구조화된 L0 및 L1 메모리 계층을 통해 즉각적인 컨텍스트를 제공하여 AI 에이전트 콜드 스타트를 제거하는 정교한 계층형 메모리 시스템입니다.
설치 및 다운로드
1. ClawHub CLI
레지스트리에서 스킬을 바로 설치하는 가장 빠른 방법입니다.
npx clawhub@latest install agent-memory-tiers
2. 수동 설치
스킬 폴더를 다음 위치 중 하나로 복사하세요
~/.openclaw/skills/ <project>/skills/ 우선순위: 워크스페이스 > 로컬 > 번들
3. 프롬프트 설치
이 프롬프트를 OpenClaw에 복사하면 자동으로 설치됩니다.
Clawhub를 사용해서 agent-memory-tiers 설치를 도와줘. Clawhub가 설치되어 있지 않다면 먼저 설치해 줘 (npm i -g clawhub).
다운로드를 원하시나요?
ZIP 아카이브 형태의 원본 스킬 파일을 받으세요.
Agent Memory Tiers란 무엇인가요?
Agent Memory Tiers는 에이전트 활성화 간의 지속적인 컨텍스트 손실 문제를 해결하기 위해 설계된 전략적 프레임워크입니다. 구조화된 메모리 시스템이 없으면 에이전트는 현재 상태를 재구성하기 위해 파일을 다시 읽고 기록을 파싱하는 데 상당한 token 예산을 낭비하는 경우가 많습니다. 이 솔루션은 에이전트 군집 전반에서 지속성을 유지하기 위한 표준화된 아키텍처를 제공하여, 에이전트가 매 실행 시 자신의 정체성, 목표 및 최근 진행 상황을 명확하게 이해하고 시작할 수 있도록 보장합니다.
Openclaw Skills 내에서 이 특정 방법론을 구현함으로써 개발자는 지연 시간과 운영 비용을 획기적으로 줄일 수 있습니다. 이 시스템은 에이전트가 스스로 상태를 관리하는 자체 업데이트 메커니즘에 의존하며, 프로덕션 환경에서 검증된 지속적인 컨텍스트의 탄력적인 루프를 생성합니다.
Agent Memory Tiers 활용 사례
- 에이전트가 현재 진행 상황을 다시 계산하면서 tokens를 낭비하는 콜드 스타트 문제를 제거합니다.
- 대규모 멀티 에이전트 프로덕션 군집(최대 20개 이상의 에이전트)의 상태를 관리합니다.
- 활성화당 300-3700개의 tokens를 절약하여 운영 비용을 절감합니다.
- 수동 로그 없이 작업을 조정할 수 있도록 오케스트레이터 에이전트에게 상태 가시성을 제공합니다.
Agent Memory Tiers 작동 원리
- 에이전트가 초기화되고 즉시 L0.md 파일을 읽어 4줄의 상위 수준 상태 스냅샷을 가져옵니다.
- 에이전트가 L1.md 파일을 읽어 연속 7일간의 기록, 활성 작업 목록 및 현재 차단 요소를 로드합니다.
- 에이전트는 미리 로드된 컨텍스트를 사용하여 기본 로직을 실행하며, 특별히 필요한 경우에만 심층 L2+ 메모리에 액세스합니다.
- 종료하기 전에 에이전트는 필수 지침 세트에 따라 결과를 요약하고 메모리 파일을 업데이트합니다.
- L0.md 및 L1.md 파일은 새로운 상태로 덮어씌워져 다음 활성화를 준비합니다.
Agent Memory Tiers 설정 가이드
사용자 환경에서 이를 구현하려면 다음 단계를 따르세요.
- 에이전트 작업 공간에서 메모리 파일을 초기화합니다.
touch L0.md L1.md
- 4줄의 정체성 및 상태 템플릿으로 L0.md를 채웁니다.
- 작업 및 차단 요소 섹션을 포함하여 연속 컨텍스트 구조로 L1.md를 채웁니다.
- SOUL.md 파일 상단에 Quick Context 헤더를 삽입하여 에이전트가 메모리를 먼저 읽도록 합니다.
- SOUL.md 끝에 End-of-Run 푸터를 추가하여 필수 메모리 업데이트 프로세스를 강제합니다.
Agent Memory Tiers 데이터 스키마 및 분류 체계
이 스킬은 속도를 최대화하고 token 사용을 최소화하기 위해 데이터를 계층적 분류로 구성합니다.
| 계층 | 파일명 | 상세 내용 | 보존 정책 |
|---|---|---|---|
| L0 | L0.md |
4줄의 정체성, 우선순위, 마지막 실행 및 플래그. | 매 실행 시 덮어쓰기 |
| L1 | L1.md |
7일 연속 기록, 상위 3개 작업, 주요 상태 값. | 7일 연속 윈도우 |
| L2+ | memory/ |
전체 이력 로그 및 상세 작업 아카이브. | 무기한 / 요청 시 |
Agent Memory Tiers 고급 기능
- Orchestrator Pattern 지원: 관리자 에이전트가 즉각적인 상태 확인을 위해 작업자 에이전트의 L0.md를 확인할 수 있도록 합니다.
- Token Efficiency Optimization: 표준 실행 시 컨텍스트 오버헤드를 250 tokens 미만으로 유지하도록 특별히 설계되었습니다.
- Self-Healing Documentation: 컨텍스트 비대화를 방지하기 위해 에이전트가 L1 차단 요소와 상태 값을 정리하도록 지시받습니다.
- Multi-Agent Coordination: 에이전트의 포커스를 전체 Openclaw Skills 에코시스템에 가시화하여 작업 충돌을 방지합니다.
SKILL.md
로드 중
관련 Openclaw 스킬
CowHorseSkill (노마Skill)
모호한 사용자 요청을 구조화되고 재사용 가능한 AI 워크플로우 및 자산으로 변환하는 능동적인 요구 사항 추출 스킬입니다.
WeChat Article Reader
AI 에이전트가 WeChat 공식 계정 문서의 콘텐츠를 가져오고 파싱할 수 있게 해주는 Openclaw Skills 전용 도구입니다.
AI 카피라이팅 생성기
20개 이상의 소셜 및 이커머스 플랫폼에서 높은 전환율을 기록하는 마케팅 카피를 생성하도록 설계된 강력한 AI 기반 콘텐츠 엔진입니다.
Prompt-ZS Professional Assistant
이미지 및 비디오 생성 도구를 위해 고품질의 구조화된 설명을 생성하도록 설계된 전문 AI 프롬프트 엔지니어링 어시스턴트입니다.
Clause Redraft
모호하거나 일방적인 계약 조항을 명확하고 전문적이며 균형 잡힌 법률 언어로 재작성하도록 설계된 AI 기반 초안 작성 어시스턴트입니다.
Amazon 리스팅 최적화
처음부터 전환율이 높은 Amazon 리스팅을 구축하거나 경쟁력 있는 키워드 도달 범위를 위해 기존 리스팅을 감사하기 위한 고급 AI 구동 유틸리티입니다.
paper-collector
특정 연구 방향 및 초록 검증을 기반으로 학술 논문을 검색, 선별 및 정리하도록 설계된 전문 연구 에이전트입니다.
추천*
