Data model KR

🌐 English · 한국어

데이터 모델 (Data model)

MWeft가 무엇을 저장하고 각 요소가 어떻게 관계 맺는지에 대한 개념 레퍼런스 입니다. MCP 도구와 Manager로 다루는 공개 모델을 설명하며, 스키마 덤프가 아닙니다. 바탕 개념은 개념을 보세요.

객체

객체	정의	비고
엔티티(Entity)	데이터에 등장하는 객체 — 사람, 파일, 장소, 개념.	이름·타입을 가지며 도메인에 속함. 임베딩 벡터를 가짐.
이벤트(Event)	문서나 대화 한 토막을 하나의 사건으로 본 것. 핵심 단위이며, 참여한 엔티티들을 묶음.	LLM 생성 요약과 임베딩 벡터를 가지며, 타임스탬프를 가짐.
그룹 / 태그(Group / Tag)	주제별로 기억을 정리하는 라벨.	태그 이름은 유일하고 횡단적(도메인을 가로질러 적용 가능). 계층적(부모 태그 가능).
도메인(Domain)	데이터베이스의 최상위 구획.	무관한 내용이 섞이지 않게 분리.

이벤트의 요약은 LLM이 쓴 것입니다 — 원문이 아니라 풀이로 보세요.

관계

엔티티와 이벤트는 두 그래프(엔티티↔엔티티, 이벤트↔이벤트)를 이룹니다. 마주치게 될 관계:

관계	연결	의미
참여(participates in)	엔티티 → 이벤트	어떤 객체가 한 사건에 참여했는가.
태깅(tagged)	이벤트 → 태그	이벤트에 태그가 붙음.
순서/흐름(follows)	이벤트 → 이벤트	한 이벤트가 다른 이벤트 뒤에 옴(문서 순서, 스레드, 명시적 순서 등).
연결(connection)	엔티티 ↔ 엔티티	관련된 두 엔티티 사이의 무방향 링크(동시 등장·의미 근접 등).

태그 계층(부모 태그)은 태그 자신에 저장되므로, 주제의 트리는 별도 링크가 아니라 태그와 함께 존재합니다.

소속은 derive — 결코 직접 연결이 아님

엔티티는 태그나 그룹에 직접 연결되지 않습니다. 소속은 그 엔티티가 참여한 이벤트를 통해 두 단계 떨어져 도출됩니다.

엔티티  ──참여──▶  이벤트  ──태깅──▶  태그

즉 엔티티는 자신을 실제로 참조한 이벤트 때문에만 어떤 주제에 속합니다. 실무적 귀결:

• 엔티티를 삭제하면 그 이벤트 링크가 끊겨 그래프가 바뀝니다 — 불필요하다고 판단한 것만 삭제하세요.
• 중복은 삭제 대신 병합하세요. 병합은 부분적으로 되돌릴 수 있지만(이름 복원), 병합으로 잃은 링크는 복원되지 않습니다.

발견된 태그(auto‑tags)

직접 정의한 태그 외에, MWeft는 그래프에 대한 커뮤니티 탐지로 주제 군집을 발견할 수 있습니다. 이 auto‑tag는 손으로 만든 것이 아니라 메모리가 실제로 어떻게 군집되는지를 요약합니다 — 전체 지도(군집 수·크기·대표 멤버)를 보기에 유용합니다. AI에게 요약을 요청할 수 있습니다.

임베딩과 검색

엔티티와 이벤트 모두 임베딩 벡터를 가지므로, 검색은 키워드가 아니라 비교 기반 입니다.

• 비슷한 맥락의 이벤트 찾기,
• 의미가 가까운 엔티티 찾기,
• 단순 근접 중복이 아니라 관련 있되 대비되는 결과 드러내기.

기본 임베딩 모델은 BGE‑M3(1024차원)이며, API 키 없이 로컬 ONNX로 실행됩니다. 다른 제공자(OpenAI, 로컬 PyTorch)도 설정 가능 — install.md 참고.

저장 백엔드

백엔드	언제
SQLite	단일 사용자. 로컬 파일; 개인용으로 충분. 다중 사용자 동시 쓰기는 미지원.
PostgreSQL	여러 사용자 또는 클라우드 호스팅. 동시 접근에 필수.

MWeft는 외부 DB 사용 시 DB 용량보다 **네트워크 송수신(egress/ingress)**이 더 중요합니다 — 트래픽 제한을 확인하세요.

백업·복원·마이그레이션

기억은 이식 가능합니다. 도메인을 하나의 아카이브로 내보내고(export) 다른 곳으로 가져올(import) 수 있습니다 — SQLite ↔ PostgreSQL 이동 포함. 복원 (Restore)은 대상 데이터베이스를 아카이브와 정확히 일치시키며(전체 교체, 타이핑 확인으로 보호), 백업 및 SQLite ↔ PostgreSQL 마이그레이션 경로입니다.

함께 보기

• 개념 — 모델의 바탕 생각
• install.md — 백엔드와 임베딩 옵션
• prompt_guide.md — AI가 검색·저장하는 법