SmartMemory

🧠 SmartMemory

LLM に構造化された検証可能な記憶を与えます — 会話を、AI が推論できるナレッジグラフに変換します。

自然な対話を通じて AI アシスタントにビジネスルールを教える MCP サーバーです。

注意

概念実証です。 SmartMemory は、LLM がナレッジグラフとどのように連携してルールを学習・適用できるかを探るために構築された、ニューロシンボリックアーキテクチャの実験的な実装です。本番環境での使用を意図していません — 研究や学習のための場としてご利用ください。

---

SmartMemory を使う理由

LLM は非常に流暢に話しますが、本当の記憶はありません。会話が続くうちに忘れてしまい、何かを結論づけた理由を説明できず、検証されていないことも平気で述べてしまいます。

SmartMemory は、欠けている要素であるシンボリックな脳を補います。

• 伝えた事実は、出典情報とともに監査可能なナレッジグラフ（RDF）に保存されます。
• ロジックは、重みの中に隠すのではなく、明示的で検査可能なルール（SPARQL/OWL）として記録されます。
• 新たな結論は導出され、追跡可能で、取り消し可能です。また、曖昧な結論は検証のためにあなたに差し戻されます。

その結果、ただ正しそうに聞こえるだけでなく、推論過程を示せるアシスタントが実現します。

---

できること

SmartMemory は AI アシスタントを、次の機能を備えたドメインエキスパートに変えます。

• 非同期推論 — 会話を遅らせることなく、バックグラウンドで推論を実行します（InferenceManager）。
• 不確実性への対応 — 曖昧な事実があると、人間参加型の検証ワークフローが開始されます。
• 高度な NLP 抽出 — 複雑な文、照応関係、Turtle 形式の直接入力に対応します。
• 出典情報と監査 — 保存されるすべての事実に、その出所（UUID、ソース、タイムスタンプ）が保持されます。
• 動的なルールエンジン — 新しい SPARQL ルールをその場で学習し、適用します。

---

仕組み

flowchart LR
    A["Natural-language<br/>conversation"] -->|LLM extraction| B["Facts"]
    B --> C[("Knowledge Graph<br/>RDF / Turtle")]
    C -->|SPARQL / OWL rules| D["Inference engine"]
    D -->|new deductions| C
    D -->|ambiguous?| E["Human-in-the-loop<br/>validation"]
    E -->|approve rule / fact| C
    C -->|provenance + audit| F["Verifiable answers"]

LLM は言語皮質（理解と抽出）として機能し、ナレッジグラフとルールエンジンはシンボリックメモリ（保存、ロジック、証明）として機能します。どちらか一方だけでは不十分ですが、組み合わせることでニューロシンボリックになります。

---

2 つの利用方法

	💬 対話モード — 「脳」	🏗️ 監督モード — 「工場」
対象	LLM クライアント（Claude Desktop など）を使う個人	チーム、開発者、ヘビーユーザー
目的	会話しながら、アシスタントに事実を記憶させ、ロジックを学習させる	文書（PDF）から数千ものルールを抽出し、グラフを可視化する
方法	MCP サーバーとして設定する	Docker でダッシュボード一式をデプロイする
セットアップ	セットアップへ移動 ↓	セットアップへ移動 ↓

---

クイックスタート

やりたいこと…	移動先
5 分で起動する	クイックスタートガイド
高度なデモを試す	デモ手順
内部の仕組みを理解する	アーキテクチャ · ニューロシンボリックの原則
プロバイダーを設定する	設定リファレンス
問題を解決する	トラブルシューティング
ドキュメントをすべて見る	ドキュメント一覧

---

モード 1 — 対話モードのセットアップ（MCP）

LLM に長期記憶と論理的な推論能力を与えます。

オプション A — Docker（推奨）🐳

Python は不要です。イメージは GitHub Container Registry で公開されています。

Claude Desktop — ~/Library/Application Support/Claude/claude_desktop_config.json を編集します。

{
  "mcpServers": {
    "smart-memory": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "ghcr.io/mauriceisrael/smart-memory:latest"]
    }
  }
}

同じブロックは、どの MCP クライアントでも使えます（例：Cline）。クライアントの mcp_settings.json を指定するだけです。クライアントを再起動すれば完了です。✅

オプション B — ローカルサーバー（ソースから）🔒

開発者やプライバシーを重視するユーザーに最適です。

git clone https://github.com/MauriceIsrael/SmartMemory
cd SmartMemory
python3 -m venv venv
source venv/bin/activate
pip install -e .

