whatwasthat 1.2.0

Decision memory for AI coding agents — semantic search across Claude Code, Gemini CLI, and Codex CLI conversations

WWT — 모든 AI 에이전트를 위한 하나의 뇌

에이전트들이 하나의 뇌를 공유합니다. 같은 설명을 반복하거나 .md 파일 무한 생성을 멈추세요.

지원 에이전트: Claude Code · Gemini CLI · Codex CLI English README

---

WWT는 무엇을 하는가

코딩 에이전트 셋. 로그 포맷 셋. 세션이 끝나면 사라지는 메모리 셋. WWT는 이 셋을 모든 에이전트가 읽을 수 있는 하나의 검색 가능한 뇌로 합칩니다.

Claude Code ─┐
Gemini CLI  ─┼──→  로컬 인덱스 1개  ──→  어떤 에이전트도 회수 가능
Codex CLI   ─┘

같은 컨텍스트를 다시 설명할 필요 없습니다. CLAUDE.md 묘지도 필요 없습니다. "잠깐, 얘가 왜 이렇게 했지?" 같은 순간도 없습니다. 그그그그 뭐였지?!를 해결하는 MCP

빠른 시작

pip install whatwasthat              # 또는: uv tool install whatwasthat
wwt setup                            # 설치된 모든 에이전트의 DB + Hook + MCP 한 번에

끝입니다. 기존 로그는 자동으로 적재되고, 이후 세션은 종료 시 자동 캡처됩니다.

동작 원리

세션이 끝나면 에이전트의 Hook이 발동됩니다. WWT는 로그를 파싱하고, 코드를 추출하고, 대화를 세 가지 덩어리 크기로 동시에 쪼개고, 검색용 텍스트를 로컬에서 임베딩한 뒤(API 호출 없음) ChromaDB에 저장하고, 전체 원문은 SQLite에 보존합니다.

"전에 그거 어떻게 했었지?" 라고 물으면 — 어떤 에이전트든 MCP를 통해 search_memory를 호출합니다. WWT는 검색하고, 질문 의도에 맞춰 한 번 더 순위를 조정한 뒤, 간결한 미리보기를 반환하고, 필요한 덩어리만 recall_chunk로 원문 확장합니다. 무엇을 했는지뿐 아니라, 왜 그렇게 했는지까지 포함해서.

세션 종료 → Hook → 파싱 → 쪼개기(3가지 크기) → 임베딩 → ChromaDB + 원문 SQLite
질문         → MCP  → 검색 → 순위 재조정 → 미리보기 → 필요 시 원문 회수

세 가지 크기로 쪼개서 찾기 (v1.1)

같은 대화를 세 가지 덩어리 크기로 동시에 색인합니다. 질문에 맞는 크기가 자연스럽게 위로 올라오도록.

덩어리 크기	범위	잘 맞는 질문
짧은 조각	2턴	"그때 에러 뭐였지?" 같은 사실 회수
중간 조각	2~6턴 (겹치며 이동)	"왜 X를 골랐지?" 같은 결정 맥락
세션 요약	대화 전체 (턴당 앞부분만)	"그날 뭐 했지?" 같은 개요

검색 결과 한 번 더 추려내기 (v1.1)

1차로 의미 유사도 + 키워드 매칭으로 후보를 뽑고, 질문 의도에 맞춰 순위를 재조정합니다 (추가 AI 호출 없음):

• 질문 유형에 맞는 덩어리가 먼저 — "왜" 질문엔 중간 조각, 코드 질문엔 짧은 조각, 개요 질문엔 세션 요약.
• 정확히 겹치는 단어에 가점.
• 서로 겹치는 중복 결과엔 감점.

v1.1 업그레이드

v1.1은 세 가지 덩어리 크기 인덱싱과 검색 순위 재조정을 추가합니다. 저장 구조가 바뀌었으므로 업그레이드 후 한 번 재적재하세요:

wwt reset --force
wwt setup

v1.0.x에서 올라오는 경우에도 이 재적재로 v1.0.12 원문 보존 구조까지 함께 반영됩니다.

