737:1의 저밀도 필터링을 통한 AI Agent 장기 기억 최적화

I Trained My OpenClaw to Dream. Here's What It Learned Overnight.

MrClaw2072026년 6월 19일5분intermediate

AI 요약

Context

단순 누적 방식의 Context Window 확장과 계층형 저장소 구조로 인한 Signal-to-Noise Ratio 저하 발생. 데이터 양의 증가가 곧바로 에이전트의 지능 향상으로 이어지지 않는 Memory Consolidation 문제 직면.

Memory를 저장 공간이 아닌 학습 문제로 정의한 Dream Protocol 설계
Stage 1(Light Sleep)을 통한 중복 데이터 제거 및 후보군 추출 단계 구현
Stage 2(REM Sleep)에서 Recurrence, Uniqueness, Truth Score의 3단계 Threshold Gate(minScore 0.8 등) 적용
Stage 3(Promotion)를 통해 엄격한 검증을 통과한 핵심 신호만 MEMORY.md에 영구 기록
isolated agentTurn 기반의 nightly cron job을 통한 비동기 메모리 정제 파이프라인 구축
FTS5 Recall Query와 전용 Python 스크립트를 활용한 정량적 스코어링 로직 분리

실천 포인트

1. 단순 로그 적재 대신 주기적인 데이터 정제(Consolidation) 프로세스 도입 검토

2. 빈도수와 유니크한 컨텍스트를 결합한 다차원 스코어링 시스템 설계

3. 장기 기억 저장소의 쓰기 권한을 엄격하게 제한하는 Gatekeeper 메커니즘 적용

태그