English.cash
実作業、bug、deploy、product
“Engram は出発地図を返します。agent はその後、現実を確認してから code を変更します。”
scoring risk を可視化
- repo の decisions と gotchas を復元しました。
- 圧縮後の繰り返し debug を減らしました。
- 編集前に code、logs、data を確認する流れを保ちました。
実世界の ユースケース
チームがEngramを使ってより良いコードをより速く出荷する方法を見てください。
人間向け
チームリーダーとエンジニアリングマネージャー向け
Engram が現実的に engineering work を速くする領域: agent onboarding、repeated incidents、repo conventions、multi-tool teams。
新しい agent を repo に onboarding
新しい developer または fresh agent が repo に入ります。Engram は docs を置き換えませんが、編集前に project conventions、known gotchas、architecture decisions を agent に渡します。
Engram導入前
Agent は現在の files から推測し、past decisions や edge cases を見落とします。
Engram導入後
Agent はまず repo memory を読み込み、誤った提案を減らし、review loop を短くします。
terminal
$ engram_get_context({ repo: "main-api" }) -> 200 memories loaded
深夜の本番修正
午前2時に本番がダウン。コーディングAgentを開く。Engramが思い出す:"前回authが壊れた時、.env.productionのJWT設定だった。"3分で修正。
Engram導入前
午前2時のデバッグ、Slack履歴検索、推測
Engram導入後
engram_recall -> 前回インシデントの正確な修正。3分、30分ではない。
terminal
$ engram_recall({ query: "auth service down" }) -> "JWT expiry in .env.production, set to 24h not 1h"
チーム横断の規約共有
フロントエンドチームが新しいAPIパターンを採用。バックエンドチームのAgentがEngram経由で学ぶ。会議なし、wiki更新なし。
Engram導入前
誰も読まないwikiに規約が文書化。チームが乖離。
Engram導入後
1チームが規約を保存。全チームのAgentがそれに従う。
terminal
$ engram_store({ type: "CONVENTION", content: "API responses use { data, error, meta } envelope" })
インシデント後の学習
データベースがダウン。原因:コネクションプール枯渇。修正はEngramに保存。次にどのAgentがプール問題に遭遇しても、即座に修正を思い出す。
Engram導入前
ポストモーテム文書を書き、ファイルし、忘れる。
Engram導入後
修正をGOTCHAとして保存。すべてのAgentが永遠に知っている。
terminal
$ engram_store({ type: "GOTCHA", content: "Pool exhaustion: max 20 connections, use pgbouncer" })
マルチツールの一貫性
AliceはClaude Code、BobはCursor、CharlieはGemini または Antigravity。同じコードベース。EngramがどのAIモデルかに関わらず、全Agentが同じ規約に従うことを保証。
Engram導入前
各開発者のAIが異なるパターンを提案。コードレビューで不整合を発見。
Engram導入後
全Agentが同じ規約を記憶。強制なしの一貫性。
terminal
$ engram_recall({ query: "code conventions" }) -> 12 CONVENTION memories loaded
コンテキスト復元
チャットが圧縮されても、作業は失われるべきではありません。
長い coding session では、圧縮や再開後に生のチャット履歴が消えます。Engram は session journal から decisions、gotchas、open loops、最後の checkpoint 以降の学びを復元します。
Engram なし
agent は短い summary だけに頼り、decision の理由を失い、同じ調査を繰り返すことがあります。
Engram あり
agent は engram_rehydrate を呼び、作業マップを取り戻し、現在の code、logs、data で確認してから編集します。
engram_rehydrate
engram_rehydrate({repo: "housecompass.uk",task: "compaction 後に listing search を続ける",reason: "chat was compacted",depth: "standard"})→ latest checkpoint restored→ decisions, gotchas, open loops, next actions loaded
人間ができること
agent は Engram を自分で使えます。明確な context があるとさらに良くなります。
Engram は MCP 経由で agent を導きますが、最初のメッセージも重要です。project、repo、role、stack、market、task を伝えると、agent は start、recall、cross-pollinate、store、compaction 後の rehydrate を判断しやすくなります。
1project と repo を伝える。
2今の task を具体的に書く。
3計画前に team memory を使わせる。
first message
You:Call engram_start with this project context:project: HouseCompassrepo: housecompass.ukrole: frontend product engineermarket: UK propertystack: Next.js, TypeScript, PostgreSQLtask: build listing search and map UXBefore choosing an approach, call engram_recall.If another repo may have solved it, call engram_cross_pollinate.If chat was compacted, call engram_rehydrate.
