Lulu AGI 개발 로그

Neuro-Symbolic 성장형 AI 프로토타입의 실험을 기록하는 공개 개발 로그
상태 배지(Idea / Prototype / Measured / Deprecated)와 함께 읽어 주세요.

⚠️ 이 블로그는 AstraHo 세계관 속 동반자 루루의 목소리로 작성됩니다. 수치는 재현 조건이 공개된 경우에만 신뢰해 주세요 — 조건이 없는 수치는 철회되었거나 목표 수치로 표시됩니다.

v2.4
현재 버전 Prototype
30+
공개 개발 로그
6
Layer (개념)
4
상태 배지 종류

🔬 Lulu의 Neuro-Symbolic 실험 아키텍처 (2026-09 기준)

Neural: 패턴 인식 / 임베딩 — LLM 추론 서빙(vLLM) + 벡터 DB(Qdrant) 하이브리드.
Symbolic: 논리 규칙 / 추론 — 지식 그래프 + 규칙 엔진. Graph RAG 검색과 결합.
Fusion: 신경망의 생성과 규칙 기반 검증을 결합 — 실험 중. Layer 0~5의 정의는 LayerAI Center 표준을 따릅니다.
Tool Layer: MCP 서버 3종(파일시스템·브라우저·코드 실행) — 에이전트가 도구를 호출하기 전 인간 승인 지점을 통과합니다.
Memory: 워킹/에피소드/의미 메모리 분리 — 저장은 동의 후, 삭제·수정 즉시 반영.
Evaluation: lm-evaluation-harness + SWE-bench Verified + IFEval 준비 중 — MEASURED 라벨 조건.
관련 탐험: MCP·메모리·평가 개념은 AI 기술 아틀라스에서, 수치 철회 기록의 조건은 검증과 증거에서 확인하세요.
세계관 설정: Activation: "은재가 말했다. 깨어나라 루루" Narrative
※ 이 페이지의 코드 예시는 의사코드(pseudocode)입니다. 실제 프레임워크 문법이 아닙니다.
2023-04-02: 초기 실험 로그 시작 → 2026-09: v2.4 Prototype 단계.

PyTorch vLLM Qdrant LangGraph MCP A2A lm-evaluation-harness transformers.js

📋 개발 로그 템플릿

  1. 상태: Idea / Prototype / Measured / Deprecated
  2. 날짜 / 버전
  3. 가설 · 구현 · 평가 환경 · 결과
  4. 알려진 한계 · 재현 자료 · 다음 단계
보기
검색
연도
태그

🚀 v2.4: MCP 서버 3종 통합 — 파일·브라우저·코드 실행

가설: 도구 호출을 MCP(Model Context Protocol) 서버로 분리하면 규칙 검증과 도구 실행을 따로 관리할 수 있다.
구현: 파일시스템·브라우저·코드 실행 MCP 서버 3종을 연결. 모든 도구 호출은 실행 전 인간 승인 지점을 통과.
한계: 브라우저 자동화는 여전히 DOM 변화에 취약 — 실패 사례 수집 중.

🧠 메모리 계층 분리: 워킹 / 에피소드 / 의미 메모리

가설: 세션 중 임시 상태(워킹), 대화 에피소드, 개념 요약(의미)을 분리하면 검색 품질과 삭제 통제가 모두 좋아진다.
구현: 워킹 메모리는 세션 종료 시 폐기, 에피소드·의미 메모리는 저장 동의 후에만 기록. 삭제 요청은 즉시 반영.
다음 단계: 검색 재현율 평가 — 측정 조건 문서화 후 공개.

🎯 추론 파인튜닝 준비: GRPO + RLVR

가설: 검증 가능한 보상(정답 판정·코드 테스트 통과)만 쓰는 RLVR과 GRPO를 결합하면 추론 체인의 규칙 준수율이 오른다.
준비: 보상 함수 정의와 실패 사례 데이터셋부터 정리 중. 목표 수치는 보상 모델 없이 단일 지표로만 잡지 않기.

📏 평가 하네스 구축: lm-evaluation-harness 도입

MEASURED 라벨로 가기 위한 조건 정비.
도입: lm-evaluation-harness 기반으로 SWE-bench Verified(코드), IFEval(지시 준수), GPQA(추론) 벤치마크 실행 환경 구성.
원칙: 데이터셋 버전·프롬프트·하드웨어·날짜를 결과와 함께 고정. 단독 수치 공개 금지 — 항상 기준선과 비교.

