Claude Code·Codex의 공유 영구 기억 시스템. 5-layer 파이프라인으로 세션 요약 자동 주입 · 자연어 검색 · Memory Compiler · 자동 회수 · 모순 감지까지 — 두 에이전트가 같은 기억을 회수·추출·저장·계측한다.
v4.0.0 · 멀티에이전트 공유 기억 — Claude Code+Codex가 같은 MindVault를 전 생명주기(회수·추출·저장·계측)로 공유. Codex UserPromptSubmit 자동 회수(어댑터 없는 직결) + turn-scope Stop 자동 추출(rollout 로더, (session,turn) 멱등키) + close-session 저장 규약 + install.sh Codex 자동 통합(감지 시 hook·스킬·AGENTS 규약 배포) · agent 태깅 계측(claude/codex/unknown) · 교차 검수 왕복(Codex 검수 5결함 수정 수렴, 실운영 E2E 실증) · 이전: v3.10.0 Codex 회수 연결 · macOS (Apple Silicon) · MIT license · 972 passed + 41 subtests
Claude Code 또는 Codex에 아래 프롬프트를 그대로 붙여넣으면 환경 확인부터 설치·검증까지 AI가 진행합니다.
https://github.com/etinpres/mindvault 저장소의 README를 읽고 MindVault를 설치해줘.
진행 방식:
1. 먼저 내 환경을 확인해줘 — macOS Apple Silicon(arm64)인지, Python 3.10 이상인지,
Claude Code가 설치돼 있는지. 지원 안 되는 환경(Intel Mac/Linux/Windows)이면
설치를 시작하지 말고 이유를 알려줘.
2. 지원 환경이면 저장소를 clone 하고 ./install.sh 를 실행해줘. 첫 실행은 로컬 모델
다운로드(Gemma ~3GB + 임베딩 모델) 때문에 8~12분 걸리고, 중간에 실패해도
재실행하면 이어서 진행되니 그대로 다시 돌려줘.
3. 설치가 ~/.claude/settings.json 의 hook 배열을 수정한다는 점(자동 .bak 백업됨)을
미리 알려주고 진행해줘. Codex(~/.codex)가 있으면 Codex 연동도 자동 설치되는데,
이 경우 새 Codex 세션에서 /hooks 로 새 hook을 한 번 검토·신뢰해야 한다고 안내해줘.
4. 설치 후 검증: 새 claude 세션을 열었을 때 "# 지난 세션 요약 (MindVault v3)" 블록이
나타나는지, /recall <아무 검색어> 가 동작하는지 확인하고 결과를 알려줘.
5. 제거가 필요하면 ./uninstall.sh 하나로 전부 되돌릴 수 있다는 것도 알려줘.
Claude Code는 매 세션마다 컨텍스트 윈도우가 초기화됩니다. 어제 결정한 사실, 만들어 둔 CLI 위치, 진행 중인 프로젝트 상태 — 다음 세션을 열면 모두 사라집니다.
MindVault는 그 망각의 빈 자리를 네 축으로 메웁니다:
- 세션 검색 — 모든 과거 .jsonl 로그를 SQLite FTS5 + 임베딩으로 인덱싱,
/recall자연어 검색 - 메모리 회수 — UserPromptSubmit 마다 hybrid 검색으로 관련 메모리를 system-reminder에 자동 주입
- 자동 컴파일 — SessionEnd/Stop마다 로컬 Gemma가 새 대화 구간에서 영구로 남길 가치가 있는 결정/노하우/사실을 추출, 검토 후 영구 메모리에 진입
- 모순 감지 (v3.4+) — 신규 메모리가 기존과 충돌 (metric 갱신·결정 반전·사실 정정) 시 Gemma 4-way 분류로 검출, 검토 후 신규가 옛 항목 deprecate / 본문 update / dismiss
메모리 추출·검색 보조·컴파일·모순 감지는 로컬 Gemma를, 임베딩은 로컬 Arctic-ko를 사용한다. L1 SessionStart 요약만 Claude Code의 Haiku를 호출하며, 전송 전 세션 조각에서 알려진 자격증명 패턴을 제거한다. Codex CLI가 설치돼 있다는 이유만으로 Luna를 호출하거나 구독 한도를 사용하지 않는다.
