Mémoire gustative : Mémoire réversible d'agent via des vecteurs de calcul hyperdimensionnel

Tastebud Memory est un index de mémoire d'agent open source (GitHub) qui utilise l'informatique hyperdimensionnelle (HDC) pour encoder de manière réversible les journaux de travail quotidiens en vecteurs ±1 de dimension 4096. Chaque slug de projet génère un vecteur aléatoire quasi orthogonal ; la somme pondérée d'un jour est décomposée en appartenances à des projets via des produits scalaires — effectivement, comme séparer les couleurs d'un mélange de peinture.

Détails clés

• Aucune limitation de recherche par embedding. La HDC permet des requêtes impossibles avec la recherche vectorielle standard : "Lister TOUS les jours qui ont touché le projet X" (ensemble complet), "Quand X a-t-il commencé, y compris sous son ancien nom ?" (problème d'enterrement récent), "Qu'est-ce qui était actif en mars mais mort en juin ?" (différence d'ensembles), "Quels flux de travail n'ont jamais eu de documentation ?" (détection d'absence).
• Détection d'ingrédient inconnu ("palais du chef") : si le résidu vectoriel d'un jour a une forte énergie inexpliquée, le système signale un projet sans nom — testé rétroactivement pour détecter des projets aux jours 0-2 qui ont duré 13+ jours sans documentation.
• Protocole de test rétroactif : 31 des 92 jours ont été redérivés à l'aveugle par des agents vérificateurs adverses, fidélité de 93,5 %, 2 erreurs réelles de tagging détectées.
• Indépendant de la technologie : Node pur (600 lignes), deux fichiers JSON, aucune dépendance. Livré avec un serveur MCP pour que toute plateforme d'agent puisse l'utiliser, ainsi que des données d'exemple fictives pour tester les commandes immédiatement.
• Porte modèle : Gemma 26B a échoué la qualité de tagging (accord de 0,74 contre barre de 0,80) — recommandation : un grand modèle cloud comme modèle principal, des modèles plus petits comme alertes de secours.

Limitations honnêtes

La table de composition simple gère la plupart des requêtes courantes. La couche vectorielle apporte une valeur ajoutée pour le décodage sans perte (récupérer la liste exacte des projets à partir d'un jour), le suivi de dérive de similarité entre jours et un encodage de taille fixe — pas pour les recherches de base. Il s'agit d'un index, pas d'un résumeur ; il récupère les ingrédients, pas la recette.