AI 에이전트 메모리 구축을 위한 6가지 RECALL 패턴

작성자가 직접 운영하는 라이브러리에 대한 언급이 있음에도 불구하고, 실무적인 통찰력과 구체적인 패턴 제시 덕분에 대체로 긍정적이고 유익하다는 반응이다.

• GPT-4.1-Nano나 3B 규모의 로컬 모델을 사용하여 메모리 저장 전 '저장 가치'를 판단하는 필터를 구축하라.
• 도메인 특화 메타데이터 태그를 50~100개 정도 규칙 기반으로 운영하는 것이 LLM 자동 태깅보다 일관성 측면에서 유리하다.

• 검색(Retrieval) 기술의 고도화보다 캡처(Capture) 단계에서의 필터링과 메타데이터 태깅이 메모리 성능에 더 큰 영향을 미친다.
• 수치, 날짜, ID와 같은 정확한 정보는 임베딩으로 정규화하지 말고 구조화된 키/값 쌍으로 별도 저장하여 검색해야 한다.
• LoCOMO 91.6점 등 벤치마크 결과에 따르면 제안된 패턴 적용 시 전체 컨텍스트 주입 방식보다 토큰 사용량을 3~4배 절감하면서도 유사한 정확도를 유지한다.