간단한 답변
OpenClaw는 각 세션이 기본적으로 오늘과 어제의 일일 메모 및 MEMORY.md만 로드하기 때문에 이전 실행을 잊어버립니다. 더 오래된 것은 명시적으로 검색해야 합니다. 구조화된 실행 기록이 없으면 에이전트는 "나는 두 주 전에 이 접근 방식을 시도했지만 실패했다."라고 말할 수 없습니다. 지속적인 기억 계층은 모든 과거 실행을 에이전트가 자동으로 재사용할 수 있는 쿼리 가능한 기록으로 변환합니다.
OpenClaw가 이전 실행을 잊어버리는 이유
OpenClaw의 기억 문서는 로드 모델을 명확하게 설명합니다: 오늘과 어제의 메모는 자동으로 로드되며, MEMORY.md는 모든 DM 세션의 시작 시 로드됩니다. 더 오래된 것은 디스크에 존재하지만 에이전트가 요청하지 않는 한 프롬프트에 포함되지 않습니다.
세 가지 설계 선택이 이전 실행을 작업 기억에서 제외합니다:
1. 기본 로드 창은 이틀입니다. 3일 전, 지난주 또는 지난달의 메모는 파일 시스템에 존재하지만 활성 프롬프트에는 없습니다. 에이전트는 기억 검색을 호출하는 것을 기억해야만 그것들을 볼 수 있습니다.
2. 실행은 구조화된 개체가 아닙니다. OpenClaw는 날짜별로 일일 메모를 저장하며, 작업이나 실행 ID별로 저장하지 않습니다. "10월의 실행 47을 보여줘"라는 조회는 없습니다. 과거 실행을 재구성하려면 에이전트는 날짜 범위를 조합하고 올바른 키워드가 나타나기를 희망해야 합니다.
3. memory_search는 의미론적이며 역사적이지 않습니다. 벡터 유사성과 키워드 일치를 결합한 하이브리드 검색은 임베딩 제공자가 구성된 경우 관련된 과거 메모를 표출합니다. "JSONB 성능에 대한 모든 것을 찾아줘"에는 잘 작동하지만, "이 고객의 데이터에 영향을 미친 모든 실행을 나열해줘"에는 약합니다.
결과적으로 OpenClaw는 각 세션을 잘 기억하지만 서로 연결하는 데는 부족합니다. 각 새로운 실행은 이전의 모든 것에 의해 정보가 제공되지 않은 상태에서 새롭게 시작됩니다.
OpenClaw가 이전 실행을 잊어버릴 때 잃는 것
이전 실행 손실은 에이전트가 시간이 지남에 따라 더 똑똑해지는 것을 방해하는 실패 모드입니다:
- 반복된 실수. 지난달의 실패한 접근 방식이 이번 달에 다시 시도됩니다. 에이전트는 이미 시간 낭비를 초래한 막다른 길을 자동으로 기억하지 못하기 때문입니다.
- 낭비된 탐색. 이전 실행에서 발견된 솔루션은 재사용되지 않습니다. 에이전트는 동일한 접근 방식을 다시 도출하며, 같은 추론에 대해 두 번 비용을 지불합니다.
- 실행 간 패턴 인식 부족. 여러 실행에서만 가시화되는 경향(이 종류의 작업은 항상 이 이유로 실패함)은 결코 드러나지 않습니다. 왜냐하면 단일 세션은 2일 분량의 역사 이상을 보지 않기 때문입니다.
Mem0의 AI 에이전트 기억 상태 2026 보고서는 실행 간 학습을 생산 에이전트 스택에서 가장 큰 미해결 문제로 지적합니다. OpenClaw의 투명한 파일 기반 기억은 그 격차에 대해 솔직합니다. 그것은 이를 해소하지 않습니다.
OpenClaw의 내장된 우회 방법
이 프로젝트는 실행 기록을 부분적으로 해결하는 도구를 제공합니다.
MEMORY.md를 장기 저장소로 사용. 내구성 있는 사실, 선호도 및 결정은 MEMORY.md에 저장되며 모든 세션에서 로드됩니다. 안정적인 지식에 유용합니다. 과거 실행의 구조화된 카탈로그를 보관하도록 설계되지 않았습니다.
기억 검색을 통해 메모 디렉토리 검색. 임베딩 제공자가 있는 경우 에이전트는 모든 과거 일일 메모를 검색할 수 있습니다. 복구 품질은 에이전트가 검색할 생각을 하느냐와 올바른 키워드가 떠오르느냐에 따라 달라집니다.
