JuliusBrussee/cavemem

해결하는 문제

다른 세션 간이나 다양한 IDE 간 전환 시 AI 에이전트가 정보를 잊는 것을 방지하는 코드 어시스턴트용 크로스에이전트 지속 메모리 제공.

작동 방식

Cavemem은 세션 경계에서 발생하는 훅을 사용하여 에이전트 활동에서 관측 데이터를 캡처합니다. 이 관측 데이터는 결정론적인 "원시인 문법"으로 압축되어 (자연어 토큰을 약 75% 감소시키면서 코드와 경로는 정확히 유지) 로컬 SQLite 데이터베이스에 저장됩니다. 에이전트는 하이브리드 검색( SQLite FTS5 키워드 검색과 로컬 벡터 인덱스 결합)을 사용한 Model Context Protocol (MCP) 서버를 통해 이 기록을 검색할 수 있습니다.

대상 사용자

Claude Code, OpenCode, Codex, GitHub Copilot, Augment Code, Cursor, Gemini CLI, Antigravity, IBM Bob 등의 AI 코드 어시스턴트를 사용하며, 에이전트용 통합적이고 로컬, 프라이버시 우선의 메모리 저장소를 원하는 개발자.

주요 특징

• 다중 IDE 지원: 여러 IDE에서 데이터를 캡처하고, 다른 에이전트가 공유 메모리를 질의할 수 있음.
• 로컬 우선: 기본적으로 네트워크나 클라우드 요구 사항 없음; 데이터는 로컬 SQLite DB에 저장됨.
• 압축 저장: 전용 문법을 사용해 공간을 절약하면서 확장 시 인간이 읽기 쉬운 형식 유지.
• 진행형 검색: MCP 도구를 통해 에이전트는 검색, 타임라인 보기, 특정 관측 데이터 가져오기 등을 통해 컨텍스트를 효율적으로 관리할 수 있음.
• 프라이버시 제어: 기밀 정보의 자동 마스킹 및 민감한 디렉터리를 제외하기 위한 경로 그로브 지원 포함.
• 웹 뷰어: 로컬에서 작동하며 토큰 보호된 UI를 통해 인간이 캡처된 세션을 탐색할 수 있음.