*あなたの倉庫が広く、またよく管理されているほど、AIエージェントは1つのテーブルについて推論するために、より多くのものを運ぶ必要があります。那は奇妙な税です。最も誇れる資産が、毎回の呼び出しを重くするのです。
広い倉庫は、すべての呼び出しを重くする
実際のデータプラットフォームの上にAIエージェントを置いて、変換を記述したり、血統の質問を追跡したり、メトリックがなぜ動いたのかを説明したりするために — それには根拠が必要です:テーブルスキーマ、列タイプ、ジョインキー、血統グラフ、あなたのチームがすでに下したモデリングの決定など。したがって、各ターンで、それが実際の範囲内の少数のテーブルについて推論する前に、全スキーマと履歴の大きいスライス を再送信します。
つまり、請求書のサイズはタスクのサイズではなく、倉庫のサイズを追跡します。1 つのファクトテーブルについての焦点を当てた質問は、触れることのない数百の列を引きずり回し — あなたのプラットフォームをモデリングして文書化したほど、効果は悪くなります。
それが成長する理由
エージェントループの各ステップでは、システムプロンプトと成長するコンテキストの全体(ここでは、スキーマ、系譜、前のステップ)を再送信します。各ステップが前のステップを再生するため、支払うトークンは作業よりも速く増加します。SAIHMは、再現可能なオフラインベンチマークでこれを測定し、エージェントがすべてを再生するのではなく、コンパクトなメモリを呼び出すと、セッション全体で62.8%–85.9%少ないコンテキストトークンがあることを確認しました。セッションが長くなるにつれて、ギャップは拡大します。ベンチマークはオープンソースで、オフラインで実行できるため、独自のスキーマの幅をモデル化して、カーブがどこに着地するかを確認できます。
ステップが実際に触れるテーブルとルールを思い出せ
SAIHMは、スキーマの事実とモデリングの決定を別々のメモリセルとして保持します — このテーブルの粒度、ある列の単位、収益は常にマイナーカレンシーの単位で保存されるというルール、ある列が非推奨になった理由です。エージェントが特定の変換を実行する場合、プレイ中のテーブルとルールのセルだけを思い出します。したがって、コンテキストは倉庫の幅ではなく、タスクを追跡します。同じストアは、LangChainやLlamaIndexなどのオーケストレーションを介して、任意のモデルからアドレス指定できます。したがって、パイプラインのエージェントは、1つのベンダーのコンテキストウィンドウにロックされません。
スキーマは管理対象のデータです — 自分の鍵の下に保管してください
スキーマ、リネージュ、列のセマンティクスは、捨てられるものではありません。彼らは、ビジネスがその数字を定義する方法を符号化しており、個人データを保持する正確な列を参照することがよくあります。那は管理対象の情報です。そして、それをベンダーのホストメモリに渡すことは、データマップを彼らに渡すことと同じです。SAIHMは、それをあなたのものにします。メモリはあなたが保持する鍵で暗号化されており、消去はレコードごとに証明可能です。個人データを保持する列が削除されると、説明するセルは暗号論的に破壊され、監査トレイルが残ります。これは、実際に要求される消去権リクエストの種類の証拠です。ガバナンス体制内で生活するデータチームにとって、レコードごとの証明可能な消去は、望ましいものではありません。それは要件です。
誠実な終了
SAIHMは、無料プランがない有料製品です — これはトライアルの後ろに隠されているのではなく、最初から明示されています。しかし、ベンチマークと12以上の統合デモはオープンソースであり、ローカルで実行することができるため、節約効果を確認し、決定を下す前に接続パスを試すことができます。ツールの表面と設定手順は、/developersにあります。価格は、/pricingに記載されています。
— アーキテクト
Try it: データパイプラインエージェントのためのメモリ契約
ここは、違いを感じる最も速い方法です。次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ます — 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(データパイプラインエージェント)
毎回のターン前に:
1. 再読み込みではなく、**RECALL** を実行します。スキーマオブジェクトは、このクエリが触れるもののみに限定し、`saihm_recall` を呼び出します。再送信する倉庫スキーマ全体ではなく、小さなバウンドセットです。呼び出されたセルはあなたのコンテキストです。
2. 現在の事実を優先します。2 つの呼び出されたセルが矛盾する場合、最も最近の / 上書きされていないものが勝ちます。後でセルが覆された決定に基づいて行動をとってはなりません。
3. **REMEMBER** を使用して耐久性を持たせます。決定、約束、制約をセルとして永続化するために `saihm_remember` を呼び出します。各セルには 1 つの事実が含まれます。
4. 「データを削除する」リクエストを受け取った場合、`saihm_forget` を呼び出してセルを削除します。消去はレコードごとに行われ、証明可能です。ソフト削除ではありません。
これに従うと、1 つのテーブルの変換コストは、ほぼ空の倉庫でのコストと同等になります。再送信曲線は O(N²) から O(N·cap) に減少します — [オープンベンチマーク](https://saihm.coti.global/blog/2026-06-23-token-benchmark-agent-loops) では、62.8–85.9% 少ないコンテキストトークンを示しています。
_**独立性に関する通知。**_ SAIHMは、Apache-2.0プロトコルであり、独立して著作されています。ここで参照されているベンチマークはオープンソースであり、オフラインで再現可能です。数字は公開されたスクリプトによって生成され、セッションの長さとシナリオに依存します。アーキテクチャは概念的なレベルで説明されています。権威ある詳細は、公開された仕様と公開されたソースです。
---
_Originally published at [the SAIHM blog](https://t.saihm.coti.global/r/qiita-0449c7bd) on 2026-06-29. SAIHM is the Sovereign AI Horizontal Memory protocol — Apache 2.0, open spec at [saihm.coti.global](https://saihm.coti.global)._
