taylorsatula/mira-OSS

해결하는 문제

Mira는 LLM의 일시적인 성질을 극복하기 위해 설계되었으며, 지속적인 기억과 안정된 정체성을 가진 '지속적인 디지털 엔티티'를 생성합니다. 표준 AI 채팅에서는 컨텍스트 창이 가득 차면 대화가 고립되거나 잊혀지는 '컨텍스트 로트'와 장기 기억의 부재라는 문제를 해결합니다.

작동 방식

Mira는 연속성을 유지하기 위해 다층적 메모리 및 컨텍스트 관리 시스템을 사용합니다:

• 대화의 연속성: 별도의 채팅이 아니라 하나의 영원한 스레드가 있습니다. 활성 대화는 지속적으로 유지되며, 오래된 세그먼트는 첫 번째 인칭 요약('나는 X를 했다')으로 압축되어 전체 컨텍스트 창을 소비하지 않고도 서사적 기록을 유지합니다.
• 자기 관리 메모리: 의미적 유사성과 엔티티 허브를 기반으로 메모리가 합성되고 로드되며, 자주 액세스되거나 연결되지 않으면 사용 공식에 따라 시간이 지남에 따라 감소합니다.
• Domaindocs: 변하지 않는 안정적인 정보를 위해 암호화된 문서를 사용하며, 버전 기록과 자율적 확장/축소를 통해 토큰 사용량을 관리합니다.
• Subcortical & Peanut Gallery: 'Subcortical' 계층은 응답 전 정보 검색과 대명사 해결을 처리하고, 'Peanut Gallery'는 메타인지적 관찰자 역할을 하여 MIRA의 행동을 주기적으로 수정하거나 주도적인 행동을 유도합니다.
• 텍스트 기반 LoRA: 대화 세그먼트를 분석하는 피드백 루프를 통해 시스템 프롬프트 내에 개인화된 사용자 모델을 진화시켜, 가중치 재학습 없이 행동 적응을 시뮬레이션합니다.
• 동적 도구링: 도구는 파일 시스템에서 등록되며, invokeother_tool 메커니즘을 통해 필요할 때만 컨텍스트 창에 로드됩니다.

대상 사용자

장기간에 걸쳐 선호사항, 과거 작업, 행동적 요구를 기억하는 매우 개인화된 AI 동반자 또는 디지털 엔티티를 원하는 사용자.

주요 특징

• 제1인칭 기억: 요약은 제1인칭으로 작성되어 인지적 거리를 방지하고 정체성의 느낌을 유지합니다.
• 행동 적응: 7일 주기로 상호작용 패턴에 따라 자체 시스템 프롬프트를 자동으로 진화시킵니다.
• 자율적 컨텍스트 관리: 자체 컨텍스트 창을 관리할 수 있으며, 큰 문서를 '서랍을 닫는' 기능도 갖추고 있습니다.
• 공급자 중립성: 다이아LECT 시스템을 통해 여러 LLM 공급자와 호환됩니다.