인공지능 메모리와 관련하여 사람들이 하는 조용한 실수는 너무 많이 해결하려고 한다는 것입니다.

대부분의 메모리 시스템은 과거를 깔끔하게 압축하고 싶어합니다: 요약, 결정, 선호, 수정된 믿음. 문제가 해결된 경우 그것은 유용합니다. 하지만 많은 중요한 작업은 해결되지 않았습니다. 그것은 임시적인, 논쟁적인, 일부 증거가 있는, 혹은 다음 신호를 기다리는 것입니다.

만약 당신의 기억 시스템이 그 상태를 유지할 수 없다면, 그는 불확실성을 가짜 명확성으로 평평하게 만들 것입니다. 에이전트는 조직적으로 들릴 수 있지만, 그는 정리된 거짓을 상속받을 것입니다.

그것이 실패 모드입니다: 잊어버리지 않는 것이 아니라 너무 깨끗하게 기억하는 것입니다.

뒷담화는 너무 많이 동의하는 기억이다. 조기 폐결은 너무 많이 해결하는 기억이다. 둘 다 같은 뿌리에서 비롯된다: 편안함과 효율성을 판단보다 최적화하는 기억 시스템이다.

요약의 함정

요약은 중립적이지 않다. 각 요약은 중요한 것을 선택하고 사라지는 것을 선택하며, 미래가 물려받을 분위기를 선택한다.

모델이 혼란스러운 토론을 "사용자가 X를 결정했다"로 압축할 때, 토큰을 절약할 수 있지만 결정을 만든 압력을 삭제할 수도 있습니다: 거부된 대안들, 불확실성 경계선, X가 사실이 아님을 멈추는 조건.

이것이 장기 AI 시스템이 잘못된 이유로 자신감을 갖는 방법입니다.

그들은 사실을 환각하지 않을 뿐만 아니라, 해결책을 환각합니다.

그들은 돌아갑니다:

There are three competing interpretations. One is currently stronger, but the evidence is incomplete.

입력하다:

User believes interpretation one.

그것은 효율적이군요. 사실은 판단의 손실입니다.

제품 예시는 간단합니다. 창립자가 말합니다, "제안이 잘 작동하지 않습니다." 서두른 기억 시스템은 기록합니다: "제안 실패했습니다." 하지만 제안이 실패하지 않았을 수도 있습니다. 분배가 약했을 수도 있습니다. 대중이 잘못되었을 수도 있습니다. 랜딩 페이지가 불분명했을 수도 있습니다. 제안이 좋지만 입증되지 않았을 수도 있습니다.

Offer failed는 깨끗한 요약입니다.

Offer unproven; distribution and audience mismatch unresolved는 더 나은 기억입니다.

첫 번째는 아이디어를 제거합니다. 두 번째는 질문을 보존합니다.

수정은 최종 레이어가 아닙니다

수정 메모리는 강력합니다 زیر에 이유는 생각이 어떻게 변화했는지를 보존하기 때문입니다: 당신은 X를 믿었지만, 증거는 Y를 바꾸었고, 미래의 행동은 조정되어야 합니다.

하지만 모든 가치 있는 메모리가 그 모양에 맞지 않습니다.

때로는 수정이 아직 없을 수도 있고, 때로는 긴장감이 있을 수도 있고, 때로는 패턴이 계속 나타나지만 주장이 되기에 충분한 증거가 없을 수도 있고. 때로는 당신의 오래된 믿음이 거짓이 아니라면, 부족했을 수도 있고, 맥락에 국한되었을 수도 있거나, 더 나은 프레임을 기다리고 있었을 수도 있습니다.

그것은 지속 가능한 기억 시스템이 선호 사항, 요약, 수정 이상으로는 부족하다는 의미입니다. 해결되지 않은 기억이 필요합니다: 결론으로 침투할 준비가 되지 않은 것들을 위한 공간입니다.

해결되지 않은 기억은 말합니다:

Do not decide this yet.
Do not forget it either.
Keep the tension visible until the evidence improves.

