GitHubとClaude Codeで実現する「長期記憶」AI秘書：自己理解の蓄積が鍵
本記事は、ChatGPTやClaudeなどの大規模言語モデル（LLM）が持つ短期的な会話記憶という課題を解決し、「自分専用の秘書」として機能させる具体的な方法を解説している。従来のAI利用では、セッションをまたぐと過去の経緯やユーザーの価値観を忘れてしまい、一般論に終始するという問題がある。
この問題を解決するため、筆者はGitHub privateリポジトリを「AIの長期記憶置き場」として活用し、Claude Codeを通じてLLMに接続させる仕組みを提案している。具体的な構造は、「あなた ←→ Claude Code ←→ GitHub private repo」となり、リポジトリ内にはユーザーの自己理解をまとめた`master_profile.md`や、テーマ別のログ（例：`domains/work.md`）が配置される。
このシステムでは、Claudeに指示書となる`CLAUDE.md`をリポジトリルートに置くことで、セッション開始時に自動でルールと参照すべきファイルを読み込ませる点が重要である。これにより、単なるコード生成だけでなく、「秘書として育てる」という会話の文脈（コンテキスト）が設計される。
導入手順は以下の通り。まずGitHubアカウント（無料）とClaude Proアカウント（月額$20）を用意し、GitHub上に`my-ai-secretary`というプライベートリポジトリを作成する。次に、Claude Codeの設定からこのリポジトリを接続し、最後に指示書や初期ファイル構造をClaudeに作成させるステップを踏む。最も重要なのは、ユーザー自身が「仕事・価値観・趣味」などのテーマについて質問に答え、その回答を`master_profile.md`に蓄積していくプロセスである。これにより、AIは単なる情報処理装置から、個人の背景知識を持つパーソナルな秘書へと進化する。
背景
大規模言語モデル（LLM）の利用において、セッションをまたいだ「長期記憶」の欠如は大きな課題であった。本記事は、この問題を解決するため、外部ストレージ（GitHub）とAIエージェント機能（Claude Code）を組み合わせる具体的なワークフローを提示している。
重要用語解説
- 大規模言語モデル (LLM): ChatGPTやClaudeなど、大量のテキストデータから学習し、人間のような自然な文章生成を行うAIシステム。会話能力が高いが、セッション外の情報保持に限界がある。
- コンテキスト (Context): AIが出力する回答の品質を決定づける「文脈」のこと。単なるモデル性能以上に、ユーザー情報や過去の経緯といった背景知識を与えることが重要とされる。
- GitHub private repo: ファイルをインターネット上に保存・管理できるサービス（GitHub）のプライベートなリポジトリ。本記事では、AIが参照し続ける『長期記憶』を物理的に保持する場所として利用されている。
今後の影響
この仕組みは、単なるチャットボットから「個人の思考やキャリアを伴走する秘書」へとAIの役割を進化させる可能性を示唆している。ユーザー側は自身の情報を体系的に整理し、AIとの対話を通じて自己理解を深めるという副次的な効果も期待でき、パーソナライゼーションが極限まで進む未来のワークフローとなる。