Token 사용량 70% 절감, Memoria 기반의 시맨틱 메모리 최적화

Context

OpenClaw 기본 메모리 시스템의 전체 파일 로드 방식. 컨텍스트 윈도우 내 불필요한 정보 누적으로 인한 Token 비용 증가. 파일 크기 제한으로 인한 데이터 유실 및 검색 정확도 저하 문제.

Technical Solution

• 전체 파일 로드 방식을 작업 기반의 On-demand Semantic Retrieval 구조로 변경
• 키워드 및 Vector Search의 한계를 극복한 관계형 추론 기반의 메모리 주입 전략
• Context Compaction 과정에서 발생하는 데이터 삭제 및 재작성 방지 설계
• Cloud Backend 기반의 API 연동을 통한 별도 DB 구축 없는 외부 메모리 아키텍처
• 전용 Plugin을 통한 OpenClaw 내장 메모리 명령과 Memoria 명령의 완전한 분리

Impact

• 메모리 관련 Token 사용량 70% 이상 절감

Key Takeaway

LLM의 컨텍스트 제한 문제를 해결하기 위해 정적 파일 로드 대신 시맨틱 검색 기반의 동적 컨텍스트 주입 설계를 적용하여 효율성과 정확도를 동시에 확보함.