Hipocampus - ระบบหน่วยความจำถาวรสำหรับ AI เอเจนต์ (ไม่ต้องมีอินฟราฯ เลย)

AI เอเจนต์อย่าง Claude Code หรือ OpenClaw จะลืมทุกอย่างทันทีที่เซสชันจบลง ทั้งที่เมื่อ 2 สัปดาห์ก่อนเพิ่งตกลงกันเรื่องกลยุทธ์ DB migration ไป แต่พอเข้าเซสชันถัดไปกลับต้องมานั่งค้นใหม่ตั้งแต่ต้น แบบนี้มันน่าหงุดหงิดจริง ๆ

แน่นอนว่ามีวิธีแก้หลายแบบสำหรับเรื่องนี้ แต่ข้อจำกัดก็ชัดเจน:

• ฝืนใช้ MEMORY.md แค่ไฟล์เดียว: ผ่านไปอาทิตย์เดียวก็ล้นแล้ว ต้องมาคิดว่าจะลบอะไร และสิ่งที่ลบไปก็จะหายไปตลอด
• ค้นหาด้วย RAG: หาเจอในสิ่งที่ค้น แต่ตั้งต้นยังตัดสินไม่ได้ว่า "ฉันเคยรู้อยู่แล้วไหม?"
• ยัดทั้งหมดลงใน 1M context: ทำได้ก็จริง แต่ attention จะพร่าและค่าโทเคนก็พุ่งกระฉูด

Hipocampus แก้ปัญหานี้ด้วยหน่วยความจำ 3 ชั้น (hot/warm/cold) พร้อม compact tree 5 ระดับ โดยบีบอัดประวัติการสนทนา/งานทั้งหมดที่สะสมมาจนถึงตอนนี้ให้กลายเป็นดัชนี ROOT.md ขนาดประมาณ 100 บรรทัด ทำให้ทุกครั้งที่เรียกใช้เพิ่มโทเคนเพียงราว ๆ 3K และเอเจนต์ก็สามารถเข้าใจได้ทันทีว่า "ตัวเองรู้อะไร และไม่รู้อะไร"

• ติดตั้งเสร็จได้ด้วยบรรทัดเดียว npx hipocampus init
• ไม่มี dependency ภายนอกเลย + ไม่ต้องมีอินฟราสตรักเจอร์อย่างเซิร์ฟเวอร์
• ใช้กับ Claude Code และ OpenClaw ที่มีอยู่ได้ทันที
• รองรับการค้นหาแบบไฮบริด qmd-based BM25 + vector (เลือกใช้ได้)
• การเขียนหน่วยความจำจะให้ sub-agent จัดการ จึงช่วยให้ context ของ main session สะอาดอยู่เสมอ
• ไลเซนส์ MIT

ผมสร้างมันขึ้นมาเพราะเสียดายทั้งเวลาและโทเคนที่เอเจนต์ต้องถามเรื่องเดิมซ้ำ ๆ และค้นใหม่ตั้งแต่ต้นทุกครั้ง แต่พอมันทำงานได้ดีกว่าที่คิด ก็เลยเปิดเป็นโอเพนซอร์สแล้ว

[gykim]

ดีครับ ผมบันทึกประวัติการทำงานทั้งหมดไว้แยกตามวันที่แล้วค่อย grep ดูอยู่เหมือนกัน แบบนี้คงต้องลองใช้ดูสักครั้งแล้วครับ