Nowledge Mem解剖：AI記憶を複利化するグラフ基盤

1. 「AIツールは移り変わる。記憶は蓄積されるべきだ」：Nowledge Memの問題意識

生成AIとAIコーディングエージェントの爆発的普及に伴い、エンジニアやナレッジワーカーは日々複数のAIツールを巧みに使い分けるようになりました。エディタ内ではCursorやWindsurfを走らせ、ターミナルではClaude Codeでリファクタリングを行い、設計リサーチにはPerplexityやChatGPTを活用するのが日常的な開発風景です。

しかし、このマルチツール環境の裏側で深刻化しているのが、「文脈の断片化（Context Fragmentation）」と「AIの健忘症（AI Amnesia）」です。

昨日のClaude Codeセッションで激論の末に決定した「認証プロトコル刷新の理由」や「ライブラリ選定の落とし穴」は、今日のCursorには一切引き継がれません。新しいチャットを開くたびに、ユーザーは同じ前提条件やコーディング規約をプロンプトとして打ち直す「コンテキスト税（Context Tax）」を支払い続けています。

この構造的欠陥に挑むべく登場したのが、Nowledge Labsが開発するローカルファースト型コンテキストマネージャー「Nowledge Mem（https://mem.nowledge.co/）」です。

同プロジェクトが掲げるコアビジョンは極めて明快です。 「AI tools change. Your memory should compound.（AIツールは移り変わるが、知識・記憶は蓄積され、複利で増えるべきだ）」

📊 従来型AI対話・一般RAGと「Nowledge Mem」の比較

比較項目	一般的なAIチャット / IDE	一般的なベクトルRAG	Nowledge Mem
記憶の境界	ツールごとの孤立セッション	単一のフラットなチャンク集	ツール横断の中立ナレッジグラフ
データ所有権	ベンダーのクラウドに依存	クラウドDB / SaaS依存が多い	完全ローカルファースト（端末内完結）
推論アプローチ	直近プロンプトのみ	コサイン類似度による近傍検索	多層グラフ探索（Multi-hop Reasoning）
エージェント連携	プラットフォーム固有API	個別インテグレーション	MCP標準 ＋ 仮想FS（Nowledge FS）
知識の成長	蓄積されずリセット	単純なドキュメント追加	Trace ➔ Unit ➔ Crystal へ自律結晶化

---

2. 創業者とチームの系譜：グラフDBの最前線からAI記憶層へ

Nowledge Memを生み出した Nowledge Labs は、中国およびグローバルでトップクラスの分散システム・グラフデータベースの知見を持つエンジニアたちによって設立されました。

創業者の背景：古思为（Siwei Gu）とNebulaGraphの遺伝子

Nowledge Labsの共同創業者兼CEOを務めるのは、古思为（Siwei Gu / @wey-gu） です。

• 経歴の系譜: 世界的なオープンソース分散グラフデータベース「NebulaGraph」においてGenAI Lead（生成AI統括）を務め、GraphRAGやナレッジグラフとLLMの融合技術を牽引。それ以前はEricssonでクラウドコアシステムのマネージャーを務めるなど、大規模分散インフラのスペシャリストとして長年活躍してきました。
• 技術思想: PyCon Chinaなどの国際カンファレンスでも登壇を重ね、AIエージェントが実用段階で直面する「記憶のボトルネック」を痛感。単なるベクトル埋め込み（Embedding）の類似検索では、複雑な依存関係や時間軸に沿った因果関係を解くことができないと見抜き、グラフネイティブな記憶基盤の構築へ舵を切りました。
• CTO 王维真（Wang Weizhen）との布陣: 高性能システムプログラミングに長けた王维真（CTO）らとともに、2025年にNowledge Labsを本格始動させました。

同チームはグローバルなオープンソースコミュニティとの連携を重視しており、GitHub上のリポジトリ（nowledge-co/community）を通じて、30を超えるAIエージェント向けコネクタやプラグイン仕様を完全公開で開発しています。

---

3. 技術アーキテクチャの真髄：Super Knowledge Graph と 3つの知識形態

Nowledge Memの最大の特徴であり、他社ツールと一線を画す技術的コアが「Super Knowledge Graph（スーパーナレッジグラフ）」です。

多くのAIツールが採用している単純なベクトルRAGは、テキストを固定長で細切れにし、意味の近さだけで文章を引っ張ってきます。しかしこれでは、「なぜあの時その設計方針を選び、誰がどの理由で却下したのか」といった文脈横断的なマルチホップ推論（Multi-hop Reasoning）が破綻します。

💡 3つの知識形態（Knowledge Forms）の階層化

Nowledge Memは、蓄積される情報を抽象度と安定性に応じて3つの形態に分類して管理します。

階層レベル	知識形態	変換プロセスと役割
第1層：入力・記録	① Trace（足跡・生履歴）	各AIツールとの生の対話ストリーム、シェル実行ログ、イベント情報。過去の文脈を再現する忠実な足跡。
第2層：分解・抽出	② Unit（原子知識）	LLMがTraceから自動抽出したアトミックな事実、コード決定事項、ユーザー設定。グラフノードとして配置。
第3層：統合・結晶化	③ Crystal（結晶化知見）	Graph Intelligenceが複数のUnitやTraceを横断分析・矛盾解消して合成した高次の構造化ドキュメント（永続Wiki）。

1. Trace（足跡・生履歴）: 各AIツールとの生の対話ストリーム、シェル実行ログ、イベント情報。エージェントが過去の文脈を再現するための忠実な記録です。
2. Unit（原子知識）: Traceから自動抽出された個別のファクト、コードの決定事項、ユーザーの好みの設定など。7種類のノード型（Memories、Threads、Spaces、Sources等）としてグラフに配置されます。
3. Crystal（結晶化知見）: エージェント（Graph Intelligence）が複数のUnitやTraceを横断分析し、矛盾を解消して合成した「高次の構造化ドキュメント（永続記憶ページ）」。システムが学習を重ねるほど、安定したCrystalが生成され、知識の複利化が進みます。

