Saule White Paper v2.0

AI革命は知性をコモディティ化する一方で、人間であること、思考すること、意思決定することの意味を根本から変えています。今日、推論能力（reasoning）は日ごとに安価になり、高速化し、より利用しやすくなっています。機械は私たちの代わりに分析し、統合し、生成します。しかし、この偉大な精神的革命の陰で、静かで危険なものが失われつつあります。それは私たち自身のコンテキスト、つまり個人的および組織的な記憶です。人間の心は、その瞬間の冷たい論理的ルールだけでなく、過去の痕跡、取られたリスク、排除された代替案、そしてその瞬間に固有の独自の意図（intentions）に基づいて意思決定を行います。知性がどれほど発展しても、それを導く独自の記憶基盤がなければ、宙ぶらりんのままとなる運命にあります。

今日、デジタル世界で直面している真のジレンマは、情報不足ではなく、コンテキストの断片化と喪失です。私たちが使用するメール、メモ、メッセージ、インスタントチャットは、私たちの心と仕事の断片を保持していますが、そのどれもが全体像を把握していません。さらに悪いことに、今日私たちの生活を便利にしているAIアシスタントでさえ、一時的な記憶の幻想を提供しているにすぎません。彼らの記憶は平坦で、モデルに縛られ、チャットウィンドウが閉じると消滅する運命にあります。私たちは毎日、AIアシスタントに自分自身、仕事、目標をゼロから説明しなければなりません。この状況は私たちを絶え間ないデジタル健忘症に陥らせ、意思決定エネルギー（システム2の認知資源）を、常に昨日のコンテキストを思い出そうとすることで消耗させています。

この文書は、この静かな危機に対する根本的な意図表明です。これは製品のプロモーション資料やマーケティング資料とは異なります。コンピュータ科学と認知科学の世界に新しい基盤インフラストラクチャ層、すなわちセマンティックメモリ層（Semantic Memory Layer）を提供することを目指しています。この文書を通じて、3つの基本的な問題を追跡します。

• なぜか？知性が遍在するようになったとき、人間の認知を保護し、永続的な競争優位性を確保するために、なぜ独立した記憶層が必要なのか？

• どのように？人間の記憶の連想的、エピソード的、選択的な動作原理を、具体的で機能するソフトウェアルールにどのように変換できるのか？

• 何を構築するのか？モデルから独立し、絶対的なユーザー主権に基づき、生きているセマンティックメモリを、技術的にどのように実現するのか？

Sauleは、人間の知性を置き換えるためではなく、人間の心と集合知を、時間と空間の境界を越えて、自らの記憶の絶対的な主権者とするために書かれました。

テクノロジーは私たちの知性を加速させる一方で、私たちの記憶とアイデンティティを溶解させている。

人間の心は、外界に残した痕跡と共に成長します。石板から紙へ、印刷機からデジタルデータセンターへと、私たちが構築してきたあらゆる記憶装置は、生物学的な限界を超えようとする私たちの意志の一部でした。しかし今日、歴史上初めて、単に情報を保存するだけでなく、その上で能動的に推論（reasoning）を行うシステムを開発しています。AIモデルが膨大なデータ群を処理し、数秒で答えを生成する一方で、私たちはこのスピードについていくために、自身のコンテキスト、意思決定の出発点、そして精神的な足跡を彼らに委ねています。この委任は、私たちを徐々に自身の心から疎外していきます。

第一部では、この認知的な変革とそれがもたらす危機の哲学的解剖を行います。この章では、テクノロジーが私たちをより賢くするという約束の裏にある記憶喪失、知性が遍在しコモディティ化する世界において、永続的な唯一の競争優位性がなぜ記憶であるのか、そしてこの記憶を保護するために、なぜ全く新しいソフトウェア層（Semantic Memory Layer）が必要なのかを探ります。なぜなら、記憶することは単に昨日を知ることではなく、私たちが誰であるか、そして明日どのような意図を持って出発するかを選択する力だからです。

従来のソフトウェアは情報を保存します。Sauleは経験を保存します。

以下を理解します：なぜその決定が下されたのか？誰がそれに影響を与えたのか？どのような選択肢があったのか？どのような条件が有効だったのか？情報は時間とともにどのように進化してきたのか？

記憶が蘇ります。

現代人の問題は、情報の不足ではありません。断片化された記憶の危機です。

私たちの知識は、以下のようなツールの中に存在しています：

メール | Slack | WhatsApp | Google ドライブ | Notion | カレンダー | CRM | AIチャットボット

それぞれのプラットフォームは、ストーリーの小さな断片しか覚えていません。全体を知るものは一つもありません。

情報は存在し続けますが、文脈は失われます。

現在のAIシステムは、会話を記憶しているため、賢く見えます。しかし、この記憶は：プラットフォーム固有である、モデルにロックされている、一時的である、ベンダー（提供元）に依存している。

蓄積された文脈は、あなたのものではなく、AIプロバイダーのものです。あるモデルから別のモデルへと移行すると、何ヶ月、何年にもわたる文脈の理解が一瞬にして消え去ります。

世界は知性を構築していると信じています。しかし実際には、絶えず記憶をゼロから作り直しているのです。

推論モデル（LLM）は、間もなくどこにでも存在するようになります。ユーザーはブラウザを選ぶように、モデルを切り替えるようになるでしょう。OpenAI。Anthropic。Google。そして、未来の新しいモデルたち。すべてが互換性のある（interchangeable）存在になります。

未来における真の競争優位性は、知性ではありません。記憶です。

SauleはAIモデルと競合しません。Sauleはそれらに統合される形で存在します。

アプリケーション → 推論モデル (LLM) → Saule セマンティックメモリレイヤー (SML) [ 知識グラフ | ベクトルメモリ | アイデンティティグラフ | タイムライン | ワークスペースメモリ ] → 人間のデジタルライフ

LLMが考える。Sauleが覚えている。

人間を理解する記憶層は、コンピューターの冷徹な記録方法ではなく、人間の心の生きた生物学的アーキテクチャに基づいて構築されるべきです。

コンピューターはデータを保存します。ディスク上のセクターにビットを書き込み、停電時でさえも凍結させ、呼び出されればミリ秒単位でそのビットを正確に返します。これは完璧なアーカイブですが、記憶ではありません。人間の記憶はこれとは全く異なる働きをします。生物学的記憶は静的な図書館ではなく、常に再構築され、選択的で、忘れ、意味に応じて形を変える生きた連想ネットワークです。もし記憶するソフトウェアを構築するなら、コンピューターのデータ保存ロジックを人間に押し付けるのではなく、人間の心の働きをソフトウェアコードに教える必要があります。

