Реляционная память для LLM: Трехуровневая система моделирует взаимоотношения с пользователем

Relational Memory — это прототип на Python из 500 строк, который добавляет LLM, таким как Claude Opus и GPT-4o, память, учитывающую отношения. Вместо хранения фактов о пользователях он моделирует само отношение по семи психологическим измерениям, выведенным из устоявшихся моделей.

Как это работает

После каждого сеанса вторичная LLM (Claude Haiku) анализирует полный разговор и оценивает отношения по семи измерениям: формальность, теплота, юмор, глубина, доверие, энергия и устойчивость. Система использует экспоненциальное скользящее среднее (EMA) для обновлений, придавая больший вес последним сеансам, сохраняя при этом исторический контекст.

Трёхуровневая структура памяти

Каждые пять сеансов «агент времени сна» консолидирует память в три нарративных слоя:

• Базовый тон: Портрет того, кем является пользователь (срок жизни: месяцы)
• Паттерны: Поведенческие правила «если-то», например: «когда ИИ становится поверхностным, пользователь отвечает более острыми вопросами» (срок жизни: недели)
• Якоря: Переломные моменты, сформировавшие отношения (долгосрочное удержание)

Файлы памяти хранятся в виде обычного markdown, который пользователи могут читать напрямую. Система намеренно забывает паттерны, не подтверждённые недавними данными, чтобы предотвратить иллюзию идеального запоминания.

Ключевая особенность: Измерение устойчивости

Устойчивость отслеживает, сколько честного трения могут выдержать отношения. При высокой устойчивости ИИ возражает, когда не согласен. При низкой устойчивости он формулирует возражения как вопросы. Это позволяет ИИ знать не только предпочтения пользователя, но и то, может ли он вынести, когда ему говорят, что он не прав.

Практическая реализация

Установка и настройка:

pip install git+https://github.com/spectator81-png/relational-memory.git
export ANTHROPIC_API_KEY=sk-ant-...
relational-memory --mode flat  # для A/B сравнения
relational-memory --provider openai  # для GPT-4o

Инструмент поддерживает как API Anthropic, так и OpenAI без зависимостей, кроме их соответствующих SDK. Он был протестирован с одним человеком в течение семи сеансов, показав заметные различия в ответах ИИ между режимами с включённой и выключенной памятью.

Примеры ответов

Без реляционной памяти, когда пользователь говорит: «Я чувствую себя потерянным. Много идей, не знаю, какую стоит преследовать», ИИ отвечает общими советами о записи идей и выборе той, что встречает наименьшее сопротивление.

С включённой реляционной памятью ИИ отвечает: «Я знаю это о тебе. Ты не мыслишь маленькими категориями. Но вопрос „какая стоит того“ может быть неправильным. Какая идея не оставляет тебя в покое по ночам?»

Семь измерений отношений были выведены из шести устоявшихся психологических моделей: Interpersonal Circumplex, PRQC, Russell Circumplex и других. Четыре измерения взяты напрямую из существующей литературы, одно было адаптировано для контекста «человек-ИИ», а два являются новыми.