本動画は、AIエージェントが真に機能するために不可欠な「記憶システム」の構築について解説するものである。現代のAIツールは個別のプラットフォーム内でのみ記憶を保持し、ツール間での文脈共有ができないという根本的な問題を抱えている。この問題を解決するため、PostgreSQLとMCPプロトコルを基盤とした「オープンブレイン」というアーキテクチャが提案される。これは月額わずか10〜30セントで運用可能な、ユーザーが完全に所有するデータベース駆動型の知識システムであり、Claude、ChatGPT、Cursorなど、あらゆるAIツールから横断的にアクセス可能となる。セマンティック検索により意味ベースでの情報検索が実現し、エージェントが過去の文脈を理解した上で行動できるようになる。本動画では、なぜこのような基盤的なメモリアーキテクチャが重要なのか、そしてそれがAI時代における生産性の複利効果をいかに生み出すかが詳細に論じられている。
https://www.youtube.com/watch?v=2JiMmye2ezg.10 System That Replaced My AI Workflow (45 Min No-Code Build)" class="blogcard-wrap external-blogcard-wrap a-wrap cf" target="_blank" rel="noopener">
AIエージェントに必要な「脳」とは何か
皆さんのAIエージェントには、おそらく脳がありません。私が言いたいのは、何ヶ月、何年とかけて蓄積してきた文脈を読み取り、それを考慮した上で確実に戻ってきて、主体的に行動できるようなシステムがないということなんです。
先月、私はセカンドブレインに関する完全なガイドを公開しました。とても人気があって、たくさんの方々が構築してくれましたし、さらに改良を加えてくれた方もいらっしゃいました。Zapierを使うこともできますし、Notionも使えます。N8Nも使えますし、MCPサーバーを使うこともできます。Obsidianという選択肢もあります。私はこれらすべてのパーツを持っているんです。
でも、私が持っていないのはエージェントの部分なんです。そしてこれが重要なのは、この数週間の間に、エージェントが主流になりつつある時点に私たちが到達したからなんですよ。
Anthropicは開発に取り組んでいます。OpenAIはOpenClawの発明者であるPeter Steinbergerを雇用しました。OpenClaw自体は19万のGitHubスターを獲得し、わずか数週間で150万以上の自律型エージェントを生み出しました。私たちには、エージェントが読み取れるセカンドブレインシステムが必要なんです。
そこで今日ここで説明したいのは、私が「オープンブレイン」と呼んでいるもののアーキテクチャです。これは、データベースを基盤とした、AIがアクセス可能な知識システムで、壊れたり、価格が変更されたり、消えてしまったりする可能性のあるSaaSの仲介者なしに、皆さんが完全に所有できるものなんです。
使用するすべてのAI、つまりClaude、ChatGPT、Cursor、来月出荷される何であれ、それらすべてがMCP経由でプラグインできる単一の脳です。Slackに考えを入力すれば、5秒後にはそれが埋め込まれ、分類され、触れるどのAIツールからも、あるいは触れたいどのAIエージェントからも、意味によって検索可能になるんです。
総コストは、はい、これはベンチマークを取りましたが、月額約10セントから30セント程度です。このステップバイステップを処理するために、Substackで詳細なガイドを公開しています。
この動画が扱うのは、なぜエージェントが読み取れるシステムのアーキテクチャが、個々のツールの選択よりもはるかに重要なのか、そして今日AIで行っているすべてのことにおいて、ここで話している記憶の問題が密かにボトルネックになっている理由、そしてエージェントと自分自身のためにこれを解決する人々が、毎週広がる複利効果的な優位性を持つことになる理由についてです。
プロンプティングの中に潜む記憶の問題
まず、プロンプティングの内側に隠れている記憶の問題について話しましょう。私の動画をしばらくフォローしてくださっている方なら、私が一つのアイデアに何度も立ち戻っていることをご存知でしょう。AIアウトプットの質は、完全に指定する能力の質に依存しているということです。
