Memo

memo

コーディングエージェントは、セッションのたびに記憶を失った状態で始まります。memo がそれを解決します。すべて自分のマシン上で完結します。

Claude Code、Codex、Cursor、Cline、Devin、OpenCode 向けの、永続的で検索可能なメモリです。クラウドも、API キーも、Ollama も、実行するベクトル DB も不要です。しかも、トークンの使用量は増えるどころか、減ります。

インストール

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.16.0/install.sh | bash

_{パッケージマネージャーを使いますか？ uv tool install mlx-memo · pipx install mlx-memo · brew tap jagoff/memo && brew install mlx-memo}

次に：

memo doctor                                   # self-check
memo save 'we use Postgres, not Mongo'        # save a decision
memo search 'what database did we pick?'      # search by meaning

これで完了です。インストーラーが見つかったすべてのクライアントを設定するため、エージェントは MCP 経由で自動的に使い始めます。

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.16.0/install.sh | bash
memo sync bootstrap [email protected]:yourname/memo-sync.git

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.16.0/install.sh | bash
memo doctor --strict-runtime

Linux をお使いの場合、またはまず試してみたい場合

docker run --rm ghcr.io/jagoff/memo:latest memo doctor

コストを節約できる理由

ほとんどのメモリサーバーはコンテキストを追加します。memo はコンテキストを減らすように設計されています。

デフォルトの MCP 機能は 165 ではなく 43 個のツールです。ツールは 74％少なく、スキーマコンテキストは約 68％削減されます。つまり、フル構成の 165 ツール／約30.6k スキーマトークンに対し、43 ツール／約9.7k スキーマトークンです。このオーバーヘッドは、すべてのクライアントで、すべてのセッションにおいて発生します。

アンビエントリコールは、モデルが回答する前に関連するメモリを 1 件挿入します。付属の Claude Code フックでは、この挿入は約160トークンに制限されています。memo roi は、実際のグラウンディング件数と再質問件数を報告します。以前表示していた推定節約額は 4.14.0 で削除されました。ハードコードされた定数にこれらの件数を掛け合わせても、memo が裏付けられない節約額の主張になるためです。実測した節約量を確認するには、memo tokens を使います。コンテキスト圧縮プロキシ経由で、プロバイダー自身の使用量カウンターを読み取ります。

memo roi       # value from grounded recalls and avoided re-asks
memo tokens    # usage-savings ledger

他にはない3つの機能

🕰️ タイムマシン — 過去の知識を再現して検索

memo as-of ask "what was the deploy strategy?" --date 2026-02-01
memo diff --from 2026-01-01 --to 2026-03-01

history.db を逆再生して、過去の状態を完全に再構築します。過去の自分が何を決めたかだけでなく、なぜその判断をしたのかを知りたいときに便利です。

⚡ 矛盾レーダー — 考えの変化に気づくメモリ

memo contradict scan      # find conflicting facts corpus-wide
memo contradict triage    # resolve: fuse / newer-wins / dismiss

判断を変更すると、memo は古くなった以前の判断にフラグを立てるため、エージェントがすでに却下した内容を再び持ち出さなくなります。

🔮 Dream — 眠っている間に自己最適化

memo dream run

7段階の夜間パイプラインです。インベントリ作成 → シグナルの抽出 → 矛盾の解消 → 古い情報の整理 → クラスターをまたぐ知見の統合 → 最適化 → 上位100件のクエリー埋め込みの事前ウォームアップ。翌日の検索を200ミリ秒未満に保ちます。実行のたびに監査可能な記録が残ります。介入は一切不要です。

仕組み

ハイブリッド検索。 ベクトル検索（Apple Silicon では MLX、CPU では sentence-transformers）と BM25 検索（FTS5。スペイン語のダイアクリティカルマークを折りたたみます）を並行して実行し、Reciprocal Rank Fusion で統合した後、オプションの MLX クロスエンコーダーによる再ランキングを行います。

Markdown が信頼できる唯一の情報源です。 すべてのメモリーは、読み取り、grep、バージョン管理ができるプレーンな .md ファイルです。SQLite はファイルからいつでも再構築できる派生インデックスです。Obsidian で手動編集すると、次回の memo reindex 時にその編集内容が反映されます。開けないデータベースに情報が閉じ込められることはありません。

プロンプトとメモリーはお使いのマシン上に保存されます。 エンベッダー、再ランキングモデル、LLM はすべてプロセス内で実行されます。テレメトリーはありません。メモリーが外部に送信されるのは、お客様自身が memo sync の同期先として所有する git リモートを指定した場合のみです。通常の起動時は完全にオフラインです。リモートの更新確認と自動更新を利用するには、明示的なオプトインが必要です。→ プライバシーとネットワークポリシー

さらに、エージェントをまたいで利用できる memo resume（任意のエージェントから任意のセッションを再開）、Mac 間の git 同期、オプションの codegraph シンボルエッジを備えたナレッジグラフ、暗号化されたシークレットストレージ、OCR／音声の取り込み、エビデンスパック、成果からの学習、署名付きフェデレーション、メモリーを利用するローカルチャット UI（memo chat serve）も含まれます。→ 機能の完全なリファレンス

比較

各プロジェクトの公式ドキュメントに基づき、2026 年 7 月に確認しました。修正の提案は歓迎します。issue を作成していただければ、表を修正します。

_{✅ 標準機能 · ⚠️ 部分対応、設定が必要、またはアドオン · ❌ 非対応}

最も近い比較対象は、basic-memory（ローカルファースト＋Obsidian＋MCP — 同じ理念）と、cipher（コーディングエージェント向けメモリー）です。

要件

Python ≥ 3.13（インストールされていない場合、インストーラーが uv を使って対応します）。初回インストールでは約 8 GB のモデルをダウンロードするため、5～15 分かかります。オプション：Obsidian の保管庫。指定しない場合、memo は ~/Documents/memo/ を使用します。

ドキュメント

トップレベル CLI コマンド全145個

コントリビューション

git clone https://github.com/jagoff/memo && cd memo
uv pip install -e '.[dev]'

Issue や PR を歓迎します。CONTRIBUTING.mdをご覧ください。memo が役に立った場合は、⭐を付けていただけると、ほかの人にも見つけてもらいやすくなります。

MIT ライセンスです。Apple MLX、sqlite-vec、codegraphを基盤に構築されています。