あるPM兼開発者の物語
「なぜあのDB設計案を捨てたのか」——
AIは毎回忘れてしまう。意思決定の記憶が消えていく
AIは毎回忘れてしまう。意思決定の記憶が消えていく
記憶喪失
コンテキスト窓の限界で意思決定ログが消える
➡️
Markdown正本化
人間が読める記憶ファイルを正本に
➡️
ハイブリッド検索
密+疎ベクトルのRRF統合で想起
➡️
ナレッジ資産
Gitで管理するチームの意思決定資産へ
第1章：コンテキストの限界と「ブラックボックス」の壁
😮💨 毎回ゼロからの説明に疲弊するPM
主人公はプレイングマネージャー（PM兼開発者）として、Claude Codeを日常的に活用していました。しかしAIの「コンテキスト窓」の限界により、数週間前の議論——「なぜあのDB設計案を捨てたのか」「仕様変更の背景は何か」——をAIがすぐに忘れてしまいます。
毎回AIに前提を説明し直すコストに疲弊した彼は、長期記憶ツール（Mem0やZepなど）の導入を検討しました。しかし従来のDB中心型メモリには致命的な欠点がありました——
❌ 従来のDB中心型メモリ
記憶がベクトル（数値）として独自スキーマに隠れる。人間が直接読んで確認・修正できない「ブラックボックス」になる。
➡️
✅ MemSearchの逆転発想
人間が読めるMarkdownファイルが正本。ベクトルDBはいつでも再構築できる「使い捨て可能な派生インデックス」に過ぎない。
第2章：「Markdown正本化」というパラダイムシフト
💡 MemSearchとの出会い
Zilliz社が2026年3月12日に公開したオープンソースライブラリ「MemSearch」。最大の発明は新しい検索アルゴリズムではなく——
「人間が読めるMarkdownファイルを記憶の正本（Source of Truth）とする」という逆転の発想。
「これなら記憶をGitで管理できる」——主人公は確信し、Claude Code用プラグインを導入した。
「これなら記憶をGitで管理できる」——主人公は確信し、Claude Code用プラグインを導入した。
🧩 MemSearchプラグイン構成:
4つのシェル・フック + 1つのスキル + 1つのバックグラウンド・ウォッチャー
既存の開発環境に自然に溶け込み、特別な設定なしに動作を開始
4つのシェル・フック + 1つのスキル + 1つのバックグラウンド・ウォッチャー
既存の開発環境に自然に溶け込み、特別な設定なしに動作を開始
Markdownが正本
Source of Truth
人間が読める・直せる・Git管理できるテキストファイルが記憶の原本
ベクトルDBは派生物
Disposable Index
いつでもMarkdownから再構築可能な「使い捨てインデックス」として機能
SHA-256で重複排除
Cost Optimization
コンテンツハッシュで変更検知。未変更チャンクのEmbedding再計算をスキップ
第3章：Gitレビューとハイブリッド検索が導く解決
🚀 開発現場が劇的に進化
MemSearchの導入により、主人公のチーム開発は3つの面で劇的に変わりました。
1️⃣ 記憶の自動保存と「人間によるGit監査」
セッション終了時、Compact機能がLLMで議論を自動要約 → Markdownに追記。主人公はこれをGitのdiffでコードレビューのように確認し、AIの解釈ミスはテキストエディタで直接修正してコミット。記憶のブラックボックス化が解消された。
セッション終了時、Compact機能がLLMで議論を自動要約 → Markdownに追記。主人公はこれをGitのdiffでコードレビューのように確認し、AIの解釈ミスはテキストエディタで直接修正してコミット。記憶のブラックボックス化が解消された。
2️⃣ 過去の意思決定の完璧な想起（ハイブリッド検索）
数週間後、Claude Codeが以前ボツになった案を再提案。しかし次の瞬間、サブエージェントがMemSearchで過去のMarkdownを検索し——
「前回の検証では、この手法はメモリ消費量が1.5倍になるため却下されました」
と自ら文脈を補正。密ベクトル（意味）+ BM25疎ベクトル（固有名詞・エラーコード）→ RRF（k=60）統合で実現。
数週間後、Claude Codeが以前ボツになった案を再提案。しかし次の瞬間、サブエージェントがMemSearchで過去のMarkdownを検索し——
「前回の検証では、この手法はメモリ消費量が1.5倍になるため却下されました」
と自ら文脈を補正。密ベクトル（意味）+ BM25疎ベクトル（固有名詞・エラーコード）→ RRF（k=60）統合で実現。
3️⃣ ローカル完結と驚異的なコスト削減
SHA-256コンテンツハッシュで重複排除し、未変更チャンクの高コストEmbedding API再計算を自動スキップ。デフォルトのONNXモデル（bge-m3）なら外部API不要・完全ローカルで安全に完結。
SHA-256コンテンツハッシュで重複排除し、未変更チャンクの高コストEmbedding API再計算を自動スキップ。デフォルトのONNXモデル（bge-m3）なら外部API不要・完全ローカルで安全に完結。
第4章：チームのナレッジ・インフラへの昇華
📚 「意思決定資産」としての記憶
最終的に、MemSearchが記録したMarkdownファイルは、ただのログではなくチーム全体の「意思決定資産」として機能するようになりました。
AIの記憶が「特定のDBに縛られた管理不能なデータ」から、「人間が読めて、直せて、持ち運べる共有資産」へと変わったことで、AIエージェントは真の意味でプロジェクトの信頼できるパートナーとして迎え入れられたのです。
AIの記憶が「ブラックボックスのDB」から
「人間が読めて、直せて、持ち運べる共有資産」へ。
AIは真のプロジェクトパートナーになった
「人間が読めて、直せて、持ち運べる共有資産」へ。
AIは真のプロジェクトパートナーになった
まとめ：MemSearchが変える「AIの記憶」の未来
Markdown正本化
人間が読める・直せるテキストが記憶の原本。ブラックボックスから解放。
ハイブリッド検索
密+疎ベクトルのRRF統合で意味検索と固有名詞検索を両立。
SHA-256で節約
コンテンツハッシュで重複排除。未変更Embedding再計算をスキップ。
チーム資産化
Git管理で意思決定ログがチーム全体のナレッジ・インフラに。
4+1+1
フック + スキル + ウォッチャー
既存環境に自然に溶け込む構成
既存環境に自然に溶け込む構成
RRF
k=60 ハイブリッド検索
密+疎ベクトルの統合ランキング
密+疎ベクトルの統合ランキング
bge-m3
ONNXローカルモデル
外部API不要・完全オフライン可
外部API不要・完全オフライン可