에이전트의 의사결정 기억을 위한 구조화된 인과관계 탐색 기법: Core Memory

작성자가 직접 개발한 오픈소스 도구에 대해 긍정적인 반응이며, 특히 RAG의 고질적인 문제인 '논리적 맥락 상실'을 해결하려는 시도에 주목하고 있습니다.

• 에이전트가 과거의 결정을 기억해야 한다면 텍스트 청크 대신 '결정-증거-결과'가 연결된 그래프 구조로 저장하라.
• 토큰 비용을 절감하려면 컨텍스트 주입 시 전체 텍스트 대신 요약된 메타데이터(ID, 타입, 제목) 위주로 구성하라.

• 에이전트의 과거 판단 근거를 추적할 때는 단순 시맨틱 검색보다 의사결정 과정을 구조화된 이벤트로 저장하고 인과관계를 탐색하는 것이 더 정확하다.
• 데이터를 Bead 형태로 압축하여 관리하면 10k 토큰 내외의 적은 비용으로도 10회 이상의 세션 맥락을 유지하는 높은 효율성을 확보할 수 있다.
• 구조화된 기억 저장소와 전통적인 RAG를 병행 운용함으로써 문서 정보와 논리적 히스토리를 동시에 활용하는 하이브리드 접근이 가능하다.