ruvnet/RuVector

해결하는 문제

RuVector는 AI 에이전트를 위한 지속적이고 적응형 메모리 기반을 제공하여 데이터베이스 서버나 외부 API 키 없이 세션 간 정보를 기억할 수 있게 합니다. 의미적 임베딩, 그래프 관계, 명시적 피드백 루프를 결합함으로써 에이전트의 '망각' 문제를 해결하고, 결과에 따라 진화하는 장기 기억 시스템을 구축합니다.

작동 방식

RuVector는 벡터 저장 및 검색을 관리하기 위해 Rust 네이티브 코어를 사용합니다. ONNX 및 all-MiniLM-L6-v2 모델을 통해 로컬 의미 임베딩을 지원하여 쿼리당 비용 없이 검색을 가능하게 합니다. 시스템은 작업 기억, 에피소드 기억, 의미 기억, 절차 기억, 인과 기억 등 다양한 기억 유형으로 메모리를 구성하고, 에이전트가 사건을 캡처하고 벡터로 지속적으로 저장하며, 유사성 또는 그래프 탐색을 통해 재검색한 후, 결정의 결과에 따라 순위나 학습 상태를 적응적으로 조정하는 '메모리 루프'를 구현합니다.

대상 사용자

Node.js 또는 Rust로 AI 에이전트 및 서비스를 개발하고, 임베디드형 로컬 우선의 지속적 메모리가 필요한 개발자, 또는 복잡한 지식 그래프나 에이전트 워크플로우용 고주파 이벤트 스트림을 구축하는 사람들을 대상으로 합니다.

주요 특징

• 로컬 우선 메모리: 데이터베이스 서버나 API 키 없이 작동하며, 로컬 ONNX 임베딩을 사용합니다.
• 다중 모달 메모리 유형: 에피소드, 의미, 절차, 인과 메모리 계층을 지원합니다.
• 고급 검색 기능: HNSW 및 플랫 인덱스, 하이브리드 스파스-밀도 검색, 시간 감쇠 기능을 통해 최근 메모리를 우선시합니다.
• 확장 가능한 아키텍처: 그래프 저장용 전용 크레이트, PostgreSQL 확장, 메모리 압축(제품 양자화, RaBitQ)을 제공합니다.
• 에이전트 통합: LLM 에이전트와의 간편한 통합을 위한 MCP(Model Context Protocol) 서버를 제공합니다.