> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
> Use this file to discover all available pages before exploring further.

# 메모리 구현

## 메모리 유형별 비교

| 메모리 유형         | 저장 메커니즘                      | Databricks 도구                        | 예시                          |
| -------------- | ---------------------------- | ------------------------------------ | --------------------------- |
| **Short-term** | LLM Context Window (메시지 리스트) | ChatAgent messages 파라미터              | 현재 대화의 이전 질문/답변 참조          |
| **Long-term**  | Vector DB / 외부 DB            | Vector Search, Lakebase (PostgreSQL) | 3개월 전 고객 문의 내역 검색           |
| **Episodic**   | 구조화된 로그 저장소                  | MLflow Tracking, Delta Table         | "지난번 ETL 실패는 스키마 변경 때문이었음"  |
| **Working**    | Agent State (인메모리)           | LangGraph State, ChatAgent context   | 현재 5단계 중 3단계 진행 중, 중간 계산 결과 |

> **성공**
> **예시**: 고객 지원 Agent가 "지난번에 문의하신 환불 건은 어떻게 되셨나요?"라고 물을 수 있으려면 **Long-term Memory** 가 필요합니다. 현재 세션의 대화만으로는 이전 세션의 맥락을 알 수 없기 때문입니다.

> **주의**
> 현재 대부분의 Agent는 **Short-term Memory만** 가집니다. Long-term Memory는 Vector Search나 Lakebase(PostgreSQL)를 활용하여 별도 구현해야 합니다. Agent 프레임워크가 자동으로 제공하는 것이 아닙니다.

***

## 현업에서의 Agent Memory 구현 패턴

실제 기업들이 운영 환경에서 채택하는 메모리 패턴은 다음과 같이 분류됩니다:

| 패턴                      | 설명                       | 적합한 사용 사례                      | 복잡도   |
| ----------------------- | ------------------------ | ------------------------------ | ----- |
| **Session Memory**      | 대화 세션 동안만 유지, 세션 종료 시 소멸 | FAQ 챗봇, 단순 Q\&A                | 낮음    |
| **User Profile Memory** | 사용자별 선호/이력을 영속적으로 저장     | 개인화 서비스, CRM 연동 Agent          | 중간    |
| **Knowledge Memory**    | Agent가 학습한 도메인 지식을 축적    | 도메인 전문 Agent, 사내 정책 Agent      | 높음    |
| **Team Memory**         | 여러 Agent가 공유하는 공동 기억     | Multi-Agent 시스템, Supervisor 패턴 | 매우 높음 |

### Session Memory

가장 기본적인 패턴으로, ChatAgent의 `messages` 파라미터가 이에 해당합니다. 별도 인프라 없이 구현 가능하며, 대부분의 Agent 프레임워크에서 기본 제공합니다.

### User Profile Memory

사용자가 처음 접속했을 때 프로필 정보를 로드하여 System Prompt에 주입합니다. 대화 중 새롭게 파악된 정보(직책 변경, 새로운 선호 등)를 자동 갱신합니다.

### Knowledge Memory

Agent가 업무를 수행하면서 새로 학습한 지식을 축적합니다. 예를 들어, "이 회사의 환불 정책은 구매 후 30일 이내"라는 정보를 한 번 확인하면 메모리에 저장하여, 이후 같은 질문에 즉시 답변합니다.

### Team Memory

Multi-Agent 시스템에서 Supervisor Agent와 Worker Agent들이 공유하는 메모리입니다. 한 Agent가 발견한 정보를 다른 Agent가 활용할 수 있어, 중복 작업을 방지합니다.

***

## Memory 솔루션 비교

| 솔루션                                 | 유형        | 특징                               | Databricks 연동  |
| ----------------------------------- | --------- | -------------------------------- | -------------- |
| **Databricks Vector Search**        | 벡터 기반     | Unity Catalog 통합, 권한 자동 적용, 서버리스 | 네이티브           |
| **Databricks Lakebase**             | 구조화 DB    | PostgreSQL, 서버리스, ACID 트랜잭션      | 네이티브           |
| **Redis**                           | 인메모리 KV   | 초고속 읽기/쓰기, TTL 자동 만료 지원          | External 연결 필요 |
| **Mem0**                            | AI 메모리 전용 | 자동 메모리 추출/정리/검색, LLM 기반          | External 연결 필요 |
| **LangGraph Checkpointer**          | 상태 관리     | 대화 상태 자동 저장/복구, thread 기반        | MLflow 통합 가능   |
| **Amazon Bedrock AgentCore Memory** | AWS 관리형   | Bedrock Agent 전용 메모리 서비스         | External 연결 필요 |
| **Azure Cosmos DB Agent Memory**    | Azure 관리형 | 글로벌 분산 DB 기반, 낮은 레이턴시            | External 연결 필요 |

> **참고**
> **Databricks 환경에서의 권장 조합**: **Vector Search**(의미 검색용 Long-term Memory) + **Lakebase**(구조화 프로필 데이터) + **LangGraph Checkpointer**(세션 관리). 이 조합은 별도 외부 서비스 없이 Databricks 플랫폼 내에서 완결됩니다.

***