agentscope-ai/ReMe

해결하는 문제

ReMe는 AI 에이전트를 위한 로컬 우선, 자기 진화형 개인 지식 기반을 제공합니다. 에이전트가 지속 가능하고 장기적인 기억을 갖지 못하는 문제를 해결하며, 인간이 읽을 수 있고 에이전트가 접근 가능한 기억을 가능하게 하여 여러 에이전트가 단일 워크스페이스를 공유하여 시간이 지남에 따라 지식을 검색, 유지, 진화할 수 있도록 합니다.

작동 방식

ReMe는 "기억을 파일로 취급"하는 방식으로, 프론트마터와 위키링크를 포함한 일반적인 Markdown 파일로 지속 가능한 기억을 저장합니다. 캡처-인덱스-통합-재활용 루프를 따릅니다:

• 캡처: auto_memory는 대화 내용을 요약하고, auto_resource는 외부 파일을 일일 카드로 변환합니다.
• 인덱스: auto_index는 검색 가능한 청크, BM25 인덱스, 위키링크 그래프(옵션으로 벡터 임베딩 포함)를 생성합니다.
• 통합: auto_dream은 최근 파일에서 재사용 가능한 단위를 추출하여 장기적인 "다이제스트" 노드(개인적 사실, 절차, 위키 지식)를 정제, 생성, 또는 수정합니다.
• 재활용: 에이전트는 BM25, 옵션 임베딩, 위키링크 확장을 사용하여 관련된 라인 수준의 문장과 그 관계를 검색합니다.

대상 사용자

DeepSeek Harness, OpenClaw, QwenPaw, 또는 Claude Code와 같은 도구를 사용하여 AI 에이전트를 개발하는 개발자들로, 사용자가 수동으로 검토하고 편집할 수 있는 지속적이고 로컬 우선의 기억 시스템이 필요한 경우입니다.

주요 특징

• 인간이 읽을 수 있는 기억: 기억은 Markdown 파일로 저장되어 사용자가 익숙한 도구로 동기화, 백업, 편집이 용이합니다.
• 자기 진화형: 대화와 자원을 점진적으로 일일 노트와 장기 지식 노드로 변환합니다.
• 에이전트 간 공유 워크스페이스: CLI, HTTP API, MCP, 또는 Python API를 통해 다양한 에이전트 런타임 간에 단일 로컬 워크스페이스를 공유할 수 있습니다.
• 하이브리드 검색: BM25와 옵션 벡터 임베딩을 상호 순위 융합(RRF)으로 결합하여 정확하고 문맥 인식 기반의 재활용을 가능하게 합니다.
• 통합 스튜디오: 워크스페이스를 탐색, 편집, 검색할 수 있는 웹 기반 UI(ReMe Studio)를 포함합니다.