🔄 自律的蒸留パイプライン（Memory Distillation Pipeline）

📊 Super Knowledge Graphの構成要素

要素区分	主要タイプ	役割とデータ機能
3つの知識形態	Trace, Unit, Crystal	生データから高次知識への段階的要約・昇華（Distillation）
7つのノード型	Memory, Thread, Space, Wiki/Crystal, Source, Activity, Artifact	記憶、会話スレッド、作業空間、成果物を厳密に型定義
11のエッジ型	derived_from, references, relates_to, version_of, belongs_to 等	因果関係、依存関係、時間軸のバージョン推移を有向グラフで結合
検索パラダイム	Progressive Disclosure	軽量クエリで概要を取得 ➔ 必要な深さだけグラフの関係性を追跡

---

4. エージェント統合の基盤：Nowledge FS と MCPエコシステム

Nowledge Memが際立っているもう一つの理由は、エージェントとの「接続インターフェース」の圧倒的な洗練度です。

① 仮想ファイルシステム「Nowledge FS」

エージェントに複雑なグラフクエリ言語（CypherやSPARQL）を直接発行させるのは、トークン消費と推論エラーの原因になります。 Nowledge Memはこの問題を、「パス優先（Path-First）の仮想ファイルシステム」としてナレッジを投影することで解決しました。

• 人間にとって: 直感的なGUIの「Knowledge Tree」として表示され、フォルダ感覚で記憶やスレッドをブラウズ可能。
• エージェントにとって: /spaces/backend/, /memories/decisions/, /threads/ といった仮想パスとして認識され、標準的なファイル読み書きコマンド（ls, cat, write）で記憶にアクセス可能。

# AIエージェントがNowledge FS経由で過去のアーキテクチャ決定を探索する例
nmem fs ls /spaces/core-infra/memories/
nmem fs cat /spaces/core-infra/memories/database-selection.md

② Working MemoryとContext Bundleによる即時文脈注入

エージェントが起動する際、Nowledge Memは「Context Bundle」と呼ばれる最適化された文脈パッケージを自動生成します。これにより、エージェントは無駄なトークンを消費することなく、プロジェクトの最新状況を把握した状態でタスクを開始できます。

③ Model Context Protocol（MCP）と30+ツールの統合

Nowledge Memは、Anthropicが提唱しデファクトスタンダードとなったMCP（Model Context Protocol）に完全ネイティブ対応しています。

ローカルで起動するMCPサーバーを通じて、ターミナルからIDE、クラウドWebチャットまでシームレスに結びつきます。

• ローカルCLI / エージェント: Claude Code、Cursor、Codex CLI、Gemini CLI、Google Antigravity、Raft、OpenClaw、Kimi Code、DeepSeek Harness など。
• Web / リモート統合: ChatGPT（Remote MCP OAuth連携により、Web版ChatGPTから手元のMemを検索可能）。

📊 3段階の自律性契約（Autonomy Contract）

Nowledge Memは、エージェントとの連携レベルを以下の3段階の契約として明示的に設計しています。

自律性レベル	動作メカニズム	対応環境の例
automatic（全自動）	エージェントの起動・終了フック（SubagentStart等）に連動し、コンテキストの読み込みやスレッド保存を完全自動実行。	Claude Code（専用プラグイン導入時）
guided（誘導型）	システムプロンプトやSkill定義（SKILL.md）を通じて、エージェントが自律的に必要なタイミングで検索・要約ツールを呼び出し。	Cursor、Windsurf、Google Antigravity
manual（手動型）	ユーザーまたはエージェントが明示的に nmem search や nmem save コマンドを実行して同期。	汎用ターミナル、カスタムスクリプト

---

5. 現場での実証シナリオ：ツールを跨ぐ「複利型開発サイクル」

実際の開発現場において、Nowledge Memがどのようにツールの壁を取り払うのか、具体的なシナリオを見てみましょう。

どのAIツールを使っても、すべての活動が1つの共有された知的資産（Shared Intellect）へと注ぎ込まれます。

---

6. 結論：AIエージェント時代の「パーソナル・ナレッジ・OS」

大規模言語モデルの性能向上競争が一巡し、AIエージェントの実用化が次の主戦場となるなかで、最も重要な資産は「モデルそのもの」から「モデルに与える固有の文脈・記憶（Context & Memory）」へと移行しています。

中国屈指のグラフインフラの知見を持つ古思为らが率いるNowledge Labsの試みは、巨大テック企業によるクラウド囲い込みに対する、きわめて合理的でエレガントなカウンタープロポーズです。

• データ主権の奪還: ソースコードや思考ログを自らのローカルマシンに保持する。
• 中立性の担保: OpenAI、Anthropic、Google、オープンソースモデルの間を自由に乗り換えられる。
• 知識の複利化: AIを使えば使うほど、自分だけのスーパーナレッジグラフが賢く進化する。

AIツールがどれほど進化し、入れ替わろうとも、ユーザーと共に歩んできた「思考の軌跡」は手元で静かに複利を生み出し続ける――Nowledge Memは、AIエージェント時代における真の「パーソナル・ナレッジ・オペレーティングシステム」の先駆けと言えます。

当メディアが報じたGraphRAGによる動的メモリ圧縮とAIエージェントやMCP2.0認可ゲートウェイと動的サンドボックス、Kimi創業者提唱のRaftエージェント協調もあわせてご覧ください。