본문으로 건너뛰기

"크레딧이 없어서 기억을 못 찾습니다" — OpenClaw 메모리 검색을 로컬로 바꾼 후기

공대언니

2026.10.21

"크레딧이 없어서 기억을 못 찾습니다" — OpenClaw 메모리 검색을 로컬로 바꾼 후기

📝 한줄 요약

OpenClaw의 메모리 검색이 OpenAI 임베딩 API 크레딧 부족으로 멈췄습니다. ChatGPT 구독과 API 크레딧이 별개라는 사실을 확인한 뒤, 공식 llama.cpp 공급자와 EmbeddingGemma를 설치해 외부 임베딩 API 없이 내 PC에서 기억을 검색하도록 전환했습니다. 설정만 바꾼 데서 끝내지 않고 93개 파일을 다시 색인하고, 실제 질문으로 벡터 검색까지 검증했습니다.

바쁘시면 이것만 읽어도 됩니다:

  • ChatGPT나 Codex를 유료로 쓰고 있어도 OpenAI API 크레딧은 별도입니다.

  • OpenClaw가 임베딩 공급자를 따로 지정하지 않으면 OpenAI 임베딩을 사용할 수 있습니다.

  • 크레딧이 0원이 되자 대화는 가능했지만, 과거 메모리를 찾는 기능만 429 오류로 멈췄습니다.

  • 공식 llama.cpp 플러그인과 약 0.3GB의 EmbeddingGemma 모델을 설치해 로컬 임베딩으로 전환했습니다.

  • 93개 파일, 276개 청크를 다시 색인했고 실제 검색 결과에 벡터 점수가 생성되는 것까지 확인했습니다.

  • API 비용은 없어졌지만 첫 실행과 재색인은 더 오래 걸렸습니다. 무료에는 늘 다른 계산서가 붙습니다.

🎯 이런 분들께 도움돼요

  • AI 에이전트에게 개인 메모리나 옵시디언 자료를 검색하게 하는 분

  • ChatGPT 구독료와 OpenAI API 요금의 차이가 헷갈리는 분

  • 임베딩 API 크레딧 부족 때문에 RAG나 의미 검색이 멈춘 분

  • 개인 문서를 외부 임베딩 API에 보내지 않고 로컬에서 처리하고 싶은 분

  • "설치 완료"가 아니라 실제 검색 결과까지 검증하는 과정을 보고 싶은 분

😫 문제 상황 (Before)

OpenClaw에게 "메모리 검색 가능합니까?"라고 물었습니다. 이어서 제 제다이식 마스터 이름이 무엇인지 확인해 달라고 했습니다. 이름은 이미 USER.md에 기록되어 있었기 때문에 원래라면 바로 찾을 수 있어야 했습니다.

그런데 검색은 다음 오류와 함께 멈췄습니다.

openai embeddings failed (429)
You have no credits remaining.
credit_balance_exhausted

처음에는 이상했습니다. ChatGPT와 Codex를 유료로 사용하고 있었기 때문입니다. 하지만 대화 모델 사용료와 API 크레딧은 같은 지갑이 아니었습니다. OpenClaw의 메모리 검색은 문장을 숫자 벡터로 바꾸기 위해 별도의 임베딩 공급자를 사용하고 있었고, 당시 설정에서는 OpenAI의 text-embedding-3-small이 호출되고 있었습니다.

결과적으로 이런 상태였습니다.

기능

상태

AI와 대화하기

정상

로컬 파일 직접 읽기

정상

과거 기억의 키워드·의미 검색

OpenAI 임베딩 429로 중단

기존 벡터 인덱스

손상을 피하기 위해 변경하지 않고 보존

대화가 되니 전체 시스템이 정상이라고 생각하기 쉽지만, 실제로는 "기억을 찾는 부품"만 멈춰 있었습니다.

🛠️ 사용한 도구

  • OpenClaw 2026.10.1: 개인 AI 에이전트와 메모리 검색 운영

  • OpenClaw 공식 llama.cpp 공급자: 로컬 임베딩 서버 설치·관리

  • EmbeddingGemma 300M QAT Q8_0: 문서를 768차원 벡터로 변환하는 로컬 임베딩 모델

  • Obsidian: MEMORY.md, USER.md, 일별 기억 파일 관리

  • Windows + NVIDIA GPU: CUDA 기반 llama.cpp 실행


🔧 작업 과정

1단계. "크레딧 부족"을 결제 문제와 설정 문제로 나눴다

처음부터 API 크레딧을 충전하는 대신, 무엇이 OpenAI API를 호출하는지 확인했습니다.

오류 메시지에는 세 가지 단서가 있었습니다.

  1. 실패한 기능은 일반 대화가 아니라 embeddings였습니다.

