claude-memory-layer 1.0.30 → 1.0.32

package/docs/SUPERLOCALMEMORY_PROJECT_STRUCTURE_ANALYSIS.md

@@ -1,452 +0,0 @@
-<!-- Imported from `/Users/namsangboy/workspace/superlocalmemory/docs/PROJECT_STRUCTURE_ANALYSIS.md` as a local comparison snapshot for claude-memory-layer refactoring. -->
-
-# superlocalmemory 프로젝트 구조 분석
-
-## 한 줄 요약
-`superlocalmemory`는 단순 메모리 라이브러리가 아니라, **SQLite 기반 로컬 메모리 엔진 위에 MCP, CLI, 훅, 대시보드, 코드 그래프, 학습/적응 계층, 멀티에이전트 mesh까지 얹은 거대한 로컬 메모리 플랫폼**이다.
-
----
-
-## 1. 프로젝트 목적
-
-이 프로젝트의 목적은 매우 넓다.
-
-핵심적으로는:
-- 세션 간 persistent memory 제공
-- IDE/에이전트 환경에 자동 주입/회상 제공
-- 로컬 우선 프라이버시 보장
-- MCP 도구 제공
-- 대시보드/운영 화면 제공
-- 코드 그래프와 메모리를 연결
-- 학습/피드백/패턴 마이닝을 통해 점점 더 똑똑한 memory system 구축
-- 멀티에이전트 coordination까지 확장
-
-즉, 이 프로젝트는 “메모리 기능”을 넘어서 **agent memory operating system** 에 가깝다.
-
----
-
-## 2. 기술 스택
-
-### 언어 / 배포
-- Python 중심
-- PyPI + npm 양쪽 배포
-
-### 서버 / 인터페이스
-- FastAPI
-- uvicorn
-- websockets
-- static dashboard UI
-
-### 저장 / 검색 / 그래프 / ML
-- SQLite/WAL
-- FTS5
-- sentence-transformers
-- torch
-- scikit-learn
-- lightgbm
-- networkx
-- rustworkx
-- tree-sitter
-- watchdog
-
-즉, 전형적인 앱/도구 수준을 넘어서,
-**애플리케이션 + 검색엔진 + 분석엔진 + 연구 레이어**가 같이 있는 스택이다.
-
----
-
-## 3. 엔트리 포인트
-
-### CLI
-- `slm` → `superlocalmemory.cli.main:main`
-
-### MCP 서버
-- `slm mcp`
-- stdio 기반 MCP surface 제공
-
-### 대시보드/서버
-- unified daemon 및 UI server 경로 존재
-
-### hooks
-- 저지연 hook fast-path 존재
-
-즉, 사용자 접점이 매우 많다.
-- CLI
-- MCP
-- hooks
-- dashboard
-- daemon
-- IDE integrations
-
----
-
-## 4. 전체 구조 해석
-
-이 저장소는 사실상 **대형 모듈러 모놀리스**다.
-
-중심은 `MemoryEngine` 이며,
-그 주변에 여러 서브시스템이 붙는다.
-
-대략 구조:
-1. ingestion / encoding
-2. storage / schema / migration
-3. retrieval / ranking / rerank
-4. learning / adaptation / consolidation
-5. hooks / IDE automation
-6. MCP / CLI / dashboard
-7. code graph bridge
-8. mesh / multi-agent coordination
-9. parameterization / soft prompt injection
-10. evolution / skill learning
-
-즉, 아주 많은 기능이 하나의 플랫폼으로 엮여 있다.
-
----
-
-## 5. 디렉터리 구조 분석
-
-### `src/superlocalmemory/core/`
-플랫폼 핵심 엔진과 wiring 계층이다.
-
-- `engine.py`: top-level orchestrator
-- `engine_wiring.py`: 서브시스템 연결
-- worker/consolidation/config 계층
-
-### `storage/`
-DB, schema, migration 레이어다.
-
-- primary SQLite schema
-- versioned schema files
-- migration scripts
-- code graph 전용 schema
-
-### `encoding/`
-raw memory를 구조화된 fact/entity/scene/observation으로 변환하는 계층이다.
-
-예:
-- fact extraction
-- entity resolution
-- temporal parsing
-- graph building
-- entropy gating
-
-### `retrieval/`
-가장 중요한 검색 계층 중 하나다.
-
-포함 기능:
-- semantic
-- BM25
-- entity graph
-- temporal
-- spreading activation
-- hopfield
-- fusion / rerank / diversity logic
-
-### `learning/`
-이 프로젝트를 특별하게 만드는 큰 축이다.
-
-포함:
-- reward / feedback
-- outcomes
-- pattern mining
-- ranker retraining
-- bandits
-- consolidation
-- behavioral analysis
-- rollback/shadow test
-
-즉, 단순 회상이 아니라 **memory quality를 스스로 개선하려는 시스템**이다.
