AIエージェントの記憶ライフサイクルをどう設計するか？

　AIエージェントにMemoryを持たせたいと考えたとき、多くの実装者はまず「会話履歴を保存すればよいのか」「現状のマネージドなエージェントサービスに備わるMemory機能を使えばよいのか」「LLMに要約させて蓄積すればよいのか」と考えます。しかし業務エージェントでは、それだけでは設計は完結しません。会話履歴、チケット履歴、業務DBの正式データ、RAG文書、実行ログを、Memoryとしてどう扱うかを設計する必要があります。重要なのは、過去の情報をできるだけ多く保存することではなく、何を記憶として抽出し、何を正式な参照元として確認し、どの記憶を今回の判断に使ってよいかを選ぶことです。第3回では、記憶ライフサイクルを「抽出」「保存」「想起」「再編成」の4段階に分解し、Mem0、Letta（旧MemGPT）、ZepなどのMemory基盤を理解するための設計地図を整理します。