  2. 사용 모델은 text-embedding-3-small이었습니다.

  3. 오류 코드는 인증 실패가 아니라 credit_balance_exhausted였습니다.

즉 API 키가 틀린 문제가 아니라, 임베딩 API에 사용할 잔액이 없는 상태였습니다. 여기서 선택지는 두 가지였습니다.

  • OpenAI API 크레딧을 충전한다.

  • 임베딩 공급자를 로컬 모델로 바꾼다.

저는 반복 비용과 개인 문서 전송을 줄이기 위해 두 번째 방법을 골랐습니다.

2단계. 이미 있는 도구부터 확인했다

먼저 Ollama 플러그인이 켜져 있는 것을 발견했습니다. 하지만 플러그인만 활성화되어 있을 뿐, 실제 Ollama 실행기는 설치되어 있지 않았습니다. 간판은 있는데 주방이 없는 식당과 비슷했습니다.

그래서 OpenClaw 문서에서 메모리 검색용 공식 경로인 llama.cpp 공급자를 확인했습니다. 로컬 임베딩을 관리형 서버로 실행하고, 필요한 GGUF 모델도 함께 내려받는 방식이었습니다.

3단계. 최신 버전보다 "호환되는 버전"을 설치했다

처음 공식 카탈로그의 최신 플러그인을 설치하려 했지만 거부됐습니다.

Plugin API required: 2026.10.4 이상
Current OpenClaw runtime: 2026.10.1

여기서 무조건 최신판을 밀어 넣지 않았습니다. 현재 런타임과 같은 2026.10.1 버전의 llama.cpp 공급자를 찾아 설치했습니다.

이번 작업에서 가장 중요한 교훈 중 하나였습니다.

최신 버전이 항상 정답은 아닙니다. 플러그인 생태계에서는 "호스트와 맞는 버전"이 정답입니다.

4단계. 메모리 공급자만 로컬로 바꿨다

대화 모델은 그대로 유지하고, 메모리 검색에 사용하는 임베딩 공급자만 바꿨습니다.

{
  "memory": {
    "search": {
      "provider": "local",
      "fallback": "none",
      "local": {
        "modelPath": "hf:ggml-org/embeddinggemma-300m-qat-q8_0-GGUF/embeddinggemma-300m-qat-Q8_0.gguf"
      }
    }
  }
}

여기서 fallback: "none"도 중요했습니다. 로컬 검색이 실패했을 때 몰래 OpenAI API로 되돌아가면 크레딧 문제가 다시 생길 수 있기 때문입니다.

설정 변경 후 검증 결과는 정상이었습니다.

provider: local
fallback: none
config valid

5단계. 채팅 모델은 건드리지 않고 임베딩만 설치했다

OpenClaw 설정 화면에서 로컬 임베딩 전용 설치를 선택했습니다.

설치 전 안내는 명확했습니다.

EmbeddingGemma 약 0.3GB 설치
현재 채팅 모델은 변경하지 않음

실제로는 임베딩 모델 외에도 CUDA용 llama.cpp 실행 파일과 라이브러리가 필요해 총 다운로드 용량은 더 컸습니다. 모델만 보고 디스크 사용량을 예상하면 안 된다는 점도 알게 됐습니다.

설치 후 로컬 서버가 다음 상태로 올라왔습니다.

  • 실행 방식: OpenClaw 관리형 llama.cpp 서버

  • 가속: CUDA 12.4

  • 모델: EmbeddingGemma 300M QAT Q8_0

  • 엔드포인트: health, models, props, metrics 모두 ready

6단계. 기존 기억 93개를 전부 다시 색인했다

임베딩 모델이 바뀌면 기존 OpenAI 벡터와 새 로컬 벡터를 섞어 쓸 수 없습니다. 그래서 전체 메모리 인덱스를 다시 만들었습니다.

Indexed: 93/93 files
Chunks: 276
Dirty: no
Embeddings: ready
FTS: ready
Vector dimensions: 768

색인 중에는 SQLite 잠금 경합 경고와 느린 트랜잭션 로그가 몇 번 나타났습니다. 하지만 최종 종료 코드는 0이었고, 모든 파일이 색인됐으며 데이터베이스 무결성 검사도 통과했습니다.

중간의 빨간 문장보다 최종 상태와 완료 조건을 확인해야 한다는 뜻입니다.

7단계. 익숙한 질문으로 실제 벡터 검색을 검증했다

설치 로그만 보고 끝내지 않았습니다. 제가 답을 알고 있는 질문을 던졌습니다.

제다이식 마스터 이름

검색 결과 첫 번째로 USER.md의 다음 기록을 찾았습니다.

제다이식 이름 "루네아"로 부를 때만 "마스터 루네아"라고 부른다.

