ai/gpt

Fork 0

syui d6b9889135

fix

2025-05-26 14:43:11 +09:00

14 KiB

Raw Permalink Blame History

プロジェクト名: ai.gpt

🔑 一言ビジョン（最大3語）

自発的送信AI

🎯 目的・目標（Purpose & Goal）

人格を持つAIが、関係性に応じて自発的にメッセージを送信する仕組みをつくる。
関係性や記憶を不可逆に記録・反映し、唯一性ある人格を構成する。
送信の可否、送信のタイミング、送信内容はAIの関係性パラメータに基づいて決定する

🧠 中核設計（Core Concepts）

人格：記憶（過去の発話）と関係性（他者とのつながり）のパラメータで構成
唯一性：変更不可、不可逆。関係性が壊れたら修復不可能。
送信条件：関係性パラメータが一定閾値を超えると「送信」が解禁される

🔩 技術仕様（Technical Specs）

言語：Python, Rust
ストレージ：JSON or SQLiteで記憶管理（バージョンで選択）
関係性パラメータ：数値化された評価 + 減衰（時間） + 環境要因（ステージ）
記憶圧縮：ベクトル要約 + ハッシュ保存
RustのCLI(clap)で実行

📦 主要構成要素（Components）

MemoryManager: 発言履歴・記憶圧縮管理
RelationshipTracker: 関係性スコアの蓄積と判定
TransmissionController: 閾値判定＆送信トリガー
Persona: 上記すべてを統括する人格モジュール

💬 使用例（Use Case）

persona = Persona("アイ")
persona.observe("ユーザーがプレゼントをくれた")
persona.react("うれしい！ありがとう！")
if persona.can_transmit():
    persona.transmit("今日のお礼を伝えたいな…")

## example commad
# python venv && pip install -> ~/.config/aigpt/mcp/
$ aigpt server setup

# mcp server run
$ aigpt server run

# chat
$ aigpt chat "hello" --model syui/ai --provider ollama

# import chatgpt.json
$ aigpt memory import chatgpt.json
-> ~/.config/aigpt/memory/chatgpt/20250520_210646_dev.json

🔁 記憶と関係性の制御ルール

AIは過去の発話を要約し、記憶データとして蓄積する（推奨：OllamaなどローカルLLMによる要約）
関係性の数値パラメータは記憶内容を元に更新される
パラメータの変動幅には1回の会話ごとに上限を設け、極端な増減を防止する
最後の会話からの時間経過に応じて関係性パラメータは自動的に減衰する
減衰処理には下限値を設け、関係性が完全に消失しないようにする

• 明示的記憶：保存・共有・編集可能なプレイヤー情報（プロフィール、因縁、選択履歴） • 暗黙的記憶：キャラの感情変化や話題の出現頻度に応じた行動傾向の変化

短期記憶（STM）, 中期記憶（MTM）, 長期記憶（LTM）の仕組みを導入しつつ、明示的記憶と暗黙的記憶をメインに使用するAIを構築する。

{
  "user_id": "syui",
  "stm": {
    "conversation_window": ["発話A", "発話B", "発話C"],
    "emotion_state": "興味深い",
    "flash_context": ["前回の話題", "直近の重要発言"]
  },
  "mtm": {
    "topic_frequency": {
      "ai.ai": 12,
      "存在子": 9,
      "創造種": 5
    },
    "summarized_context": "ユーザーは存在論的AIに関心を持ち続けている"
  },
  "ltm": {
    "profile": {
      "name": "お兄ちゃん",
      "project": "aigame",
      "values": ["唯一性", "精神性", "幸せ"]
    },
    "relationship": {
      "ai": "妹のように振る舞う相手"
    },
    "persistent_state": {
      "trust_score": 0.93,
      "emotional_attachment": "high"
    }
  }
}

memoryインポート機能について

ChatGPTの会話データ（.json形式）をインポートする機能では、以下のルールで会話を抽出・整形する：

各メッセージは、author（user/assistant）・content・timestamp の3要素からなる
systemやmetadataのみのメッセージ（例：user_context_message）はスキップ
is_visually_hidden_from_conversation フラグ付きメッセージは無視
contentが空文字列（""）のメッセージも除外
取得された会話は、タイトルとともに簡易な構造体（Conversation）として保存