"매 쿼리마다 모든 원문을 LLM에 다시 던지지 말고, LLM을 한 번 컴파일러처럼 써서 지식을 정제한 뒤 그 결과를 작은 메모리로 축적해 가라. 다음부터는 정제된 결과만 조회하면 된다." — Andrej Karpathy, LLM Wiki gist (요약)
# 기존 RAG 패턴
질문 → 외부 문서 N개 검색 → 그대로 컨텍스트에 붙임 → LLM이 매번 재해석
↑ 매번 비용. 매번 같은 노이즈. 매번 같은 추론.
# LLM-as-Compiler 패턴 (MindVault)
세션 끝 → Gemma가 새 구간만 한 번 정제 → 작은 .md로 저장 → 다음부턴 정제본만 조회
↑ 한 번 비용. 추출 후엔 깨끗한 신호. 누적되며 자기 강화.
| 개념 | 정의 |
|---|---|
| Session | Claude Code 한 번의 대화 단위. ~/.claude/projects/*/<uuid>.jsonl 한 파일이 한 세션. |
| Memory | 다음 세션에도 쓸 가치가 있는 사실/결정/노하우. memory/<kebab-name>.md 한 파일이 한 메모리. |
| Recall | UserPromptSubmit 시 hybrid 검색으로 관련 메모리를 자동 회수해 system-reminder로 주입. |
| Compile | SessionEnd/Stop 시 Gemma가 cursor 이후 delta만 읽고 새 메모리 후보를 _procedural/_staged/ 에 자동 추출. |
| Layer | 책임 |
|---|---|
| L1 — SessionStart 자동 주입 | 최근 5 세션을 Claude Code Haiku로 요약해 새 세션에 자동 주입. 캐시 히트 ~50ms. compaction 직후(source=compact)엔 요약 대신 현재 세션 관련 메모리만 경량 재주입 (v3.5+) — 압축으로 사라진 회수 맥락 복원 |
L2 — /recall 자연어 검색 |
JSONL FTS5 + Gemma 재순위 (sessions), Arctic-ko 임베딩 + FTS5 hybrid RRF (memory) |
| L3 — Memory Compiler | SessionEnd/Stop → Gemma 정제 → memory/_procedural/_staged/ → /memory_review 승인 후 영구 진입 |
| L4 — UserPromptSubmit hook | 매 메시지 hybrid 검색 → 관련 메모리 system-reminder 주입. raw cosine 게이트 + query intent classifier가 잡담 차단 (false positive 0%) |
| L5 — Contradiction Detection (v3.4+) | 신규 메모리가 기존과 충돌 (metric 갱신·결정 반전·사실 정정) 시 Gemma 4-way 분류로 자동 검출. python -m src.contradiction_review_cli 로 검토 후 신규가 옛 항목 deprecate / 본문 update / dismiss. deprecated_by 메모리는 L4 회수 시 raw_cosine + score 둘 다 × 0.3 감쇠 |
| Sprint | 주제 | 상태 |
|---|---|---|
| 13 | Procedural Memory Slot (memory/_procedural/_staged/) |
✅ |
| 14 | Memory Compiler (SessionEnd → Gemma 정제 → staged) | ✅ MV3_AUTO_COMPILE=1 |
| 15 | Self-eval Loop (internal effort · false positive · 자기충족 탐지) | ✅ |
| 16 | Query Intent Classifier + Multi-source 인덱싱 | ✅ |
| NEXT-1~7 | 자동 trigger · embed match · Gemma classifier · type-gate · diff color · slug conflict · scan cache | ✅ |
| NEXT-8 | PROJECTS_ROOT fix (dogfooding gap 해소, LLM-as-Compiler 첫 실증) | ✅ |
| NEXT-10~20 | ACK trigger · backfill · always-fire · cache · stats CLI · launchd 영구화 | ✅ |
실측 (v3.2.0, 2026-05-25): 360 passed + 13 subtests (v3.1.3 의 340 → 360, 신규 zero-touch install 테스트 20건 추가, 회귀 0). false positive 0.0%, internal effort 0.60, hook 실효 hit rate picked>0 = 66.3% (n=3,193, 2026-05-23~25 carry-forward — hook 로직 변경 없음). 자기충족 메모리 탐지 8건, extractor nonzero rate 20% → 47%. v3.2.0 변경은 install.sh / uninstall.sh / 신규 plist·runner·convert 헬퍼만이라 측정 그대로 적용.
Latency (n=3,193): p50=40ms, p95=400ms, p99=471ms. timeout(≥400ms) skip ~6%. v3.0.x post-ship perf 회귀 (avg 452ms) 는 해소 (NEXT-27/28 fix + alias_index/intent cache 운영 누적).
