🧠 Remember

AI 비서가 진짜 "기억"할 수 있게 해주는 경량 인지 메모리 시스템

---

이게 뭔가요?

AI 비서(ChatGPT, Claude, OpenClaw 등)는 대화가 끝나면 모든 걸 잊어버립니다.

"어제 뭐 먹었어?"라고 물으면 모릅니다. 분명 어제 말했는데.

보통 이걸 해결하려고 MEMORY.md 같은 파일에 기억을 적어두는데:

• 📄 파일이 점점 커져서 → 토큰 낭비
• 🗑️ 오래된 정보가 쌓여서 → 수동 정리 필요
• 🔍 찾기 어려워서 → 검색이 부정확

Remember는 이 문제를 사람의 뇌처럼 해결합니다.

---

사람의 뇌는 어떻게 기억하나요?

1. 자주 떠올리는 건 강해진다 → 매일 먹는 약 이름은 절대 안 잊음
2. 안 쓰는 건 자연히 사라진다 → 3년 전 점심 메뉴는 기억 못함
3. 비슷한 건 합쳐진다 → "서울 맛집" 기억들이 하나로 묶임
4. 하나를 떠올리면 관련된 것도 따라온다 → "축구" 하면 "FC서울" "주말경기" "직관"

Remember는 이 4가지를 코드로 구현했습니다.

---

핵심 기능 3가지

1. 🧹 망각 곡선 (FSRS)

"안 쓰는 기억은 자연히 사라진다"

• 자주 찾는 기억 → 점점 강해짐 (stability ↑)
• 오래 안 쓴 기억 → 점점 흐려짐 → 자동 정리
• 결과: 메모리가 항상 깨끗하게 유지됨, 토큰 절약

2. 🔗 중복 병합

"비슷한 건 합쳐진다"

• "FC서울 좋아함" + "K리그 시즌권 있음" → 자동으로 하나로
• 모순되면 새 정보가 이김: "좋아하는 색 빨강" → "좋아하는 색 파랑"
• 결과: 중복 없는 깔끔한 기억

3. 🔍 연관 검색

"하나를 떠올리면 관련된 것도 따라온다"

• "축구" 검색 → "K리그" + "주말경기" + "홈경기" 같이 나옴
• 키워드 매칭 + 의미 유사도 동시 사용
• 결과: 놀라울 정도로 정확한 검색

---

설치 (30초)

npm install @reallygood/remember

또는 글로벌 CLI로:

npm install -g @reallygood/remember

의존성: better-sqlite3 하나뿐. 무겁지 않습니다.

---

사용법

JavaScript API

import { Remember } from '@reallygood/remember';

// 1. 초기화 (SQLite 파일 하나로 끝)
const mem = new Remember({ dbPath: './my-memory.db' });

// 2. 기억 저장
await mem.store('사용자는 K리그 시즌권을 가지고 있다', {
  category: 'fact',
  tags: ['K리그', '축구']
});

await mem.store('주말마다 홈경기 직관을 간다', {
  category: 'fact',
  tags: ['주말', 'K리그', '축구']
});

// 3. 검색 — "축구"만 검색해도 연관 기억 다 나옴!
const results = await mem.recall('축구');
// → [
//   { content: 'K리그 시즌권 보유', score: 0.95 },
//   { content: '주말 홈경기 직관', score: 0.82 }
// ]

// 4. 기억 정리 (오래된 거 자동 소멸)
await mem.consolidate();

// 5. 통계
const stats = await mem.stats();
// → { total: 150, active: 120, archived: 30, avgRetention: 0.72 }

CLI

# 기억 저장
remember store "커피는 아메리카노 선호" --category preference

# 검색
remember recall "커피"

# 통계 보기
remember stats

# 기억 정리 (망각 곡선 적용)
remember consolidate

# 기존 MEMORY.md에서 가져오기
remember import --file MEMORY.md

# 마크다운으로 내보내기
remember export --format markdown

---

기존 솔루션과 비교

	Remember	Vestige	mem0	MemGPT
언어	JavaScript	Rust	Python	Python
설치	npm install	Rust 빌드	Docker+Qdrant	pip + 설정
크기	~수백KB	22MB+130MB	수GB	수GB
의존성	SQLite만	Nomic 모델	Qdrant 서버	OpenAI 필수
오프라인	✅ (BM25 모드)	✅	❌	❌
대상	생활 비서/범용	코딩 에이전트	챗봇	챗봇
핵심 철학	가볍고 실용적	정교하고 학술적	클라우드 연동	자율 에이전트

---

임베딩 모드

Remember는 임베딩 없이도 완전히 동작합니다 (BM25 키워드 검색).