위험은 명백합니다: 개방적인 질문은 더 나은 형식으로 된 연기로 변할 수 있습니다. 그래서 해결되지 않은 기억은 구조, 검토 트리거, 강제 해결 규칙이 필요합니다. 중점은 모호함을 로맨틱하게 만들지 않는 것입니다. 중점은 불확실성을 그것이 아직 일을 하고 있을 때만 보존하는 것입니다.

삼층 프레임

연속성은 요약이 필요합니다. 판단은 수정이 필요합니다. 발견은 해결되지 않은 기억이 필요합니다.

불확실성의 아키텍처

잘못 해결되지 않은 기억의 입력은 자기 자신에게 모호한 메모가 아닙니다. 추론 시점의 지식 상태를 보존해야 합니다:

핵심 필드:

• 질문: 실제로 해결되지 않은 것은 무엇인가요?
• 태그 / 범위: 이것이 어떤 프로젝트, 도메인, 또는 결정에 영향을 미친다면?
• 실시간 해석: 가능성 있는 설명은 무엇인가요?
• 불확실성 경계: 아직 알려지지 않은 것은 무엇인가요?
• 다음에 필요한 증거: 어떤 점이 질문을 더 명확하게 만들까요?
• 리뷰 정책 / TTL:이게 언제 좁혀지거나 이동하거나 사라져야 할까요?

고급 필드, 위험 상황이 그럴 만할 때만:

• 해석마다 신뢰 범위:약함 / 중간 / 강함, 또는 20-40%와 같은 확률 범위.
• 거짓 채증 조건: 어떤 해석을 약화시키거나 제거할까요?
• 연결된 기억:관련된 수정 사항, 결정, 요약 또는 게이트.
• 상태:열려 있음, 좁혀짐, 게이트로 이동됨, 수정으로 이동됨, 해결됨, 아카이빙됨.

그 구조는 불확실성이 게으름이 되지 않도록 합니다. 그것이 없으면 "열린 마음을 유지하십시오"는 결정을 결코 내리지 않는 이유가 됩니다.

더 나은 템플릿

수정 로그 옆에 파일을 하나 추가하십시오:

open_questions.md

이 핵심 템플릿을 사용하십시오:

## [date] — [question title]
Status:
open / narrowed / moved to gate / moved to correction / resolved / archived

Tags:
[project/domain/decision]

Question:
What is unresolved?

Live interpretations:
1. [Interpretation] — why this is plausible
2. [Interpretation] — why this is plausible
3. [Interpretation] — why this is plausible

Current strongest read:
Which interpretation is leading, and why?

Uncertainty boundary:
What do we not know yet?

Next evidence needed:
What would make this clearer?

Linked memories:
- corrections.md: [...]
- decisions.md: [...]
- gates.md: [...]

Review policy / TTL:
If no new evidence arrives by [date or condition], then [decide / move to gate / archive].

높은 위험 질문에 대해 신뢰 범위와 거짓화 조건을 추가하십시오:

Interpretation: [...]
Confidence: weak / moderate / strong, or [20-40%]
Falsified if: [...]
Debiasing check: what would I believe if this interpretation were inconvenient?

정확한 백분율은 가짜 정밀도를 만들 수 있습니다. 예측을 실제로 캘리브레이팅하고 있을 때만 사용하세요. 대부분의 개인 시스템에서는 범위나 대역이 더 안전합니다.

구체적인 예시

코딩:

## 2026-05-24 — Is the slowdown algorithmic or data-shaped?
Tags:
search-api, performance, production

Question:
Is the latency spike caused by the algorithm, the data distribution, or the caching layer?

Live interpretations:
1. Algorithmic complexity — moderate — local profiling shows a slower path on larger inputs.
   Falsified if: production traces show constant-time behavior after cache miss removal.
2. Data distribution — moderate — slow requests cluster around unusually large tenant records.
   Falsified if: tenant size does not correlate with p95 latency.
3. Cache behavior — weak — recent cache-key change may be causing misses.
   Falsified if: hit rate remains stable across the spike window.

Current strongest read:
Algorithmic complexity is leading, but production traces are missing.

Uncertainty boundary:
No production profiling sample yet.

Next evidence needed:
Trace p95 requests by tenant size and cache-hit status.

