메모리도 학습한다

에이전트 메모리를 단순한 vector DB 래퍼가 아니라, 사용 결과에 따라 학습하는 로컬 메모리 엔진으로 만든 구현이다.

핵심 아이디어는 기억마다 점수를 두고, 에이전트가 그 기억을 활용해 성공하면 reinforce_if_used로 강화하고 실패하면 패널티를 주는 방식이다. 시간이 지나면 어떤 “교훈”이 유효한지, 어떤 문맥이 잡음이었는지를 구분하도록 만든다.

구현 특징은 다음과 같다.

• 완전 로컬 실행: OpenAI나 클라우드 없이 동작
• ONNX 임베딩: MiniLM-L6-v2 사용
• 성능: 약 23MB 크기, 1k memories에서 약 6ms recall
• 통합성: Python / Node / Go를 Rust shared library로 지원
• MCP 서버 추가: Claude Desktop, Cursor에 바로 연결 가능

README의 “Float Money Bug” 데모를 통해, 단순한 유사도 검색만으로는 코드 에이전트의 메모리 품질을 충분히 보장할 수 없다는 점을 보여준다.