人間と複数AIが共有できるナレッジ基盤kaibaを作成

このプロジェクトは、ある具体的な不満から始まった。AIのメモリ機能は何を覚えるかを自分で決めてしまい、人間が重要でないと思うものが残り、後で参照したい設計判断や実測値が落ちてしまう。2つ目の問題は構造的なものだった。タスクやコストに応じてClaude Code、Codex、OpenCode経由のworker、Antigravityを使い分けると、知識が各AIの中に閉じ込められ、エージェントを切り替えるたびに引き継ぎが発生し、あるAIが失敗して学んだ教訓を別のAIが翌日繰り返す。

初期版は意図的に最小限で、rememberとrecallだけを提供し、当初はHoncho上、後にSQLite上で、bge-m3の埋め込みとこの規模なら全件比較検索を用いた。特筆すべきは、保存テキストの生成・要約・再解釈にLLMを一切使っていない点だ。そうしなければ、誰かが検証した結論が未検証の言い換えになってしまうからである。書き込みも制限した。workerは通常recallだけを受け取り、見つけた恒久的な事実はオーケストレーターが判断するための最終レポートに入れる。

やがてシステムは、開発者が組織の記憶と呼ぶものに最も近づいていった。Issue、PR、コードはGitHubやshioriに残り、必須の作業ルールはSkillになり、kusabiがプロセスとレビューを強制する。著者によれば、保存件数が約175件の段階でも、保存規模よりもrecallの上位5件を読むのに必要な注意力がボトルネックになったという。そのためpgvectorやANNを追加するよりも、不要な知識を引退させ、短命な情報を長期保存しないことを選んだ。