꿈 일기(DREAMS.md). 꿈의 요약 및 역사적 보충을 위한 선택적 파일입니다. 인간 검토에 유용합니다. 프로그래밍된 실행 인덱스가 아닙니다.
이러한 기능은 OpenClaw를 시장에서 가장 투명한 에이전트 기억 시스템 중 하나로 만듭니다. 여전히 에이전트가 되돌아보는 것을 기억해야 하며, 과거 실행이 자유 텍스트 검색으로 찾을 수 있어야 합니다.
OpenClaw의 내장 기억이 부족한 부분
구조적 문제는 OpenClaw가 역사를 날짜별로 정리된 파일로 저장하고 작업별로 정리된 실행으로 저장하지 않는다는 것입니다. 에이전트가 반복하거나 필터링하거나 집계할 수 있는 실행 수준 개념이 없습니다. 실행 간 학습은 파일 기반 기억이 부과하지 않는 구조를 요구합니다.
개인적인 용도로는 이것이 허용됩니다. 각 작업이 측정 가능한 결과를 가진 개별 단위인 생산 에이전트 스택의 경우, 실행을 일급 기록으로 취급하는 시스템이 필요합니다.
MemoryLake가 OpenClaw의 이전 실행 잊어버림을 어떻게 해결하는가
MemoryLake는 OpenClaw의 Markdown 파일 옆에 실행 인식 기억 계층을 추가합니다. 각 실행은 에이전트가 쿼리하고 비교하며 학습할 수 있는 구조화된 기록을 갖습니다.
- 구조화된 실행 기록. 각 OpenClaw 실행은 시작 시간, 종료 시간, 작업 설명, 결과 및 전체 단계 추적이 포함된 이벤트 기억으로 저장됩니다. 에이전트는 "이와 유사한 작업에서 마지막 다섯 번의 실행과 그 결과를 보여줘"라고 한 번의 호출로 요청할 수 있습니다.
- 에이전트 기억을 위한 Git 스타일 버전 관리. 각 실행은 프로젝트의 기억 트리에서 분기입니다. 실행 간 변경 사항을 비교하고, 성공적인 실행을 새로운 실행의 시작점으로 재생하거나, 최근 변경으로 인해 동작이 깨졌을 경우 롤백할 수 있습니다.
- 실행 간 반영. 여러 실행 간의 패턴(어떤 접근 방식이 작동하고, 어떤 접근 방식이 실패하며, 어떤 입력이 실패를 예측하는지)은 에이전트가 매번 새로운 세션을 시작할 때 읽는 반영 기억이 됩니다. 동일한 기억은 REST, MCP 또는 Python SDK를 통해 연결된 모든 에이전트에서 작동합니다.
MemoryLake는 2026년 현재 발표된 최고 결과인 LoCoMo 장기 컨텍스트 벤치마크에서 94.03%를 기록했으며, 밀리초 단위의 검색과 AES-256 종단 간 암호화를 제공합니다.
MemoryLake를 OpenClaw에 연결하는 3단계
- 프로젝트를 생성하고 컨텍스트를 로드합니다. MemoryLake에 로그인하고 프로젝트 관리에서 프로젝트 생성 버튼을 클릭한 후 "OpenClaw — 실행 기록"이라고 이름을 지정합니다. 기존 지식으로 프로젝트를 시드하기 위해 과거 MEMORY.md 파일과 일일 메모를 문서 드라이브를 통해 가져옵니다. 미래 실행이 일관되게 기록될 수 있도록 기억 탭에 실행 스키마(작업 유형, 입력, 결과)를 추가합니다.
- MCP 서버 엔드포인트를 생성합니다. 프로젝트 내 MCP 서버 탭을 열고 MCP 서버 추가 버튼을 클릭한 후 "OpenClaw 실행"이라고 이름을 지정하고 생성 버튼을 클릭합니다. MemoryLake는 API 키 ID, 비밀 및 엔드포인트 URL을 반환합니다. 비밀은 한 번만 표시되므로 즉시 복사합니다.
- OpenClaw를 연결합니다. OpenClaw의 도구 또는 서버 구성에서 MemoryLake를 MCP 호환 기억 제공자로 추가하거나, 실행 시작 시 새로운 이벤트 기억을 열고 실행 종료 시 닫는 사용자 정의 기술에서 REST API를 호출합니다. Python SDK는 여러 OpenClaw 에이전트를 병렬로 실행하는 경우 클러스터 수준의 기억 작업을 지원합니다.