कोवैलेंस एक macOS नेटिव एप्लिकेशन है जो MCP (मॉडल कॉन्टेक्स्ट प्रोटोकॉल) के माध्यम से किसी भी AI क्लाइंट के लिए लगातार, सिमेंटिक दीर्घकालिक मेमोरी प्रदान करता है। यह क्लाउड या पंजीकृत खाते की आवश्यकता के बिना, उपयोगकर्ता के स्वयं के हार्डवेयर पर चलता है, और सभी यादें स्थानीय रूप से SQLite फ़ाइलों के रूप में संग्रहीत की जाती हैं।

सहसंयोजक की क्रॉस-क्लाइंट एआई दृढ़ता मेमोरी परत

मुख्य पैरामीटर और आँकड़े

प्रोजेक्ट	पैरामीटर्स
उत्पाद स्थिति	एआई क्लाइंट्स में स्थानीय दृढ़ता मेमोरी परत (एमसीपी सर्वर)
डिलीवरी फॉर्म	macOS नेटिव डेस्कटॉप एप्लिकेशन (.dmg इंस्टालेशन पैकेज)
प्रोटोकॉल/इंटरफ़ेस	एमसीपी (मॉडल कॉन्टेक्स्ट प्रोटोकॉल), 9 टूल्स को उजागर करना
एम्बेडेड मॉडल	नॉमिक-एम्बेड-टेक्स्ट-v1.5 (fp16, ~261एमबी, स्थानीय रूप से चल रहा है)
वेक्टर आयाम	256 (मैत्रियोश्का ट्रंकेशन, मूल 768→256)
वेक्टर सूचकांक	एसक्लाइट-वेक (vec0 KNN)
कीवर्ड इंडेक्स	SQLite FTS5 (BM25)
फ्यूजन रणनीति	पारस्परिक रैंक फ़्यूज़न (k=60) + हाइपरबोलिक टाइम वेटिंग (10%)
न्यूनतम सिस्टम आवश्यकताएँ	macOS 15 (Sequoia) या बाद का संस्करण, Apple सिलिकॉन
भंडारण बैकएंड	SQLite (स्थानीय फ़ाइलें, पूर्ण उपयोगकर्ता नियंत्रण)
नवीनतम संस्करण	v1.4.0 (2026-04-27)
लाइसेंसिंग मॉडल	नि:शुल्क, कोई खाता नहीं/कोई टेलीमेट्री नहीं/कोई क्लाउड निर्भरता नहीं
गिटहब स्टार्स	अप्रकाशित (मुख्य भंडार एक निजी भंडार darronz/covalence है)

कोवलेंस की स्थिति बहुत स्पष्ट है: यह कोई अन्य एआई चैट टूल नहीं है, न ही ज्ञान आधार प्रबंधन प्रणाली है, बल्कि एक बुनियादी ढांचा परत है - एआई क्लाइंट (क्लाउड डेस्कटॉप, क्लाउड कोड, कर्सर इत्यादि) और बड़े मॉडल के बीच लगातार मेमोरी की एक परत डालना। सभी एम्बेडेड गणना मूल रूप से Apple सिलिकॉन पर MLTensor के माध्यम से की जाती है, बिना किसी तृतीय-पक्ष API या नेटवर्क कॉल के।

उपयोगकर्ता और बाज़ार की पहचान

धीरे-धीरे क्षेत्र में उपयोगकर्ता जागरूकता पैदा करें, और कार्य कुशलता में सुधार के लिए सामग्री निर्माताओं और टीमों द्वारा उत्पाद क्षमताओं का उपयोग किया जाता है। कुछ उद्योग उपयोगकर्ताओं ने इसे अपने दैनिक वर्कफ़्लो में शामिल किया है। विशिष्ट उपयोगकर्ता पैमाने और उद्योग अपनाने की दर डेटा के लिए नवीनतम आधिकारिक खुलासे को संदर्भित करने की अनुशंसा की जाती है।

लागत लाभ

सी-साइड/व्यक्तिगत उपयोगकर्ता: सहसंयोजकता पूरी तरह से निःशुल्क है। कोई सदस्यता शुल्क नहीं, कोई भुगतान-प्रति-उपयोग नहीं, कोई छिपी हुई फीस नहीं। उपयोगकर्ताओं को केवल डाउनलोड और इंस्टॉल करने की आवश्यकता है, और सभी एम्बेडेड गणनाएं किसी भी एपीआई क्रेडिट का उपभोग किए बिना स्थानीय मैक पर पूरी की जाती हैं। यह इसके और क्लाउड मेमोरी समाधान (जैसे कि Mem0 का एपीआई संस्करण) के बीच सबसे बुनियादी लागत अंतर है।

