本当の問題:忘れるからではなく、コントロールできないから
正確に言おう:今やChatGPTもClaudeも会話をまたいだ記憶を確かに備えている。ChatGPTはあなたの履歴を自動で要約してくれるし、ClaudeはProject内で覚えている。だから「AIは全部忘れる」というのは、もう完全には正しくない。
問題は別のところにあり、もっと微妙だ:その記憶はブラックボックスなのだ。何を保存したのか正確には分からず、開いて読むこともできず、好きなように構造化もできず、ChatGPTからClaude(あるいは他の何か)に乗り換えても持ち出せない。それは曖昧な記憶であって、あなた自身のものである知識ベースではない。
その裏には技術的な理由がある:モデルは学習後に固定される——あなたとの会話から学ぶことはない。その生きた記憶はコンテキストウィンドウ(いま進行中の会話に収まる分)であり、それ以外はすべて、あなたがコントロールできないあの記憶システムに依存している。
解決策は、あなた自身のものである記憶を与えること:読めて、あなたが編集でき、モデル間で持ち運べる記憶だ。それは、優秀な社員に、あなたも開いて直して持ち運べるノートを渡すようなもの——「自分なりに覚えておいてくれる」と信じる代わりに。それこそが、このガイドのツールがやることだ。いちばんシンプルなものから最強のものまで。
記憶のハシゴ(シンプルから強力へ)
最初から最も洗練された解決策が必要なわけではない。必要に応じて段を上っていけばいい。最初の2段は誰でもできる、プログラミングなしで。
段1 · 指示ファイル(CLAUDE.md / AGENTS.md)
最もシンプルで、いちばん効くもの。これは、あなたのAINが毎回のセッション開始時に自動で読むテキストファイルだ——だから決してゼロから始まらない。あなたが誰で、どんなプロジェクトに取り組んでいて、あなたのルールと決定事項は何かを書き込む。Claude CodeではCLAUDE.mdと呼ばれ、複数のエージェント(Cursor、Codexなど)で機能する開かれた標準はAGENTS.mdだ。
プロジェクトの記憶ファイル(CLAUDE.md または AGENTS.md)を作ろう。次のことについて必要な質問をして:私が何を作っているか、私の技術レベル、あなたが常に従うべきルール、すでに決めた決定事項、そして絶対にやってはいけないこと。私の回答をもとに、プロジェクトのルートに貼り付けて毎セッションで読み込めるように、明確で整理されたファイル全体を書いて。
段2 · 自動記憶(AnthropicのMemory tool)
段1のファイルはあなたがメンテナンスする。段2はAI自身がやる。Anthropic(Claudeの開発元)は2025年に公式の記憶ツールを発表した:AIは会話の外にある/memoriesフォルダで、自分自身のメモを作成・読み取り・更新・削除できる——こうしてチャットを飽和させることなく、セッションをまたいで重要なことを蓄積していく。
なぜチャットの外にあることが重要なのか?それは"context rot"を根本から解決するからだ:履歴のすべてをウィンドウ内に引きずり込む(AIを劣化させる)代わりに、本質だけを別に保存し、必要なときだけ持ってくる。Anthropicによれば、長い会話のテストでこれはトークン使用量を最大84%削減し、複数ステップのタスクでパフォーマンスを向上させた。翻訳すると:より安く、より正確に。
段3 · グラフ付き記憶サーバー(公式MCP)
前の段はメモを保存する。この段はつながりを保存する。AnthropicチームがメンテナンスするMCP公式Memory Serverは、記憶を知識グラフとして保存し、3つの要素からなる:エンティティ(モノ:人、プロジェクト、決定事項)、リレーション(どうつながっているか、能動態で:「Diego が率いる NeuralOS」)、そしてオブザベーション(各エンティティに関する断片的なデータ)。
実際の違いは?フラットなメモだと、AIは断片的な事実を覚える。グラフだと、つながりをたどって推論する:「これに依存しているのは誰?」や「あれを変えたら何が壊れる?」に答えられる、すべてがどう関係しているかを理解しているからだ。それは、付箋の山を持つことから、地図を持つことへの飛躍だ。(まさにNeuralOSが内部で使っている知識グラフと同じ原理だ。)
npx -y @modelcontextprotocol/server-memory
Model Context Protocol(Anthropic)の公式リポジトリ。Memory Serverを含む:知識グラフとしての永続記憶(エンティティ、リレーション、オブザベーション)。モジュールは /src/memory にある。
段4 · 専用の記憶レイヤー(mem0とその仲間)
エージェントで本格的なものを作っていて、堅牢な記憶(会話ごとに学習し、関連度なども備えたもの)が欲しいなら、専門化されたオープンソースの記憶レイヤーが存在する。最も人気なのはmem0だ。
AIエージェント向けの汎用記憶レイヤー:セッションをまたいで好みや事実を覚え、関連度による検索を備える。オープンソースで、エコシステムで最も使われているものの一つ。
シンプルな記憶 vs. RAG vs. グラフ:どれが必要?
よく混同される3つのもの。それぞれ一文で:
- シンプルな記憶(CLAUDE.md、Memory tool):AIが開始時に読み込むテキストのメモ。継続性とルールを解決する。まずはここから。
- RAG:あなたのドキュメントを刻んで、質問したときに類似度で検索する。大きなファイルで「このドキュメントには何が書いてある?」を解決する。(下に専用のガイドがある。)
- 知識グラフ:エンティティとそのつながり方を保存し、AIが似たテキストを探すだけでなくリレーションをたどって推論できるようにする。大きなプロジェクト向け。(Graphify、下記。)
CLAUDE.mdだったりする。シンプルに始めよう。前の段が物足りなくなったときだけ、段を上がる。下のRAGとGraphifyのガイドではっきり分かるだろう。NeuralOSでは、記憶はすでにインターフェースの一部だ
完全なループ(この先どこへ続くか)
AIに記憶を与えることは、フィードバックし合うサイクルの最初の一歩だ:コンテキストを保存する → プロジェクトが大きくなったらRAGで取り出す → 巨大になったらグラフで構造化する → そしてバグが紛れ込まないように、ある手法で自分の作業を監査する。各ガイドが次のガイドへとあなたを導く。
ハッタリなしのRAG · 本当に必要なとき(と、金をドブに捨てるとき)ドキュメントの検索と本物の記憶の違い——必要ないものにお金を払わないために。Graphify · あなたのAINにプロジェクトの完全な地図を与えるプロジェクトが大きすぎてAIが迷子になるとき:それを理解するグラフに変える。C-A-Rプロトコル · AIとともにバグのないソフトウェアを作るAIが覚えるようになったら、ちゃんと作ることも確かめよう:隠れたバグを渡されないための手法。