研究プロジェクトや教育活動などの知識作業において、蓄積された知見や意思決定、推論プロセスは後続の協力者によってほぼ回収されない現状がある。特に重要なのは、失敗や撤回された主張といった要素が論文や共有コードから意図的に除外されるため、将来の研究者は同じ失敗を何度も繰り返すということだ。近年、LLM（大規模言語モデル）を活用したコーディングエージェントが研究・開発に一般的に参加するようになったが、これらのエージェントはセッション間で永続的なメモリを保持できず、生のソースデータに対する検索拡張生成（RAG）だけでは知識が複合的に成長しない。 この課題に対し、研究者らはllm-wikiというパターンに基づいた新しいアプローチを提唱している。これは生のソースとエージェント間に、LLMが保守する相互参照可能なウィキを挿入するもので、本研究ではこれをさらに再利用可能で複数のエージェントに対応した「llm-wiki-memory-template」として実装している。このテンプレートは複数の人間、複数のAIエージェント、複数の領域にまたがる異質な協調的知識作業の基盤となるよう設計されている。 特筆すべき特徴は、ウィキが追記専用慣例で運用されることにより、成功事例だけでなく失敗経路も保存されるという点だ。これは論文や共有コードでは構造的に解決できない負の結果喪失問題に対する革新的なアプローチである。研究論文では、単一研究者の放棄された反復を保存した事例、二著者プロジェクトで過去の実験結果の主張が修正された事例、進行中の複数エージェント展開、そして教育領域への応用事例など、複数の運用実績が報告されている。これらのケーススタディを通じ、失敗経路の保存、エージェントの正直性、そして適切性が社会技術的な特性として論じられている。