第II部では、Sauleのアーキテクチャとアルゴリズムの決定を形作った認知心理学と神経科学の基盤を確立します。記憶は単なる貯蔵庫ではないこと、エピソード記憶と意味記憶のシステムがどのように連携するか、私たちの物語的アイデンティティをいかに構築するか、忘却がいかに最適化の一種であるか、そして集合知の相互作用的な性質を探求します。各ステップで、これらの人間的で精神的な原則が、Sauleのソフトウェアアーキテクチャにおける対応物にどのように変換されるかを見ていきます。なぜなら、心のように機能するソフトウェアを構築する唯一の方法は、心自身のルールで心を理解することだからです。

記憶は静的なアーカイブ倉庫ではありません。過去の痕跡から現在とその意味を再構築する動的なプロセスです。

学術心理学では長い間、記憶は過去をカメラのように記録すると考えられてきました。しかし、フレデリック・バートレットの1932年の先駆的な研究からエリザベス・ロフタスの現代の目撃証言に関する研究に至るまで、人間の記憶の再構成的（Reconstructive）な性質が証明されています。ある出来事を思い出すとき、私たちの脳はほこりまみれの棚からビデオ記録を取り出すわけではありません。その代わりに、過去から残された意味的な手がかり（cues）、スキーマ、そして現在の期待を組み合わせることで、その瞬間に記憶を再構築します。この構築プロセスはエラーを起こしやすいように見えますが、人間の認知における最大の適応能力です。なぜなら、精神が限られた容量で無限の意味的つながりを築くことを可能にするからです。

コンピュータアーキテクチャ（フォン・ノイマンアーキテクチャなど）は、データをアドレス指定可能なメモリセル（RAMやハードディスク）に保存します。呼び出されると、そのデータはビットレベルでエラーなく復元されます。一方、人間の心は連想的（associative）に機能します。2つの情報片間の関係は、それらのアドレスの近接性からではなく、意味的な類似性と同時的なトリガーから生じます。情報をアドレスで保存することはそれを凍結させますが、連想で保存することはそれを生きたネットワークに変えます。

この認知原理により、Sauleのアーキテクチャでは静的なデータクエリ方法が拒否されます。Sauleはテキストの断片をそのまま保存し、生のデータとしてモデルに供給することはありません。クエリ時に、ユーザーの意図、現在のタイムライン、意味的関係を分析し、その瞬間に正しいコンテキスト（context）を再構築（context composition）します。人間の心と同様に、過去の静的なデータから、現在のニーズに適した動的な意味的フレームワークを構築します。

記憶は単一のプールではない。エピソード記憶、意味記憶、ワーキングメモリのように、異なる持続時間と機能を持つシステム群の調和のとれたオーケストレーションである。

認知心理学者エンデル・タルヴィングが1972年に提唱した分類は、記憶が均一ではないことを証明した。人間の心は、少なくとも3つの主要な記憶システムで機能する。

1. ワーキングメモリ (Working Memory): その瞬間の情報を数秒以内に処理し、容量が限られた（ミラーの7±2の法則）一時的な領域。

2. エピソード記憶 (Episodic Memory): 個人的な経験を、時間と空間の文脈とともに保持する自伝的アーカイブ（例: 「昨日14:00にアフメットと行った会議」）。

3. 意味記憶 (Semantic Memory): 時間と空間に依存しない、概念、意味、および一般的な事実のネットワーク（例: 「会議のルールとプロジェクトの目標」）。

これらのシステムは常に連携している。ワーキングメモリに入ってきた新しい情報は、エピソード記憶にある過去の出来事と結びつき、時間とともに抽象化され、意味記憶の恒久的な一部となる。これらの移行の妨げやシステムの過負荷は、意思決定の質を低下させ、認知負荷を増加させる。

Sauleは、タルヴィングのこの複数記憶構造を直接ソフトウェア層に反映する。Sauleのデータモデルでは、ユーザーの現在の活動セッションが「ワーキングメモリ」を、瞬時のインタラクションとタイムスタンプ付きノートが保持されるタイムライングラフが「エピソード記憶」を、概念、ルール、および抽象化された関係性のネットワークが「意味記憶」層をそれぞれ表す。Sauleは、これらの層間でデータを継続的にフィルタリングし、抽象化することで、モデルにとって意味のあるコンテキストを準備する。

アイデンティティとは、過去のデータの静的な総和ではなく、時間とともに絶えず書き換えられる物語的なプロセスである。

心理学者ダン・マクアダムスとマーティン・コンウェイの研究は、人間のアイデンティティが自伝的記憶に養われる生きた物語（narrative）であることを示している。人間は過去を単に記録するだけでなく、現在の価値観や将来の目標に合わせて常に再解釈する。アイデンティティは固定されたものではなく、生きている物語である。ソフトウェアシステムが過去のデータを絶対的で不変の事実として凍結してしまうと、ユーザーの精神的発達を阻害し、過去の自分に閉じ込めてしまう。

人間の心は、時間とともに変化する意図に応じて、過去の特定の記憶をより目立たせ、あるいは後景に押しやる。ある目標に焦点を当てると、私たちの脳はその目標に関連する過去の経験をより速く想起する。この状況は、記憶が受動的なデータベースではなく、アイデンティティに導かれる能動的なフィルターであることを証明している。

Sauleは、データベース内の情報を不変のブロックとは見なさない。アーキテクチャにおける「Identity Layer」（アイデンティティ層）は、ユーザーの時間経過に伴う焦点、変化する価値観、目標を追跡する。クエリ時に記憶を呼び出す際、単に数学的な類似性を見るだけでなく、ユーザーの現在のアイデンティティ物語（active narrative state）に最も適した記憶的つながりを前面に押し出す。このようにしてSauleは、ユーザーと共に成長し進化する生きた共有アイデンティティ層を提供する。

忘却は、精神をノイズから解放し、集中力を維持させ、認知能力を保護する能動的な調整メカニズムである。

一般的な信念に反して、忘却（forgetting）は脳の故障やシステムエラーではない。神経科学の研究は、脳が不要な情報を除去するために能動的な化学的および電気的なメカニズム（能動的忘却; active forgetting）を使用することを示している。もしすべてを、その細部まで覚えていたとしたら、私たちの心は無限のノイズに圧倒され、システム2レベルで単純な決定すら下せなくなるだろう(ルリアの有名な患者、シェレシェフスキーの例のように)。忘却は、重要なものを際立たせるためにノイズを排除する最適化である。

人間の心は、情報が古さ、繰り返し頻度、および現在の意図との関連性を見て、記憶のアクセス可能性を常に調整する。この認知制御（cognitive regulation）は、注意が適切な焦点に留まるようにする。デジタルシステム最大の過ちは、生成されたすべてのデータを永遠に同じ優先順位で保存しようとすることで、情報汚染を引き起こすことである。

