SNS運用・プログラミング・IT活用に関する情報を発信しています。
ノートが散らかる問題に、グラフDBで殴り込む エンジニアのメモは必ず散らかる。Notion、Obsidian、ローカルのMarkdown、Slackの自分用チャンネル。書く場所は増えるのに、「あのとき調べたこと、どこに書いたっけ？」と探す時間だけが積み重なっていく。 注目されているのが、Claude CodeとNeo4j（グラフDB）を組み合わせたローカルGraphRAGシステムだ。
Googleの最新AIモデルであるGemini 3.1シリーズが正式に登場した。 前世代から推論能力が飛躍的に向上しただけでなく、マルチモーダル埋め込みやAPI開発を効率化する新機能が多数追加されている。 結論から言うと、画像やPDF、さらには音声データまで直接ベクトル化できる機能が今回の最大の目玉だ。
検索インフラの常識が崩れる瞬間 出た。GoogleがGemini Embedding 2をリリースした。 テキスト、画像、動画、音声、PDF。これら5つの異なるフォーマットを、たった1つのベクトル空間に押し込む。 しかもMRL（マトリョーシカ表現学習）を採用した。 768次元で数百万件を高速で粗検索し、上位結果だけを3072次元で高精度にリランキングできる。
AI開発をしていて「ChatGPTやClaudeが過去の会話をすぐ忘れてしまう」と悩んだことはありませんか？ 結論から言うと、AIに「長期記憶」を持たせることでこの問題は劇的に解決します。 今回は、僕のような1人SaaS開発者でも今日から始められる、RAG（検索拡張生成）の基礎から、最新のLLMメモリ実装までの4つのステップをわかりやすく解説します。