능동 앵커(Active Anchor) 사용자 주도 세션 연결 및 지연 참조(Session Linking & Lazy Reference) 시스템

1. 개요

현재 대부분의 LLM 서비스는 긴 프로젝트를 이어갈 때 다음과 같은 문제를 가진다.

- 하나의 채팅을 계속 이어 사용한다.
- 새 채팅을 만들면 이전 내용을 복사하거나 요약해서 붙여 넣는다.
- 메모리 기능에 의존한다.
- 시스템이 알아서 과거 대화를 추측하여 연결한다.

이 모든 방식은 각각 장단점이 있지만, 공통적으로 다음 문제를 가진다.

- 컨텍스트가 계속 커진다.
- 불필요한 정보까지 계속 유지된다.
- 요약 과정에서 문맥이 손실된다.
- 시스템의 추측이 개입된다.
- 프로젝트가 많아질수록 관리가 어려워진다.

본 프로젝트는 이러한 문제를 해결하기 위한 새로운 세션 관리 구조인 능동 앵커(Active Anchor)를 제안한다.

---

2. 핵심 개념

능동 앵커는 기존 대화를 현재 컨텍스트에 복사하는 방식이 아니다.

사용자가

"이 채팅은 이전 특정 채팅을 이어간다."

라는 참조 관계만 명시적으로 지정한다.

즉,

내용을 가져오는 것이 아니라,

연결만 생성한다.

실제 이전 대화는 현재 컨텍스트에 포함되지 않는다.

필요한 순간에만 해당 세션을 참조한다.

즉,

Current Session

↓

Active Anchor

↓

Referenced Session

이라는 매우 단순한 구조를 가진다.

---

3. 기존 방식과의 차이

① 기존 방식 : 같은 채팅 계속 사용

장점

- 모든 문맥 유지

단점

- 컨텍스트가 계속 증가
- 불필요한 과거 내용도 계속 유지
- 프로젝트가 길어질수록 관리 어려움

---

② 기존 방식 : 요약 후 새 채팅

장점

- 컨텍스트 감소

단점

- 요약 과정에서 정보 손실
- 중요도 판단을 시스템이 수행
- 문맥 단절 발생

---

③ 기존 방식 : 메모리 기능 활용

장점

- 일부 정보 유지

단점

- 메모리는 프로젝트 저장소가 아님
- 프로젝트 종료 후에도 남음
- 서로 다른 프로젝트가 혼합될 가능성 존재

---

④ 능동 앵커

사용자는

"이전 채팅을 앵커로 지정"

만 수행한다.

이후 AI는

필요할 때만

해당 세션을 참조한다.

즉,

복사가 아니라

참조이다.

---

4. 기술 개념

능동 앵커는 매우 단순한 구조이다.

새로운 AI 모델이 필요하지 않다.

새로운 학습 방법도 필요하지 않다.

기존 LLM 구조를 변경할 필요도 없다.

필요한 것은

세션 간 참조 정보 하나이다.

예시

Current Session

↓

Anchor Session ID

↓

Referenced Session

평상시에는 Anchor Session ID만 존재한다.

실제 세션은 로드되지 않는다.

필요할 때만 참조된다.

즉,

Lazy Reference

구조이다.

---

5. Working Context와 Reference Context의 분리

기존 방식

과거 대화를 현재 작업 공간에 계속 유지한다.

능동 앵커

현재 작업 공간과

과거 참조 공간을 분리한다.

Working Context

현재 추론에 필요한 정보

Reference Context

필요 시 참조하는 과거 세션

즉,

현재 작업은 항상 가볍게 유지하면서,

필요한 순간에만 과거를 활용한다.

---

6. 사용자 주도 철학

능동 앵커의 가장 중요한 철학은

AI가 추측하지 않는다는 것이다.

현재 대부분의 시스템은

어떤 과거 대화를 사용할지

시스템이 판단한다.

능동 앵커는

사용자가

직접 참조 대상을 지정한다.