-
-### `code_graph/`
-코드베이스 구조를 memory와 연결하는 계층이다.
-
-포함:
-- parser/extractors (Python/TypeScript)
-- incremental updates
-- graph storage/search
-- communities / blast radius / flows
-- event bridge
-
-### `hooks/`
-세션 시작, recall gate, tool use checkpoint, observation posting 등 agent workflow에 직접 개입한다.
-
-### `mcp/`
-FastMCP 기반 tool/resource 등록 레이어다.
-
-### `server/`
-대시보드/API/daemon 계층이다.
-
-### `mesh/`
-멀티에이전트 브로커/메시징/락/공유상태를 담당한다.
-
-### `parameterization/`
-soft prompt, prompt injection, PII filter 등 “메모리를 파라미터화된 컨텍스트”로 바꾸는 계층이다.
-
-### `evolution/`
-스킬 진화 및 학습된 패턴을 다루는 계층이다.
-
----
-
-## 6. 데이터 모델
-
-### 6.1 SQLite primary store
-핵심 저장소는 SQLite/WAL이다.
-
-장점:
-- 로컬 배포 쉬움
-- 단일 파일 관리 가능
-- 멀티프로세스 접근에 대한 운영 노하우가 축적됨
-
-### 6.2 Raw memory + atomic facts 이중 구조
-중요한 특징:
-- `memories` = raw records
-- `atomic_facts` = 실제 검색 단위
-
-이건 꽤 강력한 설계다.
-즉, 원문과 검색용 정규화 fact를 분리한다.
-
-### 6.3 매우 풍부한 스키마
-스키마에는 다음이 포함된다.
-- memories
-- atomic facts
-- entities / aliases / profiles
-- graph edges
-- temporal events
-- scenes
-- trust / provenance / feedback
-- behavioral / action outcomes
-- compliance / config
-- soft prompt 관련 테이블
-- mesh 관련 테이블
-- code graph 관련 테이블
-
-즉, 단순 memory DB가 아니라 **knowledge + behavior + learning + infra metadata DB**다.
-
-### 6.4 FTS + embeddings + lifecycle
-사실 검색 가능한 fact unit에 다음이 다 붙는다.
-- content
-- entity list
-- temporal field
-- confidence
-- importance
-- evidence
-- embedding
-- lifecycle state
-- emotion
-
-이건 매우 풍부하지만, 동시에 유지비가 크다.
-
----
-
-## 7. ingestion / encoding 구조
-
-문서상 11단계 pipeline이 설명되어 있고,
-코드도 실제로 꽤 세분화돼 있다.
-
-예:
-- metadata
-- entity extraction
-- fact extraction
-- emotion detection
-- belief extraction
-- entity resolution
-- graph wiring
-- foresight tagging
-- observation building
-- entropy gating
-- storage
-
-이 구조는 “대화/로그를 그냥 chunk 저장하는 것”보다 훨씬 깊다.
-대신 계산비용과 복잡성이 높다.
-
----
-
-## 8. retrieval 구조
-
-문서보다 구현이 더 발전해 있다.
-
-실제 검색 채널은 대체로 다음과 같다.
-- semantic
-- BM25
-- entity graph
-- temporal
-- spreading activation
-- hopfield
-
-그리고 위 결과를 fusion/rerank 한다.
-
-장점:
-- 다양한 종류의 기억을 잘 찾을 가능성
-- 단순 검색보다 더 풍부한 연상 가능
-
-단점:
-- 설명/디버깅이 어려워짐
-- 성능 튜닝 포인트가 많아짐
-- 문서 drift가 생기기 쉬움
-
----
-
-## 9. 학습/적응 계층
-
-이 프로젝트의 가장 큰 차별점 중 하나다.
-
-단순히 메모리를 저장하고 꺼내는 것이 아니라,
-- 어떤 기억이 유용했는지
-- 어떤 retrieval 채널이 잘 먹혔는지
-- 어떤 패턴이 반복되는지
-- ranker를 어떻게 개선할지
-- forgetting/consolidation을 어떻게 적용할지
-
-를 계속 학습하려고 한다.
-
-이건 매우 야심찬 구조다.
-잘 되면 강력하지만,
-잘 관리하지 않으면 가장 무거운 부채가 되기 쉽다.
-
----
-
-## 10. code graph 통합
-
-`superlocalmemory`는 code graph를 memory와 직접 연결하려고 한다.
-
-예상되는 가치:
-- 대화 메모리와 코드 구조 연결
-- 특정 함수/모듈/파일과 관련된 기억 회상
-- blast radius / dependency 기반 recall
-
-이 방향은 매우 좋다.
-다만 일부 구현은 여전히 진행 중인 흔적이 보여,
-완전한 안정 제품보다는 “활발히 발전 중인 연구-제품 중간 단계”로 보인다.
-
----
-
-## 11. hooks / IDE automation
-
-이 프로젝트는 단순 assistive memory가 아니라,
-**에이전트 workflow를 강하게 통제하는 계층**도 갖고 있다.
