Сервис memory.tg автоматизирует превращение переписки в Telegram в структурированную базу знаний. Ночью система скачивает сообщения из выбранных чатов, обрабатывает их через модель DeepSeek и распределяет информацию по сущностям: людям, проектам, темам и задачам. Результаты сохраняются в базу данных и экспортируются в markdown-файлы для Obsidian.
Автор отказался от стандартного RAG-подхода в пользу собственной архитектуры. Сообщения группируются по чатам и датам, нарезаются на фрагменты по 100 штук и анализируются моделью для извлечения фактов. Каждая запись в базе данных содержит прямую ссылку на исходное сообщение, что позволяет проверять достоверность данных и отслеживать контекст.
В ходе тестирования с пятью пользователями система обработала десятки тысяч сообщений в 34 чатах. Было создано 281 сущность, 1815 фактов, 184 задачи и 133 дневные заметки. Расход составил 10,05 млн токенов, а затраты на API DeepSeek не превысили $10. Среднее время обработки задания на одного пользователя составляет 205 секунд.
Основная часть разработки пришлась на инфраструктуру, а не на работу с нейросетью. Для стабильного доступа к Telegram автор использует MTProto-прокси через Cloudflare Workers. Также реализована система мониторинга, которая проверяет весь путь прохождения запроса, включая прокси и дата-центры, чтобы гарантировать корректную работу конвейера обработки данных.
