LEARNING.md 기반 구조화 메모리로 AI 컨텍스트 오버헤드 제거

Context

AI 에이전트의 세션 휘발성으로 인한 반복적 컨텍스트 설명 및 보이지 않는 운영 비용 발생. 기존의 비정형 메모리 방식은 검색과 편집이 어려워 AI의 기억을 효율적으로 관리할 수 없는 한계 존재.

Technical Solution

• LLM이 해석하기 최적화된 Markdown 기반의 구조화된 파일(LEARNING.md)을 영속성 저장소로 채택
• Node.js 서버와 chokidar를 이용한 File Watching 기반의 실시간 동기화 아키텍처 설계
• Server-Sent Events(SSE)를 통한 파일 변경 사항의 프론트엔드 즉시 반영 구조 구현
• Confidence Score와 Session Count를 도입하여 충돌하는 레슨 간의 우선순위를 결정하는 가중치 로직 적용
• package.json 및 환경 변수 자동 스캔을 통한 인프라 정보의 자동 부트스트래핑 체계 구축
• AI가 직접 파일 스키마에 맞춰 데이터를 쓰게 하는 Feedback Loop 설계로 자가 학습 구조 완성