Sauleは、不要なデータノイズを防ぐために、アルゴリズムによる能動的忘却（active forgetting）メカニズムを備えている。データベース内の各記憶要素（ノード; node）と関係（エッジ; edge）は、時間とともに減少するアクセス可能性スコア（減衰率; decay rate）を持つ。使用されていない、または意味的に陳腐化した情報は削除されず、しかし、バックグラウンドに追いやられる（プルーニング; pruning）ことでクエリコストが削減され、モデルコンテキストウィンドウがノイズの多いデータで満たされるのを防ぐ。Sauleは、忘却をシステム最適化としてコード化する。

認知的外部化は、心を弱体化させる義肢ではなく、精神的な能力を拡張し、集中力を高めるレバレッジであるべきだ。

哲学者アンディ・クラークとデビッド・チャルマーズが1998年に提唱した拡張された心（Extended Mind）理論によると、人間の心は頭蓋骨の内側に限定されるものではない。私たちが使用するノート、デバイス、ソフトウェアは、認知プロセス（認知的オフロード）の能動的な一部である。情報を外部の信頼できるツールに書き込むことは、脳の作業記憶の負担を軽減し、深い思考のためのスペースを確保する。しかし、この外部化のプロセスは、もし制御なしに行われると、心の記憶力と分析能力を鈍らせる依存症になる可能性がある。

現代のノートアプリや知識ベースは、しばしば受動的な義肢記憶のように振る舞う。私たちはそこに情報を書き込むが、その情報を二度と見つけたり思い出したりすることはなく、これが精神的な怠惰を生み出す。一方、理想的な外部記憶は、心を鈍らせるのではなく、それと対話し、連想を思い出させ、人間の知性を刺激する能動的なレバレッジであるべきだ。

Sauleは、受動的なドキュメントリポジトリであること以上のものだ。義肢記憶である代わりに、ユーザーの心を継続的に刺激する意味的な連想（連想的トリガー）を生成する。あなたがSML Terminalに何かを書き込むと、Sauleはバックグラウンドで関連する過去の決定、未完了の意図、または相互に関連するアイデアを検出し、それらを穏やかに文脈に注入する。これにより、あなたの心を弱体化させるのではなく、過去の蓄積をその場で可視化することで、認知能力を拡張する。

グループは個人よりもさらに早く忘れます。戦略的チーム。研究開発グループ。スタートアップ。組織。

毎日新しい知識が生み出され、そのほぼすべてが失われています。

Sauleは永続的な共同体の記憶を作ります。チャット履歴ではありません。ドキュメントの山でもありません。共有された共通の理解です。

認知的基盤は哲学的な比喩ではなく、データモデル、クエリアルゴリズム、システムアーキテクチャを直接的に決定するエンジニアリングパラメータです。

このセクションは、第II部で検討したすべての認知科学の原則を、Sauleのソフトウェアアーキテクチャを構築する第III部に繋ぐ橋です。人間の心の動作原理は哲学的な寛容ではなく、ソフトウェアにおける直接的なエンジニアリング決定の根拠です。認知システムの動的な性質は、従来のデータベースアドレッシング、正規化されたテーブル、静的なデータパイプラインを無効にします。

第II部で構築した理論的基盤は、ソフトウェアアーキテクチャに次のように翻訳されます。

• 記憶は倉庫ではない（再構築的な性質） ➔ 静的検索の代わりに動的コンテキスト構成 (Context Composition)。

• 多重記憶システム（タルビング） ➔ アクティブセッション、タイムライン、概念グラフの組み合わせである多層記憶アーキテクチャ。

• 自己と物語（マクアダムス＆コンウェイ） ➔ ユーザーの状態に応じて動的に重み付けを行う Identity Layer。

• 能動的忘却（最適化） ➔ グラフ上のノードとエッジの Decay（劣化）アルゴリズムによる剪定。

• 認知的外部化（クラーク＆チャルマーズ） ➔ 受動的なアーカイブの代わりに意味的なトリガーを提供する Associative Triggering。

• 集合的記憶（ウェグナー） ➔ 組織の暗黙知を保持する Semantic Provenance Graph（意味的来歴グラフ）。

実用上、SauleはこのグラフモデルをSQLite（better-sqlite3）を使用した最適化されたリレーショナル・グラフ・ハイブリッドデータベースに変換します。データベースは4つの主要なテーブルを使用します：nodes（暗号文と減衰パラメータを保存）、embeddings（密なローカルベクトルをマッピング）、edges（信頼度重み付きのグラフ接続）、およびprovenance（環境メタデータをキャプチャ）。ディスクへの書き込み前にすべての認知項目と推論詳細をローカルで保護する、アプリケーションレベルの対称AES-256-GCMエンベロープ暗号化を通じて、絶対的なゼロ知識（zero-knowledge）プライバシーが強制されます。

これらのマッピングは、Sauleの技術的なバックボーンを形成します。次のセクション（第III部）では、これらの理論的な橋がコードレベルでどのように構築されるか、意味的な取り込み（インジェスチョン）プロセスから、Semantic Provenance Graphデータモデル、動的なオーケストレーション、プライバシーとローカルデバイスでの実行のパラドックスに至るまで、すべてのエンジニアリングの詳細を検討します。Sauleは、人間の心の優雅さとソフトウェアの規律を統合するアーキテクチャです。

認知理論は、データモデルと数学的アルゴリズムに基づいて初めて動作するソフトウェアアーキテクチャに変わる。

記憶が単なるストレージ単位ではなく、私たちの心がエピソード的、意味的、そしてトランザクティブなシステムで機能することを理論的に基礎付けました。しかし、ソフトウェア工学は抽象的な概念だけでは満足できません。記憶の生きた性質をコンピューターの決定論的な世界に翻訳すること、それはデータ構造、データベーススキーマ、クエリ最適化、および暗号化プロトコルの再設計を必要とします。

第III部では、Sauleのエンジニアリングコア（core engine）と技術アーキテクチャを詳細に説明します。当社のシステムアーキテクチャの揺るぎない設計原則から始め、メモリ要素のライフサイクル、関係、タイムスタンプを保持するデータモデル（Semantic Provenance Graph）、コンテキスト作成（context composition）アルゴリズム、およびエンドツーエンド暗号化によるプライバシーレイヤーを検証します。Sauleが単なる哲学的なマニフェストではなく、機能し、スケーラブルで安全なコンピューターシステムであることをコードレベルで確認します。

