Spectron

Spectronとは？

Spectronは、SurrealDB上に構築されたAIエージェント向けの早期プレビューのメモリ／ナレッジ層です。ドキュメント、会話、エンティティ、属性、関係、埋め込み、トレースを1つのACIDトランザクションで保存できるよう設計されており、エージェントの記憶が出所を保持し、別々のストアをつなぎ合わせずに済みます。

この製品は、エージェントシステム向けの型付き・provenance-firstなメモリに重点を置いています。ページによると、SpectronはSurrealDB Cloud上で動作し、データベースの上にステートレスなアプリケーション層として配置されています。コンテンツの取り込み、構造化データの抽出、関連する事実の接続、トレース可能なメモリ検索をサポートします。

主な機能

• すべての行に出所情報を保持: 事実、ドキュメント、会話、派生メモリにソースとトレース情報を保持し、回答元を確認できます。
• メモリ種別をまたぐ単一のACIDトランザクション: ドキュメント、会話、エンティティ、関係、埋め込み、トレースを1つのデータベーストランザクションに収め、ストア間の整合性問題を減らします。
• 上書きではなくsupersession: 新しい観測で古い事実を更新または上書きしつつ、何が変わったかの記録を保持します。
• 型付きメモリモデル: ページでは、authoritative、experiential、reconciliation、elaboration、reflection、consolidation、calibration、collective memoryといった個別のメモリカテゴリが説明されています。
• 検索とトレースのサポート: 深掘り記事では、ingest、supersession、hybrid retrieval、retrieval tracesが取り上げられており、読み取り内容を支えるメモリまで追跡できます。
• SurrealDB Cloud上に構築: SpectronはSurrealDB Cloud上で動作するものとして紹介されており、グラフ、ベクトル、ドキュメント、構造化レコードを1つのマネージド基盤にまとめています。

Spectronの使い方

利用者は、招待制プレビューのアクセスに参加して待機リストに登録するか、無料のSurrealDB Cloudインスタンスを作成して基盤を評価できます。ページには、招待アクセスが来る前にメモリモデルを理解し、システムの動作を見るためのアーキテクチャ深掘り記事と技術深掘り記事への案内もあります。

ユースケース

• 出所が追えるエージェントメモリ: 曖昧な埋め込みだけでなく、追跡可能なソース事実に基づいて質問に答える必要があるアシスタントを構築する。
• 会話とドキュメントの取り込み: チャットや文書を、後でクエリできる構造化されたエンティティと関係に変換する。
• ナレッジの整合性調整: 矛盾する、または更新された発言を記録し、古いメモリを黙って置き換えるのではなくsupersessionを追跡する。
• 複数インスタンス／複数エージェントのメモリ: スコープと出所を保ちながら、人、エージェント、インスタンス間で調整可能なメモリを共有する。
• 信頼性を重視する検索: calibrationとprovenanceデータを使い、システムが回答すべきか、回答を控えるべきか、不確実性を示すべきかを判断する。

FAQ

Spectronは一般提供されていますか？ いいえ。ページでは招待制プレビュー中であり、招待はローンチ週から毎週段階的に配布されると説明されています。

招待を受ける前に試せるものはありますか？ はい。ページによると、基盤はすでに提供されており、SurrealDB Cloudで無料で始めるか、アーキテクチャと技術の深掘り記事を読むことができます。

どのようなデータを扱いますか？ ページでは、ドキュメント、会話、エンティティ、属性、関係、埋め込み、トレースが挙げられています。

グラフデータとベクトルデータに別々のストアを使いますか？ いいえ。ページは、ベクトル、グラフ、行ストアをつなぎ合わせるのではなく、1つのACIDトランザクション対応データベースを強調しています。

代替案

• ベクトルデータベース＋アプリケーション層のメモリロジック: エージェントメモリの試作では一般的ですが、この方法ではストア間に断絶が生まれ、supersessionやトレーサビリティの維持が難しくなるとページは主張しています。
• 別のベクトルインデックスを持つグラフデータベース: 関係のたどりやすさが重要な場合に有用ですが、意味検索と出所追跡には依然としてストア間の調整が必要です。
• 従来のドキュメント／ナレッジベース: 型付きでトランザクション的に整合したエージェントメモリよりも、人間による閲覧やキュレーション済みコンテンツに適しています。
• 複数データベースで構成した独自のメモリパイプライン: 柔軟ですが、スキーマ、信頼、整合性の作業をアプリケーションコードに移し、基盤側に保持しません。