verygoodplugins/automem

해결하는 문제

AutoMem은 AI 어시스턴트의 장기 기억을 제공하여, 다양한 채팅 세션과 도구 간에 결정, 선호사항, 맥락을 기억할 수 있게 합니다. 사용자가 정보를 반복해서 입력할 필요가 없으며, 결정의 '왜'를 단순한 텍스트 조각이 아닌 전체 맥락으로 되찾을 수 있습니다.

작동 방식

AutoMem은 그래프 데이터베이스(FalkorDB)와 벡터 데이터베이스(Qdrant)를 결합한 하이브리드 저장 방식을 사용합니다.

• 그래프 레이어: 11개의 타입된 관계(PREFERS_OVER, LEADS_TO, EXEMPLIFIES 등)를 가진 노드로 기억을 저장하여, 연결을 따라가며 근거와 맥락을 탐색할 수 있습니다.
• 벡터 레이어: 모든 기억의 임베딩을 저장하여 의미적 유사성 검색을 가능하게 합니다.

리콜은 의미적 유사성, 그래프 탐색, 시간적 일치, 태그 겹침, 중요도를 기반으로 결과를 순위 매기는 하이브리드 쿼리로 처리됩니다. 또한 생물학적 기억 정착 주기(퇴화, 창의적, 클러스터, 잊기)를 구현하여 중요한 기억은 강화하고 불필요한 기억은 시간이 지남에 따라 희미하게 만듭니다.

대상 사용자

Claude, Cursor, ChatGPT, Copilot 등의 AI 어시스턴트 개발자 및 사용자 중, 로컬 또는 클라우드에서 호스팅 가능한 지속 가능한 도구 독립적 메모리 레이어를 원하는 분들.

주요 특징

• 하이브리드 메모리: 그래프 기반의 연상 기억과 벡터 검색을 결합하여 더 깊은 맥락 검색을 가능하게 합니다.
• LMM 없는 리콜: 그래프 및 벡터 인덱스를 직접 참조하여 검색 시 추가 LLM 비용과 지연을 피합니다.
• 다중 도구 호환성: 로컬 또는 원격 Model Context Protocol (MCP) 브리지로 다양한 어시스턴트와 연결 가능합니다.
• 신경과학 기반: 지식의 진화와 소멸을 관리하기 위해 기억 정착 주기를 구현합니다.
• 자체 호스팅 가능: Docker, Railway, 또는 순수 Python 서비스로 배포 가능합니다.