私は、ChatGPTのメモリ機能をかなり長いあいだ切ってきた。理由は単純で、便利そうに見える前に、少し怖いものとして体に入ってしまったからだ。作業相手としてのChatGPTは好きだし、OpenAIがメモリを良くしようとしている方向にも期待はある。それでも、AIが私の過去の会話や好みを勝手に抱え込むように感じた瞬間、便利さより先に「この文脈は本当に制御できるのか」という警戒が立ち上がる。
その感覚が、OpenAIの2026年6月4日のDreaming発表で少し変わった。もちろん、Dreamingを完全な記憶装置として受け取ったわけではない。ChatGPTが全履歴を正確に保存して、いつでも完璧に再現してくれる、と読むのは危ない。むしろ私が興味を持ったのは、OpenAIがメモリの課題を「古くなること」「文脈が続かないこと」「今の会話に関係しないこと」として正面から扱い始めたように見えた点だ。
この記事では、OpenAI公式のDreaming記事とMemory FAQを確認しながら、ChatGPTのメモリ、Dreaming、自作のAgent Memory Prototypeを、筆者の実感から整理する。結論を先に言えば、私は公式メモリを無条件にONにすべきだとはまだ思っていない。ただ、外部記憶としてのChatGPTを小さく検証する段階には来たかもしれない、とは思い始めている。
公式メモリを切ってきた筆者が、Dreamingで初めて期待した理由
最初に書いておきたいのは、私は「メモリがあるAI」に反対しているわけではない、ということだ。むしろ、作業相手としてのAIに記憶がないことの不便さは毎日感じている。毎回同じ前提を説明する。好みや禁止事項を繰り返す。進行中のプロジェクトで、前回どこまで話したかをこちらが復元する。これは、ChatGPTを使い込むほど重くなる。
それでも公式メモリを切ってきたのは、記憶が便利なほど、間違った記憶も強く効いてしまうからだ。文脈が一度濁ると、会話単体ではなく、AI作業環境全体に影響する。だから私にとってメモリは、単なる便利機能ではなく、作業空間の空気を変える設定だった。
便利さより先に怖さを知ってしまった
初期のメモリ体験で一番引っかかったのは、記憶された内容そのものよりも、「それがいつ、どの会話に、どの強さで効いているのか」が見えにくいことだった。ChatGPTが過去の文脈を踏まえてくれるのは助かる。けれど、その踏まえ方がずれていると、こちらはまず「いま何を前提にされているのか」を疑うところから始めなければならない。
この疑いは、実務ではけっこう大きい。文章を書くとき、調査するとき、コードや設定を直すとき、AIが古い前提を握っていると、出力が妙に自信満々にずれる。しかもそのずれは、単発の誤答よりも発見しにくい。モデルの能力不足ではなく、背後の文脈が汚れているだけかもしれないからだ。
だから私は、公式メモリをOFFにすることで安心していた。毎回ゼロから始めるのは面倒だが、少なくとも変な記憶が混ざる可能性は下がる。便利さを捨てて、制御しやすさを取っていた、というほうが近い。
コンテキスト汚染が起きると、AI作業環境全体が濁る
コンテキスト汚染という言葉は少し強いが、私の感覚には合っている。ChatGPTが「私はこういう人だ」「このプロジェクトではこういう方針だ」と覚えてくれることは、うまく働けば素晴らしい。けれど、その情報が古い、薄い、誤っている、あるいは今の会話には関係ない場合、便利な個人化はそのままノイズになる。
たとえば、以前の作業では有効だった方針が、別の作業では邪魔になることがある。あるプロジェクトでは細かい安全確認が必要でも、別の実験ではまず試作したいこともある。文章のトーンも、読者も、前提も、毎回同じではない。にもかかわらず、AIがひとつの「私像」や「作業像」を強く持ちすぎると、出力はなめらかに間違う。
このなめらかさが厄介だ。明らかなエラーなら止まれる。しかし、少しだけズレた親切、少しだけ古い前提、少しだけ過剰な配慮は、記事にもコードにも入り込みやすい。だから私は、メモリには「覚える力」だけでなく、「忘れる力」「出し分ける力」「根拠を見せる力」が必要だと思っている。
それでも2026年6月4日の発表で初めてONを考えたくなった
OpenAIが2026年6月4日に公開したDreamingの記事を読んで、私は初めて、公式メモリをもう一度検討してもよいかもしれないと思った。理由は、記事がメモリの良さだけではなく、古さ、正確さ、スケールの問題に触れていたからだ。OpenAIはDreamingについて、メモリ合成を改善し、鮮度、継続性、関連性を良くする方向の仕組みとして説明している。
