Проект PAD+ AI разрабатывает многоуровневую когнитивную архитектуру, которая выступает промежуточным слоем между пользователем и языковой моделью. В отличие от традиционных решений, где запрос напрямую передаётся в LLM, эта система проводит его через 24 последовательные фазы обработки, включая анализ безопасности, извлечение памяти, проверку фактов и эмоциональную оценку. Архитектура рассматривает языковую модель лишь как один из компонентов сложной системы принятия решений, что принципиально отличает её от большинства современных AI-приложений, работающих по упрощённой схеме «запрос → LLM → ответ».

Техническая реализация PAD+ AI включает несколько ключевых компонентов, главным из которых является когнитивный Pipeline. Запрос последовательно проходит через этапы Safety, Intent, Retrieve, Generate, Truth, Remember, Evolve и Emit, каждый из которых выполняет специфическую функцию. Например, фаза Truth Loop проверяет сгенерированные утверждения на достоверность, а Emotion Update анализирует и корректирует эмоциональное состояние системы. Всего архитектура насчитывает 24 взаимосвязанных модуля с чётко определёнными интерфейсами, что делает её одной из самых детализированных когнитивных архитектур в открытом доступе. Для сравнения, большинство коммерческих решений ограничивается 3-5 этапами предобработки запроса.

Особого внимания заслуживает система памяти PAD+ AI, реализованная как многоуровневая экосистема. Она включает RAG-память на PostgreSQL с векторным поиском, эпизодическую память для хранения истории взаимодействий, семантическую память для фактов и концептов, а также специализированные хранилища для личности системы и пользователя. Отдельный модуль Memory Hygiene отвечает за очистку и оптимизацию данных. Такая архитектура позволяет эффективно разделять краткосрочный опыт и долговременные знания, что является значительным шагом вперёд по сравнению с предыдущими версиями системы, где использовалось более простое разделение на «память фактов» и «оперативную память».

Проект развивается в условиях растущей конкуренции на рынке решений для работы с LLM. В отличие от большинства коммерческих продуктов, сосредоточенных на интерфейсах или автоматизации workflows, PAD+ AI делает акцент на исследовательские аспекты когнитивных архитектур. Разработчики подчёркивают, что их цель — не создание очередного чат-интерфейса, а фундаментальное изучение процессов, которые должны происходить между запросом пользователя и генерацией ответа. Этот подход ставит PAD+ AI в один ряд с такими исследовательскими проектами, как Anthropic's Constitutional AI, но с более выраженным акцентом на модульность и наблюдаемость внутренних состояний системы.

Для российского ИТ-рынка появление таких разработок особенно значимо, так как демонстрирует возможность создания сложных когнитивных систем без необходимости тренировки собственных LLM с нуля. Архитектура PAD+ AI потенциально может быть адаптирована для работы с русскоязычными моделями, что открывает перспективы для локализации технологии. При этом проект ставит ряд открытых вопросов о масштабируемости подобных систем и их интеграции с существующей ИТ-инфраструктурой, особенно в условиях российских реалий, где доступ к мощным вычислительным ресурсам ограничен.

Перспективы развития PAD+ AI связаны с дальнейшей разработкой модульной архитектуры и исследованием возможностей интеграции с различными языковыми моделями. Особый интерес представляет изучение долговременной эволюции системы в процессе взаимодействия с пользователями. Разработчикам предстоит решить задачи по оптимизации производительности многофазной обработки и созданию инструментов для наблюдения за внутренними состояниями системы в реальном времени. Успех этих усилий может определить, станет ли PAD+ AI нишевым исследовательским проектом или положит начало новому классу когнитивных архитектур для работы с LLM.