AI 에이전트 개발자들이 겪는 고질적인 문제 중 하나는 에이전트 모델을 교체할 때마다 프로젝트의 작업 컨텍스트(기억)가 유실된다는 점입니다. 'shakystar'라는 개발자가 이 문제를 해결하기 위해 'memorize'라는 로컬 우선(local-first) 오픈소스 프로젝트를 공개했습니다. 이는 에이전트마다 독립적으로 쌓이는 메모리 사일로를 해소하고, 프로젝트 자체가 지속적인 기억을 갖도록 돕는 것을 목표로 합니다.
mermorize는 뇌의 이중 학습 시스템(CLS)을 차용한 2층 메모리 구조를 가집니다. 작업 중에는 LLM(대규모 언어모델) 없이 저렴하게 관측(observation)만 캡처하고, 세션이 끝날 때 백그라운드에서 이를 통합하는 방식입니다. 기억은 삭제되지 않고 중요도와 최신성, 작업 관련성에 따라 인출 시점 점수 경쟁을 통해 관리됩니다. 특히 API 키 없이 기존에 로그인된 LLM 세션을 활용하며, 서버 없이도 append-only 이벤트 로그 동기화를 통해 여러 기기에서 프로젝트 상태가 일관되게 유지되는 크로스 머신 수렴(cross-machine convergence) 기능을 제공합니다. 또한, 임베딩(embedding)의 한계를 인식하여 유사도는 후보 회수에만 사용하고 실제 판정은 LLM이 수행하는 등 정교한 설계가 돋보입니다.
이 프로젝트는 거대 벤더들이 자체적인 메모리 기능을 내놓기 시작하는 시점에서, 벤더 종속적인 기억 표준이 자리 잡기 전에 벤더 중립적인 대안을 제시한다는 점에서 의미가 큽니다. 개발자는 memorize가 Git이 코드에 해준 역할을 에이전트의 기억과 협업에 제공하는 공익적 플랫폼으로 성장하길 기대하고 있습니다. 이는 미래의 AI 에이전트들이 더욱 효율적으로 협력하고, 개발자들이 끊김 없는 작업 흐름을 유지할 수 있도록 하는 중요한 기반 기술이 될 것입니다. 현재는 로컬에서 프로젝트 기억을 공유하는 기능이 완전히 동작하며, 개발 과정 자체도 에이전트와 함께 진행될 정도로 실용성을 입증했습니다.