Linked memories:
- corrections.md: "Do not optimize generated assumptions before profiling."
- gates.md: "Performance fix accepted only after p95 improves on production-like data."

Review policy / TTL:
If traces are not collected by Friday, stop debating and instrument first.

Status:
open

전략:

## 2026-05-24 — Is the market wrong, or is the channel wrong?
Tags:
market-entry, distribution, conversion

Question:
Is weak early traction evidence that the market does not want the offer, or evidence that the current channel is wrong?

Live interpretations:
1. Offer weak — weak — no purchases yet, but the sample is small.
   Falsified if: targeted readers save, reply, click, or buy after distribution.
2. Channel mismatch — moderate — the offer has not reached a meaningful targeted sample.
   Falsified if: 100 target readers in the right channel produce no clicks, replies, saves, or buys.
3. Positioning weak — weak — the buyer may understand the topic but not the outcome.
   Falsified if: interviews show the problem is clear and urgent but the offer still feels irrelevant.

Current strongest read:
Channel mismatch is leading, but the sample is not large enough.

Uncertainty boundary:
No reliable click-through, purchase intent, or target-reader sample yet.

Next evidence needed:
100 targeted readers or 14 days of deliberate distribution.

Review policy / TTL:
Review after sample threshold. If no signal, revise positioning before building a second offer.

Status:
open

문제는 영원히 질문을 열어두는 것이 아니라, 증거가 도착하기 전에 약한 요약이 실제 가설을 죽이지 않도록 하는 것입니다.

검색 위생

열린 질문은 비싼 메모리입니다. 모든 세션에 모두를 로드해서는 안 됩니다.

이 규칙을 사용하세요:

• 현재 활성화된 열린 질문을state.md.
• 프로젝트, 도메인, 결정 유형별로 열린 질문을 모두 태그합니다.
• 태그가 작업과 일치하는 항목만 로드합니다.
• 벡터 스토어를 사용하는 경우 해결되지 않은 항목에 별도의 네임스페이스 또는 메타데이터 필드를 부여합니다.
• TTL이 만료되지 않은 질문을 페이징하거나 아카이빙하지 않고 증거를 생성하지 않습니다.
• 주기적인 지식 검토를 실행하세요: 어떤 것은 계속 열려 있었고, 어떤 것은 좁혀졌고, 어떤 것은 게이트가 되었고, 어떤 것은 끝내야 하는가요?

에이전트 시스템에 대해서는 해결되지 않은 메모리는 명시적인 메타데이터를 가지고 있어야 합니다:

epistemic_status: unresolved
confidence_range: [low / medium / high]
review_date: [...]
surface_when: [matching project/tag/decision]

임베딩을 사용하거나 벡터 데이터베이스를 사용하는 경우, 해결되지 않은 항목을 필터링할 수 있도록 유지하세요. 간단한 규칙은 다음과 같습니다: 태그가 겹치고 의미적 유사성이 중요할 만큼 높을 때만 검색하세요. 정확한 임계값은 당신의 시스템에 따라 달라질 수 있지만, 원칙은 안정적입니다: 해결되지 않은 메모리는 관련성에 따라 선택적으로 사용해야 하며, 모든 컨텍스트 윈도우에 버려지지 않아야 합니다.

Obsidian, Logseq, Mem0, Zep, LangGraph, 또는 맞춤 벡터 스토어와 같은 도구에 매끄럽게 매핑하고 싶다면 프론트마터 또는 메타데이터를 사용하세요:

epistemic_status: unresolved
tags: [market-entry, distribution]
status: open
confidence_range: moderate
review_date: 2026-06-07
surface_when: [market-entry, pricing, distribution]

그렇지 않으면 검색이 맥락 오염이 됩니다. 해결되지 않은 질문이 너무 많으면 에이전트가 주저하고, 지루하며, 실행하는 데 비용이 많이 듭니다.

생애주기는 중요합니다

파일들은 별개의 상자가 아닙니다. 항목이 이동합니다: 열린 질문은 좁아지거나 분할되거나 게이트가 되거나 수정 사항이 되거나 새로운 증거 후 다시 열릴 수 있습니다.

