ai/gpt

Files

Claude f2a02abf3e Organize repository structure: clean up root directory

Major reorganization to improve clarity and maintainability:

## Documentation
- Created new simple README.md focused on Layer 1
- Added docs/ARCHITECTURE.md explaining multi-layer design
- Moved LAYER1_REBUILD.md -> docs/LAYER1.md
- Archived old documentation to docs/archive/:
  - CHANGELOG.md, QUICKSTART.md, STATUS.md, USAGE.md
  - DESIGN.md, README_CONFIG.md, ROADMAP.md, TECHNICAL_REVIEW.md
  - claude.md, test-mcp.sh

## Source Code
- Moved unused .rs files to src/tmp/:
  - ai_interpreter.rs (Layer 2 - future)
  - companion.rs (Layer 4b - future)
  - game_formatter.rs (Layer 4a - future)
  - memory.rs (old implementation)
  - extended.rs (old MCP server)

## Result
Clean root directory with only essential files:
- README.md (simple, Layer 1 focused)
- Cargo.toml
- .gitignore
- docs/ (organized documentation)
- src/ (active code only)

All Layer 1 functionality remains intact and tested.

2025-11-05 18:24:38 +00:00

3.6 KiB

Raw Blame History

AI記憶システム設計書

コンセプト

AIの記憶装置は、人間の記憶に近い形で動作する。すべてを正確に記憶するのではなく、解釈して保存する。

従来の記憶システムとの違い

従来型

会話 → 保存 → 検索

新設計（心理優先記憶装置）

会話 → AI解釈 → 保存 → 検索
         ↓
    心理判定(1-100)
         ↓
    優先順位付け
         ↓
    容量管理

設計原理

解釈保存: 記憶する際はAIが解釈を加える
- 元のコンテンツと解釈後のコンテンツの両方を保持
- 「覚えること自体が創造」という考え方
心理判定: 各記憶に重要度スコア（1-100）を付与
- AIが自律的に判断
- ユーザー固有性を考慮
- 感情的重要度を評価
優先順位管理: スコアに基づく優先順位
- 高スコア = 重要な記憶
- 低スコア = 忘れられやすい記憶
容量制限: 人間の記憶のように限界がある
- 総容量制限（デフォルト: 100件）
- 単発保存容量制限
- 優先度が低いものから自動削除

データ構造

struct Memory {
    id: String,                      // UUID
    content: String,                 // 元のコンテンツ
    interpreted_content: String,     // AI解釈後のコンテンツ
    priority_score: f32,             // 心理判定スコア (0.0-1.0)
    user_context: Option<String>,    // ユーザー固有性
    created_at: DateTime<Utc>,       // 作成日時
    updated_at: DateTime<Utc>,       // 更新日時
}

実装機能

1. 心理判定機能

AI APIを使用して重要度を0.0-1.0で評価
判定基準:
- 感情的インパクト (0.0-0.25)
- ユーザーとの関連性 (0.0-0.25)
- 新規性・独自性 (0.0-0.25)
- 実用性 (0.0-0.25)

2. 保存機能

保存前にAI解釈を実行
心理判定スコアを自動付与
容量超過時は低スコアから削除

3. 検索機能

優先順位順にソート
スコアによるフィルタリング
セマンティック検索（オプション）

4. 容量管理

デフォルト最大: 100件
設定可能な上限
自動プルーニング（低スコア削除）

実装ステップ

Memory構造体の拡張
AI解釈機能の実装（OpenAI API使用）
心理判定機能の実装
容量管理機能の実装
ソート・フィルタリング機能の強化
MCPツールへの統合

設定例

{
  "max_memories": 100,
  "min_priority_score": 0.3,
  "auto_prune": true,
  "interpretation_enabled": true
}

スコアリングシステムの哲学

0.0-1.0のfloat値を採用する理由：

正規化: 機械学習やAIにとって扱いやすい標準形式
直感性: 0が最低、1が最高という明確な基準
精度: 0.75などの細かい値で微妙な重要度の差を表現可能
拡張性: 時間軸(0.0-1.0)や確率(0.0-1.0)などとの統合が容易

この設計は、「I + o」概念（oの周りを0.0-1.0の時間軸で表す）とも整合性がある。

ゲームのセーブデータとの類似性

Git = セーブ機能: バージョン管理
GitHub = クラウドセーブ: グローバルデータ共有
ATProto = データプロトコル: 分散型データ保存
AI記憶 = プレイヤー記憶: 経験の蓄積と解釈

ゲームのセーブデータも「プレイヤーの行動を解釈したデータ」として扱うことで、より意味のある永続化が可能になる。

3.6 KiB Raw Blame History Unescape Escape