Memori

Memori Memori Labs が提供するオープンソースのエージェント ネイティブ メモリ レイヤーです。会話と実行トレース (ツール呼び出し、ワークフロー ステップ、意思決定、結果、失敗) を観察し、選択した信号を構造化された永続的なメモリに変換します。後で、アプリケーションまたはエージェントは、トランスクリプト全体を再生する代わりに、範囲を限定した小規模なメモリのセットを取得できます。

これはドキュメント RAG とは別のジョブです。 RAG は通常、「ソース コーパスは何を言っているのか?」という質問に答えます。エージェントの記憶はまた、「何が、誰に、どのプロジェクトで、いつ、どのような結果をもたらしたのか、そしてそれは依然として真実なのか?」にも答えなければなりません。 Memori の値は、多くのファクトを保存することよりも、選択的に書き込み、ユーザーとプロジェクトを分離し、修正を解決し、系統を保持し、適切なタイミングで呼び出し、確実に削除することに依存します。

実行トレースからリコールされたコンテキストまで

 会話 + エージェント トレース + ツールの結果
                    |
                    v
        サニタイズ / 属性 / 正規化
                    |
          記憶に値するものを採点する
                    |
       .-----------+---------------。
       vvv
    事実 出来事/結果 決定/パターン
       「-----------+---------------」
                    v
          構造化メモリストア
 エンティティ/プロジェクト/プロセス/セッション/ソース/時間
                    |
         ランク: 関連性 + 最新性 + シグナル + 減衰
                    |
                    v
           最小の有用な再現率
                    |
         修正/置き換え/削除

生のトレースが入力されますが、必ずしも最終的なメモリ オブジェクトである必要はありません。製品の説明には、取り込みは非同期であると記載されています。ツールのアクティビティと会話は、応答パスを遅らせることなく、対話後に正規化、スコアリング、抽出できます。永続的なプリミティブがエンティティ、プロジェクト、セッション、ソース、信号、タイムスタンプ、結果などのメタデータを伝送している間、生のトレースは監査に利用可能なままになる場合があります。

Memori とは何か、そしてそうでないもの

確率的記憶を残高、許可、命令、医学的事実、または法的地位の記録システムとして使用しないでください。これらは権限のあるアプリケーション テーブルに属しており、決定時にフェッチする必要があります。 Memori は、設定、以前の試み、結果、再利用可能なワークフローの知識、出所を示すことができるコンテキスト シグナルに適しています。

重要なアーキテクチャの選択

オープンソース アーキテクチャは、LLM、フレームワーク、データストアに依存しないと説明されています。アトリビューションはメモリをエンティティとプロセスに限定します。拡張により、生のアクティビティが構造化された記憶に変わります。想起では、意味的な関連性、ランキング、および減衰が使用されます。ラッパーは、選択したコンテキストを後のモデル呼び出しに挿入できます。この設計は、Memori クラウドと個人データベースの持ち込みパスをサポートしています。

トレース由来の記憶が情報を追加できる理由

トランスクリプトには「CSV パーサーを使用して再試行します」と表示される場合がありますが、トレースにより、どのパーサーが実行されたか、どのファイルが失敗したか、エラー、フォールバック、出力が検証に合格したかどうかが明らかになります。実行パスをキャプチャすると、会話の要約が失われたという因果関係の証拠を保存できます。有用な例には、特定の環境下で繰り返し失敗するデプロイ コマンド、古い行を返したデータ ソース、エスカレーションによってケースが解決されたサポート ワークフローなどがあります。

書き込みポリシーには、耐久性、実用性、および適切な感度が必要です。 「ユーザーがダークモードを選択した」は耐久性があるかもしれません。 「ユーザーは現在怒っています」というメッセージは一時的であり、潜在的に有害です。 「転送が完了しました」は、エージェントの最後の文から推測されるのではなく、トランザクション システムに対して検証される必要があります。

インテリジェントなリコールと「トークンレス」言語

Memori 資料では、ターゲットを絞ったエージェント制御のリコールと、大規模なプロンプト ダンプの回避を強調しています。実際的な意味は、メモリのトークン コストが文字通りゼロということではありません。最終的に LLM コンテキストに挿入されるテキストはトークンを消費します。むしろ、エージェントは必要な場合にのみ呼び出しツールを呼び出すことができ、取得により完全な履歴を継続的に挿入する代わりにコンパクトな結果を返すことができます。ストレージ、エンリッチメント、埋め込み、ツール呼び出しには依然としてコンピューティングコストと金銭的コストがかかります。

ベンチマークの主張をどう解釈するか

Memori は、クエリあたり 1,294 個のトークンを使用した LoCoMo で 81.95% の精度を報告し、そのコンテキストがフルコンテキスト アプローチの約 5% であると説明しており、テスト済みのセットアップでは推論が最大 95.03% 節約されることを意味します。 LoCoMo は、長時間の会話の記憶に関する質問を評価するため、会話の想起に関連します。トレースに基づいた製品のポジショニングは、ベンチマークだけで証明される範囲を超えています。

