LLM을 위한 관계형 메모리: 사용자 관계를 모델링하는 3계층 시스템

관계적 메모리는 Claude Opus 및 GPT-4o와 같은 LLM에 관계 인식 메모리를 추가하는 500줄의 파이썬 프로토타입입니다. 사용자에 대한 사실을 저장하는 대신, 확립된 모델에서 도출된 7가지 심리적 차원에서 관계 자체를 모델링합니다.

작동 방식

각 세션 후, 보조 LLM(Claude Haiku)이 전체 대화를 분석하고 관계를 7가지 차원(공식성, 따뜻함, 유머, 깊이, 신뢰, 에너지, 회복력)에서 점수화합니다. 시스템은 지수 이동 평균(EMA)을 사용하여 업데이트하며, 최근 세션에 더 많은 가중치를 부여하면서도 역사적 맥락을 유지합니다.

3계층 메모리 구조

5회 세션마다 '수면 시간 에이전트'가 메모리를 3가지 서사 계층으로 통합합니다:

• 기본 톤: 사용자가 누구인지에 대한 초상(수명: 개월)
• 패턴: "AI가 피상적이면 사용자가 날카로운 질문으로 반박한다"와 같은 행동적 if-then 규칙(수명: 주)
• 앵커: 관계를 형성한 전환점(장기 보존)

메모리 파일은 사용자가 직접 읽을 수 있는 일반 마크다운으로 저장됩니다. 시스템은 완벽한 기억의 환상을 방지하기 위해 최근 데이터로 뒷받침되지 않는 패턴을 의도적으로 잊습니다.

주요 기능: 회복력 차원

회복력은 관계가 얼마나 많은 솔직한 마찰을 감당할 수 있는지 추적합니다. 회복력이 높으면 AI는 동의하지 않을 때 반박합니다. 회복력이 낮으면 도전을 질문으로 구성합니다. 이를 통해 AI는 사용자 선호도뿐만 아니라 자신이 틀렸다고 들을 수 있는지 여부도 알 수 있습니다.

실용적 구현

설치 및 설정:

pip install git+https://github.com/spectator81-png/relational-memory.git
export ANTHROPIC_API_KEY=sk-ant-...
relational-memory --mode flat  # A/B 비교용
relational-memory --provider openai  # GPT-4o용

이 도구는 각 SDK 외에 종속성 없이 Anthropic 및 OpenAI API를 모두 지원합니다. 한 사람을 대상으로 7회 세션 동안 테스트되었으며, 메모리 활성화 및 비활성화 모드 간 AI 응답에 눈에 띄는 차이가 나타났습니다.

응답 예시

관계적 메모리가 없을 때, 사용자가 "길을 잃은 것 같아요. 아이디어는 많은데, 어떤 것이 추구할 가치가 있는지 모르겠어요"라고 말하면, AI는 아이디어를 적고 저항이 가장 적은 것을 선택하라는 일반적인 조언으로 응답합니다.

관계적 메모리가 활성화되면, AI는 다음과 같이 응답합니다: "저는 그 점을 알고 있어요. 당신은 작은 범주로 생각하지 않죠. 하지만 '어떤 것이 가치가 있는가'는 잘못된 질문일 수 있어요. 어떤 아이디어가 밤에 당신을 괴롭히지 않을까요?"

7가지 관계 차원은 6가지 확립된 심리적 모델(대인 관계 원형, PRQC, Russell 원형 등)에서 도출되었습니다. 4가지 차원은 기존 문헌에서 직접 가져왔고, 하나는 인간-AI 맥락에 맞게 수정되었으며, 두 가지는 새로운 것입니다.