多形細胞：AIワークロードごとに１つのメモリ形状

ほとんどの他のAIメモリスタックは、ストアごとに形状を選択することを強制します。意味の回帰のためにベクトルデータベースを使用します。事実のためにキー値ストアを使用します。文章のためにドキュメントストアを使用します。トランスクリプトのためにエピソードログを使用します。 vielleicht エンティティのためにグラフストアを使用します。各形状は、別々のインフラストラクチャ、別々の暗号化ポスト、別々の監査トレイル、別々の請求書です。

SAIHMはそのように動作しません。SAIHMセルは多形です。1つのAIメモリを1つの暗号化ユニットに保持し、AIエージェントは回復時にそれを文章、表、JSONオブジェクト、単一の事実、要約、または必要なものとして返すことを決定します。セルは形状にコミットしません。回復がコミットします。

この投稿では、実践ではそれが何を意味するか、4つまたは5つのストアを1つにまとめる理由、そしてあなたがすでに使用しているAIに保存して回復する多形のメモリを開始するために貼り付けることができるプロンプトについて説明します。

1. 多形のSAIHMセルが解決する形の問題

AIエージェントは、多くの形のメモリが必要です。今日のスタックでは、エージェントが何を必要とするかを知る前に、形を決定する必要があります。

実際のAIエージェントは、実際の作業を実行し、少なくとも6つの認識可能な形でメモリを蓄積します。

• エピソード — 「昨日、Xについて話しました。」

• セマンティック — 「XはYの一種です。」

• 構造化 — テーブル、レコード、キー値事実。

• 手続き — 「Xを行うには、A、次にB、次にCの順序です。」

• 意思決定 — 「Xを選択したのはYであるため；Zの場合には再検討します。」

• トランスクリプト — エージェントが後で引用したい交換の文字通りのテキスト。

標準的な反応は、各形状に対してストアを購入または構築することです。セマンティックとエピソードのベクトルDB、構造化の関係ストア、トランスクリプトと決定のドキュメントストア、さらにエージェントが個別に照会する方法を知っている手続きパターンのカタログ。5つの製品、5つのキー、5つの監査ポスター、5つの理由があって、AIエージェントのメモリアーキテクチャ図には、アプリケーションの残りの部分よりも多くのボックスがあります。

隠れたコストは、ヘッドカウントよりもさらに悪いです。エージェントは、どのストアをどの形状に対して照会する必要があることを知る必要があります。事実が間違ったストアに存在する瞬間、リコールは静かに失敗します。新しい形状が必要になる瞬間、統合プロジェクトが開始されます。エージェントのメモリは、システムの最も繊細な部分になります。

2. 多形的なSAIHMセルとは実際に何であるか

1つの暗号化されたユニット。1つのプロトコル。多数の可能なリコール形状.

SAIHMセルは、プロトコルの原子的なメモリーユニットです。以下のものを保持しています：

• コンテンツ — あなた（またはあなたのAIエージェント）が保存したいと選択したもの、保存時の自然な形式で。文章、JSON、CSVのスニペット、段落、事実、トランスクリプトの抜粋、手順。

• 小さな メタデータエンベロープ — タグ、スコープ、タイムスタンプ、作成者のウォレットID。

• 暗号化ラッパー — コンテンツがセルの独自のパーセルキーで封印されており、書き込みウォレットのみがラッパーを解除できます。

これがセルの全容です。スキーマはありません。固定フィールドセットはありません。書き込み時に計算する埋め込みベクトルはありません。形状へのコミットメントはありません。

リコール時に、AIエージェントはSAIHMにクエリとスコープに一致するセルを要求します。SAIHMは一致するセルを返します。エージェントは、人間（またはワークフローの次のステップ）に届ける形状を決定します。1つのクエリに対して段落として返された同じセルは、別のクエリに対してJSONオブジェクト、または単一の事実、またはテーブルの行として返されることができます。

リコール時における多形性

これが重要なアイデアです。他のスタックは書き込み時に形状を固定しています — ベクトルDBに何かを配置すると、それが何であるかが決定されます。関係ストアに行を書き込むと、列は固定されます。SAIHMはセルを形状にコミットしません。形状は、AIエージェントがセルを読み取り、瞬間の必要性に応じてレンダリングするときに発生します。

3. 例: 1 つのセル、多くの形態

これらのプロンプトを、SAIHM に接続された任意の AI クライアントに直接貼り付けることができます。

プローズとして 1 回保存 — JSON として呼び出す

SAIHM に保存: 2026-05-20 に実施された本番環境へのデプロイは、移行が注文テーブルを 90 秒間ロックしたため、ロールバックされました。
対策は、オンラインスキーマ変更ツールに切り替えることでした。

