agentscope-ai/ReMe
ReMe: Memory Management Kit for Agents - Remember Me, Refine Me.
해결하는 문제
ReMe는 AI 에이전트를 위한 로컬 퍼스트 방식의 장기 기억 레이어를 제공하여, 대화와 외부 리소스를 구조화되고 검색 가능하며 편집 가능한 지식 베이스로 변환할 수 있게 합니다. 인간과 에이전트가 모두 직접 읽고 쓸 수 있는 지속적인 메모리 시스템을 구축함으로써, 세션 간에 에이전트가 정보를 잊어버리는 문제를 해결합니다.
작동 방식
ReMe는 "메모리를 파일로" 취급하며, 프론트매터(frontmatter)와 위키링크(wikilink)가 포함된 Markdown 파일을 사용하여 정보를 저장합니다. 다음과 같은 캡처-인덱스-통합-회상 루프를 따릅니다:
- Capture: 원시 대화(
session/)와 외부 리소스(resource/)가 일일 메모리 카드(daily/)로 처리됩니다. - Index: 백그라운드 프로세스가 검색을 위한 BM25, 위키링크 그래프 및 선택적 임베딩 인덱스를 유지합니다.
- Consolidate: "auto-dream" 프로세스가 일일 카드에서 안정적인 지식을 추출하여 개인적 사실, 절차 및 일반 위키 지식으로 분류된 장기 기억 노드(
digest/)로 증류합니다. - Recall: 에이전트는 하이브리드 검색(BM25, 임베딩 및 위키링크 탐색)을 사용하여 정보를 검색합니다.
대상 사용자
- AI 에이전트 개발자: 개인 비서(예: QwenPaw, Hermes) 또는 코딩 에이전트(예: Claude Code)를 구축하며 지속적이고 사람이 읽을 수 있는 메모리 레이어가 필요한 개발자.
- LLM 애플리케이션 빌더: AI 상호작용과 노트를 연결된 Markdown 지식 베이스로 변환하고자 하는 사용자.
- 자기 진화형 에이전트: 성공적인 경로와 성찰을 저장함으로써 경험을 통해 학습하는 에이전트를 만드는 개발자.
주요 특징
- 사람이 읽을 수 있는 메모리: 메모리가 일반 Markdown 파일로 저장되므로 사용자가 직접 편집할 수 있습니다.
- 자기 진화형 지식 베이스:
auto_memory,auto_resource및auto_dream작업을 통해 원시 데이터를 장기 기억으로 자동 변환합니다. - 하이브리드 검색: 키워드 매칭(BM25), 의미론적 검색(embeddings) 및 관계 확장(wikilinks)을 결합합니다.
- 에이전트 친화적 통합: Python SDK, HTTP API, MCP 서버 및 CLI 스킬을 포함한 다양한 통합 경로를 지원합니다.