MemoMind: AI 에이전트에게 기억력을 부여하는 로컬 메모리 시스템
요약
MemoMind는 AI 코딩 에이전트에게 지속적이고 구조화된 기억력을 제공하는 로컬 메모리 시스템입니다. 이 시스템은 세션 전반에 걸쳐 사용자의 선호도, 결정 사항, 컨텍스트를 기억하게 하여, 매번 처음부터 시작해야 하는 문제를 해결합니다. GPU 가속 및 PostgreSQL/pgvector 기반으로 구축되어 개발 환경에 통합하기 용이합니다.
핵심 포인트
- AI 에이전트에게 지속적인 '기억'을 부여하는 시스템입니다.
- 로컬에서 작동하며 GPU(CUDA)를 활용하여 성능을 높였습니다.
- PostgreSQL과 pgvector를 사용하여 구조화된 메모리 저장을 지원합니다.
- 코딩 에이전트의 컨텍스트 유지 문제를 해결하는 데 초점을 맞췄습니다.
🧠 MemoMind
AI 에이전트에게 기억을 가진 두뇌를 제공하세요.
AI 코딩 에이전트를 위한 완전한 로컬, GPU 가속 메모리 시스템입니다. 오늘 디지털 트윈의 메모리를 구축하기 시작하세요 — 이식 가능하고, 진화하며, 더 나은 시스템이 생길 때 마이그레이션할 준비가 되어 있습니다.
AI 메모리의 두 가지 종류
AI 메모리에는 두 가지 대상이 있습니다 — 기계와 인간. 대부분의 도구는 그중 한 가지만 다룹니다:
| AI를 위한 것 (알고 있는 것) | 인간을 위한 것 (검토할 수 있는 것) | |
|---|---|---|
| 목표 | AI가 세션 전반에 걸쳐 선호도, 결정, 컨텍스트를 기억하도록 함 | 사용자가 대화 기록을 탐색하고, 검색하며, 관리함 |
| 해결하는 문제 | "왜 계속 내 코딩 스타일을 잊어버리나요?" | "지난 화요일에 무슨 이야기를 했었죠?" |
MemoMind는 AI 측면을 처리합니다 — 코딩 에이전트에게 지속적이고, 구조화되고, 지능적인 메모리를 제공합니다. 인간 측면의 경우, Recall (대화 기록 관리를 위한 보조 프로젝트)를 참조하세요.
완벽한 경험을 위해 두 가지 모두 함께 사용하세요.
문제점
당신은 AI와 수천 시간을 보냈지만, 그것은 아무것도 기억하지 못합니다.
- 매일 아침 당신의 코딩 AI는 낯선 존재입니다. 당신은 자신의 아키텍처, 기술 스택 결정 사항, 명명 규칙 등을 설명하는 데 20분을 소비했습니다. 세션이 끝납니다. 다음 날은요? "안녕하세요, 저는 Claude입니다. 무엇을 도와드릴까요?" 맨 처음부터 다시 시작합니다.
- 당신의 ChatGPT/Gemini 대화 기록은 무덤과 같습니다. 경력 조언, 연구 브레인스토밍, 디버깅 세션 등 수백 번의 심도 깊은 논의가 별도의 사일로에 갇혀 검색할 수도 없고 연결되지 않은 채, 당신조차 서서히 잊고 있습니다.
- AI에게는 당신의 일상생활이 투명합니다. 당신은 플래너에 5,000일 이상의 활동, 습관, 성과를 기록했습니다. 하지만 AI는 이 중 아무것도 모릅니다. "지난번에 이 주제로 작업한 건 3개월 전입니다" 또는 "당신은 화요일 아침에 가장 생산적입니다"라고 말할 수 없습니다.
문제는 지능이 아닙니다. GPT-5, Claude, Gemini 모두 매우 뛰어납니다. 문제는 **기억 상실증(amnesia)**입니다. 모든 세션은 백지 상태이며, 모든 AI는 고립된 사일로입니다. 당신의 수년간의 디지털 생활은 어떤 복리 가치도 만들어내지 못합니다.
만약 당신의 AI가 모든 것을 기억할 수 있다면 어떨까요? 단순히 이번 세션뿐 아니라, 당신이 지금까지 나눴던 모든 대화, 내렸던 모든 결정, 살아온 모든 날들을요?
