---
tags: [AI-Agent, 메모리]
last-reviewed: 2026-07-27
---

# Long Term Memory

> 개별 세션의 수명을 넘어 영속적으로 보관·검색되는 기억. 일화 기억과 의미 기억을 포괄하는 상위 계층.

## 핵심 개념

장기 기억은 [[Short Term Memory]]가 휘발되는 한계를 보완한다. 세션이 끝나도 사라지지 않고 외부 저장소에 영속화되며, 새로운 요청이 들어왔을 때 관련 항목만 골라 다시 컨텍스트에 주입한다. 이를 통해 에이전트는 사용자를 "기억"하고, 과거 작업을 이어가며, 시간이 지날수록 더 똑똑해질 수 있다.

장기 기억은 내용 성격에 따라 두 갈래로 나뉜다.

- **[[Episodic Memory]]**(일화): "언제 무슨 일이 있었다"는 구체적 사건·경험.
- **[[Semantic Memory]]**(의미): 시점과 무관한 일반 사실·선호·규칙.

## 저장 방식

장기 기억의 핵심 도전은 **무엇을 저장하고, 어떻게 다시 찾아올 것인가**이다.

- **구조화 저장 — 기본**: 사용자 프로필·설정처럼 키가 명확한 정보는 관계형/키-값 DB에서 정확 조회한다.
- **벡터 저장 — 조건부**: 의미·일화 기억의 유사도 회수가 실제 요구될 때만 텍스트를 [[04_RAG/03_임베딩인덱싱/Embedding|Embedding]]해 [[Vector Database]] 또는 pgvector에 파생 저장한다.
- **하이브리드 — 조건부**: 키워드([[04_RAG/04_검색/BM25|BM25]])와 벡터 검색의 결합이 평가에서 단일 방식보다 나을 때 [[Hybrid Retrieval]]을 사용한다.

저장 정책(write)에서는 모든 대화를 무분별하게 적재하기보다, LLM으로 요약·추출해 의미 있는 단위만 승격하는 것이 비용·검색 품질 면에서 유리하다.

## 회수와 RAG

질의 시점에는 기억 유형에 맞는 회수 방식을 선택한다.

```
질의 → owner/tenant ACL → 구조화 정확 조회
                    └→ (필요 시) 의미·일화 검색 → Re-ranking
      → 중복 제거·토큰 예산 → 불신 데이터 구획 → LLM 응답
```

의미 검색을 쓸 때는 [[Re-ranking]]으로 후보를 재정렬한다. 사용자 발화에서 추출된 기억은 외부 문서처럼 불신 데이터로 취급하고 지시로 실행하지 않는다.

## 활용

- **개인화 비서**: 사용자 이름·선호·과거 요청을 기억해 일관된 경험 제공.
- **자기 개선 루프**: 과거 실패 사례를 일화 기억으로 보관해 [[Reflection]]에서 재활용.

조직 문서·FAQ는 개인 장기 기억이 아니라 별도 [[RAG Architecture|RAG]] namespace와 ACL·보존 정책으로 관리한다. 운영 시에는 동의·목적, 충돌, TTL, 사용자 조회·정정·삭제와 파생 embedding 삭제 전파가 필수다.

## 관련 노트

- [[Memory Architecture]]
- [[Short Term Memory]]
- [[Episodic Memory]]
- [[Semantic Memory]]
- [[Vector Database]]
- [[RAG Architecture]]
- [[04_RAG/03_임베딩인덱싱/Embedding|Embedding]]