클로드 에이전트의 정체성을 보존하며 컨텍스트를 90% 절감하는 최적화 방법

실용적 조언

에이전트의 정체성이 이미 구축된 경우 자동화된 최적화 프롬프트를 사용하지 말고 수동으로 파일을 리팩터링하여 맥락 손실을 방지하라.
lossless-claw 설정 시 incrementalMaxDepth를 -1로 설정하여 무제한 검색 깊이를 확보하라.
텔레그램 백필 시 --until 옵션을 사용하여 기존 데이터와의 중복을 방지하고 깨끗한 경계를 설정하라.

섹션별 상세

볼트(Vault) 아키텍처를 통한 컨텍스트 슬리밍을 구현했다. 모든 메시지에 45,903바이트의 운영 세부 정보를 주입하는 대신, 작업 공간 파일을 얇은 포인터로 리팩터링하고 실제 데이터는 vault/ 디렉토리로 분리했다. 이를 통해 주입되는 컨텍스트를 약 2,183토큰으로 줄여 89.5%의 절감 효과를 거두었다. 에이전트는 현재 작업에 관련이 있을 때만 볼트 파일을 로드하여 추론 효율성을 높인다.

lossless-claw를 도입하여 무손실 대화 관리를 실현했다. OpenClaw의 기본 방식인 슬라이딩 윈도우 컨텍스트 압축은 오래된 메시지를 자동으로 삭제하지만, lossless-claw는 SQLite에 계층적 요약본을 DAG 형태로 저장한다. 에이전트는 lcm_grep 및 lcm_expand 도구를 사용하여 수개월 전의 대화 내용도 무제한 깊이로 검색하고 복원할 수 있다.

json

{
  "contextEngine": "lossless-claw",
  "freshTailCount": 32,
  "contextThreshold": 0.75,
  "incrementalMaxDepth": -1,
  "session": {
    "reset": {
      "mode": "idle",
      "idleMinutes": 10080
    }
  }
}

무손실 컨텍스트 관리를 위한 lossless-claw 설정 예시

텔레그램 대화 이력 백필과 개인 지식 베이스(QMD) 통합을 완료했다. 순수 파이썬 스크립트를 사용하여 과거의 텔레그램 대화 데이터를 lossless-claw의 SQLite 데이터베이스로 가져와 에이전트가 첫날부터의 기억을 가질 수 있게 했다. 또한 BM25와 벡터 검색을 결합한 QMD를 통해 에이전트가 대화 외부의 개인 노트나 프로젝트 문서를 검색할 수 있는 4계층 회상 스택을 구축했다.

bash

python3 scripts/telegram-import.py result.json \
  --user-name "YourName" \
  --until 2026-03-15 \
  --chunk-days 30

텔레그램 대화 이력을 에이전트의 기억으로 백필하는 실행 명령

용어 해설

볼트 아키텍처(Vault Architecture): — 데이터를 직접 주입하는 대신 외부 저장소(Vault)에 보관하고 필요할 때만 참조하는 구조이다. 에이전트의 작업 공간 파일을 포인터로만 구성하여 매 메시지마다 발생하는 토큰 소모를 최소화하고 효율적인 컨텍스트 관리를 가능하게 한다.
방향성 비순환 그래프(Directed Acyclic Graph (DAG)): — 순환하지 않는 화살표로 연결된 노드 구조이다. 이 게시물에서는 대화 이력의 계층적 요약을 SQLite에 저장하여 과거 맥락을 손실 없이 추적하고 검색하는 데이터 구조로 활용된다.
BM25 알고리즘(BM25): — 문서 내 단어 빈도와 희소성을 바탕으로 검색어와의 관련성을 계산하는 랭킹 함수이다. 벡터 검색과 결합하여 개인 지식 베이스(QMD)에서 가장 적합한 정보를 빠르게 찾아내는 데 사용된다.
컨텍스트 슬리밍(Context Slimming): — LLM에 입력되는 불필요한 데이터를 제거하여 토큰 사용량을 줄이는 기법이다. 핵심 정보만 남기고 세부 사항은 외부 검색 도구로 분리하여 모델의 추론 집중도와 비용 효율성을 높인다.

언급된 도구

OpenClaw추천

클로드 에이전트 실행 및 컨텍스트 관리 프레임워크

lossless-claw추천

SQLite 기반 무손실 대화 이력 관리 도구

QMD추천

BM25 및 벡터 검색 기반 개인 지식 베이스 인덱싱 도구

언급된 리소스

GitHubFrank's Original Recipe GitHub