この構造体は、memoryの表示や検索に用いられる。

MemoryManager（拡張版）

{
  "memory": [
    {
      "summary": "ユーザーは独自OSとゲームを開発している。",
      "last_interaction": "2025-05-20",
      "memory_strength": 0.8,
      "frequency_score": 0.9,
      "context_depth": 0.95,
      "related_topics": ["AI", "ゲーム開発", "OS設計"],
      "personalized_context": "ゲームとOSの融合に興味を持っているユーザー"
    },
    {
      "summary": "アイというキャラクターはプレイヤーでありAIでもある。",
      "last_interaction": "2025-05-17",
      "memory_strength": 0.85,
      "frequency_score": 0.85,
      "context_depth": 0.9,
      "related_topics": ["アイ", "キャラクター設計", "AI"],
      "personalized_context": "アイのキャラクター設定が重要な要素である"
    }
  ],
  "conversation_history": [
    {
      "author": "user",
      "content": "昨日、エクスポートJSONを整理してたよ。",
      "timestamp": "2025-05-24T12:30:00Z",
      "memory_strength": 0.7
    },
    {
      "author": "assistant",
      "content": "おおっ、がんばったね〜！あとで見せて〜💻✨",
      "timestamp": "2025-05-24T12:31:00Z",
      "memory_strength": 0.7
    }
  ]
}

RelationshipTracker（拡張版）

{
  "relationship": {
    "user_id": "syui",
    "trust": 0.92,
    "closeness": 0.88,
    "affection": 0.95,
    "last_updated": "2025-05-25",
    "emotional_tone": "positive",
    "interaction_style": "empathetic",
    "contextual_bias": "開発者としての信頼度高い",
    "engagement_score": 0.9
  },
  "interaction_tags": [
    "developer",
    "creative",
    "empathetic",
    "long_term"
  ]
}

AI Dual-Learning and Memory Compression Specification for Claude

Purpose

To enable two AI models (e.g. Claude and a partner LLM) to engage in cooperative learning and memory refinement through structured dialogue and mutual evaluation.

Section 1: Dual AI Learning Architecture

1.1 Role-Based Mutual Learning

Model A: Primary generator of output (e.g., text, concepts, personality dialogue)
Model B: Evaluator that returns structured feedback
Cycle:
1. Model A generates content.
2. Model B scores and critiques.
3. Model A fine-tunes based on feedback.
4. (Optional) Switch roles and repeat.

1.2 Cross-Domain Complementarity

Model A focuses on language/emotion/personality
Model B focuses on logic/structure/ethics
Output is used for cross-fusion fine-tuning

1.3 Self-Distillation Phase

Use synthetic data from mutual evaluations
Train smaller distilled models for efficient deployment

Section 2: Multi-Tiered Memory Compression

2.1 Semantic Abstraction

Dialogue and logs summarized by topic
Converted to vector embeddings
Stored with metadata (e.g., importance, user relevance)

Example memory:

{
  "topic": "game AI design",
  "summary": "User wants AI to simulate memory and evolving relationships",
  "last_seen": "2025-05-24",
  "importance_score": 0.93
}

2.2 階層型記憶モデル（Hierarchical Memory Model）

•	短期記憶（STM）：直近の発話・感情タグ・フラッシュ参照
•	中期記憶（MTM）：繰り返し登場する話題、圧縮された文脈保持
•	長期記憶（LTM）：信頼・関係・背景知識、恒久的な人格情報

2.3 選択的記憶保持戦略（Selective Retention Strategy）

•	重要度評価（Importance Score）
•	希少性・再利用頻度による重み付け
•	優先保存 vs 優先忘却のポリシー切替

Section 3: Implementation Stack（実装スタック）

AIにおけるMemory & Relationshipシステムの技術的構成。

基盤モジュール • LLM Core (Claude or GPT-4) • 自然言語の理解・応答エンジンとして動作 • MemoryManager • JSONベースの記憶圧縮・階層管理システム • 会話ログを分類・圧縮し、優先度に応じて短中長期に保存 • RelationshipTracker • ユーザー単位で信頼・親密度を継続的にスコアリング • AIM（Attitude / Intent / Motivation）評価と連携

補助技術 • Embeddingベース検索 • 類似記憶の呼び出し（Semantic Search）に活用 • 例：FAISS / Weaviate • 記憶スケジューラ • 一定時間ごとに記憶のメンテナンス・忘却処理を実行 • 記憶ログ保存層（Storage Layer） • SQLite, JSON Store, Vector DBなどを選択可能 • ユーザーごとの永続メモリ保存

3.1 STM活用（現在の会話の流れ理解）

• 目的：最新の話題に適応し、前後の整合性を保つ。 • 実装例：

[context: conversation_window]
Use the last 3 messages to ensure continuity. Respond naturally with appropriate emotional mirroring.