これはもはや「あったらいいな」という原則ではありません。これがゲーム全体なんです。私は先週行った動画で、2026年のプロンプティングに関する完全なフレームワークを示しました。プロンプトクラフトから始まり、コンテキストエンジニアリング、インテントエンジニアリング、スペシフィケーションエンジニアリングへと続くこの階層は本物です。
そして、同僚より10倍効果的な人々は、単一のプロンプトを入力する前に、これらすべての要素、つまりコンテキストエンジニアリングやスペシフィケーションエンジニアリングにおいて重い作業を行うコンテキストインフラを構築しているんです。
この動画で話したいのは、この抽象的なスキルセットをどのように受け取って、それを他の人々に対する優位性を与える記憶の問題にどう変えていくかということなんです。言い換えれば、コンテキストエンジニアリングやスペシフィケーションエンジニアリングを真剣に行うつもりなら、そのコンテキストを呼び出したり取得したりすることを、指定することを容易にする、自分のものである、エージェントが読み取れる記憶システムに投資する必要があるということです。
世界最高のプロンプトでさえ、あなたが何に取り組んできたのか、何をすでに試したのか、制約は何か、人生における重要な人々は誰か、あるいは先週の火曜日に何を決定したのかを知らないAIを補うことはできません。ちなみに、これはエージェントと作業する際の制約でもあります。彼らもそのコンテキストが必要なんです。
そして今、これがまさに私たちの多くがAIに関して苦労していることなんです。新しいチャットを開くたびに、私たちはゼロから始めることが多いんです。ClaudeからChatGPT、Cursorへと切り替えるたびに、物事を失いがちです。だからこそ、私たちは別のシステムよりも、これらのシステムの一つに引き寄せられるんです。
プロンプティングのどれだけの部分が、すでに知っていることをAIに理解させることに費やされているか考えてみてください。ここでの背景は、皆さんが本当の仕事ではなく、コンテキストの転送に最高の思考を燃やし尽くしているということなんです。
ハーバードビジネスレビューの研究によると、デジタルワーカーは1日に約1,200回アプリケーション間を切り替えているそうです。この文を言うだけで疲れてしまいます。一つ一つの切り替えは本当に小さく見えますが、集合的にこれは私たちの注意力を壊滅的に破壊しているんです。
私は自分自身の人生や他の人々の人生で、このコンテキスト切り替えの問題が何度も何度も展開されるのを見てきました。そして私が何度も立ち戻ってきた洞察は、指定すること、AIに対して明確であることへの私たちの欲求がますます高まっているということ、そしてそれが私たちの記憶システムにより多くのことを要求しているのに、私たちの記憶システムや記憶構造がそれに追いついていないということなんです。
記憶アーキテクチャがエージェント能力を決定する
記憶アーキテクチャは、モデルの選択よりもはるかにエージェントの能力を決定します。これは広く誤解されています。そして記憶を間違って構築すると、永遠に自分自身を再説明し続けることになるか、あるいは自分は記憶にアクセスする方法を知っているのにエージェントは知らないという世界に閉じ込められてしまうんです。
私は、非常に効率的にMCPサーバー経由で新しいツールをプラグインできるような、合理的に将来性のある安定した記憶システムを作ることができると信じています。そうすれば、システムを更新し続ける必要がありません。
そして、はい、何かを認めたいことがあります。Claudeには今、メモリーがあります。ChatGPTにもメモリーがあります。Grokにもメモリーがあります。Googleにもメモリーがあります。これらの機能は常に良くなっています。でも、それらが何を提供し、何を提供しないのかを考えてみてください。
Claudeのメモリーは、ChatGPTに話したことを知りません。ChatGPTのメモリーは、Cursorには引き継がれません。スマホアプリは、コーディングエージェントとコンテキストを共有しません。すべてのプラットフォームがメモリーの壁に囲まれた庭を構築していて、どれも互いに会話していないんです。
2026年初頭に登場しつつある全く新しいカテゴリーの製品があります。プラットフォームがこの問題を解決することを拒否しているからこそ、memcyncやOneContextのような製品が生まれているんです。問題がVC支援の産業全体を生み出すほど現実的なものになっているということです。
つまり、皆さんが本当に持っているのは、常にアップグレードされている複数のAIツールであり、それらを試すために常にAIツールを追加しているのに、それぞれの個別ツールの内部でのみ機能する、薄くサイロ化されたコンテキストの層しかないということなんです。これって本当にメモリーではありませんよね。
