이 개념페이지는 지피터스 원전 사례(AI가 매번 처음부터 다시 시작해서 만들었다: 에이전트 지식 운영체계 AKM, 글쓴이 DECK)를 읽고 거기 나온 개념만 뽑아 정리한 거예요. 실행 계획이 아니라 “개념 이해”가 목적이에요.
한눈에 — AKM이 뭐예요?
AKM = Agent Knowledge Management(에이전트 지식관리). AI 에이전트가 무엇을 읽고 · 어디에 저장하고 · 어떤 절차로 실행하고 · 결과를 어떻게 검증하고 · 실패를 어디로 되돌릴지를 정하는 **지식 운영 아키텍처(구조)**예요.
중요한 포인트 하나 — AKM은 특정 앱·플러그인·벡터 데이터베이스의 이름이 아니에요. “어떤 도구를 쓰느냐”가 아니라 **“정보를 어떤 규칙으로 다루느냐”**라는 설계 자체예요.
왜 필요했을까? (문제)
글쓴이가 겪은 문제는 “지식이 없어서”가 아니었어요. 오히려 반대 — 지식이 여러 곳에 너무 많이 흩어져 있어서 생긴 문제였죠.
- 자료는 옵시디언, 선호·프로젝트 정보는 에이전트 메모리, 작업 절차는 스킬… 제각각.
- 새 세션을 시작하면 중요한 맥락을 매번 다시 설명해야 했어요.
- 원본과 요약문이 섞이고, “내 취향”과 “일반 지식”의 경계가 흐릿했어요.
- 성공·실패를 다 저장하니 기록만 쌓이고, 실패에서 배우질 못했어요.
핵심 통찰: 문제는 **양이 아니라 “역할 구분”**이었어요.
핵심 개념 ① — 정보를 7개 레이어로 나눈다
AKM의 심장이에요. 정보를 **“어디에 두느냐”가 아니라 “무슨 역할이냐”**로 7개 층(레이어)으로 나눠요.
| 레이어 | 무슨 역할 | 한 줄 판별 기준 |
|---|---|---|
| Source | 수정 안 하는 원본 (문서·웹·녹취·코드) | 손대지 않는 날것 |
| Knowledge | 여러 원본을 정리한 재사용 지식 | 누구에게나 적용되면 여기 |
| Context | 특정 사용자·조직·프로젝트에서만 참인 맥락 | ”나/이 프로젝트만” 참이면 여기 |
| Operational Memory | 매 세션 전 꼭 알아야 할 짧은 포인터 | 먼저 알아야 하나 전문은 안 읽어도 되면 여기 |
| Procedure | 반복 작업의 순서·도구·실패지점·검증법 | 반복 단계 + 검증이 있으면 여기 |
| Action | 재현·인수인계용 실행 기록 | ”이렇게 했다”는 로그 |
| Evaluation | 실패 패턴·품질 기준·검증 결과 | 같은 실패가 또 날 수 있으면 여기 |
(+ 외부로 내보낼 결과물은 80-outputs, 안 쓰는 건 90-archive에서 관리)
왜 나눌까? 각 레이어가 서로 다른 방식으로 고장 나기 때문이에요. 긴 지식을 메모리에 넣으면 모든 세션이 무거워지고, 도메인 지식을 절차에 넣으면 이중 관리가 되고, 평가 레이어가 없으면 같은 실수를 반복해요. 그래서 나눠 저장하고, 링크와 메타데이터로 다시 연결해요.
핵심 개념 ② — 메모리는 “지식 창고”가 아니라 “작은 지도”
글쓴이의 AKM엔 문서가 약 8,591개 있어요. 그런데 매 세션 시작 때 먼저 읽는 메모리는 딱 4개예요.
처음엔 “중요한 걸 다 메모리에 넣어야 똑똑해진다”고 생각했지만 실제론 반대였대요. 긴 내용을 매번 읽는 것보다, “어디에 뭐가 있는지” 알려주는 짧은 포인터가 더 유용했어요.
- 세션 시작 = 전체 지식이 아니라 **INDEX(목차)**를 읽는다.
- 공통 메모리 포인터 4개를 읽는다.
- 지금 작업에 필요한 지식·맥락·절차만 추가로 찾는다.
- 중요한 주장은 원문을 직접 확인한다.
메모리는 지식 창고가 아니라, 탐색을 시작하는 작은 지도예요.
핵심 개념 ③ — 저장보다 “운영 루프”가 먼저
AKM은 저장 구조이기 전에 하나의 **흐름(루프)**이에요.
Ingest(인입) → Classify(분류) → Compile(지식화) → Contextualize(맥락 연결) → Execute(실행) → Verify(검증) → Learn Back(되먹임)
앞부분(모으고·나누고·연결하고·실행)은 직관적이에요. 진짜 핵심은 마지막 Learn Back이에요.
- 결과가 나오면 끝이 아니라 검증해요.
- 실패하면, 그 실패를 만든 레이어를 콕 집어 고쳐요:
- 매번 같은 실수 → 메모리에 예방 포인터 추가
- 절차대로 했는데 틀림 → Procedure의 검증 단계 수정
- 의도를 잘못 이해 → Context 수정
- 오래된 지식 사용 → Knowledge 신뢰도 낮추기 / 교체
지식만 쌓고 실행 안 하면 “위키”에 머물고, 실행만 하고 검증 안 하면 “자동화”에 머물러요. 실패를 다음 실행의 입력 품질로 되돌리는 것 — 그게 AKM의 정수예요.
