​

弁証プロファイリング（認知推論器）

Myrm は脆い正規表現による好み抽出をやめ、非同期認知推論器を使います。会話が終わると、バックグラウンドの LLM がそのやり取りを弁証的に推論し、構造化されたプロフィールを記憶へ書き込みます。

​

推論の次元

証拠があるものだけを書き込みます。モデルが明示的なシグナルを引用できない場合、フィールドは空のまま残します（ハルシネーション防止）。

​

ランタイムフロー

1. 抽出 — MemoryExtractor のプロンプトに弁証セクションが含まれ、根拠がある場合は memory_type="profile" で高信頼度として書き込みます。
2. 推論ループ — cognitive/deriver.py が直近のメッセージに対して非同期に弁証推論を行い、ベクトルとグラフの証拠を更新します。
   • Token 意識のスライディングウィンドウ: LLM に渡す前に入力メッセージを約 16,000 文字以内に制限し、OOM を防ぎつつ予算も節約します。
   • 二重書き込みの段階的縮退: GraphStore と SemanticMemory へ安全に二重書き込みし、グラフバックエンドが失敗または無効な場合は SemanticMemory へ優雅に縮退してデータを失いません。
3. 味の要約 — compile_taste_summary がアクティブな semantic / profile 行をまとめ、システムプロンプト向けの読みやすい要約へ統合します。
4. 注入 — MemoryContextMiddleware が毎ターン前に味の要約を注入します（Honcho 系が毎ターン honcho_context ツールを呼ぶのに対し、追加の往復はゼロ）。
5. SSE ノイズ抑制 — UI は**、根を覆す**変更（矛盾・置換）のときだけ通知します。通常の好みは完全に静かにバックグラウンドで抽出されます。
6. GUI — TasteSummaryCard がタグを表示し、ユーザーは記憶コマンドセンター（Memory Labs、既定オフ）で推論された特徴を編集・削除できます。

​

vs Honcho / Mem0 系の SaaS

​

関連ドキュメント

• 記憶システム（英語） — 8 種類の記憶タイプ、検索、忘却
• 製品アーキテクチャ（英語） — harness / server / UI のレイヤー分割

競合のポジショニングの詳細は内部資料 MEMORY_ADVANTAGE.md（§ vs Honcho / Mem0）を参照してください。