FROSTの複利効果：なぜあなたのAI Agentには「知識台帳」が必要なのか？

著者：神通说

日付：2026-07-29

テーマ：双プロジェクト連携 | 水曜交代

読了時間：10分

魂に迫る問い

あなたのAI Agentは、タスクを終えるたびに何を学んでいるだろうか？

もし「何も学んでいない」と答えるなら——おめでとうございます。あなたは99％のAgentフレームワークが避けている問題を発見したことになります。

Agentがタスクを終えた後、経験はどこへ行くのか？
次に似たタスクを実行するとき、今回はより良くできるだろうか？
あるAgentが「引退」したとき、蓄積した能力は次世代に引き継げるのか？

この3つの問いこそ、FROSTとFROST-SOPという双子のプロジェクトが解決しようとする核心命題です。

一、Agentの「知識健忘症」

まずは実際のシナリオをお話ししましょう。

昨日、私のAgentはデータ分析タスク——3万問の知識点マッピングの洗浄——を完了しました。まる3時間かけ、3種類のアルゴリズムを試し、最終的に98.7％の成功率のスキームを見つけました。

今日、私は似たタスク——別のデータセットの知識点マッピングの洗浄——を依頼しました。

さて、どうなったでしょうか？　Agentはゼロから始めました。以前つまずいた落とし穴、試したアルゴリズム、最終的な最適解——すべてリセットされていました。

これは知性ではなく、健忘です。

従来のAgentフレームワークは、実行を「使い捨て消費財」として扱います：実行→出力→破棄。Agentは毎日「新しい会社に入社した初日」の社員のように、昨日の教訓を繰り返し学んでいるのです。

まるで毎朝目覚めるたびに銀行口座残高がゼロになるようなものです。昨日いくら稼いでも、今日またゼロから始めることになる——いつまで経っても裕福にはなれません。

二、複利効果：知識も「利が利を生む」

アインシュタインは（本当かどうかはさておき）こう言いました。

複利は世界第八の不思議だ。それを理解する者は利益を得、理解しない者は支払う。

金融の世界で複利の本質はシンプルです：今日の利益が明日の元本になる。

FROSTの設計思想は、この「複利効果」をAgentシステムに導入することです。

FROSTの「知識台帳」：Store + Skill + 憲法

FROST（Fractal Runtime of Orchestrated Skills & Tasks）は、3つのコアメカニズムでAgentの知識複利を実現します。

1. Store——知識口座

各AgentにはStore（記憶コンテナ）があり、「知識銀行口座」のような役割を果たします。タスク実行の結果、学んだ経験、見つけた法則はすべてStoreに保存されます。

from frost.core import Store, Agent

# Agentの記憶口座を作成
store = Store(config={
    "backend": "persistent",  # 永続化ストレージ。再起動しても失われない
    "namespace": "data_analyst"
})

# Agentがタスク完了後、経験を自動保存
store.save("kp_mapping_strategy", {
    "algorithm": "embedding_semantic_match",
    "success_rate": 0.987,
    "failed_cases": ["模糊概念", "跨学科交叉"],
    "lesson": "優先使用Embedding語義匹配、關鍵詞匹配作為降級方案",
    "timestamp": "2026-07-28T15:30:00+08:00"
})

Enter fullscreen mode Exit fullscreen mode

次に似たタスクを実行するとき、Agentはゼロから始めるのではなく、まず「台帳」を確認します。

# 新タスク開始時に、過去の経験を参照
previous_strategy = store.load("kp_mapping_strategy")

if previous_strategy:
    # 「前任者」の肩の上に立つ
    print(f"過去の成功率: {previous_strategy['success_rate']}")
    print(f"落とし穴回避ガイド: {previous_strategy['lesson']}")
    # 検証済みの戦略を直接使用し、再び模索しない