Sauleのアーキテクチャは、モデル非依存性、意味論的主権、ゼロ認知ノイズ、および受動的取り込みの原則に基づいて構築されています。

Sauleは、一時的なAIトレンドやライブラリに依存して設計されていません。システムアーキテクチャは、すべての開発ステップを導く4つの基本原則に基づいています。

1. モデル非依存性 (Model-Agnosticism): システムはいかなる大規模言語モデル (LLM) やAIプロバイダーにも緊密に結合されません。メモリ層はモデルから独立した主権領域であり、標準化されたAPIを介してすべてのモデルから等距離にあります。

2. ユーザー主権 (User Sovereignty): メモリデータの絶対的な所有者はユーザーです。データはユーザーが指定した境界内に留まり、暗号化され、ポータブルな構造を持っています。

3. ゼロ認知ノイズ (Zero Cognitive Noise): メモリ層は、モデルに不要または無関係なデータ（ノイズ）を送信することを避けます。コンテキストは、最小限のトークンで最大限の意味論的深さを提供するように最適化されます。

4. 受動的取り込み (Passive Ingestion): ユーザーに継続的なデータラベリングや手動組織化を求めることはありません。システムはバックグラウンドでデータフローを passively (受動的に) リッスンし、意味論的関係を自律的に抽出し、静かに動作します。

これらの原則は、開発者がSaule SDKを使用する際、およびアーキテクチャに新しいコンポーネントを追加する際に遵守すべき厳格な境界を定めます。例えば、モデル非依存性の原則により、メモリ抽出 (memory extraction) アルゴリズムは単一のプロバイダーの特定のプロンプト構造に依存するべきではなく、代わりに抽象化されたプロトコルが使用されます。

これらの設計原則は、システム内のデータフローとメモリオブジェクトのライフサイクルを直接決定します。次のセクションでは、生のデータがシステムに入力されてからこれらの原則がどのように適用され、メモリ要素のライフサイクルがどのように進行するかを検討します。

メモリ要素は静的な行ではなく、取り込み、関連付け、アクティブな呼び出し、およびアルゴリズムによる減衰の段階を経る動的なエンティティです。

Sauleシステムに入るすべての情報は、以下の4段階のライフサイクルに従います。

1. 取り込み (Ingestion): ブラウザ拡張機能、Slack統合、またはターミナル入力などのソースから流れる生データがキャプチャされます。これらの生データはノイズ除去され、そのセマンティックコアが抽出されます。

2. 関連付けとグラフへの注入 (Association & Graph Injection): 新しいメモリ要素 (ノード) は、タイムスタンプ、空間コンテキスト、および既存のメモリグラフ内の他のノードとの間に確立されたセマンティックな関係 (エッジ) と共にグラフデータモデルに書き込まれます。

3. 検索と強化 (Retrieval & Reinforcement): ユーザーが類似のトピックで操作を行うと、関連するノードが呼び出されます。呼び出しが成功するたびに、ノードとその関連エッジのアクセススコア (重み) が増加します (ヘッブの学習規則)。

4. 減衰と剪定 (Decay & Pruning): 時間と共に呼び出されず、古くなったノードの重みはアルゴリズム的に減少します (忘却)。スコアの低いノードは完全に削除されるわけではなく、コンテキストから外すためにバックグラウンドに移動されます。

開発者向けのメモリフローチャートは、以下の技術的な順序に従います。

生データ入力 ➔ NLPパイプライン (意図のフィルタリング) ➔ ベクトル埋め込みの生成 ➔ セマンティックプロベナンスグラフへの注入 ➔ 時間経過による減衰スコアの計算。

この動的なライフサイクルをコードレベルで管理するためには、情報が時間、識別、および出所のレイヤーと共に表現できる高度なデータモデルが必要です。次のセクションでは、このデータモデル (Semantic Provenance Graph) を詳細に検討します。

Sauleのデータモデルは、意味的関係、時間的流れ、およびデータの来歴を統合するSemantic Provenance Graph アーキテクチャです。

従来のナレッジグラフ（Knowledge Graphs）はオブジェクト間の関係（AはBのマネージャーであるなど）を静的にモデル化するだけです。一方、ベクトルデータベースはテキストの類似性のみを測定します。Sauleは、これら2つのアプローチの限界を超えるために、Semantic Provenance Graph（SPG - 意味的来歴グラフ）モデルを開発しました。SPGは、データ自体と、そのデータがどのソース（Slack、Notion、ブラウザ）から、いつ、誰によって、どのような意図で生成されたか（来歴）を示すメタデータを、単一の統合されたグラフ構造で表現します。

コードレベルでは、SPGノードは以下のスキーマを持ちます。

{
  "id": "mem_01h8x9",
  "type": "epizodic | semantic",
  "content": "Ahmet ile X projesinde Rust kullanmaya karar verdik.",
  "embedding": [0.012, -0.045, ...],
  "created_at": 1783156054,
  "decay_weight": 0.98,
  "provenance": {
    "source": "slack_channel_dev",
    "author": "user_id_45",
    "session_id": "sess_89"
  }
}

エッジはノード間の意味的関係（「rust_is_used_for_x_project」）、時間的関係（「created_after」）、および因果関係（「rust_chosen_because_of_memory_safety」）と、それらの動的な強度スコアを保持します。

SPGデータモデルにより、Sauleは情報断片を単なるテキストとしてではなく、すべての文脈的来歴とともに保存できます。次のセクションでは、この豊富なグラフ構造に基づいて、AIモデルに供給される動的なコンテキストがどのように構築されるか（retrieval & composition）を見ていきます。

コンテキスト構築は、単純なベクトル検索ではなく、スーパーノード・コンテキスト化とセマンティックな起源追跡によって構築される動的なオーケストレーションである。

従来のRAGシステムは、ユーザーのクエリに最も一致する最初の5つのベクトルテキストを抽出し、LLMに送信します。しかし、これらの断片はしばしばコンテキストを欠いています。例えば、「Rustプロジェクトでの決定は何でしたか？」というクエリに対して、「Rustを使用します」という文だけが返され、その決定がなぜ行われたのか、どのようなリスクが議論されたのかは含まれません。Sauleは、この問題を克服するためにスーパーノード・コンテキスト合成（Super-Node Context Composition）手法を使用します。クエリに一致するノードが見つかると、SPGグラフ内でそのノードに直接接続されている時間的および意味的な隣接ノード（provenance path）も抽出され、階層的で豊かなコンテキストブロックが作成されます。

Sauleの検索エンジンは以下のアルゴリズムに従います。

1. クエリをベクトルに変換し、SPG上で意味的類似性検索を行う。

2. 最も高いスコアを持つノードの周辺の関連グラフ（provenance sub-graph）を抽出する。

3. 時間的ずれ（context drift）を防ぐために、ノードのタイムスタンプを時系列順に並べる。

4. アクティブな忘却スコアに基づいて重みが減少したノードを除外し、モデルの制約に適合する最もクリーンなコンテキスト（context composition）をパッケージ化する。

