MINARA메모리
세션 메모리, 개인화, 역할 반성, 학습 시스템, 네 가지 연동 저장소
Minara의 "메모리"는 동일한 SQLite 데이터베이스를 공유하지만 독립적인 생명 주기와 서로 다른 소비자를 가진 네 가지 별개의 저장소로 구성됩니다. 각 저장소는 독립적으로 동작합니다. 단일 턴에서 네 저장소 모두로부터 데이터를 가져올 수 있으며, 저장소 간에 서로의 존재를 알 필요가 없습니다.
왜 네 가지 저장소인가?
| 저장소 | 범위 | 생명 주기 | 작성 주체 |
|---|---|---|---|
| 메모리 시스템 | 사용자별 컨텍스트（관찰, 선호도, 거래 노트, 전략 노트） | 세션별 고정, 쓰기 임계값 도달 시 소프트 갱신 | LLM（memory_write 도구 경유） |
| 개인화 | 사용자 프로파일: 금융 태그, 커스텀 프롬프트, 페르소나 파일 | 영속적, 수동 + 자동 재구축 혼합 | 사용자（REPL, CLI, REST）, 추론 크론 |
| 역할 메모리 | 역할별 분석 의사결정 사례 + 실패 유형 | 의사결정 시 쓰기, 결과와 비동기 조정 | 분석 스킬, 반성기 비동기 |
| 학습 시스템 | 도구 시퀀스 학습 + 방법론 저장소 + 시나리오 학습 | 성공한 턴 / 거래 조정 시 쓰기 | skill_learn, 백테스트 러너, 시나리오 부트스트래퍼 |
각 저장소마다 신뢰도와 최신성 의미론이 다르기 때문에 이 분리는 중요합니다.
- 메모리 시스템은 최신 데이터를 보유하지만 검증되지 않았습니다.
- 개인화는 권위 있는 데이터를 보유하지만 희소합니다.
- 역할 메모리는 엄격한 통계 기준이 적용됩니다（
logic_error/missing_data사례만 노출됩니다）. - 학습 시스템은 Wilson-LB 졸업 기준이 적용됩니다（방법론이 신뢰를 얻으려면 10회 이상 사용되고 정확도가 55% 이상이어야 합니다）.
이 섹션의 페이지
- Minara Memory: 고정 스냅샷, FTS5 검색, 메모리 카테고리, 세션 스냅샷 구축 방법.
- 개인화 및 워크스페이스: 직접 편집하는 페르소나 파일, 자동 재구축되는 금융 프로파일, 사용자 태그 차원, 세 가지 재구축 플로우.
- 역할 메모리: 역할별 의사결정 반성, 2단계 LLM 분류기（
logic_error/missing_data/exogenous/variance）,PostHocProbe증거 수집,failureModes폴백. - 학습 시스템: 도구 시퀀스 학습, 방법론 저장소 + Wilson 졸업, 시나리오 학습 파이프라인, 백테스트 피드백 루프.
턴에서의 합성 방식
┌─────────────────────────────────────────────────────────┐
│ USER TURN ARRIVES │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ 1. Session memory snapshot injected as │ │
│ │ <memory-context> block (frozen-per-session) │ │
│ └──────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ 2. Personalization snapshot — user_profile │ │
│ │ tags + custom prompt + financial_profile │ │
│ └──────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ 3. Role memory hints — BM25 case recall scoped │ │
│ │ to active-skill roles; failureModes fallback │ │
│ │ when zero hits │ │
│ └──────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────┐ │
│ │ 4. Learning system — methodology placeholder │ │
│ │ resolution in scenario playbooks + on-demand │ │
│ │ `methodology_lookup` tool │ │
│ └──────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ LLM call │
└─────────────────────────────────────────────────────────┘활용 사례
- 기능 → 메모리 및 개인화: 사용자 관점의 요약
- 기능 → 자기 개선 Agent: 채팅에서 학습 루프가 어떻게 느껴지는지