Agent Memory Layer：AIコーディングエージェントのリポジトリローカルメモリ

Agent Memory Layer は、AI 支援コーディングワークフロー向けの実験的なオープンソースプロジェクトで、リポジトリレベルでの永続的なメモリを提供します。このプロジェクトは従来の Python ライブラリやアプリケーションではなく、ドキュメントファーストのワークフローと自動化スクリプトのセットであり、Codex、Cursor、Claude Code、Gemini などの AI コーディングエージェントがプロジェクトの意図、決定、証拠を永続化し、後続の人間やエージェントが作業を継続できるようにします。

中心的な問題

AI はコードを高速に生成できますが、リポジトリはしばしば周囲の工学メモリを失います：本来の意図は何か？どの制約が重要だったか？機能面はどのように変化したか？なぜその決定が下されたか？変更をリリースする証拠は何か？これらのメモリが欠如すると、将来のエージェントはすべてを再発見する必要があります。Agent Memory Layer は体系的なアーティファクト記録によってこの問題を解決します。

3つの機能

プロジェクトは3つの補完的な機能を中心に構築されています：

• 意図検証 (IA)：AI が生成したコードが元の意図と一致することを確認。
• 依存関係・機能認識 (DS2)：依存関係と機能面の変化をマッピング。
• 工学メモリ (SCP)：重要な時点での決定理由を保存。

ワークフローは次のとおり：アイデア → AI がコード生成 → IA が意図を検証 → DS2 が依存関係と機能をマッピング → SCP が理由を保存 → AI が修正または人間がレビュー → 証拠とともにリリース。

現状と限界

プロジェクトはまだ実験段階です。現在、Codex を使用した A/B テストの予備的証拠があり、アーティファクト使用、ハンドオフ品質、修正ループ動作の改善が見られますが、広範な生産性向上、普遍的な品質改善、モデル横断の汎化はまだ検証されていません。既知の信頼性の脅威には、タスクセットの小ささ、ローカル実行のみ、プロジェクト履歴内の混合時間手法が含まれます。次のマイルストーンは、より多くのモデル、開発者、長期プロジェクト、実世界のケーススタディによる広範な外部検証です。

適用範囲

このプロジェクトは、AI コーディングエージェントに大きく依存する開発者、個人創業者、独学者、内部ツールを構築するドメイン専門家、エンジニアリングレビュアー、そして明確な意図・レビュー・コンテキスト保持の習慣を身につけたい初級・中級開発者に最も適しています。使い捨てスクリプト、簡単なプロトタイプ、AI 使用が少ないチーム、またはすでに強力な工学メモリ習慣を持つチームには通常あまり役立ちません。

クイックスタート

人間の読者は README.md、WORKFLOW.md、EVIDENCE.md から始めることを推奨します。AI エージェントは AGENT_BOOTSTRAP.md、AGENTS.md、ARTIFACT_MODEL.md から始めてください。環境はパッケージインストール不要で、テストスイート python -m pytest を実行し、python automation/guardrail_runner.py --changed <ファイル> でガードレールチェックを実行します。外部ツール（IA、DS2、SCP）はオプションで、未インストールでもスキップされるだけです。

証拠とフィードバック

現在の証拠は EVIDENCE.md に要約され、再現可能な実験フレームワークは experiments/ab_adoption/ にあります。フィードバックは具体的であるほど有用です：不明瞭な部分、過大評価されている主張、有用またはノイズの多いアーティファクト、再現できない実験ステップ、どの追加検証が自信を変えるかなど。プロジェクトは MIT ライセンスで、フィードバックは GitHub Issue を通じて受け付けています。