grapeot/context-infrastructure

A context and memory system for AI coding agents. Persistent memory, personal rules, skills, and scheduled observations

무엇인가요

Context Infrastructure는 AI 어시스턴트를 위한 1년간의 "컨텍스트" 시스템의 참조 구현체입니다. 데이터를 어떻게 구성할지, 모델이 과거 상호작용을 기억할 수 있도록 할지, 그리고 행동을 개인화할 수 있도록 하는 방법을 보여줍니다. 이 리포지토리는 즉시 실행 가능한 제품이 아닙니다. 클론하여 검토하고, 자신의 AI 기반 워크플로우의 블루프린트로 활용하기 위한 것입니다.

핵심 아이디어

계층	포함 내용	사용 방법
프레젠테이션 계층 (읽기 전용)	`rules/axioms/` (43개의 요약된 의사결정 원칙) 및 `rules/skills/` (39개의 스킬 마크다운) – 저자의 누적된 지식 예시.	구조와 표현을 참고하여 자신의 규칙을 창출하세요. 저자의 개인적인 내용이므로 직접 복사하지 마세요.
재사용 가능한 계층 (편집 가능)	템플릿: `rules/SOUL.md` (AI 정체성), `rules/USER.md` (귀하의 선호), `rules/COMMUNICATION.md` (스타일 가이드). `periodic_jobs/ai_heartbeat/` 내 소규모 스크립트로 3단계 메모리 시스템을 구현.	템플릿에 자신의 데이터를 채우고, 스크립트를 설정한 후 실행(일반적으로 cron을 통해)하여 어시스턴트에 개인화된 컨텍스트를 제공하세요.
재사용 불가능한 계층	원칙의 구체적 내용과 각 스킬 뒤의 경험.	자신의 관찰과 반성 내용을 기록하고 정리하는 방식의 모델로 활용하세요.

빠른 시작 (약 5분)

git clone https://github.com/grapeot/context-infrastructure
cd context-infrastructure
# Claude Code / OpenCode / Cursor (원하는 IDE)에서 폴더 열기

rules/USER.md를 열고 기본 정보를 입력하세요. 이 단계가 AI를 즉시 개인화합니다.
setup_guide.md의 상세 단계에 따라 설정을 완료하세요 (환경 변수, cron 작업 등).
추가 기능을 원한다면 docs/SKILL_ECOSYSTEM.md를 참조하세요. 여기에는 선택적 공개 스킬 리포지토리(웹 검색, Google Docs, 지도, 이메일 등) 목록이 있습니다.

리포지토리 구조 (개요)

루트 파일 – 라우팅 테이블 (AGENTS.md), 설정 가이드, .env.example.
docs/ – cron 작업 가이드 및 선택적 스킬 리포지토리 카탈로그.
rules/ – 템플릿 (SOUL.md, USER.md, COMMUNICATION.md), 워크스페이스 인덱스, 43개의 의사결정 원칙, 39개의 스킬 마크다운.
contexts/ – 시스템이 메모리를 저장하는 위치:
- memory/OBSERVATIONS.md – 3단계 L1/L2 메모리 저장소.
- daily_records/, survey_sessions/, thought_review/ – 원시 로그, 보고서, 반성 노트를 위한 폴더.
periodic_jobs/ai_heartbeat/ – 매일 (observer.py) 및 매주 (reflector.py) 실행되는 코드로 메모리 저장소를 업데이트하며, 설계 문서도 포함됩니다.
tools/ – 보고서 공유 도우미 (Tier 2).
adhoc_jobs/ – 추가할 수 있는 일회성 작업을 위한 장소.

작동 방식 (개념적으로)

데이터 수집 – 귀하(또는 다른 스크립트)가 contexts/memory/OBSERVATIONS.md 및 기타 일일 로그에 관찰 기록을 작성합니다.
정기 작업 – cron으로 트리거되는 observer.py가 매일 새로운 로그를 인제스트하고, 주간 reflector.py가 이를 고수준 요약으로 처리합니다.
규칙 파일 – AI는 각 세션 시작 시 rules/SOUL.md (자신의 성격)와 rules/USER.md (귀하의 선호)를 읽어 응답을 형성합니다.
스킬 플러그인 – 선택적 공개 스킬 리포지토리를 추가하여 기능을 확장할 수 있습니다 (검색, 캘린더, 결제 등). 핵심 리포지토리는 가볍게 유지되며, 필요에 따라 기능을 추가합니다.

의도된 사용 사례

과거 상호작용, 결정, 개인적 선호를 기억하는 AI 어시스턴트를 원하는 개인.
"메모리 증강형" AI 시스템의 구조(데이터 흐름, 정기 처리, 규칙 기반 개인화)를 구체적인 예시로 찾는 개발자.
LLM 기반 에이전트를 위한 장기적 컨텍스트 관리 설계에 관심 있는 누구나.

라이선스

MIT – 라이선스 조건을 준수하면서 코드를 자유롭게 복제, 수정, 재배포할 수 있습니다.