Memoria 1.0.0, 로컬 LLM 메모리 계층으로 등장

Memoria 1.0.0이 클라우드 서비스나 특정 모델에 의존하지 않는 로컬 우선, 모델 독립형 LLM 메모리 시스템으로 출시됐다. 이 시스템은 LLM과 독립적으로 작동하며 pip install kitzkatz-memoria로 설치할 수 있다.

성능 및 하드웨어 효율

개발자는 저사양 기기(Intel Celeron N4020, 3.7 GiB RAM, GPU 없음)에서 Memoria를 벤치마킹해 효율성을 입증했다. LongMemEval-S 벤치마크에서 시스템은 평가 가능한 470개 질문 중 468개에 대해 결과를 반환했다.

주요 지표는 다음과 같다:

• Recall@1: 89.8%
• Recall@5: 97.9%
• Recall@10: 98.9%
• Recall@50: 99.6%
• Session NDCG@10: 0.9257

메모리 사용량은 낮게 유지됐다. 전체 작업 부하의 최대 RSS는 2.65 GiB였으며, 쿼리당 평균 최대 RSS는 약 580 MiB였다.

검색 아키텍처

Memoria는 벡터 데이터베이스에만 의존하지 않고 다중 신호 검색 방식을 채택한다. FAISS, BM25, 그래프 검색, 구문 매칭, 속성 검색, 시간 검색을 병렬로 실행한다. 이러한 신호들은 융합되어 다중 신호 랭킹을 거친다. 시간 검색은 별도의 측정과 조정을 위해 독립적으로 구현됐다.

기능 및 통합

이번 릴리스에는 포괄적인 통합 옵션과 개발자 도구가 포함됐다:

• 데이터 수집: GitHub 저장소 및 Obsidian 볼트 지원.
• 인터페이스: CLI, TUI, GUI, API.
• 프로토콜: MCP(Model Context Protocol) 지원.
• 확장성: 대화형 플러그인 생성기를 포함한 11개 하위 시스템과 34개 훅을 갖춘 플러그인 시스템.
• 저장소: 영구 로컬 저장소.