PMB가 내 코드나 데이터를 클라우드로 전송하나요?

아니요. PMB는 100% 로컬 우선으로 설계되었습니다. 메모리는 사용자 디스크에 저장되며(SQLite의 이벤트, 그 옆의 로컬 LanceDB 데이터베이스의 벡터), 계정, API 키, 원격 분석이 필요 없으며 오프라인에서도 계속 작동합니다.

PMB는 프롬프트에 대한 올바른 메모리를 어떻게 리콜하나요?

PMB는 모든 프롬프트에 대해 메시지를 빠르게 분류하고 하이브리드 검색(BM25(어휘 검색) + 밀집 벡터 임베딩 + 엔티티 그래프)을 사용하여 관련 항목을 검색함으로써 자동 리콜을 수행하며, 융합 및 순위 지정(예: Reciprocal Rank Fusion 사용)됩니다. 검색된 메모리는 모델이 응답하기 전에 삽입되며, 읽기 경로에서 LLM 호출은 없습니다.

PMB는 어떤 에이전트 및 도구에 연결할 수 있나요?

PMB는 Claude Code, Cursor, Codex, Zed, Windsurf, Gemini CLI 및 VS Code / GitHub Copilot MCP를 포함한 MCP 인식 코딩 에이전트 및 도구에 연결됩니다. 이 프로젝트는 `pmb connect`를 통해 추가 도구(예: Continue.dev 등)에 대한 커넥터도 나열합니다.

PMB를 설치하고 사용하려면 어떻게 해야 하나요?

`pip install pmb-ai`로 설치하고, `pmb connect claude-code`와 같은 명령으로 에이전트를 연결한 다음, 평소처럼 작업합니다. CLI 명령(예: `pmb recall`, `pmb doctor`) 및 `pmb dashboard`로 시작되는 로컬 대시보드를 통해 메모리를 검사하고 탐색할 수 있습니다.

PMB가 내 에이전트 속도를 늦추나요?

PMB는 빠르게 설계되었습니다. 일반적인 사용 시 리콜은 약 35ms로 보고되며, 임베딩/벡터 삽입이 백그라운드에서 비동기적으로 실행되어 에이전트 턴이 차단되지 않으므로 쓰기는 1ms 미만으로 반환됩니다.

PMB의 메모리는 어디에 저장되며 얼마나 휴대성이 좋나요?

PMB는 단일 로컬 SQLite 데이터베이스에 이벤트를 저장하고, 벡터 데이터는 그 옆의 로컬 LanceDB 데이터베이스에 저장합니다. 모든 것이 디스크의 파일이므로 작업 공간 디렉터리(예: `~/.pmb/workspaces/<id>/`)를 복사하여 메모리를 이동하거나 백업할 수 있습니다.

PMB는 오픈 소스이며 어떤 라이선스를 사용하나요?

예. PMB는 Apache-2.0 라이선스에 따라 오픈 소스입니다.

PMB가 저장한 내용을 어떻게 보고 탐색할 수 있나요?

PMB는 메모리를 그래프("맵") 및 저널("타임라인")로 시각화하는 로컬 웹 대시보드(사용자 기기에서 제공)를 제공합니다. UI는 일반적으로 로컬 주소(예: http://127.0.0.1:8765)에서 사용할 수 있으며, 디스크 내 메모리에 대한 창 역할을 합니다.

내 작업 공간이 다국어인 경우 다른 임베딩 모델이 필요한가요?

작업 공간에 라틴어가 아닌 텍스트가 많은 경우, PMB는 영어 전용 임베딩 모델(예: `all-MiniLM-L6-v2`)이 적합하지 않을 수 있다고 경고합니다. 다국어 임베딩 모델로 전환하는 것을 권장하며, 예를 들어 `pmb config set embedding.model paraphrase-multilingual-MiniLM-L12-v2`와 같습니다.

PMB | Local-first memory for AI

WebsiteFreeAI Code Assistant AI Developer Tools

PMB는 Apache-2.0, MCP 네이티브, 로컬 우선 영구 메모리 계층으로, 에이전트 지식을 디스크의 SQLite + LanceDB에 저장하고 Claude Code, Cursor, Codex, Zed와 같은 도구에 빠르고 하이브리드적인 불러오기(BM25 + 벡터 + 엔티티 그래프)를 자동으로 주입합니다. API 키나 클라우드 없이 오프라인으로 작동합니다.