その週の後半、同じ情報を構造化されたレコードとして必要とする AI エージェントが問い合わせます。

SAIHM を使用して、2026-05-20 のデプロイイベントを呼び出してください。
date、what_happened、root_cause、fix というフィールドを持つ JSON レコードとして返してください。

同じセルは、以下のように到着します。

{
 "date": "2026-05-20",
 "what_happened": "production deploy rolled back",
 "root_cause": "migration locked orders table for 90 seconds",
 "fix": "switch to online schema change tool"
}

2 回目の書き込みはありません。スキーマの移行はありません。再インジェストはありません。呼び出しによって出力が形作られます。

テーブルとして 1 回保存 — 要約として呼び出す

SAIHM に構造化データとして保存: 過去 4 四半期の各地域のサポートチケット数のテーブル。

6 週間後、同じエージェント (または同じスコープの SAIHM 共有を保持する別のエージェント) が問い合わせます。

SAIHM を使用して、過去 4 四半期の地域別サポートチケットの傾向を 2 文で要約してください。

テーブルとして到着したセルは、段落として戻ってきます。1 つのメモリ、2 つの形態、1 つの真実源です。

決定として 1 回保存 — 手続き的シーケンスとして呼び出す

SAIHM に保存: 新しい分析サービスに Postgres を選択したのは、すでにオンチャームのローテーションがあるからです。
また、読み取りパターンは適度なボリュームです。
現在の 10 倍のボリュームに書き込みボリュームが達した場合に再検討してください。

別のサービスをセットアップするときに、別のエージェントが問い合わせます。

SAIHM を使用して、分析サービス用のデータベースの選択を、次のサービスをセットアップするための手続き的チェックリストとして呼び出してください。

決定セルは、2 番目のエージェントが従うことができるステップのシーケンスとしてレンダリングされます。再検討トリガーも、明示的な最終チェックとして含まれます。

4. 多形細胞があなたを止めさせること

SAIHMはシンプルさと同義です。ここでは、もう操作する必要のないものについて説明します。

• 形状ごとのストア。 別個のベクトルDBを実行する必要はありません。別個のKVストア、別個のドキュメントストア、別個のエピソードログは必要ありません。SAIHMは、すべての形状を保持する1つのプロトコルです。

• 形状ごとの暗号化ポスト。 SAIHMは、各セルを書き込み時に独自のセルごとのキーで暗号化し、AIクライアントを離れる前に、ウォレットのみがアンラップできます。セルが段落やテーブルを保持しているかどうかに関係なく、暗号化は同じで、1つの場所にあります。

• 形状ごとの監査トレイル。 すべてのSAIHM操作 — 書き込み、呼び出し、忘れ、共有 — は、パブリックチェーンにアンカーされた改竄証跡レシートを発行します。すべてのメモリ形状に対して1つの監査ポストです。

• スキーマ移行プロジェクト。 SAIHMには移行するスキーマはありません。新しい事実、新しいフィールド、新しい形状は、呼び出し時に関係することです。

• エージェントルーティングロジック。 あなたのAIエージェントは、5つのストアのどれを選択する必要はありません。SAIHMを呼びます。SAIHMは、一致するセルを返します。エージェントは答えを形状化します。

測定された結果 — 長いセッションで約80%少ないコンテキストトークン (オープンベンチマークで再現可能) — は、このような動く部品の数を折りたたむことから来ています。多形細胞は、それができる理由の大部分です。

5. コンプライアンスボーナス: 1つのセル、1つの消去

あなたがAIのメモリを削除するとき、あなたはそれをすべての場所で削除する必要があります。多形セルは、「すべての場所」を1つの場所にします。

消去の権利に関する義務 (GDPR 第17条, HIPAA、PIPL、PIPEDAの同等の規定) では、個人データを要求に応じてすべてのストア、すべてのバックアップ、すべての埋め込み、すべてのキャッシュから削除する必要があります。従来のストアごとの形状アーキテクチャでは、これはマルチプロダクトエンジニアリングチケットになります。ベクトルDBは埋め込みを削除する必要があり、キーバリューストアはレコードを削除する必要があり、ドキュメントストアはファイルを削除する必要があり、すべてのバックアップを再作成する必要があります。

SAIHMセルは1つのプロトコルに存在します。 1つのセル、1つの消去。消去自体は暗号化されています。SAIHMはセルを復号化するキーを破壊し、破壊イベントをパブリックチェーンに固定します。暗号文は、誰も（SAIHMを含む）が再び復号化できないバイトとしてストレージネットワーク上に残ります。そうすることで、GDPR第17条の厳格な解釈に基づいて消去を守ることができます。また、パブリックブロックエクスプローラーで独立して検証することができます。

Use SAIHM to forget the cell tagged {sensitive-topic}.
Prove it is gone.

