Workspace Memory v2（オフライン）: 研究ノート¶

対象: Clawd スタイルのワークスペース（agents.defaults.workspace、既定は ~/.openclaw/workspace）で、「メモリ」は 1 日 1 Markdown ファイル（memory/YYYY-MM-DD.md）と、少数の安定ファイル（例: memory.md、SOUL.md）として保存されます。

本ドキュメントは、Markdown をレビュー可能な正規の唯一の正としつつ、派生インデックスにより 構造化された想起（検索、エンティティ要約、信頼度更新）を追加する オフライン ファースト のメモリ アーキテクチャを提案します。

なぜ変更するのか？¶

現行の構成（1 日 1 ファイル）は、次に優れています。

• 「追記のみ」のジャーナリング
• 人手での編集
• Git による耐久性 + 監査性
• 低摩擦な記録（「とにかく書く」）

以下の条件で弱い：

• 高い再現率の検索（「X について何を決めたか？」「前回 Y を試したのはいつ？」）
• 多数のファイルを読み返さずに行うエンティティ中心の回答（「Alice / The Castle / warelay について教えて」）
• 意見・嗜好の安定性（および変更時の根拠）
• 時間制約（「2025 年 11 月時点で何が真だったか？」）と競合解決 紛争の解決

設計目標¶

• オフライン: ネットワーク不要。ノート PC / Castle で動作。クラウド依存なし。
• 説明可能: 取得結果は帰属（ファイル + 位置）が明確で、推論と分離可能。
• 低儀式: 日次ログは Markdown のまま。重いスキーマ作業は不要。
• 段階的: v1 は FTS のみで有用。セマンティック / ベクター / グラフは任意の拡張。
• エージェント フレンドリー: 「トークン予算内での想起」を容易に（小さな事実バンドルを返す）。

ノーススター モデル（Hindsight × Letta）¶

ブレンドする 2 要素:

1. Letta / MemGPT スタイルの制御ループ

• 小さな「コア」を常にコンテキストに保持（ペルソナ + 主要なユーザー事実）
• それ以外はコンテキスト外に置き、ツール経由で取得
• メモリ書き込みは明示的なツール呼び出し（append/replace/insert）として行い、永続化後、次ターンで再注入

2. Hindsight スタイルのメモリ基盤

• 観測されたもの / 信じられているもの / 要約されたものを分離
• retain / recall / reflect をサポート
• 証拠に基づいて進化する信頼度付きの意見
• エンティティ認識の取得 + 時系列クエリ（完全な知識グラフがなくても）

提案アーキテクチャ（Markdown を正とし、派生インデックスを生成）¶

正規ストア（Git フレンドリー）¶

人が読める正規のメモリとして ~/.openclaw/workspace を保持します。

推奨ワークスペース構成:

~/.openclaw/workspace/
  memory.md                    # small: durable facts + preferences (core-ish)
  memory/
    YYYY-MM-DD.md              # daily log (append; narrative)
  bank/                        # “typed” memory pages (stable, reviewable)
    world.md                   # objective facts about the world
    experience.md              # what the agent did (first-person)
    opinions.md                # subjective prefs/judgments + confidence + evidence pointers
    entities/
      Peter.md
      The-Castle.md
      warelay.md
      ...

注記:

• 日次ログは日次ログのまま。JSON にする必要はありません。 JSONに変換する必要はありません。
• bank/ ファイルは キュレーション済み で、省察ジョブにより生成されますが、手動編集も可能です。
• memory.md は「小さく + コア寄り」のままにします。毎セッション Clawd に見せたい内容です。

派生ストア（機械的想起）¶

ワークスペース配下に派生インデックスを追加します（必ずしも Git 管理は不要）。

~/.openclaw/workspace/.memory/index.sqlite

バックエンド:

• 事実 + エンティティ リンク + 意見メタデータ用の SQLite スキーマ
• 語彙的想起のための SQLite FTS5（高速・小容量・オフライン）
• 任意でセマンティック想起用の埋め込みテーブル（オフライン）

このインデックスは常に Markdown から再構築可能 です。

Retain / Recall / Reflect（運用ループ）¶

Retain: 日次ログを「事実」に正規化¶

ここで重要な Hindsight の洞察は、極小スニペットではなく 物語的で自己完結した事実 を保存することです。

memory/YYYY-MM-DD.md の実践ルール:

• 一日の終わり（または途中）に、## Retain セクションを追加し、2～5 個の箇条書きを記載します。各箇条書きは:
• 物語的（ターンを跨ぐ文脈を保持）
• 自己完結（後から単独で読んで理解できる）
• タイプ + エンティティ言及でタグ付け

例:

## Retain
- W @Peter: Currently in Marrakech (Nov 27–Dec 1, 2025) for Andy’s birthday.
- B @warelay: I fixed the Baileys WS crash by wrapping connection.update handlers in try/catch (see memory/2025-11-27.md).
- O(c=0.95) @Peter: Prefers concise replies (<1500 chars) on WhatsApp; long content goes into files.

