AI 시스템 메모리 — 영속적 지식 및 에이전트 메모리
단일 채팅 스레드를 넘어 지속되는 지식
이 섹션은 AI 시스템의 영구적 지식과 기억에 대한 가이드를 모은 것입니다 — 어시스턴트가 모든 토큰을 하나의 프롬프트에 주입하지 않고 세션 간에 사실, 선호도 및 정제된 컨텍스트를 어떻게 유지하는지에 대한 내용입니다. 여기서 기억이란 GPU RAM이나 모델 가중치가 아니라 의도적인 보유(사용자 사실, 요약, 플러그인 기반 스토어)를 의미합니다.
이 콘텐츠는 AI 시스템 클러스터의 더 넓은 범위인 OpenClaw, Hermes, 오케스트레이션 등과 상호 보완적이며, 검색 메커니즘에 대해서는 RAG와, 모델 구동에 대해서는 LLM 호스팅과 함께 배치됩니다.
기억은 AI 어시스턴트 아키텍처에서 설명하는 더 넓은 어시스턴트 스택 안에서 라우팅, 도구, 관측성과 함께 위치합니다.
어시스턴트를 위한 기억 설계
단기, 구조화, 검색 기억에 대한 크로스 프레임워크 가이드 — 통합 정책, 벡터 트레이드오프, 그리고 OpenAI, LangGraph, Hermes, OpenClaw의 패턴.
- 실제로 도움이 되는 AI 어시스턴트의 기억 시스템 — 워킹 메모리, 구조화 상태, 검색 레이어, 그리고 기억이 도움이 될 때와 해가 될 때
에이전트 기억 프로바이더
Hermes Agent와 OpenClaw와 같은 프레임워크가 노출하는 드롭인 백엔드 — Honcho, OpenViking, Mem0, Hindsight, Mnemosyne 등 — 서로 다른 LLM, 임베딩, 데이터베이스 트레이드오프를 제공합니다.
- 에이전트 기억 프로바이더 비교 — 전체 테이블, 캡처 정책 비교, 의존성 노트, 그리고 Hermes
memory setup플로우 - OpenCode, Cursor 및 기타 코딩 에이전트를 위한 Hindsight Memory — OpenCode, Cursor CLI 및 기타 하네스를 위한 단일 플러그인, 저장소별 공유 뱅크 제공
Hermes 전용의 경계가 제한된 코어 기억(MEMORY.md / USER.md)에 대해서는 **Hermes Agent Memory System**을 참고하세요. Mnemosyne 설치와 보수적인 작성 정책 워크스루에 대해서는 **Mnemosyne for Hermes Agent: Local Memory Quickstart**를 참고하세요. 로컬 임베딩, 리랭킹, 작성 경로 제어, 뱅크 백업이 포함된 Hermes의 Hindsight에 대해서는 **Hindsight for Hermes Agent: Self-Hosted Memory with Local LLMs**를 참고하세요.
기억 거버넌스와 장애 모드
자동 캡처, 성찰, 그리고 통합은 모델의 추론을 나중에 세션에서 증거로 취급되는 영구적인 “사실"로 변질시킬 수 있습니다.
- AI 에이전트 내 자기 강화형 기억 루프 — 이 피드백이 갖는 7가지 형태, 임베딩보다 프로벤서가 왜 더 중요한지, 그리고 프로바이더가 기억하기를 거부하는지 테스트하는 방법
지식 그래프와 Cognee
검색 인지형 어시스턴트를 위해 그래프로 추출된 기관 및 프로젝트 지식.
- Cognee 셀프 호스팅 — Ollama에서 LLM 선택 — 로컬 모델과 함께하는 Cognee 빠른 시작
- Cognee에 맞는 올바른 LLM 선택 — 로컬 Ollama 설정 — 하드웨어 대비 그래프 품질을 위한 모델 비교
Cognee와 같은 그래프 빌더는 일반적으로 사람들이 이미 편집한 Markdown 볼트, 위키, 또는 내보낸 파일을 인제스트합니다 — 중요도, 명명, 그리고 “왜 이것이 중요한지"는 청크가 임베딩에 도달하기 전까지 대부분 결정됩니다. 부정확한 상류 코퍼스(AI)는 모호성을 어시스턴트로 되돌려 학습시킵니다. 표현을 통한 캡처 워크플로우는 이러한 피해를 제한합니다. 검색 우선 RAG와의 차이점을 포함하여, 그 인간 중심의 프레이밍에 대해서는 엔지니어를 위한 Second Brain 설명을 참고하세요.
