엔그램: 코딩 에이전트에게 메모리 제공(FalkorDB 기반)

코딩 에이전트는 도구 호출의 3분의 1을 검색에만 사용합니다. Engram은 저장소를 FalkorDB 그래프(코드, git 기록 및 에이전트가 이미 수행한 작업)로 변환하고 첫 번째 도구 호출 전에 찾아야 할 위치에 대한 ~200개의 토큰 맵을 에이전트에 전달합니다. 측정됨, 청구되지 않음: • 팔레트/클릭, 144회 Claude 코드 실행, 동일 모델: −25% 입력 토큰, −29% 도구 호출, −23% 시간 • networkx(128,000개 라인): −24% 토큰, −40% 도구 호출 • yt-dlp(248,000개 라인), 30개 실제 GitHub 문제: 22/30에 대해 상위 3위권에 있는 오른쪽 파일, LLM 토큰 없음 • 라이브 해당 문제 중 4개에 대해: −31% 토큰, −33% 도구 호출, 동일한 정답 4/4 설치(Docker 없음, API 키 없음, 자체 LLM 호출 없음): 컬 -fsSL https://raw.githubusercontent.com/ManojRakshu/engram/main/install.sh | sh 코드, 벤치마크 하네스 및 원시 결과: https://github.com/ManojRakshu/engram Graph Hacks용으로 구축: AI 에이전트용 컨텍스트(WeMakeDevs × FalkorDB). 0:00 문제: 에이전트가 계속 검색합니다 0:23 Engram이 하는 일 0:37 FalkorDB가 필요한 이유: grep이 아닌 그래프 워크 0:57 벤치마크: 144 실행 1:13 실제적이고 지저분한 프로젝트: yt-dlp 1:34 메모리, 폭발 반경 및 설치