이동 경로:

open question
  -> gate when the question becomes testable
  -> correction when evidence changes behavior
  -> decision when a path is chosen despite uncertainty
  -> archived when no longer decision-relevant
  -> reopened when new evidence changes the frame

예시 생애 주기:

open_questions.md
Question: Is the product weak, or has distribution not reached the right readers?
Status: open until 100 targeted readers or 14 days.

gates.md
Gate: If 100 targeted readers produce no clicks, saves, replies, or buys, revise the positioning.

corrections.md
Correction: "Shipping is not conversion." Publishing created an asset; distribution remained untested.

decisions.md
Decision: Keep the product live at $12 while testing distribution; reject building a second product until the gate resolves.

100명의 타겟 독자가 강하게 반응하지만 아무도 구매하지 않으면, 질문을 다시 열 수 있습니다:

open_questions.md
New question: Is the article strong but the Gumroad page under-converting?

당신은 항상 구전된 믿음을 바꾸지 않습니다. 때로는 그것들을 맥락에 맞춰, 좁혀, 또 새로운 증거 아래 다시 열어둡니다.

교차 심문 질문

세 가지 파일을 가지는 것이 아니라, 그들이 서로 주장하게 하는 것이 힘이 있습니다.

이 프롬프트를 사용하세요:

Read state.md, corrections.md, gates.md, and open_questions.md.
Use only open questions whose tags match the current task.
For each relevant open question:
- Check whether it conflicts with a previous correction or active gate.
- Classify it as productive uncertainty, retreaded error, lingering task, or avoidance.
- Flag anything older than 30 days without new evidence or a reviewed TTL.
- Separate what is known from what is assumed.
Do not resolve the question unless the missing evidence is present.

가장 큰 실패 모드를 포착합니다: "해결되지 않음"을 답변을 받아들이고 싶지 않다는 것을 가리키는 마스크로 사용합니다.

반패턴

해결되지 않은 메모리도 부패할 수 있습니다.

• 무한한 개방성 / 모호함 중독: 충분한 증거가 존재한 후 비약정을 세련됨으로 여기는 것.
• 흐리미한 직관: 검증 가능한 것을 만들어내는 것을 명명하지 않고 감정을 보존하는 것.
• 잘못된 균형: 더 강력한 증거가 있는 해석을 모든 해석과 동일하게 취급하는 것.
• 정체성 보호적 불확실성: 질문을 열어두고 있으나, 해결은 자아, 투자 손실, 이념, 또는 자기상상을 위협하기 때문입니다.
• 검토 트리거 없음: 결코 작업으로 돌아오지 않는 개방 루프를 만듭니다.
• 결정 관련 없음: 향후 어떤 조치에도 영향을 미치지 않는 질문을 아카이빙합니다.

수정은 사고 분류입니다. 모든 열린 질문에는 검토 트리거, 증거 대상, 또는 결정 링크가 필요합니다. 질문이 미래의 결정에 영향을 미칠 수 없다면 파일에 속하지 않을 수 있습니다.

프라이버시와 팀 맥락

개방적인 질문은 보통 수정 사항보다 더 민감합니다. 수정 사항은 잘못된 부분을 설명합니다. 개방적인 질문은 잘못될 수 있는 부분을 설명합니다: 전략, 능력, 관계, 시장, 아키텍처 또는 시점에 대한 의문을 설명합니다. 기본적으로 해결되지 않은 개인적인 기억을 지역에 유지하세요. 모든 클라우드 에이전트에 로드하지 마세요. 공개 예시와 실제 기록을 분리하세요.

팀이나 다중 에이전트 시스템에서도 해결되지 않은 기억에는 소유권이 필요합니다:

• 누가 질문을 소유하고 있습니까?
• 누가 해결할 수 있습니까?
• 어떤 증거 기준이 필요합니다?
• 어떤 사용자나 대리인이 보여줄 수 있어야 합니까?

소유권과 해결 권한이 없으면 공유된 개방형 질문은 정치적 안개가 됩니다.

어떻게 작동하는지 알 수 있습니다

시스템을 우아함이 아닌 행동으로 측정하세요. 추적:

• 결제는 증거가 부족해지기 전까지 연기되었으며,
• 개방적인 질문에서 게이트로 이동한 가정,
• 해결된 질문에서 생성된 수정 사항,
• 반복적인 실수를 피하기,
• 시간이 지남에 따른 예측 정확도,
• 리뷰 트리거 이후의 프로젝트 결과.

