Agent Knowledge Management · Layered Model

스레드의 "저장 / 검색"을 계층으로 다시 그리면

저장·검색은 두 층(윈도우 ↔ 저장소)을 잇는 다리 연산이었다. 다리와 저장소층은 이미 짚었고, 윈도우층 안의 연산이 비어 있다.

스레드에서 이미 짚은 것 비어 있는 개선 지점 (placeholder)

층 1

컨텍스트 윈도우 — 작업기억 (런타임)

유한하고, 길어지면 성능이 상한다(context rot). 스레드 프레임이 닿지 않았던 층 — 계보도 정보경영이 아니라 OS 메모리 관리·인지과학 작업기억 쪽.

현재 갖고 있는 것

현재 태스크 컨텍스트

지시·중간 추론·도구 결과가 매 스텝 쌓인다

PLACEHOLDER

압축 — Compress

윈도우 안 토큰을 필요분만 유지. auto-compact 시점·요약에서 보존할 것의 정책이 없다

PLACEHOLDER

격리 — Isolate

서브에이전트 독립 윈도우·샌드박스로 간섭 방지. 어떤 작업을 분리할지 기준이 없다

↓

저장 — 윈도우에서 저장소로

≈ Write 전략 (Anthropic: structured note-taking)

언제: hook(세션 종료) · handoff
placeholder — 무엇을: 결정·트러블슈팅·사실 중 저장할 것의 선별 기준이 없다 (전부 저장하면 검색이 죽는다)

↑

검색 — 저장소에서 윈도우로

≈ Select 전략 (Anthropic: 하이브리드 로딩 + progressive disclosure)

언제: init 사전 로드 · plan/explore는 just-in-time
속도: frontmatter 1줄 → index → 본문 단계 로딩
placeholder — 실패 신호: grep 동의어 재시도로도 못 찾는 빈도를 감지하는 기준이 없다. 1차 대응은 RAG가 아니라 네이밍·frontmatter·index 보강 — 임베딩은 통제 밖 대량 코퍼스·약 40만 단어 초과에서만

층 2

영속 지식층 — 파일시스템 (저장소)

스레드 프레임이 가장 촘촘했던 층. 여기서만 정보관리학 계보(DIKW·기록물 생애주기·MDM/SSOT)가 성립한다.

어떻게 — 포맷

md / json / db / html

정석: 메모리 유형별로 다르다(CoALA) — 의미=md+frontmatter · 에피소드=append-only 로그 · 절차=스킬/훅

효율 — SSOT

원본은 한 곳, 나머지는 포인터

정석: MDM · metadata-as-code (OKF가 계보로 명시)

주기 — digest / backfill

유휴시간 메모리 정리

정석: sleep-time compute (Letta) — 통합·중복제거·아카이브를 백그라운드로

"파다보면 경영정보 나온다"는 층 2에 한해 맞다 — 영속 지식층은 DIKW 피라미드·기록물 생애주기·MDM/SSOT의 에이전트판 재발견이고, 층 1(압축·격리)은 유한한 윈도우라는 LLM 고유 제약에서 나온 런타임 기법이라 계보가 다르다.

출처 · Anthropic 〈Effective Context Engineering for AI Agents〉 · LangChain 〈Context Engineering for Agents〉 · CoALA (arXiv:2309.02427) · Letta Sleep-time Compute · Google OKF v0.1 — tech-research-hub 2026-07-19 · © 2026 BuildnWrite. All rights reserved.