ANCHORMINDBlog
AI 에이전트 기억 설계와 운영에 관한 글을 모은다.
24시간 곁에 있는 노련한 사수: 퇴사와 함께 사라지는 업무 경험을 조직의 기억으로 남기는 법
AnchorMind Enterprise Solutions가 사내 지식과 업무의 판단·해결 경험을 하나의 기억으로 연결해, 신입이 첫날부터 팀의 노하우를 꺼내 쓰도록 만드는 구조를 정리한다.
다섯 AI 클라이언트, 하나의 기억: MCP 연결만으로는 부족한 이유
Codex, Claude Code, Cursor, Gemini CLI, VS Code가 같은 장기 기억을 안전하게 공유하려면 연결 설정과 운영 규약을 어떻게 나눠야 하는지 정리한다.
캐시가 실패를 기억할 때: 형태소 사전의 46%가 조용히 죽어 있던 이유
임베딩 계산의 일시 실패가 NULL 행으로 남아 영구 네거티브 캐시가 된 결함을 추적한다. 에러 없이 검색 회수율만 서서히 떨어지는 조용한 열화를 실측으로 확인하고, 접근 시 치유와 백필로 복구하기까지의 기록이다.
topic 오타 하나가 무관 검색 결과 6건을 만든 이유: 하이브리드 검색 정합성 디버깅
기억 검색 엔진에서 존재하지 않는 topic을 지정했는데 0건이 아니라 무관 파편이 반환된 결함을 추적한다. 집합 교집합 연산에서 빈 집합이 누락되면 어떤 일이 생기는지, 하드 필터 계약을 모든 검색 경로에 정합시키는 수정까지의 기록이다.
AI 에이전트 장기 기억이 필요한 이유: 세션 단절 문제
LLM 기반 에이전트가 세션마다 맥락을 잃는 구조적 원인과, 이를 장기 기억 계층으로 보완하는 접근을 정리한다.