🧬 Enzyme

Не позволяйте своему агенту потеряться в вашей базе знаний. Enzyme компилирует более 1000 документов в граф концептов менее чем за 20 секунд. Запросы за 8 мс на устройстве.

Веб-сайт · Документация · Discord · Начало работы

Enzyme считывает базу знаний — файлы markdown, хранилища Obsidian, экспорты Readwise, любой текстовый корпус — и компилирует её в граф концептов. Граф захватывает сквозные темы ваших материалов в виде катализаторов: предварительно вычисленных вопросов, по которым агент может выполнять поиск вместо перебора файлов.

История переписки не требуется. Рассуждения во время выполнения не нужны. Тяжёлая работа выполняется один раз при инициализации. После этого запросы выполняются локально за ~8 мс на локальной модели эмбеддингов.

Установка

curl -fsSL https://raw.githubusercontent.com/byenzyme/enzyme/main/install.sh | bash

В macOS вы также можете использовать Homebrew:

brew install byenzyme/enzyme/enzyme-cli

Плагины приложений являются опциональными и устанавливаются отдельно внутри Claude Code или Codex:

claude plugin marketplace add byenzyme/enzyme
claude plugin install enzyme

Репозиторий включает метаданные маркетплейса в корне и сам пакет плагина в plugins/enzyme/. Такая вложенная структура сделана намеренно: маркетплейсы Claude Code и Codex обнаруживают устанавливаемые плагины из подкаталогов репозитория, в то время как корневые файлы указывают каждому маркетплейсу на общий пакет.

MCP-сервер

Если вы предпочитаете MCP плагину, Enzyme поставляется с stdio MCP-сервером, который работает с любым совместимым с MCP клиентом (Claude Desktop, Cursor и т.д.):

claude mcp add enzyme -- enzyme mcp

MCP-сервер предоставляет инструменты init, petri, catalyze и status — вы можете инициализировать и исследовать своё хранилище полностью из клиента, не запуская команды CLI по отдельности.

Быстрый старт

Для настройки с помощью агента установите инструкции времени выполнения из своего markdown-хранилища:

cd /path/to/your/vault
enzyme install codex      # Codex / Pi / generic .agents
enzyme install claude     # Claude Code

Затем попросите своего агента: «Используй Enzyme для проверки и инициализации этого хранилища». Навык просканирует рабочее пространство, подтвердит подход к настройке, сохранит ~/.enzyme/config.toml, запустит enzyme init и продемонстрирует petri/catalyze.

Также поддерживается настройка только через терминал:

enzyme scan --write-config
$EDITOR ~/.enzyme/config.toml
enzyme init                # compiles concept graph — under 20s for 1k docs

Что он делает

Enzyme считывает структуру вашей базы знаний — теги, ссылки, папки, временные метки — и строит семантические кластеры с временным весом для каждой сущности. Из этих кластеров он генерирует катализаторы: тематические вопросы, которые пронизывают ваш контент и выявляют связи, недоступные для поиска по ключевым словам.

Поиск по запросу «почему мы постоянно переписываем слой аутентификации» находит ADR из шести месяцев назад, заметку с ретроспективы о разрастании объёма и выделенный фрагмент Readwise о случайной сложности — даже если ни одно из них не имеет общих ключевых слов с запросом.

Основные концепции

• Сущности (Entities) — теги, ссылки и папки в вашем контенте. Каждый из них становится семантическим кластером.
• Катализаторы (Catalysts) — предварительно вычисленные темы, которые Enzyme обнаруживает в ваших материалах. Поиск по катализаторам связывает контент, который упускают поиск по ключевым словам и векторный поиск.
• Petri — скомпилированный индекс: что в тренде, какие сущности существуют и какие катализаторы привязаны к каждой из них.
• Поиск по цели (Target search) — поиск по незнакомому корпусу через катализаторы вашего хранилища с помощью enzyme catalyze "query" --target /path/to/other/repo. Enzyme автоматически подготавливает цель при первом использовании.