ローカルONNX推論中のモデルのコールドスタートを排除するため、Sauleは起動時にモデルの重みをメモリにロードするウォームアップフェーズを実行します。その後、検索エンジンはコサイン類似度を使用して、ユーザーの個人の文脈（Individual Context）と共同スペース（Collective Space）の間の明確性スコア（Clarity Score：意味的アライメント指標）を計算します。数式上、明確性スコアは個人および共同ベクトル投影の内積をそれぞれの大きさの積で割ったものとして定義されます：Clarity = (V_ind · V_col) / (||V_ind|| ||V_col||) * 100% であり、精密な合意形成スコアを提供します。

この豊富なコンテキスト構築プロセスは、ユーザーデータのセキュリティを危険にさらすべきではありません。次のセクションでは、この高度な検索およびオーケストレーション操作が、ユーザーのプライバシーを保護し、暗号化された方法でどのように実行されるかを探ります。

認知プライバシーは、エンドツーエンド暗号化（E2EE）とローカルファースト処理アーキテクチャによって絶対的に保護されなければならない。

個人または企業のメモリレイヤーは、ユーザーの最も個人的な決定、意図、ビジネス上の秘密を保持する。したがって、これらのデータが中央のクラウドサーバーに平文（プレーンテキスト）として保存されることは容認できない。しかし、データが完全に暗号化されると、AIモデルがセマンティック検索を実行したり、関係を確立したりするのが困難になる。Sauleは、この認知プライバシーのパラドックスをローカルファーストなソフトウェアアーキテクチャで解決する。

Sauleのデータストレージレイヤーは次のセキュリティプロトコルに基づいて構築されている：

• ローカルインデックス作成と埋め込み：ベクトル埋め込みの生成とSPG関係はユーザー自身のデバイス（ローカル）で実行される。

• E2EE同期：デバイス間のデータ同期が行われる際、すべてのノードとグラフのエッジはユーザー自身の鍵（ゼロ知識）でエンドツーエンドで暗号化される。クラウドサーバーは暗号化されたビットのみを転送し、データのコンテンツを絶対に見ることはない。

• 保護されたワークスペース（メモリ分離）：個人および企業のメモリ領域は厳密な境界によって互いに分離されており、チームの企業メモリが他のユーザーやモデルのトレーニングデータに漏洩することはない。

プライバシーレイヤーは、ユーザーのデータを安全に保ちながら、異なるクラウドまたはローカルのAIモデルと安全に通信できることも保証する必要がある。次のセクションでは、このメモリ構造がモデルから完全に独立してどのように機能するかを検討する。

AIモデルは一時的な推論エンジンであり、セマンティックメモリはモデルを超えてユーザーが所有する永続的なインフラストラクチャ層であるべきです。

今日、多くのアプリケーションは、メモリ機能をOpenAI、Anthropic、Googleなどのプロバイダーが提供するアシスタントAPIに委ねています。このアプローチはユーザーを特定のプロバイダーにロックインし、モデルが更新されたときにメモリ構造全体が破損するリスクを伴います。Sauleは、メモリ層を推論エンジン（LLM）から完全に分離（デカップリング）します。モデルはその時点の論理的なクエリを解決するために呼び出される「プロセッサ」（CPU）のようなものであり、メモリはマザーボード上の永続的な「ハードディスク」（SML）です。

Sauleは、モデルとメモリの間に標準化されたインターフェース（Semantic Memory Interface - SMI）を提供します。SMIは、使用されるモデル（ローカルのLlamaモデルであろうと、クラウド上のClaude 3.5であろうと）に関わらず、同じセマンティックグラフ構造を読み書きできる変換層を提供します。モデルが変更されてもメモリは失われず、新しいモデルはSMIプロトコルを介して以前のコンテキスト情報を引き続き読み込みます。これにより、組織は単一のAIプロバイダーにロックインされることなく、数秒で最新かつ最も経済的なモデル間を切り替えることができます。

Sauleのモデル非依存の原則は、単なるアプリケーションであることから脱却させ、AIエコシステム全体の共通プロトコルへと変革します。第IV部では、このビジョンをさらに拡張し、オープンソースのメモリプロトコル、開発者エコシステム、そしてコンピューティングの未来における新しい構造層をどのように構築しているかをご覧いただきます。

記憶は単なる個人の貯蔵庫ではありません。AI時代において、人類の共通の認知的蓄積を未来へと運ぶ集合的な標準です。

Sauleの哲学的出発点、人間記憶の構成原理、そしてセマンティックプロベナンスグラフ（SPG）アーキテクチャの技術的なコードレベルでの対応について詳細に説明しました。しかし、Sauleは単なる個人アシスタントや企業ツールではありません。それは、すべてのソフトウェアとモデルが共通に会話し、ポータブルでオープンな標準を持つ未来のビジョンです。

第IV部では、Sauleの将来的な位置付けと、社会的な認知への影響を概説します。異なるメモリレイヤーが安全に相互に通信できるようにするオープンメモリプロトコル（Open Memory Protocol、OMP）のビジョン、開発者向けに構築したエコシステム、そしてオペレーティングシステムとクラウドに次ぐ新しいインフラストラクチャ層である「コグニティブレイヤー」（The Cognitive Layer）について取り上げます。人間知性とデジタル記憶が新しい時代で最終的に融合する様を描写することで、このホワイトペーパーを締めくくります。

未来のデジタル世界において、記憶は閉鎖的なエコシステムに囚われるべきではありません。オープンでポータブルな普遍的なメモリプロトコル（OMP）によって解放されるべきです。

今日私たちが使用するすべてのソフトウェア（SaaSプラットフォーム）は、データを独自のデータベースに保存し、ユーザーを自身のエコシステムに閉じ込めます。あるプラットフォームから別のプラットフォームへ移行したいとき、データだけでなく、そのデータの背後にある文脈や過去の蓄積も失われます。AI時代において、このサイロ化は認知的な分断を生み出します。個人や組織が単一の全体であるべき記憶は、何十もの閉鎖的なアプリケーション間で断片化されます。Sauleは、この問題を解決するためにオープンメモリプロトコル（Open Memory Protocol - OMP）標準を提案しています。

オープンメモリプロトコルは、意味論的なメモリノード、エッジ、およびデータ来歴（プロブナンス）を、暗号化され、ポータブルで標準的なJSON形式でデバイスやアプリケーション間で転送できるようにするプロトコルです。OMPにより以下が可能になります：

• メモリのポータビリティ：ユーザーは、メモリグラフをあるアプリケーションから別のアプリケーションへ、またはあるAIアシスタントから別のAIアシスタントへ、データや文脈の損失なく数秒で移行できます。

