Riverbed Memory を使用する

Draft / 計画中の機能

このガイドは計画中の機能について説明しています。現在のバージョン (v0) はステートレスであり、Riverbed Memory は実装されていません。以下の手順は将来のバージョンで利用可能になる予定です。

Riverbed Memory は過去のレビューコンテキストを保存し、将来のフローの一貫性を保ちます。

手順

1. 決定の記録: Upstream 設計の選択については PR の説明に短いメモを追加し、関連する場合にスキルの指示からリンクする。

2. シグナルの永続化: 承認されたレビュー結果（例: logs/ やデータベース層）をスキル ID とフェーズをキーとして保存する。 例えば、logs/review_outcomes.json を以下のように保持する:

   {
     "skill-123": {
       "phase": "upstream",
       "outcome": "approved",
       "notes": "Design aligns with upstream architecture."
     },
     "skill-456": {
       "phase": "midstream",
       "outcome": "approved",
       "notes": "Code meets performance requirements."
     }
   }

3. コンテキストの再利用: 新しいスキルを作成する際、重複した警告や矛盾したガイダンスを避けるために、以前の決定を参照する。

4. 古いメモリの期限切れ: 定期的なリズム（例: 毎月）を設定して、古い決定を整理し、前提条件を更新する。

運用例（Shared Memory の配置）

AI レビュー運用の Shared Memory を .river/ 配下に整理する例です。

• Static（変えにくいルール）: .river/ai-review/static/
• Dynamic（学習ログ）: .river/ai-review/dynamic/

例:

.river/ai-review/
  static/
    overview.md
    bot-commands.md
    config-guide.md
    integration.md
    security.md
    plans-and-costs.md
  dynamic/
    changelog-template.md
    tuning-log.md

関連

• Riverbed Memory の背景とスコープ: pages/explanation/riverbed-memory.md

グッドプラクティス

• メモリエントリは小さく、アクション指向（何が変わったか、なぜか、そしてフェーズ）に保つ。
• 自動化ツールがレビューアに情報を注入できるように、構造化されたフォーマット（JSON/YAML）を推奨する。