conhecimento: Inteligência de código persistente para fluxos de trabalho de agentes nativos de IA
knowing, da Blackwell Systems, é um motor de inteligência de código permanente que fornece aos agentes de IA acesso persistente à estrutura e ao estado do projeto. O aplicativo atua como uma camada de memória exposta através do Protocolo de Contexto do Modelo e responde a consultas de código entre sessões. Ele se concentra na entrega de contexto compacto e verificável para reduzir a sobrecarga de tokens. O público-alvo são desenvolvedores que constroem fluxos de trabalho agentes e usuários de assistentes de IA que precisam de um contexto de código durável e consultável.
Ele codifica bases de código em um gráfico compacto e endereçado por conteúdo
conhecendo converte o código-fonte do repositório em um gráfico endereçado por conteúdo e oferece um formato de wire nativo de IA extraído do sistema. O formato GCF reduz drasticamente a sobrecarga de tokens de dados estruturados, citado em até 92% em comparação com o JSON padrão, o que altera o perfil de throughput para consultas de modelo. As saídas se concentram em nós endereçáveis e blobs de contexto compactos em vez de blobs de texto bruto.
- Índice nativo de gráfico
- Formato de wire eficiente em tokens
Ele fornece proveniência verificável e gerencia memória de sessão persistente
O sistema registra estado verificável usando provas de Merkle para provar qual código ou dado existia em um momento específico, apoiando auditorias e verificações de integridade. O mecanismo persiste conhecimento através de sessões de IA e aplica expiração auto-adaptativa a entradas desatualizadas, limitando contexto obsoleto. A deduplicação de sessão previne ingestão redundante e reduz o uso repetido de tokens durante consultas repetidas de agentes, melhorando o throughput efetivo para fluxos de trabalho de longa duração.
Ele requer ferramentas MCP e se integra com clientes nativos de MCP
A ferramenta opera como um servidor MCP e expõe um conjunto de 23–28 ferramentas MCP para interação com modelos, dependendo de 25 extratores especializados para indexar estruturas de linguagem. A compatibilidade é explicitamente listada para clientes MCP como Claude Desktop e Cursor, o que coloca o sistema dentro de ambientes de desenvolvimento nativos de MCP. Esse foco torna a adoção natural para equipes que constroem automações agentivas, e menos direta para projetos fora do ecossistema MCP.
saber é uma escolha prática para equipes que constroem infraestrutura agentiva
Dado o trabalho anterior do desenvolvedor em agent-lsp, mcp-assert e no formato GCF, o aplicativo é adequado para equipes que constroem agentes nativos de IA que precisam de memória de programa durável. Prepare repositórios com metadados consistentes e indexação seletiva para que o mecanismo mantenha nós relevantes e expire ruídos de forma eficiente. Equipes que não operam dentro de pipelines compatíveis com MCP devem avaliar os requisitos de integração antes de se comprometer com o sistema.
