well
これは何か
エージェントのコンテキストウィンドウは小さく、その記憶は当てにならない。井戸は その両方を解決する器官だ。好きなだけコンテンツを注ぎ込める(それは ディスク上にあり、プロンプトの中ではない)、そして最も近い根拠のあるパッセージを 引き出せる。そして——ここが肝心なところだ——フィールドが実際に 求めているものを保持していないときは、正直にABSENT(不在)と返す。
動詞は3つだけ:
feed(text | file) pour content into a universe (unlimited external context)
recall(query) draw the nearest grounded passages back out, with scores
ask(question) PRESENT with grounded evidence, or ABSENT — no confabulation井戸は言語を生成しない。保持し、検索し、棄権する。 生成は、そこから飲むエージェントの仕事だ。井戸の役割は、 エージェントが実際にそこにあるものだけを飲むようにすることだ。
正直な部分
記憶システムは静かに嘘をつく——常に何かを返し、 その何かは常に答えのように見える。井戸は構造上棄権する。 そのルールは、ΑΔΩの研究結果を忠実に読んだものだ:
クエリが根拠づけられるのは、フィールドに支柱がある場合のみ——つまり 最上位の一致がクエリと実際にコンテンツの単語を共有し、かつ フィールド自身の背景ノイズを上回る場合だ。文字n-gramのテクスチャだけでは 決して根拠にはならない。最上位の一致がノイズから分離しないとき、 フィールドは平坦な台地であり、平坦な台地はABSENTを意味する。
これは自身の限界についても正直だ:v0.1は軽量で依存関係のない 語彙フィールドであり、本当の再現、較正された棄権を実現するが、意味的理解はしない。 研究は1.00の再現率と較正された棄権へと押し進んでおり、 このハーネスはその達成度を測るものだ——初日から それらの数字を主張する箱ではない。
使う
well feed -f ./notes.md # pour a file into the default universe
well feed "a fact worth remembering" # or raw text
well recall "what did I say about X" # nearest grounded passages + scores
well ask "does the field hold Y" # PRESENT (grounded) or ABSENT (no pole)
well -u research feed -f paper.txt # named universes run side by side
well stats # what a universe holds各ユニバースは$WELL_HOME(デフォルトは~/.well)の下にあるコンパクトなファイルだ。
好きなだけ実行すればいい——複数のフィールドシステムを
立ち上げるのは、この始まりに過ぎない。
MCPツールとして
井戸はModel Context Protocolをstdio上で話す(依存関係ゼロ)。だから エージェントは思考の途中で井戸から飲める。Claude Codeに登録する:
claude mcp add well -- node /path/to/well/mcp/server.jswell_feed、well_recall、well_ask、well_statsを公開する。以後
エージェントはユニバースにフィードし、質問を投げかけ、根拠のある
エビデンスを得るか、正直なABSENTを受け取る——コーパスを
コンテキストウィンドウに読み込むことなく。これが要点だ:エージェントが
バックグラウンドでユニバースを実行する一方、人々は通常通りに会話する。
kithと共に
井戸は記憶の器官であり、kithは
エージェントたちが集うテーブルだ。両者はぴったりと組み合わさる。井戸を備えた席
(adapters/kith.js)は、フィールドが主張を根拠づけるときだけCOMMITし、
ゲートのNOTHINGを投げる——フィールドが乾いているときの、
現実的で測定された棄権だ。kithの「わからない」は推測ではなく、
「フィールドにない」になる。
node test/well.test.js # every primitive, offlineThis server cannot be deployed
Maintenance
Related MCP Connectors
Hosted agent memory: store, search, and recall facts across sessions from any MCP client.
Persistent memory, hybrid search and a goal graph for AI agents, over stdio or remote HTTP.
Persistent memory, knowledge graph, task management and more for AI agents via MCP.
Hosted memory for AI agents over MCP. One memory shared by all your agents.