Локальный движок точного контекста для AI-агентов.
Sphaera собирает проверяемую локальную карту кода и документов: AI получает только относящиеся к задаче материалы, а важные выводы сохраняют путь к исходному фрагменту. Одна карта работает с разными агентами и моделями; размер выдачи автоматически подстраивается под доступное контекстное окно.
Основа — работа на устройстве: локальная база и CLI, без обязательного сервера и внешних сервисов. Sphaera понимает 29 режимов кода (Rust, Python, JS/TS, Go, C/C++, C#, Java, Kotlin, Swift, PHP, Ruby, SQL, Bash, PowerShell, Dockerfile и другие) и 11 форматов документов (DOCX, PDF, XLSX, ODS, PPTX, XML, CSV/TSV, Markdown, HTML, JSON) — всего 40 структурных адаптеров. Русский язык — нативный режим с учётом морфологии; английский поддержан; для китайского качество поиска измерено на отдельном корпусе, а не заявлено.
Это публичный репозиторий продукта: документация, примеры, roadmap, обсуждения и отчёты о проблемах. Официальные подписанные дистрибутивы, лицензии, обновления и поддержка выдаются только через сайт.
- Официальная страница: https://iustitia.tech/academy/sphaera-context-engine/
- Установка: docs/INSTALLATION.md
- Исходный код: docs/SOURCE-AVAILABILITY.md
- Производительность и полный индекс: docs/PERFORMANCE.md
- Связанный граф (код, документы, контекст проекта) и возобновление работы: docs/CONNECTED-GRAPH.md
- Контракт полного отчёта графа: docs/FULL-GRAPH-REPORT.md
- Сообщить об уязвимости: SECURITY.md
- команды, работающие с большими репозиториями и документными массивами;
- юристы, аналитики, исследователи и разработчики, которым важен путь от вывода AI к источнику;
- пользователи Codex, Claude Code, OpenCode, ZCode и совместимых платформ.
Sphaera помогает AI работать не с бесконечной папкой файлов, а с актуальной рабочей картой проекта. Она находит относящиеся к задаче материалы, сохраняет их связь с первоисточником и выдаёт модели посильный объём контекста. Это уменьшает повторное чтение, ускоряет проверку важных выводов и даёт команде одну память проекта вместо разрозненных историй разных AI-инструментов.
AI не должен заново понимать проект при каждой задаче, смене агента или модели. Sphaera поддерживает на устройстве долговечную evidence-карту: фрагменты имеют точный адрес, отпечаток источника и связи с зависимостями. При изменении файла обновляется затронутый участок карты, а не вся история работы команды.
Модель получает не «zip-архив» и не бесконтрольную простыню текста, а ContextPack с обязательными источниками. При тесном окне capsule разбивает доказательства на компактные раскрываемые кадры: сначала маршрут и ключевые факты, затем нужные фрагменты и связи. Поэтому компактная локальная модель может последовательно пройти сложную задачу, не теряя путь к исходнику.
| Контур | Как работает | Практический результат |
|---|---|---|
| Модели без каталога имён | Sphaera определяет правила провайдера и доступное окно подключённой модели; неизвестные идентификаторы не требуют хрупкого списка исключений | Один проектный контекст для облачных AI и локальных llama.cpp; проверен сценарий компактных моделей 6B/9B, окно вариабельно вплоть до 2M токенов |
| Доставка контекста | ContextPack и capsule-кадры сохраняют обязательные evidence-источники, ограничения и точные locator-адреса |
Модель видит меньше лишнего, но может раскрыть доказательство по шагам вместо догадки по пересказу |
| Код, документы и происхождение | 40 структурных адаптеров (29 режимов кода + 11 форматов документов), граф источников, преобразований и зависимых результатов; факты, выводы, конфликты и пробелы не смешиваются | Одна рабочая память связывает код с PDF, договором, таблицей, слайдом и результатом AI |
| Связи между кодом, документами и рассуждением | Три ориентации графа — код, документы и контекст проекта — хранятся раздельно, но соединяются проверяемыми рёбрами: пункт договора → файл кода по упоминанию пути, требование ТЗ ↔ код по общему идентификатору (REQ-042 и подобные), договор ↔ допсоглашение ↔ счёт по общему номеру, шаг рассуждения → затронутые узлы. Целостность рёбер проверяется отдельно | Можно пройти от пункта документа к коду и обратно, найти связанные документы разных форматов по общей сущности и увидеть, какое решение на что опирается. Отдельно называются требования, у которых следа в коде НЕ нашлось — разрыв трассировки виден поимённо, а не тонет в общей цифре |
| Возобновление длинной работы | resume собирает компактный скелет нити под окно модели: сначала открытые вопросы, затем решения и факты, каждый — с адресами затронутых узлов. При изменении источника связанные шаги помечаются для перепроверки |