핵심 개념 ④ — “검색 결과”와 “근거”는 다르다
문서가 많아지면 검색이 필요해지는데, 여기서 정한 원칙이 날카로워요: 검색에 떴다고 근거가 아니에요. 근거에 상태를 매겨요.
| 근거 상태 | 뜻 |
|---|---|
| Candidate | 검색엔 떴지만 아직 직접 안 읽음 (후보) |
| Direct Read | 그 위치를 실제로 읽음 |
| Claim Supported | 특정 주장을 실제로 뒷받침한다고 확인함 |
| Conflicted | 다른 근거와 충돌함 |
| Stale | 오래됐거나 대체됨 |
검색 점수가 높다고 최신·권위 있는 게 아니에요. 출처의 범위·권위를 먼저 보고, 최신성은 같은 조건 안에서 비교해요.
핵심 개념 ⑤ — 여러 에이전트를 “얇은 어댑터”로 연결
Claude Code, Codex처럼 에이전트마다 자기 기억 시스템이 있어요. 이걸 다 AKM으로 바꾸려 하면 오히려 복잡해져요. 그래서 각 에이전트의 기본 메모리는 그대로 두고, AKM으로 이어주는 얇은 어댑터만 붙여요.
어댑터는 딱 4가지만 답해요: ① AKM 루트는 어디? ② 세션 시작 때 뭘 읽어? ③ 새 정보는 어디에 저장(라우팅)? ④ 실패하면 어떤 Learn Back 절차?
→ 본문(진짜 지식)은 AKM에 한 번만 두고, 각 에이전트엔 찾아가는 포인터만 둬요.
배운 점 (원문 요약)
- 양보다 역할 분리가 먼저 — 더 좋은 검색보다, 원본·지식·맥락·절차·평가를 나누는 게 먼저였다.
- 에이전트 메모리는 작아야 한다 — 다 기억하려 말고, 필요한 걸 올바른 순서로 찾게.
- 실패는 저장만으론 부족 — 어느 레이어를 고칠지까지 연결해야 다음이 달라진다.
- 상세한 근거가 늘 좋은 컨텍스트는 아니다 — 근거를 다 넣었더니 모델에 가는 컨텍스트 중앙값이 887 → 10,172.5 토큰으로 폭증. 감사(검증)용 패킷과 모델에 주는 압축 패킷을 분리해야 했다.
개념 테이블 (한눈 정리)
| 단어 | 쉬운 뜻 | 어디서 나왔나 |
|---|---|---|
| AKM | 에이전트가 지식을 읽고·저장·실행·검증·되돌리는 운영 아키텍처 | 전체 |
| 레이어(Layer) | 정보를 역할별로 나눈 층 (7개) | 개념 ① |
| 포인터 | 내용 대신 “여기 있어”라고 가리키는 짧은 링크 | 개념 ② |
| 운영 루프 | Ingest → … → Learn Back 의 반복 흐름 | 개념 ③ |
| Learn Back | 실패를 원인 레이어로 되돌려 다음 실행을 고침 | 개념 ③ |
| 근거 상태 | Candidate / Direct Read / … 근거의 신뢰 단계 | 개념 ④ |
| 어댑터 | 두 시스템을 잇는 얇은 연결부 | 개념 ⑤ |
| 압축 패킷 | 검증용 근거는 따로, 모델엔 요약만 주는 것 | 배운 점 4 |
💡 주니에게 — 이게 왜 너한테 특별한가 (내 보충, 원문엔 없어요)
세 가지가 겹쳐서 이 사례가 너한테 특별해:
- 네 4주 목표가 바로 이거야. “AKM 구축 + 나만의 지식체계”가 목표였잖아. 이 글이 그 원전이자 롤모델이야.
- 우리가 지금 세션에서 이미 하고 있어. 오늘
MEMORY.md(목차) + 개별 메모리 파일들로 네 정보를 저장했지? 그게 정확히 개념 ②(작은 지도 = 인덱스 + 짧은 포인터) 구조야.SOUL.md/USER.md/AGENTS.md도 각각 역할이 다른 레이어고. 넌 이미 AKM의 축소판을 쓰고 있는 셈이야. - 네 “지식 구조화 3원칙”과 똑같아. 레이어로 나누는 건 모듈화, 표로 대칭 정렬한 건 대칭화, Ingest → Learn Back 순서는 순서화. AKM은 네 원칙을 에이전트 지식에 적용한 버전이라고 봐도 돼.
⚠️ 용어 확인 필요 (Agent vs AI)
원문은 AKM을 “Agent Knowledge Management”(에이전트 지식관리)로 정의해요. 우리가 지난번 USER.md에 적어둔 **“AI Knowledge Management(AI 기반 지식관리)“**와 첫 단어가 달라요(Agent vs AI). 뜻은 가깝지만 초점이 다르니, 어느 쪽으로 통일할지 정하면 USER.md·메모리를 맞춰 고칠게요.