これは5つの別々の机の上にある5つの別々の付箋の山なんです。そして今、自律型エージェントを画像に追加してみましょう。エージェントのカテゴリーは過去数週間で絶対的に爆発しましたが、輝いているユースケース、例えば車の購入で数千ドルを値下げさせた人のような例が輝いているのは、エージェントがユーザーから関連する記憶、関連するコンテキストに安全かつ確実にアクセスする能力を持っているからなんです。
一方、コンテキストを推測するだけだったり、皆さんのすべてのシステムへの安全なアクセスを提供できないために空白を埋めなければならないエージェントは、皆さんにとってそれほど有用ではありません。
エージェントについて話しているのか、ツールについて話しているのかに関わらず、さらに皆さんを悩ませるべき部分は、企業が設計しているこれらのシステムがすべてロックインを生み出すように設計されているということなんです。
メモリーはChatGPT上でのロックインになることを意図されています。他のシステムでも同様です。つまり、皆さんはツールとの履歴を構築するのに長い時間を費やしてきて、今度は最新の他のモデルを試したいとしましょう。ChatGPTを使っていて、GeminiやClaude、あるいは別のモデルを試したいとします。でも、そのコンテキストをすべて失ってしまうんです。新しいモデルが悪いからではなく、コンテキストが古いものに閉じ込められているからなんです。
ちなみに、これらの個別ツールにあるメモリーはすべて、エージェントが読み取れるものではありません。自律型エージェントがますます現実のものになっている世界に到達するにつれて、大企業はメモリーで皆さんを閉じ込めることができれば、彼らのエージェントだけを使用し、皆さんと皆さんの注意と皆さんのドルを永遠に保持できると賭けているんです。
でも、皆さんの知識はどの単一プラットフォームの人質にもなるべきではありません。そして今のところ、私たちのほとんどにとって、率直に言ってそうなっているんです。そしてそれが私たちのAIの未来全体を形作っているんです。
現在のノート取りツールの構造的ミスマッチ
今、私たちはツール間で自由な選択ができるわけではありません。なぜなら、これらの大企業の製品戦略は、皆さんを維持し、エンゲージメントを保ち、楽しませ続けることだからです。私は、多くの場合、これらのモデルとのエンゲージメントを推進していることについて話してきました。
ChatGPT-4oがあれほど悼まれ、嘆かれた理由の一つは、それがエンゲージメント最適化モデルだったからであり、人々はそのエンゲージメントを好んだんです。効果があるんです。メモリーも同様です。メモリーはエンゲージングです。知られていると感じることはエンゲージングです。効果があります。賢い製品戦略です。
でも、皆さんも賢いんです。そして、その製品戦略に従う必要はありません。この時点で、Nate、君はセカンドブレインについての動画を作ったじゃないか、OpenClawに接続すれば大丈夫だと思っているかもしれません。
絶対に、それを試すことはできます。でも、ほとんどの人が気づいていない構造的ミスマッチにぶつかることになるでしょう。これが、現世代のノート取りツールがその下に異なる、より構造的な記憶層を必要とする理由を説明しています。
インターネットは今、分岐しています。私はそのことについて話してきました。フォント、レイアウト、読んでいるものを持つ人間のウェブがあります。そして、API、構造化データを持つエージェントのウェブが登場していて、それはマシン間の可読性のために構築されています。その分岐は、皆さんの記憶アーキテクチャやノートにも起こっているんです。
例えば、皆さんのNotionワークスペースは、人間の目のために構築されています。ページ、データベース、ビュー、トグル、カバー画像のために構築されています。皆さんにとっては美しいんです。でも、フォルダ構造ではなく意味で検索する必要があるAIエージェントにとっては役に立たないんです。
皆さんのApple Notesはエコシステムにロックインされています。皆さんのEvernoteには、セマンティック構造のない10年分の蓄積された雑然としたものがあります。皆さんのブックマークは、読もうと思っていたものの墓場です。
これらのツールは、2010年代に人間のウェブのために構築されました。皆さんが閲覧し、整理し、読むために設計されました。AIエージェントがそれらをクエリすることを期待して根本的に設計されたことは決してありませんでした。それは後から追加されたものなんです。最近になってです。