즉,

검색 대상 자체를 사용자가 결정한다.

---

7. 기대 효과

① 컨텍스트 윈도우 절약

전체 대화를 현재 세션에 복사하지 않는다.

필요할 때만 참조한다.

---

② 프로젝트 관리 향상

논문

게임

철학

개발

연구

등

모든 프로젝트를 독립적으로 관리 가능하다.

---

③ 새 채팅의 독립성 유지

새로운 아이디어는 새로운 채팅에서 시작한다.

그러나 필요한 경우

이전 프로젝트와 연결된다.

---

④ 복붙 제거

수천 줄의 대화를 다시 붙여 넣을 필요가 없다.

---

⑤ 요약 의존 감소

사용자가

요약을 만들 필요가 없다.

---

⑥ 사용자 주도성 강화

AI가

어떤 과거를 사용할지

추측하지 않는다.

사용자가 지정한다.

---

⑦ 검색 공간 감소

사용자의 채팅이

수백 개

수천 개

수만 개가 될수록

시스템은 검색해야 할 대상이 증가한다.

능동 앵커는

사용자가

참조 대상을 직접 지정한다.

따라서 검색 대상 자체가 크게 줄어든다.

---

⑧ 장기 프로젝트 지원

몇 달,

몇 년 동안 진행되는 프로젝트도

독립적인 세션을 유지하면서

필요 시 연결 가능하다.

---

⑨ 현재 작업 컨텍스트 최소화

기존 방식은

긴 프로젝트 전체를 계속 현재 문맥에 유지한다.

능동 앵커는

현재 작업만 현재 문맥으로 유지한다.

과거는 참조 대상으로만 존재한다.

결과적으로 현재 작업은 항상 작은 컨텍스트에서 진행될 수 있다.

---

⑩ Context Hallucination 감소 가능성

필요하지 않은 과거 문맥이

현재 작업에 지속적으로 포함되지 않는다.

필요한 세션만 참조하므로

의도하지 않은 과거 문맥의 개입 가능성을 줄이는 방향으로 설계된다.

---

8. 브랜치 기능과의 관계

능동 앵커는

브랜치를 대체하는 기능이 아니다.

브랜치는

같은 세션 안에서 분기한다.

능동 앵커는

독립된 새로운 세션을 생성하면서

이전 세션을 참조한다.

즉,

브랜치는

세션 내부 관리

능동 앵커는

세션 간 관리

라는 서로 다른 역할을 가진다.

두 기능은 함께 사용할수록 더욱 강력한 프로젝트 관리 환경을 제공할 수 있다.

---

9. 구현에 대한 입장

본 프로젝트는

새로운 세션 관리 아키텍처를 제안한다.

구체적인 구현 방식은

각 서비스의 구조와 정책에 맞게 자유롭게 적용할 수 있다.

예를 들어

- 몇 개의 앵커를 허용할 것인지
- 언제 실제로 참조할 것인지
- 캐시 정책
- 검색 정책
- UI 구성
- 성능 최적화
- 보안 정책

등은

서비스 제공자가 실제 환경에서 테스트와 운영을 통해 가장 적절한 방식으로 결정하면 된다.

본 프로젝트의 핵심은

세부 구현이 아니라

"현재 컨텍스트를 상속하지 않고, 참조만 상속하는 새로운 세션 관리 구조"

를 제안하는 데 있다.

---

10. 결론

능동 앵커는 기존의 메모리 기능이나 브랜치 기능을 대체하기 위한 것이 아니다.

사용자가 직접 과거 세션을 명시적으로 연결하고,

현재 작업과 과거 프로젝트를 분리하면서도,

필요한 순간에만 참조할 수 있도록 하는

새로운 세션 관리 아키텍처이다.

이는

프로젝트 관리,

사용자 주도성,

컨텍스트 관리,

검색 범위 축소,

장기 프로젝트 유지,

독립 세션 운영

등을 동시에 고려한 설계이며,

기존 LLM 위에 추가 가능한 구조로 제안된다.