你的 AI Agent 需要一个「三层记忆」，而不是一个聊天记录

FTS5·Vector·Graph 기반 3단계 계층적 Recall 구조로 기억 검색 정밀도 극대화

Manoir Yantai2026년 6월 23일1분advanced

AI 요약

Context

단일 Vector Database 기반의 시맨틱 검색만으로는 정확한 키워드 매칭과 관계 중심의 지식 탐색 요구사항을 모두 충족하기 어려움. 특히 코드나 설정값 같은 정밀 검색과 지식 간의 연결성 부재로 인한 데이터 고립 문제가 발생함.

FTS5 $\rightarrow$ Hindsight $\rightarrow$ gbrain 순의 Tiered Search 파이프라인을 구축하여 검색 정밀도와 유연성을 동시 확보
저지연 응답을 위해 SQLite FTS5를 1차 필터로 배치하여 정확한 키워드 매칭 시 즉각 결과 반환
키워드 미매칭 시 Hindsight의 Vector Embedding을 통해 의미론적 유사도를 기반으로 한 2차 Recall 수행
단순 검색을 넘어 gbrain 지식 그래프의 인접 노드를 확장 탐색함으로써 잠재적 연관 정보까지 추출
각 계층을 독립적인 서비스로 분리하여 특정 모듈 장애 시에도 기본 검색 기능을 유지하는 Graceful Degradation 설계
40여 개의 전문 수집 도구를 통합한 파이프라인을 통해 데이터 유입 단계부터 구조화된 지식 추출 환경 조성

실천 포인트

1. 정확한 식별자가 필요한 쿼리를 위해 Vector DB 전 단계에 FTS(Full Text Search) 레이어 검토

2. 지식 간 연결성 유지를 위해 주기적인 Graph 정제 및 고립 노드 복구 프로세스 도입

3. 검색 성능 최적화를 위해 '정확도 $\rightarrow$ 유사도 $\rightarrow$ 관계' 순의 Fallback 메커니즘 설계

4. 데이터 퀄리티 확보를 위해 단순 저장보다 정교한 수집 및 전처리 파이프라인 구축 우선순위 설정

태그