shift-labs-ai/napkin

해결하는 문제

Napkin은 AI 에이전트의 장기 기억으로 작동하도록 특별히 설계된 로컬 우선, 파일 기반 지식 시스템입니다. 전체 지식 기반을 LLM의 프롬프트에 모두 넣는 필요 없이, 정보를 점진적으로 가져올 수 있도록 함으로써 컨텍스트 창 제한 문제를 해결합니다.

작동 방식

이 시스템은 구조화된 마크다운 파일 밸트(옵시디안과 호환)와 네이티브 검색 엔진(ferrosearch)을 사용하여 "진행적 공개(progressive disclosure)"를 구현합니다. 정보는 에이전트에게 네 단계의 세부 수준으로 공개됩니다:

• 레벨 0: 고수준 프로젝트 컨텍스트 노트(NAPKIN.md).
• 레벨 1: 검색 검증된 키워드를 포함한 밸트 맵(napkin overview).
• 레벨 2: 스니펫이 포함된 랭크된 검색 결과(napkin search).
• 레벨 3: 전체 파일 내용(napkin read).

복잡한 임베딩이나 그래프를 피하고, 마크다운 파일에 대한 BM25 검색에 의존함으로써, 프로젝트는 장기 대화 기억 벤치마크에서 높은 정확도를 제공한다고 주장합니다.

대상 사용자

• AI 에이전트 개발자: 구조적이고 지속 가능한 메모리 시스템을 읽고 쓸 수 있어야 하는 에이전트를 개발하는 사람.
• 지식 작업자: 옵시디안을 통해 인간이 읽고 쓸 수 있고, 동시에 에이전트가 접근 가능한 로컬 우선 지식 기반을 원하는 사용자.

주요 특징

• 에이전트 중심 설계: 구조화된 기계 출력을 위한 --json 및 -q 플래그, 세션을 노트로 변환하는 '정제(skills)' 및 밸트 관리를 위한 '유지보수(skills)' 전용 기능 포함.
• 로컬 우선: 외부 데이터베이스나 임베딩이 필요 없이 파일 기반 저장.
• 코드화된 SDK: CLI를 사용하지 않고도 애플리케이션에 Napkin의 로직을 직접 통합할 수 있는 TypeScript 라이브러리 제공.
• 도메인 템플릿: 코딩, 회사, 제품, 연구, 개인용 등 다양한 용도에 맞는 사전 구축된 밸트 구조 제공.
• 옵시디안 호환성: .obsidian/ 설정과 함께 작동하여 지식 기반을 인간이 편집 가능하게 만듭니다.