OpenClaw는 왜 작업 맥락을 잊어버릴까요?

OpenClaw는 대화 압축이 작업 중 추론을 Markdown 노트로 요약하여 세부 사항을 잃어버리기 때문에 작업 맥락을 잊어버립니다. 모델의 제한된 맥락 창은 장기 작업에 대한 모든 관찰, 하위 결정 및 중간 결과를 유지할 수 없습니다. 지속적인 기억 계층은 전체 맥락을 쿼리 가능하게 유지하여 에이전트가 필요할 때 정확한 세부 정보를 끌어올 수 있습니다.

OpenClaw의 기억 문서는 디자인에 대해 솔직합니다: 모델은 디스크에 저장된 것만 기억합니다. 세 가지 메커니즘이 무엇이 살아남는지를 결정합니다.

1. 압축은 요약할 뿐, 그대로 저장하지 않습니다. 맥락 창이 가득 차면 OpenClaw는 에이전트에게 중요한 상태를 기억 파일로 플러시하도록 요청하는 조용한 저장 턴을 실행한 다음 대화를 압축합니다. 요약은 요지를 포착합니다. 도구 결과의 정확한 단어나 중간 계획의 정밀한 구조를 보존하지 않습니다.

2. Markdown 노트는 산문이지 상태가 아닙니다. MEMORY.md와 날짜가 있는 노트 디렉토리는 사람이 읽을 수 있는 텍스트를 보유합니다. 서사적 회상에는 좋지만 ("우리는 JSONB에 Postgres를 사용하기로 결정했습니다.") "38단계에서 쿼리 Q에 의해 반환된 정확한 행은 무엇이었나요?"에는 약합니다.

3. 작업 기억은 맥락 창과 같습니다. 작업 중 에이전트가 적극적으로 추론하는 모든 것은 모델의 프롬프트에 존재합니다. 새로운 도구 호출이 들어오면 오래된 맥락은 밀려나거나 압축됩니다. 에이전트는 창을 넘어 생존하는 별도의 작업 범위 기억을 가지고 있지 않습니다.

결과: 긴 작업은 점진적으로 저하됩니다. 에이전트는 충돌하지 않고, 흐트러집니다. 80턴이 지나면 작업 설명과 에이전트의 이해가 조용히 다르게 됩니다.

작업 맥락 손실은 신중한 다단계 계획을 근사치로 바꾸는 실패 모드입니다:

• 세부 사항이 요약으로 변합니다. "우리가 합의한 스키마"는 에이전트가 더 이상 언급할 수 없는 스키마에 대한 모호한 참조가 됩니다. 이후 단계는 에이전트의 최선의 추측을 구현합니다.
• 도구 출력이 저하됩니다. 12턴에 정보를 제공한 스크랩된 페이지는 60턴에 도달하면 계획자가 다시 검토할 수 없는 한 줄 요약이 됩니다. 원래 세부 사항이 중요했다면, 에이전트는 다시 스크랩해야 합니다.
• 다일 작업이 연속성을 잃습니다. 세션 경계를 넘어 MEMORY.md로 승격되지 않은 모든 것은 사라집니다. 에이전트는 어제의 노트와 오늘의 압축된 요약의 정제된 버전을 로드하며, 실시간 추론 프레임은 아닙니다.

Mem0의 AI 에이전트 기억 상태 2026 보고서는 이것을 생산 제약으로 표시합니다: 에이전트는 30에서 100 도구 단계 후에 스레드를 잃고, 가장 먼저 잊어버리는 것은 작업 맥락입니다.

이 프로젝트는 의미 있는 기억 기능을 제공합니다. 좋습니다. 그러나 작업 맥락을 완전히 해결하지는 않습니다.

압축 전 저장 턴. 압축 전에 OpenClaw는 에이전트에게 중요한 맥락을 기억 파일에 작성하도록 유도합니다. 이는 에이전트가 중요하다고 인식하는 것을 구출합니다. 작업 중에는 평범해 보이는 것을 놓치지만 나중에 중요해지는 경우가 있습니다.

memory_search 하이브리드 검색. 임베딩 제공자가 구성되면 에이전트는 의미적 유사성과 정확한 키워드로 과거 노트를 검색할 수 있습니다. "우리가 X에 대해 논의했나요?"에는 강하지만 "38턴에서 생성한 정확한 목록을 주세요."에는 약합니다.