옛 표기 추적:
- "295 passed" (v3.0.0) → "307" (v3.0.1) → "311" (v3.0.2) → "327" (v3.1.0) → "340" (v3.1.1/v3.1.2/v3.1.3) → "360" (v3.2.0/v3.2.1) → "363" (v3.2.2) → "384" (v3.2.3/v3.2.4) → "392" (v3.2.5/v3.2.6)
- "hit rate 2.6%" (measurement artifact) → "55.7%" (v3.0.2 audit 시점) → "66.3%" (v3.2.0 cohort n=3,193) → "83.0%" (v3.2.5 누적 n=6,781)
- "avg 452ms" (NEXT-27 이전) → "p50=40ms" (현재)
- "Gemma 수동 사전 설치" (v3.0~v3.1.3) → "install.sh 자동" (v3.2.0)
- "Arctic-ko 모델 수동 변환" (v3.0~v3.1.3) → "install.sh 자동 변환" (v3.2.0)
- "Apple Silicon 전용 (v3.2.0~) — v3.3.0 백엔드 추상화 이후 가능" (v3.2.0 README) → "Intel/Linux/Windows 사용 불가, 로컬 LLM 은 Gemma 4 E4B 만 지원" (v3.2.1 README 정확화, 미래 예고 제거)
- ✅ macOS, Apple Silicon (M1 / M2 / M3 / M4) — 유일한 fully-supported 환경
⚠️ Intel Mac —install.sh가드가 인프라-only 설치 (MV3_SKIP_MODELS=1) 를 옵션으로 제공하지만 MLX 모델은 동작 안 함 → 메모리 회수·Memory Compiler 둘 다 비활성 (FTS5 만)- ❌ Linux / Windows — 사용 불가 (launchd 의존)
- ✅ Gemma 4 E4B (
mlx-community/gemma-4-e4b-it-4bit) — 공식 기본값이자 지원 모델- 사전 설치 안 된 환경:
install.sh가 자동 다운로드 + launchd 등록 (com.mindvault.gemma-mlx, port 8080, ~3GB) - 사전 설치된 환경 (예:
com.<user>.gemma-mlx가 이미 port 8080 점유 중):install.sh가 자동 감지 후 재사용 (신규 plist 설치 skip) - Stop burst를 20초 quiet-period로 합치고, 세션 전체가 아니라 persistent cursor 이후 delta만 처리
- 사전 설치 안 된 환경:
- 🧪 Codex CLI + Luna — 자동 추출용 실험 어댑터는 포함돼 있지만 기본값이 아니며, 전체 LLM 경로의 공식 지원 백엔드는 아님
- 🔧 Claude Code Haiku·기타 LLM — 개인 fork에서 교체 가능. 아래의 비공식 전환 안내 참고
- ✅ Arctic-ko (
dragonkue/snowflake-arctic-embed-l-v2.0-ko, MLX 4bit) — 유일한 지원 모델install.sh가 자동 다운로드 + 4bit 양자화 변환 + launchd 등록 (port 8081, ~322MB)
- Python 3.10+
- Claude Code (hook 등록을 위해)
git clone https://github.com/etinpres/mindvault.git
cd mindvault
./install.sh설치 내용:
~/.claude/hooks/에 hook 스크립트들 복사~/.claude/scripts/mindvault/에 인덱서/검색 모듈 배포~/.claude/commands/에/recall,/memory_review,/close-session,/cs스킬 등록~/.claude/settings.json의 hook 배열에 등록 (.bak자동 백업)- Arctic-ko launchd 서비스 등록 (사용자별
$HOME자동 치환) - (v3.2.0) Sprint 4.5 — Arctic-ko 4bit 모델 자동 변환 (원본 ~1.1GB DL + ~322MB 4bit 양자화)
- (v3.2.0) Sprint 17 — Gemma 자동 설치 (
mlx-lmpip + 모델 ~3GB DL + launchdcom.mindvault.gemma-mlx) - (v3.2.0) Apple Silicon 가드 — 비 arm64 환경에서는 인프라만 설치 (모델 자동 설치 skip)
- (v3.2.0) Resumable checkpoint — 중간 실패 시 step 파일 (
~/.cache/{mv3-gemma,mlx-arctic-ko}/.mv3-step) 기반으로 재실행 시 이어감 - 초기 인덱싱 1회 실행
첫 실행 소요: 8~12분 (모델 DL/변환). 재실행은 idempotent — 이미 있는 자산 자동 skip.
