ai-memoryはAIコーディングエージェントの長期記憶です。作業の途中でClaude Codeを終了し、同じディレクトリでCodexを開けば、そのまま続きに入れます。アーキテクチャも、失敗した方法も、未解決の疑問も、説明し直す必要はありません。
コーディングエージェントはすでにメモを取っています。ただ、そのメモは1台のマシンの中にあり、1つのエージェントだけのものです。ツールを替えれば消え、チームメンバーの目に触れることもありません。ai-memoryはその壁の向こう側にあります。
Claude Codeを終了し、同じディレクトリでCodexを開きます。Codexは引き継ぎ（ハンドオフ）から始まります。中身は完了したこと、失敗したこと、まだ残っていることです。
記憶は、自分で動かす小さなサーバーの中にあります。置き場所はノートPCでもホームラボのマシンでも構いません。デスクトップで中断したプロジェクトを、ノートPCでそのまま再開できます。
全員が同じサーバーを使うようにします。誰かのセッションで分かったことを、全員のエージェントが検索できます。新メンバーはあなたの手を止めずに、プロジェクトに直接質問できます。
フックが作業を裏でキャプチャします。セッションはプレーンなmarkdownのページになり、git管理のwikiに分類され、相互リンクされます。grepしても、Obsidianで開いても、手で編集しても構いません。
4つのステップはすべてバックグラウンドで動きます。デフォルトの経路ではLLMを一度も呼びません。
ライフサイクルフックがプロンプト、ツール呼び出し、セッションの開始と終了を記録します。シークレットは保存前に取り除かれます。
セッションが終わると、そのオブザベーションはプロジェクトのwikiの中で、読めるmarkdownページになります。
次のセッションは短いブリーフィングを受け取り、すべてを検索できます。全文、エンティティ、リンク、ベクトルの結果は1つのランキングに融合されます。
次のセッションがバトンを受け取ります。受け取れるのは1つのセッションだけです。エージェントが違っても、サーバーに届くマシンならどれでも機能します。
セッションページは何か月もたまり続けます。ai-memoryはそれらにスコアを付け、今も読まれているものを残し、残りはLLMなしでコンパクションまたはマージできます。オプションの夢見パスを有効にすると、離席中にあなたのLLMがコールドページをマージします。書き換えはどれも復元できます。
多くのメモリツールは、何かを覚える前にLLMやベクトルストア、グラフデータベースを必要とします。ai-memoryに必要なのはバイナリ1つとフォルダ1つです。
他のツールが勝る点も含めた詳細比較ノートPCごとのMEMORY.md。必要なもの：Claude Code, 1台のマシン。
「プロジェクトを覚えておいて」の手軽さと、markdown形式。
事実抽出ツール。必要なもの：毎ターンのLLM呼び出し, ベクトルストア。
自動キャプチャ。「これを覚えて」と毎回頼む必要はありません。
時間軸つきナレッジグラフ。必要なもの：Neo4j、FalkorDB、Neptuneのいずれか, LLM。
事実は置き換えられるだけで、削除されません。ある時点で何が正しかったかを問い合わせられます。
グラフ、ベクトル、リレーショナルのパイプライン。必要なもの：同期が必要な3つのストア, チャンクごとのLLM呼び出し, Python。
来歴の記録、フィードバックで重み付けするランキング、Claude Codeプラグイン。
更新され続けるドキュメント型の記憶、LLM必須。必要なもの：LLMまたはVLM, 埋め込み（embeddings）, Postgresまたはホスト型サービス。
バックグラウンドの統合ループが、記憶を更新され続けるページにまとめます。ai-memoryにもオプトインの夢見パスとページごとの信頼度スコアがあります。
サインアップはありません。デフォルトのインストールは自分のマシンだけで待ち受けるので、外からは届きません。すでに進行中のプロジェクトにも追加できます。最初のセッションが、ディスク上にあるエージェントの履歴をインポートします。
# 1. バイナリをインストール（ダウンロードページからも入手可）
mise use -g github:akitaonrails/ai-memory
# 2. サーバーを起動。このマシンだけで待ち受けます。
ai-memory init
ai-memory serve --transport http --bind 127.0.0.1:49374
# 3. エージェントをai-memory経由で起動。フックとMCPは自動で設定されます。
ai-memory run claude
# サーバー側：ホームラボのマシンか、LAN上の任意のホスト
TOKEN=$(ai-memory generate-auth-token)
docker run -d --name ai-memory --restart unless-stopped \
-p 0.0.0.0:49374:49374 -v ai-memory-data:/data \
-e AI_MEMORY_AUTH_TOKEN="$TOKEN" \
-e AI_MEMORY_ALLOWED_HOSTS="<server-ip>,localhost" \
akitaonrails/ai-memory:latest
# 各マシンで、チームメンバーごとに
export AI_MEMORY_SERVER_URL="http://<server-ip>:49374"
export AI_MEMORY_AUTH_TOKEN="<各自のキー>"
ai-memory run claude
初めての方へ。コントリビュートのページに、バグ報告、プルリクエスト、新しいエージェント連携の受付先をまとめています。