zilliztech/memsearch

memsearch – AI 코딩 에이전트를 위한 크로스플랫폼 의미적 메모리

무엇인가요 – AI 코딩 어시스턴트와의 대화 각 단계를 기록하고, 텍스트 기반 Markdown 파일로 저장하며, Milvus에 검색 가능한 "섀도 인덱스"를 구축하는 Python 라이브러리(CLI 포함). 동일한 메모리는 Claude Code, Codex, DeepSeek Harness, OpenClaw, OpenCode 등의 인기 있는 코딩 에이전트 플랫폼에서 가벼운 플러그인을 통해 접근 가능하여, 한 도구에서 나눈 대화가 다른 도구에서도 즉시 검색 가능해집니다.

핵심 아이디어

• Markdown 우선 저장 – 메모리는 일반적인 .md 파일(인간이 읽을 수 있고, 버전 관리 가능). Milvus는 재구성 가능한 캐시에 불과합니다.
• 하이브리드 검색 – 3단계 파이프라인: (1) RRF 리랭킹을 사용한 BM25 + 디펜스 벡터 검색, (2) 최상의 청크를 전체 Markdown 섹션으로 확장, (3) 선택적으로 원본 트랜스크립트 JSON 가져오기. 빠르고 관련성 높은 검색을 제공하면서 중복 결과를 피합니다.
• 플러그인 대응 에이전트 – 각 지원 플랫폼은 타임을 자동으로 캡처하고, 로컬 또는 원격 LLM으로 요약한 후 다음 모델 단계 전에 관련 메모리를 주입하는 작은 플러그인을 제공합니다.
• 백그라운드 유지보수 – 선택적 작업을 통해 고수준 PROJECT.md(프로젝트 상태)와 USER.md(개인 설정)를 최신 상태로 유지하고, 반복되는 워크플로우를 재사용 가능한 스킬로 증류할 수 있습니다. 이 스킬은 오픈 표준 Agent Skills 형식을 따릅니다.
• 설정 가능한 임베딩 – 기본은 무료 ONNX bge-m3 모델( CPU, API 키 없음). OpenAI, Ollama 또는 다른 제공자로 쉽게 교체 가능.

일반 사용자 워크플로우

1. 선택한 에이전트용 플러그인 설치 (예: Claude Code → /plugin marketplace add zilliztech/memsearch).
2. 평소처럼 대화; 플러그인은 자동으로 .memsearch/memory/에 일일 Markdown 일기 파일을 추가합니다.
3. 어떤 정보를 기억하고 싶을 때, /memory-recall … 명령어를 실행하거나 자연스럽게 질문 (예: "Redis에 대해 TTL은 어떻게 설정했나요?"). 에이전트가 memsearch 스킬을 트리거하고, 점진적 검색을 실행하여 관련 개요를 반환합니다.

개발자용

• CLI (memsearch index, memsearch search, memsearch watch, …) 또는 Python API를 사용하여 사용자 정의 문서를 임베딩하고, 하이브리드 쿼리를 실행하거나, 맞춤형 RAG 파이프라인에 메모리를 통합합니다.
• 핵심 스택은: Chunker → Embedder → Milvus (기본은 파일 기반 Lite DB, 또는 관리형 Zilliz Cloud 클러스터). 모든 구성 요소는 memsearch config 명령어로 교체 가능.

설치 및 빠른 시작

# 라이브러리 설치 (Python 3.10+)
pip install memsearch
# 임베딩 제공자 선택 (기본으로 ONNX 모델 자동 다운로드)
memsearch config set embedding.provider onnx
# Milvus 백엔드 선택 – Milvus Lite는 즉시 사용 가능
memsearch config get milvus.uri   # → ~/.memsearch/milvus.db
# 플러그인 설치 예: Claude Code용
/plugin marketplace add zilliztech/memsearch
/plugin install memsearch

몇 번의 대화 후 .memsearch/memory/ 아래에 일일 .md 파일이 생성되고, /memory-recall …로 질의 가능합니다.

지원 플랫폼 (플러그인)

• Claude Code – 마켓플레이스 설치, 제로 컨피그 캡처.
• Codex – 리포지토리 복제 후 plugins/codex/scripts/install.sh 실행.
• DeepSeek Harness (DSH) – uv tool install "memsearch[onnx]" 및 dsh plugin ….
• OpenClaw – ClawHub에서 설치 (openclaw plugins install --force clawhub:memsearch).
• OpenCode – opencode.json에 @zilliz/memsearch-opencode 추가.

고급 기능

• PROJECT.md / USER.md 유지보수 – 일일 일기에서 고수준 노트를 합성하는 백그라운드 작업.
• 스킬 증류 – 반복되는 워크플로우를 설치 가능한 스킬로 변환 (.memsearch/skill-candidates/ 하위에 저장). 스킬은 오픈 표준 Agent Skills 형식을 따르며, 에이전트 간 이식 가능.
• 사용자 정의 요약기 – 플러그인별 기본 요약 모델을 재정의 (예: memsearch config set plugins.codex.summarize.model gpt-5.1-codex-mini).

왜 중요한가요 여러 AI 코딩 어시스턴트를 오가는 개발자들은 도구 전환 시 컨텍스트를 잃기 쉽습니다. memsearch는 단일하고 지속 가능한, 검색 가능한 메모리를 제공하며, 텍스트 기반 Markdown으로 저장되며, 로컬에서는 무료로 저장 가능하고, 확장성을 위해 관리형 벡터 스토어로 백업할 수 있습니다. 또한 메모리 증강 에이전트나 RAG 파이프라인을 구축하는 누구에게나 재사용 가능한 라이브러리도 제공합니다.

프로젝트 건강 상태

• PyPI에 공개 (memsearch ≥ 0.x). CI 배지로 모든 푸시마다 테스트 실행 여부 확인 가능.
• MIT 스타일 라이선스 하에 오픈소스.
• 활발한 커뮤니티: Discord 채팅, GitHub 스타, 정기적인 릴리스 (최근 DeepSeek Harness 지원 및 스킬 증류 기능은 "What’s New" 섹션 참조).

---

TL;DR – memsearch는 실제 오픈소스 Python 패키지로, AI 코딩 에이전트의 대화 기록을 캡처하고, 인덱싱하며, 의미적으로 검색 가능한 형태로 제공합니다. 작은 플러그인을 통해 여러 주요 코딩 어시스턴트 플랫폼에서 작동하며, 모든 데이터를 편집 가능한 Markdown으로 저장하고, 커스텀 통합을 위한 CLI/Python API를 제공합니다.