【要約】AIエージェントは夜に夢を見て記憶を整理する — Perplexity Brainの設計と最小実装 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
AIエージェントの開発者が、セッションを跨いだ長期記憶の保持において、従来のRAGでは解決できない課題に直面している。単に会話ログを蓄積するだけでは、知識が構造化されず、エージェントが常に過去の情報を再解釈し続ける必要があるからだ。
- ・情報の断片化：ログをチャンクとして保存するだけでは、知識の「統合」ができない。
- ・文脈の飽和：ログを渡しすぎると、関連性の低い情報でコンテキストが埋まる。
- ・知識の矛盾：ユーザーの好みの変化や技術選定の変更が、古いログと混在する。
// Approach
著者は記憶を「検索対象」ではなく「継続的に編集されるドキュメント」と定義し、最小実装（mini-brain）を構築した。エージェントが自律的に知識を書き換え、整理する仕組みを導入している。
- ・Wiki構造の採用：記憶をMarkdown形式で保持し、Gitで版管理を行う。
- ・Dreamエージェント：バックグラウンドでセッションを要約し、知識ページへ事実を配置する。
- ・2種類のリンク：探索用の[[wikilink]]と、根拠を示す[cite:N]を分離する。
- ・多段検証ゲート：形式をチェックする決定論的検証と、矛盾をチェックする意味的検証を行う。
// Result
最小実装を通じて、設計の有効性と実運用における致命的な落とし穴が明らかになった。設計思想の正しさは証明されたが、実装の細部が精度を左右することが示された。
- ・検証精度の向上：プロンプトを修正し、正当な更新を拒絶する誤検知を解消した。
- ・知識の統合：選好の変化を「経緯」として保持しつつ、最新の状態を正典として維持できた。
- ・実務的課題の特定：日本語における字面一致検索の限界や、状態管理の重要性を提示した。
Senior Engineer Insight
> 記憶をファイルとして扱う設計は、Gitによる監査可能性やコスト削減の面で極めて合理的だ。しかし、実戦投入には「検索の質」と「状態管理」の設計が不可欠である。日本語環境では単純なgrepは機能せず、SQLite FTS5等の全文検索エンジンが必須となる。また、バックグラウンド処理における「再試行」と「失敗」の厳密な状態遷移を設計しなければ、記憶の「静かな欠落」を招く。配管部分の堅牢性が、エージェントの信頼性を左右する。