왜 CLAUDE.md를 사용하지 않을까요?
Claude Code에는 이미 CLAUDE.md와 MEMORY.md가 있습니다. 하지만 이들에는 근본적인 한계가 존재합니다.
| Claude Code 내장 기능 | MemoMind | |
|---|---|---|
| 저장소 | 일반 마크다운 파일(Plain Markdown files) | PostgreSQL + pgvector + 지식 그래프(knowledge graph) |
| ... |
이들은 경쟁하는 것이 아니라, 서로를 보완합니다. CLAUDE.md는 정적인 프로젝트 규칙("공백 대신 탭 사용")에는 탁월하지만, MemoMind는 시간이 지남에 따라 축적되는 동적인 지식을 처리합니다("사용자가 지난주 Redis 캐싱을 시도했지만 메모리 제약 때문에 Memcached로 전환했습니다").
해결책
MemoMind는 당신의 AI에게 지속적이고(persistent), 로컬이며(local), 지능적인 두뇌를 제공합니다. 단순한 채팅 기록이 아니라, 모든 상호작용, 가져온 대화, 그리고 당신의 삶의 날들이 쌓일수록 성장하는 살아있는 지식 그래프입니다.
| Without MemoMind | With MemoMind | |
|---|---|---|
| 세션 시작 | 빈 상태, 컨텍스트 없음 | 사용자의 선호도, 과거 결정, 프로젝트 컨텍스트를 기억함 |
| ... |
You: "이 프로젝트에는 Express 대신 FastAPI를 사용하는 것이 좋겠어"
Claude Code 내부적으로:
...
사용자가 아무것도 하지 않아도 AI가 모든 것을 처리합니다.
📊 실제 사용 데이터 (Real Numbers from Production Use)
| 지표 (Metric) | 값 (Value) |
|---|---|
| 메모리 노드 (Memory nodes) | 50,100+ |
| ... |
🎬 대시보드 (Dashboard)
<div align="center"> <img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/dashboard-overview.png" width="800" alt="MemoMind Dashboard — memory stream with metrics, filters, and search"/> </div> <table> <tr> <td align="center"><b>지식 그래프 (Knowledge Graph)</b></td> <td align="center"><b>타임라인 뷰 (Timeline View)</b></td> </tr> <tr> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/graph-view.png" width="400" alt="Entity relationship graph with hover tooltips"/></td> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/timeline-view.png" width="400" alt="Memories organized by date"/></td> </tr> <tr> <td align="center"><b>유형 필터 (Type Filters)</b></td> <td align="center"><b>메모리 추가 (Add Memory)</b></td> </tr> <tr> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/filter-observation.png" width="400" alt="Filter by observation type"/></td> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/add-memory.png" width="400" alt="Manual memory creation modal"/></td> </tr> </table>💬 AI 대화 가져오기 및 추적 (Import & Trace Your AI Conversations)
ChatGPT와 Gemini의 대화 기록을 지식 그래프로 원클릭 임포트하고, 어떤 메모리든 원래 대화로 추적할 수 있습니다.
저희의 보조 도구를 사용하여 대화를 내보낸(Export) 다음 MemoMind에 가져오기(Import) 할 수 있습니다. 추출된 모든 메모리는 출처와 연결됩니다. 어떤 메모리 카드든 💬 아이콘을 클릭하여 전체 원본 대화 내용을 확인할 수 있습니다.
<table> <tr> <td align="center"><b>AI 메모리 타임라인 (2,000개 이상의 기억)</b></td> <td align="center"><b>원본 대화 추적 (Original Conversation Tracing)</b></td> </tr> <tr> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/ai-chat-timeline.png" width="400" alt="월별 AI 대화 기억의 타임라인 보기"/></td> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/original-chat-modal.png" width="400" alt="💬를 클릭하여 원본 ChatGPT/Gemini 대화 보기"/></td> </tr> </table>대화 내보내기(conversation export)용 보조 도구:
- chatgpt-exporter — 브라우저 콘솔을 통해 모든 ChatGPT 대화 (프로젝트/폴더 포함)를 원클릭으로 내보내기
- gemini-exporter — 내부 배치 실행 API(internal batchexecute API)를 사용하여 모든 Google Gemini 대화를 Chrome 확장 프로그램으로 내보내기
📅 DayLife와 함께 삶을 시각화하세요 (Visualize Your Life with DayLife)
**DayLife**에서 일일 활동을 가져오세요. 모든 이벤트는 검색 가능하고 AI가 분석할 수 있는 기억이 됩니다. 스마트한 일일 동기화(daily sync) 기능은 컴퓨터가 며칠 동안 꺼져 있었더라도 자동으로 따라잡습니다.
