Show HN: Engrim – AI CLI向けのユニバーサルなローカルファーストSQLiteメモリエンジン

engrim ユニバーサルなクロスモデル＆クロスエージェントエピソードメモリストア。 ローカルファーストでプロジェクトスコープのSQLiteメモリエンジンであり、開発者はアーキテクチャ上の決定、ユーザーの制約、プロジェクトの状態を失うことなく、同じプロジェクト内でモデルや環境（Google Antigravity, Claude Code, Cursor MCP, Windsurf）を自由に切り替えることができます。 1. コアバリュープロポジション 「毎回20万トークンの忘れられたノイズに料金を支払うのはなぜですか？モデルは使い捨てのユーティリティであり、プロジェクトの決定はそうではありません。」 コンテキストウィンドウが100万トークン以上に拡大するにつれて、開発者は注意散漫（attention dilution）に直面します。推論能力は低下し、会話のたびにコストは増加し、コンテキストをクリアすると完全に記憶喪失になります。 engrim は、4,000文字のキュレーションされたエピソードワーキングメモリで注意散漫を置き換えます。 AIメモリの والأمن (Switzerland of AI Memory): プロジェクトの知能を単一のAIベンダーやプロプライエタリなクラウドサイロから切り離します。プロジェクトの途中でAntigravityのGemini 3.8からClaude CodeのClaude 3.7 Sonnetへ、さらにCursorのGPT-4oへ切り替えても、エージェントは他のエージェントが中断したところからすぐに作業を再開できます。 自律コーディングのためのセーブボタン: 作業中に決定、制約、状態を外部化します。エージェントセッションを自由にクリア（/clear）し、コンテキストがそのままリロードされるのを確認してください。 スマートでホットなコンテキストローディング: SQLite FTS5（bm25キーワード検索）と静的ベクトル埋め込み（model2vec）を、ゼロレイテンシのハイブリッドリシプロカルランクフュージョンエンジンで組み合わせます。 2. 実証的証拠（105セッションのケーススタディ） 50,000行のアルゴリズム取引システムで105回の連続セッションにわたってテストされました。186の単体テストで回帰はゼロ、モデル切り替えでコンテキストの記憶喪失はゼロでした。 実際の資金を運用するアクティブなアルゴリズム取引コードベースでの本番テストでは、数日間にわたるアーキテクチャ、パラメータチューニング、デバッグにわたる153,000トークン以上の作業が、1,000トークン未満（コンテキストウィンドウの1%未満）のアクティブメモリパックに統合されました。これは、セッション再開ごとのリロードコンテキストコストが99%以上削減されたことを意味します。 Google Antigravity CLI、Claude Code、Cursor MCPの間で、モデルのドリフトやアーキテクチャの回帰なしに、同一のリポジトリ上でシームレスに切り替えました。 3. アーキテクチャ graph TD subgraph Agents ["Supported Agent Environments"] AGY["Google Antigravity<br/>(PreInvocation & Stop Hooks)"] CLAUDE["Claude Code<br/>(SessionStart & Stop Hooks)"] CURSOR["Cursor / Windsurf<br/>(Model Context Protocol stdio)"] end subgraph CoreEngine ["engrim Core Engine (v1.3.0)"] ADAPTERS["Adapters & Hooks<br/>(agy, claude, mcp)"] PROVENANCE["Agent Provenance Engine<br/>(origin_agent tracking)"] ROUTER["Hybrid Retrieval & Minder<br/>(bm25 lexical + vector cosine)"] end subgraph Storage ["Local-First SQLite Store (~/.engrim/memory.db)"] MEMORIES[("Curated Memories<br/>(decisions, facts, feedback)")] FTS5["FTS5 Full-Text Search<br/>(porter stemmer, triggers)"] VEC["Vector Embeddings<br/>(model2vec static embeddings)"] LOG["Flight Recorder Log<br/>(turns + action lines)"] end AGY -->|"hook / CLI"| ADAPTERS CLAUDE -->|"hook / CLI"| ADAPTERS CURSOR -->|"JSON-RPC (stdio)"| ADAPTERS ADAPTERS --> PROVENANCE PROVENANCE --> ROUTER ROUTER --> MEMORIES MEMORIES --- FTS5 MEMORIES --- VEC ADAPTERS --> LOG