एपीआई/डेवलपर: सहसंयोजकता स्वतंत्र एपीआई सेवाएं प्रदान नहीं करती है, लेकिन एमसीपी सर्वर के रूप में एआई क्लाइंट में एम्बेडेड है। डेवलपर्स को मेमोरी कार्यक्षमता के लिए अतिरिक्त एपीआई कॉल शुल्क का भुगतान करने की आवश्यकता नहीं है - एकमात्र लागत मैकओएस हार्डवेयर पर स्थानीय गणना और भंडारण है।

उद्यम/निजी: क्योंकि कोवलेंस का डेटा पूरी तरह से उपयोगकर्ता की SQLite फ़ाइल में संग्रहीत होता है, उद्यम निजीकृत परिनियोजन की अतिरिक्त लागत के बिना सीधे मेमोरी फ़ाइलों को मौजूदा बैकअप और सुरक्षा नीतियों में शामिल कर सकते हैं। हालाँकि, वर्तमान संस्करण केवल macOS पर स्टैंड-अलोन ऑपरेशन का समर्थन करता है और टीम साझाकरण या बहु-उपयोगकर्ता सहयोग का समर्थन नहीं करता है। एंटरप्राइज़-स्तरीय मेमोरी साझाकरण परिदृश्यों को अभी तक कवर नहीं किया जा सकता है।

छिपी हुई लागत: मुख्य रूप से macOS एक्सक्लूसिव से - यदि वर्कफ़्लो में Windows/Linux के लिए AI क्लाइंट शामिल है (जैसे Windows पर VS कोड + कोपायलट), तो सहसंयोजकता वर्तमान में कवर नहीं है। इसके अलावा, स्थानीय एम्बेडिंग मॉडल (नोमिक-एम्बेड-टेक्स्ट-v1.5) और क्लाउड बड़े मॉडल एम्बेडिंग की पुनर्प्राप्ति गुणवत्ता के बीच लगभग 2% सटीकता का अंतर (आधिकारिक स्व-परीक्षण) है, जो अत्यधिक विशिष्ट क्षेत्रों में सिमेंटिक खोज में समर्पित फाइन-ट्यून मॉडल जितना अच्छा नहीं हो सकता है।

मुख्य कार्य

• सिमेंटिक सर्च मेमोरी: हाइब्रिड वेक्टर + कीवर्ड पुनर्प्राप्ति के आधार पर, उपयोगकर्ता की प्राकृतिक भाषा क्वेरी को एक एम्बेडिंग वेक्टर में परिवर्तित किया जाता है, और vec0 KNN कोसाइन समानता खोज और FTS5 BM25 पूर्ण-पाठ खोज स्थानीय SQLite में एक साथ की जाती है, पारस्परिक रैंक फ़्यूज़न द्वारा क्रमबद्ध, हाइपरबॉलिक एजिंग वेटिंग द्वारा पूरक (नया मेमोरी वजन थोड़ा अधिक है, लेकिन उम्र बढ़ने को रोकने के लिए कुल स्कोर का केवल 10% होता है) वास्तविक प्रासंगिकता को अधिलेखित करना)।
• मुख्य यादें: उपयोगकर्ता सबसे महत्वपूर्ण ज्ञान को "मुख्य यादें" के रूप में चिह्नित कर सकते हैं, और एआई खोज करने पर ये यादें हमेशा सबसे पहले लौटाई जाएंगी। कोर मेमोरी को केवल उपयोगकर्ता द्वारा स्पष्ट रूप से सेट किया जा सकता है, और एआई को सामान्य मेमोरी को स्वतंत्र रूप से कोर में अपग्रेड करने का कोई अधिकार नहीं है, यह सुनिश्चित करते हुए कि उपयोगकर्ता मुख्य जानकारी पर पूर्ण नियंत्रण बनाए रखते हैं।
• स्पेस (स्पेस आइसोलेशन): मेमोरी को स्वतंत्र विभाजनों में विभाजित करने के लिए -स्पेस पैरामीटर का उपयोग करें। विभिन्न परियोजनाओं, विभिन्न ग्राहकों या विभिन्न उद्देश्यों की यादें एक-दूसरे के साथ हस्तक्षेप नहीं करती हैं। एक --स्पेस SQLite डेटाबेस में एक स्वतंत्र विभाजन से मेल खाता है, और खोज और ब्राउज़िंग केवल वर्तमान स्थान के लिए परिणाम लौटाता है।
• फ़ाइल यादें: v1.4.0 में नया फ़ंक्शन, जो स्थानीय फ़ोल्डरों की निगरानी कर सकता है और स्वचालित रूप से एआई खोज के लिए मार्कडाउन/टेक्स्ट/कॉन्फ़िगरेशन फ़ाइलों की सामग्री को रीड-ओनली मेमोरी के रूप में अनुक्रमित कर सकता है। YAML फ्रंटमैटर पार्सिंग और .gitignore स्टाइल को 1MB फ़ाइल आकार सीमा के साथ नियमों की अनदेखी का समर्थन करता है।
• एमसीपी टूल सेट: 9 मानक एमसीपी टूल्स को उजागर करता है (विवरण के लिए नीचे टूल ओपन सूची देखें)। एआई क्लाइंट मेमोरी परिवर्धन, विलोपन, संशोधन और स्थिति की निगरानी को पूरा करने के लिए मानक एमसीपी प्रोटोकॉल के माध्यम से इन उपकरणों को कॉल कर सकते हैं।

