Attemory 프로젝트는 어텐션 기반 검색을 통해 대화형 메모리와 코드베이스에서 고리콜 검색 품질을 개선하는 오픈소스 검색 엔진이다 이 시스템은 임베딩 대신 원문을 재사용 가능한 KV 상태로 인덱싱하고 쿼리 시점에 로컬 LLM이 해당 인덱스에 어텐션을 적용해 증거를 반환하는 구조를 사용한다 저장된 벤치마크 스크립트와 결과를 함께 공개해 재현 가능한 성능 지표를 제공한다

임베딩 기반 검색은 쿼리 이전에 문서를 고정 벡터로 압축하기 때문에 토큰 수준의 세부 정보를 잃어 고리콜 리콜 한계가 발생하며 이를 보완하기 위해 여러 휴리스틱과 재순위화 기법이 복합적으로 적용되는 사례가 빈번하다 Attemory는 원문을 재사용 가능한 KV 상태로 인덱싱하고 검색 시 로컬 LLM이 인덱스와 쿼리에 어텐션을 적용해 증거를 반환하는 디코드 없는 검색 경로를 채택해 임베딩 대비 문맥 일치성을 높였다 저자는 여러 벤치마크 스위트에서 90%대 리콜과 코드 검색에서 약 43.8% 토큰 절감 같은 수치를 보고했으며 대규모 인덱스에는 GPU 또는 Metal 가속이 실질적 이점으로 작용한다 이 프로젝트는 Python/HTTP API와 atcode CLI를 통해 로컬에서 직접 실험해볼 수 있고 저자는 에이전트 통합과 메모리 시스템 피드백을 받고자 한다