OpenClaw 사용 후기의 많은 부분이 설치,외부 연동,API Token 절약 등에 관한 것입니다. 효율적인 메모리 관리 방법, 외부 API 토큰 소모하지 않고, 로컬 도구로 대치 가능한 방안,그리고, 다양한 Skill의 기능별 분류 사이트 정보를 모아 보았습니다.

AD

AI API Token을 소모하지 않는 3개의 로컬 도구-메모리,웹브라우징,메일

OpenClaw가 상용 AI API Token을 사용하지 않고 메모리 관리, 웹 브라우징, 메일 관련 작업을 수행할 수 있는 방법을 찾아 적용한 후기입니다. 저자는 API Token을 사용하지 않은 방법으로 아래와 같은 방안을 제시하고 있습니다.

  • skill.md 생성 할 때, OpenClaw agent가 직접 만들도록 하지 않고, Claude Code로 생성
  • 메모리 관리: OpenClaw가 사용하는 기본 메모리 관리 방법은 memory.md 파일에 기록하고 검색하는 것입니다. 메모리가 커지게 되면 어느 순간 프롬프트는 관련 없는 맥락으로 불필요하게 부풀려지는 상태가 됩니다. 이 문제 해결을 위해서 저자가 사용한 것이 QMD (Query Markup Documents) 입니다. 참고로, QMD는 Markdown 기반 문서를 로컬에서 검색하기 위해 개발된 경량 CLI 검색 엔진이고, memory 관리를 위한 “실험적 Backend“입니다.
    (참고) QMD (Query Markdown) System
  • agent-brower 사용으로 웹 브라우징에서 발생하는 대용량 HTML과 불필요한 컨텐츠 다운로드로 인한 Context Window 가 넘치는 것을 방지할 수 있다고 합니다.
  • 메일의 경우, Gmail 메일함을 이용하는 대신에 AI를 위한 별도의 Agent Mail 메일함을 이용했다고 합니다.

Vector Memory 대신에 지식 그래프 사용한 후기

요지

작성자는 AI 에이전트의 기억을 벡터(임베딩) 기반 저장소 대신 지식 그래프(문서 + 속성 + 쌍방향 링크)로 관리하도록 바꿨고, 한 달 동안의 운영 결과를 보고함.
직접 개발한 MCP 서버(프로젝트명: graphthulhu)를 통해 에이전트가 Logseq 또는 Obsidian 볼트에 읽기/쓰기 방식으로 구조화된 페이지를 생성하도록 함.

주요 통계

  • 한 달 후 404개 페이지, 1,451개 교차참조(크로스레퍼런스).

벡터 메모리의 문제점(저자가 지적한 단점)

  • 단일 관점 검색: 저장될 때의 관점과 쿼리 관점이 맞아야 찾아짐.
  • 구조 부재: 핵심 선호도와 일회성 이벤트가 동일하게 취급됨.
  • 관계 부재: 사실 A와 B가 연결되어 있다는 정보를 보여주지 못함.

지식 그래프의 장점

  • 링크가 곧 검색 경로: 여러 진입점(멀티 훅)으로 항목에 접근 가능.
  • 타입/속성 관리: 페이지에 타입(project/decision/research/lesson 등), 상태, 생성/업데이트 타임스탬프 등 구조화된 메타데이터 제공.
  • 관계 표현: 원인-결과, 결론-근거 등 관계를 명시적으로 연결할 수 있음.
  • 지속성/복원력: 플레인 마크다운 파일(디스크에 저장)이라 에이전트 충돌이나 모델 교체 시에도 보존됨. git으로 버전 관리 가능.
  • 에이전트 주도 유지: 주기적 ‘하트비트’에서 일일 노트를 검토해 중요한 항목을 그래프에 승격함(임시 메모와 장기 기억 분리).

단점 및 트레이드오프

  • 초기 구조화 작업 필요: 에이전트와 사용자가 규칙(항상 링크하기, 속성 표준 등)을 지켜야 함.
  • 편의성 대신 심도 선택: 더 많은 규율과 약간의 초기 비용 요구.

[보너스] awesome-openclaw-skills

유용한 OpenClaw skill들을 각 기능에 따라 분류했습니다.

관련 게시글

※ 출처: Reddit/Clawdbot, LocalLLM

AD

RELATED ARTICLESMORE FROM AUTHOR

LEAVE A REPLY

Please enter your comment!
Please enter your name here