CrabRAG: Why Automated Assistants Need Graph Memory, Not More Tokens — Stephen Chin, Neo4j
이 영상은 기존 에이전트의 메모리 관리 방식이 마크다운 파일에 의존하여 비효율적이고 확장성에 한계가 있음을 지적합니다. 대신 그래프 데이터베이스를 사용하여 에이전트의 메모리를 구성할 때, 더 정확하고, 설명 가능하며, 감사 가능한 결과를 얻을 수 있음을 시연합니다. 특히 복잡한 질문에 대한 다단계 추론이 중요한 환경에서 그래프 메모리의 이점을 강조합니다.
핵심 요약
- 현재 에이전트의 메모리가 마크다운 파일 기반으로 구성되어 있어, 많은 토큰을 낭비하고 대규모 환경에서 확장성이 떨어진다는 문제를 제기합니다.
- 벡터 데이터베이스는 유사성 검색을 제공하지만, 실제 관계를 파악하지 못해 환각(hallucination) 현상을 유발하고 복잡한 다단계 추론에 어려움이 있다고 설명합니다.
- 그래프 데이터베이스는 개체(nodes)와 그 관계(edges)를 명확히 정의하여, 정확하고 설명 가능하며 감사 가능한 결과를 제공한다고 강조합니다.
전체 요약과 종목별 의견·실시간 분석을 보려면 로그인하세요.
로그인 / 회원가입