Awareness Local

Awareness Local

言語： English | 简体中文

AI エージェントはセッションが終わるとすべてを忘れてしまいます。Awareness がそれを解決します。

Awareness は、Cursor、Claude Code、Copilot、Cline、OpenCode、およびあらゆる MCP クライアント向けの AI コーディングエージェント用メモリプラグインです。決定事項や学んだことを、お使いのマシン上にプレーンな Markdown として保存し、次のセッションで呼び出します。キーワード検索とセマンティック検索を組み合わせたハイブリッド検索により、LongMemEval で R@5 96％を達成し、検索時の LLM 呼び出しはゼロです。オフラインで動作し、アカウントは不要です。

次のコマンドでインストールできます。

npx @awareness.market/setup

軽量なデーモンがお使いのマシン上で動作し、メモリを Markdown として保存します。SQLite FTS5 と埋め込み表現で検索用インデックスを作成し、AI ワークフローを高速かつ説明可能に保ち、オフラインですぐに使える状態にします。

npx @awareness.market/setup

これで完了です。AI エージェントはセッションをまたいですべてを記憶できるようになりました。

---

Awareness Local を選ぶ理由

AI コーディングエージェントはセッション間でコンテキストを失います。Awareness Local はセッションをまたいだメモリの呼び出しを提供するため、アーキテクチャ、過去の決定、未完了のタスク、実装上の制約を説明し直すことなく、エージェントが作業を継続できます。

• AI コーディングエージェント向けの永続的なメモリ
• オフライン対応のローカルファーストな MCP サーバー
• ハイブリッド検索（キーワード検索＋セマンティック検索）
• 決定事項、解決策、リスクを抽出するナレッジカード

クイックスタート

npx @awareness.market/setup

その後 IDE を開いて、コーディングを始めてください。Awareness のツールを使って、情報の呼び出し、記録、セッションの初期化ができます。

よくある使用例

• 複数のセッションにわたる長期的なコードベースの移行
• 過去の実装コンテキストを AI に記憶させるチーム間の引き継ぎ
• 継続的な設定や規約が必要な個人のコーディングワークフロー
• 決定履歴やタスクメモリを共有するマルチエージェント構成

よくある質問

Awareness Local はオフラインで動作しますか？

はい。ローカルモードは完全にオフラインで動作し、メモリはお使いのマシン上に保存されます。

データはどこに保存されますか？

メモリは .awareness/ 内に Markdown として保存され、検索用にローカルの SQLite インデックスが作成されます。

クラウドアカウントは必要ですか？

いいえ。クラウド同期は任意で、後から有効にできます。

どの IDE に対応していますか？

Cursor、Claude Code、Copilot、Cline、Windsurf など、MCP 互換の IDE であればどれでも利用できます。ChatGPT Desktop の場合は、「Settings → MCP servers → Add server → Streamable HTTP」を選択し、http://127.0.0.1:37800/mcp を指定してください（ローカルデーモンのみ。認証は不要です）。

ナビゲーション

• ベンチマーク：LongMemEval
• 対応 IDE
• 仕組み
• MCP ツール
• クラウド同期
• SDK とプラグインのエコシステム

ベンチマーク：LongMemEval（ICLR 2025）

長期的な会話メモリの業界標準ベンチマークである LongMemEval で評価されています。中核となる5つの能力に関する、人間が作成した500問で構成されています。

╔══════════════════════════════════════════════════════════════╗
║                                                              ║
║   Awareness Memory — LongMemEval Benchmark Results           ║
║   ─────────────────────────────────────────────────           ║
║                                                              ║
║   Benchmark:  LongMemEval (ICLR 2025)                       ║
║   Dataset:    500 human-curated questions                    ║
║   Variant:    LongMemEval_S (~115k tokens per question)      ║
║                                                              ║
║   ┌─────────────────────────────────────────────────┐        ║
║   │                                                 │        ║
║   │   Recall@1    80.2%    (401 / 500)              │        ║
║   │   Recall@3    92.8%    (464 / 500)              │        ║
║   │   Recall@5    96.0%    (480 / 500)  ◀ PRIMARY   │        ║
║   │   Recall@10   98.6%    (493 / 500)              │        ║
║   │                                                 │        ║
║   └─────────────────────────────────────────────────┘        ║
║                                                              ║
║   Method:     Hybrid RRF (BM25 + vector, daemon pipeline)    ║
║   Embedding:  multilingual-e5-small (production model)       ║
║   LLM Calls:  0  (pure retrieval, no generation cost)        ║
║   Hardware:   Apple M1, 8GB RAM — 35 min total               ║
║                                                              ║
╚══════════════════════════════════════════════════════════════╝

