Concepts KR

🌐 English · 한국어

개념 (Concepts)

이 페이지는 MemoryWeft(MWeft)의 바탕이 되는 생각 — 무엇을 저장하고, 어떻게 구조화하며, 왜 이런 모양인지를 설명합니다. 설치는 install.md, AI가 도구를 쓰는 법은 prompt_guide.md를 보세요.

MWeft란

MWeft는 로컬에서 동작하는 AI 장기 기억입니다. 대부분의 메모리 시스템이 저장된 텍스트를 평평한 덩어리로 다루거나(RAG) 분석 대상 지식 그래프로 다루는(GraphRAG) 반면, MWeft는 그 사이에 있습니다 — 무슨 일이 있었는지의 내용과 그것들이 어떻게 연결되는지의 구조를 모두 보존하며, 비교를 중심으로 설계됩니다. 즉 어떤 것과 비슷한지, 관련 있는지, 다른지를 찾습니다.

두 가지 특징이 차별점입니다.

• 미리 만들어 둘 수 있는 기억. 대화 전에 기억을 미리 심을 수 있습니다 — 프로젝트 문서, 소설의 등장인물, 참고 지식 등 — 그래서 AI가 이미 맥락 위에서 답할 수 있습니다.
• 로컬 우선(local‑first). 모든 것이 내 PC의 데이터베이스(SQLite)나 내가 통제하는 데이터베이스(PostgreSQL)에 있습니다. 데이터가 환경 밖으로 나갈 필요가 없어, 나만의 혹은 조직 전용의 사설 AI 비서가 현실적입니다.

핵심 아이디어: 이벤트가 곧 엣지

전통적 그래프는 노드를 관계로 잇습니다. MWeft는 강조점을 뒤집습니다. 의미를 담는 단위는 이벤트이며, 이벤트는 그 안에 등장하는 객체들을 한데 묶는 엣지처럼 동작합니다.

• 엔티티(Entity) — 데이터에 등장하는 객체: 사람, 파일, 장소, 개념.
• 이벤트(Event) — 문서나 대화 한 토막을, 여러 엔티티가 참여한 하나의 사건으로 분석한 것. 이벤트는 기록인 동시에, 그 엔티티들을 잇는 엣지 역할을 합니다.

엔티티와 이벤트로부터 서로 보완하는 두 그래프가 생깁니다.

• 엔티티 ↔ 엔티티 그래프 — 공유한 이벤트를 통해 엔티티끼리 연결. “누가 누구와, 어떤 일에서, 어떻게 엮였나”를 봅니다.
• 이벤트 ↔ 이벤트 그래프 — 공유한 엔티티를 통해 이벤트끼리 연결. “독립된 사건들이 공통 참여자를 통해 어떻게 이어지나”를 봅니다.

모든 노드의 임베딩

엔티티와 이벤트 모두 임베딩 벡터를 가집니다. 따라서 검색은 단순 키워드 매칭이 아닙니다 — 비슷한 맥락의 이벤트, 의미가 가까운 엔티티를 찾고, 평문 검색이 놓치는 관계까지 드러냅니다. 검색이 비교 기반이라, 비슷한 것뿐 아니라 다르지만 관련 있는 것도 함께 돌려줄 수 있습니다.

그룹, 태그, 도메인

기억은 세 단계로 구성하며, 섞어 쓸 수 있습니다.

• DB를 따로 — 프로젝트·조직·개인 용도에 따라 데이터베이스 자체를 분리.
• 도메인 — 하나의 DB를 도메인별로 나눠 서로 무관한 내용(예: 업무 vs 개인)이 섞이지 않게 합니다.
• 그룹 / 태그 — 하나의 DB 안에서 주제별로 라벨링. 태그는 횡단적(이름이 유일하며 도메인을 가로질러 적용 가능)이고 계층적(부모 태그를 가질 수 있음)입니다.

프로젝트 이름이나 작성자처럼 내용에서 추출할 수 없는 라벨도 있습니다. 이런 것은 미리 태그로 정의해 두면 해당 이벤트와 함께 저장됩니다. 저장 시 AI가 알맞은 태그를 자동으로 붙이기도 합니다.

발견된 태그(auto‑tags)

직접 정의한 태그 외에도, MWeft는 그래프에 대한 커뮤니티 탐지로 주제 군집을 자동으로 발견할 수 있습니다. 이 auto‑tag는 메모리 전체의 지도를 줍니다 — 주요 주제, 크기, 대표 멤버 — 그리고 AI에게 “군집을 요약해줘”라고 요청할 수 있습니다.

알아둘 원칙 하나: 소속은 derive된다

엔티티는 태그나 그룹에 직접 붙지 않습니다. 소속은 언제나 **그 엔티티가 참여한 이벤트를 통해 도출(derive)**됩니다(엔티티 → 이벤트 → 태그). 이는 구조를 정직하게 유지합니다 — 엔티티는 손으로 그은 링크가 아니라 실제로 있었던 사건 때문에만 어떤 주제에 속합니다. 그래서 엔티티를 삭제하거나 병합하면 그래프가 바뀌므로 신중해야 합니다(중복은 삭제보다 병합을 권장).

어디에 좋은가

• 코드 / 프로젝트 메모리 — 문서·코드·버전관리 이력을 엮어, 프로젝트 전반에 대한 질문에 답하고 어떤 변경을 과거의 유사 변경과 비교합니다.
• AI 메모리 — 사용자‑AI, AI‑AI 대화를 기록. 맥락이 쌓이는 여럿이 함께 하는 작업에서 특히 가치가 큽니다.
• 서사 — 소설·게임의 인물과 사건을 추적하고, 새 씬을 이전 내용과 견주어 일관성을 점검합니다.
• 참고 지식 — 방대한 법률·의학·역사를 구조화해 정밀한 유사 사례 검색.

솔직한 한계

• MWeft는 바탕 LLM에 의존하므로 요약에 부정확함이 있을 수 있습니다. 이벤트의 저장된 요약은 원문이 아니라 LLM이 쓴 풀이로 보세요.
• 메모리에는 정크와 핵심이 섞일 수 있습니다. 태그 사전 정의와 정리가 검색을 집중시키는 데 도움이 됩니다.
• 단일 사용자에겐 SQLite로 충분합니다. 여러 명이 동시에 쓰려면 PostgreSQL이 필요합니다 — 데이터 모델 참고.

함께 보기

• 데이터 모델 — 객체와 관계 상세
• install.md — 설치와 임베딩 옵션
• prompt_guide.md — AI가 검색·저장하는 법