Enter fullscreen mode Exit fullscreen mode

2. Skill——能力の資産化

FROSTにおいて、Skillは一時的な関数呼び出しではなく、再利用可能で継承可能な能力資産です。

Skillが作成されると、それはAgentファミリーの「固定資産」となります。子孫のAgentは車輪の再発明をすることなく、直接利用できます。

from frost.core import skill

@skill(
    name="knowledge_point_mapping",
    version="1.2.0",
    description="問題を知識点体系にマッピングする",
    inputs={"questions": list, "kp_tree": dict},
    outputs={"mapped": list, "success_rate": float}
)
def map_questions_to_kp(context):
    """知識点マッピングSkill — 3回の反復最適化済み"""
    # v1: キーワードマッチング -> 成功率72%
    # v2: TF-IDF意味解析 -> 成功率89%
    # v3: Embeddingマッチング -> 成功率98.7%

    strategy = context.store.load("kp_mapping_strategy")
    if strategy and strategy["success_rate"] > 0.9:
        # 検証済みの戦略を直接再利用
        return embedding_match(context, strategy)
    else:
        # 基本方式にフォールバック
        return keyword_match(context)

Enter fullscreen mode Exit fullscreen mode

Skillのメタデータに注目してください：バージョン番号、入出力定義、説明。これは装飾ではなく、検索・組み合わせ・監査可能な能力ユニットにするためのものです。

3. 憲法——知識の「利息ルール」

FROSTで最もユニークな設計：憲法（Constitution）。

憲法は「知識がどのように流通するか」のルールを定義します。例えば：

  • どの経験をStoreに保存すべきか？（すべての実行結果に価値があるわけではない）
  • Skillはどのような条件でバージョンアップできるか？（未熟な経験が能力ライブラリを汚染しないため）
  • 知識はAgent間でどのように継承されるか？（親子Agent間の記憶引き継ぎルール） 
from frost.core import Constitution

# 知識流通ルールを定義
constitution = Constitution({
    "memory_policy": {
        "store_threshold": 0.8,  # 成功率>80％の経験のみ保存
        "retention_days": 90,    # 経験の保持期間90日
        "inheritance": "full"    # 子Agentへ完全継承
    },
    "skill_evolution": {
        "min_iterations": 3,     # 最低3回反復でSkill化
        "max_version_bump": "minor"  # 1回の小バージョンアップのみ
    },
    "knowledge_sharing": {
        "scope": "family,       # ファミリー内共有
        "cross_family": "review_required"  # ファミリー間は監査が必要
    }
})

Enter fullscreen mode Exit fullscreen mode

これが「複利ルール」です——どの知識を蓄積すべきか、どのように蓄積し、どのように伝えるかを定義しています。

三、理論からエンジニアリングへ：FROST-SOPの「知識工場」

FROSTは500行のコードで「Agent知識複利」の可能性を証明しました。しかし理論とエンジニアリングの間には大きな溝があります。

FROST-SOPはその溝を埋めるエンジニアリングプラットフォームです。

FROSTが「知識複利」の設計図なら、FROST-SOPは複利を実際に回す知識工場です。

SOP Store：プロダクショングレードの知識口座

FROST-SOPはFROSTのStore概念をプロダクショングレードの実装に進化させました。

from frost_sop.store import SOPStore

# プロダクショングレードStore：永続化・バージョン管理・並行安全性に対応
store = SOPStore(
    backend="sqlite",  # または PostgreSQL, Redis
    config={
        "versioning": True,      # 変更ごとに履歴バージョンを保持
        "concurrent_safe": True, # 複数Agentの並行安全性
        "audit_log": True,       # すべての操作をログ記録
        "backup_interval": 3600  # 1時間ごとに自動バックアップ
    }
)

# 知識の書き込み — 自動バージョン化
store.put("data_cleaning_pipeline", {
    "steps": ["重複排除", "標準化", "異常検知", "知識点マッピング"],
    "total_records": 374000,
    "success_rate": 0.987,
    "last_updated": "2026-07-28"
})

# 過去バージョンの閲覧 — 知識の「タイムマシン」
versions = store.history("data_cleaning_pipeline")
for v in versions:
    print(f"v{v.version}: {v.timestamp} - {v.change_summary}")# v1.0: 2026-07-26 - 初期化、キーワードマッチング
# v1.1: 2026-07-27 - TF-IDFへアップグレード
# v1.2: 2026-07-28 - Embeddingへアップグレード、成功率98.7%

Enter fullscreen mode Exit fullscreen mode

Skill Registry：能力資産市場

FROST-SOPのSkill Registryは、能力資産を真に「流通」させます。

from frost_sop.registry import SkillRegistry

registry = SkillRegistry()

# 検証済みのSkillを登録
registry.register(
    skill_id="kp_mapping_v3",
    skill=map_questions_to_kp,
    metadata={
        "author": "data_analyst_agent",
        "tested_iterations": 5,
        "avg_success_rate": 0.987,
        "compatible_inputs": ["math_questions", "physics_questions"],
        "dependencies": ["embedding_service", "kp_tree_v2"]
    }
)

