Hanzo Brain：エージェントのためのローカルファースト知識グラフ

あなたのエージェントは賢いのに忘れっぽい。それを直しました。今日届けるのは Hanzo Brain です。単一のバイナリ、~/.hanzo/brain/brain.db にある単一の SQLite ファイル、そして TypeScript、Python、Rust、Go、C++ で同じアルゴリズム面です。markdown ファイルを ~/.hanzo/workspace/ に落とします。ブレインはそれを取り込み、型付きの辺を抽出し、ハイブリッド検索のために内容を索引します。言語モデルは呼びません。グラフは積み重なります。

これはすべての Hanzo ランタイムの記憶層です。ボット、MCP サーバ、Hanzo Node、そして自分のホストに埋め込むものすべてです。

ブレインとは何か

ブレインは一つのプロセスの中の三つのものです。

1. ページ — スラグで番地づけされた内容で、どこからでも書け、ディスク上で監視されます。
2. 辺 — 型付きの関係（mentions、attended、works_at、invested_in、founded、advises）で、書き込みのたびに正規表現と役割推論で抽出します。言語モデルは使いません。
3. 事実 — (subject, predicate, object, ts, confidence) の組で、セッションをまたいで実時間に問い合わせできます。

ページは FTS5 の索引を持ちます。辺は (source, target, type) の上に主キーを持ちます。事実は識別子と時刻を持ちます。スキーマは頭に収まる短さです。

CREATE TABLE pages (slug TEXT PRIMARY KEY, content TEXT, frontmatter TEXT, updated_at TEXT);
CREATE VIRTUAL TABLE pages_fts USING fts5(content, content='pages', content_rowid='rowid');
CREATE TABLE edges (source TEXT, target TEXT, type TEXT, evidence TEXT, PRIMARY KEY (source, target, type));
CREATE TABLE facts (id TEXT PRIMARY KEY, subject TEXT, predicate TEXT, object TEXT, source TEXT, ts TEXT, confidence REAL);

それが契約のすべてです。どのバックエンドもそれを守ります。どのランタイムもバイト単位で同一のファイルを書きます。

言語モデルなしの抽出が重要な理由

言語モデルに基づく抽出器は、書き込みのたびにトークンと遅延とお金を焼きます。実行のあいだにずれを生み、グラフを非決定的にします。

ブレインは書き込み時に正規表現と役割推論で辺を抽出します。速く、無料で、同じ入力には毎回同じ辺を出します。"Alice founded Acme. She invested in Foobar," を取り込むと、こうなります。

people/alice -[founded]->     companies/acme
people/alice -[invested_in]-> companies/foobar

毎回です。どのランタイムでも。往復はありません。

その上に言語モデルの補強が欲しいなら、実体の曖昧性解消、主張の検証、要約は、決定的なグラフの上で自分のモデルを呼びます。グラフが土台です。言語モデルは任意の仕上げです。

一つのファイル。すべてのランタイム。

同じ brain.db が TypeScript、Python、Rust、Go、C++ で開きます。形式の翻訳も移行もありません。サーバで hanzobot/go から書き、ブラウザワーカーで @hanzo/bot-memory から読めば、読むのはサーバが書いたファイルです。

機能	TS	Python	Rust	Go	C++
BrainStore インタフェース	対応	対応	対応	対応	対応
SQLite（既定）	対応	対応	対応	対応	対応
FTS5 のハイブリッド検索	対応	対応	トレイト	対応	対応
グラフリンク抽出器	対応	対応	対応	対応	対応
レシピローダ	対応	対応	対応	対応	対応
差し替え可能なバックエンド	対応	対応	対応	対応	対応

公開時のランタイム横断テスト合計は 121 TS + 53 Python + 58 Go + 38 Rust (mcp) + 38 Rust (node) + 98 C++ = 406 件のテスト、すべて緑です。各ランタイムは同じ融合、同じ再順位付け（MMR）、同じ RRF、同じスラグ正規化、同じ辺抽出器を届けます。

MCP から問い合わせできる

ブレインは MCP を通して三つのツールとして開かれます。

• brain.recall <entity> — ある実体についてこれまで主張されたすべての事実を、時刻つきで。
• brain.search <query> — FTS とベクトルのハイブリッドを RRF で融合し、任意で MMR 再順位付け。
• brain.ingest <slug> <content> — ページを書き、辺を自動抽出し、FTS を更新する。

Hanzo Node、Hanzo MCP サーバ、または hanzobot/* の上に組んだボットと話すエージェントは、これらのツールを無料で得ます。サイドカーも、追加サービスも、別に運用するデータベースもありません。

Go の単一バイナリの道では次のとおりです。

go install github.com/hanzobot/go/cmd/hanzo-bot@latest

hanzo-bot brain init                  # opens ~/.hanzo/brain/brain.db
hanzo-bot brain ingest people/alice.md
hanzo-bot brain recall people/alice
hanzo-bot brain search "founded"

Python では次のとおりです。

from hanzo_memory.graph_links import extract_edges
edges = extract_edges(slug="people/alice", content="Alice founded Acme.")

Rust では、hanzo-mcp の中に埋め込まれます。

use hanzo_mcp::brain::{extract_edges, slugify};
let edges = extract_edges("people/alice", "Alice is CEO of Acme.", Some("person"));

差し替え可能な保管、同じ契約

SQLite が既定です。ラップトップ上の最初の十万ページには足ります。それを超えたら、アプリケーションのコードを変えずに別のバックエンドを登録します。

バックエンド	いつ
sqlite	単独、< 100K ページ
qdrant	大規模なベクトル ANN
meilisearch	大規模なキーワード FTS
zapdb	規範となる多言語ネイティブストア
replicate	バックアップのため SQLite の WAL を S3 へ流す
vfs	S3 のストリーミングブロック FS、大きさは無制限
postgres	マルチテナントのチーム配備

複数マシンにわたる SQLite 形の分散意味には、ZAP トランスポートと Quasar の合意と zapdb を使います。ブレインは同じままです。バイトが入ってバイトが出る契約は保たれます。

積み重なる記憶

ブレインの要点はデータベースではありません。仮定の転換です。エージェントは毎セッションを空白から始めません。一年前に書いた markdown はすでにグラフです。昨日の会話は辺と事実を生み、今日のセッションはそれにトークンを払わず問い合わせできます。二台のマシンの二人のエージェントは replicate の上で brain.db を共有し、同じ見方へ収束できます。

積み重なる記憶とはそういう意味です。グラフは育ち、モデルは安くなり、利用者は覚えている助手を見ます。

ブレインを手に入れる

• TypeScript の正本（ボットに同梱）: npm install -g @hanzo/bot && hanzo-bot serve
• Python: pip install hanzo-memory
• Go の単一バイナリ: go install github.com/hanzobot/go/cmd/hanzo-bot@latest
• Rust: hanzoai/node と hanzoai/mcp のワークスペースメンバー
• C++: hanzobot/cpp/include/hanzo/brain/ にあるヘッダのみ

ソース: github.com/hanzoai/brain。ライセンス: MIT.

---

一つのファイル。五つのランタイム。グラフ操作に言語モデルの呼び出しはゼロ。設計としてローカルファースト。