Memori untuk Ica.
Membuat tutor AI
mengenal tiap siswa.
Bagaimana sistem memori yang dibangun di sekitar LLM frozen menangkap, mengendapkan, melupakan, lalu menyuntikkan konteks β sehingga Ica tak lagi menyambut tiap siswa sebagai orang asing.
Gulir untuk mulai β atau lompat lewat titik di kanan. Beberapa bagian bisa kamu mainkan.
LLM hebat, tapi tak kenal siapa pun
Gemini frozen β bobotnya tak dilatih ulang, dan ia tak menyimpan apa pun antar-percakapan. Setiap sesi dimulai dari nol.
Mulai dari nol
Tiap sesi, siswa disambut seolah orang asing. Kemarin cemas soal integral? Ica lupa.
Personalisasi = konteks
Model tak bisa di-retrain per siswa. Yang bisa kita ubah: konteks yang disuntikkan ke prompt.
Jadi pertanyaannya bukan "bagaimana melatih model", tapi "bagaimana memberi model ingatan yang tepat, di saat yang tepat".
Empat gerak: capture β consolidate β forget β inject
Klik tiap tahap untuk melihat apa yang terjadi.
Seluruh sistem memori dalam satu peta
Dua aliran masuk dari kiri β dikonsolidasi jadi memori β di-rawat dreaming tiap malam β disuntikkan ke LLM frozen. Warna badge menandai tiga tingkat kematangan: A hand-crafted (sekarang), B2 konsolidasi surprise tanpa GPU (sekarang), B1 Titans learned (butuh GPU, aspirasi).
Diselaraskan dari diagram desain: arsitektur-memori-analitica.svg Β· peta-utuh-pipeline-titans.svg.
Dua aliran sinyal, satu memori
Ica belajar tentang siswa dari dua sumber. Pilih untuk melihat apa yang ditangkap masing-masing.
Mastery yang peka perubahan (EMA)
Rata-rata datar memperlakukan tryout 6 bulan lalu sama pentingnya dengan kemarin. EMA memberi bobot lebih ke yang terbaru. Geser Ξ± dan lihat garisnya berubah.
EMA vs rata-rata datar
Lupa adalah fitur
Fakta yang tak diperkuat memudar. Kekuatannya: strength = frequency Γ 0.5^(umur / half-life).
Di bawah ambang 0.5 tak disajikan ke prompt β Ica tak berpura-pura akrab dengan siswa yang lama tak dijumpai.
Kurva peluruhan ingatan
Gerbang confidence
Writer (Gemini) menyuling fakta dari percakapan, tiap fakta bernilai confidence. Hanya yang cukup yakin masuk memori durable.
Geser ambang CONF_MIN dan lihat mana yang lolos.
Mana yang layak diingat?
Dreaming: merawat memori tiap malam
Worker terjadwal 00:00 WIB mengendapkan memori tiap siswa yang berubah. Ia melakukan tiga hal β bukan sekadar dedup:
Buang yang tak relevan
Fakta ber-strength < 0.2 diarsipkan β noise & ingatan basi dibersihkan agar memori tetap ramping. Muncul lagi nanti? revival otomatis, bukan duplikat baru.
Gabung kembar-makna
Dedup semantik (cosine β₯ 0.88) β menyatukan fakta beda kata tapi sama makna yang lolos dedup biasa.
Perbarui knowledge graph
Bangun ulang peta kaitan konsep dari fakta yang tersisa β asosiasi personal per siswa.
Di tingkat B1 nanti, dreaming juga melatih ulang Titans β memori learned yang mengembun dari log interaksi.
Demo di bawah fokus ke satu peran: gabung kembar-makna. Geser kemiripannya:
Merge semantik
Kenapa perlu? Dedup biasa hanya menggabung yang persis sama. Kembar-makna ("takut gagal UTBK" vs "cemas tak lolos ujian") lolos β merge semantik menangkapnya.
Satu panggilan, empat blok siap-suntik
GET /context/{uid} mengembalikan teks yang sudah terbungkus aturannya. Klik tiap blok untuk contoh isinya.
Titans β dan ke mana ini menuju
Titans (Google, 2024/25) adalah "organ memori" neural: ia memampatkan urutan panjang interaksi siswa (benar/salah/waktu) menjadi keadaan pengetahuan ringkas (mastery per konsep) β lewat gate surprise (yang mengejutkan disimpan) + weight decay (yang lama memudar). Persis dua mekanisme yang sistem ini pakai.
Dirancang tiga tingkat progresif yang mengisi "Model Pembelajar" yang sama. Klik untuk lihat perannya:
Kuncinya: B2 meniru prinsip Titans tanpa melatih bobot (jalur utama sekarang, tanpa GPU) β punya sifat Titans (surprise, recency, decay) lewat rumus tangan. B1 = Titans sungguhan (learned, dilatih dari log via GPU) β arah riset pasca-pilot. Keduanya didekode jadi teks lalu disuntik ke Gemini frozen.
Empat lapisan, logika inti yang murni
Arahkan kursor ke tiap lapisan. Prinsipnya: domain murni tanpa I/O, repo cuma kurir, adapter injectable (test tak menyentuh Mongo/Gemini).
Sistem utuh, teruji, sudah hidup
Siap disambungkan ke api-llm-service
Integrasi di balik flag MEMORY_SERVICE_ENABLED, fail-open 300ms. Service mati = Ica tanpa memori, bukan error.
Modul pelatihan Β· ica-memory-service Β· Analitica