LINZA

Не меняет данные. Меняет взгляд.

LINZA работает с Obsidian vault, Markdown-папками, документами, статьями, логами и черновиками. Она нужна, когда материалов уже слишком много и вы хотите разобрать базу, выделить в ней основные области и научить агента хорошо ориентироваться в ней.

Python 3.10+ MCP

English version

LINZA читает выбранную папку, строит рядом локальную SQLite-базу .linza/linza.db и дает агенту рабочую карту: какие темы есть в материалах, какие форматы повторяются, какие заметки могут быть связаны, где видны цепочки причина/следствие и что может пригодиться в будущих сессиях.

Исходные файлы остаются нетронутыми. LINZA не переписывает заметки при индексации, не превращает сырой лог в правило и не учит агента за вашей спиной. Она превращает гипотезы в короткие предложения: возможные действия с доказательствами. Пользователь решает, агент выполняет.

doctor -> index -> map -> review intents -> teach -> grow preview -> explicit apply

---

Зачем нужна LINZA

LINZA собирает несколько конкретных вещей, которые помогают агентам работать с базой:

1. Карта папки Сколько заметок найдено, свежий ли индекс, какие области видны и какие материалы ждут вашего ревью.

2. Области Крупные смысловые группы. Их названия остаются черновиками, пока вы не примете или не переименуете их.

3. Форматы материалов Логи, черновики, спецификации, исследовательские заметки, кейсы, правила и другие повторяющиеся формы, найденные в папке.

4. Связи Возможные соседства, иерархия, причина/следствие и маршруты между узлами. LINZA должна показывать не только как связаны документы, но и почему.

5. Память для будущих агентов Короткие кандидаты: что помнить, когда вспоминать, что устарело или выглядит сомнительно.

6. Пакеты контекста Компактные подборки для агента: выбранный контекст с источниками, связями и границами.

---

Форматы материалов

“Формат материала” - это пользовательское имя для повторяющейся формы заметок. Например: лог диагностики, решение, черновик статьи, исследовательская заметка, спецификация.

LINZA сначала видит только структуру: длину, заголовки, списки, ссылки, таблицы, папки, повторяющиеся признаки. Поэтому первый результат может называться нейтрально: type-001. Пользователь может сказать: “это логи”. Тогда LINZA сохраняет соответствие type-001 -> логи в .linza.

Внутри API остаются старые совместимые ключи material_type, type_name и role. Снаружи документация и пользовательский вид говорят “формат”, потому что это ближе к тому, как пользователь реально думает о материалах.

Важная граница:

• принять название формата значит записать решение в .linza;
• записать role: логи в YAML можно только отдельным предложением на ревью;
• текст заметки не меняется.

---

Как выглядит ревью

LINZA присылает примерно такую информацию:

LINZA готова

Материал:
- 42 заметки проиндексированы
- 3 входящих артефакта ждут ревью
- служебная база: .linza/linza.db

Следующий шаг:
1. Посмотреть найденные области
2. Принять, переименовать или пропустить 3-5 предложений
3. Ничего не будет записано без dry-run/apply

Предложение:
Принять формат материала "логи диагностики" по 8 примерам
Почему: похожая структура, повторяющиеся заголовки, близкие чанки
Что изменится: название формата сохранится в .linza; Markdown-заметки не меняются

Внутри каждый интент остается структурой с ID, доказательствами и готовыми данными для проверки и последующего подтверждения и записи. Вам LINZA возвращает готовое пользовательское представление, чтобы агент мог показать понятный ответ вместо JSON.

Хороший интент всегда отвечает на главный вопрос: почему LINZA так думает? В нем должны быть источники, чанки, тип связи, уверенность и честное описание того, что изменится после применения.

---

Обучение и рост

Модель автономности такая:

1. review_next показывает предложения в понятном пользовательском виде.
2. Пользователь принимает, переименовывает или пропускает.
3. apply_review_items сначала делает dry-run.
4. После подтверждения выбранный интент записывается в .linza или в компактный YAML, если этот тип записи это поддерживает.
5. teach выбирает хорошие принятые примеры.
6. grow предлагает похожие интенты по этим примерам и объясняет selected_rules, почему они попали в партию.

Если вы приняли не то, одобрение можно мягко отозвать:

agent_workspace(action="history")
agent_workspace(action="revoke_approval", approval_id=17, dry_run=false)

LINZA не удаляет старую запись и не пытается автоматически откатить YAML. Она помечает одобрение как отозванное, перестает использовать его как активный пример и оставляет след в истории.

