정의
기억의 외재화(memory externalization)는 LLM 에이전트가 모델 가중치를 갱신하는 대신 메모(scratchpad), 파일, Git 형상 관리, 압축된 컨텍스트 같은 외부 매체에 상태와 지식을 기록·재주입하여, 현재 모델의 지속 학습(continual learning) 능력 부재를 우회하는 설계 패턴이다.
핵심 속성
- 우회 대상: 가중치 수준의 지속 학습 부재. 모델은 세션이 끝나면 배운 것을 잊지만, 외부 기록은 남는다.
- 구현 수단: scratchpad·메모 파일, Git rollback을 통한 상태 복원, 컨텍스트 압축(compaction), 장기 실행 에이전트용 하네스.
- 실제 사례: Anthropic의 장기 실행 에이전트 하네스 가이드, Claude Code 데스크톱의 병렬 세션 관리, Google Antigravity의 Artifacts·knowledge 외재화.
- 인간 유비: 인간도 메모장·문서로 기억을 외재화해 작업 기억(working memory)의 한계를 넘는다. 외재화는 인간 인지의 오래된 전략을 에이전트에 이식한 것이다.
- 한계: 외부 기록은 모델의 일반화 능력 자체를 높이지 않는다. 근본 해법(가중치 수준 지속 학습)이 등장하기 전까지의 브리지 기술이다.
관계
- 20260606-continual-learning — 우회: 가중치 학습 없이 유사한 효과를 시스템 수준에서 달성
- 20260605-harness-engineering — 필요조건: 외재화된 기억의 기록·압축·롤백은 하네스가 담당
- 20260603-strange-loop-as-agi-condition — 연장: 출력→외부 기억→입력의 되먹임은 이상한 고리의 시스템적 구현
- 20260606-token-priming — 대조: 프라이밍은 세션 내 임시 워밍업, 외재화는 세션 간 영속 기억
인용
“외재화를 통해 현재 모델로 할 수 있는 continual learning 능력 부족을 우회하는 현상들이 보인다. 인간이 context 관리하는 것과 유사하고 그걸 앞으로 수개월 안에 초인간적으로 잘할 가능성을 이제 상상하게 됐더라고요.” — 최승준
출처
- 📎 클리핑: 20260707-ep78-ko-transcript