컴백부터 K-뷰티까지 — K-컬쳐의 모든 것을 메일로 받아보세요메일로 받아보기

METAL MEDIA

memoket/memoket-kite

16PythonApache-2.0

AI 에이전트 기억을 벡터 검색 대신 사실 기록과 질문 계획으로 관리하는 오픈소스 라이브러리

memoket-kite는 대화 내용을 임베딩 벡터로 바꿔 유사도로 찾는 대신, 대화를 날짜와 주제가 붙은 구조화된 사실로 저장하고 질문을 읽을 수 있는 계획으로 변환해 답을 찾는다. 답을 낼 때는 근거가 된 원문 문장과 시점을 함께 보여주고, 답을 찾지 못하면 없다고 말한다. gpt-4.1-mini를 공통으로 사용한 평가에서 LoCoMo 93.51%, LongMemEval-S 85.60%로 두 벤치마크 모두 1위를 기록했다.

무엇을 하는 레포인가

  1. 대화 속 문장을 시간, 유형, 대상 등이 태그된 사실로 변환해 원본 발언을 근거로 함께 저장한다
  2. 질문이 들어오면 임베딩 검색 대신 사람이 읽을 수 있는 조회 계획(JSON)으로 변환해 실행하고, 어떤 조건으로 어떤 사실을 골랐는지 그대로 보여준다
  3. 임베딩, 벡터 데이터베이스, 재순위화 같은 장치 없이 하나의 주제별 색인 파일만으로 동작한다
  4. 같은 정보라도 시점이 다른 두 발언이 있을 때 '지금' 기준으로 최신 사실을 골라낼 수 있다
  5. LoCoMo, LongMemEval-S 두 벤치마크에서 gpt-4.1-mini를 리더 겸 채점자로 공통 사용한 동일 평가 방식 하에 각각 93.51%, 85.60%로 1위를 기록했고, 질문당 평균 약 1.6천 토큰만 읽고 답했다

왜 중요한가

긴 대화를 기억해야 하는 AI 에이전트가 '비슷해 보이는 말'이 아니라 실제로 질문에 답하는 사실을 찾고, 왜 그 답을 냈는지 근거까지 보여줄 수 있게 해준다. 벡터 검색 인프라 없이도 가벼운 파일 하나로 동작하고 재현 가능한 방식이라, 신뢰성과 운영 비용 면에서 실무 적용을 고려할 만하다.

이 레포의 용어

  • 임베딩 · 문장을 숫자 벡터로 바꿔 의미상 유사도를 계산하게 만드는 표현 방식
  • 벡터 데이터베이스 · 임베딩 벡터를 저장하고 유사한 벡터를 빠르게 찾아주는 저장소
  • 플랜(계획) · 질문을 어떤 조건으로 어떤 데이터를 조회할지 나타낸, 사람이 읽을 수 있는 실행 절차
  • LoCoMo, LongMemEval-S · 긴 대화 속 기억력을 평가하는 공개 벤치마크 데이터셋
  • reader context · 답변을 생성할 때 모델이 실제로 참고하는 근거 텍스트의 평균 분량

레포 원문 소개 (영문)

Memory layer for AI agents with token-efficient, explainable retrieval beyond vector similarity.

GitHub에서 보기

주목받는 레포

레포 전체 보기 →

METAL MEDIA 최신 기사