1. OKF Agent Memory, Git 기반 영구 메모리 출시
OKF Agent Memory는 AI 코딩 에이전트를 위해 설계된 Git 기반의 도메인 중립적 영구 메모리 계층입니다. 외부 의존성이 없는 Go 언어로 구축되었으며, MIT 라이선스를 따르는 이 도구는 에이전트의 메모리를 프로젝트 저장소 내부에 YAML 프론트매터가 포함된 일반 Markdown 파일로 저장합니다. 또한 Claude Code 및 Cursor와 같은 도구와의 원활한 통합을 위해 Model Context Protocol(MCP) 서버를 내장하고 있으며, 로컬 BM25 어휘 인덱싱을 활용하여 벡터 임베딩 API 비용과 네트워크 지연 시간을 제거합니다.
- • OKF Agent Memory는 Open Knowledge Format v0.2를 기반으로 하는 AI 에이전트용 Git 기반 영구 메모리 계층입니다.
- • 시스템은 메모리를 프로젝트 저장소 내부에 YAML 프론트매터가 포함된 일반 Markdown 파일로 저장합니다.
- • Claude Code 및 Cursor와의 통합을 위한 Model Context Protocol(MCP) 서버가 내장되어 있습니다.
- • 로컬 BM25 어휘 인덱싱을 사용하여 300µs 미만의 검색 시간을 달성하고 벡터 임베딩 API 비용을 제거합니다.
- • 이 도구는 외부 의존성이 없는 Go 언어로 작성되었으며 MIT 라이선스로 배포됩니다.
- • 점진적 공개(progressive disclosure)와 쓰기 전 검색 원칙을 사용하여 컨텍스트 비대화를 관리하고 중복을 방지합니다.
개발자는 벡터 데이터베이스나 임베딩 API 비용을 들이지 않고도 빠르고 로컬에서 작동하는 Git 기반의 영구 메모리를 코딩 에이전트에 탑재할 수 있습니다.
2. Nous Research, Hermes Desktop에 원클릭 로컬 설정 기능 추가
Nous Research는 하드웨어 감지, 모델 선택 및 런타임 구성을 자동화하는 원클릭 로컬 모델 설정 기능을 Hermes Desktop 애플리케이션에 업데이트했습니다. 무료 MIT 라이선스 애플리케이션인 이 도구는 자체 llama.cpp 빌드를 관리하여 CUDA, Metal, Vulkan 및 기타 백엔드를 지원합니다. 성능 저하를 방지하기 위해 소프트웨어는 GPU 메모리 호환성을 보여주는 색상 코드 시스템을 사용하고, 4비트 양자화 하한선을 적용하며, 15분 동안 유휴 상태인 모델을 자동으로 언로드합니다.
- • Nous Research는 무료 MIT 라이선스 Hermes Desktop 애플리케이션에 원클릭 로컬 모델 설정 기능을 추가했습니다.
- • 소프트웨어는 자동으로 하드웨어를 감지하고 호환되는 모델을 선택하며 가중치를 다운로드하고 llama.cpp 런타임을 구성합니다.
- • macOS, Windows 및 Linux 전반에서 CUDA, Metal, Vulkan, HIP 및 CPU 백엔드를 지원합니다.
- • 색상 코드 시스템은 모델이 GPU 메모리에 적합한지(녹색), 시스템 RAM으로 넘어가는지(황색), 너무 큰지(빨간색)를 나타냅니다.
- • 애플리케이션은 4비트 양자화 하한선을 적용하여 4비트에서 시스템 RAM으로 넘어갈 모델을 숨깁니다.
- • 최대 64K까지의 컨텍스트 윈도우를 자동으로 관리하며 15분 동안 활동이 없으면 유휴 모델을 언로드합니다.
개발자는 런타임, 양자화 수준 또는 하드웨어 백엔드를 수동으로 구성할 필요 없이 로컬 머신에서 모델을 빠르게 설정하고 실행할 수 있습니다.
3. Adaption Labs, 합성 데이터셋 생성기 출시
Adaption Labs는 자연어 작업 설명에서 직접 합성 학습 데이터셋을 생성하도록 설계된 새로운 기능인 'Invent a Dataset'을 출시했습니다. 시드 코퍼스, 스키마 또는 수동 라벨링 가이드가 필요 없으므로 이 도구는 파인튜닝을 위한 데이터 준비 단계를 간소화합니다. 개발자는 Python SDK 또는 REST API를 통해 서비스에 액세스하여 지도 학습(SFT)을 위한 프롬프트-완성 쌍이나 선호도 기반 학습을 위한 선택-거부 쌍을 생성할 수 있습니다.
- • Adaption Labs는 작업 설명에서 학습용 데이터셋을 생성하는 'Invent a Dataset'을 출시했습니다.
- • 이 도구는 생성을 시작하기 위해 시드 코퍼스, 스키마 또는 라벨링 가이드가 필요하지 않습니다.
- • Adaption 앱, Python SDK 및 REST API를 통해 액세스할 수 있으며 JSONL, JSON, CSV 또는 Parquet으로 내보낼 수 있습니다.
- • 지도 학습을 위한 프롬프트-완성 쌍과 선호도 기반 학습을 위한 선택-거부 쌍을 지원합니다.
- • 생성된 데이터셋은 Adaption의 AutoScientist 도구와 직접 통합되어 데이터와 학습 레시피를 공동 최적화합니다.
- • 서비스는 Adaption의 호스팅 플랫폼에서 실행되며 확장된 행(row) 수를 기준으로 요금이 청구됩니다.
개발자는 기존 시드 코퍼스나 수동 라벨링 가이드 없이도 파인튜닝을 위한 고품질 합성 학습 데이터셋을 생성할 수 있습니다.