AIに覚えさせても、使ってくれない。だからDeveloper Memoryを作った

突然ですが、AIコーディングツールを使っていて、こんな経験はありませんか？

• PRレビューで「これ、前回も同じこと指摘しましたよね？」と言われた
• AIが実装した内容の意図や背景が後から見返した時に分からない
• 新しいセッションを開くたびに、プロジェクトの説明を一からやり直している
• 「この設計、なんでこうしたんですか？」と聞かれて、AIが書いたから答えられなかった
• CLAUDE.mdにルールを書いたのに、3ヶ月で誰もメンテしなくなった
• プロジェクトAで踏んだ地雷を、プロジェクトBでまた踏んだ

1つでも当てはまった方は、おそらくこの記事で扱う課題に心当たりがあるはずです。

Claude CodeやCursorのおかげで、コードを書く速度は確実に上がりました。でも「知識が積み上がっている感覚」はありますか？ 自分にはありませんでした。

速くなったのは「書く」だけで、「学ぶ」が消えている。この課題を解決するために、knowledgineというOSSを作りました。

knowledgineとは

knowledgineは、開発中に蓄積される知識（デバッグメモ、設計判断、過去の失敗と解決策）を自動で構造化して、AIコーディングツールに渡すためのOSSです。

普段書いているMarkdownノートやGitのコミット履歴から「あのとき何が問題で、どう解決したか」を自動抽出し、Claude DesktopやCursorがそれを参照できるようにします。AIが過去の知見を踏まえたうえでコードを書いてくれるようになる、というのがknowledgineで実現したかったことです。

データはすべてローカルに保存されるので、クラウドに開発ノートを送る必要はありません。

ここから先は、なぜこのツールが必要だったのか、どんな仕組みで動いているのかを書いていきます。

AIコーディングで見えてきた3つの摩擦

1. 記憶はある。でも「使われている感」がない

CLAUDE.mdにプロジェクトのルールを書きました。コーディング規約も、アーキテクチャの方針も全部入れています。

AIはそれを「読んでいる」けど、「覚えて活かしている」感じがしません。セッションが変わればリセット。先週3時間かけて解決したデバッグの知見は、次のセッションでは跡形もなく消えています。

人間のペアプロ相手なら「あ、それ先週やったやつですよね」と言ってくれます。AIにはその「先週」がありません。

2. 同じミスが何度でも帰ってくる

「このAPIはレート制限があるからリトライを入れて」。3回目です。

「このテーブルにはソフトデリートを使って」。2回目です。

AIが悪いわけではありません。「前回こういうミスをして、こう直した」という文脈がどこにも保存されていないのが根本原因です。AIは毎回まっさらな状態で最善を尽くしています。ただ「最善」の基準に過去の失敗が含まれていません。

3. 「なんでこの設計にしたんですか？」に答えられない

チームメンバーから「この認証周り、なんでJWTじゃなくてセッションベースにしたんですか？」と聞かれて、答えられませんでした。AIが書いたからです。

commit messageには feat: add user authentication としか書いてありません。なぜこのライブラリを選んだのか、なぜこの設計パターンにしたのか。意思決定の過程が丸ごと消えています。

コードは残ります。でもコードの「意図」は残りません。

では、この文脈をどうやってAIに渡せばいいのか。最初に思いついたのはCLAUDE.mdでした。

CLAUDE.mdで解決できるか？

最初のアプローチはCLAUDE.mdにルールをひたすら書くことでした。

## プロジェクトルール
- APIコールにはリトライを入れる（3回、exponential backoff）
- テーブル設計はソフトデリート
- 認証はセッションベース（JWTは使わない。理由: ～～）
- Zodでバリデーション、throwしない

最初の1ヶ月は機能しました。でも3つの壁にぶつかりました。

まず、手動メンテが続きません。デバッグで学んだことをCLAUDE.mdに毎回転記する作業は、1ヶ月で慣れ、3ヶ月で義務感に変わり、半年で形骸化します。（自分の場合は2ヶ月で形骸化しました）