┌─────────────────────────────────────────────────────────────┐
│          Long-Term Memory Retrieval — R@5 Leaderboard       │
│          LongMemEval (ICLR 2025, 500 questions)             │
├─────────────────────────────────┬───────────┬───────────────┤
│  System                         │  R@5      │  Note         │
├─────────────────────────────────┼───────────┼───────────────┤
│  MemPalace (ChromaDB raw)       │  96.6%    │  R@5 only *   │
│  ★ Awareness Memory (Hybrid)    │  96.0%    │  Hybrid RRF   │
│  OMEGA                          │  95.4%    │  QA Accuracy  │
│  Mastra (GPT-5-mini)            │  94.9%    │  QA Accuracy  │
│  Mastra (GPT-4o)                │  84.2%    │  QA Accuracy  │
│  Supermemory                    │  81.6%    │  QA Accuracy  │
│  Zep / Graphiti                 │  71.2%    │  QA Accuracy  │
│  GPT-4o (full context)          │  60.6%    │  QA Accuracy  │
├─────────────────────────────────┴───────────┴───────────────┤
│  * MemPalace 96.6% is Recall@5 only, not QA Accuracy.      │
│    Palace hierarchy was NOT used in the evaluation.         │
└─────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────┐
│     Awareness Memory — R@5 by Question Type                 │
│                                                             │
│  knowledge-update        ███████████████████████████ 98.7%  │
│  multi-session           ███████████████████████████▊  99.2%│
│  single-session-asst     ███████████████████████████▌  98.2%│
│  temporal-reasoning      ██████████████████████████▏   93.2%│
│  single-session-user     ██████████████████████████    92.9%│
│  single-session-pref     █████████████████████████▎    90.0%│
│                                                             │
│  Overall                 ██████████████████████████▉   96.0%│
│                                                             │
│  ┌───────────────────────────────────────────────┐          │
│  │  Ablation Study                               │          │
│  │  ─────────────────────────────────────────    │          │
│  │  Vector-only:   92.6%  ▓▓▓▓▓▓▓▓▓▓▓▓▓░░░     │          │
│  │  BM25-only:     91.4%  ▓▓▓▓▓▓▓▓▓▓▓▓▓░░░     │          │
│  │  Hybrid RRF:    95.6%  ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓░  ★  │          │
│  │  (2026-04 harness run)                        │          │
│  │  Hybrid = +3% over any single method          │          │
│  └───────────────────────────────────────────────┘          │
│                                                             │
│  arxiv.org/abs/2410.10813          awareness.market         │
└─────────────────────────────────────────────────────────────┘

検索時にLLMの呼び出しは不要です（デーモン経由）。再現可能なベンチマークスクリプト →

---

できること

導入前： セッションを始めるたびに、すべてが振り出しに戻ります。コードベースを再説明し、決定事項の理由を改めて説明し、エージェントが作業をやり直すのを見守ることになります。

導入後： エージェントは 「MySQL から PostgreSQL への移行を進めていましたね。前回のセッションでスキーマ変更を完了し、残りの TODO は2件だったと記憶しています……」 と話します。

Session 1                          Session 2
┌─────────────────────────┐       ┌─────────────────────────┐
│ Agent: "What database?" │       │ Agent: "I remember we   │
│ You: "PostgreSQL..."    │       │ chose PostgreSQL for     │
│ Agent: "What framework?"│  →    │ JSON support. You had    │
│ You: "FastAPI..."       │       │ 2 TODOs left. Let me     │
│ (repeat every session)  │       │ continue from there."    │
└─────────────────────────┘       └─────────────────────────┘

---

対応 IDE（13以上）

IDE	自動検出	プラグイン
Claude Code	✅	awareness-memory
Cursor	✅	MCP 経由
Windsurf	✅	MCP 経由
OpenClaw	✅	@awareness.market/openclaw-memory
Cline	✅	MCP 経由
GitHub Copilot	✅	MCP 経由
Codex CLI	✅	MCP 経由
Kiro	✅	MCP 経由
Trae	✅	MCP 経由
Zed	✅	MCP 経由
JetBrains (Junie)	✅	MCP 経由
Augment	✅	MCP 経由
AntiGravity (Jules)	✅	MCP 経由
ChatGPT Desktop	✅	MCP 経由（Streamable HTTP、FAQ を参照）

