왜 Perplexity가 내 연구 맥락을 잊어버릴까?

Perplexity가 연구 맥락을 잊어버리는 이유는 스레드가 설계상 샌드박스화되어 있고 스페이스는 이전 스레드에서 발생한 추론, 가설 또는 모순이 아닌 출처만 지속하기 때문입니다. 같은 스페이스 내의 새로운 스레드는 빈 상태로 시작하며, 이전에 결론지은 내용을 이어받지 않습니다. 해결책은 연구 상태를 캡처하고 이를 모든 새로운 스레드에 피드백하는 외부 기억 레이어입니다.

Perplexity의 제품은 빠르고 인용 기반의 답변을 중심으로 구축되었습니다. 개별 답변을 좋게 만드는 아키텍처는 장기적인 연구를 지속하기 어렵게 만듭니다.

1. 스레드는 격리되어 있습니다. 각 스레드는 독립적인 대화입니다. Perplexity의 후속 제안 및 맥락은 현재 스레드 내에서만 작동합니다. 내일 같은 스페이스 내에서 새로운 스레드를 열면, 실행 중인 분석은 이어지지 않습니다.

2. 스페이스는 출처를 저장하고 결론은 저장하지 않습니다. Perplexity 스페이스는 Pro 사용자가 최대 50개의 파일을 보유할 수 있게 하고, Enterprise 사용자는 플랜에 따라 최대 500개 또는 5,000개의 파일을 보유할 수 있습니다. 그러나 스페이스는 출처와 지침을 담는 용기일 뿐, 연구 노트북이 아닙니다. 스레드 간에 구축한 가설, 모순 및 추론 체인은 구조화된 기억으로 저장되지 않습니다.

3. 기억은 설계상 얕습니다. Perplexity의 제품 우선순위는 "인용이 포함된 즉각적인 답변"이지 "장기적인 연구 상태"가 아닙니다. 스페이스에 대한 Pro 기능조차도 새로운 답변을 파일에 기반하여 제공하는 쪽으로 기울어져 있으며, 지난주에 그 파일에서 결론지은 내용을 기억하는 쪽으로는 기울어져 있지 않습니다.

결과적으로: Perplexity는 한 질문에 대해 잘 대답하는 데 뛰어납니다. 그러나 일주일이 걸리는 질문에 대해서는 맥락을 잃습니다.

모든 새로운 스레드는 재조정 시간을 소모하며, 이 손실은 심각한 연구 프로젝트에서 누적됩니다:

• 모순이 사라집니다. "출처 A와 출처 B는 타임라인에 대해 의견이 달랐고, 우리는 규제 제출로 인해 A를 지지했습니다"라는 사실은 Perplexity가 더 이상 보유하지 않는 사실이 됩니다. Perplexity는 기꺼이 출처 B를 다시 인용합니다.
• 작동 가설이 초기화됩니다. 어제의 축소된 이론은 오늘의 빈 슬레이트가 됩니다. 처음 10개의 쿼리를 다시 축소하는 데 낭비합니다.
• 인용 체인이 끊어집니다. 결론은 기억하지만 인용 경로는 기억하지 못합니다. 그 결론을 방어하거나 구축하려면 이제 검색을 다시 실행해야 합니다.

해결책은 "하나의 스레드를 영원히 열어두는 것"이 아닙니다. 긴 스레드는 느려지고, 한계에 도달하며, 후속 품질을 잃습니다. 해결책은 연구 기억을 스레드 기억과 분리하는 것입니다.

Perplexity는 이 문제를 다루는 두 가지 기능을 출시했습니다. 둘 다 완전히 해결하지는 못합니다.

스페이스는 스레드를 조직하고 파일을 업로드하며 프로젝트에 대한 응답을 맞춤화하는 전용 작업 공간입니다. 이는 Perplexity가 가진 프로젝트 기억에 가장 가까운 것입니다. 각 스페이스에 대해 지속적인 지침을 설정하고 출처를 고정할 수 있어, 해당 스페이스 내의 모든 스레드의 기준을 높입니다. 그러나 스페이스는 출처와 지침을 저장할 뿐, 스레드 간에 발생한 추론은 저장하지 않으므로, 실행 중인 가설은 여전히 추적해야 할 작업입니다.