次に、「何を」は残せても「なぜ」が残らない。認証はセッションベース とだけ書いても、3ヶ月後には「なんでだっけ？」となります。JWTとの比較検討、トークン管理コスト、プロジェクト規模に対する判断。そういう過程が全部抜け落ちる。

そして、プロジェクトが増えると破綻します。5つを超えたとき、CLAUDE.mdの管理自体が一仕事になりました。しかもプロジェクトAで学んだことがプロジェクトBに共有されない。

CLAUDE.mdは「ルールブック」であって「記憶」ではありません。この違いに気づいたとき、そもそも開発者にとっての「記憶」とは何なのかを考え直しました。

既存のAI記憶ツールでは解決しない理由

既存の「AI記憶」ソリューションを調べました。ChatGPT Memory、Mem0、Zep。どれも同じアプローチです。

AIとの会話ログから「好み・設定・事実」を覚える仕組み、つまり Conversational Memory です。「TypeScriptが好き」「タブよりスペース派」。こういった情報を覚えるのは得意です。

でも開発者が本当に必要としているのは Developer Memory です。

• あのバグは結局何が原因で、どう直したか
• この設計を選んだ理由と、捨てた選択肢
• このライブラリのこのAPIにはこういう罠がある
• 前回のパフォーマンスチューニングで効いた施策

Conversational Memory（会話の記憶）
  → チャットログから好み・設定・事実を記憶
  → 「あなたのことを覚えている」
  → 例: ChatGPT Memory, Mem0, Zep

Developer Memory（開発の知識）
  → コード・コミット・ドキュメントから
    「何が問題で、どう解決したか」を構造化
  → 「あなたのプロジェクトの歴史を知っている」
  → 例: knowledgine

会話を覚えるのではなく、プロジェクトの知識を構造化してAIに渡す。これがknowledgineのコンセプトです。

実際にLongMemEvalベンチマーク（長期記憶の評価データセット）で比較すると、Mem0が49.0%、Zepが71.0%に対して、knowledgineは73.2%を達成しています。（ただしknowledgineはルールベースジャッジ、他はLLMジャッジのため、単純比較には注意が必要です）

では、具体的にどうやって「開発の知識」を自動で拾い上げるのか。ここからはknowledgineの仕組みを説明します。

Problem-Solution Pair Mining：知識の自動抽出

knowledgineの核は、Markdownファイルから知識を自動抽出するエンジンです。

たとえば、こんなデバッグメモがあったとします。

# Next.js App Routerでのキャッシュ問題

`fetch`がデフォルトでキャッシュされる仕様を知らなくて、
古いデータが表示され続けるバグに3時間ハマった。

## 解決策
`fetch`に`{ cache: 'no-store' }`を明示的に指定する。
または`export const dynamic = 'force-dynamic'`をpage.tsxに追加。

knowledgineはこのメモを読んで、自動的に構造化します。

• 問題: Next.js App Routerのfetchデフォルトキャッシュによる古いデータ表示
• 解決: cache: 'no-store'の明示指定 or dynamic = 'force-dynamic'
• エンティティ: Next.js, App Router, fetch API, キャッシュ
• 関連: 他のNext.jsメモと自動リンク

内部では ProblemSolutionDetector がパターンベースで「Error:」「Failed to」「TypeError」などの問題キーワードと、解決策のセクションを検出しています。同一ノート内のペアだけでなく、ノート間のペア（問題ノートと解決ノートが別ファイル）も、キーワード類似度（Jaccard係数0.3以上）と時間制約（30日以内）で自動検出します。

次にAIがNext.jsのfetchを書くとき、MCPサーバー経由でこの知識が自動的に渡されます。人間が何もしなくても、メモを書いた時点で知識はシステムに蓄積されています。