---

仕組み

Your IDE / AI Agent
    │
    │  MCP Protocol (localhost:37800)
    ▼
┌────────────────────────────────────┐
│  Awareness Local Daemon            │
│                                    │
│  Markdown files    → Human-readable, git-friendly
│  SQLite FTS5       → Fast keyword search
│  Local embedding   → Semantic search (optional: npm i @huggingface/transformers)
│  Knowledge cards   → Auto-extracted decisions, solutions, risks
│  Web Dashboard     → http://localhost:37800/
│                                    │
│  Cloud sync (optional)             │
│  → One-click device-auth           │
│  → Bidirectional sync              │
│  → Semantic vector search          │
│  → Team collaboration              │
└────────────────────────────────────┘

データについて

すべてのメモリは .awareness/ 内にMarkdown ファイルとして保存されます。人が読みやすく、編集でき、Git との親和性にも優れています。

.awareness/
├── memories/
│   ├── 2026-03-22_decided-to-use-postgresql.md
│   ├── 2026-03-22_fixed-auth-bug.md
│   └── ...
├── knowledge/
│   ├── decisions/postgresql-over-mysql.md
│   └── solutions/auth-token-refresh.md
├── tasks/
│   └── open/implement-rate-limiting.md
└── index.db  (search index, auto-rebuilt)

---

機能

MCP ツール（IDE で利用可能）

ツール	機能
awareness_init	セッションのコンテキストを読み込みます — 最近のナレッジ、タスク、ルール
awareness_recall	メモリを検索します — 段階的な開示（要約 → 全文）
awareness_record	決定事項、コード変更、知見を保存します — ナレッジ抽出機能付き
awareness_lookup	タスク、ナレッジカード、セッション履歴、リスクをすばやく検索します
awareness_get_agent_prompt	マルチエージェント構成向けに、エージェント固有のプロンプトを取得します

段階的な開示（トークン使用量の最適化）

すべてをコンテキストに詰め込むのではなく、Awareness は2段階の検索を行います。

Phase 1: awareness_recall(query, detail="summary")
  → Lightweight index (~80 tokens each): title + summary + score
  → Agent reviews and picks what's relevant

Phase 2: awareness_recall(detail="full", ids=[...])
  → Complete content for selected items only
  → No truncation, no wasted tokens

Web ダッシュボード

http://localhost:37800/ にアクセスすると、メモリ、ナレッジカード、タスクの閲覧や、クラウド同期の管理ができます。

クラウド同期（任意）

Awareness Cloud に接続すると、次の機能を利用できます。

• セマンティックベクトル検索（100以上の言語）
• デバイス間のリアルタイム同期
• チームでの共同作業
• メモリマーケットプレイス

npx @awareness.market/setup --cloud
# Or click "Connect to Cloud" in the dashboard

---

SDK とプラグインのエコシステム

Awareness Local は Awareness エコシステムの一部です。

パッケージ	対象	インストール
Awareness Local	ローカルデーモン + MCP サーバー	npx @awareness.market/setup
Python SDK	wrap_openai() / wrap_anthropic() インターセプター	pip install awareness-memory-cloud
TypeScript SDK	wrapOpenAI() / wrapAnthropic() インターセプター	npm i @awareness-sdk/memory-cloud
OpenClaw Plugin	自動想起 + 自動キャプチャ	openclaw plugins install @awareness.market/openclaw-memory
Claude Code Plugin	スキル + フック	/plugin marketplace add everest-an/Awareness-SDK → /plugin install awareness-memory@awareness
Setup CLI	13 以上の IDE をワンコマンドでセットアップ	npx @awareness.market/setup

SDK の全ドキュメント：awareness.market/docs

---

要件

• Node.js 18+
• MCP 対応の IDE

Python、Docker、クラウドアカウントは不要です。

⭐ プロジェクトを応援する

Awareness Local によって、AI エージェントにコードベースを何度も説明せずに済んだら、⭐ を付けてください。より多くの開発者にこのプロジェクトを知ってもらい、GitHub Trending へのランクインにもつながります。

ライセンス

MIT

---

タグと連携

IDE のサポート： Cursor、Windsurf、Trae、Zed、VS Code、JetBrains。 対応： OpenClaw、AutoGPT、LangChain、MetaGPT。 主要技術： OMP (Open Memory Protocol)、LatentMAS、Shared Thought Space、ワンクリックデプロイ。 注力分野： AI の「ロブスター記憶」（長期記憶の喪失）の解決、複雑なワークフローの自動化、エージェントのセットアップの簡素化。