시그넷: AI 코딩 에이전트를 위한 오픈소스 메모리 레이어, LoCoMo에서 80% F1 점수 달성

Signet는 Claude Code, OpenCode, OpenClaw, Codex와 같은 AI 코딩 에이전트를 위해 설계된 오픈소스 메모리 시스템입니다. 이 시스템은 메모리 추출을 에이전트의 대화 흐름에서 분리함으로써 메모리 관리를 해결합니다.

성능과 접근 방식

이 시스템은 최근 장기 대화 메모리를 평가하는 LoCoMo 벤치마크에서 80% F1 점수를 달성했습니다. 비교를 위해, 표준 RAG는 이 벤치마크에서 약 41%를 기록하고, 전체 컨텍스트를 사용한 GPT-4는 32%를 기록하며, 인간의 최고 점수는 87.9%입니다.

에이전트에게 "기억" 도구를 제공하는 접근 방식과 달리, Signet는 아키텍처를 뒤집습니다:

• 메모리는 각 세션 후 별도의 LLM 파이프라인에 의해 추출됩니다—대화 중에 도구 호출이 필요하지 않습니다
• 관련 컨텍스트는 각 프롬프트 전에 주입됩니다—에이전트는 필요한 것을 검색하지 않고, 그냥 가지고 있습니다

이 접근 방식은 정보가 명시적인 질의를 요구하기보다 자동으로 떠오르는 인간의 기억과 유사합니다.

기술적 구현

모든 것은 클라우드 의존성 없이 SQLite를 사용하여 로컬 머신에서 오프라인으로 실행됩니다. 동일한 에이전트 메모리가 다양한 코딩 도구에서 지속됩니다. 설정은 하나의 설치 명령어만 필요하며 몇 분 안에 실행됩니다. 이 프로젝트는 Apache 2.0 라이선스를 따릅니다.

향후 개발

팀은 사용자별 예측 메모리 모델을 개발 중이며, 이 모델은 사용자의 패턴을 학습하고 질문하기 전에 필요한 컨텍스트를 예측합니다. 이 모델은 가중치가 사용자의 머신에 유지된 상태로 로컬에서 훈련될 것입니다.