Kawa Codeは、あなたとAIに長期的なゴールコヒーレンスを提供します。プロジェクトは漂流します。目標が意図的に変わるのではなく、日々の小さなステップへの集中が大きなビジョンを見失わせるのです。Kawa Codeはすべてのブランチタイムラインにわたる意思決定をリアルタイムで記録し、必要な時に提示します。

作業が直線的でなくなる場面があるからです。Standardプランは一人の開発者、一つのタイムラインを想定しています。Professionalプランは複数の推論が並行して進み、人間とAI間で意思決定を調整する必要がある場面のために存在します。

いいえ。Kawa Codeのメモリレイヤーは生のソースコードではなく、抽象化された意図と変遷に基づいて機能します。AI推論がどこでどのように行われるかはお客様が制御できます。

翻訳アドオンはコードのコメント、変数名、ドキュメントをエディター内で直接お好みの言語に翻訳します。当社のホスト型LLMサービスを使用しますが、お手持ちのLLM APIキーで動作するように設定することもできます。

ほとんどのAIコーディングワークフローは、「蓄積」を前提に最適化されています。ルールを増やし、チャット履歴を増やし、Embedding を増やし、取得するコンテキストを増やしていく——。しかし時間が経つにつれて、それはコンテキストの肥大化を引き起こします。無関係な情報、古くなった前提、そして互いに矛盾する過去の意思決定が、モデルの注意を奪い合うようになります。

Kawa Code は、これとは異なるアプローチを取ります。 アーキテクチャや実装における意思決定の「なぜ」を記録し、その知識を時間とともに整理・洗練しながら、現在のタスクに関連する意図だけを提示します。

その結果、推論はより高速になり、出力の一貫性も向上し、プロジェクトが進化し続けても長期的な整合性を維持できるAIシステムを実現します。

AIを活用した開発には今なお「英語優先」のバイアスがあります。大規模言語モデル（LLM）は主に英語のデータで学習されており、英語はウェブ全体の約46％を占めています。その結果、「英語プレミアム」が存在します。英語でAIにプロンプトを与えると、他の言語と比べてコード生成の精度が15〜30％高くなります。

さらに、英語を母語としないエンジニアは、アイデアやアーキテクチャの決定、プロンプトを絶えず英語に翻訳する必要があり、認知的な負荷が生まれ、フロー状態の効率が低下します。私たちの試算では、この二重のプロセスによって生産性が50％以上低下します。Kawa Codeは「ユニバーサル・プログラミング」によってこの壁を取り除きます。開発者は母語でコードを読み書きでき、ディスク上のソースコードは標準的な英語互換のまま保たれます。

はい。Kawa Codeは、AIによるコード生成にあまり依存しないチームやエンジニアにとっても、絶大な効果をもたらします。

第一に、特許取得済みの「リアルタイム交差検出」により、開発者は変更がコミットされる前に、チームメンバーが同じファイルのどこを作業しているかを視覚的に把握できます。この事前の可視性が、統合時の摩擦やコードの衝突、そして恐ろしい「マージ地獄」を防ぎます。

第二に、Kawa Codeは「意図」（なぜその変更を行ったのか）をコードそのものとともに永続的に記録するため、メンバーが離れても組織の知識が失われません。これによりコードレビューや解読にかかる時間が半減し、2人の開発者を拘束することなくペアプログラミングの効果が得られ、ジュニアエンジニアのオンボーディングと学習サイクルを大幅に加速させます。

はい。セッション単位で記録します。Claude Codeがタスクを並列化するためにサブエージェントを起動すると、それらは親セッションのアイデンティティを共有します。そのため、サブエージェントが作成・有効化・完了したインテントはすべてそのセッションに記録・帰属されます。

一点補足すると、サブエージェントの内部的な思考は独自のトランスクリプトに保存されるため、内部で言語化された個々の意思決定はまだ記録されません。記録されるのはメインセッションに返された結果のみです。サブエージェント単位の思考記録は今後のロードマップに含まれています。当面は、サブエージェントが残すべき意思決定を行った場合は、メインセッションでそれを明示することで記録されます。