SuanmoSuanyangTechnology/MemoryBear

解決する課題

MemoryBearは、LLMの制限されたコンテキスト窓、学習データの静的性、AIが初期の会話履歴を忘れてしまう「最近性バイアス」などの従来のAIメモリの限界に対処します。また、異なるエージェントがユーザーの好みや履歴を共有できないマルチエージェントシステムにおけるデータの島嶼化や、専門用語や文脈依存の参照による推論の意味的曖昧さも解決します。

動作原理

MemoryBearは認知にインスパイアされたメモリライフサイクル（知覚、抽出、関連付け、忘却）を実装しています。メモリ抽出エンジンにより、非構造化データを構造化された三項（主語-動詞-目的語）と時系列タグに解析し、Neo4jグラフデータベースに格納して複雑な関係をモデル化します。情報の取得には、キーワードマッチング（Elasticsearch）と意味的ベクトル検索（BERT）を組み合わせたハイブリッド検索メカニズムを採用します。最後に、メモリ忘却エンジンは生物学的なシナプス pruning を模倣し、使用されない知識の強度を時間とともに衰えさせます。また、自己反省エンジンは定期的に論理的一貫性をチェックし、関連付けの重みを最適化します。

対象ユーザー

長期的で進化する、パーソナライズされたメモリを必要とする、複数のセッションやエージェント間で動作する高度なAIエージェントやマルチエージェントシステムを開発する開発者向けに設計されています。

特徴

• グラフ最優先アーキテクチャ：Neo4jを活用し、数百万のエンティティと複雑な関係エッジをサポート。
• シナプス pruning：不要な知識を削除する動的な忘却メカニズムにより、無駄を削減。
• ハイブリッド検索：ベクトル検索とキーワード検索を組み合わせ、92%の検索精度を実現。
• 自己反省：論理的矛盾を検出・修正し、高価値な知識を強化する自動化された日次プロセス。
• 高パフォーマンス：FastAPIサービスレイヤーで1000 QPSを維持し、50ms未満のレイテンシを実現。