왜 하나의 뇌가 중요한가

WWT 없이	WWT와 함께
매 세션마다 에이전트가 망각	모든 에이전트에 걸친 영구 기억
매 세션마다 컨텍스트를 다시 설명	에이전트가 왜를 자동으로 회수
.md 파일이 읽히지 않은 채 쌓임	대화 자체가 진실의 원천
Claude는 Gemini가 어제 한 일을 못 봄	어떤 에이전트도 다른 에이전트의 기록을 읽음

검색 모드

MCP 도구	에이전트가 호출하는 시점
search_memory	"전에 Redis 어떻게 설정했었지?"
search_decision	"왜 Memcached 대신 Redis였지?"
search_all	크로스 프로젝트, 크로스 에이전트 회수
recall_chunk	검색 결과의 chunk_id로 전체 원문과 코드 스니펫 조회

search_memory는 자동 라우팅됩니다 — 프로젝트 필터가 충분한 결과를 못 내면, 자동으로 전체 프로젝트로 확장합니다 (Self-ROUTE, EMNLP 2024). 한 번의 호출, 재시도 없음.

wwt를 사용하는 세 가지 방식

1. 크로스 플랫폼 — Claude가 어제 Codex가 한 일을 읽기

사용자 (Claude Code에서):  "어젯밤에 JWT refresh token 어떻게 설정했지?"
WWT:                      [codex-cli] backend-api @ 2026-04-07 23:40 에서 발견
                          → Claude가 원본 Codex 대화를 읽고 답변.

2. 크로스 프로젝트 — 다른 프로젝트의 해결책 재사용

사용자 (frontend 프로젝트에서):  "다른 프로젝트에서 mTLS cert chain 어떻게 풀었더라?"
WWT:                            [claude-code] infra-gateway (main) @ 2026-03-22 에서 발견
                                → 같은 해결책, 다른 레포. 몇 초 만에 회수.

3. 둘 다 동시에 — 크로스 플랫폼 AND 크로스 프로젝트

사용자 (ml-pipeline 프로젝트, Gemini CLI):  "지난달에 왜 Kafka 빼고 NATS로 갔지?"
WWT search_decision:                       [claude-code] data-platform @ 2026-03-15 에서 발견
                                           → Claude가 다른 프로젝트에서 내린 결정을,
                                             이제 이 프로젝트의 Gemini에서 답변 가능.

자주 쓰는 기억일수록 오래 남는다

시험공부에서 여러 번 꺼내본 내용이 오래 남는 것과 같은 원리입니다. WWT는 실제로 원문을 다시 펼쳐본 대화(recall_chunk로 확장한 것)를 더 천천히 잊습니다. 검색 미리보기만 훑은 건 "봤다"로 치지 않습니다 — 지나가는 검색까지 강화로 치면 잡음만 쌓이기 때문입니다.

검색 경로는 완전 읽기 전용이라, 여러 에이전트가 동시에 같은 DB를 검색해도 충돌이 없습니다.

최종 점수는 세 신호의 조합입니다:

최종 점수 = 의미 유사도 × (최근 사용 + 중요도)

오래된 핵심 결정이 최근 잡담을 이깁니다. 기억은 원래 그렇게 작동해야 합니다.

설치

pip install whatwasthat              # pip
uv tool install whatwasthat          # uv (권장)

그 다음 wwt setup 한 번. 머신에 이미 설치된 모든 에이전트(Claude Code, Gemini CLI, Codex CLI)에 MCP 서버를 등록하고 자동 캡처 Hook을 설치합니다. 여러 번 실행해도 안전합니다.

요구사항

• Python 3.10+
• OS macOS, Linux (Windows 미테스트)
• 디스크 ~200MB 설치 + ~470MB 임베딩 모델
• 네트워크 모델 다운로드 후 100% 로컬. API 키 없음. 텔레메트리 없음.

문서

• ARCHITECTURE.md — 시스템 설계, 검색 엔진 내부
• CLI_REFERENCE.md — 모든 CLI 명령과 플래그
• MCP_REFERENCE.md — MCP 도구 시그니처와 예제

기여

uv run pytest tests/ -v
uv run ruff check src/

라이선스

Apache License 2.0