더 정확한 검색을 원하면 임베딩을 켤 수 있습니다:

// 임베딩 없이 (기본값, 가장 가벼움)
new Remember({ embedMode: 'none' });

// Cerebras (무료, 빠름)
new Remember({ embedMode: 'cerebras' });

// 로컬 Ollama (오프라인, 프라이버시)
new Remember({ embedMode: 'ollama' });

// OpenAI (가장 정확)
new Remember({ embedMode: 'openai' });

---

OpenClaw 연동

OpenClaw AI 에이전트에서 바로 사용할 수 있습니다:

// examples/openclaw-integration.js
import { Remember } from '@reallygood/remember';

const mem = new Remember({ 
  dbPath: '/Users/you/clawd/memory.db',
  embedMode: 'cerebras'  // 무료 API
});

// 대화에서 중요한 내용 자동 저장
mem.store('사용자가 다크모드를 선호함', { category: 'preference' });

// 새 세션 시작 시 관련 기억 불러오기
const context = await mem.recall('사용자 선호');

// 매일 consolidate (크론잡)
await mem.consolidate();

---

인지 과학 배경

Remember의 세 가지 핵심 기능은 실제 뇌과학 연구에 기반합니다:

기능	뇌과학 원리	논문
망각 곡선	FSRS (Free Spaced Repetition Scheduler)	Piotr Wozniak, 1985
중복 병합	기억 통합 (Memory Consolidation)	Squire & Alvarez, 1995
연관 검색	확산 활성화 (Spreading Activation)	Collins & Loftus, 1975

130년의 기억 연구를 400줄의 JavaScript로.

---

왜 만들었나요?

AI 비서를 매일 쓰다 보니 느꼈습니다:

"이 녀석, 어제 한 얘기를 왜 또 물어보지?"

MEMORY.md를 수동으로 관리하는 건 한계가 있었습니다. 파일은 커지고, 오래된 건 쌓이고, 찾는 건 어렵고. Vestige 같은 좋은 솔루션이 있지만 Rust 빌드에 130MB 모델 다운로드는 너무 무거웠습니다.

그래서 만들었습니다. SQLite 하나, JavaScript 400줄, npm install 한 줄이면 끝나는 AI 기억 시스템.

사람의 뇌가 하는 것처럼:

• 중요한 건 강화하고
• 안 쓰는 건 잊고
• 비슷한 건 합치고
• 관련된 건 같이 떠올린다

---

기여

PR과 이슈 환영합니다!

git clone https://github.com/reallygood83/remember
cd remember
npm install
npm test

---

📊 실측 벤치마크

실제 운영 중인 AI 비서(493줄 MEMORY.md, 344개 기억)에서 측정한 결과입니다.

토큰 절감

	MEMORY.md (전체 로딩)	Remember (recall)	절감률
세션당 토큰	14,460	344	97.6%

📌 이 수치는 과장이 아닙니다. 검색 기반 검색(RAG)은 전체 문서 로딩 대비 90-99% 토큰 절감이 업계 표준입니다. — Elasticsearch Labs: RAG는 full-context 대비 1,250배 낮은 쿼리 비용 (출처) — Anthropic: BM25 + 임베딩 하이브리드가 기존 RAG 대비 49% 검색 실패 감소 (출처)

비용 절감 (하루 20세션 기준)

모델	Before/월	After/월	절약/월
Claude Opus (/1M tokens)	.14	.10	.04
Claude Haiku (/bin/zsh.80/1M tokens)	.94	/bin/zsh.17	.77
GPT-4o (.50/1M tokens)	.69	/bin/zsh.52	.17

응답 속도

	MEMORY.md	Remember
검색 시간	~2-3초 (파일 파싱)	~10ms (SQLite)
속도 향상	—	200x

시간 경과 효과

시점	MEMORY.md	Remember
3개월 (300개 기억)	파일 커지기 시작	자동 관리
6개월 (500개)	수동 정리 필요	FSRS가 자동 정리
1년 (1000개+)	감당 불가	망각 곡선이 ~300개로 유지

과학적 근거

주장	근거
FSRS 망각 곡선	Anki 통합, 리뷰 20-30% 감소 + 동일 기억률 유지 (FSRS benchmark)
BM25 검색이 전체 로딩보다 효율적	RAG 업계 표준, 1,250x 낮은 비용 (Elasticsearch Labs)
하이브리드 검색 (BM25+벡터)	Anthropic Contextual Retrieval: 검색 실패 49% 감소
선택적 검색이 정확도도 높음	불필요한 컨텍스트 제거 → 환각(hallucination) 감소

---

라이선스

MIT

---

AI에게 진짜 기억을 선물하세요 🧠
_{Built with ❤️ by reallygood83}