Memora scales agent memory to boost long-horizon productivity
At a glance Today’s AI agents don’t remember past interactions. They must repeatedly be fed relevant information or retrieve it from external sources, which becomes less efficient as they handle longer and more complex tasks. To scale agent capabilities, we need a more efficient way to retain and access information over time. Memora is a scalable memory system that dramatically increases agent pro
エージェント向けメモリフレームワーク「honcho」を試す ① Quickstart
GitHubレポジトリ GitHubのREADMEから抜粋。翻訳はPLaMo翻訳。 referred from https://github.com/plastic-labs/honcho Honchoは、時間とともに変化する人々、エージェント、グループ、プロジェクト、アイデアを理解し、状態を保持するエージェントを構築するためのメモリインフラストラクチャです。 メッセージやイベントを保存し、Honchoがバックグラウンドで推論を行うように設定すれば、任意のモデルやフレームワークから、ピアの表現情報、セッションコンテキスト、検索結果、自然言語によるインサイトなどを取得できます。api.honcho.devで管理サービスとして利用することも、FastAPIサーバーを自身でホストすることも可能です。 Honchoをメモリシステムとして採用することで、エージェントの保持率向上、信頼性の向上が期待で
KarpathyのLLM Wiki完全解説：RAGを超える知識コンパイル設計とは
техbuddies.ioが「倉庫（RAG）vs 図書館（LLM Wiki）」と表現したのは的確だ。倉庫には大量のモノを詰め込める。しかし図書館は、本の位置を知っていて、読んでいて、書き直しながら体系を維持する司書がいる。 RAGは「検索して参照する」システムだ。LLM Wikiは「読んで書き込み、体系を育てる」システムだ。クエリのたびに知識が積み上がり、次のクエリがより豊かになる。この「知識のコンパイル」という概念こそが、LLM Wikiを単なる検索最適化と分かつ核心だ。 技術スタック：何を使って実装するか LLM Wikiを実装するために必要なツールは以下の通りだ。特別な商用サービスへの依存はなく、ローカル完結できる。 Obsidian：WikiのMarkdownファイルを閲覧・管理するビューア。グラフビューでバックリンクを可視化できる。 Obsidian Web Clipper：ブラ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://openai.com/index/chatgpt-memory-dreaming/