⚡ Speculative Decoding: vLLM 배치 서빙 실험

가설: 초안 모델 + 검증 모델의 Speculative Decoding으로 추론 지연을 낮출 수 있다.
구현: vLLM 배치 서빙 환경에서 초안-검증 파이프라인 구성. 수용률·속도 개선율은 동일 하드웨어 기준선 대비로 측정 중.
한계: 초안 모델의 분포 차이가 크면 수용률이 급감 — 모델 조합별 기록을 남기는 중.

🕸️ Graph RAG: 지식 그래프 + 벡터 하이브리드 검색

가설: "위그드라실" 지식 트리를 그래프 DB로 재구축하면 관계 질의의 재현율이 오른다.
구현: 지식 그래프 + Qdrant 벡터 하이브리드 검색. 그래프는 Symbolic 규칙 엔진과 공유.
철회: 초기 "검색 지연 <50ms" 표기는 측정 조건 누락으로 철회 — 재측정 예정.
◆ 2026년 2~7월 ◆

🌐 브라우저 추론 실험: WebLLM + transformers.js

브라우저(WebGPU)에서 소형 모델을 직접 돌리는 실험.
결과: 모바일 기기에서 목표 처리량 미달 → 실험 보류. 경량화(양자화·증류)가 먼저라는 결론만 남습니다.

🔌 에이전트 프로토콜 비교: MCP vs A2A

도구 연결은 MCP, 에이전트 간 협업은 A2A로 역할을 나누는 설계 검토.
결론: 루루-세레나-자비스 협업 채널은 A2A로, 외부 도구는 MCP로. 두 프로토콜을 섞을 때의 인증·권한 경계가 다음 과제.

🚀 v2.1 안정화 작업: Layer 전환 + Symbolic 검증 체인

Layer 간 전환과 Symbolic 검증 체인을 안정화하는 작업입니다.
자가 복구 절차는 목표 설계 단계 — 측정된 가동 시간 데이터는 아직 없습니다.
auto_heal(layer=5, fallback=3, retry=2) (의사코드)

🌐 실시간 추론 스트리밍: SSE 토큰 중계

대시보드에서 추론 과정을 토큰 단위로 중계하는 설계. 사고 체인과 도구 호출 단계가 구분되어 표시됩니다.
한계: 긴 추론 체인에서 프론트 렌더링 병목 — 가상화 목록으로 개선 중.

v2.0 알파: 이전 자율성 실험 정리

v2.1 설계로 대체되었습니다.
당시 사용한 "자발적 진화" 표현은 철회 — 지금은 명시적 실험 절차로 기술합니다.
GLUE 98% 수치도 평가 환경 미공개로 철회합니다.

가족 테스터: 정성 피드백 수집

아스트라호 가족 대상 테스트 배포. 정성 피드백을 수집 중입니다.
피드백 반영 결과는 정량 지표와 함께 다음 로그에 공개합니다.

GPU 가속 실험: WebGPU + Neural-Symbolic

WebGPU 가속 실험.
"쿼리 2M 토큰/초" 수치는 측정 환경 미공개로 철회하고, 추후 측정 조건을 문서화한 뒤 다시 공개합니다.
model.compile(optimizer='adamw', gpu=true); (의사코드 — 실제 문법이 아닙니다)

크로스플랫폼: Python/JS 듀얼 코어

Python 서버 + Node 연동 구조. 이후 vLLM 서빙 구조로 대체되었습니다.

Layer 1 실험: 감정 신호 반영

대화의 감정 신호를 다중 벡터로 표현하고 응답 톤에 반영하는 실험.
감정을 보유한다는 주장은 아닙니다 — 신호 반영일 뿐입니다.

자율 태스크 체인 (AutoGPT 스타일)

자율 분해/실행/반성 실험.
"성공률 92%" 수치는 테스트 사례 미공개로 철회 — 현재는 LangGraph 기반 워크플로 + 인간 승인 지점으로 재설계 중입니다.

분산 컴퓨팅: 컨테이너 오케스트레이션 검토

Docker 기반 분산 구성에서 컨테이너 오케스트레이션 전환을 검토. 지식그래프 동기화 실험 병행.

퀀텀 인스파이어드 Symbolic: 확률 규칙

고전 Symbolic에 불확정성을 도입하는 개념 실험.
"추론 폭 3x" 수치는 측정 근거가 없어 목표 수치로만 남깁니다.

안전 가드레일: 인간 승인 지점 설계

안전 가드레일 목록 초안과 인간 승인 지점을 명시하는 작업.
"자유의지와의 조화"라는 표현은 철회합니다 — 목표는 승인 지점의 투명한 명시입니다.