Малая локальная модель продолжает сложную многодневную задачу по скелету с адресами вместо перечитывания всего диалога; заметки не устаревают молча |
| Быстрый полный индекс | При крупном изменении adaptive pre-index строит проверяемые JSONL-шарды параллельно и укладывает их одним SQLite writer; шарды удаляются только после успешного commit и валидации графа | Быстрый полный проход без риска потерять возобновляемую работу или повредить durable store |
| Надёжное локальное хранилище | Компакция создаёт проверяемую резервную копию; блокировки и наблюдатели рассчитаны на независимые экземпляры Sphaera | Несколько агентов могут одновременно вести разные проекты и свои базы без конфликта контуров |
| Ускорение без маркетинговой подмены | Sphaera выявляет CUDA-совместимый GPU; граф, извлечение структуры и SQLite остаются CPU-bound, GPU может использоваться внешними локальными workers llama.cpp |
Статус ускорения честен: GPU не выдается за ускоритель графа, но доступен семантическим локальным компонентам |
| Интеграция | Основа — локальная работа через CLI и локальная база на устройстве; навыки для Codex, Claude Code, OpenCode, ZCode, Qwen Code и Xiaomi MiMo Code обращаются к одной карте. Локальный MCP-сервер (mcp-stdio) — опциональная поверхность, а не требование |
Агент получает проверяемый контекст прямо в привычном рабочем цикле, без отдельного сервера и без обязательного MCP |
| Модель хоста определяется, а не объявляется | Активная модель читается из метаданных самого вендора; окно контекста берётся только там, где вендор его публикует, и никогда не выводится из названия модели. Ответ называет происхождение бюджета: измерено у вендора, объявлено хостом, взято из реестра или выбрано как защитный минимум | Смена модели не требует переустановки навыка, а защитный минимум нельзя принять за измеренное окно |
| Публичный контракт вывода | Команда capabilities объявляет версии схем, перечень публичных выводов с обязательными полями и форму вызова; conformance-тест гоняет каждую команду на собранном бинаре |
Интегратор узнаёт об изменении формы из контракта, а не сломавшись в проде |
Полный индекс не должен превращаться в ожидание на часы. В локальной проверке на документном корпусе из 70 выбранных файлов и 292 evidence-записей staged-проход занял 7,162 мс против 8,362 мс прямого прохода; после commit все 70 временных шардов были удалены, граф остался валидным. Это проверка конкретного корпуса и машины, не универсальная гарантия. Методика, границы и последующие замеры — в документации производительности.
- Меньше оплачиваемого повторного чтения. При новой задаче или смене модели не нужно заново загружать весь знакомый проект. Sphaera использует уже построенную локальную карту и добавляет только то, что изменилось или важно сейчас.
- Дорогие модели тратятся на вывод, а не на поиск. Для моделей с высокой стоимостью входных токенов Sphaera сокращает необязательный материал в запросе. Реальную экономию можно проверить на собственном корпусе и по данным выбранного AI-провайдера; универсальных процентов окупаемости продукт не обещает.
- Малые модели получают контекст уровня большой задачи. Вместо неподъёмного архива они получают короткий путеводитель, ключевые фрагменты, точные адреса источников и последовательный контекст. Это позволяет недорогим моделям уверенно работать со сложными проектами, документами и таблицами в пределах своего окна контекста.
- Длинная работа не рассыпается. Для многодневных и многошаговых задач Sphaera удерживает скелет рассуждения — открытые вопросы, решения и факты с адресами затронутого кода и документов — и выдаёт его компактно под окно модели. Компактная локальная модель возобновляет работу по этому скелету, а не по всему прошлому диалогу; при изменении источника связанные шаги помечаются для перепроверки.
- Фиксированная стоимость Sphaera. Подписка не содержит наценки на токены вашего AI-провайдера и не ограничивает число поддерживаемых AI-агентов, моделей, IDE и платформ в пределах лицензированных пользователей и устройств.
- Одна карта для разных AI. Codex, Claude Code, OpenCode, ZCode и совместимые инструменты обращаются к одной локальной карте. При смене модели меняется объём и форма выдачи, а не заново создаётся память проекта.
- Контекст под размер модели. Для небольшого окна Sphaera готовит более короткий и направляющий набор материалов; для большого — раскрывает больше связей и доказательств. Это происходит автоматически, без отдельной подготовки данных под каждую модель.