날짜가 있는 노트. 매일 Markdown 파일은 지속적인 저널을 유지합니다. 오늘과 어제는 자동으로 로드됩니다. 짧은 창에는 유용합니다. 더 오래된 것은 명시적 검색이 필요하며 에이전트가 원래 작성한 대로의 충실도를 가집니다.

이 기능들은 OpenClaw가 기억하는 것에 대해 진정으로 투명하게 만듭니다. 그러나 압축이 실행되는 순간 작업 충실도가 저하된다는 사실은 변하지 않습니다.

구조적 격차는 로컬 Markdown이 인간이 읽을 수 있는 서사를 위해 설계되었지, 전체 충실도의 작업 상태를 위해 설계되지 않았다는 것입니다. 에이전트의 큐레이터 판단이 병목 현상입니다. 도구 결과가 "요약 재료"라고 판단되었고 그것이 하중을 지탱하는 것으로 판명되면 원본은 사라집니다.

탐색적이거나 개인적인 작업에는 괜찮습니다. 하류 단계가 정확한 이전 출력에 의존하는 생산 작업 실행의 경우, 원본을 보존하고 에이전트가 ID로 쿼리할 수 있도록 하는 저장소가 필요합니다.

MemoryLake는 OpenClaw의 로컬 파일 옆에 구조화된 전체 충실도의 작업 저장소로 위치합니다. 에이전트는 두 곳에 모두 기록하고, 요약이 아닌 정확한 세부 정보가 필요할 때 MemoryLake에서 끌어옵니다.

• 전체 충실도의 작업 저장. 도구 출력, 중간 계획 및 결정 근거는 프로젝트 내의 기억으로 그대로 저장됩니다. 에이전트가 38턴에서 정확한 결과가 필요할 때, 압축 요약이 아닌 원시 텍스트를 끌어옵니다.
• 원시 프롬프트보다 10,000배 더 많은 맥락. MemoryLake의 검색 엔진은 수십억 개의 프로젝트 기억에서 읽고, OpenClaw에 매 턴마다 관련된 것만 제공합니다. 모델의 맥락 창은 작업 복잡성의 한계가 되지 않습니다.
• 충돌 해결 및 기억 출처. 긴 작업에서 동일한 사실이 두 가지 형태로 나타날 때, MemoryLake는 충돌을 표시하고 어떤 단계가 어떤 버전을 생성했는지를 기록합니다. 에이전트는 최신 소스를 선택하거나 검토를 위해 충돌을 표면화할 수 있습니다.

MemoryLake는 2026년 현재 발표된 최고 결과인 LoCoMo 긴 맥락 벤치마크에서 94.03%를 기록했으며, 밀리초 검색 및 AES-256 종단 간 암호화를 제공합니다.

1. 프로젝트를 생성하고 맥락을 로드합니다. MemoryLake에 로그인하고, 프로젝트 관리 열고, 프로젝트 생성 클릭 후 작업 이름(예: "OpenClaw — 경쟁사 분석 실행")으로 이름을 지정합니다. 지원 문서, 이전 MEMORY.md 파일 및 스크랩된 참조 자료를 문서 드라이브를 통해 업로드합니다. 기억 탭에 상시 규칙과 작업 개요를 시드합니다.
2. MCP 서버 엔드포인트를 생성합니다. 프로젝트 내의 MCP 서버 탭을 열고, MCP 서버 추가 클릭 후 "OpenClaw 작업 맥락"으로 이름을 지정하고 생성 클릭합니다. MemoryLake는 API 키 ID, 비밀 및 엔드포인트 URL을 반환합니다. 비밀은 한 번만 표시되므로 즉시 복사합니다.
3. OpenClaw를 연결합니다. 엔드포인트 URL과 Bearer 토큰을 사용하여 OpenClaw의 도구 또는 서버 구성에서 MemoryLake를 MCP 호환 기억 제공자로 추가합니다. 또는 모든 도구 출력 및 중간 계획을 프로젝트에 기록하는 사용자 정의 기술에서 REST API를 호출하여 압축이 세부 사항을 잃지 않도록 합니다.