한국어 요약by Claude · 2026. 9. 6.
허깅페이스가 코딩 에이전트(Claude Code, Codex, pi, Hermes)의 과거 세션 기록을 검색 가능한 메모리로 전환하는 오픈소스 도구 'funes'를 공개했다. 로컬 머신의 세션 로그를 색인해 벡터·BM25 검색과 재순위화를 결합한 recall 기능을 제공하며, 필요하면 자격증명을 자동 제거한 뒤 비공개 허깅페이스 데이터셋으로 발행해 여러 기기와 팀원 간에 메모리를 공유할 수 있다. 핸드오프-대-리콜 벤치마크에서 recall은 두 과제 모두에서 가장 저렴했고, 요약 압축(compaction) 방식은 한 과제에서 실패한 반면 recall은 원문 그대로를 반환해 정보 손실이 없었다. 여러 에이전트와 세션에 걸쳐 '왜 그렇게 결정했는지'를 추적 가능하게 만들어 팀 지식 손실 문제를 해결하려는 시도다.
- •funes, Claude Code·Codex·pi·Hermes 세션 로그를 색인해 검색 가능한 메모리로 전환하는 오픈소스 도구
- •벡터+BM25 검색과 크로스인코더 재순위화로 recall 기능 제공, 로컬 우선 동작
- •비공개 허깅페이스 데이터셋으로 발행해 여러 기기·팀원 간 메모리 공유 가능, 자격증명 자동 스캔·제거
- •핸드오프-리콜 벤치마크에서 recall이 요약(compaction)보다 최대 8배 저렴하고 정보 손실 없음
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Give Your Coding Agents a Memory You Own
출처:HuggingFace Blog
AI 인사이트
개발자
- 1.funes: Claude Code·Codex·pi·Hermes가 공유하는 로컬 우선 지속 메모리 레이어 공개
- 2.세션 트레이스를 색인·검색해 벡터+BM25 융합, 크로스인코더 재순위, 최신성 가중치 적용
- 3.메모리는 로컬 Lance 데이터셋, 원할 시 사용자 소유 비공개 HF 데이터셋으로 발행해 기기 간 동기화
- 4.핸드오프-vs-리콜 벤치마크서 recall이 두 과제 모두 최저비용, 압축은 요약 손실로 한 과제 실패
왜 중요한가?
코딩 에이전트가 세션마다 기억을 잃는 문제를 로컬 실행·자격증명 스캐닝을 갖춘 오픈소스로 해결해, 팀이 과거 의사결정과 실패 사례를 검색 가능한 자산으로 축적할 수 있게 한다.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
#에이전트메모리#오픈소스도구#코딩에이전트
이 글이 만들어진 과정
- 10:39AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
