𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 に永続的なメモリを与える
新しいAIセッションは、毎回ゼロから始まります。
昨日の調査結果、先週の分析、先月のミス。これらはすべて失われてしまいます。ほとんどのメモリソリューションは、データを特定の1つのエージェントに固定してしまいます。エージェントを切り替えると、すべてが失われるのです。
Knowledge-and-Memory-Management v0.0.2 (KMM) は、この問題を解決します。これは外部メモリレイヤーとして機能し、エージェントのコアコードには一切手を加えません。
KMMは、以下の3つのステップで動作します：
- 知識の収集 (Knowledge Collection)
- 構造化ストレージ (Structured Storage)
- セッションを跨いだ検索 (Cross-session Retrieval)
システムは4つのソースからデータを収集します：
- Web: 6つのエンジンを使用して保護を回避し、ウェブサイトをスクレイピングします。
- Video: 8つのツールを使用してYouTubeやTikTokからデータを抽出します。音声にはWhisper、画面上のテキストにはOCRを使用します。
- Articles: ソーシャルメディアやRSSフィードから取得します。
- Documents: OCRを介してPDFや画像をスキャンします。
システムは生のデータを「資産」へと変換します。原材料を取り込み、LLMを使用して要点を抽出し、Markdown形式のノートに書き込んで、ナレッジグラフに保存します。
異なるドメインを一度に検索することが可能です。システムは、ローカルノート、データベース、セマンティックメモリ、およびナレッジグラフを検索します。そして、アルゴリズムを使用してこれらの結果を統合します。一つのソースが失敗しても、他のソースがその役割を引き継ぎます。
このセットアップは、以下のような方に適しています：
- Hermes、Codex、Claude Codeなどの複数のエージェントを使用している。
- 異なるセッション間で知識を再利用する必要がある。
- 単一の環境変数で動作する柔軟なシステムを求めている。
トレードオフは、複雑さです。実行にはPostgreSQL 16、Hindsight、およびgbrainが必要です。単純なファイルよりもデプロイの難易度は高くなります。しかし、3つのメモリレイヤーを通じて、はるかに高い検索品質を得ることができます。
本番環境では、アーカイブとインデックス作成を自動化するためにメンテナンススクリプトを実行してください。インストール後は、サイドカーチェックスクリプトを使用してセットアップを確認してください。
Optional learning community: https://t.me/GyaanSetuAi