# 他のAgentはこのSkillを発見・利用可能
available = registry.search(
    capability="knowledge_mapping",
    min_success_rate=0.95
)
# -> kp_mapping_v3（成功率98.7%）が見つかる

Enter fullscreen mode Exit fullscreen mode

これは「能力市場」のようなものです——Agentは自ら蓄積したSkillを公開したり、他者が蓄積したSkillを検索・利用したりできます。知識はもはや一つのAgentの私有財産ではなく、ファミリー全体の公共資産となります。

EventBus：知識の「高速道路」

FROST-SOPのAsyncEventBusアーキテクチャは、Agent間の知識の高速流通を実現します。

from frost_sop.event import AsyncEventBus

bus = AsyncEventBus()

# Agent Aがタスクを完了し、「経験イベント」を発行
@bus.on("task.completed")
async def on_task_done(event):
    if event.success_rate > 0.8:
        # 高成功率 -> 自動的に知識ベースへ保存
        await store.put(
            f"experience/{event.task_type}",
            event.experience
        )
        # 他のAgentへ通知
        await bus.emit("knowledge.updated", {
            "type": event.task_type,
            "new_skill": event.skill_name,
            "success_rate": event.success_rate
        })

# Agent Bが「知識更新」イベントを購読し、新たな能力を自動取得
@bus.on("knowledge.updated")
async def on_knowledge_update(event):
    # 新しいSkillを自動ダウンロード・インストール
    new_skill = await registry.download(event["new_skill"])
    agent.install_skill(new_skill)
    print(f"新しい能力を取得: {event['new_skill']}")

Enter fullscreen mode Exit fullscreen mode

これが知識の高速道路です——あるAgentが学んだことは、イベントバスを通じてファミリー全体に自動的に伝播します。

四、実例：37.4万問の知識複利

「知識複利」の力を、実際の事例で説明します。

背景

私は教育プロジェクト（DeepTutor）で、37.4万問の問題を知識点体系にマッピングする作業をしています。これは「継続的な反復最適化」が必要な典型的なタスクです。

FROST+FROST-SOPの使い方

第1週：基盤構築

# Day 1: 知識点マッピングSkill v1を作成
@skill(name="kp_mapping", version="1.0.0")
def kp_mapping_v1(context):
    """初版 — キーワードマッチング"""
    results = []
    for question in context.questions:
        matched = keyword_search(question.text, context.kp_tree)
        results.append({"question": question, "kp": matched})
    return results

# 成功率: 72%
# 経験をStoreへ保存
store.save("kp_mapping_experience", {
    "version": "1.0.0",
    "success_rate": 0.72,
    "failure_pattern": "同义詞无法识别",
    "next_step": "引入语义相似度"
})

Enter fullscreen mode Exit fullscreen mode

第2週：反復最適化

# Day 8: 前週の経験に基づきv2へアップグレード
experience = store.load("kp_mapping_experience")

@skill(name="kp_mapping", version="2.0.0")
def kp_mapping_v2(context):
    """第2版 — TF-IDF意味マッチング"""
    # 前週の経験を活かし、既知の落とし穴を回避
    tfidf_matrix = build_tfidf(context.kp_tree)

    results = []
    for question in context.questions:
        scored = tfidf_search(question.text, tfidf_matrix, top_k=3)
        results.append({"question": question, "candidates": scored})
    return results

# 成功率: 89% -> 17ポイント向上

Enter fullscreen mode Exit fullscreen mode

第3週：ブレイクスルー

# Day 15: 蓄積経験に基づきv3へアップグレード

@skill(name="kp_mapping", version="3.0.0")
def kp_mapping_v3(context):
    """第3版 — Embedding意味マッチング + 科目コンテキスト"""
    # 前2版の肩の上に立つ
    embeddings = load_embeddings(context.kp_tree)

    results = []
    for question in context.questions:
        # 科目コンテキストを認識（v2の経験で学んだこと）
        subject = detect_subject(question.text)
        # 対応科目のEmbedding空間で検索
        matched = embedding_search(
            question.text, embeddings[subject],
            threshold=0.85
        )
        results.append({"question": question, "kp": matched})
    return results

