エディタの向こう側にある「忘却」との戦い
画面を眺めながら、思わず深いため息をついた経験はないだろうか。「そのライブラリのバージョン競合を回避するワークアラウンドについては、昨日も全く同じ説明をしたじゃないか」。
Claude CodeをはじめとするAIコーディングエージェントの台頭は、間違いなく我々の開発体験を劇的に押し上げた。複雑なリファクタリングも、初見のフレームワークのキャッチアップも、彼らと対話しながら進めれば驚くほどスムーズに終わる。しかし、一つだけ致命的な弱点がある。セッションが切れ、コンテキストがリセットされた瞬間、彼らは見事なまでにすべてを忘却するのだ。
プロジェクト特有のニッチなコーディング規約、チーム内で苦労して導き出したアーキテクチャの妥協点、あるいはデプロイ環境の泥臭い仕様。我々は新しいセッションを立ち上げるたびに、まるで映画『メメント』の主人公のように、ふたたびAIに「我が家のルール」を教え込むという不毛な作業を強いられている。
RAGの流行に背を向ける「原点回帰」の哲学
この「AIの記憶喪失問題」を解決するため、ここ最近のテック界隈ではベクトルデータベースとRAG（Retrieval-Augmented Generation）を組み合わせたソリューションが乱立してきた。過去の対話ログを細かくチャンク化してエンベディングし、質問のたびにコサイン類似度で過去の文脈を引っ張ってくる手法だ。
だが、本当に個人のプロジェクト規模で、そこまでの重装備が必要なのだろうか。
そんな違和感に対する鮮やかな解答として登場したのが、claude-memory-compilerというアプローチだ。このツールは、Claude Codeとの対話を自動的にキャプチャし、構造化された「個人のナレッジベース」へとコンパイルする。最大の特徴は、流行りのベクトルDBを一切使わない「No RAG」の設計哲学にある。
ベースにあるのは、AI研究者Andrej Karpathyが提唱した「LLM Knowledge Base」の思想だ。彼の洞察は極めてシンプルかつ鋭い。個人スケール（50〜500記事程度）であれば、LLMの広大なコンテキストウィンドウに構造化されたマークダウンのインデックス（index.md）を丸ごと叩き込んだほうが、ベクトル検索よりもはるかに質の高い回答が得られるというのだ。
ベクトル検索は所詮、言葉の類似性に依存したピックアップに過ぎない。しかし、LLMにインデックス全体を読ませれば、LLMは「あなたが今、本当に何を知りたがっているのか」を高い推論能力で解釈し、適切な情報を引き出してくれる。コンテキスト長が飛躍的に拡大した現代のLLMだからこそ成立する、極めてエレガントなパラダイムシフトである。
AI自身に「自身の記憶回路」を構築させる体験
もう一つ、このツールが現代的だと感じるのは、その導入プロセス自体がAIとの協働を前提にデザインされている点だ。人間が手作業で依存関係をインストールし、設定ファイルをいじくり回す必要はない。開発者はClaude Codeに対して、次のように語りかけるだけでいい。
Clone https://github.com/coleam00/claude-memory-compiler into this project.
Set up the Claude Code hooks so my conversations automatically get captured into daily logs, compiled into a knowledge base, and injected back into future sessions.
Read the AGENTS.md for the full technical reference.たったこれだけの指示で、AI自身がリポジトリをクローンし、自身のセッションを監視するためのフックを組み込む。AGENTS.mdというファイルは人間が読むためではなく、AIがシステム構造を理解し、自律的にセットアップを完遂するために用意されたものだ。
一度設定が終われば、あとは普段通りにコーディングを続けるだけである。セッションの終了時、あるいはコンテキストが溢れそうになるタイミングでフックが静かに起動し、Claude Agent SDKが「保存すべき重要な意思決定や教訓」だけを抽出して日報として蓄積する。そして夕方18時を過ぎると、その日のログが自動的に概念別のマークダウン記事へとコンパイルされ、相互参照のリンクが張り巡らされるのだ。
さらに実用的なのがコスト面である。Anthropicの規約上、Claude Agent SDKの個人利用は既存のサブスクリプション（MaxやTeamなど）の枠内でカバーされるため、バックグラウンドの処理で知らないうちにAPIの従量課金が膨れ上がる心配もない。
「消費される対話」から「育つ資産」へ
私たちはこれまで、AIとの対話をその場しのぎの「使い捨てのコード生成器」として消費してきた。しかし、このツールが示唆しているのは、AIとの泥臭い試行錯誤そのものが、プロジェクトと共に進化していく「生きた資産」に変わるという未来だ。無駄なインフラ構築に時間を溶かす前に、マークダウンの束と賢いLLMの力を信じてみる。そんなアプローチが、今の私たちの開発体験には必要なのだろう。
参考リポジトリ: coleam00/claude-memory-compiler
Photo by Steve A Johnson on Unsplash