Cognikernel：AIコーディングアシスタントのためのローカルメモリ

Cognikernelは、AIコーディングアシスタント（Claude Code、Codexなど）向けに設計されたオープンソースツールで、永続的で構造化されたプロジェクトメモリを提供します。イベントソーシングアーキテクチャを採用し、コーディングセッション中に行われた決定、制約、放棄されたアプローチを記録。次回のセッション開始時にこれらの情報をコンパクトなコンテキストブロックとして自動注入することで、エージェントが既に決めたことを再び決定する無駄を排除します。

独自の記憶メカニズム

Cognikernelは従来のベクトルデータベースやLLMによる要約に依存しません。代わりに、決定的なパイプラインを使用します：まずセッションログをサニタイズ、分類し、次に二つの小型エンコーダモデル（ONNX形式、合計約130 MB）で重要度を評価し、新しい決定が古いものを上書きするタイミングを検出します。すべての処理はローカルCPU上でミリ秒単位で完了し、API呼び出しは不要、追加料金も発生せず、データが外部に出ることはありません。

メモリループとフックサーフェス

システムの動作フローは「観察→抽出→統合→保存→検索→組み立て→注入」のサイクルです。4つのフックサーフェスを介してコーディングセッションと連携：SessionStart（決定ブロックの注入）、UserPromptSubmit（関連記憶の呼び出し）、PreToolUse（読み書き効率ゲート）、Stop（決定のキャプチャ）。各フックはフォールオープン設計で、メモリシステムに問題が発生してもセッションが中断されることはありません。

記憶のタイプと検索

記憶は「決定」「ハード制約」「ソフト制約」「放棄されたアプローチ」などに分類され、各タイプに応じてランキングとレンダリング方式が異なります。決定キーにより後続の発言が以前のものを上書き（最新優先）できるため、矛盾が蓄積されることなく自動統合されます。検索は語彙ベース（FTS5 BM25）を主とし、オプションの密ベクトル埋め込みを補助的に使用、RRF（相互ランク融合）で最終結果を生成します。また、特定の禁止ルールが類似した話題に埋もれないよう「禁止検索」メカニズムも備えています。

クロスプラットフォームと信頼性

Cognikernelは単一のSQLiteデータベースを使用し、Claude CodeとCodexが同じメモリを共有できます。プロジェクトパスのエイリアス認識に対応し、memlora codex-syncコマンドでCodexセッションのキャプチャが可能。システムはアトミックマイグレーション、べき等なリプレイ、フォールオープンフック、CIゲートなど、堅牢な信頼性設計を備えています。

パフォーマンスの利点

3つのアーム（Cognikernel vs. 手動ノート vs. メモリなし）で行ったベンチマークでは、Cognikernelがファイル読み取り回数を2～4倍削減（最高で3回 vs 29回）。トークンコストは、キャッシュ読み書きと出力の加重計算で、複雑なプロジェクトでは約20%抑制されました。特に、頻繁な再決定が必要な大規模プロジェクトにおいて、エージェントがセッション開始時点で既に過去の知識を活用できる点が大きな利点です。

クイックスタート

プロジェクトは簡単なCLIコマンドを提供：memlora initでプロジェクト登録とフックインストール、memlora doctorでサブシステムの健全性確認、memlora install-headsでオプションのエンコーダモデルをダウンロード。コア機能はエンコーダモデルがなくても語彙パスで動作するため、すぐに始められます。

Cognikernelの設計思想は、AIコーディングアシスタントに真の「記憶」を与え、より効率的でインテリジェントな開発支援を実現することです。