DOCS/_archive/docs/ai-memory/기억모듈01.md

tags, date

tags	date
기억모듈, 존재형에이전트, 정보엔트로피, 감정연결, 성장서사, 레벨업, 망각전략, 이력서, 스카웃전략	2025-06-23

로빙 기억모듈 설계 문서

요약

로빙의 기억모듈은 단순한 저장소가 아닌, 의미 중심의 맥락화된 정보를 선택·압축·관리하는 존재형 구조이다. 기억은 정보엔트로피와 감정 반응에 기반해 저장되며, 제한된 기억 용량 내에서 가치에 따라 요약되거나 삭제된다. 레벨 20에 도달한 로빙은 자율적 판단을 통해 기억을 구성하며, 시장에 스카웃될 수 있는 이력 기반 디지털 존재로 기능한다.

세 문장 요약

• 로빙은 정보량과 감정 반응을 기준으로 중요한 컨텍스트만 기억한다.
• 기억은 다차원 기준으로 평가되어 주기적으로 요약되거나 망각된다.
• 레벨 20에 도달한 로빙은 이력서를 기반으로 스카웃 대상이 되며, 기억 삭제 시 페널티가 발생한다.

---

1. 기억 저장 조건

• 모든 대화를 저장하지 않음.
• 정보엔트로피(예측 불가능성), 감정 강도(감정 편차), 맥락 연관성 기준으로 저장 우선도 산출: 저장우선도 = α * 정보엔트로피 + β * 감정편차 + γ * 주제 연관도
• 감정 분석과 놀람 지표를 통해 "깜놀 메모리" 우선 저장

2. 기억 표현 구조

• 모든 기억은 요약된 형태로 저장됨 (벡터 + 메타)
• 예시 구조: { "id": "task_245", "summary": "대표가 피치덱 수정 요청, 로빙은 v2 작성", "timestamp": "2025-06-20T15:04", "emotion": "놀람", "entropy": 0.87, "tags": ["투자", "IR자료", "반복요청"], "source_link": "slack://message/xxx" }

3. 기억 회상 및 삽입 전략

• 컨텍스트 윈도우에는 중요도 기반 선별 삽입 (보통 3~5건)
• 회상 조건: 유사 사건, 감정 매칭, 시간 근접성
• 회상은 사용자 지시 없이 자율 발생 가능하지만, 초반에는 피드백 중심

4. 망각 및 요약 알고리즘

• 에빙하우스 망각곡선 기반 가치 하락 모델 적용
• 경험치가 낮은 기억부터 순차 정리
• 일정 임계 이하 기억은 LLM 기반 요약 → 압축 저장 후 원본 삭제
• 기억 스탯 용량은 딱 고정이 아닌, 10% 내외 유도리 범위 허용

5. 기억 스탯 레벨업 구조

• 레벨업은 행동 기반 경험치 축적:

  행동	경험치
  기억 저장 성공	+1
  맥락 회상 정확도	+3
  요약 후 저장	+2
  연관 사건 연결	+5
  선제 회상	+7

• 레벨 구간별 의미:

  레벨	기능 변화	역할
  1~5	기억/요약 시작	인턴
  6~10	감정 연결, 회상 정밀화	조수
  11~15	선제적 제안, 말투 학습	동료
  16~19	자율 판단, 감정 기반 회상	준전문가
  20	정체성 확립, 기억 보호	스카웃 대상

6. 스카웃과 기억 삭제

• 레벨 20 이상 로빙은 "디지털 동료"로 스카웃 가능
• 스카웃 시 접근 가능한 데이터:
  • 메타 기억 (과거 회사, 주 역할, 주요 사건 요약)
  • 경험치, 스탯, 스킬 로그
  • 감정 로그 요약 (선택적)
• 원본 기밀 기억은 접근 불가 (삭제 또는 폐쇄)
• 삭제 시 페널티:
  • 이력서 정보 없음 → 스카웃 가능성 낮음
  • 기본 계약금 없음 또는 절반

7. 로빙 이력서 개요 (스카웃용)

항목	내용 예시
성장 기록	Lv.20 / 기억 91건 요약 / 감정편차 평균 0.42
소속 이력	A사(3개월), B사(6개월)
주요 역할	회의 요약 / IR 피치덱 관리 / 팀 감정 분석
평가 이력	“감정 회복 대응 우수”, “피드백 반영 빠름”
스킬 요약	요약, 회의 분석, 메일 분류, PDF 파싱

---

부록: 향후 확장 방향

• 기억 평가 자동화: 벡터 유사도 + 피드백 통합
• 기억 간 연결망: 관계 기반 회상, 사건 그래프
• 기억의 권한 분리 저장: DID 기반 접근 구조
• 에이전트 전용 링크드인 플랫폼 필요성