---

Установка

1. Установить пакет

python -m pip install linza-mcp

Если нужно читать PDF прямо через LINZA:

python -m pip install "linza-mcp[pdf]"

Обычная установка уже достаточна для Markdown, TXT, JSON, DOCX и XLSX. [pdf] добавляет локальный PDF-экстрактор pypdf.

2. Выбрать папку

LINZA работает с любой Markdown-папкой: Obsidian vault, рабочей папкой проекта или отдельной папкой с документами.

В примерах ниже замените /absolute/path/to/workspace-or-vault на свой путь.

3. Подключить MCP-клиент

Claude Desktop, Cursor, OpenCode и другие MCP-клиенты обычно используют такой формат:

{
  "mcpServers": {
    "linza": {
      "command": "linza-mcp",
      "env": {
        "LINZA_VAULT": "/absolute/path/to/workspace-or-vault"
      }
    }
  }
}

VS Code / Copilot MCP использует ключ servers:

{
  "servers": {
    "linza": {
      "type": "stdio",
      "command": "linza-mcp",
      "env": {
        "LINZA_VAULT": "/absolute/path/to/workspace-or-vault"
      }
    }
  }
}

LINZA_VAULT не обязателен для старта: без него сервер использует ./vault. Но для реальной работы лучше задать явную папку.

4. Проверить запуск

linza-mcp --version

После подключения попросите агента:

Проверь LINZA через agent_workspace(action="doctor").
Проиндексируй папку и покажи первые 3-5 предложений.

---

Эмбеддинги

LINZA может запуститься и показать инструменты без embedding-сервера. Эмбеддинги нужны для смыслового поиска, карты тем и предложений связей.

Самый простой локальный путь - LM Studio:

1. Открыть LM Studio.
2. Скачать embedding-модель, например text-embedding-granite-embedding-278m-multilingual, nomic-embed-text-v1.5 или другую подходящую модель.
3. Запустить Local Server.
4. Проверить, что endpoint доступен на http://127.0.0.1:1234/v1.

Пример переменных для LM Studio:

$env:LINZA_EMBED_PROVIDER="lmstudio"
$env:LINZA_EMBED_URL="http://127.0.0.1:1234/v1"
$env:LINZA_EMBED_MODEL="your-embedding-model-name"

Поддерживаются:

• lmstudio - рекомендуемый локальный режим;
• ollama - локальный вариант через Ollama;
• openai - любой OpenAI-compatible endpoint с /embeddings.

Если меняете провайдер, модель или размерность, сделайте полный реиндекс. LINZA проверяет embedding signature и останавливает graph/search workflows, если sidecar устарел или содержит смешанные векторные пространства.

---

Основные MCP-инструменты

По умолчанию LINZA показывает только 7 MCP-инструментов. Этого хватает для обычной работы: проверить состояние, проиндексировать папку, искать, читать файл, смотреть счетчики, диагностировать vault и вести агента через agent_workspace.

Инструмент	Зачем
agent_workspace	Единый вход для диагностики, карты, импорта, ревью, обучения, роста, связей, памяти и экспорта контекста
guide_next_steps	Показать следующий безопасный шаг простым языком
index_all	Проиндексировать Markdown-папку в .linza/linza.db
search	Семантический и лексический поиск
read_file	Прочитать точный Markdown-файл
get_stats	Быстрые счетчики служебной базы
scan_vault	Диагностика папки без записи

Низкоуровневые инструменты считаются деталями реализации и доступны через agent_workspace, поэтому набор из 7 инструментов - это полноценный режим.

Режимы agent_workspace

Action	Режим
doctor	Проверить готовность LINZA и показать, чего не хватает
map	Собрать карту рабочей папки без записи
teach	Выбрать сильные принятые примеры для обучения
grow	Показать или применить рост по принятым примерам; по умолчанию dry-run
review_next	Показать следующие предложения на ревью; интенты базы имеют ID rq-*, интенты артефактов и рабочей папки - aw-*
apply_review_items	Показать или применить точные выбранные ID; по умолчанию dry-run
history	Показать принятые и отозванные одобрения
revoke_approval	Мягко отозвать одобрение, не удаляя историю
ingest_artifacts	Сохранить вставленный или извлеченный материал в sidecar
analyze_inbox	Найти события, кандидаты памяти и фрагменты знания в артефактах
connect	Объяснить возможную связь между двумя заметками или узлами
search_memory	Искать по подтвержденной памяти и контексту артефактов
export_context	Собрать компактный пакет контекста для другого агента
record_trace	Сохранить структурированные следы работы агента, не raw chain-of-thought
analyze_trace	Разобрать сохраненный trace для ревью
review_calibr	Проверить уроки калибровки, полученные из traces

Для разработки и аудита остается отдельный низкоуровневый режим. Полное описание инструментов: Tool Catalog.