<table> <tr> <td align="center"><b>MemoMind의 삶 타임라인 (6,000개 이상의 이벤트)</b></td> <td align="center"><b>DayLife 앱 — 당신의 일일 플래너</b></td> </tr> <tr> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/daylife-timeline.png" width="400" alt="검색 가능한 타임라인으로 시각화된 수년간의 일일 활동"/></td> <td><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/demos/daylife-app.png" width="400" alt="일일 활동 및 카테고리가 포함된 DayLife 캘린더 보기"/></td> </tr> </table>import_daylife.py로 한 번 가져오기만 하면 일일 동기화(daily sync)가 영원히 업데이트되도록 유지합니다. DayLife의 CSV 가져오기 기능과 결합하여, 모든 계획, 모든 성취, 모든 습관 패턴 등 당신의 전체 인생 역사를 AI를 통해 검색할 수 있도록 한 번의 클릭으로 시각화할 수 있습니다.
비교 분석 (How It Compares)
| 기능 | MemoMind | Mem0 | Graphiti/Zep | Letta | Cognee | Hindsight |
|---|---|---|---|---|---|---|
| GitHub Stars | — | 51K | 24K / 4K | 22K | 15K | 7K |
| ... |
MemoMind vs MemOS: MemOS는 LLM 에이전트를 위한 범용 메모리 운영체제(general-purpose memory operating system)이며, 멀티모달 지원(텍스트 + 이미지 + 도구 추적)과 OpenClaw/MoltBot 플러그인 통합 기능을 갖추고 있습니다. MemoMind는 더 깊은 검색 기능(4방향 하이브리드 vs 2방향), 내장된 추론(reflect), 그리고 제로 인프라 GPU 가속 로컬 임베딩을 가진 MCP 기반 코딩 에이전트를 위해 목적에 맞게 구축되었습니다. 사용 중인 에이전트 생태계에 따라 선택하세요: MCP 에이전트 → MemoMind, OpenClaw/일반 에이전트 → MemOS.
주요 기능 (Key Features)
-
100% 로컬 — PostgreSQL + 임베딩 모델을 사용자의 장치에서 구동하며, 외부로 데이터가 유출되지 않습니다.
-
수동 노력 제로(Zero manual effort) — AI가 무엇을 기억하고 회상할지 자율적으로 결정합니다.
-
GPU 가속 — 빠른 로컬 임베딩 및 재순위 지정(reranking)을 위해 NVIDIA GPU를 사용합니다.
-
다국어 지원 (Multilingual) — bge-m3 임베딩 모델이 100개 이상의 언어(중국어, 영어, 일본어 등)를 지원합니다.
-
4방향 하이브리드 검색 (4-way hybrid retrieval) — 의미적 유사성 + BM25 키워드 + 지식 그래프 + 시간적 검색(키워드 20ms / 의미적 400ms)
-
임베딩 (Embedding) — bge-m3 (1024차원), 일반 소비자용 GPU에서 항목당 50ms
-
분할 LLM (Split LLM) — 사실 추출을 위한 빠르고 저렴한 모델, 통합(consolidation)을 위한 강력한 모델 (더 나은 관찰 병합)
-
Reflect 기능 — AI가 단순히 검색하는 것을 넘어 모든 기억에 걸쳐 추론할 수 있습니다.
-
정신 모델 (Mental models) — 고립된 사실뿐만 아니라 복잡한 주제에 대한 진화하는 이해를 구축합니다.
-
메타데이터 및 필터링 (Metadata & filtering) — 프로젝트별 또는 사용자별 격리를 위해 커스텀 메타데이터로 기억을 태그할 수 있습니다.
