Varför bwmem sover: minneskonsolidering i långlivade agenter
En AI-agent som bara lägger till nya minnen i en databas drunknar till slut i information. Konsolidering är steget de flesta hoppar över, men det är precis det som avgör om ett minnessystem fortfarande fungerar efter ett halvår.
Problemet med rent ackumulerande minnen
När en användare interagerar med en AI sparas mängder av detaljer: vad man åt till frukost, tillfälliga tankar, pågående projekt. Om allt sparas med samma prioritet i en vektor-databas händer tre saker:
- Sökbruset ökar. När databasen fylls med tusentals fragment matchar semantisk sökning gamla, irrelevanta eller utdaterade minnen.
- Motsägelser ignoreras. Om användaren bytte jobb i april påstår gamla minnen fortfarande att den förra anställningen gäller.
- Kostnaden exploderar. Kontextfönstret fylls med överflödig information som kostar tokens vid varje anrop.
Sömn och konsolidering
bwmem löser detta genom nattliga och veckovisa konsolideringspass, inspirerade av biologisk sömn:
- Episodiska minnen sammanfattas till permanenta deklarativa fakta.
- Dubbletter slås samman och motstridiga fakta uppdateras med tidsstämplar.
- Kopplingar i kunskapsgrafen stärks eller tonas ned beroende på hur ofta de återkallas.
Resultatet är en agent som minns vad som är viktigt, förstår tidsföljder och håller sitt minne rent och snabbt över månader och år.