<div align="center">
<img src="https://kimetsu.dev/kimetsu-logo.png" alt="Kimetsu logo" width="200" />
Kimetsu
코딩 에이전트에게 매번 실행할 때마다 더 날카로워지는 기억력을 부여하세요.
Kimetsu(鬼滅)는 "도깨비 사냥꾼"을 의미합니다. 에이전트가 싸우는 모든 악마, 즉 기억상실증(amnesia)을 물리칩니다.
crates.io
license
rust
<img src="https://kimetsu.dev/demo.gif" alt="Kimetsu demo: one-command setup, selftest, record a lesson, retrieve it by meaning" width="720" />
</div>
Kimetsu란 무엇인가
코딩 에이전트는 똑똑하지만 건망증이 있습니다. 모든 세션은 0부터 시작합니다: 같은 잘못된 방향, 같은 재설명되는 컨벤션, 그리고 지난주에 이미 비용을 지불했던 동일한 탐색 과정입니다.
Kimetsu는 에이전트를 위한 사이드카 브레인(sidecar brain)입니다. 프로젝트당 하나의 Rust 바이너리와 하나의 SQLite 파일을 사용하며, Claude Code, Codex, Cursor, Grok Bot, Pi 또는 OpenClaw에 MCP(호스트 어댑터)를 통해 연결되거나 자체 터미널 채팅에서 구동됩니다. 이는 에이전트가 얻은 교훈을 포착하고, 실제로 도움이 되는 것을 학습하며, 다음 작업 전에 다시 전달합니다. 기본 메모리 파이프라인은 LLM 호출을 사용하지 않습니다: 저장 및 검색은 로컬이며, 무료이고 오프라인에서도 가능합니다.
명시적인 brain context --decisions 호출을 위해 실험적 의사 결정 제공자 패스가 사용 가능하며, 이는 TypeSafe Jev, OpenAI Decisions 또는 Perplexity Decisions를 사용할 수 있습니다. 이 기능은 선택된 증거를 지정된 서비스로 전송하고, 기존 API 키와 사용자 선택 임계값을 요구하며, 비용이 발생할 수 있습니다. 이를 구성한다고 해서 Pi, MCP, 훅(hooks), 또는 기본 검색 방식이 변경되는 것은 아닙니다.
| |
|---|
| 89.4% | LoCoMo, 긴 대화 메모리 벤치마크, 전체 1,540개 질문 세트 |
| ... | |
빠른 시작 (Quickstart)
npm install -g kimetsu-ai
kimetsu npm-flavor embeddings
cd /your/project
...
다른 설치 경로(cargo, 사전 빌드 아카이브) 및 호스트 연결 세부 정보는 **설치 가이드**에 있습니다.
무엇을 하는가
- 중요한 것을 기억합니다. 프로젝트 컨벤션(Project conventions), 실패 패턴(failure patterns), 스키마를 재생성하는 정확한 명령어 등을 기억합니다. 한 번 포착된 정보는 표현 방식이 달라져도 의미로 검색되어 회수됩니다.
- 먼저 말합니다. 대부분의 기억은 질문을 받아야 합니다. Kimetsu는 능동적입니다: 세션 시작 요약(session-start digest), 에피소드별 복기(episodic resume), 사전 작업 컨텍스트를 통해 에이전트가 첫 번째 차례에 이미 저장소(repo), 사용자의 컨벤션, 그리고 마지막으로 무엇을 했는지 알게 됩니다.
- 도움이 되는 것을 배웁니다. 모델이 문제를 해결하기 전에 인용하는 기억들은 승격됩니다. 오래된 조언이나 무의미한 정보는 쇠퇴하여 가지치기(pruned)됩니다.
- 주입만 하는 것이 아니라 답변합니다.
kimetsu ask는 로컬 모델을 사용하여 메모리로부터 근거가 명확하고 인용된 답변을 구성합니다: 프론티어 토큰(frontier tokens) 소모 없음, 오프라인 작동 가능. 충분히 자주 인용된 교훈들은 실행 가능한 기술로 발전합니다.
- 스스로 비용을 회수합니다. 기록된 Terminal-Bench 슬라이스에서 '두뇌가 없는' 기준선 대비 해결 작업당 약 13배 저렴하며, 투자 수익률(ROI) 장부는 사용자 본인의 작업에 대한 절감액을 보여줍니다.
- 당신의 것이 됩니다. 전체 두뇌는 프로젝트별 SQLite 파일 하나입니다. 외부 벡터 DB(vector DB), 클라우드 연결, 원격 측정(telemetry)이 없습니다.
cp 명령어로 백업할 수 있습니다.
