Recall
Je modellen onthouden gebruikers en kennen je documenten.
Recall leert blijvende feiten uit elk gesprek en onderbouwt antwoorden met je eigen documenten, en houdt beide in één knowledge graph. Stel een vraag en het haalt de relevante feiten en passages op, langs de verbanden ertussen. Extractie en retrieval draaien op EU-resident modellen, afgebakend per eindgebruiker en workspace, en verwijderbaar op verzoek.
leren · verbinden · ophalen
Je model vergeet elke gebruiker en heeft je docs nooit gelezen.
Een model houdt niets vast tussen requests en antwoordt alleen uit zijn training, niet uit jouw handboek of het besluit van vorige week. Dus stuur je elke call dezelfde context mee en mis je nog steeds wat ertoe doet. Bouw je het zelf, dan draai je een store, een extractiestap en een retrievalstap, en houd je dat alles correct terwijl feiten veranderen, vaak via een Amerikaanse API die je data het land uit stuurt. Twee halve oplossingen, memory en retrieval, die nooit delen wat ze weten.
Hoe het werkt
Leren, verbinden, ophalen.
Stuur een user mee met je request, voeg je documenten één keer toe, en Recall doet de rest. Niets te markeren, geen context om mee te sturen, geen retrieval-call om aan te sluiten.
- 01LerenLeren en inlezenNa elke uitwisseling haalt een EU-resident model op de achtergrond blijvende feiten eruit: voorkeuren, rollen, besluiten. Documenten die je toevoegt worden geparsed, opgesplitst en in dezelfde graph gelezen. Het draait ná de response, dus het kost geen latency.
- 02VerbindenVerbinden en bijwerkenFeiten en documenten worden entiteiten en relaties in één temporele graph. Nieuwe feiten worden samengevoegd met wat bekend is: gewijzigde feiten werken bij, tegengesproken feiten worden ingetrokken. De graph blijft kloppen in plaats van alleen te groeien.
- 03OphalenOphalen met bronnenBij een request die een user meedraagt mengt Recall de relevante feiten en passages, volgt de verbanden ertussen, en voegt ze als context toe voordat het model draait. Elk antwoord kan de feiten en documenten noemen die het gebruikte.
Twee velden. Feiten worden vanzelf geleerd en opgehaald.
Waarom het anders is
Meer dan een groter contextvenster, meer dan een index ernaast.
De hele historie in elke prompt proppen is traag, duur en vergeet nog steeds wat ertoe doet. Een zelfgebouwde retrieval-stack is een vector database plus een embedding-API plus lijm. Recall is één knowledge-laag waar memory en documenten een graph delen.
Eén graph, geen twee silo's
Gespreksfeiten en documentfeiten staan bij elkaar, zodat een vraag de link kan volgen van een gebruiker naar zijn organisatie naar het document dat hem beantwoordt.
Automatisch, niet handmatig
Stuur een user-id mee en zet je documenten in een collection. Feiten worden vanzelf geleerd en opgehaald en passages opgezocht, zonder een aparte service die je eerst moet aanroepen.
Bijgewerkt, niet opgestapeld
Verandert een gebruiker van gedachten of wordt een document geüpdatet, dan werkt de graph bij in plaats van tegenstrijdigheden op te stapelen.
Onderbouwd en met bronnen
Antwoorden kunnen de feiten en documenten noemen die ze gebruikten, de audit trail blijft alleen metadata, en de memory van elke gebruiker is op verzoek te verwijderen.
Een knowledge-laag
Waar je achter kunt staan.
Afgeschermd by design
Elke eindgebruiker heeft zijn eigen memory, en elke workspace zijn eigen documenten. Recall leest de memory van de handelende eindgebruiker plus die workspace en zijn collections, nooit die van een andere gebruiker, een andere workspace of een andere tenant.
EU-resident, van begin tot eind
De modellen die het gesprek lezen en je documenten embedden draaien op EU-resident endpoints, en de graph staat in een EU-resident store. De memory van je gebruikers en je kennisbank verlaten de EU nooit.
Vastgelegd en verwijderbaar
Opgehaalde feiten worden door de firewall gepseudonimiseerd vóór egress, elk antwoord kan zijn bronnen noemen, de audit trail bevat alleen metadata, en één call wist alles wat voor een eindgebruiker is opgeslagen.
FAQ
Vragen die mensen stellen over Recall.
- Krijgt elke gebruiker zijn eigen memory?
- Ja. Elke eindgebruiker heeft zijn eigen memory en elke workspace zijn eigen documenten. Er wordt niets tussen gedeeld, en de isolatie zit in de constructie in plaats van in de configuratie.
- Kan de memory van een gebruiker verwijderd worden?
- Ja. Eén call wist alles wat voor een eindgebruiker is opgeslagen. Opgehaalde feiten worden door de firewall gepseudonimiseerd voordat ze de EU verlaten, dus een verwijderverzoek is één handeling.
- Waar draaien de modellen die mijn documenten lezen?
- Op EU-resident endpoints. Het model dat feiten uit een gesprek haalt en het model dat je documenten embedt draaien allebei binnen de EU, van begin tot eind.
- Hoe verschilt dit van een groter contextvenster?
- Een contextvenster bevat alleen wat je bij die request meestuurt. Recall houdt feiten vast tussen requests, werkt ze bij als ze veranderen, en volgt de verbanden ertussen in plaats van tegenstrijdigheden op te stapelen.
- Moet ik de memory zelf beheren?
- Nee. Stuur een user-id mee met je request en zet je documenten in een collection. Feiten worden op de achtergrond geleerd en vanzelf opgehaald.
Begin hier
Geef je modellen een knowledge-laag.
Maak een key aan, stuur een user mee met je requests, voeg je documenten toe, en stop met dezelfde context bij elke call meesturen.