akitaonrails/ai-memory

해결하는 문제

AI 코드 에이전트는 일반적으로 세션이 종료되면 컨텍스트를 잃게 되며, 새로운 세션을 시작하거나 다른 AI 에이전트(예: Claude Code에서 Codex로 전환)로 전환할 때 아키텍처, 실패한 시도, 미해결 질문을 다시 설명해야 합니다.

작동 방식

ai-memory는 정제된 라이프사이클 관측(프롬프트, 도구 사용, 세션 경계)에서 구성된 프로젝트 전용 지식의 공유 및 지속 가능한 위키를 생성합니다. Model Context Protocol (MCP) 서버를 사용하여 훅을 통해 이러한 이벤트를 캡처하고, 일반 Markdown 파일로 요약하여 Git 리포지토리에 저장합니다. 이를 통해 메모리는 grep 가능하고, 버전 관리가 가능하며, 읽기 전용 HTML UI를 통해 접근할 수 있습니다. 다양한 AI 에이전트와 CLI를 지원하며, 이전 에이전트가 어디서 멈췄는지 다음 에이전트에게 전달하는 '핸드오프'를 제공합니다.

대상 사용자

Claude Code, Codex, Cursor, Devin 등 여러 AI 코드 에이전트나 CLI를 사용하면서 역사적 컨텍스트를 잃지 않고 지속적인 에이전트 간 작업 흐름을 유지하고자 하는 개발자.

주요 특징

• 에이전트 간 연속성: 핸드오프와 관리된 워크스트림을 통해 서로 다른 AI 에이전트 간을 원활하게 전환하면서 컨텍스트를 유지.
• 무리 없이 캡처: 라이프사이클 훅을 사용하여 수동 메모 작성 없이 프롬프트 및 도구 이벤트를 자동으로 캡처하고 정제.
• Markdown 기반 위키: Git 리포지토리에 일반 Markdown 형식으로 메모리를 저장하여 벡터 데이터베이스의 필요성을 제거하고 백업 및 버전 관리가 용이.
• 광범위한 에이전트 지원: Claude Code, Codex, Command Code, Devin CLI, Cursor, Gemini CLI 등 다양한 도구와 호환.
• 고급 리콜: FTS5, 엔티티 매칭 RRF, 권위 인식 검색을 결합하여 일시적 세션 증거보다 유지된 규칙과 결정을 우선적으로 처리.
• 관리되는 워크스트림: 네이티브 세션 재개와 포터블한 이벤트 로그를 제공하는 옵션 런처(ai-memory run).
• 선택적 LLM 통합: 어휘 검색을 사용하는 Zero-LLM 모드로 작동 가능하며, 통합 및 자동 개선을 위한 선택적 LLM 제공자도 지원.