そして今日AIの機能を追加しているアプリは、ほとんどが後付けとしてそれを行っています。ノートとチャットするようなものです。素晴らしいですね。一つのアプリをある程度検索できる一つのAIがあります。でも、毎週使っている他の5つのツールについてはどうでしょうか。
私たちはまだ、別々の机の上にある別々の付箋の世界にいるんです。一つのサイロを別のサイロと交換しただけです。すべてのセカンドブレインアプリは、まったく異なる層を必要とする何かに手を伸ばしてきました。
人間のウェブではなく、エージェントのウェブのために構築されたインフラです。そしてそれが、ここで焦点を当てたいことなんです。なぜなら、エージェントのウェブのためのインフラを構築できれば、突然、そのインフラにプラグインする方法について、はるかに人間に優しい決定をたくさん行える立場になるからです。
インフラは皆さんのものです。エージェントがプラグインできるものです。チャットボットがプラグインできるものですが、皆さんがコントロールし、管理するんです。これにより、これらの企業とそのクラウドAIシステムの一つだけに存在するメモリーから解放されます。もうChatGPTのメモリーに依存する必要はありません。
また、個別のSaaS企業が設定を変更しないことに依存して、自分自身のセカンドブレインを機能させ続ける必要からも解放されます。そして最終的に、エージェントが良くなるにつれて、セカンドブレインを再トレーニングするための多くの手作業を行う必要から解放されるんです。
オープンブレインのアーキテクチャ
これは基本的に、エージェントのアンロックが私たちの記憶に対する視点、プロンプティングに対する視点、デジタル市民として必要なものをどのように変えているかについての感覚を皆さんに提供しているということです。1990年代、2000年代、2010年代を通じてデジタル市民であるためにパーソナルコンピューターが必要だったように、今は責任あるAI市民であるために自分自身の記憶アーキテクチャが必要なんです。
でも、私たちには実際にそれを行う方法がありませんでした。そしてごく最近まで、過去数週間まで、それを本当に実用的にするAIエージェントがありませんでした。今はあります。そして今、世界は動いています。そして今、それについて話す時が来たんです。
具体的に話しましょう。私はここで何を提案しているのでしょうか。人間のために設計されたアプリに思考を保存する代わりに、何でも対応できるように設計されたインフラに保存すべきなんです。
本物のデータベース、キーワードだけでなく意味を捉えるベクトル埋め込み、どのAIでも話せる標準プロトコルです。私はこれをオープンブレインと呼んでいます。なぜなら、アーキテクチャが重要であり、特定のモデルを選択することを強制されるべきではないからです。
これはすべて、MCPのおかげで可能になっています。上で簡単に話したプロトコルシフトです。2024年11月にAnthropicのオープンソース実験として始まりましたが、それ以来、AI時代のHTTPインフラになったんです。AIのUSB-Cです。一つのプロトコル。すべてのAI。データは皆さんのものです。一箇所に留まりますが、MCPを話すすべてのツールがそれを読むことができます。
高いレベルで、どこかをクリックさせたくないので、これが実際にどのように見えるかをお見せしましょう。皆さんの思考は、皆さんがコントロールするPostgreSQLデータベースに存在します。他の誰かの独自フォーマットではありません。
これは想像できる最も退屈で、実戦でテストされた技術です。PostgreSQLはエキサイティングではありません。非推奨になることもありません。PostgreSQLは成長指標を追いかけていません。VC支援を受けていて10億ドルのユニコーン評価を達成する必要もありません。
ただデータを保存する標準的な方法なんです。そしてその退屈さが欲しいんです。なぜなら、他のすべてがそれにプラグインする必要があるからです。
データベースの素晴らしいところは、適切に構築し、ベクトル化すれば、キャプチャするすべての思考がベクトル埋め込みに変換されることです。つまり、それが意味する内容の数学的表現であり、即座にネイティブにAIが読み取れるものになるんです。
だから先月のキャリアチェンジについて考えていたことは何だったかと尋ねると、元の思考でキャリアという言葉を一度も使っていなくても、コンサルティングへの移行を検討していたこと、あるいはプロダクトへの移行を検討していたことに関するノートを見つけることができます。
