Rag
-
관계로 기억을 넓히려면 어디서 출발해야 하는가: 앵커 정밀도가 막은 그래프 확장MEMENTO 2026. 11. 12. 09:01
기억 서버에 관계 간선을 쌓아 두면 검색이 좋아질 것이라는 기대는 자연스럽다. 기억 하나를 찾았다면 그 기억과 이어진 이웃도 같은 질문에 쓸모가 있을 가능성이 높다. 사람의 연상 기억이 그렇게 움직이고, HippoRAG 이후 그래프 기반 검색 논문 대부분이 같은 직관 위에 서 있다. Memento에도 FOLLOWS, REFERENCES, CONTRASTS_WITH, BELONGS_TO 같은 관계가 이미 적재된다. 그런데 검색 결과의 1-hop 이웃을 근거로 덧붙여 보는 실험(#1675)은 실패했다. 이 글은 그 실패 뒤 이틀 동안 같은 라벨로 다시 계산하고, 항목 단위 관련성 필터를 새로 만들어 본 기록이다. 결론부터 적으면 간선은 문제가 아니었다. 어디서 출발하느냐가 문제였다.실패한 확장은 관계를 부정..
-
긴 기억은 왜 벡터 검색에서 지는가: 평균 풀링의 산수와 max-simMEMENTO 2026. 11. 7. 09:11
에이전트의 기억 저장소에서 가장 값진 기록은 대개 길다. 장애 회고, 런북, 며칠에 걸친 디버깅 기록은 결론과 근거를 함께 담느라 길어진다. 오픈소스 프로젝트 Memento의 벡터 검색에서 이런 글이 구조적으로 밀렸다. 내용이 틀려서도, 주제가 어긋나서도 아니었다.Memento의 검색 품질 벤치마크 코퍼스(benchmark-v3) 3,461건에서 질의 HTTP 서버 에러 처리의 코사인 바닥값은 10위 0.5944, 40위 0.4416이었다. 이 코퍼스에서 질의와 가장 비슷한 문서 60건을 골라 12,000자로 이어 붙이고 코사인을 쟀다. 결과는 0.3094, 40위 밖이다. 가장 관련 높은 내용만 모아도 길면 졌다.요약윈도를 평균 낸 문서 벡터의 점수는 윈도별 코사인의 평균에 비례한다. 윈도 하나만 질의..
-
단순 벡터 RAG의 종말: FTS·그래프·임베딩을 결합한 에이전트 하이브리드 리콜 아키텍처AI 2026. 10. 11. 14:14
단순 벡터 RAG의 종말: FTS·그래프·임베딩을 결합한 에이전트 하이브리드 리콜 아키텍처핵심 요약: 많은 에이전트 시스템이 문서를 임베딩 모델에 넘겨 코사인 유사도로 청크를 꺼내오는 단일 벡터 RAG에 의존합니다. 고유명사 누락, 시간 순서 왜곡, 관계 추론 실패라는 벽에 부딪힙니다. 에이전트 기억 운영체제 Memento가 구현한 하이브리드 리콜(Hybrid Recall) 엔진을 분석합니다. 키워드(FTS)·임베딩 벡터·시맨틱 그래프(Entity-Predicate-Object)의 3축 병합, 스케일 불일치를 해소하는 신호 정규화, 다차원 인지 점수(관련성·최근성·중요도·절차 부스트) 융합 공식을 코드 레벨로 다룹니다.1. 단일 벡터 RAG가 에이전트 환경에서 무너지는 이유문서 요약 질의응답과 장기 실행..
-
단순 메모 앱을 넘어 AI 지식 운영체제로: 옵시디언 LLM Wiki 아키텍처와 AKM 실전 패턴AI 2026. 10. 8. 09:02
단순 메모 앱을 넘어 AI 지식 운영체제로: 옵시디언 LLM Wiki 아키텍처와 AKM 실전 패턴핵심 요약: 많은 이들이 옵시디언(Obsidian)을 마크다운 메모 앱이나 예쁜 그래프 뷰를 가진 개인 위키(PKM) 정도로 여깁니다. 그러나 로컬 파일 기반의 투명한 텍스트 구조, 양방향 위키링크([[wikilink]]), 명시적인 디렉터리 제약(AGENTS.md)을 결합하면 옵시디언은 자율 에이전트와 사람이 협업하는 최적의 '에이전틱 지식 운영체제(Agentic Knowledge Operating System / LLM Wiki)'로 탈바꿈합니다. 본 글에서는 전통적 RAG의 한계를 넘어 지식을 복리(Compound)로 축적하는 LLM Wiki의 철학, 1만 개 노트를 통제하는 다중 볼트(Multi-Vau..
-
RAG의 한계를 넘어서: Memento가 MIRIX 기반의 6계층 메모리를 선택한 이유MEMENTO 2025. 11. 25. 22:58
1. 들어가며: "모든 데이터가 벡터 DB에 들어갈 필요는 없다"우리가 개발하는 AI 에이전트가 "기억력이 좋다"라고 말하려면 어떤 조건이 필요할까요? 단순히 과거 대화 내역(History)을 길게 넣어주는 것만으로는 부족합니다. 인간은 친구와의 사적인 대화(일화)와 전공 서적의 지식(의미)을 각기 다른 뇌 영역에서, 다른 방식으로 처리하고 저장합니다.저는 현재 개발 중인 Memento 프로젝트에서 이 '인간다운 기억 처리'를 구현하기 위해 고민했고, 그 해답을 MIRIX (Multimodal Information Retrieval & Indexing eXperience) 아키텍처에서 찾았습니다. 오늘은 왜 Memento가 기존의 평면적인 RAG 방식을 버리고 MIRIX의 6가지 메모리 계층 구조를 도입..
-
AI 시대의 MongoDB 활용 전략 및 개발팀 주요 시사점ANYTHING 2025. 9. 3. 21:40
코엑스에서 열린 MongoDB.local 2025 컨퍼런스의 A 트랙 에서 진행한 내용을 정리했습니다. 요약MongoDB 는 단순한 NoSQL 데이터베이스를 넘어 AI 시대의 통합 데이터 플랫폼으로 진화하고 있습니다. 특히 AI 애플리케이션 구축, 레거시 시스템 현대화, 개발 생산성 극대화, 실시간 데이터 처리 등 현대적인 개발 요구사항에 대한 포괄적인 해결책을 제시하고 있습니다.주요 내용은 다음과 같습니다.AI 시대를 위한 최적의 데이터 저장소MongoDB 의 유연한 도큐먼트 모델은 RAG(Retrieval Argumented Generation), Agenric AI 등 AI 시스템에 필요한 정형/비정형 데이터를 현실 세계의 최소 왜곡 표현 으로 저장벡터 검색 및 풀텍스트 검색을 통합 제공하여 AI의..