Goldentrii/AgentRecall-X
Correction-first persistent memory for AI agents. MCP server + SDK + CLI. Compounds across sessions.
해결하는 문제
AgentRecall은 인간의 수정에서 배우는 데 특화된 지속 가능한 메모리 시스템을 제공합니다. 대부분의 메모리 도구가 정보 검색에 초점을 맞추는 반면, AgentRecall은 수정이 다양한 세션 간에 실제로 에이전트의 행동을 변화시키는지 추적하여 동일한 실수를 반복하는 것을 방지합니다.
작동 방식
이 시스템은 수정의 생애 주기(수집에서 행동 변화까지)를 추적하기 위해 통제된 수정장과 측정 허니스를 구현합니다. 메모리는 다섯 가지 별개의 계층으로 구성됩니다: 에피소드(세션 일기), 의미론적(주제별 클러스터링된 사실), 절차적(IF-THEN 규칙), 서사적(프로젝트 단계), 수정(행동 보정).
MCP 서버, SDK 또는 CLI를 통해 통합되며, 메모리가 로드되고 통합되도록 '세션 루프'(시작, 저장, 회상, 반성)를 사용합니다. 검색 성능을 향상시키기 위해, 클라우드 의존 없이 로컬에서 실행 가능한 100% 로컬 ONNX 임베딩 모델을 옵션으로 제공합니다.
대상 사용자
Claude Code, Cursor, Windsurf, VS Code를 사용하는 개발자 중에서 특정 선호사항, 프로젝트 고유 규칙, 수정 사항을 기억시켜 반복적인 오류를 피하고자 하는 사람.
주요 특징
- 행동 측정: 수정 후 에이전트가 실제로 실수를 멈추는지 측정하는 '주의율'과 '환상적 기울기 단계'를 추적.
- 5계층 메모리 아키텍처: 인지 심리학을 파일 시스템 기반 메모리 저장소(에피소드, 의미론적, 절차적, 서사적, 수정)에 매핑.
- 로컬 우선 개인정보 보호: 메모리는 로컬 Markdown 파일로 저장되며, 선택적 의미 임베딩은 ONNX를 통해 로컬에서 실행.
- 자율적 통합: 매일 밤 실행되는 선택적 '꿈꾸기 모드'로 패턴을 탐색하고, 낮은 신호 정보를 감쇠하며, 반복된 수정을 프로젝트 간 인식으로 승격.
- 전쟁실 대시보드: 에이전트가 학습한 메모리를 관리하고 검토할 수 있는 로컬 우선 시각적 인터페이스.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트