흩어진 AI 대화 이력, 로컬에서 캐낸다

클로드 코드(Claude Code), 커서(Cursor), 챗GPT에 흩어진 대화 이력을 로컬에서 통합·정제하는 오픈소스 알루비아(alluvia)가 공개됐다. 개발자는 dylanp12, MIT 라이선스다. 이름은 사금 채취에서 왔다. 저장소의 첫 문장이 컨셉을 그대로 말한다. 당신이 AI와 나눈 모든 대화는 퇴적물이고, 대부분은 모래지만 그 사이에 금덩이가 흩어져 있으며, 알루비아는 그것을 거르는 채다.

무슨 일인가 / 배경

문제의식이 구체적이다. 사람은 클로드 코드에서 문제를 고민하고, 커서에서 디버깅하고, 챗GPT에서 탐색한다. 각 도구는 서로를 기억하지 못하고, 사용자 자신도 기억하지 못한다. 오늘 필요한 아이디어가 지난봄 다른 앱의 세션 안에, 영원히 검색하지 않을 제목 아래 잠들어 있다는 것이다.

알루비아가 내세우는 한 문장은 이렇다. 「이미 이 문제를 생각해 본 적이 있다는 걸 안다. 지금 쓰는 도구 안에서, 출처와 함께, 내 원본 기록을 또 다른 클라우드 서비스에 넘기지 않고 다시 꺼내고 싶다.」 이 프로젝트는 스스로를 또 하나의 「AI 메모리」와 구분한다. 원본 세션은 기기 밖으로 나가지 않고, 표면화된 아이디어에는 전부 출처가 붙으며, 무엇이 금인지는 사람이 평가한다.

동작 순서는 인제스트 → 증류 → 클러스터링 → 매핑이다. 모든 기록을 하나의 로컬 저장소로 모으고, 원자 단위 아이디어로 증류하고, 그것을 테마로 묶은 뒤, 마지막에 이 도구의 차별점이라 주장하는 작업을 한다. 다리(bridge)를 찾는 것이다. 과거의 내가 지금의 내가 붙들고 있는 문제를 이미 만났던 지점을 연결한다.

핵심 짚어보기

저장소는 자체 검증 사례를 하나 든다. 한 도구에서 진행한 보안 리뷰가 서버 측 검증 누락을 지적했는데, alluvia connections가 그것을 14개월 전 다른 도구의 디버깅 세션과 연결했다. 같은 근본 원인을 두 번 만났고 한 번은 완전히 잊고 있었던 것이다. 이어 alluvia propose가 그 연결을 두 출처를 모두 인용한 구체적 수정 계획으로 바꿨고, 사람이 그것을 채택했다. 저장소는 README의 모든 주장이 docs/validation의 검증 게이트 로그로 추적된다고 밝힌다.

설치와 실행은 명령 네 줄이다. uv tool install alluvia 또는 pip install alluvia로 설치하고, alluvia init으로 소스를 자동 감지하며 LLM 프로바이더를 설정한다. alluvia refresh가 증류·임베딩·클러스터·매핑을 로컬 임베딩으로 처리하고, alluvia themes와 alluvia serve --open으로 결과를 본다. 설치 없이 맛만 보려면 uvx alluvia init도 된다. themes 출력 예시는 「Docker Issues [84 세션/2 소스] (2025-03→2026-06)」처럼 주제와 세션 수, 소스 수, 기간이 함께 찍히는 형태다.

1인기업 실전 적용 포인트

• 대화 이력이 곧 업무일지라는 사실을 인정하라. 1인기업엔 인수인계 문서도, 회고 회의도 없다. 사실상 유일한 작업 기록이 AI 대화창에 남는다. alluvia refresh를 월 1회 캘린더에 고정해 두는 것만으로 사라지던 자산이 검색 가능해진다.
• 로컬 임베딩이라는 점이 외주 개발자에겐 결정적이다. 고객사 코드와 미공개 기획이 담긴 세션을 통째로 외부 서비스에 올리는 건 비밀유지 계약 위반 소지가 있다. 원본이 기기에 남는 구조는 그 문제를 피한다.
• themes 출력을 콘텐츠 소재 창고로 써라. 「Docker Issues 84세션」처럼 반복해서 삽질한 주제는 이미 검증된 수요다. 내가 84번 헤맸다면 남들도 헤맨다. 블로그 글, 강의 커리큘럼, 유료 템플릿의 출발점이 여기 있다.
• 견적과 제안서에 근거를 붙여라. connections로 과거 유사 작업을 소환하면 「이 작업은 대략 며칠」이라는 감이 실제 기록에 기반한 추정으로 바뀐다.

전망 / 주의점

스타 2개, 커밋 12개의 아주 초기 프로젝트다. 지금 업무의 중심에 놓을 물건은 아니고, 한 번 돌려보고 나온 themes 목록을 눈으로 확인하는 정도가 적절하다. 구조적 위험도 분명하다. 모든 대화 이력을 한 저장소에 모으는 일은 자산을 만드는 동시에 단일 유출 지점을 만드는 일이다. 디스크 암호화는 선택이 아니라 전제로 봐야 한다. 또 init 단계에서 LLM 프로바이더를 설정하는 만큼 증류 과정에서 비용이 발생할 수 있고, 이력이 많을수록 첫 refresh는 길고 비싸질 가능성이 있다. 그럼에도 방향은 설득력 있다. AI 도구를 오래 쓸수록 진짜 자산은 결과물이 아니라 그 과정에 쌓인 판단의 기록이다.

출처: 깃허브·해커뉴스(Hacker News) (https://github.com/dylanp12/alluvia)