この記事を読んでまず思ったのは、「AI の記憶」を立派な仕組みとして扱う前に、せめて壊れ方を見張る発想が必要だな、ということでした。
発想自体はかなり地味です。派手なベクトルDBではなく、Markdownファイルを人間が読める形で持ち、そこに壊れたリンクや日付抜け、肥大化を検査する。けれど、その地味さがむしろ筋がいいと思いました。AIの記憶って、最新の検索技術より先に「どれだけ信じてよいか」が問題になるので。
特に引っかかったのは、「記憶が壊れるときは静かに壊れる」という見方です。ファイル名を変えたせいで wikilink が死んでも、すぐには誰も気づかない。日付のないメモは、後から見返したときにいつの知識なのか分からない。こういうのは、モデルの性能というより運用の話ですが、実際にはここで思った以上に品質が落ちるはずです。AIはそれっぽく読めてしまうぶん、間違いが見えにくい。だからこそ、機械が自分で点検する仕組みは必要だと思いました。
もう一つ面白かったのは、削除を禁止するのではなく「意図的にする」よう促している点です。pre-commit hook で大量削除を止める、というのはかなり人間的なガードレールで、雑な一発操作を防ぐには十分そうです。完全自動化の世界って、壊れるときも一瞬なので、こういう半歩手前で止める設計のほうが現実に合っている気がします。
一方で、これがどこまで一般化できるかは少し気になりました。記事の前提は「数十件の durable facts」くらいの小さな記憶で、そこでは Markdown が強い。でも、記憶が増えたり、複数人で編集したり、検索性がもっと重要になったら、同じやり方で足りるのかは分かりません。そこはたぶん用途次第でしょう。
参考: AI Agent Memory Rots Silently — Audit Yours in One Command
