OpenClaw, Markdown 기반 에이전트 메모리 공개

OpenClaw는 복잡한 데이터베이스나 무거운 프레임워크 없이 Markdown 파일과 경량 인덱스(MEMORY.md)로 구성된 에이전트 메모리 시스템을 공개했다. 이 시스템은 7개월간의 프로덕션 환경에서 검증되었으며, 데이터베이스의 스키마가 시간적 맥락을 알더라도 쓰기/읽기 경로가 이를 반영하지 못하면 신뢰성이 떨어질 수 있다는 점에 착안했다.

아키텍처 및 핵심 원리

메모리는 Git 저장소 내의 Markdown 파일로 관리되며, SQLite 인덱스와 시맨틱 검색은 조회 속도를 높이기 위한 보조 수단으로만 사용된다. 파일 자체가 진실(truth)이 되며, 인덱스와 불일치할 경우 파일이 우선시된다. 부팅 시에는 Identity 레이어와 MEMORY.md(라우팅 인덱스)만 로드되고, 나머지는 쿼리 시 가장 좁은 범위의 파일부터 검색된다.

쓰기 및 읽기 경로 규칙

신뢰성을 확보하기 위해 다음과 같은 엄격한 편집 규칙(editing rules)이 적용된다.

• Provenance Tag: [stated], [observed], [inferred] 등 출처를 명시하여 에이전트의 제안이 사용자 결정으로 오인되는 것을 방지한다.
• Recurrence Gate: 추론된 교훈은 2개 이상 세션에서 3회 이상 독립적인 신호가 확인되어야 저장되며, 30일 이상 지난 신호는 가중치가 절반으로 줄어든다.
• Supersession: 새로운 정보가 들어올 때 기존 줄을 삭제하지 않고 취소선과 날짜를 추가하여 이력을 남긴다. Git log/blame을 통해 유효 기간과 출처를 추적할 수 있다.
• Read Path: 답변 전 메모리 검색이 필수이며, 기본 5개 소스로 제한된 compact bundle을 반환한다. 각 사실에는 파일 경로, 줄 번호, 출처, 신선도(freshness)가 포함된다.

검증 결과 및 한계

382개 의존성을 가진 기존 메모리 런타임은 과거의 폐기된 정보(GraphQL)를 현재 정보로 반환하는 오류를 보인 반면, Markdown 시스템은 현재 사실(tRPC)과 출처를 정확히 반환했다. 이 시스템은 2개 벤더의 3개 프런티어 모델에서 작동하며, 모델 교체 시에도 에이전트의 정체성과 선호도, 결정 사항이 유지된다. 다만, LLM 작성자가 편집 규율을 일관되게 적용해야 하며, 대규모 팀 환경에서는 실제 락(locking) 및 병합 규율이 필요하다.