मॉडल और संस्करण विकास

अप्रैल 2026 से सहसंयोजक संस्करण पुनरावृत्ति में तेजी आएगी और वर्तमान में सीआई सत्यापन से फीचर डिलीवरी तक तेजी से विकास हो रहा है:

प्रारंभिक पाइपलाइन सत्यापन अवधि (v1.3.2 - v1.3.5)

ये चार रिलीज़ सीआई/सीडी पाइपलाइन की स्थिरता पर ध्यान केंद्रित करते हैं। v1.3.2 एंड-टू-एंड स्वचालित रिलीज़ सत्यापन का पहला दौर है; v1.3.3-v1.3.4 पाइपलाइन की समस्याओं को ठीक करता है जैसे कि लापता एम्बेडेड मॉडल, गलत डीएमजी अपलोड पथ और अनसिंक्रनाइज़्ड रिलीज़ नोट्स; v1.3.5 P0-स्तरीय बग को तत्काल ठीक करता है जिसने Xcode के बिना स्टार्टअप पर एप्लिकेशन को क्रैश कर दिया था।

मेनलाइन फीचर रिलीज़ (v1.4.0)

v1.4.0, 27 अप्रैल, 2026 को जारी किया गया, पहला प्रमुख फीचर संस्करण है, जो तीन मुख्य क्षमताएं लाता है: फ़ाइल सिंक्रोनाइज़ेशन (एंकर मेमोरीज़) कोवलेंस को स्थानीय फ़ोल्डर सामग्री को स्वचालित रूप से अनुक्रमित करने की अनुमति देता है; एआई निर्देश पुनर्लेखन व्यवहार मार्गदर्शन को अधिक सटीक बनाता है; स्पेस स्विचर (स्पेस स्विचर) मल्टी-प्रोजेक्ट प्रबंधन के लिए यूआई समर्थन प्रदान करता है। गुणवत्ता बेंचमार्क (वर्तमान स्कोर 30/30) प्राप्त करने के लिए कोव-बेंचमार्क कमांड लाइन टूल भी जारी किया गया है।

तकनीकी लाभ

कोवलेंस की तकनीकी वास्तुकला "स्थानीय प्राथमिकता, गोपनीयता और सुरक्षा, और कम विलंबता" के तीन सिद्धांतों के आसपास डिज़ाइन की गई है। निम्नलिखित कारण श्रृंखला के परिप्रेक्ष्य से इसके तंत्र और प्रभावों की व्याख्या करता है।

नेटिव एम्बेडिंग + मैत्रियोश्का ट्रंकेशन: ऐप्पल सिलिकॉन पर एमएलटेन्सर के माध्यम से चलने वाला एम्बेडिंग मॉडल नॉमिक-एम्बेड-टेक्स्ट-v1.5, एक 768-आयामी वेक्टर आउटपुट करता है जिसे तुरंत पहले 256 आयामों में छोटा कर दिया जाता है। यह डिज़ाइन मैत्रियोश्का रिप्रेजेंटेशन लर्निंग की खोज पर आधारित है कि पहले एन आयाम स्वयं एक वैध एम्बेडिंग उपसमुच्चय हैं, जो पुनर्प्राप्ति सटीकता का केवल 2% खो देते हैं, लेकिन भंडारण स्थान को 3KB से 1KB प्रति मेमोरी तक कम कर देते हैं। बातचीत के साथ बढ़ने वाले मेमोरी बैंकों के लिए, तीन गुना भंडारण दक्षता का मतलब है कि उपयोगकर्ता समकक्ष हार्डवेयर पर मेमोरी चक्र को लंबे समय तक बनाए रख सकते हैं।

