확장 가능한 개인 브레인은 스스로 연결됩니다. 모든 페이지 쓰기가 엔터티 참조를 추출하고 타입화된 그래프 링크(attended, works_at, invested_in, founded, advises)를 LLM 호출 없이 생성하므로, 쓰기마다 추론 비용을 내지 않고 그래프가 확장됩니다. · 커리어해커 알렉스
절차
확장 가능한 개인 브레인은 스스로 연결됩니다.
모든 페이지 쓰기가 엔터티 참조를 추출하고 타입화된 그래프 링크(attended, works_at, invested_in, founded, advises)를 LLM 호출 없이 생성하므로, 쓰기마다 추론 비용을 내지 않고 그래프가 확장됩니다.
A scalable personal brain self-wires: every page write extracts entity references and creates typed graph links (attended, works_at, invested_in, founded, advises) with zero LLM calls per write — letting the graph scale without per-write inference cost.
memory-systemsai-codinggarry-tan
확장 가능한 개인 브레인은 스스로 연결됩니다.
모든 페이지 쓰기가 엔터티 참조를 추출하고 타입화된 그래프 링크(attended, works_at, invested_in, founded, advises)를 LLM 호출 없이 생성하므로, 쓰기마다 추론 비용을 내지 않고 그래프가 확장됩니다.
gbrain의 17,888페이지 코퍼스를 다룰 수 있게 만드는 아키텍처 주장입니다. 0-LLM 추출이 핵심 디테일입니다: 모든 쓰기가 그래프 변형이 되지만, 그래프 변형은 저렴합니다(정규식 + 엔터티 해석). LLM 호출은 비쌉니다. 알렉스의 `edges.jsonl`은 구조적으로 비슷하지만 현재는 LLM이 큐레이트합니다 — 자연스럽게 진화해 갈 방향입니다.
