oleksiijko/pmb

解決する課題

AI コーディングエージェントはセッション間で重要なプロジェクトコンテキストや決定、教訓を忘れがちで、ユーザーは同じ制約やプロジェクト構造を何度も再説明しなければなりません。PMB はローカルファーストで耐久性のあるメモリシステムを提供し、エージェントが再起動やモデルアップグレード後でも過去の決定や個人情報、プロジェクト固有のルールを呼び出せるようにします。

仕組み

PMB は MCP（Model Context Protocol）サーバーとして機能し、Claude Code、Cursor、Codex などのエージェントと接続します。BM25（文字列検索）、密集ベクトル（セマンティック検索）、エンティティグラフを組み合わせたハイブリッド検索システムで、ミリ秒単位で関連コンテキストを取得します。

データは SQLite を主たる真実のソースとしてローカルに保存し、ベクトルインデックスは LanceDB を使用します。メモリが実際に利用されるよう、PMB はプロトコルレベルで「hooks」を用いてモデルがリクエストを処理し始める前にコンテキストをエージェントのプロンプトに注入し、また「ambient memory」によりエージェントの作業を自動的に記録し、明示的なツール呼び出しを必要としません。

対象者

MCP 対応の AI コーディングエージェントを使用し、クラウドベースのメモリや API キーに依存せずにプロジェクト固有の決定、教訓、構造を記憶させたい開発者向けです。

ハイライト

• ローカルファーストプライバシー：すべてのデータはユーザーのマシン上のローカルワークスペースに保存され、クラウドアカウントや API キーは不要です。
• プロトコルレベル Hook：メモリを自動的にエージェントのプロンプトに注入し、エージェントがメモリツールを呼び出す必要がなくなります。
• Ambient Memory：エージェントの活動（編集、テスト、コミット）を自動的にジャーナルし、エージェントが明示的にメモリを記録しなくても作業を捕捉します。
• ハイブリッドリコール：文字列、セマンティック、グラフベースの検索を組み合わせ、速く多言語（50 以上の言語）に対応した検索を実現します。
• ビジュアルダッシュボード：ローカル Web UI がプロジェクトのメモリをライブエンティティグラフとタイムラインで可視化します。
• 自己改善ループ：提示された教訓がエージェントによって実際に遵守されているかを追跡し、「死んだ」ルールを削除できるようにします。