असममित खोज एन्कोडिंग: क्वेरी और दस्तावेज़ को अलग-अलग टेक्स्ट उपसर्गों (search_query: बनाम search_document:) का उपयोग करके एन्कोड किया जाता है ताकि क्वेरी और दस्तावेज़ वेक्टर स्पेस के विभिन्न क्षेत्रों में आ जाएं। कोसाइन समानता का माप "क्या दस्तावेज़ इस प्रश्न का उत्तर दे सकता है" के बजाय "क्या पाठ के दो टुकड़े समान हैं"। एआई मेमोरी परिदृश्यों में यह महत्वपूर्ण है - उपयोगकर्ता की खोज का उद्देश्य आमतौर पर कॉपी और पेस्ट के बजाय एक प्रश्न होता है, और असममित एन्कोडिंग सममित एन्कोडिंग की तुलना में प्रश्न-उत्तर पुनर्प्राप्ति के लिए बेहतर अनुकूल है।

हाइब्रिड रिट्रीवल फ़्यूज़न (आरआरएफ): वेक्टर समानता खोज और बीएम25 कीवर्ड खोज समानांतर में निष्पादित की जाती है, प्रत्येक अधिकतम(सीमा×4, 20) उम्मीदवार लेता है (×6 जब पोस्ट-स्विफ्ट परत फ़िल्टरिंग के नुकसान की भरपाई के लिए फ़िल्टर की स्थिति होती है), कोसाइन थ्रेशोल्ड (डिफ़ॉल्ट 0.3) द्वारा फ़िल्टर किया जाता है और फिर पारस्परिक रैंक फ़्यूज़न (के = 60) द्वारा विलय और क्रमबद्ध किया जाता है। यह मानक पैरामीटर (Microsoft Azure AI सर्च और इलास्टिक के समान) फ़्यूज़न की स्थिरता सुनिश्चित करता है। 10% उम्र बढ़ने का भार यह सुनिश्चित करता है कि नई यादें जीतती हैं यदि वे समान रूप से प्रासंगिक हैं, लेकिन पुरानी यादें जो वास्तव में प्रासंगिक हैं उम्र बढ़ने से ओवरराइट नहीं होती हैं।

शून्य बाहरी निर्भरता वास्तुकला: संपूर्ण सिस्टम - डेटाबेस, एम्बेडेड मॉडल, खोज इंजन - सभी उपयोगकर्ता के हार्डवेयर पर चलता है। कोई नेटवर्क कॉल नहीं, कोई एपीआई कुंजी नहीं, और कोई तृतीय-पक्ष क्लाउड निर्भरता नहीं। मेमोरी फ़ाइलें SQLite फ़ाइलें हैं जो पूरी तरह से उपयोगकर्ता के स्वामित्व में हैं और इन्हें किसी भी समय मार्कडाउन या JSON में निर्यात किया जा सकता है।

कैसे उपयोग करें

3 मिनट में जल्दी से आरंभ करें

सहसंयोजकता के उपयोग को दो चरणों में विभाजित किया गया है: एप्लिकेशन इंस्टॉल करना + एमसीपी कनेक्शन कॉन्फ़िगर करना।

1. एप्लिकेशन इंस्टॉल करें

covalence.app से नवीनतम DMG डाउनलोड करें, Covalence.app को /Applications निर्देशिका में खींचें और इसे लॉन्च करें। macOS 15+ और Apple सिलिकॉन की आवश्यकता है।

2. एमसीपी कनेक्शन कॉन्फ़िगर करें

उदाहरण के तौर पर क्लाउड डेस्कटॉप लेते हुए, जोड़ें: ~/Library/Application Support/Claude/claude_desktop_config.json में:

{
  "एमसीपीसर्वर": {
    "सहसंयोजकता": {
      "कमांड": "/Applications/Covalence.app/Contents/MacOS/cov-mcp"
    }
  }
}

क्लाउड कोड उपयोगकर्ता कमांड लाइन के माध्यम से जोड़ते हैं:

क्लाउड एमसीपी सहसंयोजकता जोड़ें /Applications/Covalence.app/Contents/MacOS/cov-mcp

कर्सर उपयोगकर्ता सेटिंग्स > MCP सर्वर में समान JSON कॉन्फ़िगरेशन जोड़ते हैं।

3. एआई कमांड जोड़ें (अनुशंसित)

एआई क्लाइंट के सिस्टम में कोवलेंस के व्यवहार मार्गदर्शन निर्देशों को जोड़ें, एआई को यह बताने के लिए संकेत दें कि मेमोरी_सर्च और मेमोरी_स्टोर का उपयोग कब करना है। निर्देश सामग्री covalence.app/docs/ai-instruction/ पर उपलब्ध है।

टूल ओपन लिस्ट (एमसीपी टूल्स)