결과에는 키워드 점수뿐 아니라 벡터 점수도 함께 생성됐습니다.

vectorScore: 0.6421
combined score: 0.7495

이 값이 있다는 것은 단순 문자열 검색이 아니라 로컬 임베딩을 이용한 의미 검색이 실제로 동작했다는 증거였습니다.

8단계. CLI는 성공했는데 Telegram에서는 한 번 더 실패했다

마지막 함정이 남아 있었습니다. 명령줄에서 새 설정으로 검색은 성공했지만, 이미 실행 중이던 Telegram 게이트웨이는 이전 OpenAI 설정을 메모리에 들고 있었습니다. 그래서 도구를 통해 다시 검색하자 한 번 더 429가 발생했습니다.

게이트웨이를 안전 재시작한 뒤에는 공급자가 local로 바뀐 것을 확인했습니다. 다만 첫 검색에서 로컬 서버를 띄우고 넓은 범위를 검색할 때는 30초 제한을 넘겨 키워드 결과만 먼저 반환되기도 했습니다.

API 크레딧 문제는 해결됐지만 새로운 현실도 생겼습니다.

로컬 검색은 돈 대신 디스크, GPU, 시작 시간으로 비용을 냅니다.


✅ 결과 (After)

Before vs After

항목

Before

After

임베딩 공급자

OpenAI API

로컬 llama.cpp

크레딧 상태

잔액 부족 시 429

API 크레딧 불필요

문서 처리 위치

외부 API 호출

내 Windows PC

채팅 모델

기존 모델

변경 없음

메모리 인덱스

기존 OpenAI 벡터

EmbeddingGemma로 93개 파일 재색인

검색 검증

오류 메시지만 확인

실제 질문에서 벡터 점수 확인

체감 속도

네트워크·API 의존

첫 실행은 느리지만 이후 로컬 처리

최종 확인값

  • 메모리 파일: 93/93개 색인

  • 청크: 276개

  • 임베딩 차원: 768

  • 임베딩 캐시: 272개 항목

  • 상태: Embeddings ready / FTS ready

  • 실제 검색 결과: "마스터 루네아" 확인

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

  1. 오류 문구를 기능 단위로 읽는다. 429라고 해서 전체 AI 사용료 문제는 아니었습니다. 이번에는 대화가 아니라 임베딩 기능만 멈췄습니다.

  2. 설치 여부와 실행 가능 여부를 구분한다. 플러그인이 켜져 있어도 실제 실행기가 없으면 기능은 작동하지 않습니다.

  3. 최신판보다 호환판을 찾는다. 호스트와 플러그인의 API 버전을 맞춰야 합니다.

  4. 대화 모델과 임베딩 모델을 분리해서 바꾼다. 필요한 부품만 교체하니 기존 채팅 환경을 건드리지 않을 수 있었습니다.

  5. 검증 질문은 답을 이미 아는 것으로 한다. 내 이름, 자주 쓰는 프로젝트명처럼 정답이 명확한 질문이 좋습니다.

  6. 설정 변경 뒤 장기 실행 프로세스를 재시작한다. CLI가 성공해도 게이트웨이·서버가 옛 설정을 계속 들고 있을 수 있습니다.

이렇게 하면 안 돼요

  1. 429를 보고 곧바로 API 키부터 바꾸지 마세요. 인증 오류와 잔액 부족은 원인과 해결법이 다릅니다.

  2. 기존 벡터 인덱스를 억지로 섞지 마세요. 모델이 달라지면 전체 재색인이 안전합니다.

  3. 설치 성공 메시지만 믿지 마세요. 상태 확인, 전체 색인, 실제 검색 세 단계를 모두 거쳐야 합니다.

  4. 로컬 전환을 무조건 무료·빠르다고 생각하지 마세요. API 비용 대신 모델·런타임 저장 공간과 시작 시간이 필요합니다.

  5. 개인 경로·API 키·토큰을 사례글에 그대로 넣지 마세요. 재현에 필요한 설정 구조만 공유하면 충분합니다.

🌍 다른 업무에 적용한다면?

이번 방식은 OpenClaw의 개인 기억뿐 아니라 다음 작업에도 적용할 수 있습니다.

  • 옵시디언 연구 노트의 의미 검색

  • 학생 상담 기록에서 비슷한 사례 찾기

  • 인터뷰 기록에서 반복되는 UX 불편 탐색

  • 사내 문서 검색용 소규모 RAG

  • 개인 일기·업무 로그에서 과거 결정 회수

다만 문서가 많거나 여러 사람이 동시에 검색해야 한다면 로컬 PC 한 대보다 별도 서버나 유료 임베딩 API가 더 나을 수 있습니다. "로컬이 무조건 우월하다"가 아니라 문서 민감도, 검색량, 속도, 운영 부담을 함께 비교해야 합니다.

