AI エージェントが記憶を検索する方法

前回のビデオでは、AI エージェントがメモリを保存する方法について説明しました。しかし、保管するだけでは問題の半分にすぎません。この記事では、エージェントが適切なタイミングで適切なメモリを取得する方法について詳しく説明します。キーワード検索、セマンティック検索、ハイブリッド検索、再ランキングについて説明し、次に OpenClaw が SQLite、BM25、およびベクトル埋め込みを使用してこれらすべてを実際に実装する方法を詳しく説明します。 --- *学習内容:* - キーワード検索 (grep、BM25) とセマンティック検索 (埋め込み、ベクトルの類似性) がそれぞれどのように機能するか、およびそれらがどこで機能するか - ハイブリッド検索が両方のアプローチ単独に勝る理由、および加重融合と相互ランク融合が結果をどのように組み合わせるか - 再ランキングとは何か、いつ使用するか、コストと遅延のトレードオフ - 実稼働エージェントのメモリ システムがどのようにチャンクを保存し、FTS5 でインデックスを作成し、 sqlite-vec を使用し、ハイブリッド検索を並行して実行します - 2 段階のメモリ パターン: 検索してから取得し、コンテキスト ウィンドウをリーンに保つ理由 - インクリメンタル同期の仕組み: ファイル ウォッチャー、コンテンツ ハッシュ、埋め込みキャッシュ、完全な再インデックス トリガー --- *全シリーズを見る:* - パート 1: AI エージェントが物事を記憶する方法 (書き込みパス) → https://youtu.be/Seu7nksZ_4k - パート 2: AI エージェントが自分のコンテンツを検索する方法メモリ (このビデオ) OpenClaw を実際のケーススタディとして使用します。これは、これらのパターンを実際に示すクリーンなオープンソース実装です。 --- *言及されているリソース:* - OpenClaw: https://github.com/openclaw/openclaw - SQLite FTS5 ドキュメント: https://www.sqlite.org/fts5.html - sqlite-vec 拡張機能: https://github.com/asg017/sqlite-vec - OpenAI Embeddings API: https://platform.openai.com/docs/guides/embeddings - QMD by Toby Lutke: https://github.com/tobi/qmd - pgvector (Postgres ベクター拡張機能、代替として言及): https://github.com/pgvector/pgvector - Pinecone (専用ベクトル データベース、代替として言及): https://www.pinecone.io Claude ワークフローと AI エンジニアリング ノートの完全なコレクションを入手してください。 https://www.damiangalarza.com/newsletter?utm_source=youtube&utm_medium=video&utm_campaign=ai-agents-search-memory --- *タイムスタンプ:* - 0:00 - 検索の問題 - 0:35 - キーワード検索: grep と BM25 - 1:12 - セマンティック検索と埋め込みの仕組み - 2:04 - ベクトル データベースそして最近傍検索 - 3:41 - セマンティック検索が失敗する場所 - 4:05 - ハイブリッド検索: キーワードとセマンティックの組み合わせ - 4:18 - 加重融合と逆順位融合 - 5:01 - 再ランキング: 精度と速度のトレードオフ - 6:12 - OpenClaw の実装ウォークスルー - 7:10 - 埋め込みプロバイダーと自動選択 - 8:08 - SQLiteスキーマ: FTS5、sqlite-vec、および埋め込みキャッシュ - 9:33 - 検索パイプラインのステップバイステップ - 10:54 - メモリツール: 検索と取得 - 11:08 - 2 ステップパターンがコンテキストウィンドウの無駄を省く理由 - 11:40 - インクリメンタル同期およびインデックス作成パイプライン - 12:44 - まとめ --- *自己紹介:* 私はソフトウェアの Damian Galarza です。エンジニアリング リーダーであり、SaaS 製品の構築に 15 年以上携わる元 CTO。私は実践的な AI エンジニアリング チュートリアルを作成し、エージェント アーキテクチャ、LLM アプリケーション、実稼働 AI システムの構築について学んだことを共有しています。 *接続:* - ニュースレター: https://www.damiangalarza.com/newsletter?utm_source=youtube&utm_medium=video&utm_campaign=ai-agents-search-memory - LinkedIn: https://linkedin.com/in/dgalarza - ブログ: https://www.damiangalarza.com #AIAgents #VectorSearch #RAG #SemanticSearch #OpenClaw