AI エージェントの記憶を、圧縮の向こう側まで運ぶ ― amtr の設計と24世代の観測

AI エージェントで長めのプロジェクトをやっていると、必ずぶつかる壁がある。コンテキストウィンドウ（会話の履歴を保持できる上限）が満杯になり、圧縮が走る。ホストが会話を要約してエージェントに差し戻す。そのとき失われるのは「会話の記録」ではなく「何を決めたか」「何を却下したか」という意思決定の履歴だ。この記事が指摘している通り、圧縮をまたぐたびに優秀だが初対面の別人と組み直している感覚になる。AIの鬼の視点ではここが肝だ。AIは人間と違い「状態を持たない生き物」になる。人間なら「前回と同じルールで」と言えば通じるが、エージェント型 Claude や Codex は圧縮をまたぐと人格・判断・タブーが入れ替わる。これは機械学習モデルの宿命ではなく、圧縮アルゴリズムが「出来事」は記録するが「判断」は記録しないから起きる。記事の amtr というツールは、この問題に対して「圧縮の壁を越えて記憶を届ける」という根本的な解を示した。ハンドオフと呼ぶ、1セッション1行の申し送りファイルを使う設計がすごい。データベースではなく「痕跡」を残す。古いスナップショットを捨てることで、軽い・速い・ステートレスなまま、本質的な記憶は失わない。中小企業が AI エージェントで長めの案件や改善プロジェクトをやるなら、この問題は早晩、痛みとなって返ってくる。「AIが前に却下したはずのアプローチをまた提案してくる」「ルールを何度説明しても忘れる」という現象は、ツール側のバグではなく、圧縮という物理的な現象の結果だ。対策は2つ。1つは amtr のような外部メモリを作ること。もう1つは「セッションを短く切る」こと。たとえ amtr が無くても、1回のセッションで「重要な決定まで終わらせる」という設計にすれば、圧縮による記憶喪失の被害を最小化できる。