概要
Claude Codeは強力なコード生成AIですが、各会話セッションで文脈がリセットされるという課題がありました。Claude Code 使い方の基本についてはClaude Code：全コード生成を自動化する実装ガイドとClaude Computer Use 使い方：ブラウザ・デスクトップを直接操作する方法も合わせて参照してください。大規模プロジェクトでClaudeを使う際、毎回プロジェクト背景や設計思想を説明し直す必要があるという課題がありました。Claude Subconsciousは、Claude自体が「プロジェクトの意図」を理解した状態で提案を生成できるようにします。Claude Codeに潜在意識（サブコンシャス）を与えることで、AIエージェントの推論能力を質的に向上させるのがこのプロジェクトの目標です。
主な機能
- 長期メモリ統合：プロジェクトの基本方針、アーキテクチャ決定、チーム知見などをベクトルデータベースに保存し、必要に応じて自動検索・参照される
- 文脈保持エンジン：複数の会話セッションにわたって一貫性のあるコード提案を生成、プロジェクト全体の整合性を維持
- 暗黙的なドメイン知識の学習：プロジェクトで何度も出現するパターン、慣習、反アンチパターンを自動で学習し反映
- 背景推論層：ユーザーが質問する際、潜在意識に保存された知識を自動で参照し、より深い理解に基づいた回答を生成
- カスタム知識ベース構築：チームの内部ドキュメント、以前のプロジェクト分析、失敗事例を一元管理できる管理画面
- マルチエージェント協調：複数のClaude Codeインスタンスが共有の潜在意識を持つことで、チーム全体で知識を活用
- 動的な優先度付け：特定のコンテキストで重要な知識を自動判定し、トークン効率を最大化
技術スタック
- LLM基盤：Claude 3（Anthropic）
- ベクトルデータベース：Pinecone または Weaviate
- フレームワーク：LangChain / LlamaIndex
- バックエンド：Python 3.10+、FastAPI
- フロントエンド：React / TypeScript
- データ処理：pandas、numpy
- キャッシング：Redis
- インフラ：Docker、Kubernetes対応
導入方法
ステップ1：リポジトリのクローン
git clone https://github.com/letta-ai/claude-subconscious.git
cd claude-subconscious
ステップ2：依存パッケージのインストール
pip install -r requirements.txt
ステップ3：環境変数の設定
cp .env.example .env
# .envファイルを編集：ANTHROPIC_API_KEY、PINECONE_API_KEYなどを設定
ステップ4：ベクトルデータベースの初期化
python scripts/init_vector_db.py
ステップ5：サーバーの起動
uvicorn main:app --reload
ステップ6：知識ベースにドキュメントを追加
WebUIで /admin/knowledge-base にアクセスして、プロジェクトドキュメント、設計書、過去の議論ログなどをアップロード。
競合比較
| ツール | 長期メモリ | マルチセッション対応 | ドメイン知識カスタマイズ | リアルタイム学習 | 価格帯 |
|---|---|---|---|---|---|
| Claude Subconscious | ✅ 完全対応 | ✅ ネイティブ | ✅ 高柔軟性 | ✅ あり | OSS |
| ChatGPT with Memory | △ 限定的 | △ 部分的 | △ APIレベル | ✅ あり | 月額$20 |
| Copilot Chat | △ セッション内のみ | ❌ 弱い | △ 学習困難 | △ 限定的 | 無料/有料 |
| LlamaIndex + Claude | ✅ あり | ✅ あり | ✅ あり | △ 手動 | 開発コスト |
差別化ポイント：
Claude Subconsciousが他と異なるのは、「潜在意識」という哲学的なアプローチです。MCPを使ったメモリ拡張についてはsupermemoryai/supermemory-mcp：MCPサーバーで記憶を永続化する方法も参考になります。単なるベクトル検索やキャッシング機構ではなく、Claudeの思考プロセスそのものに知識を組み込む設計になっています。暗黙的な推論層として機能するため、ユーザーが明示的に参照を指示しなくても、背景知識が自動で活用されます。さらにマルチエージェント対応により、チーム全体が共有の知識基盤を持つことで、「組織の潜在意識」を構築できる点が革新的です。
こんな人におすすめ
-
スケールアップ中のスタートアップエンジニア：急速に拡大するチームで、一貫性あるコード生成を必要とする環境で活躍します。知識の属人化を防ぎ、全員が同じコンテキストで仕事できるようになります。
-
大規模レガシープロジェクト保守者：複雑な既存システムの改修時、Subconsciousに過去の設計判断や制約条件を記憶させることで、新しい提案が履歴と矛盾しなくなります。
-
データサイエンティスト＆ML エンジニア：実験で生成した知見やハイパーパラメータの選定理由をメモリに蓄積できるため、反復開発のスピードが向上します。
-
ドキュメント作成が充実した企業の開発チーム：既に組織知識が文書化されているなら、それを全てSubconsciousに読み込ませるだけで、AIエージェントが「企業文化を理解した状態」で提案を生成します。
-
AI+コード生成の可能性を探索している研究者・企業開発者：潜在意識という新しい概念を実装したこのツールは、LLMの推論能力をどこまで拡張できるかの実験プラットフォームとしても最適です。