Векторы на edge? Забудьте.
Еще вчера каждый второй проект с RAG на Raspberry Pi или дроне упирался в одну проблему: векторные базы. Они жрут память. Требуют вычислений с плавающей точкой. А на edge-устройствах с их скромными ресурсами это - приговор. Anchor Engine V5, вышедший в марте 2026, предлагает радикально другой путь. Вместо векторов - memory graph. Вместо дорогих эмбеддингов - целочисленные веса. И все это работает там, где другие системы даже не запустятся.
Ключевое обновление V5 - integer-based temporal decay. Алгоритм STAR (Spatio-Temporal Anchor Retrieval) теперь полностью избегает операций с float, что критично для микроконтроллеров и маломощных CPU.
Как это работает? Граф вместо облака точек
Традиционный RAG берет ваш запрос, превращает в вектор (часто через ресурсоемкую модель вроде EdgeVec), ищет ближайших соседей в векторном пространстве. Anchor Engine поступает иначе. Он строит граф знаний, где узлы - концепции или факты, а ребра - связи между ними с целочисленными весами. Вес - это не просто "сила связи", а комбинация релевантности и времени. Чем старее информация, тем ниже ее вес (если вы не настроили иначе).
Сравнение: что проигрывают классические Vector RAG
Возьмем типичный edge-сценарий: локальный ассистент на Raspberry Pi 5 с 4GB RAM. Векторная база с моделью эмбеддингов (даже оптимизированной) займет гигабайты и будет тормозить. Anchor Engine V5 упаковывает граф из 100k узлов в ~200MB. Скорость поиска? Миллисекунды. Потому что поиск - это обход графа по заранее вычисленным индексам, а не расчет косинусных расстояний.
| Критерий | Vector RAG (Chroma/Qdrant) | Anchor Engine V5 |
|---|---|---|
| Потребление RAM (на 10k доков) | 1.5-2 GB | 50-80 MB |
| Требования к CPU | Поддержка AVX, FPU операции | Любой CPU, даже без FPU |
| Время поиска (p95) | 50-100 мс | 5-15 мс |
| Обновление данных | Переиндексация, дорого | Инкрементальное, O(1) |
Альтернативы? Graph-based системы вроде Graphiti или MCP memory server хороши, но они заточены под серверные среды. Anchor Engine рожден для edge. Он написан на Rust с минимальными зависимостями, компилируется в WASM для браузера и в нативный код для ARM Cortex-M.
Примеры использования: от дронов до браузеров
Представьте дрон для инспекции объектов. Ему нужно запоминать аномалии, найденные во время полета, и контекст - где, когда, при каких условиях. Классический RAG потребует отправки данных в облако или громоздкой локальной векторной базы. С Anchor Engine граф аномалий живет прямо на бортовом компьютере. Новые наблюдения добавляются как узлы, связи строятся автоматически по тегам ("трещина", "коррозия", "северная сторона").
Или браузерный помощник для юристов, как в этом кейсе. Вместо того чтобы тянуть векторы через сеть, граф нормативных актов и прецедентов загружается один раз и работает офлайн. Обновления - через патчи графа.
# Установка (на устройстве с ARMv7)
curl -sSL https://get.anchor-engine.io | sh
# Инициализация графа
anchor-engine init --dimensions 128 --storage flash
# Добавление документа
anchor-engine add-doc --text "Требование безопасности: проверка каждые 24 часа" --tags safety,protocolНе путайте с гибридным поиском в Elasticsearch (тут есть детали). Там все равно нужны текстовые индексы и часто облачная инфраструктура. Anchor Engine - полностью локальный, самодостаточный.
Кому подойдет? Не всем
Это не серебряная пуля. Если у вас сервер с терабайтами памяти и вы работаете с dense векторами для семантического поиска по миллионам документов - оставайтесь при своих векторных базах. Anchor Engine V5 создан для других:
- Разработчики IoT-устройств, где каждый килобайт памяти на счету.
- Браузерные приложения с требованием полной офлайн-работы.
- Edge AI ассистенты, где задержки должны быть меньше 20 мс.
- Системы с частым обновлением контекста, где переиндексация векторов убила бы производительность.
Особенно выигрывают те, кто сталкивался с конфликтом источников в RAG. В графе легко приоритезировать свежие данные через временные веса, не теряя старые контексты (механизм напоминает Dreaming Engine).
Прогноз? К 2027 году 40% edge-RAG проектов перейдут на graph-based подходы. Потому что закончилась эра, когда можно было позволить себе 2GB ради нескольких векторов. Anchor Engine V5 - первый, кто показал, что есть работающая альтернатива. Проверьте на своем устройстве. Если, конечно, оно не настолько слабое, что не тянет даже Rust runtime (шутка).
