# Conversation Summary Memory Conversation Summary Memory 노드는 이전 대화 기록을 LLM을 활용해 지속적으로 요약하며 저장하는 구조의 메모리입니다. 토큰 수를 효율적으로 관리하면서도 장기적인 대화 흐름을 유지하고자 할 때 적합합니다. *** ### 주요 기능 * 전체 대화 내용을 실시간으로 요약하여 컨텍스트 부담을 줄임 * LLM 기반 요약 기능을 통해 맥락 손실 없이 요약 유지 가능 * `Chat Model`을 활용한 자동 요약 처리 * Session ID 기반 다중 사용자 구분 및 상태 추적 지원

WindyFlo Conversation Summary Memory Parameters

### 입력값 (Inputs) | 항목 | 설명 | 필수 여부 | | ---------- | ----------------------------------------------------- | ----- | | Chat Model | 대화 내용을 요약할 LLM 노드 지정 (예: ChatOpenAI, ChatAnthropic 등) | 필수 | | Session Id | 세션 또는 사용자 식별자 (빈 값일 경우 고정 세션으로 동작) | 선택 | | Memory Key | 대화 히스토리를 저장할 키 (예: `chat_history`) | 필수 | *** ### 출력값 (Outputs) | 출력 항목 | 설명 | | ------------------------- | ----------------------- | | ConversationSummaryMemory | 요약된 대화 히스토리가 포함된 메모리 객체 | *** ### 활용 예시 * 전체 대화를 요약해 유지하며 빠르게 맥락을 파악해야 하는 업무용 챗봇 * 사용자의 주요 요청을 자동 요약하여 후속 질의 응답에 활용 * 장기 세션을 다루는 AI 상담사나 비서 서비스에서의 컨텍스트 유지 * 매번 전체 대화를 재전달하는 대신 요약본으로 효율적인 응답 제공 *** ### 사용 팁 * `Chat Model`은 요약에 최적화된 모델을 사용하는 것이 좋습니다 (예: GPT-4, Claude 등). * `Session Id`를 명확히 지정하면 사용자별 상태 추적 및 개별 기록 유지에 유리합니다. * 요약된 결과는 LLM 입력 컨텍스트에 직접 포함되므로, 요약 품질이 응답 품질에 영향을 미칩니다. *** ### 주의사항 * `Chat Model`을 지정하지 않으면 요약 기능이 작동하지 않으며, 실행 시 오류가 발생합니다. * Token 제한은 자동 관리되지 않으므로, 매우 긴 세션에서는 요약 누락 가능성이 존재합니다. * 요약이 반복될수록 초반 내용이 점차 단순화될 수 있어, 중요한 정보는 별도로 보관하는 것이 좋습니다. * 반드시 Agent 또는 LLM 노드와 함께 연결하여 사용해야 의미가 있습니다.