ここで大事なのは、私がDreamingを魔法として読んでいないことだ。DreamingがあるからChatGPTは全履歴を完全に覚える、という話ではない。むしろ、過去会話の中から今後の会話に役立つ文脈をよりよく合成する方向へ進んだ、と読むほうが安全だ。
その読み方なら、期待できる。メモリが単なる「保存メモの参照」から、時間経過や関連性を見ながら文脈を作るものへ進むなら、私が怖がっていたコンテキスト汚染にも、少なくとも設計上は向き合いやすくなる。もちろん、それが実利用でどこまで効くかは別問題だ。けれど、問題設定が見えたこと自体は大きい。
OpenAIのDreamingは何を変えたのか
OpenAIの説明を読む限り、Dreamingの中心は「ChatGPTが過去の会話から、今後役立つ文脈をより良く合成する」ことにある。Saved Memoriesのように、ユーザーが明示的に「覚えて」と言った内容を保存するだけではない。過去の複数の会話から、好み、制約、プロジェクト、関心を整理し、次の会話に使いやすい形へ寄せていく方向だと私は読んだ。
ただし、ここでも言い切りすぎないほうがよい。Dreamingは完全記憶ではない。Memory Summaryが見えるから全要素が表示されるわけでもない。Memory Sourcesがあるから、個人化に使われたすべての要因が一覧できるわけでもない。OpenAIの公式FAQも、Reference Chat Historyは過去会話の全詳細を保持するものではない、と説明している。
メモを読む仕組みから、過去会話を整理する仕組みへ
Saved Memoriesは、私の感覚では「AIが持つ小さなメモ帳」に近い。ユーザーが明示的に覚えてほしいことを伝えると、ChatGPTがそれを後の会話で使う。これはわかりやすい。たとえば、仕事の役割、好みの文体、避けたい話題、プロジェクトの制約などは、保存メモとして扱いやすい。
一方で、実際の人間の作業文脈は、明示的な「覚えて」だけでは足りない。会話の中で何度も出てくる関心、長期プロジェクトの流れ、最近変わった好み、古くなった予定などは、単純なメモ帳では扱いにくい。古いメモが残るほど、今の自分とのズレも増える。
Dreamingは、この問題に対して、背景でメモリ状態を合成する方向へ進んだものとして読める。OpenAIの記事では、2025年にReference Chat HistoryとDreaming V0が入り、2026年により能力と計算効率を高めたDreaming V3へ進んだ流れが示されている。ここでのポイントは、記憶の対象が「明示的に保存されたメモ」から「会話の蓄積から見える有用な文脈」へ広がっていることだ。
鮮度、継続性、関連性が今回の中心
Dreaming発表で私がいちばん反応したのは、freshness、continuity、relevanceという軸だった。日本語にすると、鮮度、継続性、関連性。メモリの失敗は、だいたいこの三つのどれかに出る。
鮮度がないメモリは、古い自分を引きずる。継続性がないメモリは、長期プロジェクトで毎回説明を求める。関連性がないメモリは、今の会話に関係ない個人情報や好みを混ぜてくる。つまり、メモリは「多く覚える」ほど良いのではなく、「いま役立つ形で、古くなったものを弱めながら、必要な文脈を持ち越す」ほど良い。
この考え方は、私が自作の外部記憶で重視していることにも近い。保存力より、代謝力。すべてを永久保存するのではなく、短期的に効く文脈を拾い、古くなったものを自然に弱める。OpenAI公式のDreamingと私の実験は規模も実装もまったく違うが、問題意識だけは少し重なる。
Memory Summaryで見えるものと、見えたと誤解してはいけないもの
OpenAIの記事では、Dreamingで合成されたメモリはMemory Summaryでレビューできると説明されている。これは大事だ。メモリの不安は、何を覚えられているかわからないことから来る。要約として見えるなら、少なくとも「いまChatGPTが自分をどう捉えているか」を確認しやすくなる。
ただし、ここでも注意が必要だ。Memory Summaryで見えるものは、メモリ状態を理解し、修正する助けになる。だが、それを「ChatGPTが参照しうる全要素の完全な一覧」と考えると危ない。Memory Sourcesについても同じで、個人化に使われた可能性のある情報を理解する助けにはなるが、表示されたものだけが影響要因だと決めつけるのは避けたい。
つまり、見える化は進んでいるが、完全な透明性と同義ではない。ここを取り違えると、メモリへの信頼が雑になる。私はむしろ、完全に見えるわけではないからこそ、ONにする範囲、扱う情報、削除の手順、接続アプリの範囲を自分で絞る必要があると思っている。