सहसंयोजन एमसीपी प्रोटोकॉल के माध्यम से निम्नलिखित 9 टूल्स को उजागर करता है, जिन्हें एआई क्लाइंट सीधे कॉल कर सकता है:

उपकरण का नाम	कार्य	मुख्य पैरामीटर
'मेमोरी_स्टोर'	नई मेमोरी स्टोर करें	सामग्री (आवश्यक), शीर्षक, टैग, मेटाडेटा, कोर
मेमोरी_सर्च	सिमेंटिक सर्च मेमोरी	क्वेरी(आवश्यक), सीमा, सीमा, टैग, स्रोत, कोर
मेमोरी_लिस्ट	हाल की स्मृति ब्राउज़ करें	सीमा, ऑफसेट, स्रोत, टैग, कोर
मेमोरी_रिट्रीव	आईडी द्वारा पूरी मेमोरी प्राप्त करें	आईडी(आवश्यक)
मेमोरी_डिलीट	मेमोरी को स्थायी रूप से हटाएं	आईडी (आवश्यक)
मेमोरी_अपडेट	स्मृति सामग्री अद्यतन करें	आईडी (आवश्यक), सामग्री, शीर्षक, टैग, मेटाडेटा
मेमोरी_प्रमोट	कोर मेमोरी में अपग्रेड करें	आईडी (आवश्यक)
मेमोरी_डिमोट	सामान्य मेमोरी में डाउनग्रेड करें	आईडी (आवश्यक)
मेमोरी_स्टेटस	वर्तमान अंतरिक्ष आँकड़े प्राप्त करें	कोई पैरामीटर नहीं

आर्किटेक्चर लिंक

एआई क्लाइंट (क्लाउड डेस्कटॉप/क्लाउड कोड/कर्सर/ओपनकोड)
    ↓ एमसीपी प्रोटोकॉल (स्टडिन/स्टडआउट)
सीओवी-एमसीपी (सहसंयोजक एमसीपी सर्वर, मैकओएस नेटिव बाइनरी)
    ↓
SQLite डेटाबेस (स्थानीय फ़ाइल)
    ├── vec0 वर्चुअल टेबल (वेक्टर इंडेक्स, 256-आयामी कोसाइन समानता)
    └── FTS5 वर्चुअल टेबल (कीवर्ड इंडेक्स, BM25)

इंजीनियरिंग ख़तरा गाइड

1. टोकन और संदर्भ नियंत्रण: सहसंयोजक की मेमोरी_सर्च डिफ़ॉल्ट रूप से 5 परिणाम (अधिकतम 20) लौटाती है। प्रत्येक खोज के लिए एआई क्लाइंट द्वारा उपभोग किया गया टोकन लौटाई गई मेमोरी सामग्री की लंबाई से निर्धारित होता है। एक ही खोज को बहुत सारे संदर्भ प्रस्तुत करने और विंडो भरने से रोकने के लिए एआई निर्देश में एक उचित सीमा मान निर्धारित करने की अनुशंसा की जाती है। मेमोरी_लिस्ट की सीमा डिफ़ॉल्ट रूप से 10 और अधिकतम 50 है। पृष्ठों में ब्राउज़ करते समय, बढ़ती ऑफसेट पर ध्यान दें।

2. टैग फ़िल्टरिंग और प्रदर्शन: टैग/स्रोत/कोर फ़िल्टर स्थितियों का उपयोग करते समय, कोवलेंस की वेक्टर खोज ओवर-फ़ेच करेगी (सीमा×6 उम्मीदवारों को लेते हुए) क्योंकि फ़िल्टरिंग SQL परत के बजाय स्विफ्ट परत पर की जाती है। इसका मतलब यह है कि फ़िल्टर की गई खोज अनफ़िल्टर्ड खोज की तुलना में अधिक स्थानीय कंप्यूटिंग संसाधनों की खपत करती है। उच्च-आवृत्ति फ़िल्टरिंग परिदृश्यों में, अनावश्यक प्रदर्शन हानि से बचने के लिए सीमा मान को नियंत्रित करने की अनुशंसा की जाती है।

