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

# Semantic Memory

> 시점과 무관한 일반 사실·개념·규칙·선호를 저장하는 장기 기억의 한 종류.

## 핵심 개념

의미 기억은 "무엇이 참인가"에 대한 지식의 저장소다. 특정 사건과 결부되지 않은 일반화된 사실을 담는다는 점에서, 시간에 묶인 [[Episodic Memory]]와 대비된다.

| 구분 | 의미 기억 | 일화 기억 |
|------|----------|----------|
| 내용 | 일반 사실·규칙 | 구체적 사건 |
| 시간성 | 없음(무시점) | 타임스탬프 보유 |
| 예시 | "사용자는 한국어 선호" | "3월 2일 환불 처리함" |

대표 예시: 사용자 선호·프로필처럼 대화에서 선별한 안정적 사실. 조직 문서·FAQ·공용 비즈니스 규칙은 개인 기억과 섞지 않고 별도 RAG/정책 저장소로 관리한다.

## 저장 방식

의미 기억은 데이터 형태와 회수 요구에 따라 저장한다.

- **정형 사실 — 기본**: 사용자 선호처럼 키가 명확한 항목은 관계형/키-값 DB나 지식 그래프에 저장해 정확 조회한다.
- **비정형 기억 — 조건부**: 유사도 회수가 필요한 사용자 의미 기억만 [[04_RAG/03_임베딩인덱싱/Embedding|Embedding]]해 [[Vector Database]] 또는 pgvector에 파생 색인한다.

일화 기억에서 반복 관찰된 패턴을 의미 기억 후보로 만들 수 있지만, 목적·동의·신뢰도·충돌 정책을 통과해야 한다.

## 구현 예시

```python
# 사용자 선호를 의미 기억으로 upsert
facts = {
    "user:지수": {"언어": "ko", "톤": "친근함", "단위": "원"},
}
# 유사도 회수가 검증된 경우에만 별도 파생 색인을 만든다.
# vector_index.upsert(memory_id, embed(memory_text), owner_scope)
```

## 활용

- **개인화**: 선호·프로필을 반영해 일관된 응답 톤·형식 유지.
- **사용자 연속성**: 세션을 넘어 검증된 사용자 사실을 다시 활용.

Vector 검색을 쓴다면 ACL을 검색 전에 적용하고 필요할 때만 [[Hybrid Retrieval]]·[[Re-ranking]]을 도입한다. 사실 변경·삭제는 파생 색인에 전파해 오래된 정보로 인한 [[Hallucination Detection]] 위험을 줄인다.

## 관련 노트

- [[Memory Architecture]]
- [[Long Term Memory]]
- [[Episodic Memory]]
- [[Vector Database]]
- [[RAG Architecture]]