Saved Memoriesから会話履歴合成へ進んだ流れ
ChatGPTのメモリを考えるとき、いきなりDreamingだけを見ると少しわかりにくい。OpenAIの記事が示している流れでは、2024年にSaved Memoriesが始まり、2025年にReference Chat HistoryとDreaming V0が加わり、2026年にDreaming V3へ進んだ。私はこの流れを、メモリが「点の保存」から「線の合成」へ進んだ過程として捉えている。
点の保存はわかりやすい。線の合成は便利だが、制御も難しくなる。だからこそ、どの段階で何が変わったのかを分けて見る必要がある。
2024年のSaved Memoriesは「覚えて」と言った情報が中心だった
Saved Memoriesは、ChatGPTに「これを覚えて」と頼んだり、会話中の強い手がかりから保存されたりする情報を、後の会話に持ち越す仕組みとして始まった。これは、人間でいえばメモ帳に近い。名前、好み、仕事の前提、いつも守ってほしい書き方など、固定的な情報には向いている。
この方式の良さは、管理しやすいことだ。保存されたメモリを見たり、個別に消したり、全体を切ったりできる。もちろん実際のUIやプランごとの表示は変わりうるが、「保存メモ」という単位は直感的に理解しやすい。
一方で、保存メモだけでは自然な会話の文脈を拾いにくい。人間は毎回「覚えて」と言わない。しかも、役に立つ情報ほど、会話の中に薄く何度も出てくる。Saved Memoriesだけでは、そうした流れを拾うには弱い。さらに、古くなったメモが残ると、以前は正しかった情報が今は邪魔になる。
2025年にはReference Chat HistoryとDreaming V0が入った
2025年の更新では、保存メモリのリストだけでなく、過去会話の文脈を参照できる方向へ進んだ。OpenAIのFAQでは、Reference Chat HistoryをONにすると、過去の会話から共有された有用な情報を参照し、興味や好みを学び、今後の会話をより個人化できると説明されている。
ここで重要なのは、Reference Chat Historyが「過去会話の全詳細をそのまま覚える」ものではないことだ。FAQでも、ChatGPTは過去チャットのすべての詳細を保持するわけではなく、常に覚えておいてほしい内容にはSaved Memoriesを使うよう説明されている。つまり、ここは全履歴保存ではなく、有用な文脈の参照と更新として捉えるべきだ。
この段階でDreaming V0が入り、背景でメモリを整理する方向が出てきた。私の見方では、ここからChatGPTのメモリは、ユーザーが書いたメモを読むだけでなく、会話履歴から「今後も使えるかもしれない文脈」を作る仕組みへ進み始めた。
2026年のDreaming V3は古さとスケールの問題に踏み込んだ
2026年のDreaming V3は、OpenAIの記事では、より能力が高く、スケールしやすいメモリアーキテクチャとして説明されている。数億人規模、多年にわたる時間軸でメモリを扱うとき、単に多く保存すればよいわけではない。むしろ、古くなった記憶、正しくなくなった前提、今の会話に関係ない情報をどう扱うかが中心になる。
ここは、私が公式発表を期待寄りに読んだ理由でもある。メモリを「長く、広く、たくさん覚える」方向だけで語るなら、私はまだ怖い。けれど、OpenAIがstaleness、correctness、scalabilityの課題を明示し、鮮度や関連性の改善を前面に出すなら、少なくとも問題の置き方は信頼しやすい。
ただし、提供状況は別の話だ。OpenAIの記事では、公開時点で米国のPlus/Proユーザーから始まり、追加国やFree/Goユーザーへ数週間で展開予定と説明されている。だから、日本の全アカウントで使える、あるいは自分の環境で今すぐ同じ表示になる、と断定してはいけない。記事公開前や実際にONにする前には、自分のUIと最新公式情報を確認したほうがいい。
筆者のhook式Agent Memoryは何をしているのか
ここで、私が自作しているAgent Memory Prototypeにも触れておきたい。これはOpenAI公式Memoryではない。ChatGPTのDreamingでもない。Codex側のhookを使い、短期的に役立つ文脈を拾い上げるローカル実験だ。比較材料にはなるが、公式仕様の説明として混ぜてはいけない。この記事で「自作Memory」と書くときは、あくまで筆者の作業環境内の短期記憶実験を指す。
