Lossless 로컬 인덱싱을 통한 AI 메모리 지연시간 126ms 달성

Context

LLM의 Context Window 확장 중심 설계로 인한 높은 비용과 Privacy 저하 문제 발생. 기존 AI 메모리 툴의 Summarization 방식은 데이터 손실(Lossy)을 초래하여 구체적인 디버깅 이력과 추론 과정의 소실을 유발함.

Technical Solution

• Verbatim Capture: Claude Code의 JSONL 로그를 가공 없이 그대로 수집하여 정보 손실 차단
• Hybrid Storage: 구조화된 이벤트 저장을 위한 SQLite와 Semantic Search를 위한 ChromaDB의 이원화 설계
• SessionEnd Hook: 세션 종료 시 자동 Ingestion을 수행하는 이벤트 기반 파이프라인 구축
• MCP Server 기반 Recall: 17개의 전용 Tool을 통해 모델이 디스크 데이터를 직접 쿼리하는 RAG 구조 구현
• Local-first Architecture: 추론 단계에서 메모리를 보유하는 대신 Disk 기반 저장을 통해 Vendor Lock-in 제거