AI 에이전트 엔지니어링

179

6

장

지식과 메모리

여러 부분에 대한 노트를 생성하고 그다음 질문에 대한 노트를 만든 뒤 마지막에 최종 답변을

생성합니다. [그림

6

-

5

]는 이런 노트 작성이 최종 답변을 생성하기 전에 모델이 생성한 노트들

을 컨텍스트와 함께 끼워 넣음으로써 표준 추론 워크플로를 강화하는 방법을 보여 줍니다.

그림

6-5

노트 작성 워크플로: 표준 접근에서는 모델이 컨텍스트와 질문을 함께 처리해 곧바로 답을 생성합니다. 노트

작성 접근에서는 모델이 먼저 컨텍스트와 질문의 일부를 요약하거나 보완하는 노트를 생성한 뒤 그 노트들을 바탕으로

최종 답변을 생성합니다. 이를 통해 더 깊은 추론과 향상된 작업 성능을 이끌어 낼 수 있습니다.

6.4

마무리

메모리는 에이전틱 시스템이 제대로 작동하게 하는 핵심적인 요소입니다. 최근 상호작용의 컨

텍스트 윈도에 의존하는 표준적인 접근 방식만으로도 많은 사용 사례에서는 충분하지만 더 까

다로운 시나리오에서는 보다 견고한 메모리 접근 방식에 투자할 때 큰 이득을 얻을 수 있습니

다. 이 장에서는 컨텍스트 윈도 관리와 텍스트 검색 같은 기본 방식부터 시맨틱 메모리 (

RAG

포함 ), 그래프

RAG

등 더 복잡하고 강력한 접근 방식까지 다양하게 살펴보았습니다.

이 장은 지능형 에이전트의 역량을 강화하기 위해 메모리를 어떻게 구조화하고 활용할 ...