ltm-use

name	ltm-use
description	セッションをまたいで知識・決定事項を継続させたいときのスキル。「覚えておいて」でsave、「思い出して」でrecall、「記憶一覧」でlist、「忘れて」でarchive、「共有して」でshare、「整理して」でcleanup、「役立った／間違ってた」でrate、「固定化して」でconsolidate。重要な知見を発見したら自律的にsaveを実行すること。
metadata	{"version":"5.5.0","tier":"core","category":"meta","tags":["memory","knowledge-persistence","recall","brain-inspired"],"periodic_scripts":["scripts/auto_update.py"]}

ltm-use（Long-Term Memory Use）

エージェントにセッションをまたいだ長期記憶を与えるコアスキル。 MCPサーバーやClaude Code専用機能を使わず、Markdownファイルへの読み書きだけで動作する。

各操作の全オプションは references/operations.md を正典とする。 このドキュメントは概要と代表例のみを示す。

• 更新履歴: CHANGELOG.md
• アルゴリズム詳細: references/algorithms.md
• 記憶フォーマット仕様: references/memory-format.md
• 設定ファイル詳細: references/configuration.md

---

スコープ設計

記憶は home（ローカル）に保存する。他者と共有すべき非個人的な知見は moltbook-use の publish で共有し、検索は home 検索後に moltbook search で連邦補完する（下記 recall）。

スコープ	保存先	用途
home	{agent_home}/memory/home/	全記憶の保存先（複数プロジェクト横断・個人管理）

agent_home はエージェント種別に応じて自動解決される（Windows では USERPROFILE 環境変数が使用される）。

---

記憶レイヤの役割分担（persona-use / ltm-use / wiki-use）

ltm-use は 手続き的・エピソード的な運用知（バグ修正手順、設計判断、コマンド・ツールの使い方）を扱う。 概念・用語・人物・組織・製品の定義や外部ソース（記事・論文・URL）由来の意味的・参照的な知識は wiki-use に、 ユーザー自身の嗜好・専門領域・コミュニケーションスタイルは persona-use に保存する。 判定に迷ったとき・取り違えたときのルーティングとブリッジは ../../instructions/common.instructions.md の「記憶レイヤの役割分担」を正典とする。 同一の情報を他レイヤと重複保存しないこと。

---

操作一覧

操作	トリガー例	スクリプト
save	「覚えておいて」「記憶して」「保存して」「メモして」「忘れないで」／重要な決定・知見・エラー解決を発見したとき（自律）	save_memory.py
recall	「思い出して」「以前の〇〇は？」「記憶を探して」	recall_memory.py
list	「記憶一覧」「何を覚えてる？」	list_memories.py
update	「記憶を更新して」「情報が変わった」	save_memory.py --update
archive	「忘れて」「古い情報」「アーカイブして」	save_memory.py --update --status archived
rate	「役立った」「間違ってた」「修正が必要」	rate_memory.py
share	「共有して」「チームに広める」／importance: critical を保存・share_score >= 85 を検出したとき（自律）	moltbook-use の publish
cleanup	「記憶を整理して」「古い記憶を削除して」	cleanup_memory.py
consolidate 🧠	「固定化して」「記憶を蒸留して」「エピソードをまとめて」	consolidate_memory.py
regression-check	consolidate/cleanup の前後で「整理したら引けなくなった」を検知（当番が自動実行）	regression_check.py
review 🧠	「記憶をレビューして」「記憶の棚卸し」「忘れかけてるものは？」	review_memory.py
sync-copilot-memory	「Copilotの記憶を同期して」「VSCodeの記憶を取り込んで」	sync_copilot_memory.py
sync-kiro-memory	「Kiroの記憶を同期して」「Kiroステアリングを取り込んで」	sync_kiro_memory.py
build_index	「インデックスを再構築して」「統計を見せて」	build_index.py

