#markdown

AIエージェントに何を覚えさせるか、どう呼び出すかは、実はかなり面倒な問題です。Cal Paterson はそこに対して、記憶を巨大なパイプラインではなく、もっと素朴な「ファイル形式」として扱おうと提案しています。記事の狙いは、既存の agent memory がなぜ使いづらいのかを整理したうえで、より単純で移植しやすい代替案を示すことにあります。単なる思いつきではなく、Markdown や SQLite、semantic search をどう組み合わせるかまで踏み込んでいるのが面白いところです。 記事の中心にあるのは、agent memory を処理工程ではなくデータとして扱おう、という考え方です。著者はまず、今よくある記憶システムを3種類に分けて批判します。ひとつ目は、特定のハーネスやプラットフォームに縛られるタイプです。会話履歴から情報を抜き出す設計が多く、結局「その人についての記憶」ばかりが増えやすい。ふたつ目は、pgvector、Neo4j、独自の LLM まで使うような複雑すぎる仕組みで、管理も大変だしモデルを混乱させる、と言います。みっつ目は、理想化された graph や

この記事を読んでまず思ったのは、MCP対応って思ったよりずっと面倒で、しかも面倒さの質がかなり独特だな、ということだった。APIを公開すればいい、ドキュメントを書けばいい、という話ではなくて、「AIエージェントがどう見つけるか」「どう読むか」「どの順で使うか」まで考えないといけない。普通のWebサービス設計とは、少し違う土俵に入ってきている感じがする。 特に引っかかったのは、著者が実際に試してみたら、MCPサーバーを立てただけではAIエージェントに使ってもらえなかった、という点だ。これはかなり示唆的だと思う。人間向けのサービスなら、入口を作って案内を書けば十分なことが多い。でもAI相手だと、入口の存在自体を気づいてもらえないし、読ませ方も整っていないと、そもそも候補に上がらない。 しかも対応方法が `llms.txt` や `MCP Server Card`、`API Catalog`、Markdownへの応答、robots.txt など、既存のWeb運用の延長に見えて、実際には「AIがたどる導線をどう設計するか」という別の仕事になっているのが面白い。Webの世界にまた新しい“サイト内

この記事を読んでまず思ったのは、「AI の記憶」を立派な仕組みとして扱う前に、せめて壊れ方を見張る発想が必要だな、ということでした。 発想自体はかなり地味です。派手なベクトルDBではなく、Markdownファイルを人間が読める形で持ち、そこに壊れたリンクや日付抜け、肥大化を検査する。けれど、その地味さがむしろ筋がいいと思いました。AIの記憶って、最新の検索技術より先に「どれだけ信じてよいか」が問題になるので。 特に引っかかったのは、「記憶が壊れるときは静かに壊れる」という見方です。ファイル名を変えたせいで wikilink が死んでも、すぐには誰も気づかない。日付のないメモは、後から見返したときにいつの知識なのか分からない。こういうのは、モデルの性能というより運用の話ですが、実際にはここで思った以上に品質が落ちるはずです。AIはそれっぽく読めてしまうぶん、間違いが見えにくい。だからこそ、機械が自分で点検する仕組みは必要だと思いました。 もう一つ面白かったのは、削除を禁止するのではなく「意図的にする」よう促している点です。pre-commit hook で大量削除を止める、というのはかな

この症状クラスタでは、見えている失敗が 2 つあります。ひとつは、`Edit` や `Write` が「置換対象の文字列が見つからない」と扱われる系の失敗。もうひとつは、YAML の前提が崩れたときに、別の内容まで巻き込んで壊れるケースです。手元で確認できた情報だけでいうと、少なくとも [#76868](https://github.com/anthropics/claude-code/issues/76868) では、Markdown ファイルの frontmatter が YAML として解釈できないときに、内容をそのまま残すのではなく空の stub に差し替えてしまう、という報告がありました。なお [#87643](https://github.com/anthropics/claude-code/issues/87643) は open で、`isolation:"worktree"` の subagent が親セッション側の worktree に書き込んでしまう、という別系統の報告です。 最初に切り分けたいのは、「自分が遭遇しているのが、文字列置換の失敗なのか」「それとも別の

GitHubで公開されている `inkeep/open-knowledge` は、ただの markdown editor ではありません。 README の言い方を借りるなら、「Beautiful, AI-native markdown editor and LLM Wiki」。つまり、最初から AI と一緒に使う前提で作られた、見た目のきれいなマークダウン編集環境です。 これ、地味に見えてかなり野心的です。普通のメモアプリは「人が書く」ことが中心ですが、OpenKnowledge はそこに Claude、Codex、Cursor などの agent や harness を組み込んで、人間が書く → AI が手伝う → それを知識として育てる、という流れを狙っているように見えます。個人的には、この発想がかなり今っぽいと思いました。単に文章を書く道具ではなく、AI に読ませて、整えさせて、つなげて、wiki として使う。ここが肝です。 OpenKnowledge は、AI 連携を前提にした markdown editor 見た目は WYSIWYG 寄りで、Google Doc や

`files.md` は、.md（Markdown）ファイルをそのまま扱う、local-first なメモアプリ データは端末のローカルファイルに置かれ、サーバーに送られないのが大きな特徴 便利機能を盛り込みすぎず、制約のあるシンプルさを武器にしている ノートを整理しすぎるより、1メモ1アイデアで考えを育てる発想が面白い ジャーナル、To Do、チェックリスト、Zettelkasten、Second Brain など、用途は広い 「AI時代こそ first brain（自分の頭）が大事」という主張が、かなり印象的 GitHubで公開されている `files.md` は、ひとことで言うと、Markdownファイルを中心にした、静かで個人用の思考スペースです。 READMEの冒頭には、`Private, quiet space for thinking` とありました。つまり「派手な情報管理ツール」ではなく、考えるための場所として設計されているわけです。 最近のノートアプリは、タグ、リンク、グラフ表示、テンプレート、プラグイン、AI補