ただし、すべての知識を同じ重みで扱うと検索ノイズが増えます。そこで、知識の「層」を分けました。

3層メモリアーキテクチャ

knowledgineは知識を3つのレイヤーで管理します。

レイヤー	説明	自動昇格条件
Episodic（エピソード記憶）	直近のセッションで得た短期的な知識	3回以上参照されると昇格
Semantic（意味的知識）	プロジェクト固有の中期的な知識	10回以上参照されると昇格
Procedural（手続的知識）	プロジェクト横断で使える長期的な知識	最上層（昇格なし）

ポイントは「自動昇格」です。繰り返し参照される知識は、自動的にEpisodic → Semantic → Proceduralへと昇格していきます。よく使われる知識ほど長期記憶に定着する、人間の記憶モデルと同じ発想です。

MCPのメモリツール（store_memory / recall_memory / update_memory / forget_memory）を通じてAIアシスタントが直接読み書きでき、バージョン管理にも対応しています。

仕組みはわかった、でもデータはどこに保存されるのか。これが設計上の最大の論点でした。

100%ローカル、$0

開発ノートには機密情報が含まれます。社内のAPI設計、未公開機能の仕様、デバッグログに紛れ込む顧客データ。これをクラウドに送る選択肢は、少なくとも個人開発者向けのv1では、ありませんでした。

knowledgineのデータはすべてローカルのSQLiteファイル1つに収まります。

• 埋め込みモデルもローカルで動作（ONNXランタイム、約23MBのモデルファイル）
• APIキー不要
• ネットワーク接続なしで完全に動作
• DB初期化 4.6ms、マイグレーション 2.2ms

クイックスタート（30秒）

# 1. インストール
npm install -g @knowledgine/cli

# 2. ノートをインデックス
knowledgine init --path ./my-notes

# 3. AIツールに接続
knowledgine setup --target claude-desktop --path ./my-notes --write

Claude Desktopを再起動すれば、AIがノートを参照できるようになります。

セマンティック検索を有効にする場合は、--semantic フラグを追加します。

knowledgine init --path ./my-notes --semantic

約23MBの埋め込みモデルが自動ダウンロードされ、以降はキーワード一致だけでなく「意味的に近い」ノートも検索対象になります。

インストールせずに試したい場合は、デモモードがあります。

npx @knowledgine/cli init --demo --path /tmp/knowledgine-demo
npx @knowledgine/cli search "React performance" --path /tmp/knowledgine-demo/knowledgine-demo-notes

13のAIツールに対応

MCPサーバーとして動作するため、MCP対応のAIツールならどれでも接続できます。setup --target で設定を自動生成します。

カテゴリ	対応ツール
Anthropic公式	Claude Desktop, Claude Code
AI IDE / エディタ	Cursor, Windsurf, VS Code, Zed
CLIエージェント	OpenAI Codex CLI, GitHub Copilot CLI, Gemini CLI, Cline
その他	opencode, Continue.dev, Antigravity

# 例：Cursorに接続
knowledgine setup --target cursor --path ./my-notes --write

# 例：Claude Code（stdioモード）
knowledgine start --path ./my-notes

AIに提供される11のツール

接続すると、AIアシスタントに以下のツールが追加されます。

知識検索ツール（7個）

ツール	機能
search_knowledge	キーワード・セマンティック・ハイブリッド検索
find_related	関連ノートを最大3ホップで探索
get_stats	知識ベースの統計
search_entities	エンティティグラフの検索（人物・技術・プロジェクト・概念）
get_entity_graph	エンティティの関係グラフ全体を取得
capture_knowledge	その場で知識をキャプチャ・保存
report_extraction_error	抽出ミスのフィードバック

メモリ管理ツール（4個）

ツール	機能
store_memory	3層（episodic/semantic/procedural）にメモリを保存
recall_memory	層・タグ・日付範囲で検索
update_memory	バージョン管理付きで更新
forget_memory	ソフト削除/ハード削除