- Работа на масштабе. Большие репозитории, многостраничные PDF, таблицы и цепочки документов не нужно каждый раз читать целиком. Карта обновляется по затронутым данным и помогает пройти к нужному месту без потери связи с исходником.
- Код и документы в одном рабочем контуре. Sphaera понимает структуру распространённых языков программирования, а также DOCX, PDF, XLSX/ODS, PPTX, XML, CSV/TSV, Markdown, HTML и JSON. Это важно там, где итог зависит одновременно от кода, договора, таблицы и отчёта.
- Русский язык — не побочный режим. Sphaera изначально рассчитана на русскоязычные документы и морфологию русского языка: учитывает словоформы, кириллицу и профессиональные сокращения, сохраняя исходную цитату без переписывания. Морфологию обеспечивает подписанный словарный компонент на данных OpenCorpora (CC BY-SA), 103 152 леммы; целостность компонента проверяется при загрузке, и при расхождении диагностика это называет, а не умалчивает.
- Китайский: измерено, а не обещано. Китайский пишется без пробелов, поэтому поиск в нём держится на сегментации. Замер 26.07.2026 на корпусе из 12 документов трёх доменов (законы КНР, медицина, наука) и 62 вопросов: recall@12 0,935, precision@1 0,903, MRR 0,919, P95 22 мс. Правильность вопросов проверяема механически — истина берётся из статистики самого текста, а не из ответов движка. Смысловой парафраз этот набор не измеряет, и мы этого не утверждаем.
- Контекст не отрывается от доказательств. Для важного вывода можно вернуться к строке кода, странице, абзацу, ячейке или слайду. После изменения исходника Sphaera отмечает связанные результаты, которые стоит проверить повторно.
- многие инструменты хорошо строят карту кода, ищут похожие фрагменты или хранят память одного агента; Sphaera объединяет код, документы, таблицы и происхождение результатов в одном локальном контуре;
- для запуска не требуется отдельный сервер, база графов или внешний AI-модуль Sphaera: рабочая карта остаётся на устройстве пользователя;
- вместо новой памяти для каждой IDE или модели сохраняется одна проверяемая основа, пригодная для разных AI-инструментов;
- продукт не скрывает исходник за пересказом: различает исходный материал, вывод модели, конфликт и данные, требующие проверки.
Sphaera не заменяет профессиональную проверку и не делает неверный первоисточник верным. Она делает путь от вопроса AI до исходного материала короче, видимее и дешевле для повторного использования.
Качество Sphaera определяется не числом отдельных команд. Важнее, что возможности работают как единая цепочка: система понимает материал, удерживает его связь с источником, подбирает объём под задачу и модель, а затем даёт возможность проверить результат.
| Уровень | Подтверждённый охват | Что получает пользователь |
|---|---|---|
| Материалы | 40 структурных адаптеров: 29 режимов кода и 11 форматов документов | Один рабочий контур для репозитория, таблиц, договоров, PDF и результатов обработки |
| Связи | Единая локальная карта источников, преобразований и зависимых результатов; три ориентации (код, документы, контекст проекта) соединены проверяемыми рёбрами | Можно идти от вывода к первоисточнику, от пункта документа к коду и обратно, и видеть, что затронуто изменением |
| Контекст | Одна основа данных и адаптивная выдача для разных AI-моделей | Малые модели получают связанный рабочий контекст, а большие не тратят окно на уже известное |
| Контроль качества | Матрицы совместимости, автоматические проверки и benchmark-наборы для заявленных возможностей | Заявления можно проверять на указанной версии и корпусе, а не принимать на веру |
Именно сочетание этих уровней отличает рабочий контур от набора несвязанных функций. Для заказчика это выражается в более предсказуемой работе AI, меньшем количестве повторных действий и более быстрой проверке результата перед финансовым, юридическим или техническим решением.
- Откройте официальную страницу и получите Trial или лицензию.
- В личном кабинете скопируйте одну команду онлайн-установки.
- Установщик проверит подписанный релиз, установит лицензию на это устройство и подключит выбранные AI-инструменты.
Подробно: Установка.
Открывайте Issues с понятным примером, ожидаемым и фактическим результатом. Идеи интеграций, форматов документов и улучшений адаптеров особенно полезны.
До открытия исходного кода внешний вклад принимается через Issues и обсуждение архитектуры; pull request с производным кодом пока не принимаются.
1.0.0 — базовая публичная версия продукта. Наличие конкретной возможности в установленной сборке и доступность дистрибутива определяются подписанными release notes; публичный репозиторий остаётся площадкой документации, обратной связи и совместимости.