TencentDB Agent Memory: SQLite 기반 4계층 시맨틱 피라미드 및 무손실 로컬 에이전트 메모리

1. 핵심 요약 (Executive Summary)

TencentDB Agent Memory는 텐센트 클라우드(Tencent Cloud)가 오픈소스로 공개한 100% 로컬 실행형 에이전트 장기 메모리 프레임워크다. 외부 벡터 데이터베이스(Pinecone 등)나 클라우드 API 의존성 없이 단일 SQLite와 사람이 읽을 수 있는 마크다운(Markdown) 계층 구조만으로 동작하며, 불투명한 벡터 압축 대신 **4계층 시맨틱 피라미드(L0 Conversation → L1 Atom → L2 Scenario → L3 Persona)**와 Mermaid 그래프 기반 단기 상태 인코딩을 통해 토큰 소모량을 61% 절감하고 PersonaMem 정확도를 48%에서 76%로 향상시켰다.


2. 아키텍처 설계: 왜 불투명한 벡터 더미(Opaque Vector Pile)를 버렸는가?

기존 벡터 DB 기반 에이전트 메모리는 대화 기록을 임베딩 청크나 손실 요약(Lossy Summary)으로 압축해 저장하므로, 리콜(Recall) 실패 시 왜 잘못된 기억이 인출되었는지 디버깅하거나 원본 증거를 역추적하기 어렵다(RAW-RAG 참조). TencentDB Agent Memory는 **무손실 계층적 구조화(Lossless Hierarchical Structuring)**와 심볼릭 상태 오프로딩으로 이를 해결한다.

flowchart TD
    subgraph Pyramid["4계층 시맨틱 피라미드 (Readable Markdown + SQLite)"]
        L3["L3 Persona: 사용자/에이전트 장기 성향·원칙·역할 모델"]
        L2["L2 Scenario: 반복되는 작업 맥락·도메인 워크플로 시나리오"]
        L1["L1 Atom: 검증된 원자적 사실(Atomic Facts)·단위 지식"]
        L0["L0 Conversation: 원본 대화 턴 및 디스크 오프로딩된 도구 실행 로그"]
        L0 --> L1 --> L2 --> L3
    end
    subgraph Context["에이전트 활성 컨텍스트 (Short-Term State)"]
        M["Mermaid 상태 그래프로 단기 작업 상태 압축 인코딩"]
    end
    M -- "증거 필요 시 node_id 역추적" --> L0
    L3 & L2 & L1 --> M

2.1 4계층 시맨틱 피라미드 (L0 → L3)

모든 계층은 에이전트와 개발자가 직접 열어 읽고 감사(Audit)할 수 있는 마크다운 문서와 로컬 SQLite 인덱스로 유지된다.

  1. L0 Conversation (원본 대화 및 디스크 로그): 원본 대화 원문과 장황한 도구 호출 출력(Verbose Tool Logs)을 손실 없이 디스크에 보존한다.
  2. L1 Atom (원자적 사실 계층): 대화에서 추출된 개별 엔티티, 설정값, 의사결정 등 최소 단위의 사실을 node_id와 함께 기록한다.
  3. L2 Scenario (시나리오/에피소드 계층): 연관된 L1 Atom들을 묶어 프로젝트별·작업 유형별 시나리오 문맥을 형성한다.
  4. L3 Persona (페르소나/거버넌스 계층): 세션 전반에 걸쳐 유지되어야 하는 사용자 선호도, 코딩 규칙, 아키텍처 제약사항을 최상위 추상 계층으로 유지한다.

2.2 Mermaid 단기 상태 그래프 & node_id 무손실 드릴다운

  • 단기 상태의 Mermaid 인코딩: 진행 중인 작업의 단기 상태(Short-term state)를 장황한 자연어 히스토리 대신 컴팩트한 Mermaid 다이어그램 그래프 형태로 에이전트 컨텍스트에 주입하여 문맥 토큰을 61% 절감한다.
  • 도구 로그 디스크 오프로딩 및 node_id 역추적: 수천 줄에 달하는 도구 실행 결과(터미널 출력, JSON 응답 등)는 컨텍스트에서 즉시 디스크로 오프로딩하고 그래프에는 node_id 포인터만 남긴다. 에이전트가 추론 도중 정확한 원본 증거(Proof)가 필요할 때만 node_id를 통해 L0 원본 로그로 무손실 드릴다운(Drill-down)한다.

3. 정량적 성능 지표 및 비교

평가 항목기존 벡터 압축 메모리TencentDB Agent Memory비고
컨텍스트 토큰 소비량기준치 (100%)-61% 절감 (39%)Mermaid 그래프 단기 상태 인코딩 + 로그 오프로딩
PersonaMem 정확도48.0%76.0% (+28.0%p)L0~L3 시맨틱 피라미드 계층 인출
외부 인프라 의존성클라우드 Vector DB / API 필요Zero (순수 로컬 SQLite + Markdown)오프라인·에어갭 환경 즉시 구동
정보 손실 및 감사 가능성손실 요약 / 블랙박스 임베딩무손실 (node_id 원문 역추적)모든 계층 마크다운 직접 열람 가능

4. 관련 문서 (Cross-References)