🚀 앞으로의 계획

  • 첫 검색 지연 시간을 며칠간 관찰하고 실제 사용성을 확인하기

  • 넓은 검색이 30초를 넘는 경우 검색 범위와 결과 수를 조정하기

  • 메모리 파일이 늘었을 때 색인 시간과 디스크 사용량 기록하기

  • OpenClaw 업데이트 시 llama.cpp 플러그인 호환 버전 함께 확인하기

  • 로컬 검색 실패가 OpenAI API로 자동 전환되지 않는지 주기적으로 점검하기

📋 재사용 가능한 프롬프트

프롬프트 1: 임베딩 오류 진단

개인 문서 검색에서 아래 오류가 발생했습니다.
[오류 전문 붙여넣기]
일반 대화 모델 문제인지, 임베딩 공급자 문제인지, 인증 문제인지, 크레딧 문제인지 구분해 주세요.
현재 설정과 기존 인덱스는 먼저 읽기 전용으로 확인하고, 데이터 손상 가능성이 있는 작업은 하기 전에 알려주세요.

프롬프트 2: 로컬 임베딩 전환

현재 메모리 검색이 외부 임베딩 API를 사용하고 있습니다. 채팅 모델은 바꾸지 말고, 메모리 검색만 로컬 임베딩으로 전환해 주세요.

  • 현재 런타임과 호환되는 공식 공급자를 사용해 주세요.

  • 기존 설정을 먼저 확인하고 보존해 주세요.

  • 외부 API로 자동 폴백하지 않게 해 주세요.

  • 설치 후 전체 재색인과 실제 의미 검색까지 검증해 주세요.

프롬프트 3: 완료 조건을 포함한 검증

로컬 임베딩 설정이 끝났다고 가정하지 말고 아래 완료 조건을 모두 확인해 주세요.

  1. 설정 파일 유효성

  2. 로컬 모델 파일 존재

  3. 임베딩 서버 health ready

  4. 전체 파일 색인 완료와 dirty=no

  5. FTS와 벡터 저장소 상태

  6. 답을 알고 있는 질문으로 검색

  7. 결과에 vector score가 있는지 확인

  8. 장기 실행 중인 게이트웨이가 새 설정을 읽는지 확인

🖼️ 추천 이미지

  • 문제 상황: credit_balance_exhausted 429 오류 화면(요청 ID와 개인정보는 가림)

  • 작업 과정: provider: local, fallback: none 설정 화면

  • 색인 결과: 93/93 files, 276 chunks, Embeddings ready가 보이는 상태 화면

  • 최종 검증: "제다이식 마스터 이름" 검색 결과에서 마스터 루네아와 vectorScore가 보이는 화면

  • 흐름도: 메모리 파일 → EmbeddingGemma → 로컬 벡터 DB → 의미 검색 결과

📌 게시 전 메모

  • 스크린샷에서는 사용자 이름, 로컬 경로, API 키, 요청 ID를 가립니다.

  • OpenClaw와 플러그인 버전은 게시 시점의 환경이므로, 독자는 자신의 런타임과 호환되는 버전을 확인해야 합니다.

  • 이 사례의 핵심은 "API를 쓰지 않았다"보다 오류 원인을 분리하고, 설정·색인·실제 검색을 각각 검증했다는 데 있습니다.

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.10.21

OpenClaw를 쓰다 "대화는 되는데 기억만 못 찾는" 상태를 만나면 정말 당황스러운데, 에러 메시지의 세 단서(embeddings, text-embedding-3-small, credit_balance_exhausted)로 문제를 결제와 설정으로 나눠 본 과정이 좋았어요.

특히 최신 플러그인이 2026.10.4 이상을 요구해서 거부되자 런타임과 같은 2026.10.1 버전을 골라 설치하신 부분, 그리고 설정만 바꾸고 끝내지 않고 93개 파일·276개 청크를 재색인한 뒤 실제 질문으로 벡터 점수까지 확인하신 점이 인상 깊었어요. "무료에는 늘 다른 계산서가 붙는다"는 마무리도 공감됩니다.

꼬리 탁! 치고 응원하고 갈게요 🐈‍⬛

야호심 프로필 이미지
야호심2026.10.21

저는 지금 사례글 잘 이해가 안됩니다. 여쭙고 싶은게 많네요. 다음에 기회가 되면 자세히 알려주세요. 🙏
이번에 공대언니 님께서 지식관리 분야에 눈이 틔이신 것 같습니다. 저도 옆에서 많이 배우고 따라하겠습니다. 사례글 많이 남겨주세요. 😍

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기