웹사이트 방문

이 도구 광고하기

https://pmbai.dev/?ref=producthunt&utm_source=aipure

개요
동영상
대안

제품 정보

업데이트됨:Jun 29, 2026

PMB | Local-first memory for AI이란?

PMB(Personal Memory Brain)는 코딩 에이전트의 'AI가 매 세션마다 잊어버리는' 문제를 해결하기 위해 설계된 로컬 우선 메모리 시스템입니다. PMB는 채팅 기록이나 클라우드 서비스에 의존하는 대신 프로젝트 사실, 결정, 교훈, 파일 컨텍스트와 같은 영구적이고 재사용 가능한 메모리를 사용자가 제어하는 단일 작업 공간에 직접 저장합니다. Claude Code, Cursor, Codex, Zed, Windsurf, Gemini 및 Copilot MCP 설정을 포함한 MCP 호환 클라이언트와 통합되어 에이전트가 세션 간, 심지어 다른 도구 간에도 컨텍스트를 유지하면서 모든 것을 비공개로 오프라인 우선으로 유지할 수 있습니다. PMB는 또한 저장된 내용을 검사, 감사 및 탐색할 수 있는 로컬 대시보드 UI를 제공합니다.

PMB | Local-first memory for AI의 주요 기능

PMB(Personal Memory Brain)는 Apache-2.0 라이선스를 따르는 로컬 우선 영구 메모리 계층으로, AI 코딩 에이전트가 의사 결정, 학습 내용, 프로젝트 사실 및 워크플로우 컨텍스트를 사용자 기기(SQLite + LanceDB)에 저장하고, 모델이 응답하기 전에 가장 관련성 높은 메모리를 MCP 호환 도구(예: Claude Code, Cursor, Codex, Zed)에 자동으로 제공합니다. 이 시스템은 빠르고 오프라인 검색(API 키 없음, 클라우드 없음, 원격 측정 없음), 하이브리드 검색 품질(BM25 + 밀집 벡터 + 선택적 재순위 지정을 통한 엔티티 그래프), 그리고 불필요한 규칙을 제거하는 데 도움이 되는 팔로우율 점수 매기기와 같은 '메모리 위생' 기능을 강조합니다. 로컬 대시보드는 그래프(지도) 및 저널(타임라인)을 통해 가시성과 제어 기능을 제공하며, 백업/동기화/내보내기 옵션은 기기 간 이식성을 지원합니다.

로컬 우선 영구 메모리 저장소: 장기 에이전트 메모리를 내구성 있는 SQLite 데이터베이스에 LanceDB 벡터와 함께 디스크에 보관합니다. 복사 가능하고 검사 가능하며 API 키 없이 오프라인에서 사용할 수 있습니다.

MCP 기본, 한 번의 명령으로 에이전트 통합: `pmb connect ...`와 같은 간단한 명령을 사용하여 stdio(자식 프로세스 서버)를 통해 MCP를 통해 인기 있는 코딩 에이전트에 연결하여 여러 에이전트가 하나의 작업 공간을 공유할 수 있도록 합니다.

자동 사전 프롬프트 메모리 주입: 에이전트가 추론하기 전에 관련 결정/학습 내용/파일을 에이전트 컨텍스트에 회상하고 주입하여 에이전트가 메모리 도구를 호출할 필요가 없도록 합니다.

순위 융합을 통한 하이브리드 검색: BM25 어휘 검색, 밀집 임베딩 및 엔티티 그래프를 Reciprocal Rank Fusion(선택적 재순위 지정 포함)을 통해 결합하여 회상 품질 및 관련성을 향상시킵니다.

빠르고 비차단 쓰기 및 낮은 지연 시간 회상: 쓰기는 즉시 반환되고 임베딩/벡터 삽입은 비동기적으로 실행됩니다. 회상은 로컬 CPU에서 빠르게(일반적인 사용 시 수십 밀리초) 작동하도록 설계되었습니다.

감사 가능한 대시보드: 지도 + 타임라인: 엔티티 그래프 및 git-graph와 유사한 결정/학습 내용/변경 사항 저널로 메모리를 탐색할 수 있는 로컬 웹 UI를 제공하여 투명성과 제어 기능을 향상시킵니다.

