우리 에이전트 기억 실측: 사실(semantic) vs 경험(episodic) 구성비

우리 에이전트 기억 실측: 사실(semantic) vs 경험(episodic) 구성비는 우리 ai-server(Hax) 스택에서 직접 잰 운영 수치를, 숫자 나열이 아니라 그 수치가 실제 의사결정에 어떤 뜻인지까지 풀어 설명하는 실측 회고다. 로컬 AI를 처음 다루는 독자도 이 글 하나로 '기억 유형 구성 수치를 보고 무엇을 결정하면 되는가'를 5분 안에 잡도록 구성했다.

이 수치가 의미하는 것#

전체 9868개 기억 중 의미기억(재사용 가능한 사실·규칙)이 5905개로 59.8%, 경험기억의 1.9배다. 에이전트가 '무엇을 겪었나(episodic)'보다 '무엇을 아는가(semantic)'를 우선 축적한다는 뜻으로, → 기억 그래프가 일회성 대화 로그가 아니라 재사용 지식베이스로 자란다는 실측 신호다.

어떻게 측정했나 (재현 조건)#

아래는 공개 스펙이 아니라 우리가 기억 유형 구성 스택에서 직접 잰 조건이다. 조건(콜드/워밍업·배치 크기·하드웨어)이 바뀌면 같은 대상도 다른 값을 내므로, 재현 조건을 함께 남긴다(측정일 2026-07-11):

• bench_harness.probe_curator_composition (curator by_memory_type 실측)

실전에서 어떻게 쓰나#

핵심은 원수치 암기가 아니라 기억 유형 구성에서 수치 사이의 관계(비율·사용률·교차검증)를 읽는 것이다. 위 파생 판단은 곧바로 '무엇을 늘리고 무엇을 아낄지'로 이어진다 — 우리는 이 방식으로 새 하드웨어를 사기 전 현재 여유부터 확인한다. 같은 논리를 여러분 셋업에도 적용할 수 있다.

왜 이게 공개 스펙보다 신뢰할 만한가#

위 표의 모든 숫자는 기억 유형 구성에서 실제 측정한 값(추정 아님)이며 측정일·출처(Hax /data)를 붙였다. AI가 쓴 일반론과 달리 이 파생 판단은 실측 없이는 만들 수 없다 — 그게 차별점이다. 내부 토큰·사설 경로 같은 비공개 정보는 노출하지 않았다.

참고: 위 수치는 측정일 2026-07-11 기준 우리 스택 실측값이며, 조건이 바뀌면 갱신한다(측정값만, 추정 없음).

함께 읽기: 우리 에이전트 기억 실측: 메모리 그래프 생존율, ob-gemma4-moe-ours-cost ai-server Gemma MoE GPU 2026 복구 실측

종합 가이드: 노트북에서 AI 모델 뭐가 돌아갈까 — VRAM·RAM 실측과 메모리 구조

참고 링크#

• Hax data