これはセマンティック検索と呼ばれ、F検索とはまったく異なる世界なんです。MCPサーバーに接続されたPostgreSQLを持っている場合の様子は、Slackチャンネルに入力できるということです。ねえ、Sarahと話していたんだけど、彼女は仕事を辞めてコンサルティングビジネスを始めることを考えているって言ってた。組織再編以来、本当に不幸だったみたい。
5秒後、システムは生のテキストを保存し、意味のベクトル埋め込みを生成し、メタデータ、人々、トピック、タイプ、アクションアイテムを抽出し、すべてを本物のデータベースに保存しました。
今、一緒に作業しているどのAIでもそれを見ることができます。Claudeでコーチングフレームワークに取り組んでいるなら、ねえ、キャリア移行を検討している人々についてのノートを私の脳で検索して。見つかりました。
ChatGPTでメールのドラフトを作成しているなら、同じ検索、同じ結果です。Cursorでツールを構築していて、先週下した決定を思い出す必要があるなら、MCPサーバーを叩けば、すぐそこにあります。
一つの脳、すべてのAI、ゼロから始めることのない永続的な記憶。明日新しいツールを始めても、これまで一度も触れたことがなくてもです。
これには基本的に2つの部分がありますよね。キャプチャは、開いているどのツールを通じても実行されます。思考を入力すると、埋め込みを生成するSupabase Edge関数に到達し、並行してメタデータを抽出し、両方をPGベクトルを持つPostgreSQLデータベースに保存し、キャプチャした内容を示す確認とともにスレッドで返信するだけです。
全体のラウンドトリップは10秒未満です。リトリーバルは、互換性のあるAIクライアントに接続するMCPサーバーを通じて実行されます。3つのツールがあります。意味によって思考を見つけるセマンティック検索、今週キャプチャしたものを閲覧する最近のものリスト、そして統計。パターンを確認できますよね。
これをClaude、Claude Code、ChatGPT、Cursor、VS Code、MCPサーバーを通じて脳をクエリできる場所ならどこからでも叩くことができます。
これがすべてギリシャ語のように聞こえるなら、付属ガイドが完全なセットアップを案内します。コピー&ペースト、コーディング不要、セットアップに約45分です。
私がこれをどうテストしたか知っていますか。このガイドを皆さんに見せる前に、私の人生の中の誰かにこのガイドに従うよう頼んだんです。彼女にはコーディング経験が全くありません。そして、これをセットアップできる段階まで到達できるかと尋ねました。彼女はできました。
そして約45分かかりました。コストについても冗談ではありません。なぜなら、ここで話しているSlackとSupabaseの無料層での総運用コストは、1日約20の思考に対するAPIコールで、月額約10セントから30セント程度だからです。
今朝のコーヒーより、今月のシステムに費やす金額の方が多いでしょう。
記憶を根本的なアーキテクチャレベルで獲得する重要性
基本的なアーキテクチャレベルで記憶を獲得することが、クールなツールを構築することから得られる良い感覚を超えて重要である理由は次のとおりです。私は構築することが大好きです。おそらくお分かりでしょう。構築が好きな人は、とにかく構築するのが好きです。でも、それは皆にとって重要なんです。実験が好きな私たちだけにとって重要なわけではありません。
私たちは、AIが日常業務にどのように統合されるかという大きなシフトの真っ只中にいます。モデルは恐ろしく速いペースで良くなり続けていて、皆さんは遅れを取りたくないんです。Opus 4.6は、わずか数週間前に出荷されました。
エージェント市場は、おそらく今年3桁の成長率で成長しています。3人のエンジニアリングチームが、その10倍の規模のチームを日常的に上回る生産をしています。
そして、私たちはついに、このAI生産性の爆発が経済全体の指標にさえ現れているのを見ています。Eric Brynjolfssonは先月Financial Timesで、米国の生産性が2025年に約2.7%成長したと書いていて、これは過去10年の平均の2倍です。率直に言って、Ericはその多くをAIエージェントとAIに帰しました。
でも重要なのは、以前指摘したように、AI採用は至る所で同じではないということです。単一のチャットボットと話しているだけなら、何度も言ってきましたが、必要な方法でワークフローをAI中心に採用し、取り組んでいるわけではないんです。
そして、それらの異常な結果を得ている人々は、より良いモデルに依存してそこに到達しているわけではありません。彼らは実際に、AIを主要な協力者として働く方法を再構築しているんです。
