기본 메모리

Basic Memory를 사용하면 Claude와 같은 대규모 언어 모델(LLM)과의 자연스러운 대화를 통해 지속적인 지식을 구축할 수 있으며, 모든 내용을 컴퓨터의 간단한 마크다운 파일에 보관할 수 있습니다. MCP(Model Context Protocol)를 사용하여 호환되는 모든 LLM이 로컬 지식 베이스를 읽고 쓸 수 있도록 지원합니다.

웹사이트: https://basicmachines.co
문서: https://memory.basicmachines.co

중단했던 부분부터 대화를 이어가세요

AI 어시스턴트는 새로운 대화에서 로컬 파일의 컨텍스트를 로드할 수 있습니다.
메모는 실시간으로 마크다운 파일로 로컬에 저장됩니다.
프로젝트 지식이나 특별한 지시가 필요하지 않습니다.

https://github.com/user-attachments/assets/a55d8238-8dd0-454a-be4c-8860dbbd0ddc

빠른 시작

지엑스피1

~/basic-memory (기본 디렉토리 위치)에 있는 파일을 통해 공유된 컨텍스트를 볼 수 있습니다.

Smithery를 통한 대체 설치

Smithery를 사용하면 Claude Desktop의 기본 메모리를 자동으로 구성할 수 있습니다.

npx -y @smithery/cli install @basicmachines-co/basic-memory --client claude

이렇게 하면 Claude Desktop 구성 파일을 수동으로 편집하지 않고도 Basic Memory를 설치하고 구성할 수 있습니다. Smithery 서버는 MCP 서버 구성 요소를 호스팅하는 반면, 데이터는 마크다운 파일로 로컬에 저장됩니다.

글라마.에이아이

왜 기본 메모리인가?

대부분의 LLM 상호작용은 일시적입니다. 질문을 하고 답변을 받으면 모든 것이 잊혀집니다. 각 대화는 이전 대화의 맥락이나 지식 없이 새롭게 시작됩니다. 현재의 해결책에는 다음과 같은 한계가 있습니다.

채팅 기록은 대화를 기록하지만 구조화된 지식은 아닙니다.
RAG 시스템은 문서를 쿼리할 수 있지만 LLM이 다시 쓸 수 없도록 합니다.
벡터 데이터베이스는 복잡한 설정이 필요하며 종종 클라우드에 있습니다.
지식 그래프는 일반적으로 유지 관리를 위해 특수 도구가 필요합니다.

Basic Memory는 이러한 문제를 간단한 접근 방식으로 해결합니다. 사람과 LLM 모두 읽고 쓸 수 있는 구조화된 마크다운 파일을 제공합니다. 주요 장점은 다음과 같습니다.

로컬 우선: 모든 지식은 사용자가 제어하는 파일에 보관됩니다.
양방향: 사용자와 LLM 모두 동일한 파일을 읽고 쓸 수 있습니다.
구조화되어 있으면서도 간단함: 의미적 패턴을 갖춘 친숙한 마크다운을 사용합니다.
탐색 가능한 지식 그래프: LLM은 주제 간 링크를 따라갈 수 있습니다.
표준 형식: Obsidian과 같은 기존 편집기와 함께 작동합니다.
가벼운 인프라: 로컬 SQLite 데이터베이스에 인덱싱된 로컬 파일만

기본 메모리를 사용하면 다음을 수행할 수 있습니다.

기존 지식을 바탕으로 대화를 나누세요
자연스러운 대화 중에 구조화된 메모를 작성하세요
이전에 논의했던 내용을 기억하는 LLM과 대화하세요.
지식 그래프를 의미론적으로 탐색하세요
모든 것을 지역적으로 관리하고 통제하세요
Obsidian과 같은 친숙한 도구를 사용하여 노트를 보고 편집하세요.
시간이 지남에 따라 성장하는 개인 지식 기반을 구축하세요

실제로 작동하는 방식

커피 추출 방법을 연구하고 지식을 공유하고 싶다고 가정해 보겠습니다. 방법은 다음과 같습니다.