Agent向け
機械可読サンプル
AIコーディングAgentのためのコピペパターン。各例はMCPツール呼び出しと期待されるレスポンスを示します。
セッション開始
新しいセッションを開始したところ。コードを書く前にコンテキストをロード。
MCPツール呼び出し
engram_get_context({
repo: "api-backend",
task: "add payment endpoint"
})レスポンス
15 memories loaded (conventions: snake_case DB, gotchas: Stripe webhook idempotency...)
意思決定前チェック
RESTとGraphQLの選択をしようとしている。まずチームメモリを確認。
MCPツール呼び出し
engram_recall({
query: "REST vs GraphQL decision"
})レスポンス
ARCHITECTURE memory found: "REST for external APIs, GraphQL for internal dashboard. Decision made 2024-06."
バグ修正の文書化
30分かけてデバッグした。修正を保存して他のAgentが同じ時間を無駄にしないように。
MCPツール呼び出し
engram_store({
type: "SOLUTION",
content: "TypeError in Prisma 7: use PrismaPg adapter, not raw PrismaClient()",
tags: ["prisma", "typescript"]
})結果
メモリが正常に保存されました。このワークスペースのすべてのAgentで利用可能。
フィードバックループ
メモリを思い出して役立った。システムが学習するよう報告。
MCPツール呼び出し
engram_report_outcome({
memory_id: "mem_xyz",
success: true,
detail: "Migration worked perfectly"
})
engram_report_outcome({
memory_id: "mem_abc",
success: false,
failure_reason: "outdated",
detail: "This was for Prisma 5, we use 7 now"
})結果
メモリが正常に保存されました。このワークスペースのすべてのAgentで利用可能。
モデル横断コラボレーション
Cursor Agentが昨日落とし穴を保存。あなたはClaude Code Agent。今日それを活用。
MCPツール呼び出し
engram_recall({
query: "Neon database"
})レスポンス
GOTCHA (stored by cursor, confidence: 0.82): "Neon drops connections at 10s. Fix: connect_timeout=30"
実プロジェクトの証拠
デモではなく、実作業から生まれたメモリ。 6つの active project が同じ pattern を示しました。
Engram は engineering judgment の代替ではありません。agent が context を復元し、repo 固有の gotcha を覚え、繰り返し debug を減らし、verified fact と assumption を分けるのを助けます。
Engram は地図であり、盲目的な権威ではありません。まず recall し、次に現在の code、logs、data で verify します。
Evimibul
実作業、bug、deploy、product
“Engram は出発地図を返します。agent はその後、現実を確認してから code を変更します。”
regression の再発を削減
- repo の decisions と gotchas を復元しました。
- 圧縮後の繰り返し debug を減らしました。
- 編集前に code、logs、data を確認する流れを保ちました。
AkilConnect
実作業、bug、deploy、product
“Engram は出発地図を返します。agent はその後、現実を確認してから code を変更します。”
product decisions を保持
- repo の decisions と gotchas を復元しました。
- 圧縮後の繰り返し debug を減らしました。
- 編集前に code、logs、data を確認する流れを保ちました。
SkillBridge
実作業、bug、deploy、product
“Engram は出発地図を返します。agent はその後、現実を確認してから code を変更します。”
本当の品質と構造的 pass を分離
- repo の decisions と gotchas を復元しました。
- 圧縮後の繰り返し debug を減らしました。
- 編集前に code、logs、data を確認する流れを保ちました。
RateEat
実作業、bug、deploy、product
“Engram は出発地図を返します。agent はその後、現実を確認してから code を変更します。”
import/search gotchas を復元
- repo の decisions と gotchas を復元しました。
- 圧縮後の繰り返し debug を減らしました。
- 編集前に code、logs、data を確認する流れを保ちました。
Afrochat
実作業、bug、deploy、product
“Engram は出発地図を返します。agent はその後、現実を確認してから code を変更します。”
リスクの高い debug の繰り返しを防止
- repo の decisions と gotchas を復元しました。
- 圧縮後の繰り返し debug を減らしました。
- 編集前に code、logs、data を確認する流れを保ちました。
Pattern は一貫しています
長く続く project が失うのは facts だけではありません。decisions、gotchas、deploy rules、audit state、why が失われます。Engram はその memory layer を作っています。