Roampal

무엇이 효과적인지 학습하는 기억. 그래서 더 많이 할 수 있습니다.

잘 작동했다고 말하세요. 작동하지 않았다고 말하세요. AI가 기억합니다.

매번 대화할 때마다 다시 설명하지 마세요. Roampal은 결과를 기억하고, 피드백에서 학습하며, 시간이 지날수록 더 똑똑해집니다—모두 100% 개인적이고 로컬에서 이루어집니다.

Roampal - AI Chat with Persistent Memory

LoCoMo (1,986 질문)에서 85.8% 비적대적 정확도. 원본 입력 대비 +23점 향상. 1,135개의 오염 기억을 흡수해도 단 4점만 감소. (논문)

벤치마크 결과

LoCoMo 데이터셋 (1,986 질문, 5개 카테고리, 수정된 정답). roampal-labs로 평가. 로컬 20B + MiniMax M2.7로 이중 채점.

| 측정 지표 | 결과 | |--------|--------| | 비적대적 정확도 (MiniMax 재채점) | 85.8% | | 전체 (5개 카테고리 모두) | 76.6% | | 원본 입력 기준 대비 | +23점 (76.6% vs 53.0%, p<0.0001) | | 오염 저항성 | 1,135개의 적대적 기억 이후 -4.2점 | | 기억 없음 기준선 | 6.0% (모델에 LoCoMo 지식 전무) | | 구조 vs 모델 | 구조: +23점. 모델 교체 (GPT-4o-mini): 1.5-2.5점 |

시스템은 대본 수집이 아닌 자연스러운 대화를 통해 학습합니다
1,135개의 독성 메모리를 스푸핑된 신뢰 신호와 함께 흡수하여 72.4% 정확도를 유지합니다
Wilson 점수는 모든 단계에서 검색 성능에 악영향을 미침(p<0.001) — 랭킹에서 제거됨

구성요소 수준 검색 제거 실험

| 구성 | Hit@1 정상 | Hit@1 독성 | p-값 | |--------|-------------|--------------|---------| | TagCascade + 코사인 | 27.3% | 29.0% | 기준선 | | Overlap + 코사인 | 25.8% | 28.0% | p=0.0003 | | 순수 CE | 25.4% | 28.4% | — | | TagCascade + Wilson | 23.0% | 25.0% | p<0.0001 |

교차 인코더: 코사인 대비 +17.8 Hit@1 (p<0.0001)
태그 라우팅 (투레인): 정상 +6.1 Hit@1, 독성 +7.5 (p<0.0001)
Wilson: 모든 구성에서 -4.3 Hit@1
Nursery 슬롯: 효과 없음 (p=1.0)

전체 방법론은 roampal-labs에서 확인하세요

---

빠른 시작

roampal.ai에서 다운로드 후 압축 해제
Ollama 또는 LM Studio 설치
Roampal.exe 우클릭 → 관리자 권한으로 실행
UI에서 모델 다운로드 → 채팅 시작!

귀하의 AI가 즉시 학습을 시작합니다.

---

주요 기능

학습하는 메모리

결과 추적: 모든 결과에 점수 부여 (+0.2 성공, -0.3 실패)
스마트 승격: 좋은 조언은 영구화, 나쁜 조언은 자동 삭제
대화 간 연동: 모든 과거 채팅에서 기억 호출

나만의 지식 베이스

메모리 뱅크: 선호도, 정체성, 목표의 영구 저장
문서: .txt/.md 문서를 업로드하여 검색 가능한 참고자료로 활용
패턴 인식: 대화 전반에 걸쳐 효과적인 방법 감지

프라이버시 우선

100% 로컬: 모든 데이터가 내 기기에 저장
오프라인 작동: 모델 다운로드 후 인터넷 불필요
텔레메트리 없음: 데이터가 컴퓨터를 벗어나지 않음

---

MCP 통합

Roampal을 Claude Desktop, Cursor 및 기타 MCP 호환 도구와 연결하세요.

Settings → Integrations → Connect → Restart your tool

7 tools available: search_memory, add_to_memory_bank, update_memory, archive_memory, get_context_insights, record_response, score_memories

Full MCP documentation →

Architecture

┌─────────────────────────────────────────────────────────┐
│                    5-TIER MEMORY                        │
├─────────────┬─────────────┬─────────────┬──────────────┤
│   Books     │   Working   │   History   │   Patterns   │
│ (permanent) │   (24h)     │  (30 days)  │  (permanent) │
├─────────────┴─────────────┴─────────────┴──────────────┤
│                    Memory Bank                          │
│            (permanent user identity/prefs)              │
└─────────────────────────────────────────────────────────┘

핵심 기술:

TagCascade 검색: 태그 기반 검색 + 크로스 인코더 재순위화 (ONNX)
결과 기반 학습: 피드백에 따라 메모리 적응
Sidecar LLM: 백그라운드 모델이 교환 내용을 요약하고, 사실 및 태그 추출

아키텍처 심층 분석 →

지원 모델

Ollama 또는 LM Studio를 통한 도구 호출 모델과 호환:

| 모델 | 제공자 | 파라미터 | |-------|----------|------------| | Llama 3.x | Meta | 3B - 70B | | Qwen 2.5 | Alibaba | 3B - 72B | | Mistral/Mixtral | Mistral AI | 7B - 8x22B | | GPT-OSS | OpenAI (Apache 2.0) | 20B - 120B |

문서

| 문서 | 설명 | |----------|-------------| | 아키텍처 | 5계층 메모리, 검색 파이프라인, 기술 심층 분석 | | 벤치마크 | LoCoMo 평가, TagCascade 결과 | | 릴리즈 노트 | 최신(v0.3.3): 멀티모달 이미지 입력, 동적 기능 + 컨텍스트 감지, ChromaDB 팬텀 처리 이슈 #8 해결, 원자적 구성 기록, 하모니 토큰 정리 |

중요 공지

AI 안전: LLM은 부정확한 정보를 생성할 수 있습니다. 중요한 정보는 항상 검증하세요. 의료, 법률, 금융 조언에 AI를 의존하지 마십시오.

모델 라이선스: 다운로드한 모델(Llama, Qwen 등)은 별도의 라이선스를 가집니다. 상업적 사용 전 반드시 검토하세요.

지원

디스코드: https://discord.gg/F87za86R3v
이메일: roampal@protonmail.com
GitHub: https://github.com/roampal-ai/roampal/issues
저자: 로건 티그

---

가격

무료 및 오픈 소스 (Apache 2.0 라이선스)

소스에서 빌드 → 완전 무료
미리 빌드된 실행 파일: 한 번에 $19.99 (설정 시간을 절약)
제로 텔레메트리, 완전한 데이터 소유권

---

실제로 기억하는 AI를 원하는 사람들을 위해 사랑으로 만들었습니다

--- Tranlated By Open Ai Tx | Last indexed: 2026-07-30 ---

roampal