로컬 메모리 시스템, AI 코딩 도구용 대화 로그에서 2,600개 이상의 사실 추출

한 개발자가 AI 코딩 도구를 위한 로컬 메모리 시스템을 구축했습니다. 이 시스템은 완전히 자신의 컴퓨터에서 실행되며, 새로운 세션에서 컨텍스트를 다시 설명해야 하는 문제를 해결합니다. 이 시스템은 Claude Code, Factory.ai, Codex CLI와 함께 작동하며, 모든 대화 로그를 단일 SQLite 데이터베이스에 기록합니다.

작동 방식

이 시스템은 여러 자동화된 프로세스를 사용합니다:

• 15분마다 실행되는 cron 작업이 대화 로그를 SQLite에 수집합니다
• 매시간, 벡터 임베딩을 생성하고 로컬 LLM(개발자는 DGX Spark에서 ollama를 통해 Nemotron 3 Super를 실행함)을 사용해 구조화된 사실을 추출합니다
• 모든 새로운 Claude Code 세션은 CLAUDE.md를 통해 자동으로 주입되는 memory-context.md 파일로 시작합니다
• 세션 중간에 Claude는 키워드 검색, 의미론적 검색, 사실 조회, 엔티티 그래프 탐색을 포함한 MCP 도구를 통해 전체 기록을 검색할 수 있습니다

사용 통계

몇 달간의 일반적인 사용 후:

• 400개 이상의 세션에서 13,000개 이상의 메시지가 인덱싱됨
• 2,600개 이상의 사실이 추출됨(선호도, 결정, 오류/해결 쌍, 도구 패턴)
• 330개 이상의 엔티티가 추적됨(라이브러리, 서비스, 언어별 언급 횟수 포함)
• 40MB 데이터베이스 크기

엔티티 그래프는 실제 사용 데이터를 기반으로 "pytest를 45회, playwright를 20회, jest를 3회 사용했습니다"와 같은 사용 패턴을 추적합니다.

기능 및 제한사항

이 시스템에는 검색, 사실 관리, 컨텍스트에 주입되는 내용 미리보기를 위한 브라우저 기반 UI와 CLI 도구 및 슬래시 명령이 포함되어 있습니다. 플러그 앤 플레이 방식이 아니며, 사용자는 cron 작업 설정, MCP 구성, 선택적으로 ollama 실행을 설정해야 합니다. 개발자는 이 프로젝트가 자신의 첫 오픈소스 프로젝트임을 밝히며, 아키텍처, 사실 추출 방식, MCP 도구 설계, Python/프로젝트 구조 개선에 대한 피드백을 환영합니다.