[P] エビングハウスの忘却曲線をAIエージェントの検索へ適用する -- 生物学的にインスパイアされた記憶システム

AIエージェントの検索システムの多くは、年齢、アクセス頻度、文脈的重要性に関係なく、インデックスされたすべてのコンテンツを等しく利用可能として扱います。これは実際の記憶システムがどのように機能するかを反映していません。

私は claude-memory を作りました。これは生物学的な記憶モデルをハイブリッド検索の上に重ねるオープンソースの Python パッケージです（ChromaDB によるベクトル類似度と BM25 キーワードスコアリングを組み合わせたもの）。認知科学から着想を得た5つのメカニズムが検索結果を再ランク付けします:

1. 時間的減衰 — エビングハウスの忘却曲線に基づいてモデル化された。関連度スコアは最後にアクセスしてからの経過時間の関数として減衰します
2. エバーグリーン免除 — 指定された重要文書は減衰の対象外（高度に統合された長期記憶に類似）
3. 顕著性重み付け — メタデータ駆動の重要性信号が減衰率を調整します
4. 検索強化 — 各アクセスイベントは文書のスコアを上げ、テスト効果をモデル化します
5. 統合ボーナス — 定期的な要約ノートで言及・参照される文書は強化を受け、レビュー中の記憶統合に類似します

このシステムには増分更新用の SHA-256 を用いたデルタ同期インデクサと、統合機構を強化する定期ノート生成器が含まれています。

125件のテストが通過しています。MITライセンス。減衰モデルのパラメータ設定や、エビングハウス曲線が代替の忘却関数より適切な選択かどうかについてのフィードバックを募集しています。