ByteRover

ByteRoverとは？

ByteRoverは、エージェントシステム向けのメモリ層で、ツールやモデル実行間で構造化された進化する知識を永続化します。メモリをエージェント設定間で持ち運べるよう設計されており、エージェントや人間が毎回ゼロから始めるのではなく、同じ基盤知識で推論できます。

ByteRoverはコンテンツを、自然言語推論・検索向けにフォーマットされた階層型「ナレッジツリー」に整理します。ベクター検索のみに頼らず、ファジーテキストマッチングから深いLLM駆動検索へエスカレートする階層的ファイル検索パイプラインで、高精度な検索を実現します。

状態保持メモリを階層型ナレッジツリーに整理：ByteRoverは情報を推論向けツリー構造に整理し、エージェントと人間の両方のレビュー・管理をサポート。
階層的検索パイプライン（ファイル検索からLLM駆動検索へ）：ファジーテキスト検索から深いLLM駆動検索へ進み、単一検索より精度を向上。
デフォルトでローカルファースト：アカウント不要でローカルマシン上で動作。必要時のみデータを他へ移行可能。
バージョン管理・編集可能なポータブルワークスペース：ByteRover Cloudへプッシュすると、バージョン管理・編集可能として記述。
OpenClawエージェント間の共有メモリ：OpenClawで複数エージェントが永続的・階層構造の共有メモリを利用。
APIキーによるプロバイダー非依存のLLM利用：「APIキーで自身のLLMでByteRoverを駆動」とあり、既存のエージェントスタックを活用し、モデル選択・コスト・観測性を制御。
キュレーション・検索のためのCLIワークフロー：コマンドラインでソース（例: MEMORY.mdファイル）をキュレーションし、整理済みメモリをクエリ。

ByteRoverをインストール。Unixライクシステムでは、curl -fsSL https://byterover.dev/install.sh | shコマンドでインストール。
ByteRoverを設定し、LLM/プロバイダーを選択。LLM/プロバイダーの選択セットアップ手順あり。
ByteRoverをエージェント/コネクターに接続し、エージェントランタイムで整理済みメモリを検索・利用。
キュレーションと検索：メモリコンテンツを保存/キュレーションし、エージェント使用時にクエリ。セットアップ→キュレーション→検索のコアループ。

ローカルマシン外にメモリを置きたい場合、ByteRover Cloudへプッシュするオプション手順あり。それ以外は「アカウント不要、クラウド不要、テレメトリなし」でローカル動作を強調。

エージェントワークフローでのツール間メモリ継続性：一度キュレーションし、ツールやエージェントフレームワーク間で共有（OpenClawからClaude Code、Cursor以降へ）。「1ツールに縛られない」。
既存ファイルからの長期プロジェクト知識ベース：Markdownやテキストソース（例: MEMORY.md、QMD、その他テキストファイル）を投入し、ByteRoverが検索可能ナレッジツリーに整理。
チーム/マルチエージェント環境：OpenClawユーザー向けに、複数エージェント間で永続的階層構造メモリを共有し、同じキュレーション知識で動作。
構造化タスク向け検索精度調整：ファジーテキストから深いLLM駆動検索の階層パイプラインで、ファジーマッチング単独より精密な回答を得る。
既存メモリシステムからの段階的移行：既存システムとByteRoverを並行稼働し、完全移行ガイドを提供。

いいえ。ByteRoverはツールやエージェント設定間で持ち運べるメモリとして位置づけられ、OpenClawとの連携を明記。

デフォルトでローカル動作し、「アカウント不要、クラウド不要、テレメトリなし」を強調。Cloudはワークスペースプッシュ時のオプション。

Markdownファイル（例: MEMORY.md）、QMD、「任意のテキストファイル」から既存メモリコンテンツを投入可能。

階層的ファイル検索パイプラインを使用。ファジーテキストマッチングから深いLLM駆動検索へエスカレートし、高精度を実現。

はい。APIキーで自身のLLMでByteRoverを駆動可能で、モデル/プロバイダーオプションを選択。

ベクトルベースの検索（RAG）：エンベディングとベクトルデータベースを使用。類似の目標（検索拡張メモリ）だが、通常ベクトル検索中心。ByteRoverの階層的ファイル検索パイプラインと階層型「ナレッジツリー」整理とは異なる。
LLM支援クエリ付きローカルドキュメント検索：ファイル検索が主なら、ローカルインデックス/検索ツールとLLMプロンプトを組み合わせ可能。ByteRoverの差別化は構造化ナレッジシステムへの状態保持型整理。
カスタム永続化層によるマルチエージェント共有メモリ：チームが独自の永続化・検索ロジックを構築可能。ByteRoverはオールインワンの整理・検索・（オプション）クラウドポータビリティワークフローを提供。
検索付きナレッジベース/ウィキシステム：情報を保存し人間閲覧に有用だが、ByteRoverで説明されるようなエージェント指向の状態保持型整理・検索ワークフローは一般的に提供しない。