zilliztech/memsearch
A persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex), backed by Markdown and Milvus.
해결하는 문제
AI 코딩 에이전트는 세션 사이 또는 서로 다른 플랫폼 간에 컨텍스트를 잃어버리는 경우가 많습니다. MemSearch는 에이전트가 대화, 결정 및 워크플로우에 대한 지속적이고 검색 가능한 메모리를 유지할 수 있는 방법을 제공하여, 한 세션 또는 에이전트의 컨텍스트를 다른 에이전트에서도 사용할 수 있도록 보장합니다.
작동 방식
MemSearch는 다층적인 메모리 접근 방식을 사용합니다:
- Storage: 인간이 읽을 수 있는 신뢰할 수 있는 소스로 Markdown 파일을 사용하며, 빠른 검색을 위해 Milvus를 재구축 가능한 섀도우 인덱스로 사용합니다.
- Retrieval: 하이브리드 검색(dense vector + BM25 sparse) 및 RRF reranking을 사용하는 3단계 점진적 회상 시스템(search, expand, transcript)을 채택합니다.
- Maintenance: 프로젝트 및 사용자 노트를 최신 상태로 유지하기 위한 백그라운드 작업을 특징으로 하며, 반복적인 워크플로우를 재사용 가능한 설치 가능한 "skills"로 증류할 수 있습니다.
- Integration: 기존 에이전트(Claude Code 및 OpenClaw 등)를 위한 플러그인 또는 커스텀 에이전트를 구축하는 개발자를 위한 CLI 및 Python API를 통해 작동합니다.
대상 사용자
- 에이전트 사용자: 수동 구성 없이 에이전트가 과거의 토론, 결정 및 선호도를 기억하기를 원하는 AI 코딩 도구 사용자.
- 에이전트 개발자: 애플리케이션에 지속적인 시맨틱 메모리 및 RAG 기능을 통합해야 하는 AI 에이전트 구축 소프트웨어 엔지니어.
주요 특징
- 크로스 플랫폼 동기화: Claude Code, OpenClaw, OpenCode 및 Codex CLI 간의 메모리 공유.
- 하이브리드 검색: dense vector 및 BM25 sparse 검색을 RRF reranking과 결합.
- 절차적 메모리: 반복되는 워크플로우를 재사용 가능한 에이전트 기술로 증류.
- Local-first: 프라이버시와 제로 비용을 위해 ONNX를 통한 로컬 임베딩 지원.