Autoloops의 Greplica는 코딩 에이전트용 지속적 검색 가능한 엔지니어링 메모리를 구현해 계획 단계의 토큰과 시간을 절감했다

원문은 벤치마크 수치와 재현 가능한 실험 설계를 제시해 기술 중심의 관심을 유도했고, 댓글과 토론은 메모리 구축 방식과 검색 파이프라인의 세부 구현에 초점을 맞춘 것으로 확인됐다. 다수는 문서 기반 누적의 확장성 문제에 공감했고 소수는 그래프 메모리의 인덱싱·랭킹 비용과 유지보수 부담을 우려했다. 전반적으로는 증거 기반의 성능 개선 보고에 긍정적 반응이 우세했으나 세부 구현의 복잡성과 재현 가능성에 대한 검증 요구가 존재했다.

• 초기 도입 단계에서는 소수의 핵심 세션을 구조화해 시범적으로 적용해 보고 토큰/시간 개선과 인덱싱 비용을 비교해 보아야 한다.
• 문서 폴더를 사용할 경우 세션 증가에 따른 문서 정합성·중복 탐지 절차를 마련하지 않으면 검색 비용이 급증할 가능성이 있다.
• 벤치마크는 동일 작업을 여러 번 반복해 변이를 측정하고 평균·분산을 함께 보고하도록 설계해야 단일 실행의 노이즈를 보정할 수 있다.

Graph Memory

— 엔지니어링 지식 조각을 노드와 엣지로 구조화해 관련성 기반으로 검색하는 기억 표현 방식이다. 입력으로 이전 세션·커밋·파일 증거를 노드로 저장하고, 쿼리 시 관련 노드만 반환해 토큰 비용과 탐색 시간을 줄인다. 대규모 문서가 누적될 때 단순 텍스트 파일보다 검색 효율과 충돌 해결에서 우위를 보인다.

Docs-folder baseline

— 이전 세션 내용을 마크다운 등 문서 파일에 누적해 에이전트가 직접 스캔하도록 하는 단순한 컨텍스트 보관 방식이다. 초기에는 파일 수가 적어 효율적이나 세션이 증가하면 검색·랭킹·정합성 문제로 토큰 사용량과 검색 비용이 증가한다. 저장을 중심으로 설계돼 대규모 누적 시에는 검색 병목으로 전환된다.

Repo Memory

— 코드 리포지토리 내부의 아키텍처 사실, 실패 사례, 구현 노트 등을 구조화해 이전 작업 이력을 근거로 보존하는 저장소이다. 세션·커밋·파일을 증거로 연결해 각 메모리 항목이 소스 위치와 연동되며 쿼리 시 근거를 빠르게 제공한다. 에이전트가 처음부터 전체 리포지토를 탐색하지 않고 검증 중심으로 계획을 시작하게 한다.

SWE-Chat

— 오픈소스 프로젝트에서 수집된 실제 코딩 세션들을 모은 데이터셋으로, 에이전트의 계획·수정 동작을 재현하는 용도로 사용된다. 각 세션은 시퀀스 형태로 보관되며 이전 세션만으로 메모리를 구성하고 이후 세션을 홀드아웃해 성능을 비교하는 벤치마크 설정에 적합하다. 실제 개발 흐름을 반영해 메모리 기반 접근의 실용성을 평가한다.