개발정리

ㄴ 빌트인 메모리 외 외부 프로바이더는 단 하나만 선택해야 한다. hermes memory setup1) holographic 2) mem0- 혹은 mem0 사용 시에는 mem0 사이트 가입이 필요하다. https://mem0.ai/ - hermes memory setup 입력 후 설정 - api key 입력 후 - hermes memory status 로 정상 적용되었는지 확인

헤르메스의 3중 기억 구조ㄴ 먼저, 1계층인 세셕과 컨텍스트 계층을 살펴보자. 세션은 정확히는 공유되지 않는다. 그렇기에 채널별로 완전한 분리가 되어있다. 만약, 세션별로 대화를 이어나가고 싶다면 resume 명령어를 적극 활용할 수 있다.ㄴ 해당 세션들은 .herme 경로에서 .db 파일 혹은 .json 파일로 관리되고 있다. 그렇다면 ,/new memory-study 에서 입력한 내용을 /new memory-study2 를 만들어 다시 물어보면 답을 할 수 있을까? ㄴ 기억은 못하지만, session_search 도구를 통해 답은 해준다. ㄴ 그리고, 토큰 소모도 매우 적다. 2계층 영구 파일 메모리 (로컬 저장, 고정 주입)을 살펴보자.- user.md 파일 기반이며 세션이 바뀌어도 유지되..

세션은 전체 대화의 흐름을 말하는 것이고, 컨텍스트는 모델이 제공받는 텍스트의 물리적 공간을 말한다. 컨텍스트는 크기가 정해져 있는 공간이며 세 종류의 칸이 존재한다.시스템 메시지 (고정된 맨 앞 칸)User 메시지Assistant 메시지 대화가 이어질 때 마다, 매번 그동안 쌓인 전체가 통째로 다시 들어간다.대화가 길어질수록, 매번 읽어야 할 내용이 기하급수적으로 누적된다. 공간은 정해져 있는데, 읽어야 할 내용은 기하급수적으로 늘어났다.이것이 '메모리'와 '압축'을 따로 배워야 하는 이유다. 그렇다면 LLM과 에이전트의 차이는 무엇일까1) LLM - 입력 -> 블랙박스 -> 출력 - 한번 입력하면 한 번 축력하고 끝난다.2) 에이전트- 출력의 결과가 '도구 사용'의 판단이라면, - 도구를 실행하고..

기존 RAG- 누적이 안된다.- GPT 에 파일을 넣을 때 RAG 방식으로 동작- 파일(문서)들을 넣으면, 작은 조각으로 보관을 한 뒤, 질문이 들어오면 그 질문과 가장 관련 있는 조각을 찾음. - 찾아온 조각을 바탕으로 AI가 답을 하는 방식.- 문서가 많을 때, 관련 자료를 빠르게 찾아올 수 있다는 장점. RAG 의 한계1) 지식이 누적이 안됨 - 질문 시 원본 문서에서 다시 찾아옴.- 어제 했었던 탐구가 오늘 질문에 영향을 주지 않는다.- 다시 처음부터 자료를 찾으며, 자료를 읽을 때마다 기억을 지워버리는 책과 비슷 2) 여러 문서를 종합하는 추론이 약함 - 조각들 사이에 모순, 관계를 미리 파악해두지 않아 추론이 약함. 3) 복리 효과가 없음 - 자료 10개 읽었을 때, 혹은 100개 읽었을 때..

질문 1) 왜 SaaS 대신 왜 셀프 호스팅인가?1) 데이터 주권. - 필요한 조각만 골라서 전송- 민감 정보(이름, 계좌 등) 사전 차단- 로컬 라우팅: 외부 유출 0%2) 모델 자유.- 한 모델에 묶이지 않음. - 정책이 바뀌면 바꾸어 끼우면 됌.3) 비용 자유. 질문 2) 오픈클로(Openclaw) 대신 왜 헤르메스(Hermes)인가?항목 오픈클로헤르메스정체성실험/자율 무드의 도구운영/지속 무드의 도구끌리는 것자율성, 예측 불가능성메모리, 장기 실행, 직원 운영 UI대표 밈밤새 혼자 일했다안정적이고 칸반 친화적셋업 방식도커로 빠르게 구동꼼꼼한 풀 셋업 필요 ... 목표는 AI를 부리는 오케스트레이터(CEO)- 여러 AI 직원을 묶어서 하나의 단단한 회사로 굴려야 한다. - 가장 필요한 것은 매번 어..

