clay-good/OpenLore

해결하는 문제

AI 코딩 에이전트는 기억상실증이 있고 통제되지 않습니다. 모든 작업은 같은 파일을 다시 읽는 것으로 시작하고, 긴 세션은 오래된 가정 위에서 표류하며, 변경이 계약을 위반하거나 경계를 넘으려 할 때 에이전트에게 경고하는 것이 없습니다. OpenLore는 두 가지를 모두 해결합니다: 에이전트에게 지속적이고 코드에 고정된 메모리를 제공하여 모든 작업을 이미 방향을 가지고 시작하게 하고, 변경 사항이 적용되기 전에 안전함을 인증하는 가드레일을 추가합니다. 모두 루프에 LLM 없이 이루어집니다.

작동 방식

일회성 정적 분석이 저장소의 라이브 지식 그래프(호출 구조, 유형, 테스트, 결정, 인프라스트럭처-애즈-코드)를 구축합니다. 그 후 에이전트는 각 세션 시작 시 orient()과 같은 MCP 도구를 통해 자동으로 방향을 잡고, certify_public_surface, change_impact_certificate, verify_claim과 같은 거버넌스 도구가 차이점에서 파괴적 변경, 민감한 경계, 근거 없는 주장을 확인합니다. 모든 것이 로컬에서 결정적으로 실행되며 API 키가 필요 없습니다. 파일 감시자가 편집 시 다시 인덱싱하고, 제때 다시 계산할 수 없는 사실은 조용히 잘못된 상태로 두지 않고 명시적으로 오래된 것으로 표시됩니다.

대상

머리(및 모델)에 담기에는 너무 큰 코드베이스, 모델이 기억하지 못하는 사적이거나 틈새 코드, 오래된 가정이 누적되는 긴 세션, 그리고 폴리글랏 저장소 또는 이를 배포하는 IaC에 강력하게 적합합니다. 중간 규모 저장소에서 시도하고 측정할 가치가 있으며, 얕은 질문에 답하는 작고 익숙한 저장소에는 적합하지 않을 수 있습니다. 에이전트의 내장 검색이 더 저렴하며, OpenLore는 그렇게 말하는 측정 결과를 게시합니다.

하이라이트

• 결정적이고 완전히 로컬: API 키 없음, 네트워크 호출 없음, 매번 같은 답변.
• 일회성 openlore install이 에이전트를 자동 감지하고 MCP 서버를 연결하고 저장소를 인덱싱합니다. 나중에 여는 새 저장소도 포함합니다.
• 메모리: orient()는 15k 노드 그래프에서 약 430µs p50으로 관련 함수, 호출자, 사양, 테스트, 삽입 지점을 반환합니다.
• 거버넌스: 명명된 소비자가 있는 파괴적 변경 판정, 민감한 경계 검사, 근거 있는 주장 검증, 커밋 게이트. 모두 기본적으로 권고 사항이며 API 키가 필요 없습니다.
• 벤치마크는 대규모 저장소의 깊은 작업에서 비용 7~21% 절감, 왕복 26% 감소를 보여줍니다. 손실도 이익과 함께 정직하게 게시됩니다.
• 21개 프로그래밍 언어와 12개 Infrastructure-as-Code 생태계를 하나의 공유 그래프에서 지원합니다.