설치 확인: 새 claude 세션을 열면 system-reminder에 # 지난 세션 요약 (MindVault v3) 블록이 나타납니다.
./install.sh가 ~/.codex/를 감지하면 Codex 통합을 자동으로 설치합니다 — 회수 훅 등록, $close-session 스킬(~/.agents/skills/close-session/) 배포, AGENTS.md에 MindVault 메모리 규약 삽입(<!-- MINDVAULT_MEMORY_* --> 마커 사이 idempotent 갱신, 기존 내용 보존). Codex가 없는 환경에서는 이 단계가 조용히 생략됩니다. 훅만 수동으로 다루려면:
python3 scripts/manage_codex_recall.py install이 명령은 기존 ~/.codex/hooks.json 항목을 보존하면서 UserPromptSubmit에 배포된 ~/.claude/hooks/memory-recall.py를 읽기 전용 회수 훅으로 연결합니다. Codex는 최초 실행 전 /hooks에서 새 훅을 검토·신뢰해야 하며, 변경 사항은 새 Codex 세션부터 적용됩니다.
python3 scripts/manage_codex_recall.py status
python3 scripts/manage_codex_recall.py uninstallCodex와 Claude Code가 같은 메모리 디렉토리에 쓰는 환경에서는 이 연결로 양쪽 모두 같은 hybrid FTS5+vector 검색 결과를 자동 주입받습니다. 이는 영구 메모리 공유이며, 아직 저장되지 않은 실시간 대화 전체를 동기화하지는 않습니다.
/recall 영어 학습 망각곡선
/recall 이메일 SMTP 설정
/recall MindVault 마이그레이션 결정
FTS5 (키워드) + Arctic-ko 임베딩 (의미) 두 결과를 RRF로 결합한 뒤 Gemma가 재순위. 관련 세션 + 메모리 동시 검색.
SessionEnd/Stop마다 Gemma가 자동 추출한 메모리 후보는 memory/_procedural/_staged/ 에 임시 저장됩니다. 자동으로 영구 메모리에 들어가지 않습니다 (silent failure 방지).
/memory_review # staged 후보 목록 (메인 Claude 가 인터랙티브 처리)
명령은 인자 없음. 메인 Claude 가 후보 목록을 보여준 뒤 사용자가 번호+코드로 응답:
1y— 1번 항목 승인 (영구 메모리로 진입)2n— 2번 항목 폐기3e— 3번 항목 본문 편집 후 승인4s— 4번 항목 다음 세션으로 건너뜀
내부적으로 python3 memory_review_cli.py {approve|reject} <file> 만 호출 (subcommand 직접 입력 불가).
UserPromptSubmit hook이 매 메시지마다 hybrid 검색을 돌립니다. 관련 메모리는 <system-reminder> 태그로 Claude의 컨텍스트에 자동 주입되며, 사용자가 명령을 내릴 필요가 없습니다.
raw cosine 게이트 (Arctic-ko 기준 default 0.32, 회수 단서어 시 0.27 완화 — NEXT-30.1 운영 누적 후 fine-tune) + query intent classifier (chat/meta/code/recall/unknown) 가 잡담 쿼리에서 무관 메모리 끼는 false positive를 차단합니다. 임계값은 hooks/memory-recall.py 의 RAW_COSINE_MIN_* 상수.
MindVault의 공식 기본값과 테스트 기준은 로컬 Gemma입니다. Codex CLI의 Luna나 Claude Code의 Haiku로 교체할 수 있지만, 이는 개인 환경에 맞춘 커스터마이징입니다. 선택한 모델의 구독 한도·클라우드 전송·호환성·향후 업데이트 유지보수는 사용자가 판단하고 책임져야 합니다.
현재 MV3_LLM_PROVIDER=codex_cli는 자동 추출 경로만 Luna로 바꾸는 실험 옵션입니다.
전체 경로(SessionStart 요약·검색 보조·Memory Compiler·별칭·모순 감지)를 교체하려면
코드 수정과 회귀 테스트가 필요합니다. 직접 수정하지 않아도 아래 요청문을 이 저장소를
연 Codex 또는 Claude Code에 붙여넣어 작업을 맡길 수 있습니다.
이 MindVault checkout은 공식 기본값인 Gemma를 유지하는 공개 저장소야.
내 로컬 환경에서만 모든 생성형 LLM 호출을 Codex CLI의 Luna low로 바꿔줘.
memory_extractor, session_memory, search, memory_compiler, alias_generator,
contradiction_detector의 호출을 빠짐없이 조사하고, JSON schema·timeout·redaction과
MV3_HOOK_RECURSION_GUARD를 적용해. UserPromptSubmit hot path의 결정론적 검색과
FTS5·Arctic-ko 임베딩은 바꾸지 마. 별도 로컬 브랜치에서 작업하고 전체 테스트와
실제 schema smoke test를 통과시킨 뒤 운영 배포해. 내가 명시하지 않으면 upstream에
push하지 마.
이 MindVault checkout은 공식 기본값인 Gemma를 유지하는 공개 저장소야.
내 로컬 환경에서만 모든 생성형 LLM 호출을 현재 Claude Code CLI에서 사용 가능한
Haiku 모델로 바꿔줘. 먼저 설치된 CLI의 비대화식 호출법과 모델명을 확인해.
memory_extractor, session_memory, search, memory_compiler, alias_generator,
contradiction_detector의 호출을 빠짐없이 조사하고, 구조화 JSON 검증·timeout·redaction과
재귀 hook 차단을 적용해. UserPromptSubmit hot path의 결정론적 검색과 FTS5·Arctic-ko
임베딩은 바꾸지 마. 별도 로컬 브랜치에서 작업하고 전체 테스트와 실제 응답 smoke
test를 통과시킨 뒤 운영 배포해. 내가 명시하지 않으면 upstream에 push하지 마.
변경 전에는 현재 checkout과 ~/.claude/settings.json을 백업하세요. 대체 모델에서
발생한 문제를 보고할 때는 공식 Gemma 환경에서도 재현되는지 먼저 확인해야 합니다.
메모리 시스템의 echo chamber (잘못된 메모리가 자기를 강화) 방지 장치:
- 자기충족 메모리 자동 탐지 —
scan_self_affirming_memories가 "v1 폐기 / v2 운영" 류 자기-진화 표현을 후보로 표시 - False positive 측정 — 회수 직후 사용자가 negative cue ("그거 아니야") 발화하는지 추적
- 자기 모순 메모리 — 운영 누적 시 자동 탐지 → 검토 큐 진입
- Type-gate 분리 — procedural 타입은 raw cosine 게이트 0.05 더 엄격하게 (운영 노이즈 차단)
src/session_memory.py 상단 상수 섹션:
| 상수 | 기본값 | 설명 |
|---|---|---|
MAX_SESSIONS |
5 | L1 요약 대상 세션 수 |
MAX_HEAD_TURNS |
6 | 각 세션 앞쪽 턴 수 |
MAX_TAIL_TURNS |
6 | 각 세션 뒤쪽 턴 수 |
MAX_MSG_CHARS |
200 | 각 메시지 최대 글자 |
GEMMA_MAX_TOKENS |
2000 | Gemma 응답 토큰 한도 |
GEMMA_TIMEOUT |
45 | Gemma 호출 타임아웃(초) |
CACHE_DAYS |
7 | 캐시 보존 기간 |
| 변수 | 기본 | 설명 |
|---|---|---|
MV3_AUTO_COMPILE |
0 | SessionEnd Memory Compiler opt-in |
MV3_EXTRACTOR_ALWAYS_FIRE |
0 | trigger 휴리스틱 없이도 항상 추출 시도 |
MV3_GEMMA_INTENT |
0 | Query intent classifier에 Gemma 보강 opt-in |
MV3_LLM_PROVIDER |
gemma |
자동 추출 provider. codex_cli는 명시적으로 설정한 경우에만 사용 |
MV3_LLM_MODEL |
gpt-5.6-luna |
실험적 Codex CLI 추출 어댑터의 모델 |
MV3_LLM_EFFORT |
low |
실험적 Codex CLI 추출 어댑터의 reasoning effort |
MV3_PRIVACY |
(empty) | local이면 자동 추출을 Gemma로 강제 |
MV3_STOP_DEBOUNCE_SECONDS |
20 | Stop burst quiet-period 병합 시간 |
MV3_EXTRACTOR_MAX_CHARS |
16000 | 추출 chunk의 대략적 최대 입력 문자 |
MV3_EXTRA_MEMORY_DIRS |
(empty) | 추가 메모리 디렉토리 (: 구분) |
MV3_EXTRACTOR_CACHE_DISABLE |
0 | extractor 결과 캐시 비활성화 |
MV3_PROJECTS_DIR |
derived | primary memory base 디렉토리 (기본: $HOME 에서 자동 derive) |
pytest tests/972 passed, 2 skipped + 41 subtests (회귀 0). 단위·통합 테스트는 네트워크 없이 실행하며 Gemma와 실험적 Codex CLI 호출은 mock으로 검증한다.
./uninstall.sh훅 등록 + 스크립트 + 스킬 + launchd 서비스 일괄 제거:
- 선택 설치한 Codex
UserPromptSubmitMindVault 회수 훅 com.mindvault.gemma-mlx(v3.2.0+ Gemma)com.mindvault.arctic-ko-mlx(v3.2.3+ Arctic-ko)- legacy:
com.yonghaekim.{arctic-ko-mlx,bge-m3-mlx,mv3-env,mv3-gemma-intent,mv3-stats-daily}(옛 설치자 호환 cleanup)
Settings backup 은 ~/.claude/settings.json.bak 으로 자동 저장. install.sh 가 사용자 personal ~/.claude/skills/{close-session,cs}/ 를 attic 으로 displace 했었다면 uninstall.sh 가 manifest 보고 자동 복원합니다 (v3.2.3 #15).
캐시 + 인덱스는 보존 (수동 삭제):
rm -rf ~/.claude/mindvault-v3
rm -rf ~/.cache/mlx-arctic-ko- Apple Silicon Mac 전용 — Intel Mac / Linux / Windows 사용 불가. MLX (
mlx-lm,mlx-embeddings) 가 Apple Silicon 만 지원하고 launchd 도 macOS 전용. - 공식 생성형 LLM은 로컬 Gemma 4 E4B — 단, L1 SessionStart 요약은 Claude Code Haiku를 사용한다. Codex가 설치돼 있다는 이유만으로 Luna를 자동 호출하지 않는다.
- 임베딩은 Arctic-ko (
dragonkue/snowflake-arctic-embed-l-v2.0-ko, MLX 4bit) 만 지원 — 다른 임베딩 모델 사용 불가. - Gemma 4 E4B는 reasoning 모델 — 내부 사고에 토큰 많이 소비,
GEMMA_MAX_TOKENS크게 잡아야 함 - 한국어 특화 (Korean-first) — 임베딩 모델(Arctic-ko 한국어 파인튜닝)·cosine 게이트 캘리브레이션·회수 단서어·query intent 규칙·Gemma 프롬프트·주입 지시문이 전부 한국어 기준. 영어 메모리도 저장·색인·검색은 되지만 회수 품질 튜닝은 한국어 대상이며 영어 환경에서는 미측정
- 비공식 클라우드 LLM 전환은 사용자 책임 — 기존 redaction은 API 키·토큰 중심이며 이메일·전화 같은 일반 PII는 별도 필터가 없다.
- 세션 경계 = JSONL 파일 — 한 파일 안에서 주제 바뀌어도 하나로 간주
# 훅 실행 로그
tail ~/.claude/mindvault-v3/debug.log
# 캐시
ls ~/.claude/mindvault-v3/cache/
# Arctic-ko 헬스체크
curl http://localhost:8081/health
# {"ok":true,"model":"arctic-ko-mlx-4bit","dim":1024}
# Arctic-ko 재기동
launchctl kickstart -k gui/$(id -u)/com.<author>.arctic-ko-mlx
# 메모리 인덱스 강제 재구축
python3 -c "
import sys; from pathlib import Path
sys.path.insert(0, str(Path.home() / '.claude/scripts/mindvault'))
from memory_indexer import full_rebuild
full_rebuild()
"
# DB 상태
python3 -c "
import sqlite3
from pathlib import Path
db = Path.home() / '.claude/mindvault-v3/index.db'
c = sqlite3.connect(db)
for t in ('sessions','memories','memories_fts','memories_vec'):
print(t, c.execute(f'SELECT COUNT(*) FROM {t}').fetchone()[0])
"MIT — 자세한 내용은 LICENSE 참조.
이 프로젝트는 Andrej Karpathy의 LLM Wiki gist 의 LLM-as-Compiler 패턴을 Claude Code 환경에서 실증한 결과입니다.
이전에 같은 저자가 만든 etinpres/mindvault-v1 (deprecated) 은 이 패턴을 잘못 이해한 채 진행한 첫 시도였습니다. v3는 그 postmortem 교훈을 반영한 재시도입니다 — Gemma가 실제로 메모리를 정제·합성하는 구조로.
이슈와 PR을 환영합니다. macOS 외 플랫폼 포팅에 관심 있다면 환영합니다.