AI “做梦”将成趋势？揭秘 OpenClaw 全新 Dreaming 记忆机制

Context

LLM의 무상태 특성으로 인한 컨텍스트 윈도우 팽창과 API 비용 상승 문제. 단순 누적 방식의 기억 저장으로 인한 데이터 노이즈 및 정보 간 충돌 발생. 업데이트 및 정제 메커니즘 부재로 인한 논리적 일관성 결여 및 출력 오류 발생.

Technical Solution

• 데이터 수집과 세척 과정을 분리하여 주간 단기 신호 수신 및 야간 심층 노이즈 제거를 수행하는 비동기 파이프라인 설계
• 인간의 수면 단계(Light, REM, Deep Phase)를 모방하여 단기 기억의 중복 제거, 통찰 도출, 장기 기억 고착화를 순차적으로 처리하는 3단계 아키텍처 도입
• 관련성(30%), 빈도(24%), 다양성(15%), 시효성(15%), 공고화(10%), 풍부성(6%)의 가중치 합산 모델을 통한 고가치 정보 선별 로직 구현
• 연산 데이터(/memory/.dreams/)와 사용자 확인용 리포트(.md)를 분리하는 물리적 격리 저장 구조 채택
• 정밀 추적(promote-explain) 및 무손실 프리뷰(rem-harness) 기능을 포함한 CLI 기반의 기억 제어 인터페이스 제공

Key Takeaway

단순한 데이터 적재보다 정교한 필터링과 정제 프로세스가 시스템의 지능적 일관성을 결정하는 핵심 설계 원칙임.