VictorTaelin/OptMem
Permanent memory for AI agents. A 426-token prompt, a script, plug and play.
해결하는 문제
OptMem은 다양한 세션, 모델 업데이트, 벤더 변경을 넘어서 지속되는 영구적 메모리 시스템을 AI 에이전트에 제공합니다. 시간이 지나도 결정, 통찰, 사용자 선호 사항을 잊지 않도록 합니다.
작동 방식
경량 Python 스크립트와 특정 프롬프트를 사용하여 에이전트와 통합됩니다. 메모리는 추가 전용 로그에 고정 너비 레코드로 저장됩니다. 규모를 관리하기 위해 메모리를 요약의 이진 트리로 구성하여, 에이전트가 "줌" 명령을 통해 고수준 요약에서 특정 원시 메모리까지 탐색할 수 있도록 합니다. 에이전트는 CLI 도구(memo)를 통해 메모리 로드(시작), 새로운 노트 기록, 정규표현식을 통한 검색, "나프" 프로세스를 통한 요약 최적화를 수행합니다.
대상 사용자
다수의 세션에 걸쳐 특정 사실이나 통찰을 기억하고, 고유 데이터베이스에 의존하지 않고 장기 기억이 필요한 AI 에이전트를 개발하는 개발자들입니다.
주요 특징
- 의존성 없음: 외부 라이브러리 없이 단일 Python 3 파일로 작성되었습니다.
- 고성능: 고정 너비 레코드로 인해 수백만 개의 메모에서도 거의 즉시 검색이 가능합니다.
- 트리 기반 탐색: 요약의 이진 트리를 사용하여 에이전트가 과거를 효율적으로 탐색할 수 있도록 합니다.
- 이동 가능한 저장소: 메모 파일은 임의의 디렉터리에 저장 가능하여 Git을 통한 동기화나 버전 관리가 간편합니다.
관련
- 프로젝트
mnemon-dev/mnemonMnemon은 LLM 에이전트에 지속적이고 그래프 기반의 메모리를 추가하는 크로스 플랫폼 CLI입니다. 호스트 LLM이 무엇을 기억하고, 연결하고, 잊을지 감독하며, Mnemon은 결정론적 저장, 감쇠, 중복 제거 및 선택적 벡터 검색을 처리합니다. 원클릭 설정으로 많은 AI 코딩 도구(Claude Code, Codex, Cursor 등)와 통합되며, 단일 로컬 바이너리만 필요하고 추가 API 키가 필요하지 않습니다.
- 프로젝트
zjunlp/LightMemLightMem은 LLM 및 AI 에이전트를 위한 경량 메모리 관리 프레임워크로, 효율적인 저장, 검색 및 업데이트 메커니즘을 제공합니다. 긴 컨텍스트 벤치마크에서 높은 정확도를 유지하면서 토큰 사용량과 지연 시간을 줄입니다.
- 프로젝트
MemTensor/MemOSMemOS 2.0는 LLM 기반 AI 에이전트를 위한 메모리 운영 체제입니다. 텍스트, 이미지, 도구 추적 등의 다중 모달 메모리를 그래프 형태로 조직하여 저장, 검색, 편집, 삭제할 수 있는 통합 API를 제공합니다. 호스팅된 클라우드 서비스(키 기반 접근) 또는 Docker( Neo4j + Qdrant)를 통한 자체 호스팅, 또는 로컬 SQLite 플러그인으로 실행 가능합니다. OpenClaw, Hermes, DeepSeek Harness와의 미리 준비된 플러그인이 제공됩니다. 벤치마크 결과는 기존 상용 메모리 제품보다 우수함을 보여줍니다. Apache 2.0 라이선스.
- 프로젝트
JuliusBrussee/cavememAI 에이전트가 세션 간에 정보를 기억할 수 있도록 하는 코드 어시스턴트용 크로스에이전트 지속 메모리 시스템. 압축된 로컬 저장소와 MCP를 활용합니다.
- 프로젝트
MemoriLabs/Memori대화와 에이전트 실행 추적을 캡처하여 세션 간 기억 상실을 제거하고 토큰 비용을 줄이는, AI 에이전트용 지속적이고 구조화된 메모리 계층입니다.