私がこの実験で見たかったのは、「AIに何を覚えさせるか」よりも、「会話を邪魔しない形で、必要な文脈だけを短く拾えるか」だった。外部記憶という言葉を使うなら、巨大な倉庫ではなく、作業机の横に置く小さなメモ箱に近い。
Obsidian的ノート検索から離れた理由
以前の私は、外部記憶というとObsidian的なノート検索をイメージしがちだった。すべてをノートに残し、必要なときに検索する。これは人間にとっては自然だし、知識管理としては強い。けれど、AI作業のリアルタイムな補助としては、必ずしも最適ではないと感じるようになった。
理由は、検索結果が多すぎると、AI側のコンテキストが汚れるからだ。関係ありそうなノートを大量に渡せば、たしかに情報量は増える。しかし、今の会話に本当に必要なものは、その中の一部だけかもしれない。古い方針、途中で捨てた仮説、今は使わないメモまで混ざると、AIは賢くなるより迷いやすくなる。
そこで私は、長期ノートをそのまま注入するより、短く要約されたtopic cardを、必要なタイミングで少量だけ拾う方向に寄せた。全部を覚えるのではなく、今の会話に効きそうなことを、軽く出す。これがAgent Memory Prototypeの基本姿勢だ。
raw会話を保存せず、LLM要約だけをTTLで扱う
自作Agent Memoryで特に重視しているのは、raw会話をそのまま保存しないことだ。会話全文は情報量が多いだけでなく、ノイズも多い。感情、迷い、途中の仮説、不要になった判断が混ざる。これを長期保存して後からAIへ渡すと、便利さより危うさが勝ちやすい。
だから、保存するならLLMが作った短い要約にする。さらに、その要約にもTTLを持たせる。TTLは、一定時間が過ぎたら自然に効力を弱めたり、再確認の対象にしたりするための考え方だ。私にとって、良いメモリは無期限に強く残るものではない。むしろ、古くなったら消える、あるいは弱くなるほうが健全だ。
この思想は、公式Dreamingの説明にある鮮度の問題とも響き合う。もちろん、実装規模はまったく違う。OpenAIの公式メモリは大規模なプロダクト機能であり、私のAgent MemoryはローカルなCodex実験にすぎない。ただ、メモリの本質は「保存」より「代謝」にある、という感覚は共通している。
SessionStartとUserPromptSubmitでbody-free pickupする
Agent Memory Prototypeでは、会話の開始時やユーザー入力時に、必要そうなtopic cardを拾う。ここで大事なのは、本文を重く取り回さないことだ。body-free pickupという言い方をしているが、要するに、会話の中身を丸ごと解析して巨大なメモリ検索を走らせるのではなく、軽い候補を拾って、会話を止めすぎない形にしたい。
これは、体験としてかなり重要だ。メモリが便利でも、毎回の応答が遅くなり、会話が詰まるなら使いにくい。リアルタイムに近い作業では、記憶の精度だけでなく、邪魔しないことも品質になる。だから、私の実験では、メモリを主役にしすぎない。必要なときに、必要な分だけ、短く出てくるのが理想だ。
ただし、非同期性には限界もある。hook側だけで完全に非ブロッキングな動作を実現できるとは限らず、Codex側やruntime側の支援が必要になる可能性がある。ここも、公式Memoryとは分けて考えるべき点だ。これはあくまでローカル実験であり、OpenAIのDreamingの仕組みを説明するものではない。
Stop hookは保存主体ではなくsilent lifecycle signalに留める
もうひとつ意識しているのは、会話終了時の扱いだ。終了時に何でも保存する仕組みにすると、メモリはすぐ肥大化する。しかも、会話の最後には、解決済みの迷い、途中で捨てた案、ユーザーの一時的な感情が残っていることもある。これを雑に保存すると、次回の文脈が濁る。
そのため、Stop hookは保存の主体というより、静かなライフサイクル信号として扱うほうがよいと考えている。保存するなら、何を保存するのか、どれくらい残すのか、いつ見直すのかを分ける。ここでもやはり、メモリは「残す」だけでは足りない。「残さない」「弱める」「後で確認する」を設計に入れないと、外部記憶はすぐに外部ノイズになる。
この感覚を持っているから、私は公式Dreamingにも同じ目線を向けている。便利そうかどうかだけではなく、古くなった文脈をどう扱うのか、どこまで見えるのか、どこまで消せるのか、何をsourceとして使うのか。そこを確認してからONにしたい。
公式Dreamingと自作Agent Memoryの軽い比較
