Lerim은 cited, reusable context로 완료된 에이전트 추적을 컴파일합니다.

Lerim은 에이전트 추적 위에 앉아, 인용 된 컨텍스트와 eval 자산에 유용한 신호를 컴파일하고, 미래의 에이전트가 작동하기 전에 필요한 작동 메모리를 제공합니다.

사이트맵 · 벤치 마크 · 이름 * · 사이트맵 · 이름 *

르림

Lerim은 반복된 AI 에이전트 워크플로우를 위한 컨텍스트 컴파일러입니다.

에이전트는 모든 곳에서 추적합니다 : 터미널, 도구, 티켓, 코드 리뷰, 지원 사례, 연구 실행. 그 역사의 대부분은 너무 귀찮게 직접. Lerim 필터 그 추적으로 증거 백업 컨텍스트 레코드 및 eval-ready 신호: 결정, 제약, 사실, 선호도, 보정, 그리고 handoffs 미래 대리인은 rediscover에, 각 연결한 뒤 있어야 합니다 소스 세션.

데모 쇼

| 모멘트 | 르림 | 미래제휴 | 인포메이션 | 완료된 에이전트가 토지를 실행 | trajectory normalizer, MCP 제출, 또는 사용자 정의 JSONL을 통해 소스 세션을 가져옵니다 | transcript 풀 대신 안정적인 소스 경계 |

Lerim compiles completed agent traces into cited, reusable context.

Lerim sits above agent traces, compiles useful signal into cited context and eval assets, and gives future agents the operating memory they need before work begins.

Docs · Benchmarks · Examples · PyPI · License

Lerim

Lerim is a context compiler for repeated AI agent workflows.

Agents leave traces everywhere: terminals, tools, tickets, code reviews, support cases, research runs. Most of that history is too noisy to reuse directly. Lerim filters those traces into evidence-backed context records and eval-ready signal: the decisions, constraints, facts, preferences, corrections, and handoffs future agents should not have to rediscover, each linked back to the source session.

What The Demo Shows

Most routine traces produce no durable record. Lerim’s value is compact, cited context, not more logs.

Quick Install

Requires Python 3.11+ and Node.js 20+. Lerim parses agent transcripts with Letta’s trajectory normalizer, an