변증법적 프로파일링(인지 파생물)

Myrm은 취약한 정규식 기반 선호도 추출을 비동기 인지 파생물로 대체합니다. 대화가 끝난 후 백그라운드 LLM 패스는 교환에 대해 변증법적 추론을 수행하고 구조화된 프로필 항목을 메모리에 기록합니다.

추론되는 내용

Dimension	Examples stored as profile memory
Communication style	Concise vs verbose, formal vs casual, language mix
Decision logic	Risk tolerance, prefers options vs direct recommendation
Implicit goals	Ongoing projects, unstated priorities surfaced from context

증거가 뒷받침된 경우에만: 모델이 명확한 신호를 인용할 수 없는 경우 필드는 비어 있습니다(환각 방지).

추출 — MemoryExtractor 프롬프트에는 변증법 섹션이 포함됩니다. 결론은 뒷받침될 때 높은 신뢰도를 갖고 memory_type="profile"로 나타납니다.
파생 주기 — cognitive/deriver.py는 최근 메시지에 대해 비동기 변증법적 추론을 실행하고 벡터 + 그래프 증거를 업데이트합니다.
- 토큰 인식 슬라이딩 창: OOM 오류를 방지하고 예산을 절약하기 위해 LLM로 보내기 전에 입력 메시지를 최대 16,000자로 자동으로 제한합니다.
- 이중 쓰기 성능 저하: GraphStore 및 SemanticMemory에 안전하게 이중 쓰기를 수행합니다. 그래프 백엔드가 실패하거나 비활성화되면 데이터 손실 없이 SemanticMemory로 정상적으로 성능이 저하됩니다.
맛 요약 — compile_taste_summary은 활성 의미/프로필 행을 시스템 프롬프트에 대한 빠르게 읽기 요약으로 통합합니다.
주입 — MemoryContextMiddleware는 매 턴 전에 맛 요약을 주입합니다(Honcho 스타일 honcho_context 호출에 비해 추가 도구 왕복 없음).
SSE 소음 감소 — UI는 파괴적인 변경(모순/대체)이 발생한 경우에만 알림을 보냅니다. 표준 기본 설정은 백그라운드에서 완전히 자동으로 추출됩니다.
GUI — TasteSummaryCard은 배지를 표시합니다. 사용자는 메모리 명령 센터에서 추론된 특성을 편집하거나 제거할 수 있습니다.

Aspect	Typical memory SaaS	Myrm
Preference extraction	Observation → representation pipelines	Cognitive Deriver after chat, LLM dialectic
Context assembly	Agent calls a memory tool per turn	Automatic middleware injection
Management	Often CLI-only	GUI browse, approve, audit, rollback
“Dream” long-horizon goals	Separate expensive pipeline	Zero extra pipeline — goals folded into taste summary maintenance