• 相互運用性：異なるアプリケーション（例えば、電子メールクライアントとプロジェクト管理ツール）は、OMPを介して、ユーザーの中央メモリ層に安全な境界内でデータを追加したり、そこから文脈を読み取ったりすることができます。

OMP標準は、AI開発者がクローズドなAPIに依存することなく、共通の自由なメモリエコシステム上でソフトウェアを構築する道を開きます。次のセクションでは、この標準を実現するための開発ツールとSDKエコシステムについて考察します。

Sauleエコシステムは、SDK、標準化されたAPI、および自律型メモリエージェントを通じて、開発者に認知インフラストラクチャを提供します。

メモリレイヤーの成功は、開発者コミュニティによってどれだけ容易に採用されるかによって測られます。Sauleは、TypeScript、Python、Rustで書かれた軽量なSDKを提供します。開発者は、わずか数行のコードで、自身のAIアプリケーション、チャットインターフェース、または自律エージェントに永続的で生きているメモリを与えることができます。

import { SauleClient } from '@saule/sdk';
const client = new SauleClient({ endpoint: 'local' });
// 新しいメモリ入力の追加
await client.memory.ingest({
  content: "プロジェクトアーキテクチャでPostgresを使用することが決定されました。",
  source: "会議メモ"
});

Sauleエコシステムは、開発者がデータクエリを行うだけでなく、バックグラウンドで動作し、セマンティックなずれ（context drift detectors）を検出し、古くなった情報をアルゴリズム的に剪定し、グラフを整理する自律型メモリエージェント（Memory Agents）を開発することもサポートします。これにより、ソフトウェアは時間の経過とともに速度が低下する扱いにくいデータベースの代わりに、自己最適化する動的なメモリ構造を獲得します。

開発者エコシステムの成長は、コンピューターと人間の心との関係も根本的に変えるでしょう。最後のセクションでは、この認知インフラストラクチャがオペレーティングシステムやクラウドに続く新しい大きなコンピューティングレイヤー（The Next Computing Layer）としてどのように位置付けられるかについて検討します。

コンピューティングの新しい構造的層は、ハードウェア、オペレーティングシステム、およびクラウドの上にそびえ立つ独立したセマンティックメモリ層（SML）となるでしょう。

コンピューターの歴史は、抽象化層の歴史です。まずハードウェアレベル（トランジスタと配線）から始まりました。次に、このハードウェアを管理するオペレーティングシステム（OS）層を構築しました。インターネット時代には、データと処理をグローバル化するクラウド層を追加しました。今日、AI革命とともに、これら3つの層の上に新しい層が生まれています：認知層（The Cognitive Layer）。この層は、データを単に保存したり転送したりするだけでなく、意味、時間、アイデンティティ、意図を組織化する生きたメモリインフラストラクチャです。

Sauleは、この認知層の創設エンジンです。ハードウェアは変化し、オペレーティングシステムは進化し、大規模言語モデルは登場し消えていくかもしれませんが、人間の心と組織が時とともに蓄積するセマンティックメモリは、永続的かつ支配的であり続けなければなりません。Sauleは、コンピューターを単にコマンドを逐語的に実行する無言のツールから、人間の認知を保護し、それを拡張し、時間の境界を超えて運ぶ生きた精神的パートナーへと変えます。

Saule White Paper v2.0は、単なる技術アーキテクチャの文書ではなく、人間が自身のデジタル存在、注意の限界、そして知的財産に対する主権を保護するという決意です。知性は一般的であり、急速に商品化されています。しかし、私たちを私たちたらしめ、私たちの決断を唯一無二にするのは私たちの記憶です。Sauleは、この記憶をその所有者に戻し、未来の認知世界において人間の心を絶対的に支配的なものにするためにここにあります。知性は変化し得ます。記憶は永続的です。

Sauleは、データの分離、モデルの独立性、意味的来歴追跡により、閉鎖型モデルメモリや単純なRAG統合とは一線を画します。

AIエコシステムで最近進化しているメモリのアプローチは、通常、モデルのステートレスな構造を一時的なパッチで克服しようとします。これらのアプローチと独立したセマンティックメモリレイヤー（SML）との違いは次のとおりです。

• OpenAI/Claude Memory: フラットでキーバリューベースのシンプルな記憶を提供します。モデルの独立性はありません（単一モデルでのみ動作）、データはクラウド上にあり、プライバシーは保証されません。ネットワーク効果はありません。

• RAG / ベクトルデータベース: 生テキストの類似性（ベクトル類似性）に基づいて検索を行います。意味的な深さや時間的関係はなく、データ構造は静的です。

• Mem0 / Zep: エピソード的なベクトルメモリを保持します。部分的にモデル独立ですが、データ構造は柔軟ではなく、ローカルファーストのプライバシーは提供されません。

• Letta / MemGPT: エージェントの一時的な作業領域（スクラッチパッド）を管理します。アプリケーション間のポータビリティやクロスネットワーク効果はありません。

• Saule (SML): セマンティックプロベナンスグラフ（SPG）構造を使用します。完全にモデル非依存（Model-Agnostic）であり、ゼロ知識暗号化とローカルファーストな保存を提供します。ワークスペース間の意味的ネットワーク効果（集合知）を生成します。

投資家やアーキテクトにとって最も重要な質問は、「OpenAIやAnthropicが独自のメモリシステムを完璧にしたときに、なぜSauleは不要にならないのか？」ということです。その答えは、Sauleの3つの設立以来の堀（moats）にあります。

1. モデル分離（Decoupling）：OpenAIのメモリはClaudeによって読み取れません。ClaudeのメモリはローカルのLlamaモデルによって使用できません。しかし、メモリは所有者の財産であるべきです。Sauleはモデルを一時的な処理単位として位置づけることで、メモリを永続的かつポータブルにします。

2. アプリケーション間コンテキスト（Cross-Application Context）：単一のモデルプロバイダは、ユーザーのSlack、Notion、ブラウザ、および電子メールのデータを単一のセマンティック来歴グラフ（SPG）に統合できず、企業のデータサイロを超えることはできません。

3. ゼロ知識プライバシー（Zero-Knowledge Privacy）：企業は、最も機密性の高い業務プロセスや意図をクラウドプロバイダのオープンなデータベースに委ねることはできません。Sauleのローカルファーストで暗号化されたアーキテクチャは、認知的な知的財産を法的かつ技術的に保護します。

