Dicklesworthstone/cass_memory_system

Procedural memory for AI coding agents: transforms scattered session history into persistent, cross-agent memory so every agent learns from every other

What it solves

AI コーディングエージェント（Claude Code、Cursor、Aider など）は、セッションが終了するとすべてのコンテキストを失い、あるツールで得た知識が他のツールと共有されません。cass-memory は、原始的なセッションログを共有可能な実用的ルールと履歴コンテキストのライブラリに変換することで、この「知識崩壊」を防ぎます。

How it works

システムは情報処理のために 3 層の認知アーキテクチャを使用します：

  1. Episodic Memory：さまざまなエージェントからの生のセッションログを事実として保存。
  2. Working Memory：これらのログを構造化されたセッション要約（ダイアリーエントリ）に整理。
  3. Procedural Memory：要約を信頼度追跡付きの「プレイブック」ルールに蒸留。

エージェントはタスク開始前に CLI コマンドでこのシステムにクエリを投げ、関連するルール、アンチパターン（過去の失敗に基づく警告）、履歴スニペットを取得できます。システムは信頼度減衰メカニズムも備えており、ルールは再検証されない限り時間とともに有効性を失います。また「アンチパターン」システムにより、有害なルールは自動的に警告へと変換されます。

Who it’s for

  • AI エージェント：タスク開始前に履歴コンテキストと実証済み戦略を取得。
  • 開発者：異なる AI ツールやセッション間で永続する組織的メモリを構築。
  • チーム：複数メンバーの AI アシスタント間でパターンや発見を共有。

Highlights

  • Cross-Agent Learning：Claude Code、Cursor、Aider など複数ツールの知識を 1 つのプレイブックに統合。
  • Confidence Decay：90 日の半減期と有害マークへのペナルティで、古いルールがメモリを汚染するのを防止。
  • Anti-Pattern Learning：失敗したルールを自動的に警告へ逆転させ、将来のミスを防止。
  • Scientific Validation：提案されたルールは受け入れる前に履歴セッションデータで検証。
  • Agent-Native Onboarding：外部 LLM API コストを必要とせず、AI エージェント自身が履歴ログを分析しルールを抽出可能。