SARIPATI

로컬 우선, 제공자에 구애받지 않는 모든 AI 호스트용 지식 저장소.

sari pati (말레이어) — 정수, 농축된 추출물.

대부분의 AI 도구는 모든 대화를 냉담하게 시작합니다. SARIPATI는 이미 사용 중인 어떤 AI — Claude Code, Cursor, Windsurf, Cline, Continue — 아래에 자리 잡는 메모리 레이어로, 세션을 넘어 지식이 복리로 쌓이게 합니다. AI는 자체 도구로 리서치하고, 여러분은 SARIPATI를 호출해 정수를 증류하고 저장합니다. 몇 주 후에는 의미적으로 그것을 회상합니다.

이것은 채팅 앱이 아닙니다. LLM을 실행하지 않으며 API 키도 필요 없습니다. 여러분의 전체 지식 베이스는 자신의 머신에 있는 단일 SQLite 파일입니다.

왜

• 복리, 일회용이 아님. 세션에서 수행된 리서치는 주제별로 지속되고 축적됩니다 — 에이전트가 실행될 때마다 코퍼스가 성장하며, 노트를 작성할 때만이 아닙니다.

• 의미적 회상, 로컬. 번들된 임베딩(all-MiniLM-L6-v2)이 완전히 온디바이스에서 하이브리드 의미 + 키워드 검색을 구동합니다.

• 가시성. 필요 시 실행하는 대시보드로 성장하는 지식 베이스를 탐색, 검색, 내보낼 수 있습니다.

• 제로 락인. 로컬 SQLite, MIT 라이선스, 클라우드 계정 없음, 벤더 없음.

Related MCP server: Memory MCP

비목표

• 채팅 앱이나 LLM 래퍼가 아님 — LLM을 실행하거나 요구하지 않습니다.

• 클라우드 의존성 불필요.

• 특정 AI 호스트나 제공자에 묶이지 않음.

설치

1. npx (권장)

npx saripati init          # create the vault, print the config, detect your host
npx saripati init --write  # also register SARIPATI with detected hosts

그런 다음 호스트는 패키지 이름으로 연결합니다 — 폴더 경로도, 깨질 것도 없습니다:

{
  "mcpServers": {
    "saripati": { "command": "npx", "args": ["-y", "saripati", "mcp"] }
  }
}

AI 호스트를 재시작하세요. 첫 recall/save 시 ~90 MB 임베딩 모델을 한 번 다운로드한 후, 영원히 오프라인으로 작동합니다.

2. 단일 바이너리 (Node 불필요)

Releases 페이지에서 플랫폼에 맞는 saripati를 다운로드하고 호스트 설정에서 이를 가리키게 하세요.

도구

일반적인 흐름: AI가 자체 도구로 웹 리서치 → save_research 호출 → 다음 주에 여러분(또는 AI)이 recall → 대시보드를 열어 검토하고 내보내기.

대시보드

npx saripati ui        # opens http://localhost:4319

코퍼스를 탐색하고 검색하며, 항목과 출처를 검사하고, 시간에 따른 활동을 확인하고, 필터링된 모든 뷰를 Markdown으로 내보낼 수 있습니다(브라우저에서 PDF로 인쇄). 읽기 전용이며, MCP 서버가 쓰는 동일한 저장소를 읽습니다.

작동 방식

AI host (its own web tools)  ──stdio/MCP──▶  saripati mcp
                                                 │
                    embed (MiniLM 384d) ─────────┤
                    hybrid search (vec ∪ FTS5) ──┤
                                                 ▼
                                    ~/.saripati/vault.db  (SQLite)
                                                 ▲
                                    saripati ui ─┘ (read-only dashboard)

• 저장소: better-sqlite3을 통한 SQLite.

• 벡터: sqlite-vec (vec0) — 임베딩은 L2 정규화되어 KNN이 코사인처럼 순위를 매깁니다.

• 키워드: SQLite FTS5.

• 퓨전: Reciprocal Rank Fusion이 두 순위를 결합합니다.

• 임베딩: @xenova/transformers가 프로세스 내에서 all-MiniLM-L6-v2를 실행.

데이터는 기본적으로 ~/.saripati/에 저장됩니다(SARIPATI_HOME 또는 SARIPATI_DB로 재정의 가능).

개발

npm install
npm run build      # tsc → dist/
npm test           # end-to-end smoke test
npm run dev -- mcp # run from source via tsx

라이선스

MIT © Kyou