selvedge

現時点で判断できるのは、selvedge は用途が明確な一方で、検証材料がまだかなり少ない初期段階の開発者向け OSS だということです。これは汎用ベクトル DB でも、単なるチャット記憶プラグインでもありません。より近い比喩は、AI が行ったコード変更に対する「why のための git blame」です。確認できる根拠はほぼ公式 GitHub リポジトリの説明に限られるため、狙いと基本構成は読めますが、広い導入実績や本番運用での安定性までは裏付けられていません。

実際の役割は、AI エージェントがコードを変更するその場で、推論・文脈・変更理由を取得し、ローカル SQLite に保存して後から参照できる長期記憶にすることです。同じリポジトリを AI コーディングエージェントで継続的に触る開発者にとっての価値は、「コードを直接書く」ことより、「なぜその実装になったかを失わない」ことにあります。したがって、IDE、本体エージェント、モデルゲートウェイというより、コードベース向けの記憶層・監査層と見るのが正確です。

コストと導入ハードルについては、根拠から確実に言えるのは OSS であり、保存先としてローカル SQLite が言及されていることだけです。公式の料金、ホスト版、API 利用料は確認できないため、総コストは断定できません。保守的に見れば、負担の中心は高額な DB 調達ではなく、MCP ワークフローへの組み込みや既存の AI コーディング運用との整合です。ただしこれはリポジトリ説明に基づく推定であり、低コスト運用の保証ではありません。

向いているのは、実際のコードベースで AI エージェントを高頻度に使っており、文脈喪失・引き継ぎ難・変更理由の不透明さに悩んでいる個人開発者や小規模チームです。逆に、たまに補完を使うだけの人、MCP エコシステムを使っていない人、モデル性能そのものの向上を期待する人には合いにくいでしょう。議論の質については、現状は一次情報中心で、実測・チュートリアル・長文レビューのサンプルが乏しく、提供された証拠内では熱度の証明も使いやすさの証明も弱いです。今は“注目候補の初期プロジェクト”であり、“十分に実証済みの定番ツール”とまでは言えません。