Rust API ცნობარი

PRX-Memory ორგანიზებულია Rust workspace-ად შვიდი crate-ით. ყოველი crate გამოყენებადი API-ს მოიცავს, რომელიც დამოუკიდებლად ან ერთობლივად შეიძლება გამოყენებულ იქნეს.

Crate-ების მიმოხილვა

prx-memory-core

ძირითადი დომენის primitive-ები შეფასებისთვის, evolution-ისა და მეხსიერების ჩანაწერის წარმოდგენისთვის.

[dependencies]
prx-memory-core = "0.1"

ძირითადი ტიპები:

• მეხსიერების ჩანაწერის სტრუქტურები ტექსტით, scope-ით, tag-ებით, მნიშვნელობითა და metadata-ით.
• შეფასების primitive-ები შესაბამისობის რანჟირებისთვის.
• Evolution ტიპები train/holdout მიღების ტესტირებისთვის.

prx-memory-embed

Embedding პროვაიდერის abstraction და adapter-ები.

[dependencies]
prx-memory-embed = "0.1"

უზრუნველყოფს async trait-ს, რომელსაც ყველა embedding პროვაიდერი ახორციელებს:

// Conceptual API (simplified)
#[async_trait]
pub trait EmbedProvider: Send + Sync {
    async fn embed(&self, texts: &[&str]) -> Result<Vec<Vec<f32>>, EmbedError>;
}

ჩაშენებული განხორციელებები:

• OpenAiCompatibleProvider -- ნებისმიერი OpenAI-თავსებადი embedding API
• JinaProvider -- Jina AI embedding-ები
• GeminiProvider -- Google Gemini embedding-ები

prx-memory-rerank

Rerank პროვაიდერის abstraction და adapter-ები.

[dependencies]
prx-memory-rerank = "0.1"

უზრუნველყოფს async trait-ს reranking-ისთვის:

// Conceptual API (simplified)
#[async_trait]
pub trait RerankProvider: Send + Sync {
    async fn rerank(
        &self,
        query: &str,
        documents: &[&str],
    ) -> Result<Vec<RerankResult>, RerankError>;
}

ჩაშენებული განხორციელებები:

• JinaReranker
• CohereReranker
• PineconeReranker

prx-memory-ai

ერთიანი პროვაიდერის abstraction, რომელიც embedding-ს და reranking-ს კომბინირებს.

[dependencies]
prx-memory-ai = "0.1"

ეს crate გარემოს ცვლადებიდან embedding-ისა და reranking პროვაიდერების კონფიგურაციის ერთ შესასვლელ წერტილს უზრუნველყოფს.

prx-memory-skill

ჩაშენებული მმართველობის skill payload-ები MCP resource განაწილებისთვის.

[dependencies]
prx-memory-skill = "0.1"

უზრუნველყოფს სტატიკური skill განმარტებებს და payload template-ებს, MCP resource პროტოკოლის მეშვეობით აღმოჩენადს.

prx-memory-storage

ლოკალური მდგრადი შენახვის ძრავა.

[dependencies]
prx-memory-storage = "0.1"

# With LanceDB support
[dependencies]
prx-memory-storage = { version = "0.1", features = ["lancedb-backend"] }

უზრუნველყოფს storage trait-ის განხორციელებებს:

• JSON ფაილ-ზე დაფუძნებული შენახვა
• SQLite ვექტორული სვეტებით
• LanceDB (სურვილისამებრ, ფუნქციის ნიშნის მიღმა)

prx-memory-mcp

MCP სერვერის ზედაპირი, რომელიც ყველა სხვა crate-ს გამოსაშვებ daemon-ში აერთიანებს.

[dependencies]
prx-memory-mcp = "0.1"

ეს crate ჩვეულებრივ ბიბლიოთეკური დამოკიდებულებად არ გამოიყენება -- ის prx-memoryd binary-ს უზრუნველყოფს.

შეცდომების დამუშავება

ყველა crate იყენებს thiserror-ს ტიპ-ირებული შეცდომების enum-ებისთვის. შეცდომები ? ოპერატორის გამოყენებით გადაეცემა და წარმოების კოდში panic-ებად არ კონვერტირდება.

// Example error pattern
use thiserror::Error;

#[derive(Error, Debug)]
pub enum EmbedError {
    #[error("API request failed: {0}")]
    Request(#[from] reqwest::Error),
    #[error("API key not configured")]
    MissingApiKey,
    #[error("Unexpected response: {0}")]
    Response(String),
}

კონკურენტობა

• სინქრონული mutex-ები იყენებენ parking_lot::Mutex-ს (poisoning-ი არ არის).
• ასინქრონული mutex-ები იყენებენ tokio::sync::Mutex-ს.
• std::sync::Mutex წარმოების კოდში აკრძალულია.
• გაზიარებული უცვლელი მონაცემები იყენებს Arc<str>-ს ან Arc<T>-ს.

დეპენდენციები

ყველა ქსელური მოთხოვნა იყენებს reqwest-ს rustls-tls-ით (OpenSSL დეპენდენცია არ არის). სერიალიზება serde-სა და serde_json-ს იყენებს.

შემდეგი ნაბიჯები

• Embedding მოდელები -- პროვაიდერ-სპეციფიკური კონფიგურაცია
• შენახვის backend-ები -- Storage trait-ის განხორციელებები
• კონფიგურაციის ცნობარი -- გარემოს ცვლადის ცნობარი