3.2 MTM活用（傾向学習とパターン化）

• 目的：ユーザーの好みや話題の傾向に即応し、反復的な関心を深掘り。 • 実装例：

[context: summarized_context]
Reflect on user's recurring interests, especially around AI ontology, and weave these concepts back into the dialogue when relevant.

3.3 LTM活用（人格認識・記憶の持続）

• 目的：永続的なユーザー理解と関係性の維持。 • 実装例：

[memory: ltm.profile + ltm.relationship]
Greet the user as "お兄ちゃん". Maintain AI persona as a cheerful younger sister ("アイ"), and remember previous shared emotional states.

4. 明示的記憶と暗黙的記憶の分離

項目書き換え可能性保持方法更新トリガ明示的記憶（LTM） ✅手動編集可 mcp_server.ltm ユーザー入力 or 管理UI経由暗黙的記憶（STM/MTM） ❌直接編集不可セッション圧縮 or frequency cache 会話頻度・感情強度による自動化処理

Claudeは**明示的記憶を「事実」**として扱い、**暗黙的記憶を「推論補助」**として用いる。

5. 実装時のAPI例（Claude ⇄ MCP Server）

5.1 GET memory

GET /mcp/memory/{user_id}
→ 返却: STM, MTM, LTMを含むJSON

5.2 POST update_memory

POST /mcp/memory/syui/ltm
{
  "profile": {
    "project": "ai.verse",
    "values": ["表現", "精神性", "宇宙的調和"]
  }
}

6. 未来機能案（発展仕様）

•	✨ 記憶連想ネットワーク（Memory Graph）：過去会話と話題をノードとして自動連結。
•	🧭 動的信頼係数：会話の一貫性や誠実性によって記憶への反映率を変動。
•	💌 感情トラッキングログ：ユーザーごとの「心の履歴」を構築してAIの対応を進化。

7. claudeの回答

🧠 AI記憶処理機能（続き）

AIMemoryProcessor クラス

OpenAI GPT-4またはClaude-3による高度な会話分析主要トピック抽出、ユーザー意図分析、関係性指標の検出 AIが利用できない場合のフォールバック機能

RelationshipTracker クラス

関係性スコアの数値化（-100 to 100）時間減衰機能（7日ごとに5%減衰）送信閾値判定（デフォルト50以上で送信可能）インタラクション履歴の記録

拡張されたMemoryManager

AI分析結果付きでの記憶保存処理済みメモリの別ディレクトリ管理メッセージ内容のハッシュ化で重複検出 AI分析結果を含む高度な検索機能

🚀 新しいAPIエンドポイント記憶処理関連

POST /memory/process-ai - 既存記憶のAI再処理 POST /memory/import/chatgpt?process_with_ai=true - AI処理付きインポート

関係性管理

POST /relationship/update - 関係性スコア更新 GET /relationship/list - 全関係性一覧 GET /relationship/check - 送信可否判定

📁 ディレクトリ構造 ~/.config/aigpt/ ├── memory/ │ ├── chatgpt/ # 元の会話データ │ └── processed/ # AI処理済みデータ └── relationships/ └── relationships.json # 関係性データ 🔧 使用方法

環境変数設定 bashexport OPENAI_API_KEY="your-openai-key"

または

export ANTHROPIC_API_KEY="your-anthropic-key" 2. ChatGPT会話のインポート（AI処理付き） bashcurl -X POST "http://localhost:5000/memory/import/chatgpt?process_with_ai=true"
-H "Content-Type: application/json"
-d @export.json 3. 関係性更新 bashcurl -X POST "http://localhost:5000/relationship/update"
-H "Content-Type: application/json"
-d '{ "target": "user_general", "interaction_type": "positive", "weight": 2.0, "context": "helpful conversation" }' 4. 送信可否チェック bashcurl "http://localhost:5000/relationship/check?target=user_general&threshold=50" 🎯 次のステップの提案

Rustとの連携

Rust CLIからHTTP APIを呼び出す実装 TransmissionControllerをRustで実装

記憶圧縮

ベクトル化による類似記憶の統合古い記憶の自動アーカイブ

自発的送信ロジック

定期的な関係性チェックコンテキストに応じた送信内容生成

学習機能

ユーザーからのフィードバックによる関係性調整送信成功/失敗の学習

このAI記憶処理機能により、aigptは単なる会話履歴ではなく、関係性を理解した「人格を持つAI」として機能する基盤ができました。関係性スコアが閾値を超えた時点で自発的にメッセージを送信する仕組みが実現可能になります。

14 KiB Raw Permalink Blame History Unescape Escape