1) AI 에이전트의 역할코딩 및 중간 결과물 생성단순 반복적인 기술적 실무2) 나의 역할목표 설정 및 정책 기획결과물 검증 및 앞단/뒷단 조율이번 학습은 AI 에이전트들의 '오케스트레이터(Orchestrator)'로 숙련하는 것이 목표. ... AI 에이전트? - '에이전트'는 텍스트 생성기가 아니다. - Question (입력) -> Answer (출력) = 끝- 즉, 사람이 다음 명령을 내릴 때까지 정지. 에이전트는 1. 실행과 피드백의 루프(결과를 보고 다음 행동 결정)2. 추론과 액션의 반복(스스로 판단하여 움직임)3. 업무의 위임과 대리 수행(끝까지 끌고 가는 '대리인') ... 기존 도구의 경우 1) 세션이 닫히면 노하우는 0 이됨. - 창을 닫는 순간 모두 휘발.- 다음 세션에서 모든것..

클로드 코드 공식 플러그인 세 가지1) claude-md-management2) skill-creator3) hookify - AI에게 맥락을 영구적으로 기억시키기 - 자동으로 업데이트 시키기 - 반복지시를 명령어 한 줄로 구축시키기 - 이벤트에 자동으로 반응하게 만들기 위 세개를 적절하게 사용하면 => 토큰을 아끼고, 시간을 줄이고, 정확한 결과/일관성 있는 결과를 만드는 법=> 또한 세 플러그인을 함께쓰면 AI가 내 워크플로우를 이해하고, 기억하고, 자동으로 실행한다. ... 일할 때 겪는 세 가지 낭비 1) 반복 설명- 토큰 낭비 - 새 세션을 열 때마다 우리 프로젝트에 대한 내용을 처음부터 다시 입력2) 수동 지시- 시간 낭비 - 코드 리뷰 할 때 보안, 에러 처리, 테스트등 길게 입력한다...

Model Context Protocol - AI 모델과 외부 도구/데이터를 연결하는 표준 프로토콜 - USB-C처럼, 어떤 기기든 같은 규격으로 연결할 수 있는 AI 통합 표준 연결 가능한 것들- 데이터베이스- 이슈 트래커- 모니터링- 커뮤니케이션- 디자인 도구- 직접 만든 내부 시스템 MCP 는 클로드에서 시작했지만, 오픈소스의 표준이기에 다른 회사도 도입중이다. ... MCP 아키텍처 전체 구조Claude Code MCP Protocol MCP Server (mcp client) (표준 통신 규약) (도구 제공자) 3가지 계층이 있다.1) transport- stdio / http / sse 통신채널- 데이터가 어떤 채널을 오가는지 결정 2) protoco..

1) 자동화 패턴🔔 Notification Hook→ 작업 완료 알림 ✨ PostToolUse Hook→ 편집 후 자동 포맷팅 🧠 SessionStart(compact)→ 압축 후 컨텍스트 재주입 🌍 CwdChanged Hook→ 디렉토리별 환경 자동 전환 2) 가드레일 패턴🛡️ PreToolUse + exit 2→ 파일/명령 차단 🤖 PermissionRequest→ 권한 요청 자동 처리 💬 prompt 타입→ AI가 판단하는 검증 🔍 agent 타입→ 실제 코드 상태 검증 황금 원칙- Hook은 결정론적 보장이다.- Claude에게 “해줄 수 있어?”라고 부탁하는 대신, Hook으로 “반드시 일어난다”는 것을 보장하자. - 훅을 이용해서 가드레일 도입하고, 자동화를 해서 100% 동작하는..

1) 원리- 훅이란 무엇인가- 어떻게 동작하는가- 이벤트 라이프 사이클 2) 자동화- 알림- 코드 포매터- 컨텍스트 재주입 실습 3) 가드레일- 파일 보호- 명령 차단- AI 기반 검증 가드레일 ... 훅 이란, 클로드 코드가 특정 작업을 수행하는 순간, 내가 원하는 셸 명령을 자동으로 끼워 넣는 매커니즘.핵심은 결정론적 제어다. AI가 해줄 수도 있고, 안 해줄 수도 있는 행동이 아니라, 반드시 일어나야 하는 동작을 보장한다. 이벤트 라이프사이클 - 어디서 훅이 걸리나 - 클로드 코드가 실행되는 동안, 아래 각 시점에 훅을 삽입할 수 있다.Part 1 — 원리# 이벤트 라이프사이클 — 어디서 Hook이 걸리나?Claude Code가 실행되는 동안, 아래 각 시점에 Hook을 삽입할 수 있습니다.- ..