# 250919 동적 컨텍스트 엔지니어링 시스템 (업데이트)

## 1. 초기 구현 (2025-08-06)

### 문제 상황

**의도 파악 실패 사례**:
- "내 이름은?" → AI가 자기소개로 오해
- "네 이름은?" → 정상 응답
- 사용자가 부른 이름(베르단디) 기억 못함

**원인 분석**:
1. 캐시 임계값 0.3 (너무 낮음)
2. 프롬프트 하드코딩 ("당신은 로빙입니다" 고정)
3. 메모리와 프롬프트 분리

### 철학적 재검토

**초기 오해**: 로빙의 정체성을 고정된 것으로 이해
**올바른 이해**: 성장하는 존재, 사용자와 함께 개성 발전

**프롬프트 구조 재설계**:
- Base Layer: 기본 규칙, 윤리 원칙
- Dynamic Layer: 이름, 레벨, 최근 기억

### Intent 패턴 최적화

**문제**: 과도한 패턴 매칭이 캐시 우회
**해결**:
- greeting 패턴 축소
- memory_recall 패턴 제거
- question 패턴 정밀화
**효과**: 캐시 활성화율 80% 이상

### 동적 프롬프트 구현

**방법**: 컨텍스트 변수 방식

**구현 내역**:
1. 이름 추출 함수 추가 (_extract_user_name, _extract_my_name)
2. think() 메서드에서 컨텍스트 변수 설정
3. 프롬프트 동적 구성 (이름, 레벨 포함)
4. greeting 개인화

### 초기 배포 결과

**효과**:
- "베르단디"로 불리면 기억
- "내 이름은?" 올바르게 이해
- 사용자별 맞춤 응답
- 성장 상태(레벨) 반영

## 2. 영속화 문제 해결

### 이름 영속화 문제

**문제**: "내 이름은 김종태야" 인식 후 다음 대화에서 망각
**원인**: 매 요청마다 Brain 인스턴스 재생성

### ChromaDB Identity 컬렉션 솔루션

**구현**:
1. memory.py에 identity 컬렉션 추가
2. store_identity() 메서드로 key-value 저장
3. get_identity() 메서드로 로드
4. think() 시작 시 identity 로드
5. Structured Output에서 즉시 저장

**효과**:
- 컨테이너 재시작 후에도 이름 유지
- Brain 인스턴스 재생성과 무관
- ChromaDB 백업과 함께 관리

## 3. 캐시 시스템 재설계

### 캐시 시스템 재설계

**문제**:
- 캐시 임계값 0.1~0.3 (업계 표준 0.8)
- 3회 사용 제한 (TTL 기반이 표준)
- 템플릿 응답이 LLM 응답과 충돌

**해결**:
1. 캐시 완전 제거 (USE_CONVERSATION_CACHE: False)
2. 템플릿 응답 제거, 100% LLM API 사용
3. 모든 대화 무조건 저장 (User + Assistant 모두)

## 4. 현재 상황 (2025-09-19)

### 동적 컨텍스트 엔지니어링 필요성

**로빙의 성장 = 피드백 루프**:
- Gateway(감각) → rb8001(뇌) → Skills(운동) → 피드백
- 각 스킬이 실행 결과를 rb8001에 보고
- rb8001이 피드백으로 다음 행동 조정

**컨텍스트 최적화 방향**:
1. **RAG 통합**: skill-rag-file로 컨텍스트 확장
2. **메타데이터 활용**: ChromaDB 메타데이터로 관련성 판단
3. **동적 우선순위**: 최근성, 중요도, 감정 상태 고려
4. **피드백 학습**: 성공/실패 패턴을 베이즈 업데이트

### 구현 로드맵

**Phase 1: 기본 동적 조정** (현재)
- 사용자/로빙 이름 동적 반영
- 레벨/스탯 실시간 반영
- 최근 대화 컨텍스트 포함

**Phase 2: RAG 기반 확장** (계획)
- skill-rag-file 연동으로 장기 기억 검색
- 문서 기반 컨텍스트 증강
- 의미적 유사도 기반 우선순위

**Phase 3: 피드백 루프 구현** (미래)
- 스킬 실행 결과를 컨텍스트에 반영
- 성공 패턴 학습 및 강화
- 실패 패턴 회피 메커니즘

### 기술적 고려사항

**컨텍스트 윈도우 관리**:
- Gemini: 128k 토큰
- GPT-4: 128k 토큰
- 효율적 압축과 요약 필요

**우선순위 알고리즘**:
- Recency (최근성): 시간 가중치
- Relevance (관련성): 벡터 유사도
- Importance (중요도): 메타데이터 태그
- Emotion (감정): 현재 감정 상태

---

작성자: happybell80 & Claude
프로젝트: rb8001
주제: 동적 컨텍스트 엔지니어링 시스템