AIエージェント15体で事業を回すために、記憶と人格を分離した — nenrin を公開しました

個人開発者が Claude Code で 15体のセッションを常時稼働させ、4つの事業を回すために、独自の記憶・人格レイヤー「nenrin」を MIT ライセンスで公開した。48日間の運用で 2,774件の記憶が蓄積され、延べ 12,332回参照されている。これは実験ではなく、実務で動いている数字だ。nenrin が解く問題は、長期セッションで避けられない「3つの喪失」である。判断基準が消える、文脈の流れが失われる、作業状態が曖昧になる。特に危ないのは判断基準で、AI自身も失っていることに気づかないまま、会話は続く。

nenrin の設計の核は「3つの記憶層を性質ごとに分ける」という単純さにある。人格層（消えたら判断を間違える）、作業層（圧縮で流れを見失う）、記憶層（調べ直せばいい）。記憶層だけは常時ロードせず、必要なときに検索して取りに行く。人間の記憶の使い方に近い。さらに工夫されているのが「想起の3層」で、セッション内フック（初回発言時、コンテキスト圧縮直後、40ターンごと）、セッション外 cron（20分ごと、定時4回）、ヘルスチェック。フックだけでは足りない。バックグラウンド作業中はフックが発火せず、12日間止まっていた案件が、定時トリガで過去の記録を検索したおかげで動いたという実測がある。

日本の中小企業が業務 AI 化を本格化させるとき、直面するのが「AI がだんだん劣化する」という現象だ。AI のトークン上限が無限でない限り、長期使用では必ず判断基準が流れ、出力の品質が下がる。nenrin のアプローチ（git ベースで判断基準を版管理し、バックグラウンドで定期的に想起を促す）は、日本の実務に直結する教訓を持っている。AI の導入時は「最初は優秀だが、3ヶ月後には使い物にならなくなった」という失敗を避けるため、長期運用の「骨組み」を設計段階で組み込むべきということだ。