Memvid 는 AI 에이전트를 위한 단일 파일 메모리 레이어로, 즉시 검색 및 장기 메모리를 제공합니다.
데이터베이스 없이 지속적, 버전 관리된, 이동 가능한 메모리.
Website · Try Sandbox · Docs · Discussions
🚀 다른 어떤 메모리 시스템보다 높은 정확도: LoCoMo 에서 +35% SOTA, 최상급 장기 지평 대화 회상 및 추론
🧠 우수한 다중 홉 및 시간적 추론: 산업 평균 대비 +76% 다중 홉, +56% 시간적
⚡ 대규모에서 초저지연성 0.025ms P50 와 0.075ms P99, 표준보다 1,372 배 높은 처리량
🔬 완전히 재현 가능한 벤치마크: LoCoMo (10 × ~26K 토큰 대화), 오픈소스 평가, LLM-as-Judge
Memvid 는 데이터를 패키지하여 단일 파일로 AI 메모리 시스템을 제공합니다. 임베딩, 검색 구조 및 메타데이터를 포함합니다.
복잡한 RAG 파이프라인이나 서버 기반 벡터 데이터베이스 대신 Memvid 는 파일에서 직접 빠른 검색을 가능하게 합니다.
결과물은 모델 무관하고 인프라 없이 AI 에이전트가 어디든 가져갈 수 있는 지속적 장기 메모리 레이어입니다.
Memvid 는 영상 인코딩에서 영감을 받았습니다. 영상을 저장하기 위한 것이 아니라, 스마트 프레임의 추가 전용, 초효율 시퀀스로 AI 메모리를 조직합니다.
Smart Frame 은 콘텐츠와 함께 타임스탬프, 체크섬 및 기본 메타데이터를 저장하는 불변 단위입니다. 프레임을 효율적인 압축, 인덱싱 및 병렬 읽기에 허용하는 방식으로 그룹화합니다.
이 프레임 기반 설계는 다음을 가능하게 합니다:
- 기존 데이터 수정 또는 손상 없이 추가 전용 쓰기
- 과거 메모리 상태에 대한 쿼리
- 지식 진화에 대한 타임라인 스타일 검사
- 제출된 불변 프레임을 통한 충돌 안전성
- 영상 인코딩에서 적응된 기법을 사용한 효율적인 압축
결과물은 AI 시스템의 rewindable 메모리 타임라인과 같은 단일 파일입니다.
- Living Memory Engine 세션 간 메모리를 계속 추가, 분기 및 진화합니다.
- **Capsule Context (**Self-contained, shareable memory capsules with rules and expiry.
mv2)
- Time-Travel Debugging 메모리 상태를 rewind, replay 또는 branch 합니다.
- Smart Recall 예측 캐싱을 통한 sub-5ms 로컬 메모리 접근.
- Codec Intelligence 시간이 지나면서 압축을 자동 선택 및 업그레이드합니다.
Memvid 는 지속적 메모리와 빠른 회상을 제공하는 서버리스 메모리 레이어입니다. 모델 무관하고, 멀티모달이며 완전히 오프라인으로 작동하므로 개발자는 Memvid 를 다양한 실제 응용 프로그램에 걸쳐 사용합니다.
- Long-Running AI Agents
- Enterprise Knowledge Bases
- Offline-First AI Systems
- Codebase Understanding
- Customer Support Agents
- Workflow Automation
- Sales and Marketing Copilots
- Personal Knowledge Assistants
- Medical, Legal, and Financial Agents
- Auditable and Debuggable AI Workflows
- Custom Applications
귀하의 선호 언어로 Memvid 를 사용하세요:
| Package | Install | Links |
|---|
| CLI | | |
npm install -g memvid-cli | | |
| | |
| Node.js SDK | | |
npm install @memvid/sdk | | |
| | |
| Python SDK | | |
pip install memvid-sdk | | |
| | |
| Rust | | |
cargo add memvid-core | | |
Rust 1.85.0+— rustup.rs 에서 설치
[dependencies]
memvid-core = "2.0"
| Feature | Description |
|---|
lex | |
| BM25 랭킹 (Tantivy) 을 사용한 풀 텍스트 검색 | |
pdf_extract | |
| 순수 Rust PDF 텍스트 추출 | |
vec | |
| 벡터 유사성 검색 (HNSW + 로컬 텍스트 임베딩을 통한 ONNX) | |
clip | |
| 이미지 검색을 위한 CLIP 시각적 임베딩 | |
whisper | |
| Whisper 를 사용한 오디오 전사 | |
api_embed | |
| 클라우드 API 임베딩 (OpenAI) | |
temporal_track | |
| 자연어 날짜 파싱 ("지난 화요일") | |
parallel_segments | |
| 멀티스레드 인게스트 | |
encryption | |
| 비밀번호 기반 암호화 캡슐 (.mv2e) | |
symspell_cleanup | |
| 강력한 PDF 텍스트 복구 ("emp lo yee" -> "employee" 수정) | |
필요한 기능을 활성화하세요:
[dependencies]
memvid-core = { version = "2.0", features = ["lex", "vec", "temporal_track"] }
use memvid_core::{Memvid, PutOptions, SearchRequest};
fn main() -> memvid_core::Result<()> {
// Create a new memory file
...