AIが「この技術について過去に知見がないか？」と判断したとき、search_knowledgeを自動で呼んで関連する知識を返します。人間が「あのメモを参照して」と指示する必要はありません。

knowledgine startを実行しておけばファイル監視が常駐するので、Markdownを保存した瞬間にインデックスが更新されます。

7つのIngestプラグイン

Markdownノート以外のソースからも知識を取り込めます。現在7つのプラグインが実装済みです。

プラグイン	ソース	何を取り込むか
markdown	ローカルのMarkdownファイル	本文、フロントマター、パターン
git-history	Gitコミット履歴	コミットメッセージ、変更ファイル
github	GitHub PR・Issue	コメント、レビュー、ディスカッション
obsidian	Obsidian Vault	フロントマター、Wikilink、タグ構造
claude-sessions	Claude Codeセッション	セッション要約、問題解決ログ
cursor-sessions	Cursorセッション	セッション内容
cicd	GitHub Actions	実行履歴、失敗情報、エラーログ

# Gitのコミット履歴から（直近100件）
knowledgine ingest git-history --path ./my-project

# GitHubのIssue・PRから
knowledgine ingest github --repo owner/repo

# Obsidianのプロパティとリンク構造を活用
knowledgine ingest obsidian --path ./my-vault

# Claude Codeのセッションログから
knowledgine ingest claude-sessions --path ~/.claude/projects

# CI/CDの失敗履歴から
knowledgine ingest cicd --repo owner/repo

fix: NPE when user is null というコミットメッセージがあれば、「NullPointerExceptionの原因はuserのnullチェック漏れ」というProblem-Solutionペアとして構造化されます。

コミットメッセージを丁寧に書いている人ほど、knowledgineの恩恵が大きくなります。

ここまで仕組みの話が続きましたが、実際に使ってみてどうだったのか。自分自身で3ヶ月使った結果を共有します。

3ヶ月間のドッグフーディングで変わったこと

knowledgine自体の開発で、knowledgineを使っています。

一番の変化は、同じ説明を繰り返さなくなったこと。以前は新しいセッションを開くたびに「pnpmモノレポで、packages/coreとpackages/cliがあって、テストはVitest...」と説明していました。今は自動で渡してくれるので、セッション開始から30秒で前回の続きに入れます。

過去の判断も消えなくなりました。「なぜbetter-sqlite3を選んだのか」「なぜMCPプロトコルに賭けたのか」。こういう意思決定の過程がノートに残っていて、AIに渡される。3ヶ月前の自分の判断理由を、今日のAIが参照して一貫した設計判断ができるようになりました。

個人的に一番うれしかったのは、曖昧な記憶をシステムが裏付けてくれること。「前にこういう問題なかったっけ？」と思ったとき、search_knowledgeで実際に見つかる。開発中の判断に自信が持てるようになりました。

LongMemEvalベンチマークでは73.2%のスコアを達成しています。完璧ではありませんが、なかった頃には戻れないレベルです。

最後に、knowledgineで目指している世界について書きます。

今後のビジョン

knowledgineの最終形は「チームの暗黙知をインフラ化する」ツールです。

どのチームにも「あの人に聞かないとわからないこと」があります。デプロイ手順の細かい注意点、特定のAPIの罠、過去のインシデントの教訓。メンバーが辞めたら消える知識、引き継ぎドキュメントに書ききれない知識、Slackのスレッドに埋もれた知識。

これを自動的に掘り起こして構造化し、AIが使える形にする。新しくチームに入った人がAI経由で「あ、これ前に誰かが解決してたんだ」と気づける世界を目指しています。

さいごに

knowledgineはMITライセンスのOSSとして公開しています。

CLAUDE.mdを手動で書き続けるのも、セッションのたびに同じ説明をするのも、同じレビュー指摘を何度ももらうのも。これらを解決したくて作りました。

v0.5.0で、まだ荒削りな部分もあります。でも「会話を覚える」のではなく「開発の知識を構造化してAIに渡す」という方向性には手応えを感じています。

フィードバックはGitHubのIssueでも、Xでも歓迎です。

npm install -g @knowledgine/cli