PACT 업데이트: 서브에이전트, 라이브 대시보드 및 로컬 벡터 메모리 도입

작성자가 Claude의 한계를 직접 해결하기 위해 구축한 도구에 대해 100명 이상의 사용자가 확보되는 등 긍정적인 반응을 얻고 있다.

• Claude의 반복적인 실수를 방지하려면 프로젝트 컨벤션과 기술 스택을 명시한 설정 파일을 에이전트에게 제공하라.
• 로컬 환경에서 가벼운 벡터 검색 시스템을 구축하고 싶다면 sqlite-vec 라이브러리 활용을 검토하라.
• 에이전트의 작업 결과에 정량적 점수를 부여하고 이를 다음 세션의 프롬프트에 반영하여 개인화된 응답을 유도하라.

벡터 메모리(Vector Memory)

— 텍스트 데이터를 고차원 벡터로 변환하여 저장하고, 키워드가 아닌 의미적 유사성을 바탕으로 정보를 검색하는 기술이다. LLM이 세션 간 정보를 망각하는 한계를 극복하고 장기 기억을 유지하게 돕는 핵심 메커니즘이다.

서브에이전트(Subagent)

— 주요 작업을 수행하는 메인 에이전트를 보조하기 위해 특정 역할(검토, 조사, 추적 등)에 특화되어 독립적으로 실행되는 하위 AI 에이전트이다. 메인 세션의 컨텍스트 오염을 방지하고 작업 효율을 높이는 역할을 한다.

sqlite-vec

— 경량 데이터베이스인 SQLite에서 벡터 검색 기능을 수행할 수 있도록 지원하는 확장 라이브러리이다. 외부 서버나 API 키 없이 로컬 환경에서 효율적인 의미 기반 검색 시스템을 구축할 수 있게 해준다.

의미론적 검색(Semantic Search)

— 단순한 키워드 매칭을 넘어 사용자의 의도와 단어 간의 문맥적 의미를 파악하여 가장 관련성 높은 정보를 찾아내는 검색 방식이다. 임베딩 모델을 통해 데이터의 개념적 거리를 계산하여 결과를 도출한다.