데이터 구조의 새로운 접근

AI 메모리 툴은 대부분 모든 대화를 벡터화하여 평면적으로 검색합니다. 데이터가 쌓일수록 노이즈가 늘어나 검색 정확도가 떨어집니다. MemPalace는 이를 해결하고자 기억의 궁전(Memory Palace) 개념을 구조화했습니다.

프로젝트를 Wing, 주제를 Room, 원문 데이터를 Drawer 로 계층화합니다. 검색 범위를 좁혀 정확도를 높입니다. 복잡한 검색 대신 필요한 공간만 확인합니다.

로컬 우선의 기술적 이점

데이터를 외부 서버로 보내지 않습니다. 모든 데이터는 로컬 디스크에 저장하며 비용이 발생하지 않습니다. 성능도 준수합니다. LongMemEval 기준 96-96.6%, 하이브리드 검색 기준 98-98.4% 정확도를 보입니다.

시스템은 Python과 ChromaDB 를 기반으로 설계했습니다. 전체 디스크 점유율은 300MB 수준으로 가볍습니다. 데이터 유출 우려가 없어 보안이 중요한 환경에 적합합니다.

설치와 운영 효율

설치 시 의존성 충돌을 방지합니다. 시스템은 CLI 환경을 권장하며 uv 나 pipx 로 격리된 환경에서 실행합니다. 전역 패키지와의 간섭을 최소화합니다.

도커 이미지를 활용하면 더 간편합니다. 컨테이너 내부의 /data 경로에 볼륨을 마운트해 데이터를 영구 보존합니다. 구조가 명확해 운영 관리가 수월합니다. 낮은 시스템 복잡도가 이 도구의 장점입니다.

요약

  • 평면적인 벡터 검색의 한계를 계층화된 구조로 극복하여 검색 정확도를 높였습니다.
  • 로컬 데이터 처리를 기본으로 하여 보안과 비용 문제를 동시에 해결했습니다.
  • 격리된 환경 설치를 권장하는 설계로 의존성 문제를 예방하고 운영 편의성을 확보했습니다.