RichmondAlake/memorizz

해결하는 문제

Memorizz는 세션과 대화 간에 정보를 기억할 수 있는 AI 에이전트를 구축하기 위한 프레임워크입니다. LLM의 '기억 상실' 문제를 구조화된 다층 메모리 시스템과 지속적 학습을 위한 제어 플레인으로 해결하여, 에이전트가 시간이 지남에 따라 지식을 유지하고 개선할 수 있도록 합니다.

작동 방식

에피소드 메모리, 의미 메모리, 절차 메모리, 단기 메모리, 공유 메모리 등 다양한 메모리 유형을 구현하고, MongoDB, Oracle, 로컬 파일 시스템과 같은 플러그인식 스토리지 제공자를 지원합니다. 프레임워크는 의미적 검색(임베딩 및 벡터 검색)과 엔티티 메모리를 사용하여 프로필 스타일의 사실을 처리합니다. 또한 '메타하네스'라는 제어 플레인을 통해 공유 메모리와 정책 제어 플레인 뒤에서 다른 코드 에이전트(Claude Code, OpenHands 등)를 실행할 수 있습니다.

대상 사용자

기억 확장형 AI 에이전트를 개발하는 개발자, LLM에서 지속적 학습을 탐구하는 연구자, 로컬 웹 UI와 CLI를 갖춘 지속적이고 개인화된 AI 어시스턴트를 원하는 사용자.

주요 기능

• 다층 메모리: 에피소드, 의미, 절차, 단기 메모리 시스템을 지원합니다.
• 지속적 학습: 성공적인 도구 워크플로우를 자동으로 재사용 가능한 기술로 승격합니다.
• 메타하네스: 공유 메모리와 호스트 검증 결과를 갖춘 외부 에이전트(Codex, OpenHands 등)를 실행할 수 있는 제어 플레인입니다.
• MCP 연결성: Notion, Google 캘린더와 같은 도구에 연결하기 위한 Model Context Protocol (MCP)에 대한 첫 번째급 지원입니다.
• 로컬 LLM 지원: Hugging Face, MLX(Apple Silicon), Ollama, OpenAI 호환 서버와의 네이티브 통합을 지원합니다.
• 프로덕션 거버넌스: 지속적인 호스트 승인, 사전 검증된 코드 실행, 컨텍스트 윈도우 텔레메트리 기능을 포함합니다.