개발자가 AI 어시스턴트의 잘못된 기억으로 인한 빌드 실패 문제를 해결하기 위해 메모리 거버넌스 도구를 구축했다

Context

AI 어시스턴트의 메모리 데이터베이스가 330개의 항목으로 증가했지만 수명주기 상태 관리가 없어 모든 항목이 동등하게 취급되었다. 1월 규칙(loudnorm 적용)과 2월 규칙(loudnorm 미적용)이 동시에 존재하면서 잘못된 규칙이 선택되어 영상 오디오가 로봇 음성처럼 들렸다.

Technical Solution

• 메모리에 hypothesis, active, validated, deprecated, superseded 상태를 부여하여 수명주기 관리 구현
• 두 메모리 간 25% 주제 겹침과 문장 단위 부정 매칭으로 충돌 감지 정밀도 향상
• 소스 파일 경로, 섹션 제목, 콘텐츠 해시를 추적하여 원본 변경 시 메모리 성 감지
• 충돌 수, 성, 검증되지 않은 메모리 비율을 종합한 건강 점수(100점 만점) 도입

Impact

메모리 330개에서 226개로 정리되었고, 숨겨진 모순 7건과 중복 104건을 해결했다. 프로덕션 65개 영상 제작 후 반복 버그 발생 건수 0건, 건강 점수 55점에서 85점으로 상승했다.

Key Takeaway

메모리 저장소 설계 시 retrieval 기능뿐 아니라 수명주기 상태, 충돌 감지, 출처 추적, 신뢰도 점수 등 거버넌스 메커니즘을 함께 고려해야 한다.