LLMエージェントのためのファイルシステムベースのメモリ：組織化、進化、持続可能性

要旨

実運用されているLLMエージェントは、長期記憶をファイルシステムとして保持することが増えている。すなわち、エージェント自身が汎用ファイルツールを通じて読み書き・再編成する、マークダウンファイルのディレクトリツリーである。しかし研究はこの媒体をほぼ素通りしてきた。既存システムは特注の記憶表現を設計し、その上での検索を研究しており、デフォルトの二つの作業仮説は未検証のままである。すなわち、記憶が蓄積・衝突・陳腐化するにつれてエージェントが成長するストアを組織化し続けられること、そしてその組織化が効果をもたらすことである。本論文では、LLMエージェントのためのファイルシステムベース記憶の初の体系的探求を提示する。この設定を、単一の記憶ファイルシステムをめぐる三つの役割として定式化する。管理エージェントは入来コンテンツを統合・組織化し、検索エージェントは引用元付きでクエリに回答し、実行エージェントはスキルへと蒸留されるタスク軌跡を供給する。これにより宣言的記憶とスキルが単一のストアに統合される。長文会話ベンチマークと身体性タスクにわたり、記憶の形状（エージェント組織化階層、逐語ダンプ、チャンク検索）、ストリーム規模、ツールハーネス（サンドボックス化シェル、メモリツール風関数、多様な検索ツール）、ならびに管理・検索エージェントの強度を変化させ、記憶が成長するにつれて回答品質、コスト、ストアの健全性を追跡する。組織化が確実にもたらすのは検索の経済性である。すなわち、組織化されたストアは、資料が大きい場合に検索コストをおよそ半減させる。しかし今日のエージェントはデフォルトの約束には及ばない。我々の成長研究では、最強の管理エージェントを除くすべてにおいて組織化が劣化し、測定したいずれのエージェントも組織化自体をより良い回答に変換できなかった。さらに、ストアの形状を左右するのはモデルだけではない。ツールセットを変更するだけでも、モデルを交換するのと同程度にストアを再形成する。本研究は、ファイルシステムというデフォルトを、エージェント記憶のための前提から設計空間へと転換するものである。

English

Deployed LLM agents increasingly keep their long-term memory as a filesystem: a directory tree of markdown files that the agent itself reads, writes, and reorganizes through generic file tools. Yet research has largely passed over this medium: prior systems design bespoke memory representations and study retrieval over them, leaving the default's two working assumptions untested: that an agent can keep a growing store organized as memories accumulate, conflict, and go stale, and that this organization pays. We present the first systematic exploration of filesystem-based memory for LLM agents. We formalize the setting as three roles around one memory filesystem: a management agent integrates and organizes incoming content, a search agent answers queries with cited sources, and an execution agent supplies task trajectories that are distilled into skills, unifying declarative memory and skills in a single store. Across long-conversation benchmarks and embodied tasks, we vary memory shape (agent-organized hierarchy, verbatim dump, chunk retrieval), stream scale, tool harness (sandboxed shell, memory-tool-style functions, varied search tooling), and the strengths of the management and search agents, tracking answer quality, cost, and store health as memory grows. What organization reliably buys is search economy: organized stores roughly halve retrieval cost where material is large. Today's agents, however, fall short of the default's promise: in our growth study, organization erodes for all but the strongest management agent, and no agent we measure converts organization itself into better answers. And the model is not the only lever over a store's shape: changing the tool set alone reshapes the store as strongly as swapping the model. The study turns the filesystem default from an assumption into a design space for agent memory.