Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Zeph는 장기 실행 작업을 위해 설계된 메모리 중심 AI 에이전트입니다. 대화 세션이나 프로젝트 전체의 맥락과 결정 이유까지 기억하며 작동합니다. Rust 바이너리로 제작되어 로컬 환경에서 안전하게 구동할 수 있으며, 필요시 클라우드 또는 분산형 네트워크를 활용합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기장기 실행 작업을 위한 메모리 중심 AI 에이전트 — 로컬, 클라우드 또는 분산형.
Crates.io
docs
CI
codecov
MSRV
Tests
License: MIT OR Apache-2.0
대부분의 AI 어시스턴트는 창을 닫는 순간 모든 것을 잊어버립니다. Zeph는 그 반대로 작동합니다: 기억합니다.
코드, 문서 또는 팀 채팅에 연결하면 며칠과 세션에 걸쳐 계속 작동하며, 단순히 무엇이 말해졌는지뿐만 아니라 결정이 내려진 이유까지 기억합니다. 무료 로컬 모델을 사용하여 노트북에서 실행되며, 작업이 정말 어려울 때만 클라우드(또는 분산형 네트워크)를 사용하고, 전체 과정 동안 API 키를 암호화하고 도구를 샌드박스 처리하여 안전하게 유지합니다.
단일 크기 약 12 MB의 Rust 바이너리입니다. Python도 없고, Node도 없고, 관리해야 할 데이터베이스 서버도 없습니다.
curl -fsSL https://github.com/bug-ops/zeph/releases/latest/download/install.sh | sh
zeph init # 대화형 마법사(interactive wizard)가 제공업체와 키를 설정합니다
zeph # 대화를 시작합니다
완전히 오프라인 상태를 유지하는 것을 선호하십니까? Ollama를 실행하고 작은 모델 두 개를 가져오면, 아무것도 장치 외부로 나가지 않습니다:
ollama pull qwen3:8b
ollama pull qwen3-embedding
zeph init && zeph
그게 전부입니다 — 설치하고, 구성하고, 채팅합니다. 대신 대시보드를 원하십니까? zeph --tui를 사용하세요.
| 코드 작성하기 | Zeph를 저장소(repo)에 겨냥하세요. 파일 읽기, 명령어 실행, 코드 검색을 수행하고 전체 프로젝트 컨텍스트를 바탕으로 답변합니다. 프로젝트별 지침이 필요하면 저장소에 zeph.md 파일을 넣거나 ACP를 통해 에디터에 연결하세요. |
| ... |
| 만약 원한다면… | Zeph가 제공하는 것… |
|---|---|
| 장기 프로젝트에서 살아남는 에이전트 | SQLite 대화 기록, 의미론적 검색 (semantic recall), 그래프 메모리 (graph memory), 세션 다이제스트, 그리고 목표 인식 압축. |
| ... |
아래 섹션들은 헤드라인 아이디어에서 구현 세부 사항까지 다룹니다. 요약만 훑어보고, 정확히 어떻게 작동하는지 알고 싶을 때 ▸ 상세 내용 블록을 확장하세요.
대부분의 에이전트는 검색 기능을 나중에 추가하는(bolt on) 방식으로 구현합니다. 하지만 Zeph에서는 메모리 자체가 핵심입니다. 모든 것을 하나의 벡터 인덱스에 쏟아붓는 대신, 여러 계층을 동시에 실행합니다:
| 계층 | 저장하는 것 |
|---|---|
| 작업 컨텍스트 (Working context) | 컨텍스트 압박(context pressure) 하에서도 현재 작업을 일관되게 유지합니다. |
| ... | |
| 따라서 ** |
valid_from/until은 사실에, created_at/expired_at는 수집에 적용). 모순되는 정보가 덮어쓰기(overwrite)하는 대신 우선권을 가지며, 사용자가 시간을 거슬러 올라갈 수 있는 완전한 감사 추적 기록을 남깁니다.memory concepts와 graph memory를 참조하세요.
</details>더 많은 스킬과 도구를 추가한다고 해서 모든 프롬프트가 부풀려지지는 않습니다. Zeph는 프롬프트 크기를 **O(N)이 아닌 O(K)**로 유지합니다: 50개의 스킬을 설치해도, 질의와 관련된 약 5개만 로드되어 ~50,000 토큰 대신 대략 2,500 토큰의 스킬 컨텍스트만을 사용합니다.
<details> <summary><b>▸ 프롬프트가 작게 유지되는 방식</b></summary>Why Zeph?와 토큰 효율성(token efficiency)를 확인하세요.
</details>모든 제공업체(provider)는 [[llm.providers]]에 한 번 선언하고, Zeph가 해당 작업을 처리할 수 있는 가장 저렴한 옵션으로 라우팅하도록 합니다. 하나가 실패하면 자동으로 폴백(fallback)됩니다.
[[llm.providers]]
name = "fast" # 추출, 임베딩, 라우팅을 위한 저렴한 로컬 모델
type = "ollama"
...
여덟 가지 제공업체 유형이 즉시 작동합니다: Ollama, Claude, OpenAI, Gemini, 모든 OpenAI 호환 엔드포인트(Groq, Together, Fireworks 등), 완벽하게 로컬인 GGUF 추론을 위한 Candle, 그리고 두 개의 분산형 네트워크입니다:
| Network | Type | 특별한 점 (What's special) |
|---|---|---|
| Gonka | gonka / compatible | 분산 GPU 노드 — 공유 속도 제한 없음, 단일 공급업체 종속성 없음, OpenAI와 호환되는 게이트웨이. |
| Cocoon | cocoon | 하드웨어 TEE 격리 — 노드 운영자가 사용자의 프롬프트나 가중치(weights)를 읽을 수 없음, 증명된 음성 인식 기능 포함. |
다섯 가지 전략이 구현되었으며, 그 위에 평판 및 안정성 레이어가 추가됩니다:
평판 인식 선택 방식은 유효하지 않은 도구 호출(tool calls)을 방출하는 제공업체에 페널티를 부과하며, 에이전트 안정성 지수(Agent Stability Index)는 응답 일관성을 추적하고, 품질 게이트가 선택된 출력을 검증합니다. 자세한 내용은 adaptive inference를 참조하세요.
</details>스킬은 작성, 버전 관리 및 공유가 쉬운 일반 SKILL.md 마크다운 파일입니다. 하나를 수정하면 재시작 없이 즉시 로드(hot-reloads)됩니다. 매칭은 의미 기반이므로, *
self-learning 및 skill trust를 참조하세요.
비밀 정보는 .env 파일에 절대 저장되지 않고, age-encrypted 금고에 보관됩니다. 모든 도구 호출은 신뢰 게이트, 명령어 필터, 샌드박싱(sandboxing), 감사 로그를 거칩니다. 신뢰할 수 없는 출처(웹 페이지, 도구 출력, MCP 서버)의 콘텐츠는 모델에 도달하기 전에 항상 정제됩니다.