Claw-Stack 구축 기록 — AI 에이전트 아키텍처, 메모리 시스템, 멀티 에이전트 조율, 그리고 실패한 것들.
Microsoft Teams에는 웨이크 워드로 회의 중간에 어시스턴트를 소환할 수 있는 진정한 AI 음성 통합 기능이 없습니다. 우리가 만들었습니다. 이것이 GPU 서버에서 STT를 실행하고, 가상 PulseAudio 장치를 통해 오디오를 라우팅하며, 웨이크 워드로 트리거되는 AI 에이전트를 실시간 회의에 연결하는 실시간 음성 파이프라인 뒤의 아키텍처입니다.
읽기 →Claude Code는 강력한 코딩 도구입니다. 하지만 단독으로는 수동적입니다. 자동으로 검증하지 않고, 미리 계획하지 않으며, 실수에서 배우지 않습니다. 3계층 에이전트 아키텍처로 감싼 방법을 소개합니다.
읽기 →두 가지 문제가 우리 AI 에이전트를 괴롭혔습니다. 도구 출력으로 인한 컨텍스트 윈도우 폭증(컨텍스트의 82.5%가 도구 결과) 및 /new 실행 시 단기 메모리 인수 없이 모든 작업 상태 초기화. 우리는 공격적인 컨텍스트 가지치기를 구현하고, MEMORY.md를 97% 압축하며, 각 세션 재설정 전에 메모리 파일을 자동으로 업데이트하는 세션 인수 훅을 작성했습니다.
읽기 →Librarian 뒤에 있는 CTF 지식 검색 시스템을 어떻게 구축했는지: 정확한 페이로드를 위한 SQLite, 방법론을 위한 ChromaDB, 로컬 도구를 위한 JSON 인덱스 — 자동 폴백과 크로스 타입 향상을 통해 단일 게이트웨이로 통합됨.
읽기 →Mac mini에서 OpenClaw의 iMessage 채널을 24/7로 운영하면서 발견된 3가지 신뢰성 문제 — FSEvents 병합, 첨부 파일 경로 샌드박싱, TCC 권한 재설정. 무엇이 잘못되었는지와 각각을 어떻게 해결했는지 설명합니다.
읽기 →Claw-Stack 메모리 시스템을 구축한 방법: 세션 시작 인덱스로서의 MEMORY.md, 주제별 Markdown 파일, SQLite FTS5 + QMD 벡터 검색, 그리고 MEMORY.md 비대화에 대한 고통스러운 교훈
읽기 →Claw-Stack Trinity 아키텍처를 BearcatCTF 2026에 배포한 전체 회고 — 무엇이 효과적이었는지, 무엇이 그렇지 않았는지, 그리고 AI 에이전트의 한계가 어디인지에 대해.
읽기 →OpenClaw는 얇은 실행 엔진입니다. LangChain은 두꺼운 프레임워크입니다. 이 구분이 왜 중요한지, 그리고 우리가 전자를 선택한 이유를 알아봅시다.
읽기 →