brief

OpenClaw의 실시간 메모리 퍼시스턴스가 AI 신뢰를 전환하는 구조 분석

핵심 요약

OpenClaw는 중요한 대화와 사실을 즉시 평범한 Markdown 파일에 기록하며, MEMORY.md로 장기 기억을, memory/YYYY‑MM‑DD.md로 일별 로그를 저장해 일반적인 생성형 AI의 128k 토큰 제한 내부 컨텍스트 의존성을 대체한다. 파일은 자동 플러시 및 컴팩션 과정을 거치고, 하이브리드 검색 엔진이 의미 벡터와 BM25 키워드 점수를 동시에 평가해 모델이 디스크 기반의 텍스트만 참조하도록 설계된다. 이로써 숨겨진 내부 상태가 없는 인간‑친화적 텍스트 지속 저장소가 deterministic recall을 보장하여 AI의 신뢰성을 구조적으로 높인다.

이 글의 핵심 주장과 근거

핵심 주장

OpenClaw 는 WhatsApp, Telegram, Slack, Discord, Signal, iMessage 등 20 개 이상의 메신저를 네이티브로 지원하며, 별도의 앱 설치 없이 기존 채널에서 AI 와 상호작용할 수 있다.

출처: [1] DevCom

핵심 주장

OpenClaw Gateway 는 제어 평면으로서 채널 어댑터, 입력 처리, 에이전트 런타임, 플러그인 시스템, 보안 모델을 통합 관리하며, 이 모든 구성 요소가 컨텍스트 버퍼의 정확한 작동을 지원한다.

출처: [1] DevCom [2] Tistory

핵심 주장

하트비트 시스템은 30 분 간격으로 이메일, 캘린더, 알림을 자동 점검하며 중요한 사항 (중요 메일 도착, 2 시간 내 일정 등) 이 있을 때만 사용자에게 알리고, 그 외에는 HEARTBEAT_OK 로 침묵한다.

출처: [1] Tistory

매 세션 시작 시 MEMORY.md 와 memory/YYYY-MM-DD.md 파일을 읽음으로써 AI 는 이전 작업의 맥락과 결정을 재사용하며, 이는 파일 기반 기록이 없으면 지속성이 사라진다는 구조적 설계 원칙이다.

출처: [1] Tistory

`openclaw onboard` 명령어는 게이트웨이, 워크스페이스, 채널, 스킬 설정을 단계별로 안내하는 온보딩 가이드로, 복잡한 초기 설정 과정을 사용자가 쉽게 완료할 수 있도록 설계되었다.

출처: [1] Tistory

기억의 재정의: 파일이 곧 메모리다

대부분의 생성형 AI는 모델 내부의 휘발성 컨텍스트나 제한된 토큰 창에 기억을 의존합니다. 세션이 종료되면 모든 대화와 사실이 사라지는 것이 일반적입니다. OpenClaw는 이 패러다임을 근본적으로 뒤집습니다. 중요한 사실이나 결정이 발생하면 즉시 평범한 Markdown 파일에 기록합니다. 장기적인 기억은 MEMORY.md에, 일별 관찰은 memory/YYYY-MM-DD.md에 저장됩니다. 모델은 파일 시스템에 쓰인 내용만 기억하며 숨겨진 내부 상태는 존재하지 않습니다. 이 접근법은 인간이 공유할 수 있는 보편적인 형식인 텍스트 기반 기록을 제공해 신뢰성을 높이고, 향후 검색·복구가 용이하도록 설계되었습니다.

자동 플러시와 무의식적 백업

OpenClaw는 대화가 모델의 컨텍스트 한계에 도달할 때 자동으로 컴팩션을 실행하기 전, 별도의 사용자 개입 없이 ‘메모리 플러시’를 수행합니다. 이 과정은 현재까지 저장된 토큰 청크를 SQLite 데이터베이스에 압축하고 중요한 정보를 메모리 파일에 백업하는 역할을 합니다. dadurch 중요한 컨텍스트가 의도치 않게 손실되는 것을 방지하며, 사용자는 별도의 설정 없이도 자신의 기억이 지속적으로 보전된다는 안심감을 갖게 됩니다.

하이브리드 검색으로 의미와 키워드 동시 포착

단순히 파일을 보관하는 것을 넘어 OpenClaw는 저장된 메모리를 지능적으로 검색할 수 있습니다. SQLite 기반 엔진은 FTS5 전체 텍스트 검색으로 정확한 키워드를 찾아내고, OpenAI·Gemini·Voyage·Mistral 등 임베딩 제공자가 연결되어 있으면 벡터 유사도 검색을 병행합니다. 이 하이브리드 방식은 ‘정확한 용어’와 ‘의미론적 연관성’을 동시에 포착해 사용자가 원하는 정보를 더 빠르고 정확하게 찾을 수 있게 합니다.

세션 격리와 프라이버시 보장

OpenClaw는 메시지가 DM·그룹채팅·크론잡 등 다양한 소스에서 들어오는지에 따라 자동으로 세션을 구분합니다. 기본값은 모든 DM을 하나의 공유 세션으로 처리하지만, 다중 사용자 환경에서는 per-channel-peer 모드를 활성화해 채널과 발신자를 별도로 격리합니다. 이를 통해 개인의 메시지가 다른 사람에게 노출되지 않으며, 중요한 결정·사실만 MEMORY.md에 기록되어 세션을 넘어 지속성을 유지합니다.