winstonkoh87/Athena-Public

何を解決するか

Athenaは、信頼性が低く、不透明でベンダーに縛られたAIメモリの問題に対処します。ほとんどのAIアシスタントは、モデルの切り替え（例：GPTからClaudeへ）やモデルの更新時に失われるプラットフォーム固有のメモリに依存しています。Athenaはメモリ層をユーザーのローカルマシンに移動させ、個人的な文脈、意思決定フレームワーク、セッション履歴をユーザーが所有し、あらゆるLLMプロバイダー間でポータブルに保つことを可能にします。

動作方法

Athenaは、AI対応IDE（CursorやVS Codeなど）と推論エンジンの間のメモリおよびガバナンス層として機能します。クラウドメモリに頼るのではなく、数百の小さな、アドレス可能なMarkdownファイルとPythonスクリプトからなるローカルワークスペースを使用します。これらのファイルは「メモリノード」として機能し、巨大なモノリシックなテキストを読み込むのではなく、意味的検索やファイル名でエージェントが特定のノードを外科的に照会できます。このモジュール式アーキテクチャにより、軽量な起動（2K–20Kトークン）を実現しつつ、数千回のセッションにわたる膨大で累積的な履歴を維持できます。

対象ユーザー

異なるLLMプロバイダー間で持続する、主権的で長期的なメモリシステムを求めるユーザー。同時にベンダーに縛られないようにし、個人的な文脈を活用してAIの推論や意思決定を向上させたい人向けです。

特徴

• ローカルファースト所有: すべてのメモリはユーザーのディスク上にプレーンなMarkdownファイルとして保存され、Gitによるバージョン管理が可能。
• モデル非依存: 同じメモリ基盤はChatGPT、Claude、Gemini、または他の任意のモデルと併用可能。
• エージェントガバナンス: 「不可逆的破壊」を防ぐための憲法的法則と能力レベルのセットを含み、文書化されたパターンに基づいてAIがユーザーに抵抗するよう促します。
• 外科的取得: AIエージェントが特定の情報ノードを効率的に照会できるように最適化されたモジュール式ファイルシステム。コンテキストウィンドウの無駄を回避。
• 人間の拡張: 個人の文脈を活用して、一般的な統計的平均ではなく、状況に応じた調整された回答を提供することで、人間の認知能力を拡張することに焦点を当てています。