memv: AI 에이전트를 위한 오픈 소스 메모리 시스템

memv는 지식 추출에 독특한 접근법을 가진 AI 에이전트용 오픈소스 메모리 시스템입니다. 모든 사실을 추출하고 검색에 크게 의존하여 조직화하는 전통적인 메모리 시스템과 달리, memv는 예측 오류만 저장하는 데 중점을 둡니다. 이 시스템은 예측-보정 추출 방식을 사용하는데, 새로운 상호작용에서 지식을 추출하기 전에 기존 지식을 바탕으로 해당 에피소드가 무엇을 포함해야 하는지 예측합니다. 중요도가 초기 대규모 언어 모델(LLM) 점수가 아닌 놀라움에서 비롯되기 때문에 예상치 못한 사실만 저장됩니다.

주요 세부 사항

• 이중 시간 모델: 각 사실은 이벤트 시간과 트랜잭션 시간 모두로 추적되어 "1월에 이 사용자에 대해 무엇을 알고 있었나요?"와 같은 질의가 가능합니다.
• 하이브리드 검색: Reciprocal Rank Fusion을 통해 벡터 유사성(sqlite-vec)과 BM25 텍스트 검색(FTS5)을 결합하여 활용합니다.
• 모순 처리: 새로운 사실은 자동으로 이전의 상충되는 사실들과 모순을 일으키고 무효화하지만, 전체 기록은 보존됩니다.
• SQLite 기본: 외부 종속성 없음 - Postgres, Redis 또는 Pinecone이 필요하지 않습니다.
• 프레임워크 독립적: LangGraph, CrewAI, AutoGen, LlamaIndex 또는 일반 Python과 함께 작동합니다.
• MIT 라이선스: Python 3.13+와 호환되며 비동기 작업을 활용합니다.

memv를 사용한 샘플 설정:

from memv import Memory
from memv.embeddings import OpenAIEmbedAdapter
from memv.llm import PydanticAIAdapter

memory = Memory(
    db_path="memory.db",
    embedding_client=OpenAIEmbedAdapter(),
    llm_client=PydanticAIAdapter("openai:gpt-4o-mini"),
)
async with memory:
    await memory.add_exchange(
        user_id="user-123",
        user_message="저는 Anthropic에서 연구원으로 막 시작했습니다.",
        assistant_message="축하합니다! 어떤 분야에 집중하시나요?",
    )
    await memory.process("user-123")
    result = await memory.retrieve("사용자는 무엇을 하나요?", user_id="user-123")

이 프로젝트는 현재 초기 단계(v0.1.0)에 있으며, 특히 추출 접근법과 잠재적으로 유용한 통합에 관한 피드백을 권장합니다.