パターンを読み込んでいます…
🕸️
意味記憶ネットワーク(SMN)
特定の獲得文脈から切り離された一般的な世界知識のシステムであり、マルチエージェント型エージェントAIシステムのために事実的知識と概念間の関係を支える
複雑さ: highメモリ管理
30秒でわかる概要
- 概要
- 事実的な知識と概念どうしの関係を共有のグラフ構造に保存し、エージェントが元の文脈なしに領域をまたいで情報を検索し結び付けられるようにします。
- 使いどころ
- 複数のエージェントが、会話やクエリをまたいで持続する世界の事実、概念の階層、ドメイン間の関係に一貫してアクセスする必要がある場合。
- 注意点
- 異なるエージェントからの更新が衝突すると知識グラフは古びたり矛盾したりします。また意味的な類似度による照合は、もっともらしくても誤ったつながりを返すことがあります。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
意味記憶ネットワーク: 概要
特定の獲得文脈から切り離された一般的な世界知識のシステムであり、マルチエージェント型エージェントAIシステムのために事実的知識と概念間の関係を支える
- Factual knowledge representation
- Concept relationship mapping
- Context-independent knowledge
- Semantic similarity matching
- Knowledge graph structures
- Multi-agent knowledge sharing
- Hierarchical concept organization
- Cross-domain knowledge linking
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Can Knowledge Graphs Reduce Hallucinations in LLMs? A Survey (Pan et al., 2024)arXiv:2311.07914
- Semantic Networks: Computational Aspects (Sowa, 2014)
- Knowledge Representation and Reasoning (Brachman & Levesque, 2004)
- The Semantic Web and Knowledge Graphs (Hogan et al., 2021)arXiv:2003.02320
- Ontologies and Knowledge Graphs: Theory and Practice (Staab & Studer, 2009)
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで