당신의 AI가 처음부터 가지고 있었어야 할 기억.
-orange)
왜 · 빠른 시작 · 비교 · 티어 · 벤치마크 · API · 문서 · FAQ
---
## 왜 TrueMemory인가
**노이즈 속에서 신호를 찾아냅니다.** AI는 수천 개의 메시지를 봅니다. TrueMemory는 어떤 것이 실제로 중요한지 파악하고 나머지는 버립니다. 수동 태깅도, 프롬프트 엔지니어링도 필요 없습니다. 그냥 알아냅니다.
**시간이 지날수록 더 정확해집니다.** 정적인 데이터베이스가 아닙니다. 당신과 함께 성장하는 살아있는 기억입니다. 생각이 바뀌면 모순을 해결하고, 오래된 사실을 업데이트하며, 알고 있는 것을 통합합니다. 오래 사용할수록 더 좋아집니다.
**생각할 필요 없이 작동합니다.** TrueMemory는 대화에서 자동으로 기억을 캡처하고 다음 세션에 올바른 기억을 자동으로 주입합니다. 수동으로 저장하거나 검색할 필요가 없습니다. 그냥 일어납니다.
**100% 로컬입니다.** 머신에 있는 하나의 SQLite 파일. 기기 밖으로 아무것도 나가지 않습니다. 클라우드 없음, API 키 불필요. 당신의 데이터는 당신의 것입니다.
> **TrueMemory 없이:** "어떤 프레임워크를 쓰고 있나요?" 이번 주에 12번째 질문. 에이전트는 매 세션을 기억상실 상태로 시작합니다. 당신의 이름도, 스택도, 어제 말한 것도 아무것도 모릅니다.
>
> **TrueMemory와 함께:** 에이전트는 이미 당신이 FastAPI를 사용하고, Pydantic v2를 선호하며, auth 미들웨어가 `src/auth/`에 있다는 것을 알고 있습니다. 당신의 수정 사항, 선호도, 결정 사항을 모든 세션에 걸쳐 영원히 기억합니다.
---
## TrueMemory 비교
| 시스템 | LoCoMo | LongMemEval | 로컬 우선 | 자동 캡처 | 라이선스 |
|--------|--------|-------------|:-----------:|:------------:|---------|
| **TrueMemory Pro** | **93.0%** | **92.0%** | ✅ | ✅ | AGPL-3.0 |
| **TrueMemory Base** | **87.7%** | **84.1%** | ✅ | ✅ | AGPL-3.0 |
| Mem0 | 61.4% | — | 부분적 | ❌ | Apache-2.0 |
| Supermemory | 65.4% | — | ❌ | ❌ | Cloud API |
| MemOS | 75.8% | — | ✅ | ❌ | Apache-2.0 |
| ReadAgent | 79.5% | — | ❌ | ❌ | Research |
> 모든 벤치마크는 독립적으로 재현 가능합니다. 스크립트는 [`benchmarks/`](../benchmarks/)에 포함되어 있습니다.
---
## 빠른 시작
### Claude Code / Claude CLI / Cursor / Codex CLI / Gemini CLI용
```bash
curl -LsSf https://raw.githubusercontent.com/buildingjoshbetter/TrueMemory/main/install.sh | sh
```
> 격리된 환경에 모든 것을 설치합니다. ~1.5GB의 AI 모델을 다운로드합니다. 어떤 데이터도 머신 밖으로 나가지 않습니다. sudo가 필요 없습니다.
터미널이 처음이신가요? 단계별 안내를 보려면 여기를 클릭하세요.
1. **터미널을 엽니다:** Mac: `Cmd + Space`에서 `Terminal` 입력. Linux: `Ctrl + Alt + T`. Windows: PowerShell 열기.
2. **위 명령어를 붙여넣고** Enter를 누릅니다.
3. **모델 다운로드에 3-5분 기다립니다.**
4. **AI 도구를 완전히 종료하고** 다시 엽니다 (Mac: `Cmd+Q`).
5. **"Set up TrueMemory"를 입력하고** 티어를 선택합니다.
**Windows (PowerShell):**
```powershell
irm https://raw.githubusercontent.com/buildingjoshbetter/TrueMemory/main/install.ps1 | iex
```
세 가지 주요 벤치마크에서 테스트되었으며, 모든 시스템이 동일한 답변 모델(GPT-4.1-mini), 심사 모델(GPT-4o-mini, 3회 다수결), 스코어링 파이프라인을 공유합니다.
| 벤치마크 | 테스트 내용 | TrueMemory Pro |
|-----------|--------------|:--------------:|
| [LoCoMo](https://github.com/snap-research/locomo) | 10개 대화에 걸친 1,540개 질문 | **93.0%** |
| [LongMemEval](https://github.com/xiaowu0162/LongMemEval) | 500개 멀티세션 질문 | **92.0%** |
| [BEAM-1M](https://github.com/mohammadtavakoli78/BEAM) | 1M+ 토큰에서 700개 질문 | **76.6% (SOTA)** |
| BEAM-10M | 10M 토큰에서 200개 질문 | **65.0%** |
### 모든 결과를 직접 재현하세요
모든 벤치마크 스크립트는 독립 실행형이며 [Modal](https://modal.com)에서 실행됩니다.
- **[LoCoMo 스크립트](../benchmarks/locomo/scripts/)** — 8개 시스템 (TrueMemory, Mem0, Zep, Engram 등)
- **[LoCoMo 결과](../benchmarks/locomo/BENCHMARK_RESULTS.md)** — 카테고리별 분석, 레이턴시, 비용
- **[LoCoMo 평가 설정](../benchmarks/locomo/EVAL_CONFIG.md)** — 정확한 모델, 프롬프트, 파라미터
- **[LongMemEval 스크립트](../benchmarks/longmemeval/)** — oracle + strict 변형
- **[LongMemEval 결과](../benchmarks/longmemeval/results/)** — TM Pro 6회 실행 + 경쟁사 5개 결과
- **[BEAM-1M 스크립트](../benchmarks/beam/bench_truememory_pro_beam1m.py)** — 1M+ 토큰에서 35개 대화
- **[BEAM-10M 스크립트](../benchmarks/beam/bench_truememory_pro_beam10m.py)** — 10M 토큰에서 10개 대화
- **[BEAM 결과](../benchmarks/beam/)** — 3회 실행 (1M) + 1회 실행 (10M)
모든 벤치마크는 동일한 평가 파이프라인을 사용합니다. 숨겨진 것은 없습니다. 전체 세부사항: [LoCoMo](../benchmarks/locomo/EVAL_CONFIG.md) | [LongMemEval](../benchmarks/longmemeval/README.md) | [BEAM](../benchmarks/beam/README.md)
---
## 호환 도구
Claude Code · Claude CLI · Cursor · Codex CLI · Gemini CLI · Claude Desktop
라이프사이클 훅이 대화를 자동으로 캡처합니다. 수동 작업이 필요 없습니다. 기억은 하나의 SQLite 파일에 로컬로 보관됩니다.
---
## Python API
```python
from truememory import Memory
m = Memory()
m.add("Prefers dark mode and TypeScript", user_id="alex")
m.add("Works at Anthropic as a senior engineer", user_id="alex")
results = m.search("What are Alex's preferences?", user_id="alex")
results = m.search_deep("career history?", user_id="alex") # multi-round, higher accuracy
```
| 메서드 | 설명 |
|--------|-------------|
| `m.add(content, user_id)` | 기억 저장 |
| `m.search(query, user_id)` | 검색 (6단계 파이프라인 + 리랭커) |
| `m.search_deep(query, user_id)` | 멀티라운드 에이전트 검색 |
| `m.get(id)` / `m.get_all(user_id)` | 기억 가져오기 |
| `m.update(id, content)` / `m.delete(id)` | 수정 또는 삭제 |
| `m.stats()` | 시스템 통계 |
[전체 API 레퍼런스 →](../docs/python-api.md)
---
## 문서
| | |
|---|---|
| [시작하기](../docs/guides/getting-started.md) | 설치부터 첫 번째 기억까지 |
| [Python API 레퍼런스](../docs/python-api.md) | `Memory` 클래스 전체 레퍼런스 |
| [MCP 도구 레퍼런스](../docs/mcp-tools.md) | 8개 MCP 도구 전체 |
| [CLI 레퍼런스](../docs/cli.md) | `truememory-mcp` 및 `truememory-ingest` |
| [환경 변수](../docs/env-vars.md) | 모든 `TRUEMEMORY_*` 설정 옵션 |
| [아키텍처 심층 분석](../docs/architecture.md) | 6단계 검색 파이프라인, 인코딩 게이트 |
| [티어 선택 가이드](../docs/guides/tier-selection.md) | Edge vs Base vs Pro |
| [디버깅](../docs/guides/debugging.md) | 로그, 트레이스, 일반적인 문제 |
---
## 자주 묻는 질문
데이터는 어디에 저장되나요? 클라우드로 전송되는 것이 있나요?
모든 것은 `~/.truememory/memories.db`에 로컬로 저장됩니다. Edge와 Base 티어는 외부 호출을 전혀 하지 않습니다. Pro는 쿼리 확장을 위해 검색 쿼리 텍스트만 LLM에 전송합니다. 기억 내용은 절대 전송되지 않습니다.
Python이 설치되어 있어야 하나요?
아니요. 설치 프로그램은 [uv](https://docs.astral.sh/uv/)를 사용하여 샌드박스된 Python 3.12을 관리합니다. 시스템 Python은 건드리지 않습니다.
더 큰 컨텍스트 윈도우를 사용하면 안 되나요?
컨텍스트 윈도우는 비용이 많이 들고, 느리며, 매 세션 시작 시 비어 있습니다. TrueMemory는 컨텍스트 토큰 제로, 200ms 미만으로 즉각적인 리콜을 제공합니다.
TrueMemory는 텔레메트리를 수집하나요?
익명 사용 텔레메트리(도구 호출, 세션 수, 플랫폼 정보)가 기본적으로 활성화되어 있습니다. 기억 내용, 쿼리, 파일 경로, API 키는 **절대** 추적하지 않습니다. 비활성화: `export TRUEMEMORY_TELEMETRY=off`
TrueMemory, sauron 회사
