MemoryLake
エンジニアリング & 開発者要約バッファが重要なエージェントのコンテキストを失う理由

要約バッファがエージェントに必要な詳細を失う理由

要約記憶はデモでは機能しますが、実際の運用では失敗します。重要なコンテキスト — 特定の数値、拒否されたアプローチ、さりげなく述べられたユーザーの制約 — は要約の中に埋もれてしまいます。MemoryLakeは損失のない構造化されたタイプの記憶を保持します。

Day 1“要約記憶はデモでは機能しますが、実際の運用では失敗します。重要なコンテキスト”“—…”✓ 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-loadedタイプ付きの事実とイベントの記憶圧縮ではなくコンパクトな取得反射記憶がパターンを捉えるSESSION OUTPUT✓ Same prompt, on-brand answerNo re-briefing required.

要約バッファがエージェントに必要な詳細を失う理由

無料で始める

永続無料 · クレジットカード不要

問題: 要約は損失のある圧縮

ユーザーはターン12で「私たちはすでにXを試みましたが、Yのために失敗しました」と言いました。要約記憶はそれを「ユーザーは以前の試みを言及した」と圧縮します。3ターン後、エージェントはXを提案します。要約は雰囲気を保持しましたが、重要な詳細を失いました。

MemoryLakeが要約の損失を回避する方法

タイプ付きの事実とイベントの記憶

タイプ付きの事実とイベントの記憶

特定の主張と観察が逐語的に保存され、要約されません。

MEMORY圧縮ではなくコンパクト…

圧縮ではなくコンパクトな取得

クエリ時に関連する事実を引き出します。固定サイズの要約はありません。

MEMORY反射記憶がパターンを捉える

反射記憶がパターンを捉える

パターンやテーマは、基礎となる事実を圧縮することなく独自の記憶タイプを持ちます。

事実ごとの出所

事実ごとの出所

すべての記憶項目は、それがどのターンから来たかにリンクしています。

無料で始める

永続無料 · クレジットカード不要

要約バッファの代替としての機能

  1. 接続 — 要約チェーンをターンごとのMemoryLakeの書き込みに置き換えます。
  2. 構造 — 事実、イベント、会話のターンがタイプ付きで保存されます。
  3. 再利用 — 関連性に基づいてコンパクトな記憶ブロックを取得します。最近性や要約によってではありません。

前と後: 要約バッファ vs 構造化された記憶

Summary bufferMemoryLake
Specific facts retainedLost in compressionStored verbatim
Constraint stated turns agoOften droppedRetrievable
Pattern recognitionLimitedReflection memory
Cost per turnGrows with summary lengthCompact

対象者

LangChain ConversationSummaryMemoryまたはカスタム要約チェーンを使用しているエンジニアリングチームで、会話が長くなるにつれてエージェントの品質が低下するのを見守っているチーム。

実行できるデモ約 4 分

このユースケースを自分のアカウントで試す

AI エージェントチームが、ある会議で 6 つのリリース基準を決め、次の会議で評価結果をいつもの言い方で読み上げます。「新しい reranker の recall@10 は 0.81 でした。」MemoryLake の抽出は基準をすべて記憶し、多くの実行でこうした数値だけの読み上げを一つも残しません。リリースアシスタントには基準だけがあり結果がないため、「Unknown」と答えるか、達成した基準を未達と答えます(評価は 2.6 セントなのに「セッションあたりのトークンコストは 3 セントを下回っていない」)。結論と一緒に言えば判断は記憶されますが、数値が落ちることがよくあります。アプリが評価ハーネスから直接書き込めば、すべての数値が残ります。

見られるもの

  • コピーごとに GROUP 会議を 2 回(6 つの基準、次に 6 つの読み上げ)、3 つのプロジェクトは同じ素っ気ない名前。1 つは数値だけ、1 つは結論付きで聞き、3 つ目は 1 つ目の抽取事実(fact list → fact add)にハーネスの 6 つの数値を事実として追加
  • 7 回の実行で、リリース判断をメモリから正しく答えた数:そのままの読み上げ 6 / 126、結論付き 124 / 126、ハーネスの数値 125 / 126。数値の質問(「recall@10 はいくつでしたか?」):6 / 42 · 18 / 42 · 42 / 42
  • そのままの読み上げでは 71 件が「Unknown」、26 件が誤答で、多くは達成した基準を未達と答えたもの。さらに 23 件は結論だけ偶然正しく、メモリに根拠がありませんでした
  • 実行ごとにプロジェクトを棚卸し(基準・数値・判断、発言者の actor 上の事実)、質問ごとにメモリなしのベースラインを取得。memory・ask サブコマンドとローカル Web UI 付き

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/bare-reading-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

要約はいつ許可されますか?

UI表示のため。エージェントの取得には使用しません。

移行コストは?

通常、要約バッファをタイプ付きの取得に置き換えるのに1日かかります。

セルフホストは可能ですか?

はい — エンタープライズ層はあなたのVPCにデプロイされます。