次に、Claude Desktop からローカルインストールを指定します。

{
  "mcpServers": {
    "smartmemory": {
      "command": "/absolute/path/to/SmartMemory/venv/bin/python",
      "args": ["-m", "smart_memory.server"]
    }
  }
}

Claude を再起動して、次のように試してください：「ボブを知っています。彼は車で通勤します。投票できますか？」 — 以下のデモをご覧ください。

---

モード 2 — 監督セットアップ（Docker）

ウェブダッシュボードとAPI サーバーを実行します。ナレッジグラフの可視化、PDF からのルール抽出、チームで共有するメモリーのホスティングに最適です。

# Dashboard mode — example with Mistral
docker run -p 8080:8080 \
  -e LLM_PROVIDER=mistral \
  -e LLM_MODEL=mistral-large-latest \
  -e LLM_API_KEY=your-api-key \
  -v $(pwd)/brain:/app/data \
  ghcr.io/mauriceisrael/smart-memory:latest dashboard

# Dashboard mode — example with a local model (Ollama)
docker run -p 8080:8080 \
  -e LLM_PROVIDER=ollama \
  -e LLM_MODEL=llama3 \
  -e LLM_BASE_URL=http://172.17.0.1:11434 \
  -v $(pwd)/brain:/app/data \
  ghcr.io/mauriceisrael/smart-memory:latest dashboard

ウェブサーバーを起動するには dashboard を追加してください。指定しない場合、コンテナは MCP モードで起動します。-v ボリュームには、ナレッジグラフとルールが保持されます。ダッシュボードは http://localhost:8080 で開きます。

---

LLM の設定

SmartMemory は、自然言語やドキュメントから事実やルールを抽出するために LLM を使用します。ダッシュボードの管理ページまたは環境変数（-e LLM_PROVIDER=…）で設定してください。

プロバイダー	モデルの例	備考
Mistral	mistral-large-latest、mistral-small-latest	ヨーロッパのプロバイダー、La Plateforme API
Ollama（ローカル、無料）	llama3、qwen2.5-coder、mistral	オフラインで動作
OpenAI	gpt-4、gpt-3.5-turbo
Anthropic	claude-3-5-sonnet
Google	gemini-1.5-pro

→ 設定ガイド全文

ドキュメントからルールを抽出する

1. PDF をアップロードします（例：Company_Policy.pdf）。
2. プロバイダーを選択します。ドキュメントを読み取るには、サーバーに API キー（またはローカルの Ollama）が必要です。
3. 確認して承認します。システムがルールを提案するので、ダッシュボードからまとめて承認します。

---

インタラクティブデモ — 事実からルールへ

会話モードでの動作：

> I know Bob
LLM: ✦ I've recorded the fact: I know Bob.

> He goes to work by car
LLM: ✦ Noted: Bob goes to work by car.

> Can Bob vote?
LLM: ✦ I can't conclude yet — but since he drives, he is likely an adult.
     May I add the rule "Drivers are adults"?

> yes
LLM: ✨ Rule 'drivers_are_adults' added.
     May I also add "Adults can vote"?

> yes
LLM: ✨ Rule 'adults_can_vote' added.
     ✦ Therefore, yes — Bob can vote. (derived from 2 rules)

すべてのステップが保存され、出所が記録され、再生できます。それが重要なのです。

---

技術スタック

• バックエンド： Python 3.11+、RDFLib、FastAPI
• フロントエンド： SvelteKit、TypeScript、TailwindCSS
• 推論： ニューロシンボリック（LLM + SPARQL / OWL）
• プロトコル： Model Context Protocol（MCP）
• パッケージングとデプロイ： Docker、GitHub Container Registry、Google Cloud Run

---

ロードマップ

• ドキュメントの取り込み対象を拡大（DOCX、HTML、ウェブページ）
• グラフの可視化を強化し、ルールの競合を検出
• 最初のタグ付きリリース（v0.1.0）

アイデアや貢献を歓迎します。CONTRIBUTING.mdをご覧ください。

---

ライセンス

MIT — LICENSEをご覧ください。