最小限のパース:

• タイプ接頭辞: W（world）、B（experience/biographical）、O（opinion）、S（observation/summary; 通常は生成）
• エンティティ: @Peter、@warelay など（スラッグは bank/entities/*.md にマップ）
• 意見の信頼度: O(c=0.0..1.0)（任意）

著者に考えさせたくない場合は、reflect ジョブがログ全体からこれらの箇条書きを推定できますが、明示的な ## Retain セクションを持つことが最も簡単な「品質レバー」です。

Recall: 派生インデックスに対するクエリ¶

想起は次をサポートすべきです。

• 語彙的: 「正確な用語 / 名前 / コマンドを探す」（FTS5）
• エンティティ: 「X について教えて」（エンティティ ページ + エンティティ連結事実）
• 時系列: 「11 月 27 日頃に何が起きたか」/「先週以降」
• 意見: 「Peter は何を好むか？」（信頼度 + 根拠付き） (信頼性+エビデンス付き)

戻り値の形式はエージェントに優しく、引用元にする必要があります。

• kind（world|experience|opinion|observation）
• timestamp（元の日付、または抽出された時間範囲）
• entities（["Peter","warelay"]）
• content（物語的な事実）
• source（memory/2025-11-27.md#L12 など）

Reflect: 安定ページの生成 + 信念の更新¶

リフレクションはスケジュールされた仕事 (毎日またはハートビート) です。それは次のようになります。

• 最近の事実から bank/entities/*.md（エンティティ要約）を更新
• 強化 / 反証に基づき bank/opinions.md の信頼度を更新
• 任意で memory.md（「コア寄り」の永続事実）への編集提案

意見の進化（シンプルで説明可能）:

• 各意見は次を持ちます。
• 文
• 信頼度 c ∈ [0,1]
• last_updated
• 証拠リンク（支持 + 反証の事実 ID）
• 新しい事実が到着したら:
• エンティティ重なり + 類似度（まず FTS、後に埋め込み）で候補意見を探索
• 小さなデルタで信頼度を更新。大きな変化には強い反証 + 反復した証拠が必要

CLI 統合: スタンドアロン vs 深い統合¶

推奨: OpenClaw への深い統合。ただし分離可能なコア ライブラリは維持します。

なぜ OpenClaw に統合するのか？¶

• OpenClaw は既に次を把握しています。
• ワークスペース パス（agents.defaults.workspace）
• セッション モデル + ハートビート
• ロギング + トラブルシューティングのパターン
• エージェント自身がツールを呼び出すようにします。
• openclaw memory recall "…" --k 25 --since 30d
• openclaw memory reflect --since 7d

なぜライブラリは分けるのか？¶

• Gateway / ランタイムなしでメモリ ロジックをテスト可能にするため
• 他の文脈（ローカル スクリプト、将来のデスクトップ アプリなど）で再利用するため

形状: メモリ ツール群は小さな CLI + ライブラリ層を想定していますが、これは探索的な位置付けです。

「S-Collide」/ SuCo: いつ使うべきか（研究）¶

「S-Collide」が SuCo（Subspace Collision） を指す場合、これは部分空間での学習 / 構造化された衝突を用いて、再現率とレイテンシのトレードオフを狙う ANN 検索手法です（論文: arXiv 2411.14754、2024 年）。

~/.openclaw/workspace に対する実践的な見解:

• SuCo から 始めない。
• SQLite FTS +（任意で）単純な埋め込みから始める。即座に多くの UX 改善が得られます。
• 次の条件を満たした場合にのみ、SuCo / HNSW / ScaNN クラスの解決策を検討します。
• コーパスは大きい(10/数十万のチャンク)
• 総当たりの埋め込み検索が遅くなってきた
• 語彙検索が再現率のボトルネックになっている

オフライン フレンドリーな代替（複雑度が低い順）:

• SQLite FTS5 + メタデータ フィルタ（ML なし）
• 埋め込み + ブルート力 (チャンク数が少ない場合、驚くほど遠くまで動作します)
• HNSW インデックス（一般的で堅牢。ライブラリ バインディングが必要）
• SuCo（研究グレード。組み込み可能な堅実な実装があれば魅力的）

未解決の問い:

• ノート PC + デスクトップで動かす「パーソナル アシスタント メモリ」に最適な オフライン 埋め込みモデルは何か？
• 既に Ollama があるならローカル モデルで埋め込み。なければ小さな埋め込みモデルをツールチェーンに同梱。

最小で有用なパイロット¶

最小構成で、それでも有用にするなら:

• bank/ のエンティティ ページと、日次ログ内の ## Retain セクションを追加。
• 出典（パス + 行番号）付きで SQLite FTS による想起を使用。
• 再現率やスケールが要求された場合にのみ埋め込みを追加。

参考文献¶

• Letta / MemGPT の概念: 「コア メモリ ブロック」+「アーカイブ メモリ」+ ツール駆動の自己編集メモリ。
• Hindsight 技術レポート: 「retain / recall / reflect」、四層メモリ、物語的事実抽出、意見の信頼度進化。
• SuCo: arXiv 2411.14754（2024 年）: 「Subspace Collision」近似最近傍検索。