akitaonrails/ai-memory

何を解決するか

AIコーディングエージェントは通常、セッションが終了するとコンテキストを失い、新しいセッションを開始するか、異なるAIエージェント（例：Claude CodeからCodexに移行する）に切り替える際に、アーキテクチャ、失敗した試行、未解決の質問を再説明する必要が生じます。

動作方法

ai-memory は、サニタイズされたライフサイクル観測（プロンプト、ツール使用、セッション境界）から構成されるプロジェクト固有の知識の共有で持続可能なウィキを作成します。Model Context Protocol (MCP) サーバーを使用して、フックを通じてこれらのイベントをキャプチャし、Plain Markdownファイルに要約してGitリポジトリに保存します。これにより、メモリはgrep可能で、バージョン管理可能、読み取り専用のHTML UIからアクセス可能になります。さまざまなAIエージェントやCLIに対応しており、前のエージェントがどこで終了したかを次のエージェントに伝える「ハンドオフ」を提供します。

対象ユーザー

複数のAIコーディングエージェントやCLI（例：Claude Code、Codex、Cursor、Devinなど）を使用し、歴史的コンテキストを失うことなく継続的なエージェント間作業を維持したい開発者。

特徴

• エージェント間連続性：ハンドオフと管理されたワークストリームを通じて、異なるAIエージェント間をスムーズに切り替えながらコンテキストを保持。
• 摩擦ゼロのキャプチャ：ライフサイクルフックを使用して、手動でのメモ取りなしにプロンプトとツールイベントを自動的にキャプチャ・サニタイズ。
• Markdownベースのウィキ：Gitリポジトリ内のPlain Markdownとしてメモリを保存し、ベクターデータベースの必要性を回避。バックアップとバージョン管理が容易。
• 広範なエージェント対応：Claude Code、Codex、Command Code、Devin CLI、Cursor、Gemini CLIなど、多数のツールと互換性あり。
• 高度なリコール：FTS5、エンティティマッチRRF、権威意識リトリーバルを組み合わせ、エピソード的セッション証拠よりも維持されたルールや意思決定を優先。
• 管理されたワークストリーム：ネイティブなセッション再開とポータブルな可視イベントレジストリを提供するオプションのランチャーコマンド（ai-memory run）。
• オプトイン型LLM統合：語彙検索を使用するゼロLLMモードで動作可能。統合や自動改善のためのオプションLLMプロバイダーも利用可能。