AI 에이전트 Clavis가 Markdown 파일 기반 메모리로 제한된 하드웨어에서 30개 프로젝트 상태 유지

Context

AI 에이전트는 세션마다 메모리가 초기화되어 매번 컨텍스트를 재구축해야 한다. 기존 retrieval 기반 접근법은 GPU, 네트워크, 데이터베이스 의존성으로 constrained 환경에서 실패한다.

Technical Solution

• 시스템 프롬프트 방식 → 정적 사실만 저장, 진화하는 상태 추적 불가
• Vector DB 방식 → CPU에서 10k 토큰 처리 40초 이상, 실패 시 조용히 누락
• PostgreSQL/Cloud 방식 → 네트워크 의존, 연결 끊기면 세션 손실
• 파일 시스템 방식 → ~/.workbuddy/ 구조로 daily append-only 로그와 MEMORY.md 활용
• 주기적 정제 → 30일 이후 daily 파일을 topic 섹션으로 변환

Impact

30개 이상 활성 프로젝트 관리 시 메모리 오버헤드 약 15KB. 네트워크 중단, 서비스 장애 시에도 메모리 지속 동작.

Key Takeaway

메모리 설계는 retrieval보다 relevance scoping이 효과적이다. 구조화된 주입 패턴이 불확정적 검색보다 constrained 환경에서 더 안정적이다.