Brain-AI Memory: LLM 에이전트 메모리 실패 진단 오픈소스 아키텍처

요약

Brain-AI Memory는 장기 실행 LLM 에이전트의 기억 실패 문제를 단순히 RAG 오류로 치부하지 않고 episodic·semantic memory, procedural rule, numerical state 등으로 구조화하여 진단하는 오픈 아키텍처입니다. 이 프로젝트는 실제 multi-project agent system에서 검증된 구조를 기반으로 설계되었으며, 재사용 가능한 hook과 memory template, 운영 근거 등을 포함합니다. 500문항으로 구성된 LongMemEval-S 벤치마크 결과도 함께 공개되었는데, 96-keyword pointer 기법은 indexed text를 93% 줄였으나 recall@3 성능은 BM25 대비 다소 낮게 나타났습니다. 개발자는 실제 에이전트 운영 중 발생하는 실패 사례가 해당 컴포넌트 매핑에 부합하는지에 대한 피드백을 수집하고 있습니다. 관련 정보와 60초 실행 예제는 GitHub 저장소를 통해 확인할 수 있습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.