-
-예:
-- session init 강제
-- recall gate
-- tool 사용 전후 흐름 제어
-- observation posting
-- learning/evolution 트리거
-
-장점:
-- memory system을 실제 워크플로우에 강하게 결합 가능
-
-단점:
-- 사용자가 “무겁다/간섭이 많다”고 느낄 수 있음
-- 통합 대상이 많을수록 유지비 증가
-
----
-
-## 12. MCP / CLI / Dashboard 구조
-
-### MCP
-도구 수와 범위가 크다.
-core memory뿐 아니라 learning/code graph/mesh/evolution까지 노출한다.
-
-### CLI
-기능 폭이 매우 넓다.
-단순 remember/recall 수준이 아니라 setup, doctor, health, migrate, serve, dashboard, warmup 등 운영형 CLI다.
-
-### Dashboard
-지식 그래프, 메모리, recall lab, clusters, patterns, timeline, learning, agents, trust, behavioral, compliance, math health, settings 등 탭이 많다.
-
-즉, 대시보드는 단순 viewer가 아니라 **운영 콘솔**에 가깝다.
-
----
-
-## 13. 테스트 / 품질 신호
-
-장점:
-- 테스트 범위가 매우 넓다
-- cross-platform CI
-- CLI/MCP/hooks/retrieval/learning/mesh 등 다수 계층 테스트 존재
-
-의미:
-- 큰 시스템치고는 품질 방어에 많은 노력을 들이고 있다
-
-하지만 해석상:
-- 시스템이 워낙 커서 테스트가 많아도 전체 복잡도를 상쇄하긴 어렵다
-- 테스트 유지비도 상당할 것
-
----
-
-## 14. 아키텍처 강점
-
-### 강점 1: 제품 완성도 범위가 넓다
-memory, MCP, dashboard, hooks, learning, code graph, mesh까지 모두 갖춘다.
-
-### 강점 2: 로컬 우선 철학
-SQLite/WAL 중심이라 배포성과 프라이버시 측면에서 강하다.
-
-### 강점 3: retrieval sophistication
-다채널 retrieval과 ranking/fusion은 강력한 경쟁력이다.
-
-### 강점 4: 사실상 platform-level ambition
-단순 라이브러리가 아니라 큰 비전을 담고 있다.
-
-### 강점 5: 코드 그래프/학습/행동 분석까지 결합
-이건 다른 memory 프로젝트에서 쉽게 보기 어려운 깊이다.
-
----
-
-## 15. 약점 / 리스크
-
-### 약점 1: 지나치게 넓은 범위
-memory 시스템 하나에 너무 많은 제품/연구 축이 들어와 있다.
-
-### 약점 2: 문서와 구현 drift
-tool count, retrieval channel count, 일부 구조 설명이 최신 구현과 어긋난다.
-
-### 약점 3: 모놀리스 비대화
-겉보기엔 모듈화되어 있지만, 실제론 하나의 커다란 플랫폼으로 결합돼 있다.
-
-### 약점 4: migration / legacy / compatibility 비용
-versioned schema와 과거 호환 레이어가 계속 쌓인다.
-
-### 약점 5: 일부 계층은 여전히 evolving
-code graph 일부, unified daemon vs legacy UI server 공존 등 전환기 흔적이 보인다.
-
-### 약점 6: 사용자 경험이 무거울 수 있음
-모든 기능이 다 좋더라도, 실제 사용자 입장에서는 너무 많은 개념과 운영 surface가 부담일 수 있다.
-
----
-
-## 16. 구조적 해석
-
-`superlocalmemory`는 매우 인상적이지만,
-핵심적으로는 다음 질문을 던지게 만든다.
-
-> “이 프로젝트는 memory engine인가, agent operating platform인가?”
-
-현재 답은 거의 후자에 가깝다.
-
-즉,
-- 아주 강력하지만
-- 매우 무겁고
-- 유지보수와 제품 집중력 측면에선 큰 discipline이 필요한 구조다.
-
----
-
-## 17. 결론
-
-`superlocalmemory`는 **가볍고 단순한 메모리 라이브러리**가 아니다.
-그보다 훨씬 크고 야심차며,
-**로컬 AI memory OS**에 가까운 구조다.
-
-배울 점은 많다.
-특히:
-- SQLite 기반 단일 로컬 엔진
-- atomic facts 모델
-- retrieval 채널 다변화
-- learning/feedback 통합
-- code graph bridge
-- 운영 도구/대시보드의 풍부함
-
-하지만 동시에,
-이 구조 전체를 그대로 가져오면 작은 프로젝트는 거의 반드시 과체중이 된다.
-
-즉, 이 저장소는 “그대로 모방할 대상”이라기보다,
-**어떤 아이디어를 선택적으로 흡수할지 신중히 골라야 하는 참조 아키텍처**라고 보는 것이 맞다.