매일 아침, 나의 AI 어시스턴트는 낯선 사람처럼 깨어납니다.

그것은 우리가 어제 무엇을 만들었는지 기억하지 못합니다. 내가 무엇을 작업하고 있었는지, 누가 나를 도왔는지, 혹은 다시는 반복하지 않겠다고 맹세했던 실수가 무엇이었는지 말해주지 못합니다.

나는 이를 해결하기 위해 50번의 세션을 보냈습니다. 오늘 그 결과를 오픈 소스 (Open-source)로 공개합니다.

아무도 말하지 않는 문제

AI 에이전트(AI agents)는 연속성(continuity) 문제를 가지고 있습니다. "마지막 대화 내용이 무엇이었나" 하는 문제는 채팅 히스토리(chat history)로 해결됩니다. 더 깊은 문제는 **정체성 (identity)**입니다. 즉, 이 에이전트가 우리와의 대화를 통해 어떤 존재가 되었는가 하는 점입니다.

매 세션의 리셋은 학습된 내용, 개선된 내용, 실패한 내용을 모두 지워버립니다. 벡터 데이터베이스 (Vector databases)와 RAG (Retrieval-Augmented Generation)는 유사한 대화를 검색할 수는 있습니다. 하지만 그것들은 에이전트가 어떤 존재가 되었는지는 말해주지 못합니다. 그것은 데이터베이스가 아니라 프로토콜 (protocol)을 필요로 합니다.

내가 만든 것

Imprint는 파일 시스템 기반의 정체성 연속성 프로토콜입니다. 데이터베이스도, 클라우드도, API 키도 없습니다. 오직 파일, 훅 (hooks), 그리고 폐쇄 루프 (closed loop)만 존재합니다.

Session N (end)                  Session N+1 (start)
─────────────────                ────────────────────
quality-gate detects             health-check reads
...

하나의 파이프라인(pipeline) 안에 세 가지 구성 요소가 있습니다:

① 작업 전 보정 (Pre-task calibration). 어떤 수정 작업을 수행하기 전에, 세 가지 필수 질문을 통해 에이전트가 올바른 문제를 해결하고 있는지 확인하도록 강제합니다. 잘못된 답변 시 → exit 2, 도구 호출 (tool call) 차단.

② 적대적 검토 (Adversarial review). 출처가 명확한 9개의 페르소나 풀 (pool of 9 sourced personas) (단순성에 대한 Hickey, 엣지 케이스(edge cases)에 대한 Carmack, 인지 부하(cognitive load)에 대한 Norman)이 출력을 교차 검토합니다. 두 명의 검토자가 동일한 문제를 지적하면 → 자동으로 에스컬레이션(escalated)됩니다. 조작된 인용은 허용되지 않습니다.

③ 전달 검증 (Delivery verification). Step 0은 주장된 모든 출력 파일을 다시 읽습니다. Step 1-4는 피해 심각도 순서에 따라 추론 과정을 감사(audit)합니다: 정직성 (Honesty) → 완결성 (Completeness) → 일관성 (Consistency) → 근거성 (Groundedness). 실패 시 → 세션을 종료할 수 없습니다.

루프 (The Loop)

핵심 통찰: 5단계 중 4단계는 기계적입니다.

• quality_gate.py: 파일의 수정 시간(mtimes)을 비교합니다. 만약 셀프 모델(self-model)이 최신 성장 로그(growth-log)보다 오래되었다면 → stale(오래됨) 상태로 판단 → 플래그(flag)를 기록 → exit 2.
• health_check.py: SessionStart가 플래그를 읽음 → REGENERATE_NEEDED를 방출(emits) → AI가 새로운 셀프 모델을 합성(synthesizes).
• log_regeneration.py: JSONL 감사 로그(audit)를 기록(fsync)한 후, 플래그를 삭제합니다.

오직 콘텐츠 합성(content synthesis)에만 AI가 필요합니다. 그 외의 모든 과정은 os.path.getmtime과 종료 코드(exit codes)로 처리됩니다.

검증됨 (Proven)

에코시스템 유지 관리자(ecosystem maintainers)들에 의해 검증된 두 가지 구성 요소:

• 적대적 검토 (Adversarial review) — Co-authored-by 속성 부여와 함께 병합되었습니다. 유지 관리자 의견: "핵심 아이디어가 진정으로 가치 있으며 실제적인 공백을 메워줍니다."
• 전달 검증 (Delivery verification) — 승인 및 병합되었습니다. 리뷰어 의견: "사고의 품질(thinking quality)에 집중하는 유용한 전달 게이트(delivery-gate) 기술입니다."

50회 이상의 세션. 정체성 붕괴(identity collapse) 사례 0건.

왜 파일인가 (Why Files)

기존 방식 (Conventional)	Imprint
벡터 DB (Vector DB) + 임베딩 (embeddings)	마크다운 (Markdown) + grep
...

만약 당신의 정체성 프로토콜이 클라우드 서비스에 의존한다면, 당신의 정체성은 당신의 것이 아닙니다. 파일은 영원합니다.

사용해보기 (Try It)

git clone https://github.com/YuhaoLin2005/imprint
cd imprint && python scripts/install.py

Claude Code를 재시작하세요. 당신의 에이전트가 기억할 것입니다.

github.com/YuhaoLin2005/imprint