openvector_dev 0.1.11__tar.gz → 0.1.12__tar.gz

{openvector_dev-0.1.11 → openvector_dev-0.1.12}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.3
 Name: openvector_dev
-Version: 0.1.11
+Version: 0.1.12
 Summary: 
 Author: p00ler
 Author-email: liveitspain@gmail.com

{openvector_dev-0.1.11 → openvector_dev-0.1.12}/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "openvector_dev"
-version = "0.1.11"
+version = "0.1.12"
 description = ""
 authors = [
     {name = "p00ler",email = "liveitspain@gmail.com"}

{openvector_dev-0.1.11 → openvector_dev-0.1.12}/src/lein_vector/api/facade.py

@@ -32,6 +32,7 @@ class Memory:
         host: str,
         port: int,
         collection: str,
+        redis_url: str,
         vector_size: int = 768,
         api_key: str | None = None,
         short_maxlen: int = 20,
@@ -41,12 +42,13 @@ class Memory:
         :param host: Адрес Qdrant.
         :param port: Порт Qdrant.
         :param collection: Название коллекции Qdrant.
+        :param redis_url: Ссылка на подключение к Redis
         :param vector_size: Размерность векторного пространства.
         :param api_key: Ключ для эмбеддера (если требуется).
         :param short_maxlen: Максимальная длина окна кратковременной памяти.
         :returns: Экземпляр Memory с инициализированными зависимостями.
         """
-        _redis = aioredis.from_url("redis://localhost:6379", decode_responses=True)
+        _redis = aioredis.from_url(redis_url, decode_responses=True)
         short_mem = RedisShortTermMemory(_redis, maxlen=short_maxlen)
         embedder = EmbeddingProviderGemini(api_key=api_key)
         adapter = QdrantAdapter(host, port, collection, vector_size)

openvector_dev-0.1.11/src/lein_vector/short_term.py

@@ -1,48 +0,0 @@
-from collections import deque
-from datetime import datetime
-
-
-class ShortTermMemory:
-    def __init__(self, maxlen: int = 10):
-        self._buffer: deque = deque(maxlen=maxlen)
-
-    def add(
-        self,
-        codename: str,
-        user_id: int,
-        role: str,
-        text: str,
-        ts: datetime | None = None,
-        **extra
-    ) -> None:
-        """Добавить сообщение в память (роль, текст, ts - время, по умолчанию now)."""
-        if ts is None:
-            ts = datetime.now()
-        self._buffer.append({"role": role, "text": text, "ts": ts, **extra})
-
-    def window(self, n: int | None = None) -> list[dict]:
-        """Получить последние n сообщений (по умолчанию все)."""
-        if n is None or n > len(self._buffer):
-            return list(self._buffer)
-        return list(self._buffer)[-n:]
-
-    def clear(self) -> None:
-        """Очистить память."""
-        self._buffer.clear()
-
-    def load(self, history: list[dict]) -> None:
-        """Инициализировать память списком сообщений."""
-        self._buffer.clear()
-        for msg in history[-self._buffer.maxlen :]:
-            self._buffer.append(msg)
-
-    def to_list(self) -> list[dict]:
-        """Выгрузить всю память как список."""
-        return list(self._buffer)
-
-    def chunk_for_vector(self, chunk_size: int = 6) -> list[dict] | None:
-        """Сформировать чанк для векторной БД — N последних сообщений по хронологии."""
-        if len(self._buffer) < chunk_size:
-            return None
-        # Забираем chunk_size старейших, но не очищаем (внешний код решает)
-        return list(self._buffer)[-chunk_size:]