Goldentrii/AgentRecall-X

해결하는 문제

AgentRecall은 인간의 수정에서 배우는 데 특화된 AI 에이전트의 장기 기억 시스템을 제공합니다. 대부분의 메모리 도구는 단순히 정보를 검색하는 데 집중하지만, AgentRecall은 수정이 에이전트의 행동을 실제로 세션 간에 변화시키는지 추적하여 동일한 실수를 반복하지 않도록 합니다.

작동 방식

이 시스템은 '학습 루프'를 구현하며, 제어된 수정 로그와 측정 허브로 구성됩니다. 기억을 다섯 가지 다른 계층으로 나눕니다: 에피소드(세션 일기), 의미(주제별 클러스터링된 사실), 절차(IF-THEN 규칙), 내러티브(프로젝트 단계), 수정(행동 보정 규칙).

MCP 서버, SDK, 또는 CLI를 통해 에이전트와 통합되며, 세션 기반 워크플로우를 사용합니다: /arstart로 컨텍스트를 로드하고, /arrecall로 지식을 검색하며, /arsave로 학습을 저장하고 축적하고, /arreflect로 기억을 통합합니다. 검색은 키워드 매칭과 Reciprocal Rank Fusion (RRF)의 조합으로 처리되며, 선택적으로 벡터 검색도 지원합니다.

대상 사용자

Claude Code, Cursor, Windsurf, 또는 VS Code를 사용하는 개발자 중, 프로젝트와 세션을 넘어서 사용자 선호사항과 기술적 수정을 지속적으로 기억시키고 싶은 분들.

주요 특징

• 행동 측정: 수정이 실제로 실수를 멈추는지 측정하는 '주의율'과 '환상적 기울기 단계'를 추적.
• 다층 기억: 인지심리학을 참고한 분류법을 사용하여 일기, 방, 기술, 인식을 조직화.
• 로컬 우선: 기본적으로 모든 기억을 로컬 markdown 파일로 저장하여 프라이버시를 보장하고 클라우드 의존도를 0으로 만듭니다.
• 자동 통합: 밤새 자율적인 패턴 탐색과 기억의 쇠퇴 관리를 수행하는 선택적 '꿈꾸는' 모드 포함.
• 전술실 대시보드: 에이전트의 학습 상태와 프로젝트 진행 상황을 모니터링할 수 있는 로컬 우선 시각적 인터페이스.