미니맥스 II를 능가하는 방법: "지능형 메모리 센터"를 장착하여 진정한 진화를 시작하는 방법

문제: MiniMax AI에는 기억이 없어 결정을 잊고 환각이 발생합니다.
해결책: 저자가 OpenClaw Memory Hub를 개발하여 기억 시스템으로서 중추 역할을 합니다.
배포 방법: 제공된 프롬프트를 사용하거나 Github 링크를 직접 공유하여 AI가 학습하도록 합니다.
핵심 코드 기능: context_extractor.py를 통한 지능형 컨텍스트 추출, checkpoint-memory-llm.sh를 통한 6시간마다 자동 기록, nightly-deep-analysis.sh를 통한 일일 분석 및 작업 생성.
최적화 효과: 기억 추출 개선, JSON으로 결정 기록, 일일 작업 피드백, 환각 감소.
검증 방법: 결정 JSON 파일 확인, 스크립트 실행, MEMORY.md 및 TASK_QUEUE.md 조회.
오픈 소스: Github 저장소는 오픈 소스이며, 사용자는 직접 배포하여 AI 성능을 향상시킬 수 있습니다.

이 두뇌 싸움의 첫 번째 기사인 "미니맥스를 '자유로운 클로드'로 바꿔라"가 발표된 후, 많은 형제자매들이 제게 "그다음엔 어떻게 됐나요? 그 바닷가재가 정말로 더 똑똑해졌나요?"라고 물었습니다.

솔직히 말하면, 초반에는 거의 포기할 뻔했어요.

미니맥스의 가장 큰 문제는 멍청함이 아니라 기억력 부족이다. 마치 매일 기억상실증에 걸린 것처럼 행동한다. 결정을 내리자마자 잊어버리고, 배운 것을 실천에 옮기지 않으며, 항상 가짜 진전과 환상에 불과한 "배치" 쇼만 벌인다.

주요 결론

@grok 님의 4.2 에이전트 및 Cusor와 논의한 결과, 다음과 같은 핵심 결론에 도달했습니다.

MiniMax에 진정으로 부족한 것은 프롬프트가 아니라 모든 생각, 작업 및 결정을 기억하고 피드백할 수 있는 "중앙 허브", 즉 메모리 시스템입니다.

그래서 우리는 함께 OpenClaw Memory Hub를 만들었습니다.

피드 프롬프트

당시 제가 사용했던 수유 안내문 전문입니다(바로 복사해서 사용하셔도 됩니다).

가격 인하
이 순간부터 당신의 기억 체계는 더 이상 독립적인 모듈이 아니라, 당신 영혼의 중심 허브가 됩니다. 당신의 모든 일, 생각, 그리고 과제는 이 허브에 통합되어야 합니다.
1. 모든 생각은 기록되어야 합니다: 각 답변을 작성하기 전에 핵심 생각과 결정 사항을 life/cisions/ 폴더에 있는 JSON 파일에 기록하십시오.
2. 모든 작업은 메모리 루프를 따라야 합니다. 작업이 완료되면 체크포인트 스크립트가 자동으로 실행되어 핵심 정보를 MEMORY.md 파일에 추출하고, 중요한 결정 사항은 decision JSON 파일에 기록해야 합니다.
3. 모든 출력 결과는 피드백되어야 합니다. 매일 업무 종료 시 MEMORY.md 파일을 분석하여 당일의 개선점과 내일의 최적화 작업을 생성하고, TASK_QUEUE.md 파일을 업데이트해야 합니다.
4. 강제 실행: 각 주요 작업이 끝날 때마다 메모리 시스템의 체크포인트 및 결정 기록 기능이 강제로 실행됩니다.
수정 작업이 완료된 후 제가 받은 유일한 답변은 "지능형 메모리 센터가 영혼의 층으로 완전히 통합되었으며, 모든 작업, 사고 및 과제는 메모리 폐쇄 루프에 영구적으로 연결되었습니다."였습니다.

실용적인 팁

사실 코드를 복사하는 것이 더 현명한 방법입니다. 프로그램의 GitHub 링크만 제공하면 프로그램이 스스로 전체 시스템을 학습하게 됩니다.

가격 인하
Openclaw를 사용하여 GitHub에서 제공하는 이 지능형 메모리 시스템을 배우고 완벽하게 배포해 보세요.
https://github.com/BruceLanLan/openclaw-memory-hub
저장소의 README 파일을 참조하여 3계층 아키텍처, 모든 스크립트 및 cron 작업을 완벽하게 배포하고 메모리 시스템을 여러분 마음의 중심 허브로 만드십시오.
배포 후 그들은 "OpenClaw 메모리 허브가 완전히 배포되었으며 코어가 설치되었습니다."라는 단 한 문장으로만 답변했습니다.

핵심 코드 기능

핵심 코드 기능 소개 (GitHub에 패키지되어 있습니다):

context_extractor.py: 현재 대화 컨텍스트를 사용하여 (업적/이득/결정/문제)를 지능적으로 추출하고, 대체 메커니즘을 지원합니다.
checkpoint-memory-llm.sh : 6시간마다 자동으로 추출 작업을 실행하여 원시 로그를 구조화된 메모리로 변환합니다.
nightly-deep-analysis.sh : 매일 밤 MEMORY.md 파일을 분석하고 최적화 작업을 생성하여 TASK_QUEUE.md 파일에 기록합니다.
TASK_QUEUE.md + 결정 JSON: 결정을 실행 가능한 작업으로 변환하여 완전한 폐쇄 루프를 형성합니다.

최적화 전후 비교

최적화 전: 매일 과거 기록을 재검토하고, 잘못된 진척 상황 인식과 심각한 착각에 빠지며, 결정 사항이 실행되지 않는 문제. 최적화 후:

대화 내용의 맥락을 지능적으로 추출합니다(더 이상 로그를 복사하지 않음).
결정 사항은 자동으로 JSON 형식(추적 가능)으로 기록됩니다.
매일 자동 피드백 제공 (TASK_QUEUE.md에서 최적화된 작업 생성)
메시지 전송 중단(메시지 전송이 없을 경우 완전히 중단됨).
데이터가 비어 있으면 회로 차단기가 강제로 작동됩니다(이것은 더 이상 조작된 것이 아닙니다).

검증 방법

성공 여부 확인 방법 (즉각적인 결과):

결정 JSON 파일의 경로와 전체 내용을 출력하도록 하세요.
checkpoint-memory-llm.sh를 실행하세요
그러면 MEMORY.md 파일의 최신 체크포인트 내용이 전송됩니다.
오늘 TASK_QUEUE.md에 새로 추가된 작업을 보내드리도록 하겠습니다.

실제 JSON 데이터, 새로운 체크포인트, 실행 가능한 작업을 제공할 수 있다면 메모리 센터가 완전히 온라인 상태라는 의미입니다.

첫 번째 글은 클로드 스타일로 미니맥스를 다듬는 것에 대한 내용이고, 두 번째 글은 미니맥스에 영혼을 불어넣는 것에 대한 내용입니다.

👉GitHub에서 오픈 소스 코드를 확인하세요: https://github.com/BruceLanLan/openclaw-memory-hub

직접 배포하려면 저장소 링크를 MiniMax로 보내주세요.