でも、皆さんについての記憶がない何かと協力することはできません。これら2つのワークフローの違いを考えてみてください。
人物Aは、Claudeを開き、自分の役割、プロジェクト、制約、下そうとしている決定を説明するのに4分を費やし、良い答えを得ます。
人物Bは、Claudeを開きます。彼女の役割、アクティブなプロジェクト、制約、チームメンバー、先週下した決定をすでに知っています。なぜなら、それらすべてがMCPサーバー経由でオープンブレインに存在するからです。彼女が一言入力する前にすべてがロードされています。
彼女は質問をし、6ヶ月分の蓄積されたコンテキストによって情報を得た答えを得ます。異なる視点のためにChatGPTに切り替えたいなら、異なるモデルを得ますが、同じ脳、同じコンテキスト、同じ答えの質を得るでしょう。
すべてのツールが彼女のために完全な全体像を持つことになります。そして重要なのは、その優位性が複利的に増え続けるということです。人物Bがキャプチャするすべての思考が、次のイテレーションをより良くします。
ログに記録されたすべての決定、記録されたすべての人、保存されたすべての洞察は、システム内のすべてのAIがアクセスできる成長する知識グラフへの別のノードになります。人物Aは毎回ゼロから始めることになります。
時々AIを使うことと、AIが考え方や仕事の仕方に組み込まれていることの間のギャップは、この10年のキャリアギャップです。そしてそれは、記憶とコンテキストインフラに帰着します。
そして人物Bが毎週知識を蓄積し続けるにつれて、ギャップはさらに広がることになります。永続的で検索可能なAIアクセス可能な知識システムを構築する人々は、時間の経過とともにAIが彼らを助けることがより良くなるでしょう。なぜなら、作業するためのより多くのコンテキストを持っているからです。
キャプチャするすべての思考が、次の検索をより賢くし、次のつながりが浮上する可能性をより高くします。そしてそれは、皆さんが所有する複利的な優位性であり、大企業が所有するものではありません。
一方、すべてのチャットウィンドウで自分自身を再説明し続ける人々は、なぜAIがまだパーティーのトリックのように感じるのか不思議に思うことになるでしょう。同じ技術です。ただ、結果が大きく異なるだけです。そして、ここでの変数は皆さんのインフラなんです。
MCPサーバーの可能性
ここで指摘したいことがあります。テキストで明確な答えを、MCPサーバーで使いたい任意のAIツールで取得できるシンプルな例を示しました。でも、MCPサーバーは取得だけのためのものではありません。
そして、オープンブレインを構築すれば、MCPサーバーはたくさんの異なる方向で機能して、単一のツールでメモリーを使うことに慣れているだけなら考えもしないような利点を皆さんに与えることができます。
MCPは、どこからでも脳に直接書き込むことができることを意味します。本当にそういう意味です。スマホでClaudeに書き込むこともできます。デスクトップでChatGPTを使うこともできます。ターミナルでClaude Codeを使うこともできます。メッセージングアプリと話すように設定することもできます。
互換性のあるMCPクライアントは、キャプチャポイントと検索ツールの両方になります。Slackや他のシステムにロックインされることはありません。それがオープンという意味なんです。
そして、その上に何を構築できるか考えてみてください。MCPを使って、時間の経過とともに思考パターンを可視化するダッシュボードを構築するのは簡単です。取り組んでいることに基づいて忘れられたアイデアを浮上させる毎日のダイジェストです。
そして、そのためにコードを使う必要がないことを知っていますか。なぜなら、選択したAIツールに、MCPサーバーから関連するコンテキストのスライスを取得して何かを構築するよう頼むだけでいいからです。データは、どこからでもプラグインし、保存し、アクセスするのが簡単な方法で保存されているんです。
天井は、皆さんが構築を止めることを決めた場所です。正直に言うと、メタデータ抽出は常に完璧ではありません。LLMは限られたコンテキストで分類するための最善の推測を行い、時々思考を誤分類したり、名前を見逃したりします。
セマンティック埋め込みではそれほど重要ではありません。なぜなら、埋め込みが取得において非常に多くの重い作業を処理するからです。メタデータがずれていても、セマンティック検索は機能します。
