エンベディングメモリバックエンド

エンベディングバックエンドは、メモリをベクトルエンベディングとして保存し、セマンティック類似度検索を可能にします。正確なキーワードが一致しなくても、文脈的に関連するメモリを見つけることができる最も強力なリコールメカニズムです。

概要

エンベディングバックエンドは:

• メモリテキストを密なベクトル表現に変換
• ローカルまたはリモートのベクトルデータベースにベクトルを保存
• 現在のクエリとのコサイン類似度でメモリを検索
• 複数のエンベディングプロバイダーをサポート（Ollama、OpenAI 等）

仕組み

1. メモリが保存されると、テキストがエンベディングモデルに送信される
2. 結果のベクトルが元のテキストと共に保存される
3. リコール時に、現在のコンテキストがエンベッドされ、保存されたベクトルと比較される
4. 最も類似度の高い Top-K のメモリが返される

設定

[memory]
backend = "embeddings"

[memory.embeddings]
provider = "ollama"
model = "nomic-embed-text"
dimension = 768
top_k = 10
similarity_threshold = 0.5

[memory.embeddings.store]
type = "sqlite-vec"  # or "pgvector"
path = "~/.local/share/openprx/embeddings.db"

サポートされるエンベディングプロバイダー

プロバイダー	モデル	次元数
Ollama	nomic-embed-text	768
OpenAI	text-embedding-3-small	1536
OpenAI	text-embedding-3-large	3072

関連ページ

• メモリシステム概要
• SQLite バックエンド
• メモリハイジーン