위키 메모리: AI 에이전트를 위한 파일 기반 메모리

AI 에이전트 메모리는 아직 표준이 없지만, 원시 데이터를 에이전트가 읽기 쉬운 지식 계층으로 변환하는 위키 메모리 패턴이 부상하고 있다.

기존 RAG가 조회 시점에 원시 데이터를 가져오는 것과 달리, 위키는 사전에 고차원 합성을 유지하여 에이전트가 매번 구조를 재발견할 필요가 없게 한다. 이는 연구자의 뇌를 복제해 지식 유출을 방지하려는 니즈와도 맞닿아 있다.

위키란 에이전트가 유지 관리하는 데이터 구조로, 지속적이고 구조화되며 시간이 지남에 따라 업데이트되는 것이 핵심이다. Cognition의 DeepWiki, Andrej Karpathy의 LLM Wiki, Factory의 AutoWiki 등이 이 패턴의 예시이다.

이 방식은 LangMem, Letta, Mem0 등 기존 메모리 시스템과 유사하지만, 가장 단순한 기반인 파일을 사용한다는 점에서 차별화된다. 모든 도메인에는 원시 데이터가 아닌, 지능적으로 압축된 지식 베이스가 존재하며, 이는 원시 데이터의 정의, 압축 형식, 최신화 방식 등 미해결 과제를 남긴다.