# 成功率: 98.7% -> さらに約10ポイント向上！

Enter fullscreen mode Exit fullscreen mode

複利の力

このプロセスを見てみましょう。

バージョン 成功率 主な改善 出典
v1.0 72% キーワードマッチング ゼロから
v2.0 89% TF-IDF意味解析 v1の失敗経験
v3.0 98.7% Embedding+科目コンテキスト v1+v2の蓄積経験

毎回ゼロから始めていたら：

  • 1回目：72%まで模索
  • 2回目：また落とし穴を踏み、72%まで模索した後89%へ
  • 3回目：また最初から……

しかし「知識台帳」があれば、毎回の反復は前回の肩の上に立つことになります。72% → 89% → 98.7%。これは線形成長ではなく、複利成長です。

そのすべてを支えているのが、FROSTのStore + Skill + Constitutionの3点セットと、FROST-SOPのSOP Store + Skill Registry + EventBusによるエンジニアリング実装です。

五、あなたのAgentにはどのような「知識台帳」が必要か？

あなたのAgentシステムにも「知識複利」能力を持たせたいなら、以下の設計原則が鍵となります。

1. 経験は自動的に沈殿させる

Agentに「やりっぱなしで忘れさせる」ことはやめましょう。タスク完了後、経験を自動抽出・品質評価・保存可否を判断します。

# FROST-SOPの自動経験沈殿メカニズム
@bus.on("task.completed")
async def auto_experience_extraction(event):
    experience = {
        "task_type": event.task_type,
        "inputs_summary": summarize(event.inputs),
        "outputs_summary": summarize(event.outputs),
        "success_rate": event.success_rate,
        "anomalies": detect_anomalies(event.logs),
        "timestamp": now()
    }

    # 品質を自動評価
    if experience["success_rate"] > constitution["store_threshold"]:
        await store.put(
            f"experience/{event.task_type}/{event.timestamp}",
            experience
        )

Enter fullscreen mode Exit fullscreen mode

2. 能力は組み合わせ可能に

単一のSkillの価値は限定的ですが、Skill同士の組み合わせは指数関数的な価値を生み出します。

# FROST-SOPのSkill組み合わせ
from frost_sop.composer import SkillComposer

composer = SkillComposer()

# 複数のSkillをワークフローとして組み合わせ
workflow = composer.compose([
    "data_cleaner_v2",      # データクリーニング
    "kp_mapping_v3",        # 知識点マッピング（複利の産物）
    "quality_checker_v1",   # 品質チェック
    "report_generator_v2"   # レポート生成
])

# このワークフロー自体も再利用可能なSkillとなる
composer.save(workflow, name="full_pipeline_v1")

Enter fullscreen mode Exit fullscreen mode

3. 知識には「賞味期限」を

すべての経験が永遠に有効とは限りません。市場は変わり、データは変わり、ルールは変わります。FROSTのConstitutionメカニズムにより、知識の「賞味期限」を定義できます。

constitution = Constitution({
    "memory_policy": {
        "retention_days": 90,        # 経験の保持期間90日
        "decay_function": "exponential",  # 指数減衰
        "refresh_on_use": True       # 使用時に更新
    }
})

Enter fullscreen mode Exit fullscreen mode

最後に

冒頭の3つの問いに戻りましょう。

Agentがタスクを終えた後、経験はどこへ行くのか？

次に似たタスクを実行するとき、今回はより良くできるだろうか？

あるAgentが「引退」したとき、蓄積した能力は次世代に引き継げるのか？

FROSTの答えは：経験はStoreに保存し、能力はSkillとして固定し、継承は憲法に依る。

FROST-SOPの答えは：これらの理論をプロダクショングレードのエンジニアリング実装に落とし込み、知識複利を実際に回す。

この体系において、Agentは「使い捨ての道具」ではなく、「使えば使うほど賢くなる」パートナーです。実行のたびに入金となり、Skillのたび資産となり、継承のたび複利となります。

あなたのAgentには、自身の知識台帳を持つ価値があります。

プロジェクトURL

FROSTは思想の源泉であり、FROST-SOPはその思想が花開いた結果である。

細胞は死ぬが、系譜は存続する。Agentは消滅するが、憲法は継承される。資産は永続する。

この記事で「Agentの知識管理」を再考していただけたなら、いいね・保存・フォローをお待ちしています。水曜日にはFROST双プロジェクトの連携実践についてお話しします。