Étude de cas : CBKS – Un système de connaissances cognitif, local-first
Un système maison avec une vraie profondeur technique : event sourcing, cache de graphe, LLM locaux et un modèle d’agents inspiré des aires cérébrales – entièrement hors cloud.
Un système maison, avec une vraie profondeur technique.
Stack technique : FastAPI · SQLite · NetworkX · FAISS · Ollama · Qwen3 · bge-m3 · RX 6900 XT
Problème
Les dépôts de connaissances classiques – dossiers, wikis, systèmes vectoriels statiques – figent le savoir. Ils ne montrent ni les contradictions dans le temps, ni l’évolution de sa propre pensée, ni les pondérations émotionnelles.
Mon rôle
Conception, architecture et implémentation en solo : backend (FastAPI), CLI (Typer), frontend 3D (React + Three.js) et l’ensemble de la stack de modèles locaux.
Solution
Event sourcing allégé : SQLite comme unique source de vérité, NetworkX comme cache de graphe volatil, FAISS (IndexFlatIP) pour les embeddings (bge-m3). Des LLM locaux via Ollama (Qwen3:8b, VLM qwen2.5vl:7b) pilotent des agents spécialisés (cortex préfrontal, lobe temporal, système limbique, glande pinéale, résolveur d’entités). Le frontmatter des notes et documents est mappé sur des aires cérébrales ; un partage hémisphérique sépare la logique (gauche, analytique) et le design (droite, créatif). Un taux de décroissance modélise une mémoire à long terme – le savoir s’estompe dans le classement sans jamais être supprimé. Du context engineering plutôt qu’une recherche vectorielle naïve, le tout local-first sur une RX 6900 XT.
Résultat
Réellement implémenté (Living Spec v1.2) : 12 commandes CLI, API REST, graphe 3D avec LOD, analyse de sentiment et de contradiction, déduplication d’entités, TTS allemand et import de vault – entièrement fonctionnel sans aucun cloud. Choix des modèles guidé par un benchmark maison plutôt qu’au feeling.
Enseignements
Un journal d’événements en append-only rend le système réparable : « rebuild » rejoue tout – idéal lors d’un changement de modèle ou de schéma. FAISS IndexFlatIP surpasse IVF jusqu’à ~100k vecteurs (pas d’entraînement, suppression propre). Et : garder la spec et le code synchronisés comme un document vivant, sinon les deux se dégradent.