작동 방식
<img src="https://kimetsu.dev/how-it-works.svg" alt="Kimetsu가 작동하는 방식: 호스트 에이전트가 브로커에게 컨텍스트를 요청하고, 브로커는 brain.db에서 관련성(relevance), 유용성(usefulness), 신선도(freshness), 범위를 기준으로 후보들을 점수화하여 상위 기억들을 에이전트 실행에 주입하고, 실행은 도움이 된 것을 인용하므로 인용된 기억들은 상승하고 오래된 것들은 쇠퇴합니다." width="960" />
- 작업 전, 브로커는 사용자의 프로젝트 두뇌와 교차 프로젝트 사용자 두뇌를 탐색하며 모든 후보들을 점수화하고, 적응형 토큰 예산(adaptive token budget) 내에서 상위 몇 개를 주입합니다.
- 작업 수행 중, Kimetsu는 첫 번째 시도 전에 알려진 함정(pitfalls)을 표면으로 드러내고, 모델은 실제로 도움이 된 기억들을 인용합니다.
- 작업 후, 인용된 기억들은 승격되고, 사용되지 않은 조언들은 반감기 곡선(half-life curve)에 따라 쇠퇴하며, 중요하지 않은 세션들은 그 교훈들을 자동으로 수확합니다.
전체 메커니즘: 스코어링(scoring), 인용(citations), 감쇠(decay), 충돌 감지(conflict detection), 검색 레벨(retrieval levels), 그리고 데몬(daemon)은 **How Kimetsu Works**에서 확인하세요.
브레인 공유하기
브레인은 휴대 가능한 파일입니다. 이를 팩(pack)으로 내보내거나, 팀원에게 건네주거나, 그들의 것을 자신의 것에 병합하거나, 혹은 전체 브레인을 교체할 수 있습니다. 새로운 기기나 신규 직원을 한 번의 임포트만으로 온보딩 할 수 있습니다.
kimetsu brain export onboarding.json.gz --name rust-conventions --version 1.0.0
...
모든 내보내기는 기기를 떠나기 전에 스크럽(scrubbed)됩니다. 자격 증명(credentials)과 PII는 자동으로 삭제되며, --strict은 무언가 발견되면 내보내기를 중단시킵니다. kimetsu brain export --scope repo --sign-key signer.json은 kimetsu_pack 2를 작성합니다. 이 서명은 스크럽된 정규 본문(kimetsu-canon-json/1)의 BLAKE3 다이제스트에 대한 Ed25519입니다. ~/.kimetsu/trust.json은 마운트(mount)에 병합할 수 있도록 허용된 공개 키 목록을 나열합니다. 등록되지 않은 키의 유효한 서명은 격리됩니다(quarantined). 서명된 목록 밖에 있는 범위는 거부되며 데이터베이스를 건드리지 않습니다. 서명되지 않은 v1 팩은 여전히 지정한 마운트에 임포트됩니다. 병합(Merge)은 항등원적(idempotent)이므로 재임포트는 안전합니다. 교체는 삭제하는 대신 덮어쓰기(supersedes)를 하므로, 스왑은 항상 되돌릴 수 있습니다. 로스터 멤버들은 그 서명된 팩을 버스(bus)를 통해 공유합니다. kimetsu brain sync는 오프라인 보완책입니다. 이는 허용 목록이 지정된 이벤트 로그 배치(event-log batches)의 디렉토리이며, 서명되지 않은 팩 임포트가 아니며, 버스를 호출하지 않습니다. **Kimetsu Remote**는 여전히 HTTP 체크포인트 서버이며 버스를 호출하지도 않습니다.
벤치마크 대 다른 메모리 시스템
Kimetsu의 메모리 파이프라인(ingest, store, retrieve, rerank)은 LLM 호출을 전혀 사용하지 않습니다: FTS5 + 로컬 임베딩(local embeddings) + 로컬 크로스 인코더(local cross-encoder). mem0 / Cognee / Zep / Letta는 쓰기 시점(write time)에 모델을 호출하여 메모리를 추출하고, 검색 루프(retrieval loop) 내에 LLM을 유지합니다 (mem0 자체 2026년 수치 보고서에 따르면 검색 호출당 약 7,000 토큰이 소요되며, 이는 질문마다 비용이 발생하는 방식입니다). Kimetsu는 LLM, 요금, 클라우드 없이도 동일한 정확도 범위를 달성합니다.
| benchmark | Kimetsu (local, model-free) | mem0 | Cognee |
|---|
| BEAM 1M (matched bucket) | 66.0% | 62% | 보고되지 않음 |
| ... | | | |
솔직하게, 편향되게 선택하지 않았습니다: 우리의 LongMemEval은 200개 질문 슬라이스(전체 500개가 아님)이며, 우리의 BEAM-1M은 Codex 리더를 사용한 35개 대화 중 15건입니다. 이는 mem0의 자체 하네스에 적용된 전체 세트와 비교됩니다. Cognee (LLM을 루프 내에서 사용하는 지식 그래프 시스템)는 100K/10M에서 선두를 달리고 있으며, 공급업체 수치는 자체 보고된 것입니다. 저희는 검증할 수 있도록 정확한 하네스(harness), 리더, 설정을 제공합니다. 성능별 표, 주의 사항 및 재현 단계: 메모리 벤치마크.
