シグネット：AIエージェントのためのオープンソース・ローカルファーストメモリ基盤

Signetが解決する課題

現在のほとんどのAIエージェントメモリシステムは、RAG（検索拡張生成）のように動作します：ユーザーメッセージ→メモリ検索→結果取得→回答。これは明示的なクエリには有効ですが、関連するコンテキストが暗黙的な場合には機能しません。

ソースからの例：

• 「新しいサービスのデータベースを設定して」は、PostgreSQLが既に選択されていたことを明らかにすべき
• 「私のトランスクリプトは拒否されました、私の名前では記録がありません」は、ユーザーが名前を変更したことを明らかにすべき
• 「8時30分の会議のためにアラームを何時に設定すべきですか？」は、通勤時間を明らかにすべき

問題は保存ではなく、これらのシステムが適切な過去のコンテキストを取得するのに十分なクエリ信号を含む現在のメッセージを待つことです。

Signetの仕組み

Signetは、次のアーキテクチャでエージェントループの外部でメモリを処理します：

• 生のトランスクリプトを保存
• セッションを構造化メモリに蒸留
• エンティティ、制約、関係をグラフにリンク
• グラフトラバーサル＋ハイブリッド検索で候補セットを構築
• プロンプト時の関連性で候補を再ランク
• 次のプロンプト開始前にコンテキストを注入

エージェントは何を保存するか、いつ検索するかを決定していません—すでに利用可能なコンテキストから開始します。これはクエリ依存の検索から常時想起へと移行します。

技術詳細

Signetは：

• ローカルファースト（SQLite＋マークダウン）
• 検査可能で修復可能
• Claude Code、Codex、OpenCode、OpenClawで動作

LoCoMoでは、現在8問のサンプルで87.5%の回答精度と100%のHit@10検索を達成しています。開発者はこれは小さなサンプルだが、アプローチが有望であることを示していると述べています。