AIメモリシステムが生物的な忘却曲線を採用、ベクトル検索単体の2倍の精度（52% Recall@5）を実現

Hacker Newsで公開されたプロジェクトが、Ebbinghaus忘却曲線（人間の記憶が時間とともに薄れるパターン）をAIメモリ管理に導入。使用頻度の低いデータを自動削除し、頻繁に参照されるデータは強度スコアを高めることで、不要な情報で文脈窓が埋まるのを防ぐ仕組みにした。

LoCoMoデータセット上で52% Recall@5（関連情報を正確に取得する精度）を達成し、従来のベクトル検索単体の約2倍の性能を実現。同時にトークン無駄（AIが処理する冗長な情報）を約84%削減し、APIコスト削減につながる。グラフレイヤーを追加してセマンティック検索では見落とされやすい論理的に関連するデータも拾い上げている。

長期実行プロジェクトを担当するAIエージェント（自律判断して作業するAI）の運用コストが低下する。従来のRAG（検索補強生成技術）は過去のバグ修正や廃止ルールまで保持するため、時間経過で推論精度が劣化していたが、この方式なら実用的なメモリ管理が可能になり、組織内で長時間稼働するAIツールの導入障壁が下がる。

DuckDBを使ったローカルMCPサーバーとして実装されており、GitHubで公開されている（記事本文に具体的なリンクは記載なし）。オープンソース形式で利用できるため、企業や研究チームが自社システムに組み込むことが可能。