대화 컨텍스트 및 메모리 관리 전략

컨텍스트 관리의 과제

AI 모델은 컨텍스트 창을 통해 대화 이력을 이해합니다. 컨텍스트가 길수록 AI의 답변이 더 일관적이지만, 토큰 소비도 높아집니다. OpenClaw은 품질과 비용의 균형을 맞추기 위한 다양한 전략을 제공합니다.

컨텍스트 전략

슬라이딩 윈도우 (Sliding Window)

최근 N턴의 대화를 유지하고 이전 이력을 삭제합니다:

{
  "sessions": {
    "contextStrategy": "sliding-window",
    "maxHistory": 20
  }
}

스마트 트리밍 (Smart Trim)

관련성에 따라 컨텍스트를 유지합니다:

{
  "sessions": {
    "contextStrategy": "smart-trim",
    "maxTokens": 50000,
    "relevanceThreshold": 0.5
  }
}

요약 모드 (Summary)

대화가 임계값을 초과하면 자동으로 요약을 생성합니다:

{
  "sessions": {
    "contextStrategy": "summary",
    "summaryAfter": 15,
    "summaryModel": "fast",
    "keepRecent": 5
  }
}

하이브리드 모드 (Hybrid)

여러 전략을 결합합니다:

{
  "sessions": {
    "contextStrategy": "hybrid",
    "phases": [
      {"maxMessages": 10, "strategy": "full"},
      {"maxMessages": 30, "strategy": "smart-trim"},
      {"maxMessages": 999, "strategy": "summary"}
    ]
  }
}

벡터 메모리 연동

장기 정보를 벡터 메모리에 저장하여 컨텍스트에서 해방시킵니다:

{
  "sessions": {
    "autoMemorize": {
      "enabled": true,
      "triggerWords": ["기억해", "나중에", "매번"],
      "extractFacts": true
    },
    "autoRecall": {
      "enabled": true,
      "topK": 3,
      "threshold": 0.8
    }
  }
}

채널별 맞춤 설정

서로 다른 채널에 서로 다른 컨텍스트 전략을 사용합니다:

{
  "channels": {
    "telegram-main": {
      "session": {
        "maxHistory": 30,
        "contextStrategy": "hybrid"
      }
    },
    "whatsapp-quick": {
      "session": {
        "maxHistory": 5,
        "contextStrategy": "sliding-window"
      }
    }
  }
}

정리

컨텍스트 관리는 OpenClaw 성능 및 비용 최적화의 핵심 요소입니다. 시나리오에 따라 적합한 전략을 선택하고, 벡터 메모리와 결합하여 무한한 장기 기억을 구현하면, 우수한 대화 경험을 유지하면서 토큰 비용을 효과적으로 절감할 수 있습니다.