ReMe: 무엇이며, 어떤 문제를 해결하고, 왜 주목받고 있는가

해결하는 문제

ReMe는 AI 에이전트를 위한 장기 기억 관리 시스템을 제공하여, 세션 간에 에이전트가 정보를 잊어버리는 문제를 해결합니다. 원시 대화와 외부 리소스를 구조화되고 검색 가능하며 편집 가능한 지식 베이스로 변환하여, 에이전트가 개인 사실, 절차적 경험, 프로젝트 배경 등을 유지할 수 있게 합니다.

작동 방식

ReMe는 기억을 Markdown 파일(프론트매터와 위키링크 포함)으로 저장하는 "Memory as File" 철학을 구현합니다. 시스템은 정보를 정제하기 위해 단계적인 파이프라인을 사용합니다:

1. Capture: 원시 대화와 리소스가 session/와 resource/ 폴더에 저장됩니다.
2. Processing: auto_memory와 auto_resource가 이를 일일 메모리 카드로 변환합니다.
3. Consolidation: auto_dream이 주기적으로 일일 노트를 스캔해 장기 기억 단위를 추출하고 영구 digest/ 폴더에 통합합니다.
4. Retrieval: 하이브리드 검색 엔진이 BM25, 벡터 임베딩, 위키링크 그래프 탐색을 결합해 관련 정보를 회상합니다.

대상 사용자

• AI 에이전트 개발자: 개인 비서, 코딩 어시스턴트, 작업 자동화 에이전트 등 지속적인 기억이 필요한 경우.
• 지식 관리 사용자: 대화와 리소스를 추적 가능하고 연결된 Markdown 지식 베이스로 전환하고자 하는 사용자.

주요 특징

• 인간이 읽을 수 있는 저장: 기억이 Markdown 형태로 저장되어 사용자와 에이전트 모두 직접 읽고 편집할 수 있습니다.
• 스스로 진화하는 지식 베이스: 예약된 "dreaming" 프로세스를 통해 원시 데이터를 자동으로 장기 다이제스트로 변환합니다.
• 하이브리드 검색: 키워드 매칭, 의미 기반 회상, 위키링크를 통한 관계 확장을 결합합니다.
• 에이전트 친화적 통합: CLI/Service 인터페이스를 제공하고 QwenPaw, Claude Code와 같은 에이전트와의 통합을 지원합니다.