AI가 당신을 기억하게 만드는 방법 — MemPalace 오픈소스 메모리 시스템 완벽 가이드

1User Input → Working Memory (현재 대화)
2                ↓
3         [의미 분석 + 중요도 평가]
4                ↓
5    중요도 높음 → Long-term Memory (벡터 DB 저장)
6    중요도 중간 → Short-term Memory (요약 저장)
7    중요도 낮음 → Working Memory (세션 종료 시 폐기)

1pip install mempalace

 1from mempalace import MemoryPalace, ChromaBackend
 2
 3# 벡터 DB 백엔드 설정 (Chroma, Qdrant, Weaviate 지원)
 4backend = ChromaBackend(
 5    collection_name="user_memories",
 6    persist_directory="./memory_store"
 7)
 8
 9# 메모리 시스템 초기화
10memory = MemoryPalace(
11    backend=backend,
12    user_id="user_12345",      # 사용자별 격리
13    max_working_tokens=4000,   # Working Memory 최대 토큰
14    summary_threshold=10       # 10턴 후 자동 요약
15)

 1# 사용자 정보 저장 (자동으로 벡터 임베딩되어 Long-term Memory에 저장)
 2memory.remember(
 3    content="사용자는 Python과 React를 주로 사용하며, 
 4             코드 예제를 포함한 상세한 설명을 선호함",
 5    category="preference",     # 카테고리 분류
 6    importance=0.9             # 중요도 0~1
 7)
 8
 9# 사실 저장
10memory.remember(
11    content="사용자의 회사는 '디비에이트'이며 SaaS 분야에 종사함",
12    category="fact",
13    importance=0.85
14)

 1# 현재 질문과 관련된 과거 메모리를 자동 검색
 2relevant_memories = memory.recall(
 3    query="프로젝트 기술 스택 추천해줘",
 4    top_k=5,                   # 상위 5개 관련 메모리
 5    min_relevance=0.75           # 유사도 임계값
 6)
 7
 8# 검색된 메모리를 프롬프트에 주입
 9context = memory.build_context(
10    current_message="새 프로젝트 시작하려는데 뭐가 좋을까?",
11    memories=relevant_memories
12)
13
14print(context)
15# 출력 예시:
16# [과거 기억]
17# - 사용자는 Python과 React를 주로 사용함
18# - 사용자의 회사는 '디비에이트'이며 SaaS 분야에 종사함
19# [현재 대화]
20# 사용자: 새 프로젝트 시작하려는데 뭐가 좋을까?

 1from openai import OpenAI
 2
 3client = OpenAI()
 4
 5def chat_with_memory(user_message: str) -> str:
 6    # 1. 관련 메모리 검색
 7    memories = memory.recall(user_message, top_k=5)
 8    
 9    # 2. 컨텍스트 구성
10    system_prompt = f"""당신은 사용자의 개인 AI 어시스턴트입니다.
11다음은 사용자에 대해 알고 있는 정보입니다:
12{memory.format_memories(memories)}
13
14이 정보를 참고하여 개인화된 답변을 제공하세요."""
15    
16    # 3. LLM 호출
17    response = client.chat.completions.create(
18        model="gpt-4o",
19        messages=[
20            {"role": "system", "content": system_prompt},
21            {"role": "user", "content": user_message}
22        ]
23    )
24    
25    # 4. AI 응답도 메모리에 저장 (선택)
26    memory.remember(
27        content=f"AI: {response.choices[0].message.content}",
28        category="conversation",
29        importance=0.5
30    )
31    
32    return response.choices[0].message.content
33
34# 사용
35reply = chat_with_memory("내가 좋아하는 기술 스택 기억나?")
36print(reply)
37# → "네! Python과 React를 주로 사용하시는 것으로 기억합니다. 
38#    SaaS 프로젝트에 적합한 조합이에요."

 1# 자동 요약 설정
 2memory = MemoryPalace(
 3    backend=backend,
 4    auto_summarize=True,
 5    summary_model="gpt-4o-mini",    # 요약용 경량 모델
 6    compression_ratio=0.3          # 원본의 30% 길이로 압축
 7)
 8
 9# 망각 곡선 설정 (중요도에 따른 보존 기간)
10memory.set_forgetting_curve(
11    high_importance_ttl_days=365,   # 중요: 1년
12    medium_importance_ttl_days=30,  # 보통: 30일
13    low_importance_ttl_days=7       # 낮음: 7일
14)

1# 저장소 클론
2git clone https://github.com/MemPalace/mempalace.git
3
4# 예제 실행
5cd mempalace/examples
6python basic_chatbot.py
7
8# 문서 확인
9open https://mempalace.github.io/docs