メモリ・デーモンとは
メモリ・デーモンとは、AIシステムがセッション間で文脈を維持するために
読み: メモリデーモン
AIシステムがセッション間で文脈を維持するために、バックグラウンドで記憶情報を収集・整理・配信するプロセスを指す。対話のたびにゼロから始まるのではなく、過去の判断や教訓を次のセッションに引き継ぐ仕組みの土台となる。
かんたんに言うと
人間でいえば「寝ている間に記憶を整理する脳の働き」に近い。AIが作業していない時間帯に、散らばった情報をまとめて、次に起きたときすぐ動ける状態にしておくプログラムである。
セッションが切れても文脈を失わないための設計
AIとの対話は、セッションが切れるたびにリセットされる。前回どこまで話したか、どんな判断をしたか、どの作業が途中だったか。これらを人間が毎回説明し直すのは現実的ではない。メモリ・デーモンは、この断絶を埋めるために設計されたバックグラウンドプロセスである。
具体的には、インシデント記録、未完了のコミットメント、過去の失敗から得た教訓といった情報を定期的に収集し、AIが起動時に自動で読み込むファイルとして書き出す。による毎メッセージの動的注入と異なり、静的ファイルとして配置するため、APIの呼び出し失敗やタイムアウトの影響を受けない。
抽出と選別の仕組み
メモリ・デーモンが扱う情報は無制限ではない。出力は2000文字以内に厳格に制限される。LLMのコンテキストウィンドウにおいて、情報が多すぎると重要な指示が埋もれる問題が知られており、この上限はその対策である。
抽出対象は5種類に絞られている。未解決のインシデント、未完了のコミットメント、過去の教訓、夜間バッチの稼働状況、パイプラインのヘルス情報。いずれもPythonの正規表現とif文で機械的に選別され、AI自身が選別に関与することはない。人間が書いたルールで、人間が意図した情報だけを渡す設計となっている。
複数AIの連携における役割
1台のAIだけで業務を回す環境であれば、メモリ・デーモンは過剰な仕組みに見えるかもしれない。しかし複数のAIエージェントが同一プロジェクトで並行して作業する場合、状況は変わる。あるAIが記録したインシデントを、別のAIが翌朝のセッション開始時に把握している必要がある。メモリ・デーモンは、異なるAIに対して同じフォーマットで最新状態を配信する共有インフラとして機能する。
配信先はAIごとに異なるパスに書き出される。各AIが起動時に自動読み込むディレクトリに配置することで、追加の設定なしにセッション間の記憶引き継ぎが成立する。
当社の見解
当社はClaude Code、Antigravity、Codexの3台AIを並行運用している。メモリ・デーモンは、この3台が「同じ現場を共有するチーム」として機能するための基盤である。導入前は、セッションが切れるたびに前回の文脈を手動で説明し直す必要があった。導入後は、未解決のインシデントや未完了の約束事が起動時に自動で注入されるため、AIが「何も知らない状態」から始まることがなくなった。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。