AIシステムメモリ — 永続知識とエージェントメモリ
単一のチャットスレッドを超えた永続的なナレッジ。
このセクションでは、AIシステムの永続的な知識と記憶に関するガイドをまとめています。アシスタントが事実、設定、抽出された文脈を、プロンプトにすべてのトークンを詰め込むことなく、セッション間で維持する方法についてです。ここでは、記憶とはGPUのRAMやモデルの重みではなく、意図的な保持（ユーザーに関する事実、要約、プラグインバックエンドのストアなど）を指します。
これは、より広い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、検索メカニズムについてはRAG、モデルの実行についてはLLMホスティングと並列して位置づけられます。
記憶は、ルーティング、ツール、オブザーバビリティとともに、AIアシスタントのアーキテクチャで説明されている、より広いアシスタントスタックの一部として機能します。
アシスタント向けメモリ設計
短期記憶、構造化記憶、検索記憶に関するフレームワーク横断ガイド。統合ポリシー、ベクトルのトレードオフ、およびOpenAI、LangGraph、Hermes、OpenClawからのパターンを紹介しています。
- AIアシスタントで実際に役立つメモリシステム — 作業記憶、構造化状態、検索レイヤー、および記憶が助けとなる場合と害になる場合の区別
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公開するドロップイン型バックエンド — Honcho、OpenViking、Mem0、Hindsight、Mnemosyneなど — には、LLM、埋め込み（エンベディング）、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、依存関係の注意、およびHermesの
memory setupフロー
Hermes専用に設計された有界コアメモリ（MEMORY.md / USER.md）については、**Hermes Agentメモリシステム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手順については、Mnemosyne for Hermes Agent: ローカルメモリ クイックスタート**を参照してください。
メモリガバナンスと失敗モード
自動キャプチャ、振り返り、統合により、モデル自身の推論が永続的な「事実」として変換され、後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り得る7つの形態、なぜ出所（プロベナンス）が埋め込み（エンベディング）より重要なのか、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・プロジェクトの知識をグラフとして抽出します。
- Cogneeのセルフホスティング — Ollama上のLLMの選択 — ローカルモデルを使用したCogneeのハンズオンクイックスタート
- Cognee向けの適切なLLMの選択 — ローカルOllama設定 — グラフの品質とハードウェアに関するモデル比較
Cogneeのようなグラフビルダーは、通常、人がすでに編集済みのMarkdownボルト、ウィキ、またはエクスポートを読み込みます。重要度、命名、および「なぜこれが重要だったのか」は、チャンクが埋め込み（エンベディング）に到達する前に、すでにほぼ決定されています。粗雑なアップストリームコーパスは、曖昧さをアシスタントに学習させてしまいます。一方、表現を通じた規律あるキャプチャワークフローは、その損害を制限します。人間中心的な枠組み（検索優先のRAGとの違いを含む）については、エンジニア向けのセカンドブレイン解説を参照してください。