스레드는 단일 대화 내에서 후속 질문을 그룹화합니다. 대화 내 맥락을 잘 보존하지만, 형제 스레드와는 맥락을 공유하지 않습니다. 새로운 스레드로 이동하면 이전의 추론은 사라집니다.

Perplexity의 기능 설명을 Perplexity 도움말 센터에서 검토할 수 있습니다.

스페이스와 스레드는 좋은 발판입니다. 그러나 연구 기억은 아닙니다.

더 깊은 문제는 실제 연구가 도구를 넘어서 이루어진다는 것입니다. Perplexity에서 검색하고, 주요 출처에 대해 검증하며, ChatGPT 또는 Claude에서 초안을 작성하고, Cursor에서 분석을 코딩합니다. 각 도구는 고유한 격리된 기억을 가지고 있으며 서로 소통하지 않습니다. 스페이스는 Perplexity 내에서 도움이 되지만, 탭을 전환하면 아무것도 하지 않습니다.

이것이 기억 레이어가 채우는 간극입니다: 하나의 연구 맥락, Perplexity가 작성하고, 다른 모든 AI가 읽으며, 당신이 소유하는 것입니다. 다섯 개의 제품에 흩어져 있는 것이 아닙니다.

MemoryLake는 당신과 사용하는 모든 AI 사이에 위치한 크로스 모델 기억 레이어입니다. Perplexity 스페이스에만 의존하는 대신, 각 연구 프로젝트에 고유한 MemoryLake 프로젝트를 부여하고, Perplexity는 모든 새로운 스레드의 일환으로 해당 프로젝트에서 읽습니다.

• 스레드가 아닌 프로젝트별 연구 상태. 출처, 가설, 모순 및 스레드 요약이 프로젝트에 저장됩니다. 새로운 스레드를 열면 프로젝트가 원래 작업과 동일한 충실도로 이미 로드되어 있습니다. 단순한 한 문단 요약이 아닙니다.
• 원시 프롬프트보다 10,000배 더 많은 맥락. MemoryLake의 검색 엔진은 수십억 개의 연구 기록 토큰에서 읽고, Perplexity에 현재 질문과 관련된 조각만 제공합니다. 요약을 붙여넣는 것을 중단하고 스페이스 파일 한계를 초과하는 것을 중단합니다.
• 모든 다른 AI로 휴대 가능. 동일한 연구 기억이 Claude, ChatGPT, Grok, Gemini 및 Cursor에서 작동합니다. Perplexity를 떠나 초안 작성, 코딩 또는 결과 모델링을 할 때, 인용 및 가설이 따라옵니다.

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

1. 프로젝트를 생성하고 연구를 로드합니다. MemoryLake에 로그인하고, 프로젝트 관리에서 프로젝트 생성 클릭 후 연구 스레드 이름으로 명명합니다 (예: "Perplexity - EU AI 법안 영향 분석"). 문서 드라이브를 통해 출처 PDF, 스크린샷 및 노트를 업로드합니다. 작업 가설, 모순 및 인용 체인을 기억 탭에 캡처하여 프로젝트와 함께 이동합니다.
2. MCP 서버 엔드포인트를 생성합니다. 프로젝트 내 MCP 서버 탭을 열고, MCP 서버 추가를 클릭한 후 "Perplexity 통합"이라고 이름을 지정하고 생성 클릭합니다. MemoryLake는 API 키 ID, 비밀 및 엔드포인트 URL을 반환합니다. 비밀은 한 번만 표시되므로 즉시 복사합니다.
3. Perplexity에 연결합니다. Perplexity는 소비자 앱에서 MCP를 기본적으로 지원하지 않으므로, 각 스레드 전에 프로젝트 맥락을 가져오기 위해 Bearer 토큰으로 REST API를 사용하거나, 새로운 스레드 상단에 MemoryLake 프로젝트를 가리키는 짧은 프롬프트를 붙여넣습니다. Perplexity Sonar API를 사용하는 개발자는 쿼리당 연구 상태를 주입하기 위해 MemoryLake의 Python SDK를 호출할 수 있으므로, 모든 스레드는 전체 이전 맥락으로 열립니다.