The EU AI Act arrives August 2. Can you prove where your AI data goes?
Recall

Je modellen onthouden users en kennen je documenten.

Recall leert duurzame feiten uit elk gesprek en onderbouwt antwoorden met je eigen documenten, en bewaart beide in één knowledge graph. Stel een vraag en het haalt de relevante feiten en passages op, langs de verbindingen ertussen. Extractie en retrieval draaien op EU-soevereine modellen, afgebakend per eindgebruiker en workspace, en op aanvraag wisbaar.

leren · verbinden · ophalen

Knowledge graph per eindgebruiker
werkt bij op bezit omvat Eindgebruiker Acme GmbH Enterprise-abonnement Q3-roadmap Berlijn-lancering
Wanneer lanceert Acme in Berlijn? Opgehaald
Uit gesprekken Uit documenten

Je model vergeet elke user en heeft je docs nooit gelezen.

Een model bewaart niets tussen requests door en antwoordt alleen vanuit zijn training, niet vanuit jouw handboek of de beslissing van vorige week. Dus herhaal je bij elke call dezelfde context en mis je nog steeds wat ertoe doet. Bouw het zelf en je draait een store, een extractiestap en een ophaalstap, en je houdt dat allemaal correct terwijl feiten veranderen, vaak via een Amerikaanse API die je data naar het buitenland stuurt. Twee halve oplossingen, memory en retrieval, die nooit delen wat ze weten.

Leren, verbinden, ophalen.

Stuur een user mee met je request, voeg je documenten eenmalig toe, en Recall doet de rest. Niets om aan te vinken, geen context om te herhalen, geen ophaalcall om aan te sluiten.

  • Leren en verwerken Na elke uitwisseling extraheert een EU-soeverein model op de achtergrond duurzame feiten: voorkeuren, rollen, beslissingen. Documenten die je toevoegt worden geparset, gesplitst en in dezelfde graph ingelezen. Het draait na het antwoord, dus het voegt geen vertraging toe.
  • Verbinden en bijwerken Feiten en documenten worden entiteiten en relaties in één temporele graph. Nieuwe feiten worden samengevoegd met wat al bekend is: gewijzigde feiten worden bijgewerkt, tegengesproken feiten worden ingetrokken. De graph blijft correct in plaats van alleen maar te groeien.
  • Ophalen met bronnen Bij een request met een user voegt Recall de relevante feiten en passages samen, langs de verbindingen ertussen, en voegt ze toe als context voordat het model draait. Elk antwoord kan de feiten en documenten noemen die het heeft gebruikt.
POST /v1/chat/completions api.akumi.cloud
{
  "model": "mistral/mistral-small-2603",
  "user": "usr_abc123",
  "rag": "company-handbook",
  "messages": [ ... ]
}
Relevante memory en passages opgehaald en toegevoegd, voordat het model antwoordt

Een knowledge layer waar je achter kunt staan.

Geïsoleerd van nature

Elke eindgebruiker heeft zijn eigen memory, en elke workspace zijn eigen documenten. Recall leest precies de scope die een request noemt, nooit die van een andere gebruiker, een andere workspace, of een andere tenant.

EU-soeverein, end-to-end

De modellen die het gesprek lezen en je documenten embedden draaien op EU-soevereine endpoints, en de graph leeft in een EU-gevestigde store. De memory van je gebruikers en je kennisbank verlaten de EU nooit.

Governed en wisbaar

Opgehaalde feiten worden door de firewall gepseudonimiseerd voordat ze de EU verlaten, elk antwoord kan zijn bronnen noemen, de audit trail bevat alleen metadata, en één call wist alles wat voor een eindgebruiker is opgeslagen.

Meer dan een groter contextvenster, meer dan een aangeplakte index.

De hele geschiedenis in elke prompt proppen is traag, duur, en vergeet nog steeds wat ertoe doet. Een doe-het-zelf-retrievalstack is een vector database plus een embedding API plus lijmwerk. Recall is één governed knowledge layer, waar memory en documenten een graph delen.

Geef je modellen een knowledge layer.

Maak een sleutel aan, stuur een user mee met je requests, voeg je documenten toe, en stop met het herhalen van dezelfde context bij elke call.