m_flow: M-flow

M-flow

Summary

M-flow는 지식 그래프 내의 증거 경로를 점수화하여 정보를 검색하는 AI 에이전트를 위한 메모리 시스템으로, 단순한 유사도 검색에 의존하기보다 인지적 메모리 시스템처럼 작동합니다.

How It Works

M-flow는 지식을 4단계 원뿔형 그래프로 구성합니다: Episode (광범위한 문맥), Facet (에피소드 내 주제), FacetPoint (원자적 사실), 그리고 Entity (이름이 지정된 개체). 검색 과정에서 벡터 검색은 쿼리의 세밀함에 맞는 진입점을 찾고, 그 다음 그래프는 의미론적으로 가중치가 부여된 엣지를 따라 증거를 전파하여 쿼리와 연결되는 가장 강력한 추론 체인을 통해 각 지식 단위를 점수화합니다. 각 홉(hop)은 비용을 추가하므로, 일관성 있고 비용이 낮은 경로만이 경쟁력을 갖게 됩니다. 또한 이 시스템은 데이터 수집 단계에서 대명사를 구체적인 엔티티로 해결하며, 다인원 격리를 위해 인식된 얼굴에 따라 메모리를 선택적으로 분할할 수 있습니다.

Key Features

  • 계층적 회상을 위한 에피소드 및 절차적 메모리
  • 5가지 검색 모드: Episodic (주요), Procedural, Triplet Completion, Lexical, Cypher
  • 50개 이상의 파일 형식 지원 (PDF, DOCX, HTML, Markdown, images, audio, 등)
  • 멀티 데이터베이스 지원: LanceDB, Neo4j, PostgreSQL/pgvector, ChromaDB, KùzuDB, Pinecone
  • LLM-agnostic: OpenAI, Anthropic, Mistral, Groq, Ollama, LLaMA-Index, LangChain과 함께 작동
  • 사실적 세부 사항(날짜, 숫자, 이름)을 보존하는 정밀한 요약
  • 메모리를 Model Context Protocol 도구로 노출하는 MCP server
  • 상호작용을 위한 CLI 및 web UI

Limitations

README에 명시된 제한 사항은 없습니다.

Best For

LoCoMo-10 및 LongMemEval과 같은 벤치마크에서 입증된 바와 같이, 정확하고 추론 기반의 검색이 가능한 지속적이고 긴 문맥의 메모리가 필요한 AI 에이전트에게 적합합니다.

Sources