AIシステムのメモリ — 永続的知識とエージェントのメモリ
単一のチャットスレッドを超えた持続的なナレッジ。
このセクションでは、AIシステムの永続的な知識とメモリに関するガイドをまとめています。アシスタントがすべてのトークンを1つのプロンプトに詰め込むことなく、セッションをまたいで事実、設定、抽出されたコンテキストをどのように保持するかについて解説しています。ここでは、メモリとは意図的な保持（ユーザーの事実、要約、プラグイン連携によるストア）を指し、GPU RAMやモデルの重みを指すものではありません。
本セクションは、より広範なAIシステムクラスタ（OpenClaw、Hermes、オーケストレーションなど）を補完するものです。また、検索メカニクスについてはRAG、モデルの実行についてはLLMホスティングとともに位置づけられています。
メモリは、ルーティング、ツール、オブザーバビリティと並んで、AIアシスタントのアーキテクチャで説明されているアシスタントスタック全体の一部です。
アシスタント向けメモリ設計
短期メモリ、構造化メモリ、検索メモリに関するフレームワーク横断ガイドです。統合ポリシー、ベクトルのトレードオフ、およびOpenAI、LangGraph、Hermes、OpenClawのパターンを含みます。
- 実際に役立つAIアシスタントのメモリシステム — ワーキングメモリ、構造化状態、検索レイヤー、およびメモリが効く場合と害になる場合
エージェントメモリプロバイダー
Hermes AgentやOpenClawなどのフレームワークが提供するドロップイン型バックエンドです。Honcho、OpenViking、Mem0、Hindsight、Mnemosyneなど、LLM、埋め込み、データベースのトレードオフがそれぞれ異なります。
- エージェントメモリプロバイダー比較 — 完全な比較表、キャプチャポリシーの比較、依存関係に関する注記、およびHermesの
memory setupフロー
Hermes限定のバウンデッドコアメモリ（MEMORY.md / USER.md）については、**Hermes Agent Memory Systemを参照してください。Mnemosyneのインストールと保守的な書き込みポリシーの解説については、Mnemosyne for Hermes Agent: Local Memory Quickstartを参照してください。ローカル埋め込み、リランキング、書き込みパスの制御、バンクのバックアップを伴うHermes上のHindsightについては、Hindsight for Hermes Agent: Self-Hosted Memory with Local LLMs**を参照してください。
メモリガバナンスと障害モード
自動キャプチャ、省察、統合により、モデル自身の推論が永続的な「事実」として後々のセッションで証拠として扱われる可能性があります。
- AIエージェントにおける自己強化メモリループ — このフィードバックが取れる7つの形態、埋め込みよりソースの出典が重要な理由、プロバイダーが記憶を拒否するかどうかをテストする方法
ナレッジグラフとCognee
検索対応アシスタントのために、組織的およびプロジェクト知識をグラフとして抽出します。
- Self-Hosting Cognee — Choosing LLM on Ollama — ローカルモデルを使ったCogneeの手動クイックスタート
- Choosing the Right LLM for Cognee — Local Ollama Setup — グラフ品質とハードウェアのバランスを考慮したモデル比較
Cogneeなどのグラフビルダーは、通常、すでに人間が編集済みマークダウンボルト、ウィキ、またはエクスポートをインポートします。重要度、命名、および「なぜこれが重要だったか」は、チャンクが埋め込みに入る前にほぼ確定しています。粗末なアップストリームコーパスは、アシスタントに曖昧さを再学習させる原因になります。表現を通じた規律正しいキャプチャワークフローは、その損害を限定的にします。この人間中心のフレームワーク（検索ファーストのRAGとの違いを含む）については、エンジニアのためのセカンドブレイン解説を参照してください。