Пример: вывод petri

enzyme petri отображает читаемое дерево в интерактивном терминале. Когда stdout перенаправляется или захватывается, он выдаёт JSON для таких инструментов, как jq:

enzyme petri | jq '.entities[:2]'

[
  {
    "name": "system-design",
    "type": "tag",
    "activity_trend": "active",
    "frequency_12m": 84,
    "catalysts": [
      {
        "text": "What does the commitment to simplicity cost when the pressure to ship keeps winning?",
        "context": "velocity vs craft in infrastructure",
        "era": "2024-Q3"
      },
      {
        "text": "Where does the analysis of user needs gather information that delays rather than clarifies the core value?",
        "context": "research as avoidance",
        "era": "2025-Q1"
      }
    ]
  },
  {
    "name": "working-with-others",
    "type": "tag",
    "activity_trend": "rising",
    "frequency_12m": 47,
    "catalysts": [
      {
        "text": "What assumptions about leadership are held by those who are good at building things?",
        "context": "craft vs delegation",
        "era": "2024-Q4"
      },
      {
        "text": "How does the goal of not depending on others shape the approach to collaboration?",
        "context": "independence vs team trust",
        "era": "2025-Q2"
      }
    ]
  }
]

У каждой сущности есть катализаторы, охватывающие разные эпохи — вопросы, пронизывающие месяцы написания. Именно по ним агент выполняет поиск, а не по вашему исходному тексту.

Пример: запрос catalyze

enzyme catalyze "why we keep rewriting the auth layer"

{
  "query": "why we keep rewriting the auth layer",
  "results": [
    {
      "file_path": "retros/2024-q3-platform-retro.md",
      "content": "scoped auth extraction as a two-week project for the third time. real blocker wasn't the token service — nobody wanted to own the session model. every proposal added a layer instead of removing one.",
      "similarity": 1.46
    },
    {
      "file_path": "adrs/007-auth-service-extraction.md",
      "content": "the monolith's session handling has become the bottleneck for every team shipping independently. chose separation of concerns over the coordination cost of a new service boundary.",
      "similarity": 1.24
    },
    {
      "file_path": "reading/highlights-accelerate.md",
      "content": "'Teams that can deploy independently are twice as likely to be in the high-performer category.' — we keep choosing the rewrite over the boundary.",
      "similarity": 1.13
    }
  ],
  "top_contributing_catalysts": [
    {
      "entity": "system-design",
      "text": "What does the commitment to simplicity cost when the pressure to ship keeps winning?",
      "relevance_score": 0.74
    }
  ]
}

Запрос не совпал ни с одним ключевым словом в ретроспективе или ADR. Катализатор связал их — в ретроспективе говорилось о «разрастании объёма», а в ADR — о «разделении ответственности», но лежащее в основе противоречие было одним и тем же.

Почему на этапе компиляции?

Большинство инструментов памяти формируют понимание во время выполнения — им нужна история переписки, прежде чем они узнают что-либо о вашем содержимом. Enzyme работает иначе: он извлекает концептуальную структуру из того, что уже существует. Первый диалог с агентом такой же насыщенный, как и сотый.

Это важно, когда вы работаете с импортированным содержимым (выделенные цитаты из прочитанного, курируемые подборки, исследовательские корпуса текстов). Отсутствует «холодный старт». Слой интеллекта готов с момента индексации содержимого.

Требования

• Папка с markdown-файлами (хранилища Obsidian, экспорты Readwise, любой корпус файлов .md)
• macOS (Apple Silicon или Intel) или Linux (x86_64 или aarch64)
• Первая инициализация хранилища работает «из коробки» через размещённый в Enzyme сервис начальной загрузки; вход в аккаунт используется для обновления, публикации, кредитов аккаунта и дополнительных хранилищ. Вы также можете использовать свой собственный ключ, совместимый с OpenAI, с помощью параметра --use-env-llm.

Ссылки

• memory.enzyme.garden — посадочная страница
• Документация — как это работает, катализаторы, целевой поиск, для команд
• Руководство по установке — установка и настройка