Selfhosting

MinIO Community Edition は、新規の本番環境システムにとって安全なデフォルトではもはやありません。

このセクションでは、AI システムにおける永続的な知識と記憶に関するガイドをまとめます。これは、すべてのトークンを単一のプロンプトに詰め込まずに、アシスタントがセッション間で事実、設定、または凝縮されたコンテキストを保持する方法についてです。ここでは、メモリとは意図的な保持（ユーザーの事実、要約、プラグインバックエンドのストレージ）を指し、GPU の RAM やモデルの重みを指すものではありません。

2026年9月更新: MnemosyneとMemoriを追加し、HonchoとHindsightの設定を拡充するとともに、元のインフラストラクチャ表に加え、キャプチャポリシー比較表を追加しました。

モダンなアシスタントは、タブを閉じるとすべてを忘れてしまいます。コンテキストウィンドウを超えるものがある場合を除いてです。**Agent memory providers（エージェントメモリプロバイダー）**とは、セッション間で事実や要約を保持するサービスまたはライブラリです。通常、プラグインとして組み込まれることで、フレームワークはスリムなままメモリを拡張できます。

本ガイドでは、Hermes Agentの外部メモリプラグインとして提供されるメモリバックエンド（Honcho、OpenViking、Mem0、Hindsight、Holographic、RetainDB、ByteRover、Supermemory、Mnemosyne、Memori）を比較し、それらがより広い**AIシステムスタックにどのように組み込まれるかを説明します。これらのベンダーは、コミュニティまたは公式の統合を通じて、OpenClawやその他のエージェントツールでも見られます。AIシステムのメモリハブ**では、この記事がCogneeおよび関連ガイドと共に一覧化されています。

Hermes固有のバウンドされたコアメモリ（MEMORY.mdとUSER.md）、フリーズ動作、トリガーについては、**Hermes Agent Memory System**を参照してください。プロバイダーの配線は、より広いエージェント知識階層の1つのレイヤーにすぎません。アイデンティティファイル、常駐メモリ、スキル、ウィキ、メモリバンクなど、それぞれに独自の注入トリガーがあり、これらは Tiered Context: AIエージェントのための知識階層 でマッピングされています。HermesのネイティブメモリプロバイダーがOpenClawとの採用面での優位性の拡大にどう貢献しているかの文脈（GitHubスター数、OpenRouterトークンランキング、エコシステム規模の比較を含む）については、 OpenClaw vs Hermes Agent: スター数、ダウンロード量、利用状況 2026 を参照してください。

AI エージェントとのチャットを開始し、プロジェクトの概要を説明し、好みを共有し、いくつかの作業を行い、タブを閉じる。その翌週にもう一度戻ってくると、まるで見知らぬ人と話しているかのようですね。すべてのコンテキストが失われ、すべての好みは忘れられ、プロジェクトはゼロから再説明しなければなりません。

OpenClawは製品として失敗したわけではありません。単に「燃料」を失っただけです。

長らく、llama.cpp には致命的な制限がありました。
それは、1プロセスにつき1つのモデルしか提供できず、モデルを切り替えるには再起動が必要だった点です。

パーソナル・ナレッジ・マネジメント（PKM）には、Obsidian、Logseq、DokuWiki、Zettelkasten、PARAといった選択肢がありますが、適切なツールは、ローカル環境でのノートグラフ、セルフホスト型ウィキ、アウトライナー駆動型のワークフローのいずれを優先するかによって異なります。

公式にはHermes Agentとして文書化されているHermes AIアシスタントは、単なるチャットラッパーとしては位置づけられていません。

OpenClawには2つの拡張ストーリーがあり、それらは混同されやすいものです。

プラグインはランタイムを拡張します。スキルはエージェントの振る舞いを拡張します。

この記事は、チャネル、モデルプロバイダー、ツール、音声、メモリ、メディア、Web 検索、その他ランタイムの表面機能などを追加するネイティブゲートウェイパッケージであるOpenClaw プラグインについて解説します。

OpenClawのデモではシンプルに見えます。 しかし、本番環境では、それは一つのシステムへと変貌します。

Vaneは、「引用付きAI検索」分野でより実用志向の選択肢の一つです。ライブなWeb検索とローカルまたはクラウドのLLMを組み合わせつつ、スタック全体を自分自身の管理下におくセルフホスト型の回答エンジンです。

Hermes Agentは、セルフホスティングでモデル非依存型のAIアシスタントであり、ローカルマシンや低コストのVPS上で動作します。ターミナルとメッセージングインターフェースを通じて利用可能で、反復されるタスクを再利用可能なスキルに変換することで、時間が経つにつれてパフォーマンスが向上します。

Text Generation Inference (TGI) は、非常に特有の雰囲気を持っています。 推論の分野で最も新しい子供ではありませんが、すでに本番環境でのトラブルを学び、その教訓をデフォルト設定に焼き付けているのが TGI です。

SGLang は、大規模言語モデルおよびマルチモーダルモデル向けの高パフォーマンスなサービングフレームワークであり、単一の GPU から分散クラスターに至るまで、低レイテンシかつ高スループットの推論を提供するために設計されています。

すぐにvLLM、llama.cpp、そしてその他の多数のスタックを回す必要が出てきます。それぞれのスタックは独自のポートを使います。しかし、下流のすべてのアプリケーションは、/v1 ベースの単一のURLを期待しています。そうでなければ、ポート、プロファイル、使い捨てのスクリプトの入れ替えを繰り返すことになります。llama-swap は、これらのスタックの前段にある /v1 プロキシです。