AI 에이전트가 긴 작업에서 필요한 정보를 다시 찾으려면 중요한 결정과 작업 상태를 대화 밖에 기록하는 방법을 고려할 수 있습니다. 영상은 대화 중 기록과 별도 시점의 기록 정리를 비교합니다. 파일을 요약하거나 수정하는 것은 모델의 가중치를 다시 학습시키는 것과 다릅니다.
컨텍스트와 기록은 어떻게 다른가요?
현재 요청에 제공되는 정보는 모델이 그 순간 참고하는 컨텍스트입니다. 대화가 길어지면 필요한 정보를 모두 넣기 어려울 수 있습니다. Anthropic의 컨텍스트 엔지니어링 설명은 요약, 구조화된 노트와 여러 에이전트 활용을 장기 작업의 접근법으로 설명합니다.
프로젝트 규칙을 CLAUDE.md 같은 파일에 적거나 작업 결과를 별도 문서에 남길 수 있습니다. 다만 파일이 존재한다는 것과 다음 작업에서 필요한 내용을 실제로 읽고 올바르게 적용한다는 것은 다릅니다. 현재 도구의 설정과 문서 내용을 확인해야 합니다.
대화 중 기록과 별도 정리
대화 중 기록은 사용자의 결정을 바로 남기기 쉽지만 작업 과정에 추가 시간과 검토가 필요할 수 있습니다. 별도 시점에 여러 기록을 모아 정리하면 반복 패턴을 살펴볼 수 있지만, 잘못된 요약이 다음 작업으로 전파되거나 즉시 반영되지 않을 수 있습니다. 영상의 ‘수면 학습’은 이런 별도 정리를 이해하기 위한 비유로 볼 수 있습니다. 밤마다 모델의 성능이 자동으로 개선된다는 보장은 아닙니다.
무엇을 남기고 어떻게 검증하나요?
- 사용자가 결정한 사항과 아직 미정인 사항을 구분합니다.
- 출처, 작성 시점과 적용 범위를 함께 기록합니다.
- 개인 정보와 자격증명은 불필요하게 저장하지 않습니다.
- 이전 지침과 충돌하는 새 요약은 검토 후 반영합니다.
- 다음 작업에서 기록을 읽고 실제로 도움이 되는지 확인합니다.
기록을 많이 쌓는 것보다 현재 작업에 필요한 정보를 찾고 오래된 내용을 정리하는 방식이 중요합니다. 자동 요약은 오류를 포함할 수 있으므로 원문과 검토 이력을 보존하세요.
원문에 나온 생산성 1,000배나 모든 시스템에 적용되는 ‘궁극적 해법’은 확인된 수치가 아닙니다. 에이전트 메모리와 캐시의 차이도 함께 살펴보세요.
다음 한 걸음
내 환경에서 막힌 부분은 실행 단계와 함께 질문해 주세요. 바꿔 만든 결과도 함께 나눌 수 있습니다.