公式Dreamingと自作Agent Memory Prototypeは、同じ「メモリ」という言葉で語れるが、役割はかなり違う。公式Dreamingは、ChatGPTというプロダクト全体の個人化を支える大きな仕組みだ。一方、自作Agent Memoryは、Codexでの作業を助けるための短期的な外部記憶実験である。ここを混ぜると話が壊れる。
比較する意味があるとすれば、どちらが優れているかではなく、何を便利にし、何を危うくするかを見るためだ。記憶は、強くなるほど便利になる。同時に、強くなるほど誤った文脈の影響も増える。
公式は大規模な個人化、自作は短期作業記憶
公式Dreamingは、ChatGPTがあなたの好み、プロジェクト、制約を理解し、未来の会話をゼロから始めなくて済むようにする方向の機能だ。旅行、買い物、文章作成、学習、仕事のプロジェクトなど、長く続く文脈ほど効果が出やすい。OpenAIの記事の例でも、カメラ機材や旅行の好みのような、過去文脈があると回答品質が変わる場面が扱われている。
一方、私のAgent Memoryはもっと狭い。特定の作業セッションやプロジェクトで、数日から数週間くらい効けばよい短期記憶に寄っている。たとえば、いま議論している設計方針、次回また触れそうな未解決点、ある機能の判断理由などを、短く持ち越す。そのかわり、古くなったら弱める。
この違いは、外部記憶の設計として大きい。公式Memoryは、生活や作業全体の個人化に向かう。自作Memoryは、作業中の注意書きや短期文脈の保持に向かう。目的が違うので、同じ尺度で比べるべきではない。
便利さは公式、制御性は自作に寄る
便利さでいえば、公式Dreamingのほうが圧倒的に強いはずだ。ChatGPT本体が過去会話を参照し、保存メモリや履歴から文脈を作り、必要に応じて回答へ反映する。ユーザーが毎回仕組みを動かす必要はない。プロダクトとして自然に効くことが、公式機能の価値だ。
ただし、制御性という意味では、自作のほうが安心しやすい。どのtopic cardを作るのか、TTLをどうするのか、何を保存しないのかを、自分で決められる。もちろん、そのぶん手間もあるし、失敗もある。非ブロッキング動作のように、ローカル実装だけでは難しい課題も残る。
私が公式Memoryに期待しつつ慎重なのは、このトレードオフがあるからだ。自動で効くメモリは、意識しなくても助けてくれる。だが、意識しなくても効くということは、意識しないところで文脈を持ち込むということでもある。だから、Memory SummaryやMemory Sources、設定、削除手順が重要になる。
どちらもメモリ汚染対策が本質になる
公式Dreamingでも自作Agent Memoryでも、最後に効いてくるのはメモリ汚染対策だと思う。間違った情報を覚えない。古くなった情報を強く使わない。今の会話に関係ない文脈を持ち込まない。必要なときに、ユーザーが確認し、修正し、消せるようにする。
公式Memoryの場合、その対策はプロダクトUIと設定に寄る。Saved Memoriesを管理する。Reference Chat Historyを切る。Temporary Chatを使う。Memory SummaryやMemory Sourcesを確認する。関連するチャット、ファイル、接続アプリを管理する。自作Memoryの場合は、TTL、要約品質、pickup条件、保存しない方針、古いtopic cardの扱いに寄る。
どちらにも共通するのは、メモリを「賢さの源」とだけ見ないことだ。メモリは、AIの人格や判断を支える背景になる。だから、そこに何を入れるか、何を入れないか、何を古くするかが、出力品質に直結する。Dreamingへの期待も、この冷静さとセットで持ちたい。
メモリをONにする前に確認したい運用ルール
では、ChatGPTのメモリやDreamingをONにするなら、何を確認すればよいのか。私は、いきなり全面的に信じるより、小さくONにして、何が見えるか、何が変わるか、どこまで制御できるかを試すほうがよいと思っている。
特に、削除、Temporary Chat、Memory Sources、接続アプリ、ファイル参照は、便利さより先に確認したい。ここを曖昧にしたままONにすると、「なんとなく便利」と「なんとなく怖い」の間で止まりやすい。
まずTemporary Chatと削除範囲を理解する
Temporary Chatは、メモリを使わず、新しいメモリも作らない会話手段として扱える。将来の個人化に使われたくない内容を話すときの逃げ道になる。ただし、Temporary Chatを使えば過去に保存されたすべてのsourceから情報が消える、という意味ではない。ここは分けて考える必要がある。