3. फ़ाइल सिंक्रनाइज़ेशन की नपुंसकता और सुरक्षा: फ़ाइल यादें (फ़ाइल यादें) केवल पढ़ने के लिए हैं, और सहसंयोजक स्रोत फ़ाइल को संशोधित नहीं करता है। हालाँकि, किसी फ़ाइल को हटाने या स्थानांतरित करने के बाद, संबंधित मेमोरी स्वचालित रूप से साफ़ नहीं की जाएगी - इसे एप्लिकेशन सेटिंग्स ("रखें या हटाएं" विकल्प) में मैन्युअल रूप से नियंत्रित करने की आवश्यकता है। इसके अलावा, cov-mcp वर्तमान में केवल स्थानीय stdin/stdout के माध्यम से संचार करता है और नेटवर्क पोर्ट को उजागर नहीं करता है (रिमोट MCP ट्रांसमिशन रोडमैप में है), इसलिए नेटवर्क अनधिकृत पहुंच का कोई जोखिम नहीं है, लेकिन आपको SQLite फ़ाइलों की एक्सेस अनुमतियों पर ध्यान देने की आवश्यकता है जब कई उपयोगकर्ता एक ही macOS खाता साझा करते हैं।

उत्पाद का मूल्य निर्धारण

मूल्य निर्धारण मॉडल आधिकारिक वास्तविक समय पृष्ठ के अधीन है। आमतौर पर फ्रीमियम या सदस्यता प्रणाली का उपयोग किया जाता है, और बुनियादी कार्यों का उपयोग मुफ्त में किया जा सकता है। उन्नत कार्यों या उच्च-आवृत्ति उपयोग के लिए सशुल्क सदस्यता की आवश्यकता होती है, और उपयोगकर्ताओं को वास्तविक उपयोग के आधार पर इष्टतम समाधान का मूल्यांकन करने की सलाह दी जाती है।

अनुप्रयोग परिदृश्य

• क्रॉस-सेशन संदर्भ प्रतिधारण: जब डेवलपर्स बहु-दिवसीय परियोजना विकास के लिए क्लाउड कोड या कर्सर का उपयोग करते हैं, तो कोवलेंस पिछले चरण के तकनीकी निर्णयों, कोड विनिर्देशों और प्रमुख बाधाओं को याद रख सकता है, प्रत्येक नई बातचीत के लिए संदर्भ को शुरू से समझाने की आवश्यकता से बच सकता है। सत्यापित करने के लिए मुख्य बिंदु: क्या एआई नए सत्र की शुरुआत में स्वचालित रूप से मेमोरी_सर्च को कॉल करता है, और क्या पुनर्प्राप्त मेमोरी में वर्तमान कार्य के लिए आवश्यक निर्णय लेने की जानकारी शामिल है।
• व्यक्तिगत ज्ञान आधार का एआई परिवर्तन: व्यक्तिगत नोट्स, तकनीकी दस्तावेज़ और कॉन्फ़िगरेशन फ़ाइलों वाले फ़ोल्डरों को कोवलेंस की निगरानी सूची में जोड़ें, और एआई क्लाइंट मैन्युअल कॉपी और पेस्ट किए बिना बातचीत में इन स्थानीय सामग्रियों को सीधे खोज सकता है। सत्यापन फोकस: फ़ाइल परिवर्तन के बाद स्वचालित पुन: अनुक्रमणिका विलंब, और संरचित मेटाडेटा के लिए YAML फ्रंटमैटर पार्सिंग समर्थन।
• मल्टी-आइटम मेमोरी आइसोलेशन: --स्पेस पैरामीटर के माध्यम से प्रत्येक आइटम के लिए एक स्वतंत्र मेमोरी स्पेस बनाएं, ताकि आइटम ए को संसाधित करते समय एआई आइटम बी के संदर्भ को "गलती से याद न करे"। उन डेवलपर्स के लिए उपयुक्त जो एक ही समय में कई क्लाइंट प्रोजेक्ट या प्रौद्योगिकी स्टैक बनाए रखते हैं। सत्यापन के मुख्य बिंदु: क्या एआई स्पेस स्विचिंग के बाद वर्तमान स्थान की सटीक पहचान कर सकता है, और क्या रिक्त स्थान में डेटा अलगाव पूरा हो गया है।

सीमा में फिट नहीं बैठता

• सहसंयोजकता वर्तमान में केवल macOS के लिए उपलब्ध है और Windows/Linux उपयोगकर्ताओं के लिए उपलब्ध नहीं है।
• नेटवर्क ट्रांसपोर्ट एमसीपी (रिमोट/नेटवर्क ट्रांसपोर्ट) समर्थित नहीं है, और चैटजीपीटी जैसे क्लाइंट जो केवल रिमोट एमसीपी कनेक्शन का समर्थन करते हैं, अस्थायी रूप से अनुपलब्ध हैं।
• एकल-मशीन आर्किटेक्चर यह निर्धारित करता है कि यह टीम साझा मेमोरी या बहु-उपयोगकर्ता सहयोग परिदृश्यों के लिए उपयुक्त नहीं है।
• नॉमिक-एम्बेड-टेक्स्ट-v1.5 पर आधारित खोजों में अत्यधिक विशिष्ट क्षेत्रों (जैसे कानूनी शब्द, चिकित्सा साहित्य) में सीमित सटीकता होती है, और एम्बेडिंग मॉडल को अनुकूलित नहीं किया जा सकता है।