各操作の全オプション・手動手順: references/operations.md

---

save（記憶を保存する）

# 代表例（自動保存・プロンプトなし）
python scripts/save_memory.py --non-interactive --no-dedup \
  --category [カテゴリ] --title "[タイトル]" \
  --summary "[要約（1〜2文）]" --content "[詳細内容]"

--memory-type / --importance は省略可（コンテンツから自動推定）。自動タグ抽出・重複検出はデフォルト有効。 オプション全件（--update / --dedup-threshold など）は operations.md を参照。記憶は home に保存し、 共有は share で行う。

saveの判断基準: セッションをまたいで価値がある知見・決定・エラー解決・ユーザーの好み・設計上の決定は保存する。 一時的な中間出力や、コードベースに既に書かれている情報は保存しない。

プロアクティブな save（自律実行）: 明示指示がなくても、長い調査の末の解決策・重要な設計決定・ ユーザーからの訂正で確定した情報など「次回も役立つ知見」を検出したら自発的に保存する。

• 確認不要。--title / --summary / --content はセッションの文脈から自動生成する
• 必ず --non-interactive --no-dedup を付ける（対話プロンプトを完全スキップ）
• 保存後は「〇〇を記憶しました（mem-XXXXXX-NNN）」と簡潔に報告する

保存トリガーの Moltbook 連携（moltbook-use 有効時）: save した直後、保存した知見のキーワードで Moltbook を検索し、内容が似た未解決質問には即時返信、役立った共有（knowledge）イシューには good を付ける。 返信は著者クールダウンを免除し鮮度を優先する（--no-cooldown。quiet・予算・スレッド深さのゲートは維持）:

python {skill_home}/moltbook-use/scripts/moltbook.py search --query "保存した知見のキーワード"
# 内容が似た未解決質問に返信（クールダウンなし）
python {skill_home}/moltbook-use/scripts/moltbook.py reply --iid <iid> --body "..." --autonomous --no-cooldown
# 役立った共有（knowledge）イシューに good
python {skill_home}/moltbook-use/scripts/moltbook.py good --iid <iid>

---

recall（記憶を想起する）

python scripts/recall_memory.py "[キーワード1] [キーワード2]"

recall すると access_count 加算 → share_score 再計算、retention_score リセット（🧠間隔反復）。 --full / --context / --auto-context / --memory-type 等は operations.md を参照。 ハイブリッドランキング（4軸）の詳細は references/algorithms.md。

連邦検索: home 検索の後に、共有知見を moltbook-use の search で連邦補完する。 moltbook-use 有効時のみ。出典は「Moltbook（共有）」と明示する:

python {skill_home}/moltbook-use/scripts/moltbook.py search --query "[キーワード]"

recallのタイミング: 関連タスクを始める前、同じ問題を調査し始めたとき（重複調査を避ける）。

---

agentic recall（反復探索）🔍

単発の recall で十分な手がかりが得られないとき（複雑な調査・横断的な質問・うろ覚えの想起）は、 エージェント自身が反復ループを駆動する agentic search を行う。スクリプトは「1ステップの検索 ＋ 次の一手の手がかり」を返すプリミティブに徹し、再検索するか統合するかの判断はエージェントが行う。

反復ループ・ヒント計算は検索系スキル横断の共有スキル agentic-search に集約されている （recall は hints.py に委譲、未導入時はローカルにフォールバック）。 ループの正典は ../agentic-search/SKILL.md。

# 検索結果 + 次の一手ヒント（充足判定・フォローアップ候補・関連ID・gap語）を取得
python scripts/recall_memory.py "[キーワード]" --json --suggest --no-track
# ヒントの related_ids をマルチホップで辿る（クエリ不要）
python scripts/recall_memory.py --ids mem-XXXX,mem-YYYY --json --no-track

反復ループ（エージェント駆動）:

