아톨러브

이제 vector_store.py를 만들고, PostgreSQL의 memories 테이블과 ChromaDB를 연결하는 단계입니다. [요약]# 1. vector_store.py 만들기 # 2. 테스트 파일 만들기: test_vector_store.py # 3. 테스트1. # 4. 추가 수정 # 4.1. 검색 결과를 보기 좋게 출력하는 함수 추가: ===> def print_search_results(results): # 4.2. database.py의 get_memories() 반환값 확인후 수정: ===> user_id 추가 # 4.3. PostgreSQL tuple을 ChromaDB용 dictionary로 변환하는 과정 추가: ===> def memory_tuple_to_di..

기존 PostgreSQL을 버리고 ChromaDB로 바꾸는 것이 아니라, PostgreSQL은 사용자·기억의 원본 저장소로 유지하고, ChromaDB는 의미 기반 검색을 담당하도록 추가하는 것입니다.이렇게 해야 지금까지 배운 내용도 버리지 않고, 실제 AI Agent 구조에 가까워집니다. [요약]# 1. pip install chromadb 설치 ===> pip show chromadb로 확인# 2. test_chroma.py ===> python .\test_chroma.py 확인1. 왜 지금 ChromaDB를 배우는 것이 좋은가?현재 Agent는 대략 다음 구조입니다.사용자 질문 ↓PostgreSQL에서 사용자의 기억 조회 ↓최근 기억 또는 중요도 높은 기억 반환 ↓LLM..

지금까지는 “장기기억을 저장하고 꺼내는 Memory Layer”를 독립적으로 만드는 단계였습니다.이제 다음 단계는 자연스럽게 다음과 같습니다. [요약]# 1. agent_with_memory.py 생성, 그리고 수정(장기기억용(3)) # 2. database.py 수정(장기기억용(1)(2)) # 3. 테스트 실시 다음 단계: Memory Layer를 Agent Loop에 연결하기지금까지의 구조는 다음과 같습니다.사용자 대화 ↓extract_memory() ↓중요한 기억 추출 ↓PostgreSQL 저장 ↓search_memory() ↓기억 조회 ↓build_memory_context() 이제 이것을 실제 Agent에 연결합니다.사용자 질문 ↓Agent ↓① 관련..