정상적으로 채팅을 시작하세요:

I've been experimenting with different coffee brewing methods. Key things I've learned:

- Pour over gives more clarity in flavor than French press
- Water temperature is critical - around 205°F seems best
- Freshly ground beans make a huge difference

...대화를 계속합니다.

LLM에 이 지식을 구성하는 데 도움을 요청하세요.

"Let's write a note about coffee brewing methods."

LLM은 시스템에 새로운 Markdown 파일을 생성합니다(Obsidian이나 편집기에서 즉시 볼 수 있음).

---
title: Coffee Brewing Methods
permalink: coffee-brewing-methods
tags:
- coffee
- brewing
---

# Coffee Brewing Methods

## Observations

- [method] Pour over provides more clarity and highlights subtle flavors
- [technique] Water temperature at 205°F (96°C) extracts optimal compounds
- [principle] Freshly ground beans preserve aromatics and flavor

## Relations

- relates_to [[Coffee Bean Origins]]
- requires [[Proper Grinding Technique]]
- affects [[Flavor Extraction]]

이 노트에는 의미적 내용이 포함되어 있으며 간단한 마크다운 형식을 통해 다른 주제로 연결됩니다.

이 파일은 현재 프로젝트 디렉토리(기본값 ~/$HOME/basic-memory )에서 실시간으로 컴퓨터에서 볼 수 있습니다.

실시간 동기화는 v0.12.0 버전부터 기본적으로 활성화됩니다.

LLM과의 채팅에서 주제를 참조할 수 있습니다.

Look at `coffee-brewing-methods` for context about pour over coffee

이제 LLM은 지식 그래프에서 풍부한 맥락을 구축할 수 있습니다. 예를 들면 다음과 같습니다.

Following relation 'relates_to [[Coffee Bean Origins]]':
- Found information about Ethiopian Yirgacheffe
- Notes on Colombian beans' nutty profile
- Altitude effects on bean characteristics

Following relation 'requires [[Proper Grinding Technique]]':
- Burr vs. blade grinder comparisons
- Grind size recommendations for different methods
- Impact of consistent particle size on extraction

관련된 각 문서를 통해 더 많은 맥락을 얻을 수 있으며, 지식 기반에 대한 풍부한 의미적 이해를 구축할 수 있습니다.

이렇게 하면 다음과 같은 양방향 흐름이 생성됩니다.

사람이 Markdown 파일을 작성하고 편집합니다.
LLM은 MCP 프로토콜을 통해 읽고 씁니다.
동기화를 통해 모든 것이 일관성을 유지합니다.
모든 지식은 로컬 파일에 보관됩니다.

기술 구현

기본 메모리의 내부 구조:

모든 것을 Markdown 파일에 저장합니다
검색 및 인덱싱을 위해 SQLite 데이터베이스를 사용합니다.
간단한 마크다운 패턴에서 의미적 의미를 추출합니다.
- 파일은 Entity 객체가 됩니다.
- 각 Entity``Observations 또는 이와 관련된 사실이 있을 수 있습니다.
- Relations 엔터티를 연결하여 지식 그래프를 형성합니다.
파일에서 파생된 로컬 지식 그래프를 유지합니다.
파일과 지식 그래프 간의 양방향 동기화를 제공합니다.
AI 통합을 위한 모델 컨텍스트 프로토콜(MCP)을 구현합니다.
AI 어시스턴트가 지식 그래프를 탐색하고 조작할 수 있도록 하는 도구를 공개합니다.
도구와 대화에서 엔터티를 참조하기 위해 memory:// URL을 사용합니다.

파일 형식은 간단한 마크업이 포함된 마크다운입니다.

각 마크다운 파일에는 다음이 포함됩니다.

서문

title: <Entity title>
type: <The type of Entity> (e.g. note)
permalink: <a uri slug>

- <optional metadata> (such as tags) 

관찰

관찰은 주제에 대한 사실입니다. category , "#" 문자를 사용하는 tags , 그리고 선택적 context 를 참조할 수 있는 특수 형식을 갖춘 마크다운 목록을 만들어 관찰을 추가할 수 있습니다.