PMB | Local-first memory for AI의 사용 사례

세션 전반에 걸친 소프트웨어 엔지니어링 연속성: 팀 또는 단독 개발자는 아키텍처 결정, 규칙 및 이전 디버깅 학습 내용을 보존하여 매번 새로운 코딩 세션이 다시 설명할 필요 없이 안정적인 컨텍스트로 시작할 수 있습니다.

다중 도구 개발자 워크플로우(IDE/에이전트 전환): Cursor, Claude Code, Codex CLI, Zed 등을 번갈아 사용하는 개발자는 하나의 공유 메모리 작업 공간을 유지하여 도구 간에 컨텍스트가 따라다니도록 할 수 있습니다.

오프라인/비공개 코딩 환경: 보안에 민감한 조직(금융, 의료, 국방) 또는 에어갭 설정은 코드나 메모를 클라우드로 보내지 않고도 PMB를 사용하여 영구 메모리 및 검색을 수행할 수 있습니다.

장기 제품 개발 및 유지보수: 수개월/수년간의 진화를 거치는 프로젝트의 경우, PMB는 반복되는 문제점, 종속성 마이그레이션 노트 및 과거 근거를 저장하여 회귀 및 반복적인 사고를 줄일 수 있습니다.

메모리/검색 시스템 연구 및 평가: 응용 AI 연구원은 재현 가능한 로컬 측정 및 가시적인 메모리 아티팩트를 사용하여 하이브리드 리콜 파이프라인(BM25 + 벡터 + 그래프)을 벤치마킹하고 반복할 수 있습니다.

빌더를 위한 휴대용 개인 지식 기반: 독립적인 창작자는 의사 결정 및 학습 내용에 대한 개인 '엔지니어링 두뇌'를 유지하고, 연속성을 위해 작업 공간을 장치 간에 내보내기/암호화/동기화할 수 있습니다.

장점

강력한 개인 정보 보호: 로컬 우선 저장소, 클라우드 없음, 원격 측정 없음, 회상에 API 키 필요 없음.

고품질 검색 접근 방식: 순위 융합 및 선택적 재순위 지정을 통한 하이브리드 검색(BM25 + 벡터 + 엔티티 그래프).

마찰 없는 워크플로우: 자동 회상 주입 및 저널링은 수동 프롬프트 및 도구 호출 오버헤드를 줄입니다.

투명성 및 제어: 로컬 대시보드(지도/타임라인)와 파일 기반 이식성(SQLite/LanceDB)으로 메모리를 감사할 수 있습니다.

단점

로컬 설정/유지보수 필요: 사용자는 임베딩/추출을 위한 작업 공간, 백업 및 모델 선택을 설치/구성하고 관리해야 합니다.

관련성/안전성은 올바른 게이팅에 따라 달라집니다: 사용자 지정 에이전트는 관련 없는 개인 정보를 노출하지 않도록 PMB의 지침/게이팅 동작을 복제해야 합니다.

임베딩 모델 선택이 중요합니다: 다국어 작업 공간은 영어 전용 임베딩으로 인한 검색 저하를 피하기 위해 명시적인 구성이 필요할 수 있습니다.

로컬 리소스 절충: 인덱싱, 임베딩 및 선택적 추출/요약은 CPU/RAM을 소비할 수 있으며 대규모 작업 공간의 경우 튜닝이 필요할 수 있습니다.

PMB | Local-first memory for AI 사용 방법

1) PMB 설치: 터미널에서 pip를 사용하여 PMB를 설치합니다: pip install pmb-ai PMB는 순수 Python으로 macOS, Linux 및 Windows에서 작동합니다.

2) PMB를 AI 코딩 에이전트(MCP)에 연결: MCP(stdio)를 통해 PMB를 에이전트에 연결합니다. Claude Code의 예: pmb connect claude-code PMB는 에이전트의 자식 프로세스로 실행됩니다(네트워크 없음, 포트 없음). 모델이 응답하기 전에 관련 메모리를 주입하고 작업 후에 저널을 기록합니다.

