Ein Datensatz, drei Sichtweisen.
Ein Gespräch enthält Bedeutung, Quelltext, Zeit und Beziehungen. TriviumDB bindet Vektordaten, JSON-Dokumente und beschriftete Graphkanten an dieselbe Knotenidentität. Das verringert Synchronisation und das Zusammenfügen von Ergebnissen aus getrennten Datenbanken.
Die Suche als Pfad organisieren.
SUCHE
Über Bedeutung und Schlüsselwörter finden
Dichte Vektoren mit BM25-Textsuche verbinden; QuIVer beschleunigt die approximative Suche nach nächsten Nachbarn.
BEZIEHUNGEN
Beziehungen in den Kontext folgen
Von einem gefundenen Knoten über beschriftete, gewichtete Kanten Personen, Ereignisse, Dokumente und Begriffe verbinden.
ABFRAGESPRACHE
Hybride Abfragen mit TQL kombinieren
Eine Sprache verbindet Vektorsuche, Eigenschaftsfilter, Graphexpansion, Mengenoperationen und Aggregation.
PERSISTENZ
Ein Lebenszyklus für alle Sichtweisen
Write-Ahead-Logging, Transaktionen und atomare Veröffentlichung verwalten Vektoren, Dokumente und Graphbeziehungen gemeinsam.
Die Datenbank einbetten und Daten nah halten.
TriviumDB läuft über Rust, Python oder Node.js im Prozess. Der Rom-Modus speichert Daten in einer portablen .tdb-Datei; der Mmap-Modus trennt Vektor- und Dokumentenspeicher für bedarfsgesteuertes Memory-Mapping.
Dasselbe Modell kann Gesprächsgedächtnis, persönliches Wissen, RAG-Dokumentensuche und Beziehungsgedächtnis für Spielfiguren organisieren.