Context Engineering 2026年4月12日

メモリシステム設計 — 短期・長期・エピソード記憶の使い分け

LLMエージェントのメモリシステムを、短期記憶・長期記憶・エピソード記憶・手続き記憶の4層で設計する方法を実践的に解説します。

#context-engineering #memory #agent #episodic-memory #semantic-memory

なぜメモリシステムが必要か

LLMのコンテキストウィンドウは「ワーキングメモリ」に相当します。会話が長くなるとコンテキストが溢れ、古い情報が失われます。メモリシステムは、この制約を克服し、エージェントが過去の経験から学び、一貫した行動を取るための仕組みです。

2026年のICLR Workshopでも「Memory for LLM-Based Agentic Systems（MemAgents）」が採択されるなど、LLMのメモリ設計は活発な研究分野です。

メモリの4層モデル

人間の記憶モデルに倣い、LLMエージェントのメモリは4つのタイプに分類されます。

┌────────────────────────────────────────┐
│         ワーキングメモリ（短期）          │ ← コンテキストウィンドウ
├────────────────────────────────────────┤
│                                        │
│   ┌──────────┐  ┌──────────┐          │
│   │エピソード │  │セマンティ│          │ ← 長期記憶ストレージ
│   │  記憶    │  │ック記憶  │          │
│   └──────────┘  └──────────┘          │
│          ┌──────────┐                  │
│          │手続き記憶 │                  │
│          └──────────┘                  │
└────────────────────────────────────────┘

1. ワーキングメモリ（短期記憶）

現在の会話コンテキストそのものです。直近のやり取り、現在のタスク状態、アクティブな推論内容を保持します。

interface WorkingMemory {
  conversationHistory: Message[];  // 直近の会話履歴
  currentTaskState: TaskState;     // 実行中タスクの状態
  scratchpad: string;              // 推論の中間結果
  activeTools: ToolContext[];      // 使用中のツール情報
}

特徴: 高速アクセス、容量制限あり（コンテキストウィンドウサイズ）、セッション終了で消失

2. エピソード記憶

「何が起きたか」を記録する時系列の記憶です。過去の会話、タスクの実行結果、エラーの発生履歴などを保持します。

interface EpisodicMemory {
  timestamp: string;
  event: string;           // 何が起きたか
  context: string;         // どういう状況で
  outcome: string;         // 結果はどうだったか
  emotionalValence: number; // 重要度（-1〜1）
}

// 例
const episode: EpisodicMemory = {
  timestamp: "2026-04-10T14:30:00Z",
  event: "ユーザーがCSVエクスポート機能をリクエスト",
  context: "月次レポート作成中に手動コピーの手間を訴えた",
  outcome: "CSVエクスポートAPIを実装し、処理時間80%削減",
  emotionalValence: 0.9,
};

用途: 「前回このユーザーは何を求めていたか」「似たタスクで過去にどんな問題が起きたか」の参照

2025年の研究「Position: Episodic Memory is the Missing Piece for Long-Term LLM Agents」では、エピソード記憶が長期エージェントの成功に不可欠であると主張されています。

3. セマンティック記憶

「何がどういうものか」という知識・事実を格納する記憶です。エピソード記憶から抽出・一般化されたパターンや、外部から取り込んだ知識が該当します。

interface SemanticMemory {
  fact: string;
  confidence: number;      // 確信度（0〜1）
  source: string;          // 情報源
  lastVerified: string;    // 最終検証日
}

// 例
const facts: SemanticMemory[] = [
  {
    fact: "ユーザーはTypeScriptを好み、JavaScriptを避ける",
    confidence: 0.95,
    source: "過去5回の会話パターンから抽出",
    lastVerified: "2026-04-08",
  },
  {
    fact: "本番環境はCloudflare Workers上で動作",
    confidence: 1.0,
    source: "プロジェクト設定ファイル",
    lastVerified: "2026-04-01",
  },
];

用途: ユーザーの好み、プロジェクトのルール、ドメイン知識の保持

4. 手続き記憶

「どうやるか」というスキルやワークフローの記憶です。成功したタスク実行パターンを保持し、類似タスクで再利用します。

interface ProceduralMemory {
  taskType: string;
  steps: string[];
  preconditions: string[];
  successRate: number;
}

// 例
const procedure: ProceduralMemory = {
  taskType: "データベースマイグレーション",
  steps: [
    "1. 現在のスキーマをバックアップ",
    "2. マイグレーションファイルを作成",
    "3. ステージング環境でテスト実行",
    "4. 本番適用前にロールバック手順を確認",
    "5. メンテナンスウィンドウ内で本番適用",
  ],
  preconditions: ["DBへの書き込み権限", "バックアップストレージの空き容量"],
  successRate: 0.95,
};

用途: ソフトウェアエンジニアリングエージェントのビルド・デプロイ手順、定型的なワークフロー

ドメイン別のメモリ重要度

2026年の調査研究によると、ドメインによって重要なメモリタイプが異なります。

ドメイン最重要メモリ理由
パーソナルアシスタントセマンティック記憶ユーザーの好み・習慣の理解が核心
ソフトウェアエンジニアリング手続き記憶ビルド・テスト・デプロイの手順の再現性
ゲームエージェントエピソード＋手続き過去の戦略と実行スキルの統合
カスタマーサポートエピソード＋セマンティック過去の問い合わせ履歴と製品知識

メモリの統合と記憶固定

エピソードからセマンティックへの変換

個別のエピソード（出来事）からパターンを抽出し、汎用的な知識に変換するプロセスです。

def consolidate_episodes(
    episodes: list[EpisodicMemory],
    min_occurrences: int = 3
) -> list[SemanticMemory]:
    """繰り返されるパターンをセマンティック記憶に変換"""
    patterns = extract_patterns(episodes)
    semantic_memories = []

    for pattern, occurrences in patterns.items():
        if len(occurrences) >= min_occurrences:
            semantic_memories.append(SemanticMemory(
                fact=pattern,
                confidence=len(occurrences) / len(episodes),
                source=f"{len(occurrences)}回のエピソードから抽出",
                lastVerified=max(e.timestamp for e in occurrences),
            ))

    return semantic_memories

メモリブラインドネスの回避

現在の最大の課題は「メモリブラインドネス」です。エージェントが、必要な情報がコールドストレージに存在することを知らないために活用できない問題です。

対策として:

  1. メモリインデックスの要約: 長期メモリの内容を要約したインデックスをワーキングメモリに常駐
  2. クエリの自動拡張: ユーザーの質問から関連メモリを能動的に検索
  3. メモリのタグ付け: カテゴリ別のタグで検索性を向上

実践ポイント

  1. まずワーキングメモリの管理から始める: 会話履歴の要約と古いターンの圧縮
  2. セマンティック記憶は明示的に管理する: CLAUDE.mdやプロジェクトルールファイルがその好例
  3. エピソード記憶は選択的に記録する: すべてを記録せず、重要度の高いイベントのみ
  4. メモリの鮮度を管理する: 古い記憶は定期的に検証し、陳腐化したものを更新・削除する
  5. 2層で十分な場合が多い: MVP段階ではワーキングメモリ＋セマンティック記憶の2層で開始し、必要に応じてエピソード記憶を追加する

参考リンク