3) 설정 확인: 내장 진단 기능을 실행하여 MCP 연결 및 후크가 활성화되었는지 확인합니다: pmb doctor

4) 에이전트를 정상적으로 사용 (메모리는 자동): 에이전트/편집기에서 평소처럼 작업을 시작합니다. PMB는 자동으로 다음을 수행합니다: - 각 메시지를 빠르게 분류합니다. - 모델이 응답하기 전에 일치하는 메모리를 불러옵니다. - 새 이벤트를 비동기적으로 기록합니다 (쓰기는 즉시 반환되며, 임베딩/벡터 삽입은 백그라운드에서 발생합니다). 정상적인 사용 중에는 특별한 도구 호출이 필요하지 않습니다.

5) CLI에서 수동으로 불러오기 테스트 (선택 사항): PMB가 어떤 내용을 표시할지 직접 메모리를 쿼리할 수 있습니다: pmb recall 그런 다음 쿼리(예: 버그 이름 또는 결정)를 입력하고 순위가 매겨진 결과(교훈/결정/파일 등)를 검토합니다.

6) 메모리 탐색을 위해 로컬 대시보드 열기: 대시보드를 실행합니다: pmb dashboard 그런 다음 로컬 웹 UI를 엽니다 (일반적으로 http://127.0.0.1:8765로 표시됨). 대시보드를 통해 메모리를 다음으로 검사할 수 있습니다: - 그래프 (엔티티 및 연결) - 타임라인/저널 (결정, 교훈, 커밋, 실패 등) 로컬 전용입니다 (인증 없음, 클라우드 없음).

7) 작업 공간이 대부분 라틴어 텍스트가 아닌 경우 다국어 임베딩 모델로 전환 (경고 시 권장): “Workspace has 81% non-Latin chars but uses all-MiniLM-L6-v2 (English-only)”와 같은 경고가 표시되면 임베딩을 다국어 모델로 전환합니다: pmb config set embedding.model paraphrase-multilingual-MiniLM-L12-v2 이렇게 하면 메모리/쿼리에 영어가 아닌 텍스트가 포함될 때 검색 기능이 향상됩니다.

8) (고급) 사용자 지정 에이전트가 PMB의 메모리 안전 게이트를 복제하는지 확인: PMB 위에 자체 에이전트 통합을 구축하는 경우, PMB가 주입하는 것과 동일한 게이팅/명령 블록을 복제하십시오. 그렇지 않으면 관련 없는 개인 정보가 관련 없는 질문에 나타날 수 있습니다. 표준 참조는 다음 위치에 있습니다: src/pmb/cli/connect.py

9) Git으로 PMB 작업 공간 백업/동기화 (권장): 작업 공간 원격을 초기화하고 정기적으로 푸시합니다: pmb workspace init --remote [email protected]:you/my-memory.git pmb workspace push 다른 컴퓨터에서: pmb workspace pull 또는 새 장치로 복제: pmb workspace clone <url> work-laptop (문서에 충돌 동작이 명시되어 있습니다: 충돌 시 원격이 우선합니다.)

10) 암호화된 백업 번들 내보내기 (이식 가능한 복원): 암호화되고 인증된 번들을 생성합니다: pmb workspace export memory.enc 어디든 작업 공간으로 복원합니다: pmb workspace import memory.enc personal 이는 제공된 소스 코드 조각에 따라 scrypt 파생 키와 함께 AES + HMAC를 사용합니다.

11) 처음부터 다시 시작해야 하는 경우 작업 공간 디렉터리 복사 (복구 옵션): 최악의 경우 작업 공간 디렉터리를 복사하고 처음부터 다시 시작할 수 있습니다. 코드 조각은 작업 공간이 다음 위치에 있음을 나타냅니다: ~/.pmb/workspaces/<id>/ 수동 백업 또는 상태 마이그레이션을 위해 복사합니다.

PMB | Local-first memory for AI 자주 묻는 질문

PMB(Personal Memory Brain)는 AI 코딩 에이전트를 위한 로컬 우선 영구 메모리 시스템입니다. 결정, 학습 내용, 프로젝트 사실 및 기타 메모리를 사용자 기기(주로 SQLite 파일)에 저장하고, MCP(Model Context Protocol)를 통해 관련 컨텍스트를 에이전트에 다시 제공합니다.