
「検索して忘れるRAG」を卒業する:LLM WikiでAIが知識を蓄積し続ける方
毎回ゼロから説明し直すAIとの格闘
「このプロジェクトの前提を説明します。まず背景は……」
ChatGPTやClaudeを仕事で使っている人なら、週に何度もこのセリフを言っているはずだ。
先週まとめた調査結果、先月固めた方針、昨日書いたドラフトの意図——全部、また最初から説明する。
カスタム指示やプロジェクト機能を使えば少しはマシになる。でも本質は変わらない。
会話が終われば、その文脈は消える。
次のセッションでまた同じ土台を築き直す。
私も長い間そうだった。
ローカルAIを何度か試しては挫折した。
n8nとLlamaで「自分だけのAI」を作ろうとしても、結局は「その場の質問に答える箱」でしかなかった。
知識は溜まらない。
翌日にはまた同じ説明から始まる。
さらに困るのが、情報を集めるほど「墓場」が膨らむことだ。
Web Clipperで保存した記事、PDF、メモ、Telegramで送った自分のアイデア——フォルダには増え続けるが、AIはそれを「自分の知識」として持っていない。聞かれたときだけ検索して、答えて、忘れる。
RAGの限界:賢い「再発見」は、蓄積ではない
最近よく聞くRAG(検索拡張生成)は、この問題をかなりマシにしてくれる。大量のドキュメントから関連箇所を引いて、LLMに渡して答えさせる。一見、「AIが自分の資料を読んでくれる」ように感じる。
だがRAGの動きは本質的に「毎回の再発見」だ。質問が来るたびにソースを探し、断片をつなぎ、答えを生成する。ページとページのあいだに「あなたの解釈」や「だからこう判断した」という文脈は、自動では残らない。
結果として起きるのは次の3つだ。
同じ論点を何度も調べ直す
先月の結論を、今月またゼロから議論する
リンクが張られない
Aの話とBの話が、知識網としてつながらない
あなた固有の文脈が薄い
他人の記事の要約は増えるが、「自分の判断の履歴」は増えない
私のVault(保管庫)では、2026年5月末の週だけで、wikiに249ソース・471ページ相当の更新が走った。
これは「新しい情報を漁った」というより、散らばっていた知識をコンパイルし直した週だった。
RAGだけでは到達しにくい領域だ。
LLM Wiki:知識を「コンパイル」し続ける発想
LLM Wikiという考え方は、RAGと真逆の設計思想に立つ。
RAG:質問のたびにソースを探して再発見する
LLM Wiki:ソースから得た知識を、Markdownのページとリンク構造にコンパイル(蓄積・更新)し続ける
3つの役割に分けるとイメージしやすい。
① IDE(保存場所):ObsidianのVault。人間もAIも読み書きできる
② プログラマー(編集者):Claude CodeなどのLLMエージェント。/ingest や /lint でwikiを更新する
③ コードベース(成果物):wiki/ 以下に増え続けるページ群。概念・エンティティ・ソースがリンクでつながる
生データは raw/ や Inbox/ に置き、AIへの憲法である CLAUDE.md が「どう書くか」を決め、出力はすべてwikiに落ちる。
会話が終わっても、知識はファイルとして残る。
次のセッションはその続きから始められる。
私はこの仕組みで、Telegramから送ったメモの自動取り込み、毎朝のDaily Brief、週次のWeekly Synthesis、記事の自動生成までを一つのVault上に載せている。
コーディングはほぼAIに任せ、自分は「何を知識として残すか」の設計に集中している。
有料セクションでは、LLM Wikiの3層構造を自分の環境で再現するための具体手順、自動取り込みの最小構成、うまく回らなくなったときのトラブルシューティングをすべて書く。
「情報を集める人」から「知識をコンパイルする人」に役割を変えるための実装編だ。
📌 Xのフォローもお願いします!
私の近況やAIなどに関する情報を日々アップしています。
👉 にし部長|ひとりAI推進部
[有料版で全手順を読む →]