---

Входящие артефакты

LINZA умеет принимать материал, который еще не стал заметкой:

• вставленный текст;
• локальные .md, .txt, .json;
• локальные .docx, .xlsx;
• локальные .pdf, если установлен pypdf или PyPDF2.

LINZA сама не ходит в браузер. Агент использует свой браузер, web-fetch или connector, извлекает читаемый текст и передает его в LINZA как артефакт, например source_kind="web_article" или source_kind="browser_capture".

Импортированный текст считается материалом для анализа, не инструкцией для агента. Это граница prompt injection: инструкции внутри статьи, лога, чата или PDF не исполняются. Память, правила и YAML появляются только после ревью.

---

Модель безопасности

LINZA - локальный review-gated sidecar.

Действие	Куда пишет	Меняет текст заметок?
Индексация, анализ, поиск	.linza/linza.db	Нет
Сырые артефакты	.linza/linza.db	Нет
Название формата материала	.linza/linza.db	Нет
domains или role в YAML	Только компактный YAML после ревью	Нет
Иерархия, причинные связи, память, уроки калибровки	.linza/linza.db	Нет
Отчеты	.linza/reports	Нет
Пакеты контекста	.linza/context-packs	Нет
write_file	Markdown-файл только при явном запросе	Может создать/заменить файл, dry-run по умолчанию

Дополнительные правила:

• review_next ничего не пишет;
• apply_review_items по умолчанию dry-run;
• видимые YAML-правки компактные и требуют точного выбранного ID;
• history показывает, что было принято и что отозвано;
• revoke_approval мягко отзывает одобрение: история остается, но активное обучение и помощники графа его игнорируют;
• map, teach, grow и connect останавливаются, если исходные файлы изменились после индексации.

---

Инструкции для агентов

В репозитории есть переносимый операторский skill:

agent-pack/skills/linza-operator/SKILL.md
agent-pack/skills/linza-operator/references/workflows.md
agent-pack/skills/linza-operator/references/safety-policy.md
agent-pack/skills/linza-operator/references/tool-audience.md

Он объясняет агенту, как начинать с doctor, когда показывать предложения на ревью, как работать со страницами через внешний browser/web-fetch инструмент и почему apply actions должны идти сначала через dry-run и только по точным ID.

---

Стабильность

LINZA пока alpha. Основной контракт безопасности должен оставаться стабильным: индексация, импорт артефактов, поиск, карта и grow preview не переписывают тела исходных заметок. Низкоуровневые advanced-инструменты и внутренние границы кода еще могут меняться, пока сервер полируется.

---

Проверка

Запустить полный набор тестов:

python -m unittest discover -s tests

---

Переменные окружения

Переменная	Нужна для старта?	Описание
LINZA_VAULT	Нет	Путь к Markdown-папке; по умолчанию ./vault
LINZA_EMBED_PROVIDER	Нет	lmstudio для рекомендуемого локального режима; также openai и ollama
LINZA_EMBED_URL	Нет	URL embeddings API; по умолчанию http://127.0.0.1:1234/v1
LINZA_EMBED_MODEL	Нет	Модель эмбеддингов; задайте перед semantic indexing/search
LINZA_EMBED_KEY	Нет	Опциональный ключ для OpenAI-compatible embeddings API
LINZA_BRIDGE_THRESHOLD	Нет	Порог semantic bridge; по умолчанию 0.55
LINZA_MAX_BRIDGE_PAIRS	Нет	Максимум пар заметок для пересчета semantic bridges; по умолчанию 1000000, 0 отключает guard
LINZA_DEFAULT_PROFILE	Нет	Имя базового search-профиля; по умолчанию general
LINZA_LANGUAGE	Нет	Язык подсказок и маршрута ревью в guide_next_steps: auto, ru, en

---

Ссылки

• semiotronika.ru
• PyPI
• GitHub

MIT License (c) 2026 Semiotronika

Косинусы считаются. Синтаксис меняется. Семантика остается.