クロードメモリ、エージェントスキル、持続的メモリツール

投稿はChatGPTとクロードメモリの設計を比較し、関連ツールの更新を報告しています。
Key insights
二つの異なるメモリパラダイム:インジェクション対オンデマンドリトリーバル
ChatGPTはインジェクションファーストのメモリ設計を使用しており、最近の対話の要約を事前に計算し、ユーザーメモリとメタデータを各プロンプトに注入してシームレスな連続性を提供します。一方、クロードは過去の対話の文脈が必要と判断したときのみ、conversation_searchやrecent_chatsなどのツールを呼び出すオンデマンドリトリーバルのパラダイムを採用しています。投稿はそれぞれの利点を比較しており、ChatGPTは流れと速度を優先し、クロードはリトリーバルの精度を重視しています。
ChatGPTの四層メモリ構造が明確化
ChatGPTのメモリアーキテクチャは、セッションメタデータ(一時的)、ユーザーメモリ(編集ツール付きの長期的事実)、最近の対話の要約(過去10~15回のユーザーのやり取りの軽量要約)、および現在のセッションウィンドウの四層であると説明されています。このシステムは、各対話のプロンプトにこれらの層を注入します。
クロードメムオープンソースがクロードコードのための持続的圧縮メモリを提供
クロードメムは、ツールコールの履歴をキャプチャし、意味的要約を圧縮し、ローカルにエントリを保存(SQLite + ベクトルDB)し、関連する履歴を新しいセッションに注入するためのオープンソースの持続的メモリ圧縮システムです。クロードコードのライフサイクルイベントにフックし、要約圧縮のためのバックグラウンドワーカーを実行し、ローカルウェブUIを提供し、トークンとコストの節約を主張しています。
ChatGPTがエージェントスキルパターンを採用し、組み込みスキルを提供
ChatGPTは、クロードのアプローチに類似したエージェントスキルメカニズムのサポートを追加したと報じられています。思考モデルを使用したテストプロンプトでは、Excel、Word、PDFの組み込みスキルとファイルシステムパスからファイルをパッケージ化する能力が示されており、モジュラーで文脈外から呼び出せるスキルコンポーネントを示唆しています。