個人メモリから企業トランザクティブメモリに至るロードマップは、セマンティックネットワーク効果を通じて持続的な市場価値を生み出します。

Sauleのビジョンは、単一のアシスタントインターフェースからインターネットの全認知インフラストラクチャに至る、4フェーズの成長計画です。

• フェーズ1: 個人メモリエンジンとローカルコア (Personal SML & Local Core) — Beiwe Workspaceの統合（最初のリリースでは、Sauleのアクティブメモリとバックグラウンド監視機能はBeiwe Smart Workspace内でのみ動作するように制限されています）とターミナルUI（観測）、ローカルSQLiteデータベース（ストレージ）、ローカルの埋め込み/小型LLM（意味処理）統合。

• フェーズ2: ワークスペースメモリ (Workspace SML) — チーム向けにSlack、Notion、GitHub統合によるトランザクティブメモリインフラストラクチャの構築と、企業のアムネジアの防止。

• フェーズ3: オープンメモリプロトコル (Open Memory Protocol - OMP) — 異なるアプリケーションや自律エージェントが標準APIを介してSauleと通信できるようにするプロトコルの公開。

• フェーズ4: セマンティックオペレーティングシステム (Semantic OS) — ハードウェアおよびクラウドレイヤーの上に、人間の認知に直接対応して動作する次世代のオペレーティングシステムの確立。

Sauleは、オープンソースコア（open-core）とSaaSサブスクリプションモデルで商業化されます。

• Saule Community（オープンソース）：個人開発者やローカルデバイスで実行したいユーザー向けの完全無料のローカルメモリエンジン。

• Saule Professional: 高度な同期、クラウドバックアップ、APIアクセスを求めるプロフェッショナル向けの月額サブスクリプションモデル。

• Saule Enterprise: 企業向けに、メモリ分離（Memory Isolation）、トランザクティブメモリグラフ、高度な役割承認、専用E2EE同期インフラストラクチャを提供するエンタープライズライセンスモデル。企業の記憶喪失を防ぎ、車輪の再発明を避けることは、エンタープライズセグメントにとって最大の投資収益率（ROI）源となります。

Sauleは静的なクエリ応答エンジンではありません。バックグラウンドで継続的に動作し、各サイクルで自己を強化する認知ループ（Adaptive Intelligence Loop）で動作します。

アーキテクチャのステータスと通知：この文書で定義されている6層の認知オペレーティングシステム（Cognitive OS）とローカル暗号化インフラストラクチャは、Sauleの長期的な技術目標とアーキテクチャテンプレートを表しています。現在の動作中のプロトタイプ（current state）は、クラウドベースのFirestoreとAPI統合で動作する、ハイブリッドな意図ルーティング（context routing）とベクトル検証エンジンを実装しています。指定されたローカルの独立したコンポーネントとローカル小型LLM統合は、以下のロードマップフェーズに従って順次展開されます。

メモリライフサイクル（Memory Lifecycle）：Sauleでは、いかなるメモリ入力（Memory Unit）も静的なままではありません。時間とともに以下のライフサイクルを通過します：Capture ➔ Episode ➔ Summarize ➔ Link ➔ Strengthen ➔ Decay ➔ Archive ➔ Delete。

フィードバックループ（Learning Engine）：システムが自身の決定と文脈の正確性を継続的に改善するために、以下のループが実行されます：Execution ➔ Feedback ➔ Learning ➔ Policy Update ➔ Observe。ユーザーフィードバックは、ローカルのポリシーエンジンルールと意味的重み付けアルゴリズムを自動的に更新します。

オーケストレーターは、Sauleの認知的意思決定を管理し、レイヤー間の調整を提供する頭脳です。そのサブコンポーネントは以下のとおりです。

• タスクスケジューラ：バックグラウンド処理（統合、忘却、圧縮など）がいつ、どのような優先順位で実行されるかを計画します（例：デバイスが充電中でアイドル状態のとき）。

• メモリスケジューラ：どのメモリ領域（個人、ワークスペースなど）をクエリし、それらからどのようにノイズのないコンテキスト合成（Context Composition）を作成するかをオーケストレートします。

• エージェントルーター：受信した意図（intent）とコンテキストに基づいて、どの自律エージェント（電子メールエージェント、カレンダーエージェント）がトリガーされるかを決定します。

• リソースマネージャー：ローカルSQLiteのサイズ、RAM使用制限、CPU消費量を管理し、デバイスに負担をかけません。

• モデルセレクター：操作の機密性、複雑さ、予算に応じて、どのLLM（ローカルの小型LLMか、クラウド上のAPIか）を使用するかを決定します。

Saule Coreは、中央のインテリジェンスオーケストレーターによって管理される7層のモジュラー構造を持っています。

1. 観測レイヤー：人間（音声、行動）、デジタル（ブラウザ、IDE、カレンダー）、物理（位置、マイク、カメラ）レベルでの観測を抽象化します。

2. コンテキストレイヤー：マルチモーダルデータ（画面、音声、時間、位置）を統合し、コンテキストの焦点と優先度（アテンションスコア＆プライオリティ）を計算します。

3. ポリシーエンジン：データ漏洩防止の境界（プライバシールール）、未承認の自動化防止、および企業分離ルールを運用します。

4. セマンティックメモリレイヤー：スペースアウェア知識グラフ（個人 ➔ ワークスペース ➔ コミュニティ ➔ 組織）とマルチモデルをサポートする分離された埋め込みインデックスをホストし、バックグラウンドメモリタスクを管理します。

5. 推論レイヤー：ハイブリッド検索、多段階計画、およびローカルルールを運用する推論層。

6. 実行レイヤー：フローティングデスクトップインターフェースと承認サイクルに基づく自動化ワークフロー。

7. 同期レイヤー：ローカルでAES-GCM暗号化されたYjs/CRDTブロックによるオフライン、P2P、クラウド、エンタープライズ同期モード。

Sauleのメモリノードは、時間とともに拡張可能な6つの基本カテゴリ（Knowledge、Experience、Action、Relationship、Identity、Resource）と、そこから派生するサブタイプ（decision、goal、fact、fileなど）に基づいて構築されています。リレーショナルSQLiteスキーマは次のとおりです。

• `nodes`: id (PK), unit_category, unit_type, space_type, space_id, content, decay_score, created_at フィールドを保持する基本メモリユニット。

• `embeddings`: node_id (FK), model_name, dimension, vector フィールドを保持する、メインノードから分離されたベクトルテーブル。これにより、モデル変更時にもすべてのデータが保護されます。

• `edges`: source_id, target_id, relation_type, confidence（信頼スコア）, created_by (ai/user/system), reason フィールドを保持するリッチなエッジテーブル。

• `provenance`: node_id, app_name, window_title, url, file_path, device_id, workspace_id, user_action フィールドを保持するリッチなデータ来歴テーブル。