-
다중 공급자 LLM (Multi-provider LLM) — OpenAI, Anthropic, Gemini, Groq, Ollama, LM Studio 및 모든 OpenAI 호환 API와 연동
-
MinerU 문서 파싱 (document parsing) — GPU 가속 추출: 2단 컬럼 재배열, LaTeX 수식, HTML 테이블, 캡션이 포함된 이미지 추출 (pdfplumber 대체)
-
전체 디스크 스캔 (Full-disk scanning) — C: 드라이브를 제외한 모든 드라이브의 문서를 자동 발견하며, 수동 설정 불필요
-
웹 대시보드 (Web Dashboard) —
http://127.0.0.1:9999에서 모든 메모리를 시각적으로 탐색하고 검색할 수 있음 -
생활 이벤트 추적 (Life event tracking) — DayLife 활동 기록을 스마트 증분 동기화(smart incremental sync)를 통해 이벤트별 세밀함으로 자동 가져옴
-
AI 대화 가져오기 (AI conversation import) — ChatGPT 및 Gemini의 대화 기록을 지식 그래프로 가져옴
-
듀얼 검색 모드 (Dual search mode) — 대시보드에서 빠른 키워드 검색과 의미론적 회상(semantic recall) 간 전환 가능
-
무한 스크롤 (Infinite scroll) — 수천 개의 메모리를 부드럽게 탐색하기 위해 메모 카드와 타임라인을 지연 로딩(lazy-loads)
-
자동 시작 (Auto-start) — Windows 작업 스케줄러 또는 systemd 서비스로, 재부팅 후에도 작동
-
백업 및 내보내기 (Backup & export) — 대시보드에서 원클릭 JSON 내보내기 + 개인 GitHub 저장소로 자동 주간 백업
사용 사례 (Use Cases)
- 코딩 어시스턴트 (Coding assistant) — 세션 전반에 걸쳐 프로젝트 아키텍처, 코딩 스타일, 명명 규칙(naming conventions), 기술 스택 결정 사항을 기억함
- 프로젝트 관리 (Project management) — 의사결정, 마감일, 블로커를 추적하고, 모든 저장된 컨텍스트를 종합하여 프로젝트 위험에 대해 성찰함
- 코드 검토 (Code review) — 과거 검토 피드백 패턴을 회상하고; 코드베이스의 어떤 영역이 취약한지 알고 있음
- 디버깅 (Debugging) — 이전에 무엇을 시도했는지, 무엇이 작동했고, 무엇이 작동하지 않았는지 기억함 — 더 이상 실패한 접근 방식을 반복할 필요가 없음
- 팀 온보딩 (Team onboarding) — 신규 팀원의 AI가 프로젝트의 축적된 지식을 즉시 상속받음
아키텍처 (Architecture)
<div align="center"> <img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/diagrams/architecture.svg" width="800" alt="MemoMind 시스템 아키텍처"/> </div>세 가지 핵심 작업 (Three Core Operations)
<div align="center"><img src="https://raw.githubusercontent.com/24kchengYe/MemoMind/HEAD/docs/diagrams/operations.svg" width="800" alt="Retain, Recall, Reflect Operations"/></div>| Operation | 설명 | AI가 호출하는 시점 |
|---|---|---|
| retain | 대화에서 사실을 추출하여 벡터 DB에 저장합니다. | 사용자에게 새로운 것을 학습한 후 |
| ... |
메모리 유형 (Memory Types)
MemoMind는 인간의 기억이 실제로 작동하는 방식과 모델링하여 네 가지 생체모방(biomimetic) 메모리 경로로 지식을 구성합니다.
| 유형 (Type) | 포착하는 것 (What It Captures) | 예시 (Example) | 사용 방법 (How It's Used) |
|---|---|---|---|
| World | 사용자 및 환경에 대한 객관적 사실 | "사용자는 R보다 Python을 선호합니다" | 추천 및 기본 설정을 형성합니다 |
| ... |
단순한 키워드 매칭을 훨씬 뛰어넘는 검색 경로를 생성하며, 이 유형들은 평면적인 키-값 저장소와 달리 **지식 그래프(knowledge graph)**를 형성합니다. (개체들이 관계에 의해 연결되어 있습니다.)
메모리 진화 (Memory Evolution)
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Coding Assistants의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기