RUVA：个性化、透明的端侧图推理

个人 AI 领域目前被“黑箱”检索增强生成主导。标准向量数据库虽提供统计匹配，却根本缺乏可问责性：当 AI 幻觉或检索到敏感数据时，用户既无法查验原因也无法纠正错误。更糟的是，从向量空间“删除”一个概念在数学上并不精确，会留下概率性的“幽灵”，损害真正的隐私。我们提出 Ruva，首个为人在环记忆管理设计的“玻璃箱”架构。Ruva 把个人 AI 建立在个人知识图谱上，让用户能查看 AI 知道什么并对特定事实做精确删改。通过把范式从向量匹配转向图推理，Ruva 保障“被遗忘权”。用户是自己生活的编辑，Ruva 把笔交到他们手中。项目与演示视频见 http://sisinf00.poliba.it/ruva/。