검색 자체도 벤치마크되었습니다: 기본 reranker를 사용했을 때 recall@4는 0.949, MRR은 0.914이며 소요 시간은 약 138ms입니다 (최고 품질의 reranker 사용 시 최대 0.975 / 0.933). 이는 실제 내보낸 메모리 210개 케이스 데이터셋을 기반으로 합니다. kimetsu brain bench를 사용하여 자체 코퍼스에서 재현하거나 재조정할 수 있습니다.
명령어 참조 (Command reference)
| Command | 기능 |
|---|
kimetsu setup --host <h> | 브레인(brain)을 호스트 에이전트(host agent)에 연결합니다 (초기화 + 설치 + 자체 테스트). |
| ... | |
전체 명령어 표면, 설정 키 및 유지 관리 명령어는 **Kimetsu 작동 방식**과 **설치 가이드**에서 확인할 수 있습니다.
Kimetsu Remote (베타)
팀 또는 여러 장비에 걸쳐 사용자를 위해 서버로부터 HTTP MCP를 통해 저장소별로 하나의 브레인을 공유합니다:
export KIMETSU_MCP_ENABLE_WRITE_TOOLS=1
kimetsu-remote serve --addr 127.0.0.1:8787 --data /srv/kimetsu-brains --token <secret>
...
Bearer 인증(auth), 리포지토리별 브레인(per-repo brains), 선택적 공유 조직 브레인(shared org-brain), 서버 측 리포지토리 수집(server-side repo ingest), TLS, Prometheus 메트릭, 그리고 서버 측 재순위 지정기(server-side reranker)를 지원합니다. 전체 설정은 **Kimetsu Remote 가이드**를 참조하세요.
쓰기 도구는 기본적으로 비활성화되어 있습니다. 읽기 전용 사용을 위해서는 위의 옵트인 설정을 생략하십시오.
일회성 컨테이너 또는 Lambda의 경우, --storage postgres|redis|dynamodb를 사용하여 외부 영구 체크포인트 저장소를 선택하십시오. 각 요청은 사적인 SQLite 검색 프로젝션(retrieval projection)을 재구성하고 응답하기 전에 변경 사항을 원자적으로(atomically) 게시합니다. 인스턴스는 이 저장소를 통해 상태와 속도 제한(rate limits)을 공유합니다. --storage sqlite는 영구 파일 시스템에 대한 체크포인트도 지원하며, 기존의 --data 모드는 계속 사용할 수 있습니다. 저장소 구성 및 제한 사항과 HTTP Compose / Lambda SAM 예제를 참조하세요.
문서 (Docs)
-
v2.8.0 답변 가능성 및 메트릭: 옵트인 범위 사실(opt-in scoped facts), 부분적/상충되는 증거(partial/conflicting evidence), 구성 및 제한 사항. 새로운 45개 쿼리 합성 테스트(synthetic fixture)에서 원치 않는 주입(unwanted injections)은 15/18 → 3/18로 감소했으며, 24/27의 적중률이 유지되었습니다. 이는 새로운 전체 벤치마크 점수가 아닙니다. 측정 보고서.
-
설치 및 호스트 배선: 모든 설치 경로, 호스트 배선(host wiring), auto-harvest 및 distiller 설정, 유지보수 명령어.
-
Kimetsu 작동 방식: 브레인(the brain), 브로커(the broker), 인용(citations), 감쇠(decay), 충돌 감지(conflict detection), MCP 표면(MCP surface), 검색 모델 및 벤치마킹(retrieval models and benchmarking), 구성(configuration), 브릿지(the bridge), 그리고 의사(doctor).
-
로컬 모델: Ollama를 사용하여 완전히 로컬에서 실행.
-
Kimetsu 원격: 서버 설정, 조직 브레인(org brain), TLS, 클라이언트.
-
변경 로그: 각 릴리스에 포함된 내용.
라이선스
MIT 또는 Apache-2.0으로 이중 라이선스를 적용하며, 사용자가 선택할 수 있습니다.
