MemoryLake
エンジニアリング & 開発者エージェント行動分析のための記憶差分

エージェントの行動が変わった理由を、その行動を駆動した記憶の差分を取ることで見つける

エージェントの行動が変わるとき — 良くなる場合も悪くなる場合も — 原因は通常、取得する記憶の中にあります。MemoryLakeは記憶差分を提供します:任意の2つの記憶状態を意味的に比較し、どの事実、反映、またはスキルが変わったかを正確に確認できます。

Day 1“エージェントの行動が変わるとき —”“良くなる場合も悪くなる場合も —…”✓ Got it, I will remember.Day 7 — new session“Same task again — can you keep the context?”× Sure — what was the context again?(forgot every detail you taught it)+ MEMORYLAKE LAYERMemory auto-loaded2つのコミット間の意味的差分タイプ別差分フィルター時間ウィンドウ間の差分SESSION OUTPUT✓ Same prompt, on-brand answerNo re-briefing required.

エージェントの行動が変わった理由を、その行動を駆動した記憶の差分を取ることで見つける

無料で始める

永続無料 · クレジットカード不要

問題:行動の変化は記憶の変化に帰属させるのが難しい

先月、エージェントは素晴らしかった。今月は同じ種類の質問に対して悪化している。モデルは変わっていない。プロンプトも変わっていない。記憶の中で何かが変わった — しかしDIY記憶システムにはそれを確認する方法がない。

MemoryLakeが記憶差分を提供する方法

2つのコミット間の意味的差分

2つのコミット間の意味的差分

どの事実、反映、スキルが変わったかを確認します。

MEMORYタイプ別差分フィルター

タイプ別差分フィルター

事実だけ、またはスキルだけ、または反映だけを差分します。

MEMORY時間ウィンドウ間の差分

時間ウィンドウ間の差分

「3月と4月の間に記憶で何が変わったのか?」

記憶ブランチ間の差分

記憶ブランチ間の差分

メインと実験的な記憶を比較します。

無料で始める

永続無料 · クレジットカード不要

記憶差分分析の仕組み

  1. 接続 — 記憶のコミットは自動的に行われます。
  2. 構造 — 各コミットは迅速な差分クエリのためにインデックス化されています。
  3. 再利用 — 任意の2つのコミット、ブランチ、または時間間で差分を実行します。

前後の比較:エージェント行動の根本原因分析

DIY memoryMemoryLake
See what memory changedManual log reviewSemantic diff
Attribute behavior change to memoryGuessworkDirect evidence
Compare memory branchesCustomBuilt in
Audit memory evolutionLimitedFull provenance

対象者

時間の経過とともに行動の漂流が必要な根本原因分析を行う生産エージェントを運営しているエンジニアリングチーム — 現在の記憶基盤では彼らは盲目のままです。

実行できるデモ約 1 分

このユースケースを自分のアカウントで試す

Sallowfen Outfitters のサポートエージェントはプロジェクトメモリをもとに動きます。ポリシーごとに 1 件のファクトがあり、コードはそのメタデータを読みます。評価 1 で 6 問を尋ね、1 週間に 11 回の通常のメモリ書き込みがあったあと、評価 2 で同じ質問をすると 3 つの答えが変わっていました。fact trace の時間窓で差分を取ると 7 件の変更が並び、返品の答えの変化は言い回しを直しただけの案内文のせいにされます。本当の原因は下書きのルールを有効にしたことで、それはメタデータだけの更新であり、この種の更新は trace に一切現れません。2 つの完全なスナップショットの差分なら見つかりますが、11 件の変更に埋もれます。答えごとに保存したレシート(読んだファクトを、読んだときの姿で記録したもの)を比べ、ファクトを 1 件ずつ旧版に戻してエージェントを再実行すると、3 つの答えすべてで原因がぴたりと特定されます。

見られるもの

  • エージェントは fact list を読むだけの普通のコード:答えごとに、読んだファクトの id、テキスト、メタデータ、updated_at をレシートとして保存する
  • fact trace の時間窓による差分:変更 7 件、3 つの答えのうち原因を当てたのは 2 つ。返品の答えは言い回しを直した案内文のせいにされる。承認(status を draft から active へ)はメタデータだけの fact update で、trace に記録がないため
  • スナップショット差分(評価 1 時点の完全な fact list と現在の比較):変更 11 件、3 つとも原因は含まれるが、返品トピックに容疑者が 3 件。文言修正やレビュー印は、答えが変わらなかった質問の下にも現れる
  • レシート差分 + 1 件ずつ戻して再実行:3 つすべてで原因を正確に特定、5 回の実行で完全に同一。receipt Q1 サブコマンド、ローカル Web UI、モデル呼び出しなし

必要なもの: MemoryLake の API キー · memorylake CLI · Python 3.9 以上

実行する

git clone https://github.com/memorylake-ai/memorylake-usecases.git
cd memorylake-usecases/behavior-diff-memory
export MEMORYLAKE_API_KEY=sk-…
python3 demo.py          # or: python3 web/server.py

動作を見る · 実際の録画、未編集

関連するユースケース

よくある質問

差分出力形式は?

構造化されたJSONと人間が読みやすいビュー。

大きな差分のパフォーマンスは?

大きなコミット範囲にわたって迅速な差分のためにインデックス化されています。

セルフホストは可能ですか?

はい — エンタープライズティアはあなたのVPCにデプロイされます。