TasteBud-Gedächtnis: Reversible Agentenerinnerung durch hyperdimensionale Berechnung

TasteBud Memory ist ein reversibler Gedächtnisindex für KI-Agenten, der auf hyperdimensionaler Berechnung / vektoriellen symbolischen Architekturen (Kanerva) basiert. Anstatt Projektbeiträge in einer irreversiblen Summe zu vermischen (wie beim Mischen von Farben), erhält jedes Projekt einen deterministischen 4096-dimensionalen ±1-Vektor, und die Arbeit eines Tages wird als gewichtete Summe kodiert. Da zufällige hochdimensionale Vektoren nahezu orthogonal sind, können Skalarprodukte die Mischung wieder in ihre Bestandteile zerlegen – einschließlich der Erkennung unbekannter Zutaten.

Was es tut

• Verlustfreie Dekodierung: Aus dem Vektor eines Tages genau die beteiligten Projekte und deren Anteile wiederherstellen.
• Vollständige Suche: Alle Tage auflisten, die Projekt X betroffen haben (Embedding-Suche liefert Vertreter, nicht die vollständige Menge).
• Herkunftsverfolgung: Finden, wann ein Projekt gestartet ist, auch unter alten Namen.
• Mengendifferenzen: Was war im März aktiv, aber im Juni tot? (unmöglich mit Embeddings)
• Abwesenheitserkennung: Welche Arbeitsströme hatten nie eine Dokumentation?
• Erkennung unbekannter Zutaten: Meldet, wenn die Arbeit eines Tages ein Projekt enthält, das nicht im Codebuch steht – die 'Kochpalette'-Funktion.

Validierungsprotokoll

Vor dem Vertrauen wurde das Tool an der eigenen Geschichte des Autors getestet:

• Ein Ground-Truth-Dokument wurde eingefroren, und gegnerische Prüfagenten leiteten blind 31 von 92 Tagen neu ab – dabei wurden 2 echte Tagging-Fehler gefunden, 93,5 % Treue.
• Die Historie wurde mit aus dem Codebuch gelöschten bekannten Projekten wiederholt, um zu beweisen, dass der Detektor für unbekannte Zutaten sie erkannt hätte (Tag 0–2 in Backtests).
• Die echte Historie enthielt ein Projekt, das 13+ Tage lief, bevor es eine Dokumentation erhielt – die ursprüngliche Motivation.

Ehrliche Einschränkungen

• Die einfache Zusammensetzungstabelle erledigt die meiste Abfragearbeit. Die Vektorebene verdient sich ihre Existenz durch verlustfreie Dekodierung, Tagesähnlichkeit, Drift-Tracking und feste Kodierungsgröße.
• Das lokale Modell (Gemma 26B) fiel beim Tagging-Qualitätsgate durch (0,74 Übereinstimmung vs. 0,80 Schranke) – derzeit der benachrichtigte Fallback, großes Cloud-Modell ist nächtlicher Primärbetrieb.
• Dies ist ein Index, kein Zusammenfasser. Es ruft die Zutatenliste ab, nicht das Rezept.

Technische Details

• ~600 Zeilen abhängigkeitsfreies Node.js
• zwei JSON-Dateien für Persistenz
• MIT-Lizenz
• Enthält einen MCP-Server, sodass jede Agentenplattform ihn nutzen kann
• Fiktive Beispieldaten, sodass alle Befehle sofort nach dem Klonen funktionieren

Repository: github.com/Mikhail-Za/tastebud-memory. Methodikdokument (Kill-Gates, Backtest-Protokoll) befindet sich im Repository.