사이닛: AI 에이전트를 위한 오픈소스 로컬-퍼스트 메모리 기반 플랫폼

Signet가 해결하는 문제

현재 대부분의 AI 에이전트 메모리 시스템은 RAG(검색 증강 생성) 방식으로 작동합니다: 사용자 메시지 → 메모리 검색 → 결과 검색 → 답변. 이는 명시적인 질의에는 효과적이지만 관련 컨텍스트가 암묵적인 경우에는 작동하지 않습니다.

출처의 예시:

• "새 서비스를 위한 데이터베이스를 설정하라"는 PostgreSQL이 이미 선택되었음을 나타내야 합니다
• "내 성적표가 거부되었어, 내 이름으로 기록이 없어"는 사용자가 이름을 변경했음을 나타내야 합니다
• "8시 30분 회의를 위해 알람을 언제 설정해야 하나요?"는 통근 시간을 나타내야 합니다

문제는 저장이 아니라, 이러한 시스템들이 적절한 과거 컨텍스트를 검색하기에 충분한 질의 신호를 현재 메시지가 포함할 때까지 기다린다는 점입니다.

Signet의 작동 방식

Signet는 다음과 같은 아키텍처로 에이전트 루프 외부에서 메모리를 처리합니다:

• 원시 대화 기록 보존
• 세션을 구조화된 메모리로 정제
• 엔티티, 제약 조건, 관계를 그래프로 연결
• 그래프 탐색 + 하이브리드 검색을 사용하여 후보 집합 구성
• 프롬프트 시점 관련성을 위해 후보 재순위화
• 다음 프롬프트 시작 전에 컨텍스트 주입

에이전트는 무엇을 저장할지나 언제 검색할지를 결정하지 않습니다 - 이미 사용 가능한 컨텍스트로 시작합니다. 이는 질의 의존적 검색에서 주변 기억으로의 전환을 의미합니다.

기술적 세부사항

Signet는 다음과 같습니다:

• 로컬 우선(SQLite + 마크다운)
• 검사 및 수리 가능
• Claude Code, Codex, OpenCode, OpenClaw에서 작동

LoCoMo에서 현재 8개 질문 샘플에 대해 100% Hit@10 검색과 87.5% 답변 정확도를 달성합니다. 개발자는 이 작은 샘플이 접근 방식이 유망함을 보여준다고 언급합니다.