memweave: Markdown 및 SQLite 기반의 영구 에이전트 메모리 라이브러리 및 벤치마크 결과

작성자가 방법론과 재현 코드를 상세히 공개하여 신뢰를 얻었으며, 특히 LLM을 쓰지 않는 경량화된 접근 방식에 대해 긍정적인 반응이 예상된다.

• RAG 시스템에서 시간 표현이 중요한 경우, CAATB와 같은 시간적 근접도 보정 로직을 추가하여 검색 정확도를 높일 수 있다.
• 임베딩 모델의 확신도가 낮은 구간에서만 선택적으로 엔티티 매칭 가중치를 부여하면 오탐지를 줄이면서 성능을 개선할 수 있다.

• memweave는 LLM 없이 로컬 임베딩과 휴리스틱 파이프라인(ECR, IDF, CAATB) 조합만으로 에이전트 메모리 검색에서 높은 정확도를 확보했다.
• 단순 벡터 검색의 한계를 극복하기 위해 엔티티 부스팅과 시간적 근접도 보정을 확신도에 따라 적응형으로 적용하는 전략이 유효함이 입증됐다.
• RAG 시스템 설계 시 전체 재현율(100% Recall)에 도달하는 순위(K)를 낮춤으로써 리랭커나 LLM에 전달되는 컨텍스트 비용을 최적화할 수 있다.