코딩 에이전트용 오픈소스 메모리 deja-vu, SSH로 기기 간 동기화

Who Should Read

Claude Code·Codex·Cursor를 번갈아 쓰며 에이전트가 같은 버그를 반복 디버깅해 답답한 개발자

Core Mechanics

• 이미 디스크에 있는 세션 기록을 색인한다
  • Claude Code, Codex, Cursor 등 42개 에이전트가 저장한 세션을 읽는다.
  • 설치 전 몇 달 치 기록도 첫날부터 검색된다.
• LLM 없이 로컬에서 돈다
  • Go 바이너리 하나로 모델도 서버도 필요 없다.
  • 임베딩은 시맨틱 검색을 켰을 때만 쓴다.
• 에이전트가 알아서 기억을 꺼내 쓴다
  • 세션 시작 시, 파일 편집 전, 명령 실패 후에 recall이 들어온다.
  • MCP 도구는 하나라 정의 토큰이 턴당 477개다(측정된 서버 7개 중 최대는 8,283).
• 검색 정확도와 속도를 수치로 공개했다
  • LongMemEval-S에서 R@5 97.2%다(MemPalace 96.6%, agentmemory 95.2%로 게시).
  • 19,195개 세션 색인에 17.6초, 비교한 다음 도구는 72초다.
• 컴팩션(요약 압축) 뒤 손실을 메운다
  • 43번 측정에서 요약은 결정의 77%, 명령의 0.2%만 남겼다.
  • deja가 나머지를 되돌려 준다.

Community Reactions

• 메모리 시스템을 140여 개 자동 리뷰했다는 경험
  • 비교 자료와 deja-vu 리뷰 링크를 공유했다.
• 직접 만든 사람이 많다는 의견
  • bge-en-base CPU 임베딩, S3 유사 저장 엔드포인트, SQLite 조합으로 만들어 잘 쓴다는 경험이다.
  • 주기적으로 정리하는 consolidation 단계가 필요하다고 했다.
• MEMORY.md 정도면 충분하다는 반론
  • 짧고 사람이 고치기 쉬운 파일이 낫고 과설계라는 의견이다.
  • 에이전트가 저장한 기억도 제대로 읽지 않는다는 불만도 있었다.
• 작성자가 밝힌 사용 경험
  • 약 3.3GB 기록에서 첫 색인 약 10초, warm 검색 7~9ms였다.
  • 맥미니가 밤새 일한 기억을 아침에 노트북으로 가져온다고 했다.

How to Apply

• 설치하고 예전 문제를 물어보기
  • 맥/리눅스에서 설치 스크립트 실행 후 deja install --auto를 돌려라.
  • 새 세션에서 몇 달 전 해결한 문제를 물어 recall이 나오는지 확인하라.
• 여러 기기면 sync ssh 연결하기
  • 원격 머신과 deja sync ssh <host>로 기억을 주고받아라.
  • 동기화 전에 deja secrets로 원본 transcript의 자격증명 포함 여부를 점검하라.
• 반복 실패 지점을 deja friction으로 뽑기
  • 3개 이상 세션에서 난 에러를 확인하라.
  • 해당 규칙을 deja rules에 넣어 모든 에이전트에 반영하라.

Try It

# 터미널에 붙여넣기 (macOS/Linux)

curl -fsSL https://raw.githubusercontent.com/vshulcz/deja-vu/main/install.sh | sh
deja install --auto

# 검색해 보기
deja "jwt refresh token"
deja friction
deja secrets

# 이어서 해 볼 것: 다른 머신과 동기화
deja sync ssh {{호스트}}

Terminology

관련 논문

• 같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나

  긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복

• 가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격

  가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)

• Harness Engineering 101: LLM은 뇌, harness는 몸

  에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다

• Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크

  모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다

• 해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유

  경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다

• tmux와 Claude Code: 세션, send-keys, 그리고 한계선

  tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다

• Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트

  잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓

Related Resources

• https://github.com/vshulcz/deja-vu/
• https://zby.github.io/commonplace/agent-memory-systems/
• https://github.com/Dicklesworthstone/coding_agent_session_search
• https://github.com/ctxrs/ctx
• https://github.com/thedotmack/claude-mem
• https://github.com/cbcoutinho/nextcloud-mcp-server