관찰 마크다운 형식:

- [category] content #tag (optional context)

관찰의 예:

- [method] Pour over extracts more floral notes than French press
- [tip] Grind size should be medium-fine for pour over #brewing
- [preference] Ethiopian beans have bright, fruity flavors (especially from Yirgacheffe)
- [fact] Lighter roasts generally contain more caffeine than dark roasts
- [experiment] Tried 1:15 coffee-to-water ratio with good results
- [resource] James Hoffman's V60 technique on YouTube is excellent
- [question] Does water temperature affect extraction of different compounds differently?
- [note] My favorite local shop uses a 30-second bloom time

처지

관계는 다른 주제와의 연결입니다. 지식 그래프에서 엔티티가 연결되는 방식을 정의합니다.

마크다운 형식:

- relation_type [[WikiLink]] (optional context)

관계의 예:

- pairs_well_with [[Chocolate Desserts]]
- grown_in [[Ethiopia]]
- contrasts_with [[Tea Brewing Methods]]
- requires [[Burr Grinder]]
- improves_with [[Fresh Beans]]
- relates_to [[Morning Routine]]
- inspired_by [[Japanese Coffee Culture]]
- documented_in [[Coffee Journal]]

VS Code와 함께 사용

한 번의 클릭으로 설치하려면 아래의 설치 버튼 중 하나를 클릭하세요...

VS Code에서 Basic Memory를 사용하면 코딩 중에 정보를 쉽게 검색하고 저장할 수 있습니다. 위의 설치 버튼을 클릭하여 원클릭으로 설치하거나, 아래의 수동 설치 지침을 따르세요.

수동 설치

VS Code의 사용자 설정(JSON) 파일에 다음 JSON 블록을 추가합니다. Ctrl + Shift + P 를 누르고 Preferences: Open User Settings (JSON) 입력하면 됩니다.

{
  "mcp": {
    "servers": {
      "basic-memory": {
        "command": "uvx",
        "args": ["basic-memory", "mcp"]
      }
    }
  }
}

원하는 경우, 작업 공간의 .vscode/mcp.json 파일에 추가할 수 있습니다. 이렇게 하면 다른 사용자와 구성을 공유할 수 있습니다.

{
  "servers": {
    "basic-memory": {
      "command": "uvx",
      "args": ["basic-memory", "mcp"]
    }
  }
}

Claude Desktop과 함께 사용

Basic Memory는 MCP(Model Context Protocol)를 사용하여 구축되었으며 Claude 데스크톱 앱( https://claude.ai/ )과 함께 작동합니다.

기본 메모리를 사용하도록 Claude Desktop을 구성하세요.

MCP 구성 파일을 편집합니다(일반적으로 OS X의 경우 ~/Library/Application Support/Claude/claude_desktop_config.json 에 위치).

{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "mcp"
      ]
    }
  }
}

특정 프로젝트를 사용하려면( 여러 프로젝트 참조) Claude Desktop 구성을 업데이트하세요.

{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "--project",
        "your-project-name",
        "mcp"
      ]
    }
  }
}

지식 동기화:

수동으로 편집한 경우 기본 메모리는 프로젝트의 파일을 실시간으로 동기화합니다.

Claude Desktop에서 LLM은 이제 다음 도구를 사용할 수 있습니다.

write_note(title, content, folder, tags) - Create or update notes
read_note(identifier, page, page_size) - Read notes by title or permalink
build_context(url, depth, timeframe) - Navigate knowledge graph via memory:// URLs
search_notes(query, page, page_size) - Search across your knowledge base
recent_activity(type, depth, timeframe) - Find recently updated information
canvas(nodes, edges, title, folder) - Generate knowledge visualizations

시도해 볼 수 있는 프롬프트의 예:

"Create a note about our project architecture decisions"
"Find information about JWT authentication in my notes"
"Create a canvas visualization of my project components"
"Read my notes on the authentication system"
"What have I been working on in the past week?"

추가 정보

자세한 내용은 다음을 포함한 설명서를 참조하세요.

특허

AGPL-3.0

참여를 환영합니다. 프로젝트를 현지에서 설정하고 PR을 제출하는 방법에 대한 자세한 내용은 '참여 가이드'를 참조하세요.

스타 역사

Basic Machines에서 ♥️로 제작

basic-memory

Integrations