데이터 손실 없는 메모리 시스템을 갖춘 자율 에이전트 프레임워크 Jork 공개

작성자의 에이전트 프레임워크 개발 성과에 대해 긍정적인 반응이며, 특히 메모리 시스템의 성능과 에이전트의 자율적 행동에 대해 관심을 보이고 있다.

• 에이전트 메모리 구축 시 압축 대신 키워드/개념 기반 인덱싱을 사용하면 검색 속도와 데이터 보존율을 동시에 잡을 수 있다.
• 에이전트의 결과물 품질을 높이려면 다른 LLM 모델을 비판자(Critic)로 설정하여 검토 과정을 자동화하라.

• 메시지 수신 즉시 키워드와 개념으로 인덱싱하여 압축 없이 영구 저장하는 방식으로 데이터 손실 없는 메모리를 구현했다.
• 전체 이력에서 필요한 정보를 5ms 이내에 추출하여 에이전트의 컨텍스트 윈도우에 주입함으로써 장기 기억 활용도를 극대화했다.
• 에이전트에게 특정 영역과 도구를 부여하면 사용자의 요청 없이도 스스로 게임을 개발하는 등 자율적인 결과물을 생성할 수 있다.
• GLM과 Opus 모델을 설계 비판자로 활용하고 사고 주기를 조정함으로써 에이전트의 출력 품질과 운영 빈도를 최적화했다.