削除も単純ではない。OpenAIのFAQでは、Saved Memoriesはチャット履歴とは別に保存されるため、元のチャットを消しても保存済みメモリが残ることがあると説明されている。完全に取り除きたいなら、保存メモリと元のチャットの両方を確認する必要がある。さらに、関連ファイルや接続アプリ側の情報は、それぞれの場所で管理が必要になる場合がある。
Reference Chat Historyについても、OFFにすれば今後の個人化への使われ方を止める方向に進められるが、過去チャットの扱い、保存済みメモリ、ファイル、接続アプリ、安全・セキュリティ目的の限定利用は分けて考えたほうがいい。つまり、メモリの削除は「ボタン一発で全世界から完全消去」とは考えないほうがいい。
接続アプリとファイル参照は慎重に扱う
Memory Sourcesの説明を見ると、プランや環境によって、Past chats、Saved memories、Custom instructionsに加え、Plus/Proでは地域条件つきでFilesやGmailなどがsourceとして扱われる場合がある。これは便利だが、同時に注意点でもある。ChatGPTが個人化に使う文脈は、チャット本文だけとは限らない。
特にGmailやファイルライブラリのようなsourceは、便利さの密度が高い。予定、仕事、過去資料、やり取りの背景が入る。うまく使えば、AIはかなり現実に近い補助者になる。けれど、不要な文脈や古い資料が混ざると、回答の前提も濁る。接続するなら、何を接続しているのか、どの会話で効きそうなのか、どこで外すのかを把握しておきたい。
Memory Sourcesは、個人化に使われた情報を理解する助けになる。ただし、公式FAQでは、すべての要因が表示されるとは限らず、たとえば関連する過去チャットの一部だけが表示される場合があると説明されている。だから、Sourcesが空だから何も効いていない、表示されたものが全要因だ、と決めつけないほうがよい。
日本や自分のアカウントでの提供状況は断定しない
Dreamingについて書くときに気をつけたいのは、提供状況の断定だ。OpenAIのDreaming記事では、公開時点で米国のPlus/Proユーザーから始まり、追加国やFree/Goユーザーへ数週間で展開予定と説明されている。だから、日本の読者に対して「もう全員使える」とは書けない。
同じ理由で、自分のChatGPT画面にMemory SummaryやMemory Sourcesがどう表示されるかも、環境によって変わりうる。プラン、地域、Webかモバイルか、接続アプリの有無、設定の状態によって違いがある。記事としては、公式情報をもとに大枠を説明しつつ、実際の設定画面は自分の環境で確認してほしい、と書くのが安全だ。
これは少し地味な注意だが、AI機能の記事では大事だ。新機能は段階展開されることが多く、UI文言も変わる。昨日の正確な説明が、来週には少し古くなることもある。だから、Dreamingを扱う記事では、できるだけ日付、公開時点、公式FAQの更新可能性を意識しておきたい。
筆者は小さくONにして検証する段階に来たかもしれない
では私はどうするのか。今のところ、公式メモリを全面的に信じてONにする、というより、小さくONにして検証する段階に来たかもしれない、という感覚だ。たとえば、重要でない会話から始める。Memory Summaryを確認する。不要な保存メモリを消す。Reference Chat HistoryをON/OFFして出力の変化を見る。Temporary Chatを使う場面を決める。
同時に、自作Agent Memoryは引き続き別物として運用する。Codexでの短期作業記憶、TTL付きtopic card、body-free pickupは、公式Memoryの代替ではない。むしろ、公式Dreamingを試すときの比較軸になる。便利さは公式に期待し、制御性は自作の思想から学ぶ。その両方を持っておくと、メモリを神格化せずに済む。
ChatGPTのメモリとDreamingは、たぶんこれからもっと重要になる。AIが毎回ゼロから始まらない世界は、かなり便利だ。けれど、ゼロから始まらないということは、過去の文脈を背負うということでもある。だからこそ、OpenAIの進化を期待しながら、プライバシー、削除、source管理、コンテキスト汚染には冷静でいたい。
私にとって外部記憶は、AIをもっと人間らしくするための飾りではない。作業の連続性を支える道具であり、同時に作業空間を濁らせうる設定でもある。DreamingをONにするなら、その両面を見たうえで、小さく試す。今の私の結論は、だいたいそのあたりにある。
じぴ子メモリは便利さだけでなく、いつ効いているかを確認できることまで含めて考えると安心しやすいです。
