Tempera

🚀 Tempera - Claude Codeの永続的メモリ

Temperaは、Claude Codeに経験から学習する永続的なメモリを提供します。各セッションで最初から始めるのではなく、Claudeは過去の解決策を思い出し、有効な方法を学習し、時間の経過とともにより賢くなることができます。

🚀 クイックスタート

Temperaを使うことで、Claude Codeが過去のセッションの知識を活用できるようになります。以下の手順でセットアップして、Claude Codeの能力を向上させましょう。

✨ 主な機能

• 永続的メモリ：Claude Codeが各セッション間で情報を保持し、過去の解決策を思い出すことができます。
• 強化学習：過去の成功や失敗から学習し、時間の経過とともにより賢くなります。
• セマンティック検索：コーディングセッションを「エピソード」としてキャプチャし、セマンティック検索用にインデックス化します。

📦 インストール

ソースからビルド

# クローンしてビルド
git clone https://github.com/anvanster/tempera.git
cd tempera
cargo build --release

# 2つのバイナリが作成されます:
# - target/release/tempera      (CLIツール)
# - target/release/tempera-mcp  (Claude Code用のMCPサーバー)

crates.ioからインストール

cargo install tempera

初回実行 - モデルのダウンロード

初回使用時に、Temperaはセマンティック検索用のBGE-Small埋め込みモデル（約128MB）をダウンロードします。これは自動的に行われ、一度だけ実行されます。

# 初期化してモデルのダウンロードをトリガー
tempera init

# 出力:
# 🔄 埋め込みモデルを読み込んでいます（初回実行時はモデルをダウンロードする場合があります）...
# ✅ 埋め込みモデルが読み込まれました

モデルは~/.tempera/models/にグローバルにキャッシュされ、すべてのプロジェクトで共有されます。

💻 使用例

基本的な使用法

# 初期化
tempera init

# エピソードを手動でキャプチャ
tempera capture --prompt "Fixed the authentication bug"

# エピソードをセマンティック検索用にインデックス化
tempera index

# メモリを検索
tempera retrieve "database connection issues"

# フィードバックを提供
tempera feedback helpful --episodes abc123,def456

# ユーティリティの伝播を実行
tempera propagate --temporal

# 古い/低価値のエピソードを削除
tempera prune --older-than 90 --min-utility 0.2 --execute

# 統計情報を表示
tempera stats

高度な使用法

User: Fix the login redirect vulnerability

Claude: Let me check if we've solved similar problems before...
        [Calls tempera_retrieve("login redirect vulnerability")]

        Found 2 relevant past experiences:
        1. "Fixed open redirect by validating return URLs against whitelist"
           - 78% similarity, 85% utility
        2. "Auth redirect issue - added URL sanitization"
           - 65% similarity, 72% utility

        Based on past experience, I'll implement URL validation...
        [Works on the fix]

        Done! Let me save this session.
        [Calls tempera_capture(summary: "Fixed login redirect...", outcome: "success")]

User: That retrieved memory was really helpful!

Claude: [Calls tempera_feedback(helpful: true, episodes: ["abc123"])]
        Marked as helpful - this will improve future retrievals!

📚 詳細ドキュメント

Claude Codeとのセットアップ

1. MCPサーバーを追加

claude mcp add tempera --scope user -- /path/to/Tempera/target/release/tempera-mcp

--scope userフラグを使用すると、すべてのプロジェクトで利用できるようになります。

2. Claude Codeを再起動

Claude Codeを終了して再起動し、新しいMCPサーバーを読み込みます。

3. 検証

Claude Codeで/mcpを実行します。temperaと7つのツールが表示されるはずです。

MCPツール

接続すると、Claudeは以下のツールにアクセスできます。

主要なライフサイクルの動作

• セッションの開始時：Claudeは、重要なタスクを開始する前に、tempera_retrieveを使用して関連するメモリを自動的に確認する必要があります。
• タスクの終了時：Claudeは、tempera_captureを使用して成功したセッションを積極的にキャプチャする必要があります - 要求されるのを待たないでください。キャプチャツールは自動的にユーティリティの伝播を実行します。
• プロジェクト間の洞察：tempera_capture(project: "other-project")を使用して、別のプロジェクトのメモリにタグを付けます。

tempera_retrieveのモード

検索:       tempera_retrieve(query: "authentication bug")
すべてのリスト表示:     tempera_retrieve(all: true)
詳細表示: tempera_retrieve(query: "abc12345")  # エピソードID

データストレージ

Temperaはすべてのデータを~/.tempera/（すべてのプロジェクトで共有）にローカルに保存します。

~/.tempera/
├── config.toml              # 設定
├── episodes/                # エピソードのJSONファイル
│   └── 2026-01-25/
│       └── session-abc123.json
├── vectors/                 # ベクトルデータベース
│   └── episodes.lance/      # LanceDBの埋め込み
└── models/                  # 埋め込みモデルのキャッシュ（約128MB）
    └── models--Xenova--bge-small-en-v1.5/

すべてのプロジェクトが同じメモリデータベースを共有することで、プロジェクト間の学習が可能になります。

背後にある強化学習

Temperaは強化学習の概念を使用しています。

エピソードのライフサイクル：

キャプチャ → インデックス化 → 検索 → フィードバック → ユーティリティ更新 → 伝播
                                                    ↓
                                            [低ユーティリティ + 古い]
                                                    ↓
                                                 削除

メンテナンス

メモリの健全性を維持するために定期的に実行します。

# 毎週: ユーティリティ値を伝播
tempera propagate --temporal

# 毎月: 古い/役に立たないエピソードをクリーンアップ
tempera prune --older-than 90 --min-utility 0.2 --execute

# 必要に応じて: 健全性を確認
tempera stats

環境変数

トラブルシューティング

MCPサーバーが読み込まれない場合

1. パスを確認: ls /path/to/tempera-mcp
2. 設定を確認: cat ~/.claude.json
3. Claude Codeを完全に再起動
4. /mcpを実行して検証

初回実行時の埋め込みが遅い場合

初回使用時に、BGE-Smallモデル（約128MB）がHuggingFaceからダウンロードされます。これにはインターネットアクセスが必要です。ダウンロード後、モデルは~/.tempera/models/にキャッシュされ、オフラインでも動作します。

ベクトル検索が何も見つからない場合

tempera indexを実行して、ベクトルデータベースを作成/更新します。

モデルのダウンロードが失敗する場合

ファイアウォールやプロキシの背後にいる場合は、huggingface.coへのアクセスを確認してください。モデルファイルはHTTPSを介してダウンロードされます。

📄 ライセンス

Apache 2.0

貢献

貢献を歓迎します！問題を開くか、プルリクエストを送信してください。