NornicDB

NornicDB — это высокопроизводительная графовая база данных, спроектированная для AI-агентов и систем управления знаниями. Она полностью совместима с Neo4j (протокол Bolt и язык Cypher), поэтому вы можете переключиться на неё без изменения кода, но при этом получаете дополнительные интеллектуальные возможности.

Быстрый старт

Docker (рекомендуемый способ)

Запустите готовый образ с предустановленной моделью эмбеддингов:

# Apple Silicon (M1/M2/M3)
docker run -d --name nornicdb \
  -p 7474:7474 -p 7687:7687 \
  -v nornicdb-data:/data \
  timothyswt/nornicdb-arm64-metal-bge:latest

# NVIDIA GPU (Windows/Linux)
docker run --gpus all -d --name nornicdb \
  -p 7474:7474 -p 7687:7687 \
  -v nornicdb-data:/data \
  timothyswt/nornicdb-amd64-cuda-bge:latest

После запуска откройте http://localhost:7474 — вы попадёте в административный интерфейс со встроенным AI-ассистентом.

Сборка из исходников

Требования: Go 1.23+, Docker, GNU make.

git clone https://github.com/orneryd/NornicDB.git
cd NornicDB
go build -o nornicdb ./cmd/nornicdb
./nornicdb serve

Подключение

Используйте любой Neo4j-драйвер (Python, JavaScript, Go, Java, .NET):

from neo4j import GraphDatabase
driver = GraphDatabase.driver("bolt://localhost:7687")
with driver.session() as session:
    session.run("CREATE (n:Memory {content: 'Hello NornicDB'})")

Возможности

🔌 Полная совместимость с Neo4j

• Протокол Bolt и полноценная поддержка Cypher-запросов.
• Работа с существующими драйверами и инструментами без изменений.
• Поддержка схем, ограничений, индексов и векторных индексов.

🧠 Интеллектуальная память

Реализована модель затухания (decay), имитирующая человеческую память:

Пример запроса для поиска «сильных» воспоминаний:

MATCH (m:Memory) WHERE m.decayScore > 0.5
RETURN m.title ORDER BY m.decayScore DESC

🔗 Автоматические связи

NornicDB самостоятельно выявляет и создаёт отношения между узлами на основе:

• семантической близости эмбеддингов;
• частоты совместных запросов;
• временно́й близости (узлы из одной сессии);
• транзитивного вывода (A→B + B→C ⇒ A→C).

⚡ Производительность

По результатам тестов LDBC Social Network Benchmark (M3 Max, 64 ГБ):

Дополнительные преимущества:

• Потребление памяти: 100–500 МБ против 1–4 ГБ у Neo4j.
• Холодный старт: менее 1 секунды против 10–30 секунд у Neo4j.

Полные результаты бенчмарков доступны в репозитории.

🎯 Векторный поиск

Встроенный семантический поиск с GPU-ускорением. Все эмбеддинги узлов индексируются автоматически.

Вариант 1: векторный массив (совместимо с Neo4j)

CALL db.index.vector.queryNodes('embeddings', 10, [0.1, 0.2, 0.3, ...])
YIELD node, score
RETURN node.content, score

Вариант 2: строковый запрос (расширение NornicDB)

CALL db.index.vector.queryNodes('embeddings', 10, 'machine learning guide')
YIELD node, score
RETURN node.content, score

Строковые запросы требуют настроенного эмбеддера (Ollama, OpenAI или локальная GGUF-модель). NornicDB автоматически генерирует эмбеддинг на серверной стороне.

Вариант 3: REST API (гибридный поиск)

curl -X POST http://localhost:7474/nornicdb/search \
  -H "Content-Type: application/json" \
  -d '{"query": "machine learning", "limit": 10}'

Документация по векторному поиску: Vector Search Guide.

🤖 Heimdall AI Assistant

Встроенный AI-ассистент, понимающий структуру вашей базы данных. Включите его переменной окружения:

NORNICDB_HEIMDALL_ENABLED=true ./nornicdb serve

Возможности:

• Естественно-языковые запросы: «Покажи статус базы», «Запусти проверку здоровья».
• Система плагинов с жизненным циклом (PrePrompt, PreExecute, PostExecute).
• Мониторинг событий базы данных для автономных действий.

Подробнее: Heimdall AI Assistant Guide, Plugin Development.

🧩 APOC-функции

Более 950 встроенных функций для работы с текстом, математикой, коллекциями и ML. Также поддерживается подключаемая система плагинов (.so-файлы помещаются в /app/plugins/).

Примеры:

RETURN apoc.text.camelCase('hello world')   // "helloWorld"
RETURN apoc.text.slugify('Hello World!')     // "hello-world"
RETURN apoc.ml.sigmoid(0)                   // 0.5
RETURN apoc.coll.sum([1, 2, 3, 4, 5])       // 15

Документация: APOC Plugin Guide.

Docker-образы

Все образы доступны на Docker Hub.

ARM64 (Apple Silicon)

AMD64 (NVIDIA GPU)

BYOM (Bring Your Own Model) — монтируйте свою GGUF-модель в /app/models.

Headless-режим

Подходит для микросервисов и встраиваемых развёртываний. Отключает веб-интерфейс.

Запуск:

nornicdb serve --headless
# или
NORNICDB_HEADLESS=true nornicdb serve

Конфигурация

Пример nornicdb.yaml:

server:
  bolt_port: 7687
  http_port: 7474
  data_dir: ./data

embeddings:
  provider: local        # или ollama, openai
  model: bge-m3
  dimensions: 1024

decay:
  enabled: true
  recalculate_interval: 1h

auto_links:
  enabled: true
  similarity_threshold: 0.82

async_writes:
  enabled: true
  flush_interval: 50ms
  max_node_cache_size: 50000
  max_edge_cache_size: 100000

Варианты использования

• Память AI-агентов: постоянная, запрашиваемая память для LLM-агентов.
• Графы знаний: самоорганизующиеся базы знаний.
• RAG-системы: векторный + графовый поиск в одной БД.
• Контекст сессий: диалоги с затухающей историей.
• Научные инструменты: связывание статей, заметок и идей.

Документация

• Getting Started
• Vector Search Guide
• Heimdall AI Assistant Guide
• Plugin Development
• APOC Plugin Guide
• Performance Benchmarks
• Лицензия

Данный README составлен на основе исходной документации NornicDB.