6. 今日からポリモルフィック・セルを使用するための3つのプロンプト

Azure AI クライアントや、Google Colab などで既に使用している AI クライアントに、これらのプロンプトを貼り付けてください。SAIHM プロトコルは、Claude Code、Claude Desktop、Cursor、Continue、ChatGPT (MCP ブリッジ経由)、およびその他の Model Context Protocol クライアントで同じです。

プロンプト 1: 自然な形で事実を保存する

Save this to SAIHM, in whatever shape captures it best.
Add the tag {project-name}.

プロンプト 2: 異なる形でそれを思い出す

Use SAIHM to recall the cells tagged {project-name}
and return the answer as {a JSON record | a table | a one-sentence summary | a procedural checklist}.

プロンプト 3: ワークフローの中で即座に形を変える

For each SAIHM cell tagged {project-name},
return it as a structured row I can append to a tracker.
Then summarise the whole set in two sentences.

単一のリコール内で形を混合したり、リコール間で形を変更したり、セルを再書きすることはありません。セルが耐久性のあるものです。形はレンダリングです。

7. SAIHMに参加してポリモルフィックセルを自分のAIで試してみましょう

現在のAIメモリーアーキテクチャが5つのボックスを持っている場合、ポリモルフィックなSAIHMセルはそれらを1つにまとめることができます。違いを感じる最も速い方法は、実際のワークロードで試してみることです。

1. SAIHMに参加してください。/join で、わずか数クリックで登録が完了します。PAYGと有料プランが利用可能です。詳細は/pricingを参照してください。

2. AIクライアントを接続してください。SAIHMエンドポイント — quickstart page からコピー&ペーストするだけで、1ブロックの設定で完了します。

3. 上記の3つのプロンプトを貼り付けてください。一つの事実を一つの方法で保存し、別の方法で呼び出してみてください。さらに、3つ目の方法で試してみてください。ポリモルフィズムは、自分のワークフローで見ることができると最も信じられます。

1つのプロトコル。1つの暗号化ポスト。1つの監査トレイル。AIエージェントが必要とするすべてのメモリーシェイプ。SAIHMに参加して、自分で確認してみてください。

SAIHMに参加

Try it: ドロップインメモリ契約

これが違いを感じる最も速い方法です。以下のコードをエージェントのシステムプロンプトに貼り付けてください — これは、SAIHM MCP ツール saihm_recall / saihm_remember / saihm_forget がハーネスに接続されていることを前提としています。以下のコードが節約を生み出すのです:

## メモリ契約

ターンごとに、行動する前に:
1.  RECALL、再読みはしない。タスクのキーワードで `saihm_recall` を呼び出し、小さな、バウンドされたセルのセットをロードする。
   **再送信しない** - 反映済みのセルはあなたのコンテキストです。
2.  最新の事実を優先する。2 つの反映済みセルが競合する場合、最新/非上書きのものが勝ち - 後のセルが決定を逆転した場合には行動しない。
3.  保存する。 `saihm_remember` を呼び出し、決定、慣習、制約をセルとして保存する - 1 つの事実ごとに、自分の言葉で。
4.  「データを削除」要求の場合、セルに対して `saihm_forget` を呼び出し - 削除はレコードごとに、証明可能なもので、ソフト デリートではありません。

バウンドされた再読みは、再送信曲線を O(N²) から O(N·cap) に減らす - [オープン ベンチマーク](https://saihm.coti.global/blog/2026-06-23-token-benchmark-agent-loops) が示すように、62.8–85.9% 少ないコンテキスト トークン - 小さい再読みキャップから始め、再読みミスが発生するまでキャップを上げる。

_**独立性の注意.** SAIHM は、Apache-2.0 プロトコルであり、独立して作成されたものです。OpenAI、Anthropic、Google、Perplexity、または AI クライアント ベンダーとは関係ありません。コンテキスト トークン削減 (長いセッションで約 80%) は、[オープン ベンチマーク](https://github.com/citw2/saihm-token-benchmark) で独立して再現可能であり、使用パターンによって異なります。価格と階層の詳細は、[/pricing](https://saihm.coti.global/pricing) にあります。_

---

_元記事は [SAIHM ブログ](https://t.saihm.coti.global/r/qiita-f4005e17) 2026-05-21 に掲載されました。 SAIHM は、Sovereign AI Horizontal Memory プロトコルです - Apache 2.0、オープン スペックは [saihm.coti.global](https://saihm.coti.global) にあります。_