당신의 AI 에이전트에는 배낭이 있다. 그것은 ‘검색 메모리’다.

이 글은 AI 에이전트의 ‘retrieval memory’를 필요한 정보를 외부에 저장해두고, 관련 있을 때만 불러오는 방식으로 설명한다.

RAG와의 차이를 비교하며, retrieval memory가 더 넓게는 사용자 선호, 사실, 경험, 절차, 대화 요약까지 담을 수 있다고 정리한다.

핵심 장점은 활성 컨텍스트 윈도우를 과도하게 채우지 않으면서도, 에이전트가 장기 기억을 활용해 더 개인화되고 효율적으로 응답할 수 있게 한다.

이 방식은 Project X 같은 시스템 구현과도 맞닿아 있으며, PostgreSQL·SQLite·Rust 같은 도구 조합으로 메모리 저장과 검색을 설계할 수 있음을 시사한다.