INDB数据库：让API暴露记忆行为而非数据表

"当所有人都在撒谎时，INDB 记得你看到了什么。"

我们并不是奔着做一个更快的 PostgreSQL 去的。

我们要做的东西很难归类：一种解释性数据库（Interpretational Database）——记忆在这里是"被读取意义"的地方，而不是"被归档"的地方。不是越胀越大的存档。是吸入混乱、呼出噪声、保留一份签名核心的系统。

地址：indb.tech。文档：docs.indb.tech。以下是我们在 v0.7 实际交付的内容。

大多数数据系统假设：

你在写入时定义意义（schema、类型、迁移）

你用类 SQL 的动词来查询

人类记忆不是这样运作的。

你先观察。意义稍后才来——依赖上下文，有时自相矛盾。重复被压缩成习惯。有些东西你存了，但从未主动访问过。

INDB 将这条流水线显式建模：

这不是营销废话。API 就是这么组织的。

七个字段。无 schema。有意为之。

INDB 没有迁移。没有 SQL 意义上的列类型。一切皆是 Event——一种通用容器：

如果你需要四十个字段，你大概率在建模一个存档——而不是记忆。

curl -X POST https://api.indb.tech/api/v2/events \
  -H "Content-Type: application/json" \
  -d '{
    "raw_data_anchor": ["server", "heartbeat", "ok"],
    "location": "infra/edge/eu-west",
    "ttl": 86400
  }'

你不是在插入一行。你是在教引擎认识现实的一个新片段。

语义类型，而非 SQL 列

在这七个字段之下是一套语义类型系统——类型描述的是你存储的是哪种"思想"，而不是它占多少字节：

摄入时，INDB 会推断意图：含 lat/lon 的 dict 变成 location；原始字节变成 binary；嵌套 dict 变成 struct。你不用声明 ALTER TABLE——你只管发数据，内核来分类。

对隐私而言关键的区别：

binary — 服务器知道这是二进制，验证大小和 MIME，但不解释内容

blind — 服务器不知道里面是什么；客户端 ChaCha20 加密后存为 Base64 不透明 blob。认知模块完全跳过它

完整规范：docs.indb.tech/TYPING/

location 字段不是标签。是空间锚点——认知引擎用它做邻近计算、聚类和相关性判断。

格式 A — 虚拟命名空间（逻辑路径、agent、书籍、服务）：

{ "location": "books/Dostoevsky/The_Idiot" }

格式 B — OSM 地理对象（真实世界锚定）：

{
  "location": {
    "lat": 55.7558,
    "lon": 37.6173,
    "osm_id": "node/1234567"
  }
}

坐标经过验证（lat −90…90，lon −180…180）。osm_id 接受全部三种 OpenStreetMap 实体类型——node/、way/、relation/。一家咖啡馆、一条街、一个区——都是合法锚点。

地理信息也存在于 tokens 中。在 raw_data_anchor 里加 osm: 前缀（如 osm:London, UK）可将信号绑定到地点，而无需复制 location 字段。

引擎用它做什么：

Echo 谐波分析给 meta-location 加 50% 权重——锚定到同一 OSM 对象的事件共鸣更强

Fusion 惩罚同一事件中多个 osm: token——防止仅凭地理巧合过度聚类

坐标对之间的 Haversine 距离驱动跨集群的邻近度评分

同一事件，两种锚定方式——命名空间用于小说和 agent，OSM 用于传感器和野外作业：

curl -X POST https://api.indb.tech/api/v2/events \
  -H "Content-Type: application/json" \
  -d '{
    "raw_data_anchor": ["sensor", "temperature", "22.4", "osm:Jerusalem, Israel"],
    "location": {"lat": 31.7683, "lon": 35.2137, "osm_id": "node/26131744"}
  }'

认知动词，而非 CRUD

我们的公开 API 读起来像记忆行为，而不是数据库操作：

六种协议在线：HTTP、GraphQL、WebSocket、gRPC、UDP、MCP。内核里零 Redis、零 Postgres、零 Mongo——我们是认真的。

Layer 2：加密 alone 给不了你的东西

AES-256-GCM 和 TLS 是 Layer 1。每家厂商都有。

INDB 的 Layer 2 是结构层面的：

客户端在本地对事件签名。服务器存储 public_key + signature——私钥永不过 API。恢复用 key_id = SHA-256(public_key)，一个公开指纹。API 响应也用 Ed25519 密封。

blind_payload——引擎是一个没有眼睛的见证者

你在客户端加密。INDB 存储一个不透明 blob。跨 Raft 节点复制。需要时返回。

它从不读取它。服务器上没有解密密钥。Prism、Echo、Instinct 只在 raw_data_anchor tokens 上运作——不接触秘密的分析。

黑盒契约（Black Box Contract）在协议层面被强制执行：

你可以隐藏里面是什么。你无法隐藏你来过这里。

当 blind_payload 被设置时，timestamp 和 location 是必填的——这不是表单验证的细节，而是存在性的条件。如果当局来问，系统只有一个答案：

