# \#redplanet **URL:** https://discuss.pytorch.kr/tag/redplanet/5149.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [C.O.R.E: 사용자의 지식과 상호작용할 수 있는, LLM을 위한 공유 가능한 메모리 시스템](https://discuss.pytorch.kr/t/c-o-r-e-llm/7231)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 7, 2025, 10:30오전 UTC](https://discuss.pytorch.kr/t/c-o-r-e-llm/7231 "2025-07-07T10:30:24Z")
C.O.R.E 소개 최근 생성형 AI 모델, 특히 대형 언어 모델(LLM)의 사용이 일상화되면서, 사용자 개인의 맥락(Context)을 이해하고 지속적으로 기억하는 기능의 필요성이 커지고 있습니다. 대부분의 LLM 애플리케이션은 사용자의 이전 대화나 선호, 지식 등을 기억하지 못하거나, 해당 기능이 플랫폼이나 클라우드에 종속되어 있어 사용자가 완전한 소유권을 가지지 못하는 문제가 있습니다. 이런 상황에서 RedPlanetHQ의 \*\*C.O.R.E(Contextual Observation & Recall Engine)\*\*는 개인화된 맥락 저장 기능을 로컬 또는 클라우드에서 독립적으로 운영할 수 있는 솔루션으로 주목받고 있습니다. C.O.R.E는 단순히 이전 대화를 저장하는 수준이 아닌, 사용자의 지식과 상호작용을 시계열 기반의 지식 그래프로 구성하여 다양한 툴과 연동할 수 있도록 설계되었습니다. 사용자는 자신의 데이터를 완전히 통제하며, 필요 시 다른 애플리케이션들과 연결하여 더욱 풍부한 LLM 상호작용을 구현할 수 있습니다. 이 시스템은 Cursor, Claude 등의 툴과 연동이 가능하며, 특히 SOL이라는 개인 AI 어시스턴트와 결합하여 사용자의 선호, 사실 정보, 맥락을 기반으로 더 정확하고 맞춤형 응답을 제공할 수 있도록 지원합니다. 일반적인 LLM 메모리 시스템은 단순히 대화 이력을 저장하거나 최근 컨텍스트만 유지하는 수준에 머무르는 경우가 많습니다. 반면 C.O.R.E는 아래와 같은 차별점을 가집니다: 지식 그래프 기반: 각 정보는 단순한 노트가 아닌 “Statement” 단위로 저장되며, 언제, 누가, 왜 이런 발언을 했는지까지 함께 기록됩니다. 변경 이력 추적: 모든 정보는 시간에 따른 변경사항을 추적할 수 있어, “무엇이, 언제, 왜 바뀌었는가”에 대한 감사를 할 수 있습니다. 시맨틱한 검색: 단순 키워드가 아닌, 시계열적 의미가 담긴 컨텍스트 기반 검색이 가능합니다. 이러한 구조는 기존의 Pinecone,…