これが機能するための唯一の本当の要件は、実際にそれを使用することです。なぜなら、システムは複利的に増えるからです。キャプチャするすべての思考が、次の検索をより賢くし、次のつながりが浮上する可能性をより高くします。でも、入力が必要なんです。習慣を構築する必要があります。システムに思考をダンプして、残りはシステムに任せる必要があります。
プロンプトによる記憶システムの最適化
さて、Substackの購読者の方には、完全なライフサイクルをカバーする4つのプロンプトをまとめました。実際に動画でそれらを説明したいと思います。なぜなら、購読者でなくても、この記憶アーキテクチャをニーズに合わせるために、どのようにプロンプトを使ってより意図的に考えることができるかを理解すべきだからです。
最初に提案するのはメモリー移行です。セットアップ直後にこれを実行したいんです。Claudeのメモリー、ChatGPTのメモリー、コンテキストを蓄積してきたどこからでも、AIがすでに皆さんについて知っているすべてを抽出し、オープンブレインに保存します。
接続する他のすべてのAIは、その後ゼロではなくその基盤から始まります。一度実行して、そのものを引き出させたいんです。
また、オープンブレインスパークと呼んでいるものも構築しています。なぜなら、時々ライターズブロックになるからです。システムが特定の作業にどのように適合するかを発見するインタビュープロンプトが欲しいんです。
ツール、決定、再説明パターン、主要人物について尋ね、その後、カテゴリーごとに整理された、オープンブレインに定期的に入れるべきものを提案するパーソナライズされたリストを生成します。
Slackチャンネルやメッセージングアプリ、ChatGPTを見つめていて、今日オープンブレインに何を入力したいのか悩んでいるときに使ってください。
また、クイックキャプチャテンプレートもまとめました。これらは、本当にクリーンなメタデータ抽出のために最適化された5文の長さのスターターです。
決定キャプチャプロンプト、人物メモ、洞察キャプチャ、会議の報告、それぞれが処理パイプラインで適切な分類をトリガーするように設計されています。そして1週間キャプチャした後、それらをあまり必要としなくなることに気づくでしょう。なぜなら、自分自身のパターンを開発することになるからです。
でも、どのようにシステムに適切に分類される可能性が高い一貫したメッセージを送るかを考えることなく、早期にその習慣を構築するのに本当に役立ちます。
週次レビューも別のものをまとめました。週末のキャプチャしたすべてのものにわたる合成です。トピック別にクラスタリングします。未解決のアクションアイテムをスキャンします。数日にわたるパターンを検出します。
見逃したつながりを見つけます。追跡しているものにおけるギャップを特定します。金曜日の午後の約5分が、オープンブレインが成長し続けるにつれて、毎週より価値あるものになります。
エージェントが読み取れる世界の実現
ズームバックすると、このものが機能するとき、PostgreSQLデータベースのセットアップが完了し、使いたいどのメッセージングアプリでも使い始め、すべてのAIツールで一貫した記憶になっているのを見始め、大手AI企業による独自の有料メモリーに依存していないことに気づき始めると、経験するまで説明するのが少し難しい何かが起こります。
システムのすべての部分にあるAI、ClaudeやChatGPTあるいは両方を使っているか、CursorやGrokを使っているか、何であれ、皆さんのことを知り始めます。不気味な企業の監視の方法ではなく、ねえ、先週これについて考えていて、今尋ねていることに関連しているよねという方法で。
優れた同僚が重要なことを覚えているような方法です。使用するすべてのAIがより良くなります。新しいAIを試すことを恐れなくなります。なぜなら、MCPにプラグインするだけで、ついにコンテキストを得られるからです。これが、エージェントが読み取れる世界が可能にするものなんです。
そして、ここで本当に特別なことを指摘したいと思います。元のセカンドブレインガイドを提案したとき、私はエージェント革命が主流になる前にそれを構築しました。これは1ヶ月半前、1ヶ月前のことです。
そしてそれは人間にとって有用で、私たちが抱えている根本的な認知問題を解決するために設計されていました。つまり、私たちは頭の中に物事を保持するのに苦労していて、時間の経過とともにパターンを見る必要があるということです。LLMはパターンを評価するのに役立ちます。
それはすべてまだ真実で、この方法でオープンブレインを使うことができます。でも、過去数週間にエージェント革命がやってきたとき、再び、AIはそれほど速く動いているんですが、私たちが移行する必要があるのは、より基礎的なセカンドブレインシステムです。
