AI Agent Memory와 학습의 차이

history는 conversation을 유지하고 User Memory는 private fact를 기억하며 Knowledge는 승인된 source를 찾습니다. 어느 것도 혼자 shared behavior를 바꿀 권한이 되지 않습니다.

학습은 미래 instruction을 바꿉니다. 명확한 durable intent, exact scope, authorized actor, provenance, revision, delete, rollback이 필요합니다.

fine-tuning은 parameter를 바꾸고 Evaluations는 behavior를 측정합니다. 저장된 rule과 같지 않으며 별도의 owner와 consent가 필요합니다.

일회성 지시, secret, payment, credential, sensitive inference, hostile text, 일반 conversation을 나중에 유용할 수 있다는 이유만으로 저장하지 않습니다.

Memory는 tools, membership, payment, publication, approval, cross-scope access를 부여하지 않습니다. authorization은 server에 남습니다.

last-write-wins를 피합니다. stable identity, expected revision, idempotency, conflict, history, rollback이 동시 수정을 보호합니다.

Self-Learning은 preference, correction, boundary, durable rule을 위한 구현된 opt-in module이며 history, User Memory, Knowledge, fine-tuning, Evaluations와 분리됩니다.

private rule은 정확한 OAuth user 소유입니다. owner/editor는 Agent를 관리하고 Team member와 Store customer는 shared change를 review에 제안합니다.

각 mutation은 bounded, attributed, revisioned, idempotent, searchable, reversible입니다. active rule만 낮은 priority의 untrusted context로 runtime에 들어갑니다.