数値を採用する前に、リポジトリのベンチマーク コード、データセット バージョン、ジャッジ、モデル、ベースライン、トークン カウント、実行数を検査してください。検索精度と最終回答精度を分離します。費用請求には、最終回答プロンプトのトークンだけでなく、拡張、埋め込み、ストレージ、リコール呼び出し、再試行も含める必要があります。ベンダー ベンチマークは再現可能な証拠として役立ちますが、SLA やスキーマや言語のパフォーマンスの証明ではありません。

BYODB 対 Memori クラウド

「独自のデータベースの持ち込み」は、必ずしも「すべての処理がネットワーク内に留まる」ことを意味するわけではありません。未処理のトレース、抽出されたメモリ、埋め込み、テレメトリ、およびサポート アクセスをカバーするデータ フロー ダイアグラムを取得します。個人データが保存されている場合は、アクセス/削除リクエストをすべての派生コピー、ベクター、キャッシュ、バックアップ、およびエクスポートされたトレースにマッピングします。

メモリのセキュリティとプライバシーの脅威モデル

本番環境に対応したメモリ契約

自動キャプチャを有効にする前にコントラクトを定義してください。すべてのメモリには、所有者、テナント/エンティティ、プロジェクト/プロセス、タイプ、ソース ポインタ、作成時刻、信頼性、機密性、有効期限、ライフサイクル ステータス、および削除識別子が必要です。契約には、どのタイプが保存されないか、どのタイプがユーザーの同意を必要とするか、どのタイプが自動的に呼び出せるか、どのタイプが権威システムから取得する必要があるかを明記する必要があります。

 許可: 設定、検証済みの結果、再利用可能なタスク手順
 拒否: 資格情報、生の支払い/健康記録、非表示のシステム プロンプト
 権限: アプリケーション DB > 検証されたユーザー修正 > ツールの結果 > モデル推論
 リコール: テナント + プロジェクトが必要です。返されたソースとタイムスタンプ
 ライフサイクル: 提案 -> アクティブ -> 置き換え/期限切れ/削除
 削除: メモリ + 埋め込み + キャッシュ + トレース ポインタ + バックアップ スケジュール

4週間の評価プラン

1. 1 週目 — ベースライン。 最近の事実、古い事実、修正、複数セッションの結果、および「記憶が存在しない」ケースにわたる 50 の実際の質問を収集します。全履歴ベースラインと単純なベクトル RAG ベースラインを測定します。
2. 第 2 週 — 書き込みの品質。 代表的なトレースを実行し、どの観測値をメモリにする必要があるかをラベル付けし、抽出精度/リコール、機密データの漏洩、鮮度遅延を計算します。
3. 第 3 週 — リコール品質。 フィルター、ランキング、減衰、引用、矛盾、多言語クエリ、敵対的なテナント ID をテストします。最終的な回答を測定する前に、関連するコンテキストの精度を記録します。
4. 第 4 週 — 手術。 書き込み/リコールの負荷テスト、拡張ワーカーの停止、認証情報のローテーション、バックアップの復元、データのエクスポート、完全な削除の実行。実際のワークロードに価格を設定します。

規制された用途や影響の大きい用途では、しきい値を厳しくする必要があります。棄権も測定します。優れたシステムは、意味的に類似したフィクションを検索するのではなく、「信頼できる記憶が見つかりません」と表示する必要があります。

代替案

よくある質問

Memori はベクトル データベースを置き換えますか?

いいえ。これは、ストレージおよび取得インフラストラクチャを使用できるメモリのライフサイクルおよび統合レイヤーです。追加される重要な作業は、帰属、構造化、ランキング、系統、および拡張です。

チャットからしか学べないのでしょうか？

いいえ。現在の位置付けには、エージェントの実行トレース、ツールのアクティビティ、ワークフローの決定、結果と失敗が会話とともに明示的に含まれています。

リコールは本当にトークンフリーなのでしょうか?

オンデマンド ツール リコールでは常にメモリの注入を回避できますが、LLM によって使用される返されたテキストはコンテキスト トークンを消費します。検索と記憶構築のコストを合計に含めます。

Memori は信頼できるビジネス状態を保存できますか?

それに関するコンテキストを保存できますが、重要な現在の状態は信頼できるアプリケーション データベースに保持され、アクション時に検証される必要があります。

修正はどのように機能する必要がありますか?

系統を保持し、検証された新しい値を正規としてマークし、通常のリコールから古い値を抑制し、ポリシーが許可する場合にのみ履歴を保持します。

Memori を最初に採用するのは誰ですか?

長時間実行されるマルチユーザー エージェントのチーム。そのエージェントの測定可能な障害は、実行コンテキストの喪失に起因しており、重大なプライバシーと評価プログラムを運用できます。

出典と検証

• 公式 Memori 製品サイト
• 公式オープンソース リポジトリ
• 公式 BYODB アーキテクチャ ドキュメント
• 公式エージェント トレースの概要とデモ
• 公式ベンチマークページ
• 公式リポジトリのベンチマークコードと資料
• Memori 技術文書
• Product Huntの発売とメーカー説明
• OWASP LLM アプリケーションのセキュリティ ガイダンス

最終レビュー日は 2026 年 7 月 26 日です。アーキテクチャ、クラウド計画、ベンチマーク結果、統合は変更される可能性があります。運用環境で使用する前に、現在のドキュメント、用語、およびコードを確認してください。