Elite Longterm Memory

• セッションの途中でコンテキストを失う場合 — WAL（Write-Ahead Log）プロトコルにより、エージェントが応答する前に状態が書き込まれるため、コンパクションやクラッシュによって重要な情報が消去されません。
• 長期間にわたるプロジェクトやマルチセッションのプロジェクトで作業する場合 — 厳選されたMEMORY.mdと日次ログにより、エージェントと人間の両方にとって永続的で人間が読みやすい意思決定の記録が残ります。
• エージェントがミスを繰り返したり、設定を忘れたりする場合 — Mem0は会話から事実を自動抽出して重複を排除し、生の履歴と比較してトークン使用量を約80%削減します。
• サブエージェントや並列ワークストリームを実行する場合 — 階層型アーキテクチャにより、すべてを再説明するのではなく、git-notesとセマンティック検索を通じて構造化されたコンテキストを渡すことができます。

• 一回限りのシングルセッションタスクが必要な場合 — 使い捨てのスクリプトや短いタスクには、5層構造のフルセットアップはオーバーヘッドが大きく、正当化されません。
• OpenAI互換のLLMキーを使用していない場合 — セマンティックベクトル検索（LanceDB）およびMem0インテグレーションにはOPENAI_API_KEYが必要です。これがなければ、このスキルは最大限の性能を発揮できません。

状態は、エージェントが応答する前に SESSION-STATE.md へ書き込まれます。応答後ではありません。これにより、コンパクション中、クラッシュ時、または会話途中の中断が発生した場合でも、コンテキストの損失を防ぎます — これは、単純なメモリアプローチでは提供できない保証です。

すべてのメモリはローカルの LanceDB ベクトルストアにインデックス化されています。自動リコール機能により、最も関連性の高い過去のコンテキストが各レスポンスに自動的に注入されます。また、手動で memory_store / memory_recall コマンドを使用することで、カテゴリや重要度スコアによるクエリやフィルタリングが可能です。

構造化された意思決定、学習内容、およびブランチ対応のコンテキストが git notes として保存されます。これはサイレントで、バージョン管理され、JSON としてエクスポート可能です。リポジトリの履歴と共に永続的に保持されます。

Mem0 は、生の会話履歴から事実、好み、および意思決定を自動的に抽出し、重複を排除した上で、必要に応じて関連するメモリを提示します。これにより、完全なチャット履歴を渡す必要がなくなり、トークン消費量を最大80%削減できます。

ナレッジベースをオプションでSuperMemoryに同期することで、デバイス間でのアクセスや、保存されたコンテキストへの自然言語クエリが可能になります。SUPERMEMORY_API_KEY が必要です。

MEMORY.md というルートファイルと、memory/YYYY-MM-DD.md 形式の日付付き日次ログにより、エージェントと開発者の両方が、何が決定され、学習され、記憶されたかを明確に閲覧できる記録を持つことができます — 不透明なデータベースは不要です。

プロジェクトが数日から数週間にわたって進化するにつれて、エージェントは技術的な決定事項（例：「バニラCSSではなくTailwindを使用する」）をgit-notesおよびSESSION-STATE.mdに書き込みます。新しいセッションのたびに以前のコンテキストを自動的に読み込むため、どのフレームワークを使っているかを再度尋ねられることはありません。これらはすべて Elite Longterm Memory によって管理されます。

コンテキストウィンドウがいっぱいになってエージェントがコンパクションを行う際、SESSION-STATE.md はリセットを生き延びるホットRAMとして機能します。WALプロトコルにより、最後のやり取りで交わされた内容はすべて、コンパクションが実行される前にすでに永続化されていることが保証されます。

git-notesおよびLanceDBに保存されたコンテキストは、タスク開始時に生成された任意のサブエージェントからクエリできるため、並列エージェントは手動での再ブリーフィングなしに同じ決定事項や設定を共有できます。

ユーザーの好み、繰り返し発生する締め切り、および修正されたミスは、Mem0によって自動的に抽出され、セッションをまたいで保存されます。エージェントはプロンプトを肥大化させることなく、時間の経過とともにユーザーの正確で重複のないモデルを構築します。