marciopuga/cog

해결하는 문제

Cog는 AI 에이전트의 기억이 고립되는 문제를 해결합니다. 각 도구나 프로젝트가 고립된 기억을 갖는 대신, Cog는 모든 AI 에이전트와 프로젝트 간에 공유되는 중앙 집중식의 플레인 텍스트 메모리 계층을 제공하여, 새로운 도구에 문맥을 다시 설명할 필요가 없도록 합니다.

작동 방식

Cog는 데이터베이스나 서버가 아닌, 구조화된 마크다운 파일과 규칙을 사용합니다. 계층적 메모리 아키텍처를 채택하고 있습니다:

• 계층: 메모리는 항상 로드되는 핫(hot), 필요 시 로드되는 웜(warm), 아카이브된 글레이셔(glacier) 계층으로 나뉩니다.
• L0 헤더: 에이전트는 점진적인 컨텍스트 로딩을 사용하여, 전체 파일을 읽기 전에 요약(L0 헤더)을 스캔합니다.
• 단일 진실의 소스: 사실은 한 곳에 저장되며 위키 링크를 사용해 교차 참조됩니다.
• 에이전트 통합: Claude Code, Cursor, Windsurf, GitHub Copilot 등의 다양한 AI 에이전트에 "스킬"(지시 파일)을 설치하여, 이들 에이전트가 공유 메모리 폴더를 읽고 검색하며 유지 관리할 수 있도록 합니다.

대상 사용자

다양한 프로젝트에서 여러 AI 에이전트를 사용하며, 에이전트가 유지할 수 있고 사용자가 Obsidian 같은 도구로 수동으로 편집할 수 있는 지속 가능한 공유 지식 기반을 원하는 사용자입니다.

주요 특징

• 에이전트 독립성: Claude Code, Codex, Cursor, Gemini CLI 등 다양한 지원되는 에이전트에서 작동합니다.
• 인간이 읽기 쉬움: 메모리는 플레인 텍스트 마크다운 파일로 저장되어 Obsidian과 같은 도구로 시각화하고 수동 편집이 가능합니다.
• 관찰 가능: 블랙박스 데이터베이스가 아니며, 단순한 파일 시스템 읽기와 grep을 통해 전체 메모리 시스템을 관찰할 수 있습니다.
• 자동 유지보수: 주간 정리, 반성, 전략적 사전 예측을 위한 스킬을 포함하여 메모리를 정리하고 통합합니다.
• 재귀적 로딩: 에이전트의 컨텍스트 창을 과부하시키지 않고 대규모 메모리 트리를 효율적으로 탐색하기 위해 작은 읽기의 계단식 구조를 사용합니다.