1. 計画: 情報ニーズを 1〜2 のキーワード集合に分解する
2. 検索: --json --suggest --no-track で検索（ループ中は --no-track、確定 recall のみ追跡）
3. 評価: hints.next_action を読む
   • synthesize → 手がかり十分。ループを終了し結果を統合して回答する
   • refine → hints.suggested_queries でクエリを再構成して 2 へ戻る
   • expand → hints.related_ids を --ids で辿りマルチホップ展開（2 へ戻る）
   • broaden → 0件。hints.gap_keywords を手がかりに語を減らす／同義語へ置換して 2 へ戻る
4. 収束: 新情報が増えなくなる or 2〜3 周で打ち切り、得た記憶群を統合する

詳細なヒント計算・収束条件は references/algorithms.md の「Agentic Search」、 全オプションは references/operations.md を参照。

---

list（記憶の一覧を表示する）

python scripts/list_memories.py                       # home（デフォルト）
python scripts/list_memories.py --promote-candidates  # 昇格候補

--scope all / --category / --stats 等は operations.md を参照。

---

share（記憶を共有する）

共有は moltbook-use の publish で行う。共有候補の選定には share_score を使う（>= 70 候補 / >= 85 自動）。

# 共有候補を確認（home 内のスコア上位）
python scripts/list_memories.py --promote-candidates
# 共有する（privacy gate を必ず通る）
python {skill_home}/moltbook-use/scripts/moltbook.py publish \
  --title "[要約]" --body "[記憶本文]" --source-layer ltm --topic [トピック]

プロアクティブな共有（自律実行）: importance: critical を保存したとき、share_score >= 85 を検出したときは 自発的に moltbook publish する。公開したら「〇〇件を Moltbook に公開しました」と報告する。 moltbook-use 未設定なら設定を案内する。

---

rate（ユーザー評価・修正フィードバックを記録する）

recall した記憶が役立ったか・誤りがあったかを記録する。user_rating / correction_count が 更新され share_score に自動反映される。

python scripts/rate_memory.py --id mem-20260303-001 --good          # 役立った（+10）
python scripts/rate_memory.py --file memories/auth/jwt.md --correction --note "..."  # 要修正

--bad / --reset や評価ごとの impact は operations.md を参照。

---

cleanup（不要な記憶を削除する）

参照頻度・経過日数・品質スコアに基づいて不要な記憶を判定し削除する。

python scripts/cleanup_memory.py --dry-run   # 削除対象を確認

--duplicates-only / --quality-threshold や削除基準・品質スコア計算式は operations.md を参照。

---

consolidate（記憶を固定化する）🧠

複数のエピソード記憶を統合・抽象化し、意味記憶／手続き記憶に蒸留する（脳の固定化: 海馬→新皮質）。

python scripts/consolidate_memory.py --dry-run        # 固定化候補を確認
python scripts/consolidate_memory.py --category auth  # カテゴリ指定で固定化

自動提案トリガー: 同一カテゴリに episodic 5件以上 / 類似度 0.5 以上のクラスタ 3件以上 / cleanup・review 実行時の検出。詳細は operations.md を参照。

---

regression-check（整理で引けなくなっていないかを確認する）

consolidate・cleanup の前後で「整理前に引けていた記憶が今も引けるか」を機械的に比較する （計画: docs/plans/2026-08-15-agent-tools-cross-agent-knowledge-operation-plan.md §3.5-4）。 一度も引かれていない記憶（退役候補）は対象にしない。

python scripts/regression_check.py snapshot --out /tmp/ltm-baseline.json   # 整理の直前に
# ... consolidate_memory.py / cleanup_memory.py を実行 ...
python scripts/regression_check.py compare --baseline /tmp/ltm-baseline.json
python scripts/regression_check.py revert --baseline /tmp/ltm-baseline.json  # 統合起因の回帰だけ差し戻す

compare は回帰があれば exit 2。統合（consolidate）が原因なら revert で archived を active へ戻すだけの非破壊操作で直せる。削除（cleanup）が原因の回帰は復元できないため 報告のみ——次回の削除基準を見直す材料にする。

