Semantiskt minne och konsolidering

Episoder är händelser. Semantiskt minne är det agenten vet om användaren efter att ha sett många händelser: «föredrar kodexempel före formler», «kan linjär algebra», «mål: LoRA-finjustering till december». Det byggs genom konsolidering: periodiskt läser modellen nya episoder och uppdaterar en faktalista.

Varje faktum bär: källa (vilka episoder), konfidens, tidpunkt, giltighet (permanent / tills vidare / utgår). Det gör tre saker möjliga:

• Motsägelser: nytt faktum «vill ha formler» mot gammalt «föredrar kod» → det nya vinner om det är färskare och stöds av flera episoder; annars fråga användaren.
• Glömska: fakta utan stöd på länge sjunker i konfidens och tas bort — annars växer listan och blir fel.
• Beslut: agenten läser fakta före den väljer förklaringsdjup, svårighet, ton. Om fakta inte påverkar något beslut är minnet dekoration.

Mät: beslut med vs utan fakta; andel fakta som är korrekta vid mänsklig kontroll; andel motsägelser som löstes rätt.

import json, time

KONSOLIDERA = """Här är kända FAKTA om användaren (JSON-lista) och NYA EPISODER.
Uppdatera faktalistan: lägg till, höj/sänk konfidens, markera motsägelser. Varje faktum:
{"text": ..., "konfidens": 0-1, "kallor": [episod-id], "giltig_till": null|datum, "typ": "preferens|kunskap|mal"}
Svara ENDAST med den nya JSON-listan."""

def konsolidera(llm, fakta, episoder):
    ut = llm(KONSOLIDERA + "\nFAKTA: " + json.dumps(fakta, ensure_ascii=False) + "\nNYA EPISODER: " + json.dumps(episoder, ensure_ascii=False), temperature=0, json_mode=True)
    nya = json.loads(ut)
    return glom(nya)

def glom(fakta, halveringstid_d=90, min_konf=0.3):
    now = time.time(); ut = []
    for f in fakta:
        alder = (now - f.get("senast_stodd", now)) / 86400
        f["konfidens"] *= 0.5 ** (alder / halveringstid_d)
        if f["konfidens"] >= min_konf and not (f.get("giltig_till") and f["giltig_till"] < time.strftime("%Y-%m-%d")):
            ut.append(f)
    return ut

def till_beslut(fakta):
    pref = [f["text"] for f in fakta if f["typ"] == "preferens" and f["konfidens"] > 0.6]
    return {"forklaringsdjup": "code" if any("kod" in p for p in pref) else "intuition"}