Hybrid-Orchestrierung & Multi-Tier KI
Brain nutzt ein tokio-basiertes Actor-System in Rust für die Orchestrierung. Pro Nutzeranfrage kombiniert das System dynamisch 2 bis 4 lokale Modelle (Qwen 2.5 für Intent-Klassifizierung und Fakt-Extraktion, Qwen 3 für Reasoning, EmbeddingGemma für 768-dim Vektor-Embeddings) mit 2 bis 3 Cloud-KI-Aufrufen (Gemini 3.5 Pro/Flash via Gemini FastAPI). Dies ermöglicht maximale Antwortqualität und tiefes Weltwissen bei gleichzeitig strikter Datenkontrolle.
Graph-RAG & SurrealDB Vector Store
Das Gedächtnis baut auf SurrealDB als kombiniertem Graph- und Vektor-Speicher auf. Semantische HNSW-KNN-Suche wird nahtlos mit relationaler Kanten-Traversierung verknüpft. Automatische Wissens-Kurierung sorgt für saubere Entitäten und Kanten, während realm-basierte Daten-Kapselung (private, serocloud, system) garantiert, dass vertrauliche Kontexte niemals in reguläre RAG-Antworten einfließen.
Disziplin- & System-Enforcement Subsystem
Integriert in die Brain-Architektur ist das bewährte Disziplin-Subsystem (ehemals Cross-Platform System Reminder). Über einen zentralen MQTT-Broker und n8n-Workflow-Orchestrierung kommuniziert Brain in Echtzeit mit NixOS-Desktops und Android-Geräten. Auf NixOS-Ebene werden über den Window Manager Hyprland unausweichliche Vollbild-Sperren und Popups erzwungen, um Aufgaben kompromisslos durchzusetzen.
Datenschutz & Reversible Maskierung
Bevor Anfragen an externe Cloud-Provider gesendet werden, schaltet Brain ein eigenes Maskierungs-Crate (brain-masking) dazwischen. Sensible Begriffe und private Daten werden durch Platzhalter ([CONFIDENTIAL_*]) ersetzt und nach dem Empfang der Antwort lokal wieder unmaskiert.