Локальный AI-ридер для компьютеров и мобильных устройств: RAG-чат, семантический поиск, выделения, TTS и синхронизация через WebDAV.
winstonkoh87/Athena-Public
Локальный слой памяти и принятия решений для AI-агентов: хранит контекст в принадлежащих вам файлах Markdown и JSONL и работает с разными IDE и LLM.
- Звёзды
- 620
- Форки
- 84
- Открытые issues
- 0
- Последний коммит
- 11 часов назад
Что это?
Athena хранит память AI-ассистента, формулировки проблем и записи о решениях на вашем диске в виде обычных файлов Markdown и JSONL. Благодаря этому контекст сохраняется при смене модели или редактора. Проект устанавливается как пакет Python и предоставляет функции через два MCP-сервера: один отвечает за поиск и управление данными, второй — за аналитические запросы на основе DuckDB.
В проект входят несколько инструментов: гибридный поиск, объединяющий полнотекстовый поиск BM25 и результаты pgvector с переранжированием с помощью ONNX cross-encoder; журнал формулировок проблем с предварительной регистрацией гипотез и оценкой калибровки по шкале Брайера; а также модуль оценки решений, который рассчитывает ожидаемую экономическую ценность, размер ставки в одну треть по критерию Келли, вероятность разорения и результаты моделирования Монте-Карло с квитанциями SHA-256. Кроме того, хуки блокируют некоторые разрушительные команды оболочки и ищут секреты.
Athena работает с Claude Code, Antigravity, Cursor, Gemini CLI, VS Code, Kilo Code и Roo Code через отдельные конфигурационные файлы для каждой IDE. В README есть таблица, в которой функции разделены на обеспечиваемые кодом и зависящие от промптов; также приводится показатель Hit@5 поиска 0,569 на собственном золотом наборе данных.
Ключевые возможности
- 01Хранит память и контекст на локальном диске в обычных файлах Markdown и JSONL.
- 02Гибридный поиск, объединяющий полнотекстовый поиск BM25, pgvector и переранжирование с помощью ONNX cross-encoder.
- 03Журнал формулировок проблем с опровержимыми гипотезами и оценкой калибровки по шкале Брайера.
- 04Количественная оценка решений: EEV, одна треть по критерию Келли, вероятность разорения, MCDA и моделирование Монте-Карло с квитанциями SHA-256.
- 05MCP-серверы для поиска по памяти и запросов к файлам CSV, JSON и Parquet через DuckDB.
- 06Хуки, блокирующие некоторые разрушительные команды и проверяющие наличие секретов.
Сценарии использования
- Сохранение единого контекста проекта для AI-ассистента по программированию при переключении между Claude Code, Cursor и Gemini CLI.
- Фиксация и анализ структурированных решений с явными допущениями и условиями опровержения.
- Запросы к большим наборам данных CSV или Parquet через LLM-агента без загрузки данных в контекстное окно.
- Добавление локальных хуков управления в сеансы AI-агентов.
Быстрый старт
- 1
Клонируйте репозиторий и перейдите в его каталог
git clone https://github.com/winstonkoh87/Athena-Public.git && cd Athena-Public - 2
Создайте и активируйте виртуальное окружение Python
python3 -m venv .venv && source .venv/bin/activate - 3
Установите облегчённый пакет
pip install -e ".[local]" - 4
Инициализируйте Athena для своей IDE и запустите проверку работоспособности
athena init --ide claude && athena doctor
Что важно знать
- Данные о долгосрочной персонализации основаны на опыте одного автора (N=1), а не на исследовании с участием нескольких пользователей.
- В IDE без хуков жизненного цикла некоторые механизмы защиты от поддакивания остаются исключительно на усмотрение агента.
- Качество поиска умеренное: строгий показатель Hit@5 на эталонном наборе автора составляет 0,569.
- Для полной установки требуются дополнительные облачные сервисы, например Supabase для синхронизации.
В подборках
Темы
Частые вопросы
- Что такое Athena-Public?
- Локальный слой памяти и принятия решений для AI-агентов: хранит контекст в принадлежащих вам файлах Markdown и JSONL и работает с разными IDE и LLM. Athena хранит память AI-ассистента, формулировки проблем и записи о решениях на вашем диске в виде обычных файлов Markdown и JSONL. Благодаря этому контекст сохраняется при смене модели или редактора. Проект устанавливается как пакет Python и предоставляет функции через два MCP-сервера: один отвечает за поиск и управление данными, второй — за аналитические запросы на основе DuckDB.
- Athena-Public можно использовать бесплатно? Какая у него лицензия?
- Athena-Public распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- Athena-Public всё ещё поддерживается?
- Активно поддерживается. Последний коммит в Athena-Public — 6 нояб. 2026 г..
- Для чего можно использовать Athena-Public?
- Сохранение единого контекста проекта для AI-ассистента по программированию при переключении между Claude Code, Cursor и Gemini CLI. Фиксация и анализ структурированных решений с явными допущениями и условиями опровержения. Запросы к большим наборам данных CSV или Parquet через LLM-агента без загрузки данных в контекстное окно. Добавление локальных хуков управления в сеансы AI-агентов.
- Как установить Athena-Public?
- Клонируйте репозиторий и перейдите в его каталог: git clone https://github.com/winstonkoh87/Athena-Public.git && cd Athena-Public Создайте и активируйте виртуальное окружение Python: python3 -m venv .venv && source .venv/bin/activate Установите облегчённый пакет: pip install -e ".[local]" Инициализируйте Athena для своей IDE и запустите проверку работоспособности: athena init --ide claude && athena doctor
- Где скачать Athena-Public?
- Исходный код и инструкции по установке — на GitHub: https://github.com/winstonkoh87/Athena-Public
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Локальная AI-система памяти: хранит историю диалогов без изменений и находит нужное с помощью семантического поиска; доступна как MCP-сервер и CLI.
Слой памяти для AI-агентов в одном файле: embeddings, поисковые индексы и метаданные хранятся в .mv2 вместо серверного RAG-конвейера.
Локальная система памяти для AI-агентов с приоритетом доказательств: фильтрует записи, отслеживает изменения фактов и объясняет результаты поиска.
Локальное Markdown-пространство памяти, где AI-агенты хранят, ищут и систематизируют долгосрочные знания в редактируемых файлах.
Локальная постоянная память для AI-агентов программирования, таких как Claude Code, Cursor и Codex: доступ через MCP, данные хранятся в файле SQLite на диске.