AI Agents · レッスン

意味記憶（ベクトル化された事実）

エージェントがユーザーや世界について学んだ独立した事実を、ベクトルインデックスに保存します。

「意味記憶（ベクトル化された事実）」はCoddyKit上の無料AI Agentsレッスンです。これはレッスン2/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはAI Agents学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agentsコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

意味記憶とは

意味記憶には、エージェントが知っている、ユーザー、世界、会社などに関する独立した事実が保持されます。エピソード記憶とは異なり、特定の出来事に結び付いたタイムスタンプはありません。

例：

「ユーザーの名前はAliceです。」
「Aliceは摂氏を好みます。」
「現在の料金プランはProで、月額20ドルです。」

保存形式

ベクトルストアと構造化メタデータを組み合わせます。

CREATE TABLE semantic_facts (
    id UUID PRIMARY KEY,
    user_id TEXT NOT NULL,
    fact TEXT NOT NULL,
    embedding vector(1536),
    source TEXT,                    -- 'extracted' / 'user-stated' / 'system'
    confidence REAL DEFAULT 1.0,
    created_at TIMESTAMPTZ DEFAULT NOW()
);

会話から事実を抽出

各セッションの後に、LLMによる抽出処理を実行します。

extract_prompt = '''
From the conversation below, list any new facts about the user.
Return JSON: [{"fact": "...", "confidence": 0.0-1.0}]

Conversation:
{transcript}
'''
print(extract_prompt.strip())

Saving Extracted Facts

import uuid

for f in extracted:
    vec = embed(f['fact'])
    conn.execute('''
        INSERT INTO semantic_facts (id, user_id, fact, embedding, confidence, source)
        VALUES (%s, %s, %s, %s, %s, 'extracted')
    ''', (str(uuid.uuid4()), user_id, f['fact'], vec, f['confidence']))

推論時に検索

新しいクエリごとに関連する事実を取得し、システムプロンプトに挿入します。

def relevant_facts(user_id, query, k=5):
    qvec = embed(query)
    rows = conn.execute('''
        SELECT fact FROM semantic_facts
        WHERE user_id = %s
        ORDER BY embedding <=> %s LIMIT %s
    ''', (user_id, qvec, k))
    return [r[0] for r in rows]

facts = relevant_facts(user_id, user_question)
system = SYSTEM_PROMPT + '\n\nKnown facts:\n' + '\n'.join(facts)

事実を更新

事実が変わった場合はどうすればよいでしょうか。「Aliceは摂氏を好む」から「Aliceは現在、華氏を好む」への変更です。方法は2つあります。

古い事実を無効にする（updated_atを追加し、ソフトデリートする）
または、矛盾する事実を保存し、検索時に解決する

事実の整合

抽出時に、既存の事実との矛盾を確認します。

def reconcile(user_id, new_fact):
    similar = relevant_facts(user_id, new_fact, k=3)
    response = llm.invoke(f'Is the new fact ({new_fact}) consistent with existing facts ({similar})? If contradicting, return the obsolete one.')
    if response.has_contradiction:
        mark_obsolete(response.obsolete_id)
    save_fact(new_fact)

Confidence-Weighted Retrieval

rows = conn.execute('''
    SELECT fact FROM semantic_facts
    WHERE user_id = %s AND confidence > 0.6
    ORDER BY embedding <=> %s LIMIT %s
''', ...)

事実の減衰

「現在のプロジェクトはXです」のように、古くなる事実もあります。TTLを追加するか、時間の経過とともに信頼度を下げます。

UPDATE semantic_facts
SET confidence = confidence * 0.95
WHERE created_at < NOW() - INTERVAL '30 days';

プライバシーに関わる事実

保存前にPIIを暗号化します。健康や財務などの一部の事実には、さらに強固な保護が必要です。より厳格にアクセスを制限した別のテーブルに保存します。

ユーザーが編集できる事実

保存されている事実をユーザーに表示し、編集や削除ができるようにします。信頼を築き、不気味なメモリの誤りを減らせます。

ツールとしてのメモリ

エージェント自身が呼び出せるツールとして、メモリ操作を公開します。

tools = [
    {'name': 'remember_fact', 'description': 'Save a new fact about the user'},
    {'name': 'forget_fact', 'description': 'Remove a stored fact'},
    {'name': 'recall_facts', 'description': 'Search relevant facts for a query'}
]
import json
print(json.dumps(tools, indent=2))

LettaとMemGPT

Lettaフレームワーク（以前のMemGPT）は、エージェントのメモリを大規模に実装します。常にコンテキストに含まれる「core」メモリと、ベクトル検索する「archival」メモリを分離して扱います。

意味記憶とエピソード記憶

意味記憶はエピソード記憶とどのように異なりますか。

まとめ

ユーザーに関する事実をベクトルストアに保存し、各ターンで関連するK件を取得してシステムプロンプトに挿入します。矛盾を整合させ、時間の経過とともに信頼度を下げるか、期限切れにします。

よくある質問

「意味記憶（ベクトル化された事実）」レッスンは無料ですか？

はい。「意味記憶（ベクトル化された事実）」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agentsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agentsコースには全4レッスンが含まれています。

「意味記憶（ベクトル化された事実）」で何を学びますか？

エージェントがユーザーや世界について学んだ独立した事実を、ベクトルインデックスに保存します。ブラウザで直接実行するハンズオンコードでAI Agentsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

AI Agentsを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのAI Agentsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン2/4です。

「意味記憶（ベクトル化された事実）」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このAI Agentsレッスンでコードを書いて実行できますか？

はい。すべてのAI Agentsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← AI Agentsに戻る