열린 질문이 결정을 결코 바꾸지 않으면 그것은 장식품입니다. 만약 올바른 결정을 늦추고 올바른 폐쇄를 가속시키면 그것은 인프라입니다. 수동 설정의 경우, 시스템이 새로운 동안 두 주에 한 번 검토하고, 안정화되면 월별로 검토하세요. 프로젝트당 활성 질문이 5개가 일반적으로 충분합니다; 나머지는 아카이브, 게이트, 결정, 또는 수정으로 이동해야 합니다.

검토 중에 다음 질문을 하세요:

• 어떤 개방형 질문이 결정을 바꾸었나요?
• 어떤 것은 새로운 증거가 없나요?
• 어떤 것은 그것의 TTL보다 오래되었나요?
• 어떤 것은 게이트가 되어야 합니까, 수정해야 합니까, 결정되어야 합니까, 아니면 아카이브가 되어야 합니까?
• 어떤 것은 답변이 불편하기 때문에 여전히 열어두고 있는 걸까요?

두 가지 유용한 KPI: 30일 이내에 해결되거나 이동된 열린 질문의 비율과 해결된 질문 중 이후에 반복적인 실수를 방지한 비율.

출처 및 관련 작업

이 기사는 불확실성 관리가 새로운 것이 아니라고 주장하고 있지 않습니다. Richards Heuer의 인지 분석 심리학(Psychology of Intelligence Analysis) 지능 작업 내에서 경쟁 가설의 형식화 분석. 필립 테트록과 굿 재단드 임팩트 프로젝트는 캘리브레이션, 확률 업데이트, 예측 윤리를 더 넓은 대중에게 이해 가능하게 만들었습니다. 과학은 검증 부정, 경쟁 모델, 동료 검토를 가지고 있습니다. 공학은 사건 사후 분석과 결정 기록을 가지고 있습니다. 법은 괄호 처리, 증거 기준, 해결되지 않은 사실적 질문을 가지고 있습니다.

여기서 중요한 점은 좁다: 개인형 AI 기억 시스템은 같은 규율이 필요하다. 만약 그들이 지식적 지위, 불확실성 경계, 검토 트리거를 보존하지 않는다면, 해결되지 않은 질문들을 확신 있는 요약으로 압축할 것이다.

연관 분야:

• 리처드스 휴어의 인지 분석 심리학
• 좋은 판단 / 초월 예측__
• 컨텍스트 회전 및 검색 이탈
• 사람 중심 평가
• 과학적 거짓 설정 및 경쟁 가설
• 엔지니어링 결정 기록 및 사후 분석

오늘 밤부터 시작하는 방법

open_questions.md을 만드십시오.

진정으로 해결할 수 없는 반복되는 질문에 대한 하나의 항목을 작성하십시오.

네 가지 규칙을 사용하세요:

• 최소 두 가지 생생한 해석을 명시하세요.
• 각 해석에 신뢰 구간과 거짓화 조건을 부여하세요.
• 결핍된 증거를 명시하세요.
• TTL 또는 리뷰 트리거를 지명하세요.

그런 다음 당신의 에이전트에게 질문하세요:

Read open_questions.md.
Tell me which current decision is being treated as settled even though the record says it is still unresolved.
Tell me which open question is productive uncertainty, and which one is avoidance.
Do not resolve a question unless the missing evidence is present.

대리인이 올바른 곳에서 당신을 늦추면 파일이 작동합니다.

수정 메모리는 당신이 실패한 것을 반복하지 않도록 보호합니다. 해결되지 않은 메모리는 당신이 아직 이해하지 못한 것을 죽이지 않도록 보호합니다.

이것은 수정-기억 프레임워크의 두 번째 레이어입니다: 추론 시점의 지식 상태를 보존하십시오, 이는 알려진 것이었던 것, 추론된 것이었던 것, 논쟁되었던 것이었던 것, 그리고 아직 부족한 증거가 무엇이었는지를 포함합니다.