メモリをローカルデバイスに安全に保存し、共有ワークスペースでの漏洩を防ぐことは、以下の技術アーキテクチャで解決されています。

• ローカルデータセキュリティ：ローカルデバイス上のSQLiteデータベースは、ローカルで派生したキーを使用したアプリケーションレベルのAES-256-GCMエンベロープ暗号化によって保護され、高いポータビリティと漏洩のないストレージを提供します。認可されていないローカルアプリケーションはSauleのデータファイルにアクセスできません。

• 集合的/共有ワークスペース同期（ゼロ知識P2Pキー交換）：複数のユーザーが共通のグラフ（ワークスペースメモリ）を共有する場合、非対称暗号化（ECDH/RSA）が使用されます。ワークスペースに参加するメンバーは、ピアツーピア（エンドツーエンド）でワークスペース対称暗号化キーを共有します。共通グラフに書き込まれるすべてのYjs/CRDTデータパケットは、ローカルでこの共通キーで暗号化され、暗号文（cipher-text）としてクラウドに送信されます。クラウドサーバーは復号化キーを持たず、暗号化されたパケットのリレーのみを担当し、ゼロ知識プライバシーモデルを保護します。

Sauleは、バックグラウンドで動作中にディスクに負担をかけず、ゼロに近いエネルギー消費で動作するため、以下の最適化を適用します。

• RAMオンリー揮発性リングバッファ (ディスク書き込みの統合): マイクロアクティビティ (キー入力、マウスの動き) は直接SSDに書き込まれず、RAM上の揮発性リングバッファに保持されます。注意フィルター (Attention Filter) がエピソードが終了したと判断されたとき (例: ユーザーが3分間入力していたNotionのページから離れ、ブラウザに集中したときなど)、これらのデータは単一の書き込みトランザクション (single write transaction) でSQLiteに書き込まれます。

• 非アクティブ状態管理 (Idle State) と遡及的タイムスタンプ: ユーザーが3分以上キーボード/マウス操作を停止すると、システムは「Idle」状態に移行し、記録を一時停止します。エピソードの終了時刻は、ユーザーがコンピュータから離れた瞬間ではなく、最後にキーを押した瞬間として記録されます (retroactive timestamping)。これにより「ゴーストアテンション」(ghost attention) データが防止されます。スクリーンセーバーまたはロックが有効になると、リスニングは完全に停止し、推奨エンジンは画面前のプライバシーのために凍結されます。

• 2段階検索フィルターとバッチインデックス作成: 重い埋め込み計算を継続的に行いCPUに負担をかけないよう、まず単語ベースの高速BM25フィルターが実行されます。類似度しきい値を超えた場合にのみ、ローカルのONNX埋め込みとコサイン検索がトリガーされます。新しく追加された生ののエピソードはすぐにはインデックス化されず、コンピュータがアイドル状態で充電中であるとき (Dream State) に、バックグラウンドで一括してインデックス化されます。

ユーザーのプライバシー意識と認知負荷のバランスを取るため、システムは2つの異なる動作モードを提供します。

• 自律監視モード (Autonomic Mode / Subconscious): デフォルトのモードです。バックグラウンドでアクティブリスニング、注意フィルター、共鳴エンジンが中断なく動作します。バンキングやシークレットタブなどのアプリケーションは、ブラックリスト (blacklist) ルールにより自動的にリスニング対象から除外されます。

• 対話型/手動モード (Interactive Mode / Conscious): バックグラウンドの監視は完全に停止します。システムはOSやブラウザを監視しません。ユーザーが直接操作を行った場合にのみ動作します: Alt+SpaceでTerminal HQに入力する、選択したテキストを右クリックして「Sauleに記憶させる」と指示する、モバイルデバイスで音声エピソードを記録する、またはフローティングアイランドから「現在のセッションを保存」と指示するといった合意に基づく明示的な操作によってのみメモリが構築されます。

• UI/UXステータス表示: デスクトップ上のフローティングアイランド (Floating Island) は、システムが現在どのモードにあるかを軽いパルスアニメーション (青/緑: 自律型、灰色/静止: 手動) でユーザーに示し、ワンクリックでモード間の切り替えを可能にします。

Sauleの4四半期ローカル統合ロードマップは、以下のステップで構成されます。

• フェーズ1: 個人メモリエンジンとローカルコア (Personal SML & Local Core) — SQLiteリレーショナルグラフモデルの確立、Cognitive API（`remember`、`recall`、`connect`、`forget`）メソッドの記述、ローカルnomic-embedおよびLlama-3-8B-Instructのローカル統合、Beiwe Workspaceの統合（最初のリリースでは、Sauleのアクティブメモリとバックグラウンド監視機能はBeiwe Smart Workspace内でのみ動作するように制限されています）とターミナルUI（観測）、Yjs/CRDT暗号化同期の確立。

• フェーズ2: 拡張観測およびコンテキスト融合エンジン — クリップボード、選択、Gitブランチ、画面読み上げ（アクセシビリティツリー）コレクター、コンテキストフュージョンによる優先度計算、バックグラウンドで動作する統合およびアルゴリズム的減衰（decay）エンジン。

• フェーズ3: OSフローティングアイランド (Floating Desktop Island UI) — すべてのウィンドウの上に表示される透明なフローティングアイランドウィジェット、Alt+Space SMLターミナルHQインターフェース、ユーザー承認に基づくアクション自動化エンジン。

• フェーズ4: モバイル統合および音声エピソードノート — React Nativeモバイルクライアントによるローカルオーディオハードウェアへのアクセス、ローカルWhisperモデルによる音声記録の分析とデスクトップグラフとの同期。

Saule Coreは、クライアント統合（Beiwe Workspace拡張機能など）を標準化するために、ポート4000で実行されるローカルREST APIマイクロサービスを公開します。これは次のエンドポイントを提供します：/api/smi/ingest (ローカルメタデータでメモリノードを永続化)、/api/smi/recall (個人スペースとコミュニティスペース間でセグメント化されたコンテキスト検索を実行)、/api/smi/clarity (コサイン類似度による意味的整合性と合意を評価)、および/api/smi/verified-solutions (コンテキスト制約に基づいてブランドカタログの一致をフィルタリング)。

セマンティックメモリレイヤー（SML）は、Sauleが市場に提供する公式なソフトウェアカテゴリです。RDBMSやドキュメントストアのように、独立したソフトウェアレイヤーを指します。一方、認知オペレーティングシステム（Cognitive OS）は、このSMLレイヤーがハードウェアやソフトウェア上でどのように位置付けられるかを示す技術的なアナロジーです。

ユーザーはシステムに新しいオペレーティングシステムをインストールする代わりに、スマートなメモリレイヤー（SML）をインストールすることで市場の障壁を克服します。しかし、このレイヤーはバックグラウンドで動作しながら、認知OSのようにリソース管理とアクションオーケストレーションを実行し、オペレーティングシステムレベルの認知体験を提供します。