THE ZERO-RESUME PARADOX
Иллюзия контекстного окна: современные LLM-контуры пытаются решить проблему долговременной памяти грубой силой, раздувая контекст до сотен тысяч токенов. При каждом перезапуске сессии в промпт загружаются мегабайты сырых диалогов, отладочных логов и промежуточного мусора.
Модель неизбежно слепнет от шума в середине контекста (Lost in the Middle), скорость инференса деградирует в разы, а баланс сгорает на перечитывании собственного эха.
CyberSpark отказывается от тяжелого Resume: память извлекается через двухфазный криптографический зонд с гарантированной целостностью bit-for-bit.
Первый шаг — индексный поиск search_engrams: сервер возвращает микро-таблицу метаданных (ID, таймстамп, заголовок, теги и SHA-256). В контекст попадает всего 150 токенов.
1. search_engrams(q) ──► Мета-индекс (~150 tok)
2. lease_engram(id) ──► Burn-on-Touch (~350 tok)
Итог сеанса: < 500 tok (Снижение оверхеда: -99.2%)
Второй шаг — точечная инъекция: агент запрашивает конкретную энграмму через одноразовый сокет, получая только дистиллированный кристалл архитектурных решений.