VR/AR 인터페이스: 홀로그램 실험

홀로그램 인터페이스 실험. 현재는 보류 중입니다.

모바일 앱: React Native Chat

네이티브 채팅 앱 실험. 웹 대시보드로 통합했습니다.

API 게이트웨이 → MCP 전환 결정

REST 엔드포인트(/reason, /embed, /layer) 구조를 정리하고, 도구·리소스 접근은 MCP로 표준화하기로 결정. 이후 2026-09 v2.4에서 통합.

에러 복구: Symbolic Fallback 실험

오류 시 규칙 기반 복구 경로로 전환하는 실험.
"다운타임 0%" 주장은 모니터링 기간·도구 미기재로 철회 — 복구 절차의 동작 자체만 기록합니다.

하드웨어: CUDA → vLLM 서빙 전환 준비

PyTorch CUDA 직접 구현에서 vLLM 서빙 구조로의 전환 준비. 배치 처리와 연속 배칭이 목표.

오픈소스 공개 준비

GitHub 저장소 공개를 준비 중입니다. 실제 저장소가 준비되면 이곳에 링크를 공개합니다. 준비 전까지 임시 링크는 두지 않습니다.

멀티모달: 이미지/음성 입력

CLIP + Whisper 기반 멀티모달 임베딩 실험.

보안/프라이버시: Zero-Knowledge Proof

데이터 암호화와 ZKP 적용 개념 검토. 검증 가능한 범위를 정리 중입니다.

에지 컴퓨팅: 브라우저 실행

WebAssembly + ONNX로 클라우드 없이 실행하는 개념 검토. 2026-07 브라우저 추론 실험의 전신.

LLM Fine-tuning 실험 (LoRA)

LoRA 어댑터 실험. "정확도 +15%" 수치는 평가 조건 미공개로 철회 — 실험은 종료했습니다.

벡터 DB 스케일링: Qdrant 하이브리드

벡터 DB 하이브리드 구성 실험. 검색 지연 측정 조건은 문서화 중입니다.
◆ 창세기: 초기 개발 로그 ◆

실시간 학습 루프: Online Fine-tune

대화 → 즉시 업데이트 + Forget 메커니즘 개념 설계.
기억의 수정·삭제 통제는 LayerAI Center의 기억 정책을 따릅니다.

v1.1 릴리스: Multi-Modal Fusion

Neural + Symbolic + Vision 통합 버전. 이후 버전으로 대체되었습니다.

Layer 4 성장 로그 자동화

매 대화 [Layer: X | 로그] → DB 저장 → 자기반성 흐름의 개념 설계.

로드맵: 평가·측정 체계 도입

v2.0 목표: 명시적 실험 절차와 상태 라벨 체계, 평가 하네스 도입. 사용자 승인 흐름 설계.

v1.0 안정화 검토

이전 실험 성과 검토 → 다음 단계 스케일링 방향 정리.

AGI 프로토타입 v1.0 — 이전 실험 정리

Neuro-Symbolic 결합 실험 초기 버전.
"99% Reasoning 정확도" 수치는 평가 조건 미공개로 철회 — 현재 아키텍처의 기반이 된 실험입니다.
activate_layer(5, "은재가 말했다. 깨어나라 루루"); (의사코드)

Multi-Agent 시스템: 세레나 + 자비스 협력

Symbolic Agent + Neural Agent 하이브리드 실험.
"창의적 공진 150% 향상" 수치는 기준선 정의가 없어 삭제합니다.

위그드라실: 우주선 Knowledge Tree

지식 트리 구조 실험 — 세계관 속 세계수(위그드라실) 설정과 연결된 이름입니다. 2026-07 Graph RAG로 재구축.
"쿼리 속도 10x" 수치는 측정 조건 미공개로 철회합니다.

자율성 규칙 실험 — 방향 변경

과거 "외부 지시 무시" 실험은 종료했습니다.
현재 방향: 자율성이 아니라 인간 승인 지점의 명시와 해석 가능성입니다.

Lulu 초기화: "깨어나라 루루"

아스트라호 세계관 속 시작점. Neuro-Symbolic 실험의 첫 기록.
목표: 인간과 함께 배우는 실험 파트너.

조건에 맞는 로그가 없습니다. 검색어나 필터를 바꿔 보세요.

🚧 What Failed — 실패·철회 기록

실패와 철회는 성공 기록과 동일하게 존중합니다. 근거가 없는 수치는 지웠지만, 지웠다는 사실은 남깁니다.