लागू लोग

• मैकओएस प्लेटफॉर्म पर एआई डेवलपर्स: जो डेवलपर्स क्लाउड कोड और कर्सर जैसे एआई प्रोग्रामिंग टूल का उपयोग करते हैं, वे कोवलेंस के मुख्य उपयोगकर्ता हैं। उन्हें पूरे सत्र में प्रोजेक्ट संदर्भ बनाए रखने की आवश्यकता होती है और गोपनीयता और स्थानीय नियंत्रण की उच्च आवश्यकताएं होती हैं। आवश्यकताएँ: macOS 15+, Apple सिलिकॉन।
• क्लाउड डेस्कटॉप भारी उपयोगकर्ता: जो उपयोगकर्ता क्लाउड को दैनिक ज्ञान सहायक के रूप में उपयोग करते हैं, वे हर बार मैन्युअल रूप से संदर्भ प्रदान किए बिना क्लाउड को व्यक्तिगत प्राथमिकताओं, प्रोजेक्ट पृष्ठभूमि और महत्वपूर्ण निर्णयों को याद रखने के लिए कोवलेंस का उपयोग कर सकते हैं। पूर्व शर्त: स्थानीय एम्बेडिंग के कारण होने वाली लगभग 2% रिकॉल परिशुद्धता हानि को स्वीकार करें।
• गोपनीयता के प्रति संवेदनशील AI उपयोगकर्ता: वे उपयोगकर्ता जो डेटा अनुपालन या गोपनीयता चिंताओं के कारण अपने वार्तालाप इतिहास को क्लाउड पर अपलोड करने में अनिच्छुक हैं। कोवलेंस का शून्य रिमोट कॉल आर्किटेक्चर यह सुनिश्चित करता है कि "डेटा स्थानीय मशीन को नहीं छोड़ता"। पूर्वावश्यकता: अपने स्वयं के बैकअप और SQLite फ़ाइलों के निर्यात को प्रबंधित करने की इच्छा।

भीड़ पर लागू नहीं

• उपयोगकर्ता मुख्य रूप से ChatGPT (रिमोट MCP क्लाइंट) का उपयोग कर रहे हैं - Covalence वर्तमान में ChatGPT द्वारा आवश्यक नेटवर्क ट्रांसपोर्ट मोड का समर्थन नहीं करता है।
• जिन उपयोगकर्ताओं को क्रॉस-प्लेटफ़ॉर्म (विंडोज़/लिनक्स) या क्रॉस-डिवाइस मेमोरी सिंक्रोनाइज़ेशन की आवश्यकता है।
• जिन टीमों को टीम सहयोग मेमोरी या एंटरप्राइज़-स्तरीय ज्ञान प्रबंधन प्लेटफ़ॉर्म की आवश्यकता होती है।

सारांश और आउटलुक

कोवलेंस "स्थानीय प्रथम + एमसीपी प्रोटोकॉल" की विभेदित स्थिति के साथ एआई मेमोरी लेयर बाजार में प्रवेश करता है। इसका मूल मूल्य है: किसी भी क्लाउड सेवाओं पर निर्भर नहीं है, कोई चल रही लागत नहीं लगती है, और केवल उपयोगकर्ता के हार्डवेयर पर चलने वाले स्थानीय एम्बेडिंग और हाइब्रिड पुनर्प्राप्ति के माध्यम से एआई ग्राहकों के लिए लगातार सिमेंटिक मेमोरी प्रदान करता है। तकनीकी वास्तुकला के संदर्भ में, मैत्रियोश्का ट्रंकेशन, असममित खोज कोडिंग और आरआरएफ फ़्यूज़न के तीन डिज़ाइन मिलकर सैद्धांतिक समर्थन और मात्रात्मक व्यापार-बंद के साथ एक इंजीनियरिंग समाधान बनाते हैं - 3 गुना भंडारण दक्षता के बदले में लगभग 2% सटीकता, जो व्यक्तिगत उपकरणों के संदर्भ में एक उचित व्यापार-बंद है।

