звички, події, здоров’я та пріоритети. Так звані атоми пам’яті являють собою факти, думки, наміри й події, пов’язані з часом, місцем, сутностями та темами.

Поки що це не платформний контракт, а сліди внутрішньої реалізації. Назви компонентів, схеми та сховища можуть змінитися, а публічних даних про затримку пошуку, точність, розмір індексу, витрати батареї та межу між пристроєм і Private Cloud Compute немає.

Чому гібридний індекс змінює асистентів

Якщо знахідка правильна, Siri отримує не просто історію діалогів, а механізм вибіркового відновлення особистого контексту. Саме «вибіркового» — ключове слово: BM25 корисний для точних збігів, вектори вловлюють сенс, а граф пов’язує знайдене з конкретною людиною, місцем або подією.

Для розробників це означає багатше виявлення даних без публічного доступу до внутрішньої пам’яті Siri. Застосунок описує свої сутності та дії, а системний шар вирішує, що витягти для запиту. Такий бар’єр зменшує прямий доступ до чужих даних, але не усуває помилок у висновках самого асистента.

Насамперед я б перевіряв не красу відповідей, а виправлення хибних фактів, видалення застарілих зв’язків і захист від розкриття контексту в невідповідній ситуації. Особиста пам’ять корисна рівно до першого впевненого спогаду про те, чого ніколи не було.

Раніше ми розглядали Rust LocalGPT — локального асистента зі сталою пам’яттю та API. Цей підхід допомагає зрозуміти, як персональні дані й контекст можуть зберігатися в системах на кшталт платформи, яку розробляє Apple.