SaaSでコントロールされておらず、独自企業でコントロールされておらず、率直に言ってオープンソースLLMフレンドリーな、私たちとエージェントの両方が確実に読み取ることを可能にする何かです。そして、それを持っているとき、2つの利点を得ます。
はい、エージェントはそれを読むことができます。そしてそれは、私たちがエージェントとどこに向かっているか、エージェントがどれだけ速く主流になっているかに沿っています。そして、それが私がこの動画を作っている理由です。
でも第二に、これの人間が読み取れる部分がどれほどクリーンで明確になるかを見てください。人間が読み取れる視点からシステムを考えるときには得られなかった下流の利点を得るんです。
人間が読み取れる視点からシステムを考えると、私が説明したようなものが得られます。人間が簡単に読めるグラフィカルユーザーインターフェースを持つSaaSフレンドリーなソリューションに焦点を当てます。なぜなら、システムを簡単でアクセスしやすく構築したいからです。そして、それが私が元々やったことなんです。
でも、わずかに技術的になることをいとわず、真のデータベースに到達するためのクリーンなステップバイステップのチュートリアルに従う意思があれば、得られるのは、追加の努力をすることなく、将来試したいどのAIシステムにも触れるという人間の利益を解き放つ、将来性のあるシステムです。
だから私たち人間は、真に基礎的に設計されたメモリーシステムから来る明確さから、途方もない量の価値を享受します。これは、AI革命において私が瞑想してきたより大きな教訓の一つを思い出させます。それは、AIが私たちの仕事、私たちの生活における思考の明確さを強制していて、それが途方もない量の人間の利益をもたらしているということです。
Toby Lütkeは、多くの企業政治は悪い人間のコンテキストエンジニアリングに相当すると考えているという非常に挑発的な見解を述べていますが、私はそれがここで飛び出してくるものだと思います。なぜなら、AIエージェントと作業するために並外れた明確さが必要であり、基礎的なメモリーアーキテクチャ、良いデータベース、クリーンなMCPサーバーを通じてその並外れた明確さを開発するとき、どこでもそのメモリーシステムとクリーンかつ明確にプラグインして作業できるという利益を得るからです。
AIのために適切なコンテキストエンジニアリングを行うとき、私たちは人間の脳のために良いコンテキストエンジニアリングを行います。これが政治についてのTobyのポイントの一種なんです。エージェントのために良いコンテキストエンジニアリングを行うとき、私たちは人々のために良いコンテキストエンジニアリングを行うことになります。そしてそれは、人々が政治をする可能性を低くします。
私が話したときに、数千人がそれを構築したなら、皆さんが構築したセカンドブレインは常にこれを目指していました。思考が存在する場所、意味によって検索可能で、使用するどのツールからもアクセス可能な場所を目指していたんです。
そして、それらのツールはキャプチャの問題を解決します。組織の問題を解決します。でも、彼らが解決する必要があることに気づかなかったのは、まだ本当にそこになかったので、エージェントが読み取れる問題でした。
オープンブレインは、構築したものを置き換えるのではなく、その下に基礎層を与えることで、その基礎層を追加します。データベース、プロトコル、皆さんの思考、これから使用するすべてのAIです。
今週末、コーヒーを飲みながら朝に構築できます。はい、本当に皆さんです。そして、皆さんの将来のAI、人間としての将来の自分は、キャプチャし始めるすべての思考に感謝するでしょう。
さて、すでにセカンドブレインを構築している場合、特別な移行ガイドも含めていますので、キャプチャしてきた思考を失わず、今後よりエージェントが読み取れるシステムに確実に入れる方法を理解できます。
幸運を祈ります。これがわずかに技術的であることを恐れないでください。このYouTube全体を通じて、私が何を意味するかを見るためのたくさんのビジュアルがありました。
そして興味があれば、Substackでより多くのガイドを見ることができます。正直なところ、この動画には十分なビジュアルを入れたので、Substackに飛び込む準備ができていなくても、全く問題ありません。それでもそこに到達できるはずです。この動画をAIに見せて、これを構築するのを手伝ってと言えるはずです。そしてそれはできるはずです。乾杯。
コメント