Knowledge-and-Memory-Management (KMM) 프로젝트는 최근 "docs: Direction 1-3 finalization record"를 출시하며 중요한 이정표를 달성했습니다. 이번 업데이트는 처음 세 가지 개발 방향(directions)에 대한 설계 결정, 아키텍처 패턴(architectural patterns), 그리고 안정성 약속을 담고 있습니다. 문맥 인식 AI 에이전트(context-aware AI agents) 또는 장기 실행 대화 시스템(long-running conversational systems)을 구축하는 숙련된 개발자들에게, 이 방향성들은 프레임워크의 핵심 레이어를 정의합니다. 더 중요한 것은, 이 확정 기록이 구현 과정에서 이루어진 트레이드오프(trade-offs)를 투명하게 보여준다는 점입니다.

방향성 1-3이 나타내는 것

이 프로젝트는 각 기능적 도메인을 다루는 개별적인 "방향성(directions)"을 중심으로 로드맵을 구성합니다. 방향성 1-3은 모든 지식 및 메모리 파이프라인(knowledge-and-memory pipeline)의 토대를 형성합니다:

• 방향성 1 – 지식 베이스 구축 (Knowledge Base Construction): 수집된 소스 문서가 어떻게 파싱(parsed)되고, 청킹(chunked)되며, 쿼리 가능한 지식 저장소로 인덱싱(indexed)되는지를 다룹니다. 확정 기록에서는 플러그 가능한 임베딩 모델(embedding models)과 함께 벡터 기반(예: FAISS를 통해) 및 그래프 기반 표현(graph-based representations)을 모두 지원함을 확인했습니다.
• 방향성 2 – 메모리 관리 (Memory Management): 단기 버퍼(short-term buffers), 장기 요약(long-term summaries), 그리고 설정 가능한 망각 정책(forgetting policies)을 포함하여 대화 상태를 위한 운영 메모리를 다룹니다. 이 기록은 단언(assertion)부터 통합(consolidation), 제거(eviction)에 이르는 메모리 라이프사이클(memory lifecycle)과 커스텀 메모리 백엔드(custom memory backends)를 위한 인터페이스를 상세히 설명합니다.
• 방향성 3 – 문맥 오케스트레이션 (Context Orchestration): 검색된 지식과 메모리 상태가 어떻게 결합되어 프롬프트(prompts)나 도구 호출(tool calls)에 주입되는지를 다룹니다. 이 방향성은 공통 Retriever를 확정합니다.