WanYi Memory Core 万忆中枢

永不遗忘的全量记忆系统 — AI 에이전트를 위한 이벤트 소싱 기반 장기 기억: 프로세스 메모리, 실수 기록, 경험 결정화, 신뢰도 기반 의사결정 차단, 반사실적 분기, 교차 도메인 유추, 궤적 재생, 능동적 파트너, 의미 벡터 검색, 리랭커, 메모리 그래프, 시간 감쇠 및 메타인지적 지식 공백. 로컬 우선 MCP 서버로 제공되며 23개의 도구를 포함합니다. 데이터는 절대 기기를 떠나지 않습니다.

왜

LLM 에이전트는 잊어버립니다. 모든 채팅 창은 기억상실입니다: 선호도, 교훈, 그리고 힘겹게 얻은 경험은 세션이 끝나면 사라집니다. 기존 메모리 시스템은 클라우드에 저장하거나(개인정보 위험), 무거운 인프라가 필요하거나, 키워드 검색만 수행합니다(의미론적 회상 부재).

WanYi Memory Core는 로컬 우선, 전량, 자가 진화 메모리 시스템입니다:

• 이벤트 소싱 — 추가 전용 WAL이 단일 진실 공급원입니다. 어떤 것도 삭제되지 않으며, 감쇠는 검색 순위에만 영향을 미칩니다.

• 의미론적 회상 — 하이브리드 검색: BM25 키워드 + 로컬 중국어 임베딩 (BAAI/bge-small-zh-v1.5) + 리랭커 (BAAI/bge-reranker-base) + 지식 그래프 확장 + 명시적 시간 감쇠.

• 메타인지 — 회상이 약할 때 시스템은 이를 인정하고 답을 지어내는 대신 지식 공백을 기록합니다.

• 의사결정 가드레일 — 고위험 작업(올인, 복수 매매, force-push, rm -rf)은 반사실적 분기가 포함된 신뢰도 기반 차단을 트리거합니다: 당신이 들었다면 어떤 일이 일어났을지 확인할 수 있습니다.

• 무참여 진화 — "이것을 기억하세요"라고 말할 필요가 없습니다. 시스템이 저장할 내용을 결정하고, 밤새 통합하며, 주간 궤적 검토를 표시합니다.

Related MCP server: Memory MCP

설치

pip install wanyimem            # core
pip install "wanyimem[all]"     # + vector & reranker models deps

Python 3.10+ 필요. 모델(임베딩 ~95MB, 리랭커 ~1.1GB)은 첫 사용 시 HuggingFace에서 다운로드됩니다. 중국 본토에 있다면 HF_ENDPOINT=https://hf-mirror.com을 설정하세요.

PyPI 릴리스가 나오기 전에는 GitHub에서 직접 설치할 수도 있습니다(동일한 코드):

pip install "git+https://github.com/17861102832/wanyimem.git"

빠른 시작 (MCP)

mcp.json에 추가하세요 (Claude Desktop, Cursor, Trae 등):

{
  "mcpServers": {
    "wanyi": {
      "command": "python",
      "args": ["-m", "wanyi.memory_core"],
      "env": {
        "万忆中枢_STORE_DIR": "C:/path/to/your/memory"
      }
    }
  }
}

그러면 모든 에이전트가 23개의 도구를 호출할 수 있습니다, 예:

万忆记录见闻 → "2026年5月基金大跌时我死扛不止损，亏了18%才割肉。"
万忆召回记忆 → query "认赔离场到底对不对"   # semantic match even with zero shared keywords
万忆置信度决策检查 → "我要全仓梭哈"          # BLOCK if confidence is low, with historical mistakes

빠른 시작 (라이브러리)

from wanyi import WanYiCore

engine = WanYiCore()
engine.tool_record_memory(
    content="止损纪律：亏损超过8%必须无条件卖出",
    layer="法", mem_type="principle",
)
resp = engine.tool_recall_memory("认赔离场到底对不对", limit=5)
for m in resp["memories"]:
    print(m["content"], m.get("_rerank_score"))

기능

벤치마크 (미니 LongMemEval, 세션 간 사실 회상, 10개 사례): Recall@5 = 90%, MRR = 0.900.

문서

• 中文安装与使用指南

• README 中文版

• 示例 MCP 配置

기여

CONTRIBUTING.md를 참조하세요. 취약점은 SECURITY.md를 통해 비공개로 신고하세요.

라이선스

MIT © 2026 Zhao Xikun