mnemon-dev/mnemon

LLM-supervised persistent memory for AI agents — graph-based recall, cross-session knowledge, single binary. Works with Claude Code, OpenClaw, and any CLI agent.

What it solves

Mnemon은 AI 에이전트에게 지속적이고 세션 간 메모리 기능을 제공하여, 세션 사이에서 중요한 결정이나 지식을 잊어버리는 것을 방지합니다. 이는 대화가 길어짐에 따라 초기 정보가 손실되는 컨텍스트 윈도우 제한 및 컨텍스트 압축 문제를 해결합니다.

How it works

메모리 파이프라인 내에 LLM을 임베딩하는 도구와 달리, Mnemon은 "LLm-supervised" 방식을 사용합니다. 독립적인 바이너리가 결정론적인 저장, 그래프 인덱싱 및 검색을 처리하고, 호스트 LLM이 감독관 역할을 하여 무엇을 기억할지, 정보를 어떻게 연결할지, 언제 잊을지를 판단합니다.

이 시스템은 4중 그래프 아키텍처(temporal, entity, causal, and semantic edges)와 세 가지 프리미티브를 가진 의도 기반 프로토콜 remember, link, and recall을 활용합니다. 에이전트 런타임에 skill files, guidelines, 그리고 lifecycle hooks (Prime, Remind, Nudge, and Compact)로 구성된 harness를 통해 통합되어 에이전트가 메모리 저장소와 상호작용하도록 유도합니다.

Who it’s for

Claude Code, Cursor, Codex, TRAE, Kimi Code 등을 사용하는 AI 에이전트 프레임워크의 개발자 및 사용자가, 에이전트가 서로 다른 프로젝트와 세션에서 일관관하고 공유된 메모리 풀을 유지하기를 원할 때 적합합니다.

Highlights

LLM-Supervised Architecture: 호스트 LLM이 결정을 내리고, 바이너리가 계산을 처리하여 별도의 API key나 임베딩된 LLM을 필요로 하지 않습니다.
Four-Graph Knowledge Store: 벡터 유사도에만 의재하지 않고 temporal, entity, causal, and semantic edges를 사용합니다.
Broad Framework Support: 다양한 agentic IDEs 및 CLIs를 위한 원-명령어 설정이.
Intent-Native Protocol: 명령어가 데이터베이스 구문법이 아닌 LLM의 인지적 어휘 (remember, recall)에 매핑됩니다.
Automatic Maintenance: 내장된 중복 제거, 중요도 감쇠, 가비지 컬렉션이 포함됩니다.
Optional Embeddings: 하이브리드 벡터+키워드 검색을 위한 로컬 Ollama integration을 지원합니다.