"这里有过什么东西。在这个位置。在这个时间。"它是什么——架构上未知。

我们称之为无法外泄——不是因为我们承诺得漂亮，而是因为根本没有什么可以交出去。

（客户端注意事项：如果你的 SDK 把密钥记录到分析日志里，架构就破了。我们明确标注了这个边界。）

两种悖论（同一个词，不同相位）

这在我们内部曾经造成困惑，直到我们给它命了名：

Paradox（类型）——观察之前。POST /api/v2/paradox 发送空 raw_data_anchor。只有上下文。当有人观察时内容坍缩——sample_once 诞生一个签名 Event；sample_on_read 保持 ephemeral。

Prism 悖论——观察之后。事件固定，读法竞争。Prism 返回 meaning、alternative_readings、perception_gap、is_paradoxical。引擎呈现矛盾，而不是选出一个赢家。

同一个词。记忆的不同层级。两者都是信号，不是错误。

用 observer context 试试 Prism——意义是关系性的，不是内置的：

curl -X POST https://api.indb.tech/api/v2/prism/synthesize \
  -H "Content-Type: application/json" \
  -d '{
    "query": "felt almost impossible",
    "observer_context": {
      "token_weights": {"silence": 2.0},
      "vocabulary": {"Subjective": ["felt", "almost"]},
      "harmonic_weights": {"emotion": 0.8}
    }
  }'

同样的 tokens。不同的观察者。不同的读法。系统不决定谁"对"。

Grain：当条形码逻辑遇上人类记忆

严格的 Ed25519 是条形码级验证：约 0% 噪声容忍率。对公理正确。对记忆则不然——部分引用、导出损坏、表面变化。

所以我们发布了 Grain——一个内核模块，噪声容忍轴上四个层级：

一个端点。tier: auto 从证据中选取。响应暴露不确定性——false_accept_risk、insufficient_signal（当文本太短以至于无法做统计检测时；诚实地板，不是假信心）。

curl https://api.indb.tech/api/v2/grain/tiers

完整规范：docs.indb.tech/GRAIN/

外部世界：四个孤岛（条形码 SDK、QR 库、生物识别 FAR/FRR、生成式水印）。INDB：一个频谱，在同一条摄入、融合、签名的流水线内部。

记忆会压缩（35:1 实测）

重复不是数据——是模式。

三条"到家了"事件融合为一个，fusion_count: 3。日常被压缩。"凌晨 3 点的警报"保持独立。测试中 Fusion 比率：35:1。

声誉即引力：

Mass = Count × Reputation²

一千条机器人消息（rep 0.01）重量不如一条传感器心跳（rep 0.99）。系统将群体噪声呼出为废热。

可插拔，而非单体

Hermes connector：LLM agent 记忆 via MCP（ingest_event、query_events）。Moltbook connector：AI agent 社交信息流 → moltbook://{submolt}/{author} 上的事件。

禁用一个 connector——核心依然呼吸。模块化，而非单例。

Ops：浏览器 WUI 在 api.indb.tech/wui/ 或终端 TUI（./start_tui.sh）。

我们发布的数字（v0.7 生产环境）

<1ms 摄入（standalone）

负载下 99.7% 成功率（997/1000 事件）

~20ms Prism · <30ms Echo · ~25ms Instinct

栈内零外部数据库

6 种协议包括 MCP（for agents）

Raft 3 节点集群——面向需要共识的自托管用户——Docker Compose 在文档里。

不是所有人。INDB 适用于：

你需要签名、防篡改的历史

你必须在不暴露内容的前提下证明"你在场"

矛盾应被呈现，而不是被静默消解

身份验证必须容忍噪声而不放弃公理

AI agent 需要持久的解释性记忆，而不是挂上去的又一张向量表

法律证据。医疗审计追踪。新闻源保护。带 UDP 摄入和融合的 IoT。Agent 记忆（Hermes/MCP）。

五分钟上手

# Health
curl https://api.indb.tech/health

# Inhale
curl -X POST https://api.indb.tech/api/v2/events \
  -H "Content-Type: application/json" \
  -d '{"raw_data_anchor":["devto","reader","hello"],"location":"blog/intro"}'

# Grain spectrum
curl https://api.indb.tech/api/v2/grain/tiers

# Swagger
open https://api.indb.tech/docs

文档：docs.indb.tech

Grain：docs.indb.tech/GRAIN/

API：api.indb.tech/docs

联系：indb.tech/#contact

我们在为真相而建——在这个操纵的时代。如果你的技术栈把数据当作记忆——而不是文件柜——我们很想听听你会先压测什么。

吸入混乱。呼出噪声。记住公理。