农业生产者 기반 생태학적 AI 메모리 시스템 Dryft 개발함

Context

기존 AI 에이전트 메모리 시스템은 정적 파일 캐비닛 형태로 동작함. 텍스트 검색만 가능하고 관련성이 동일한 항목이 누적됨. 컨텍스트 윈도우 용량 초과 시 압축 과정에서 중요한 정보가 사라지는 문제 발생함.

Technical Solution

• 생태학적 메모리 모델: 메모리를 정적 엔트리 대신 자체 규제하는 생존 population으로 처리함
• Fitness 점수 기반 자기 강화: 사용된 메모리는 강해지고 미사용 메모리는 약해지며 수동 관리 불필요함
• Predator 메커니즘: 연속 사이클 동안 zero fitness 메모리는 자동 삭제되어 메모리 낭비 방지함
• 관계형 본딩: 함께 활성화된 메모리가 공동 발생 패턴으로 관계를 형성하여 지식 그래프 추출 불필요함
• 6Layer 아키텍처: foundational, grass, main herd, evaluation herd, dormancy staging, temporal 레이어 구성함

Impact

Telegram 봇을 통해 수 주간 일일 사용 중인 운영 시스템임. 56개 쿼리 벤치마크 파일 제공함.

Key Takeaway

메모리 시스템에서 subtraction 메커니즘(제거)이 addition보다 더 중요한 설계 요소임. 생태학적 프레이밍은 데코레이티브가 아닌 기능 발생의 원천임.