오픈클로 오픈채팅방 오픈클로 오픈채팅방

OpenMemory의 클로드 분석내용입니다.

관리자 2026-04-01 22:50 조회 18

깊은 분석 결과

코드를 직접 읽어보니 README에서 말한 것보다 진짜로 잘 만들어져 있습니다. 핵심 엔진들을 하나씩 정리할게요.

🧠 1. HSG (Hierarchical Sector Graph) — 메모리의 핵심

기억을 저장할 때 일어나는 일:

입력 → 섹터 분류(정규식 기반) → 임베딩 → 벡터 저장
→ SimHash 중복 체크
→ Waypoint 그래프 연결
→ 중요도(salience) 할당

섹터별 감쇠 속도가 다릅니다:

섹터 decay_lambda 의미
reflective (교훈) 0.001 가장 느리게 잊힘
semantic (사실) 0.005 느리게 잊힘
procedural (방법) 0.008 중간
episodic (사건) 0.015 빠르게 잊힘
emotional (감정) 0.02 가장 빠르게 잊힘

→ 이게 인간 기억과 정확히 같아요. 교훈은 오래 남고, 감정은 빨리 사라지고.

🔍 2. 검색 — 단순 코사인 유사도가 아님

검색 시 복합 스코어링:

최종 점수 = 0.35 × 벡터유사도
+ 0.20 × 토큰겹침
+ 0.15 × Waypoint그래프가중치
+ 0.10 × 최근성
+ 0.20 × 태그매칭

거기에 추가로:

• Cross-sector resonance — 질문 섹터와 기억 섹터가 다르면 관련도 가중치 적용
• Waypoint 확장 — 직접 매칭 안 되면 그래프를 따라 연관 기억 탐색
• 적응적 확장 — 상위 결과 유사도가 낮으면 검색 범위 자동 확대

🕸 3. Waypoint 그래프 — 기억 간 연결

새 기억 저장 시 기존 기억과의 유사도가 0.75 이상이면 자동으로 양방향 링크 생성. 검색할 때 같이 검색된 기억들은 co-activation으로 연결이 강화됨.

→ "A를 찾을 때 B도 같이 나왔다" → A-B 연결 강화 → 다음에 A만 찾아도 B가 따라나옴

⏱ 4. Temporal KG — 시간 기반 사실 관리

사실 저장: subject + predicate + object + valid_from
새 사실 저장 시 → 이전 사실의 valid_to 자동 설정

→ "KING 모델이 뭐였지?"라고 물으면 시점별로 정확한 답 가능

🔄 5. Reflection — 자동 통합/성찰

10분마다 기억들을 클러스터링해서:

• 비슷한 기억 2개 이상 → 패턴 감지 → 성찰 기억 자동 생성
• 원본은 "통합됨" 표시, 중요도 10% 상승

───

우리 시스템에 적용할 수 있는 것

🟢 바로 적용 가능 (워크스페이스 규칙 수준)

  1. 기억 기록 시 섹터 태그 + 감쇠 우선순위

AGENTS.md의 기록 기준에 추가:

기록 시 아래 섹터를 태그한다:

  • [episodic] 사건/이벤트 → 2주 후 archive 검토
  • [semantic] 사실/규칙 → 장기 유지
  • [procedural] 방법/절차 → 장기 유지
  • [emotional] 감정/선호 → 1주 후 재확인
  • [reflective] 교훈/패턴 → 최장기 유지, MEMORY.md 승격 검토
  1. entities 파일에 유효 기간 도입

KING 모델

  • gpt-5.3-codex [valid_from: 2026-03-01]
  • gpt-5.4 [valid_from: 2026-04-01] ← current

🟡 중기 적용 (MCP 연동)

OpenMemory를 MCP 서버로 띄워서 OpenClaw의 mcporter 스킬로 연동:

OCI 서버에 Docker로 설치

docker compose up --build -d

OpenClaw에서 MCP로 연결

mcporter add openmemory http://134.185.107.133:8080/mcp

이렇게 하면:

• mem.add() — 에이전트가 중요한 기억을 구조화해서 저장
• mem.search() — 마크다운 파일 검색 대신 지능적 검색
• mem.reinforce() — 자주 참조하는 기억 강화

Supermemory에서 마이그레이션 도구도 기본 제공됩니다.

🔴 장기 검토 (아키텍처 변경)

기존 마크다운 기반 메모리 → OpenMemory DB 기반으로 전환. 이건 큰 결정이라 신중하게 갈 필요 있음.

───

결론

진짜 잘 만든 프로젝트입니다. 특히:

• 섹터별 차등 감쇠 — 인간 기억 모델에 충실
• Waypoint 그래프 — 연관 기억 자동 연결/강화
• 복합 스코어링 — 벡터 유사도만이 아닌 다차원 검색
• Temporal KG — 시점 기반 사실 관리

당장 워크스페이스 규칙에 섹터 태그와 감쇠 우선순위를 반영하고, OCI 서버에 Docker로 띄워서 MCP 연동하는 것까지 해볼까요?

Export 목록 답글

댓글 0

등록된 댓글이 없습니다.