वर्तमान संस्करण (v1.4.0) में पूर्ण कार्यात्मक कवरेज है: सिमेंटिक खोज, कोर मेमोरी, स्थानिक अलगाव, फ़ाइल सिंक्रनाइज़ेशन एमसीपी टूल सेट, जो मूल रूप से व्यक्तिगत उपयोगकर्ताओं की मेमोरी आवश्यकताओं को पूरा करता है। हालाँकि, परियोजना की प्रमुख बाधाएँ समान रूप से स्पष्ट हैं: macOS विशिष्टता, स्टैंड-अलोन आर्किटेक्चर, कोई टीम सहयोग क्षमता नहीं, और व्यक्तिगत डेवलपर्स के इनपुट पर निर्भर परियोजना रखरखाव। एआई टूल इकोसिस्टम में तेजी से बदलाव के संदर्भ में, रिमोट एमसीपी ट्रांसमिशन सपोर्ट और क्रॉस-प्लेटफ़ॉर्म सपोर्ट प्रमुख नोड होंगे जो यह निर्धारित करेंगे कि क्या यह "दिलचस्प व्यक्तिगत प्रोजेक्ट" से "व्यापक रूप से अपनाई गई मेमोरी लेयर मानक" में विकसित हो सकता है।

अधिग्रहण/गोद लेने का जोखिम मूल्यांकन: व्यक्तिगत डेवलपर्स के लिए कोवैलेंस की गोद लेने की लागत लगभग शून्य है (मुफ़्त + कोई पंजीकरण नहीं + कॉन्फ़िगर करने के लिए 5 मिनट) और इसे क्लाउड कोड/कर्सर वर्कफ़्लो में "प्लग-एंड-प्ले" एन्हांसमेंट के रूप में आज़माया जा सकता है। परीक्षण अवधि 1-2 सप्ताह करने की अनुशंसा की जाती है, इस मूल्यांकन पर ध्यान केंद्रित करते हुए: क्या एआई उम्मीद के मुताबिक मेमोरी टूल को स्वचालित रूप से कॉल कर सकता है, क्या पुनर्प्राप्ति परिणाम दैनिक विकास में महत्वपूर्ण संदर्भ को कवर करते हैं, और क्या मैकओएस विशिष्टता वर्तमान वर्कफ़्लो के साथ संघर्ष करती है। उद्यमों को खरीदने से पहले सत्यापित करने की आवश्यकता है: SQLite फ़ाइलों के लिए सुरक्षित बैकअप समाधान, वर्तमान में एंटरप्राइज़ संस्करण समर्थन नहीं होने के दीर्घकालिक जोखिम, और परियोजना अनुरक्षक की व्यावसायिक स्थिरता। ऐसे परिदृश्यों के लिए जिनमें क्रॉस-प्लेटफ़ॉर्म या टीम सहयोग मेमोरी की आवश्यकता होती है, लैंगस्मिथ और मेम0 जैसे समाधानों की प्रगति पर भी ध्यान देने की अनुशंसा की जाती है।

संबंधित उपकरण: github-copilot, कर्सर

संस्करण जानकारी

• फ़ाइल सिंक, एआई निर्देश पुनर्लेखन और स्पेस स्विचर ：एक नया फ़ाइल सिंक्रोनाइज़ेशन फ़ंक्शन (एंकर मेमोरीज़) जोड़ा गया, जो स्थानीय फ़ोल्डरों की सामग्री को स्वचालित रूप से अनुक्रमित कर सकता है; एआई निर्देशों को पूरी तरह से फिर से लिखा गया; एक नया स्थान स्विचर जोड़ा गया; और पुनर्प्राप्ति गुणवत्ता बेंचमार्क टूल कोव-बेंचमार्क जारी किया। （2026-04-27）
• P0 हॉटफ़िक्स ：Xcode के बिना एप्लिकेशन स्टार्टअप क्रैश की गंभीर समस्या को ठीक किया गया, और CI बिल्ड पाइपलाइन के स्विफ्ट रनटाइम लाइब्रेरी एम्बेडिंग लॉजिक को ठीक किया गया। （2026-04-20）
• पाइपलाइन फिक्स रिलीज़ ：v1.3.3 में तीन सीआई पाइपलाइन बग ठीक कर दिए गए हैं (एम्बेडेड मॉडल में डीएमजी यूआरएल त्रुटि गायब है, रिलीज नोट्स अपलोड नहीं किए गए हैं), और कोई उपयोगकर्ता-पक्ष कार्यात्मक परिवर्तन नहीं हैं। （2026-04-19）
• फेज़-गेट राउंड-ट्रिप ：पहला पूरी तरह से स्वचालित सीआई/सीडी पाइपलाइन सत्यापन संस्करण, डिस्पैच→वर्कफ़्लो→कमिट→सीएफ स्वचालित परिनियोजन एंड-टू-एंड प्रक्रिया का सत्यापन करता है। अभी तक कोई आधिकारिक सटीक तारीख नहीं है, कृपया वास्तविक रिलीज़ लेबल देखें। （2026-04-16）