Вкусовая память: Обратимая агентная память с помощью гиперразмерных вычислений

TasteBud Memory — это обратимый индекс памяти для ИИ-агентов, построенный на гипермерных вычислениях / векторных символьных архитектурах (Канав). Вместо смешивания вкладов проектов в необратимую сумму (как смешивание красок), каждый проект получает детерминированный 4096-мерный вектор ±1, а дневная работа кодируется как взвешенная сумма. Поскольку случайные многомерные векторы почти ортогональны, скалярные произведения могут разложить смесь обратно на составляющие проекты — включая обнаружение неизвестных ингредиентов.

Что он делает

• Безошибочное декодирование: по дневному вектору точно восстанавливает, какие проекты внесли вклад и в каких пропорциях.
• Полное извлечение: выводит все дни, когда затрагивался проект X (поиск по эмбеддингам возвращает представителей, а не полный набор).
• Отслеживание происхождения: находит, когда проект начался, даже под старыми названиями.
• Разность множеств: что было активно в марте, но исчезло к июню? (невозможно с эмбеддингами)
• Обнаружение отсутствия: какие рабочие потоки так и не получили документации?
• Обнаружение неизвестных ингредиентов: сигнал, когда дневная работа содержит проект, отсутствующий в кодовой книге — трюк «шеф-поварского нёба».

Протокол валидации

Перед доверием проведено обратное тестирование на истории автора:

• Заморозили эталонный документ, агенты-верификаторы вслепую воссоздали 31 из 92 дней — обнаружено 2 реальных ошибки тегирования, точность 93,5%.
• Воспроизвели историю с удалением известных проектов из кодовой книги для проверки, что детектор неизвестных ингредиентов сработал бы (дни 0–2 в обратных тестах).
• В реальной истории был проект, работавший 13+ дней до появления документации — исходная мотивация.

Честные ограничения

• Простая таблица композиции выполняет большую часть запросов. Векторный слой оправдывает себя при безошибочном декодировании, поиске похожих дней, отслеживании дрейфа и кодировании фиксированного размера.
• Локальная модель (Gemma 26B) не прошла порог качества тегирования (0,74 согласия против 0,80) — сейчас это запасной вариант с оповещением, большая облачная модель — основной ночной.
• Это индекс, а не суммаризатор. Он восстанавливает список ингредиентов, а не рецепт.

Технические детали

• ~600 строк Node.js без зависимостей
• Два JSON-файла для сохранения состояния
• Лицензия MIT
• Включает MCP-сервер для использования любой агентной платформой
• Пример вымышленных данных, чтобы все команды работали сразу после клонирования

Репозиторий: github.com/Mikhail-Za/tastebud-memory. Документ с методологией (критерии отсева, протокол обратного тестирования) находится в репозитории.