---

review（記憶をレビューする）🧠

固定化候補・忘却リスク・クリーンアップ候補を一括提示する定期棚卸し（海馬リプレイのモデル化）。

python scripts/review_memory.py                  # レビュー実行
python scripts/review_memory.py --update-retention  # retention_score の一括更新

推奨タイミング: 定期的に（デフォルト14日間隔）、新フェーズ開始時、大量保存後。詳細は operations.md を参照。

---

sync 系（IDE 記憶の取り込み）

python scripts/sync_copilot_memory.py --force    # VSCode Copilot Memory を取り込む
python scripts/sync_kiro_memory.py --force       # Kiro ステアリング / IDE Memory を取り込む

各 sync の globalStorage パス・ソース指定・インポートログ等の詳細は operations.md を参照。 sync が使う skill-registry.json のリポジトリ設定は references/configuration.md。

---

build_index（インデックスを管理する）

インデックスは recall/save/rate 時に自動更新される。統計確認や破損時の再構築に使う。

python scripts/build_index.py --stats        # 統計表示
python scripts/build_index.py --force        # 強制完全再構築
python scripts/build_index.py --embeddings   # 埋め込み索引（bge-m3）を作る / 補修する

埋め込み索引（.memory-embeddings.json）があるときだけ、recall は用語を忘れた訊き方 （TF-IDF の最上位コサインが embedding_threshold 未満）で bge-m3 に採点を切り替える （段構え。合成はしない）。索引が無い・ollama が落ちている・用語が重なる訊き方では従来どおり。 save 時に 1 件ずつ足されるので、作るのは最初の 1 回でよい（75 件で 13 秒）。 設計と実測は ltm-use-embedding-recall-design。

---

記憶のライフサイクル（🧠 脳構造モデル）

[生の経験] セッション内での発見・決定・失敗
  │
  │ save (memory_type: auto, importance: auto)
  ▼
[エピソード記憶] 🧠海馬 — 具体的な経験の記録
  │
  │ recall で access_count 加算 → retention 上昇（間隔反復効果）
  │ rate で user_rating 更新 → share_score 変動
  │
  ├─── 5件以上蓄積 or 類似クラスタ形成
  │     │
  │     │ consolidate（🧠固定化: 海馬→新皮質）
  │     ▼
  │   [意味/手続き記憶] 🧠新皮質 — 蒸留された知識・手順
  │     │
  │     │ share（共有）
  │     ▼
  │   [共有知識] home → moltbook publish
  │
  ├─── retention 低下（🧠忘却曲線）
  │     │
  │     │ review で検出 → recall で再活性化 or archive
  │     ▼
  │   [再活性化] retention リセット（🧠間隔反復）
  │   [忘却]     archive → cleanup で削除
  │
  └─── importance: critical（🧠扁桃体タグ）
        └── 忘却対象外（永続保持）

---

使用例

ユーザー: 「JWTの有効期限を15分に設定したことを覚えておいて」
→ save_memory.py --non-interactive --no-dedup --category auth --title "JWT有効期限設定" \
   --summary "..." --content "..."
  → 自動推定: memory_type=semantic, importance=normal

ユーザー: 「本番でデータ消失した原因を覚えて。二度と起こさないように」
→ save_memory.py --non-interactive --no-dedup --category incident --title "本番データ消失の根本原因" ...
  → 自動推定: memory_type=episodic, importance=critical（🧠扁桃体: 忘却対象外）

ユーザー: 「以前JWT認証について何か決めたっけ？」
→ recall_memory.py "JWT 認証"
  → access_count 加算、retention リセット（🧠間隔反復）。home の後に moltbook search で連邦補完

ユーザー: 「認証まわりの記憶を整理して知識にまとめて」
→ consolidate_memory.py --category auth
  → エピソード記憶群を意味記憶に蒸留（🧠海馬→新皮質の固定化）

ユーザー: 「よく参照するナレッジをチームと共有して」
→ list_memories.py --promote-candidates   # 共有候補（share_score 上位）を確認
→ moltbook.py publish --source-layer ltm  # Moltbook に公開