Perplexity 포터블 컴퓨터란 무엇인가요? 로컬 우선 AI 에이전트가 PC에서 작업을 유지하는 방법

Perplexity Portable Computer가 중요한 이유는 27B 모델을 로컬에서 실행할 수 있어서라기보다 에이전트 런타임 자체를 사용자의 머신으로 옮겼기 때문입니다. Perplexity는 오케스트레이터, 플래너, 도구 라우터, 스케줄러, 영속 작업 큐, 로컬 검색 인덱스가 모두 온디바이스에서 실행된다고 말합니다. 에이전트는 로컬 파일을 읽고, 문서와 코드를 검색하고, 컴퓨터에서 작업을 수행하며, 클라우드 모델을 기본 제어 계층으로 사용하지 않고도 장시간 실행되는 작업을 계속 유지할 수 있습니다.

이로 인해 로컬 AI에 대한 질문도 달라집니다. 모델이 RAM이나 VRAM에 들어가는지만 묻는 대신, 에이전트의 파일, 검색 인덱스, 작업 상태, 도구, 권한, 작업 환경을 어디에 둘 것인지가 더 중요한 질문이 됩니다. Portable Computer는 로컬 전용이 아니라 로컬 우선이기도 합니다. 로컬 스택으로 제공할 수 없는 기능이 필요한 경우 웹 검색, 연결된 앱 또는 최첨단 클라우드 모델을 사용할 수 있도록 권한을 요청할 수 있습니다. 그 결과 사용자가 영구적인 로컬 계층을 소유하고 클라우드 인텔리전스는 선택적 리소스가 되는 하이브리드 AI 아키텍처의 유용한 청사진이 제시됩니다.

Perplexity Portable Computer란 무엇인가?

Perplexity Portable Computer는 2026년 8월 25일에 출시된 Perplexity Computer의 로컬 우선 버전입니다. 모든 작업을 호스팅된 에이전트 런타임을 통해 전송하는 대신, 핵심 에이전트 시스템을 로컬 머신에서 실행합니다.

Perplexity의 공식 Portable Computer 발표에서 Perplexity는 클라우드 실행을 기본값으로 설정하지 않고 로컬 데이터를 분석하고, 파일을 종합하고, 워크플로를 실행하고, 로컬 콘텐츠를 검색하며, 기기 작업을 수행할 수 있는 시스템을 설명합니다.

주변의 에이전트와 모델을 분리해 보면 그 차이를 더 쉽게 이해할 수 있습니다.

따라서 핵심적인 변화는 단순히 하나의 LLM이 서버에서 데스크톱으로 이동했다는 것이 아닙니다. 오케스트레이션 계층도 함께 이동했습니다.

이로 인해 Portable Computer는 기존의 로컬 챗봇보다는 로컬 에이전트 운영 환경에 가까워집니다.

Portable Computer에서 실제로 로컬에서 실행되는 것은 무엇인가?

Perplexity는 온디바이스에서 실행되는 6가지 주요 구성 요소를 명확히 설명합니다. 오케스트레이터, 플래너, 도구 라우터, 스케줄러, 영속 작업 큐, 로컬 검색 인덱스입니다. 이러한 구성 요소가 중요한 이유는 에이전트가 다음 토큰을 생성하는 것보다 훨씬 더 많은 일을 수행하기 때문입니다.

오케스트레이터는 전체 작업을 어떻게 진행할지 결정합니다. 사용자가 에이전트에게 보고서 폴더를 검토하고, 프로젝트 노트와 비교하고, 결과물을 준비한 다음 나중에 요약을 보내 달라고 요청한다면, 요청과 결과 사이에 수많은 개별 작업이 있을 수 있습니다.

플래너는 작업을 관리하기 쉬운 단계로 나눕니다. 도구 라우터는 각 단계에 파일 액세스, 로컬 검색, 코드 실행, 애플리케이션 커넥터 또는 다른 기능이 필요한지 결정합니다. 스케줄러는 작업 실행 시점을 결정하고, 영속적 작업 큐는 모든 작업이 하나의 채팅 응답으로 끝난다고 가정하지 않고 장시간 실행되는 작업을 저장할 공간을 제공합니다.

이것이 에이전트와 챗봇의 핵심적인 차이입니다. 챗봇은 사용자의 다음 메시지를 기다릴 수 있습니다. 에이전트는 여전히 파일을 처리하거나, 다른 작업이 완료되기를 기다리거나, 실패한 도구 호출을 재시도하거나, 나중에 작업으로 돌아갈 수 있습니다.

Portable Computer는 현재 출시 하드웨어에서 Qwen3.8-27B와 Perplexity의 PPLX 27B를 지원합니다. 기반이 되는 Qwen 모델의 메모리 요구 사항에 특히 관심이 있는 독자는 소비자용 하드웨어에서 Qwen3.8-27B 실행하기 가이드를 참고할 수 있습니다.

하지만 모델은 교체 가능한 구성 요소 중 하나일 뿐입니다. 더 중요한 아키텍처상의 아이디어는 계획 수립, 라우팅, 검색, 작업 지속성, 로컬 작업이 더 이상 클라우드 모델과 함께 존재할 필요가 없다는 것입니다.

Portable Computer는 클라우드 사용 시점을 어떻게 결정하나요?

Portable Computer는 로컬 우선이지, 반드시 오프라인 전용인 것은 아닙니다. 제품을 정확히 이해하려면 이 차이를 반드시 알아야 합니다.

Perplexity에 따르면 로컬 모델은 가능한 한 많은 작업을 로컬에서 완료하도록 학습되었습니다. 최신 웹 정보, 브라우저 액세스, 연결된 애플리케이션 또는 더 강력한 최첨단 추론 등 기기에 없는 기능이 필요한 작업의 경우 로컬 오케스트레이터가 워크플로의 해당 부분을 에스컬레이션할 수 있습니다.

간소화된 의사 결정 경로는 다음과 같습니다.

사용자 작업
   |
   v
로컬 오케스트레이터
   |
   +-- 로컬 모델과 로컬 도구만으로 완료할 수 있나요?
   |        |
   |        +-- 예 --> 로컬에서 완료
   |
   +-- 아니요
          |
          +-- 최신 웹 정보가 필요한가요?
          +-- 연결된 애플리케이션이 필요한가요?
          +-- 브라우저 작업이 필요한가요?
          +-- 최첨단 추론이 필요한가요?
                    |
                    v
             권한 요청
                    |
                    v
          승인된 클라우드 기능 사용
                    |
                    v
          결과를 로컬 워크플로로 반환

Perplexity에 따르면 Portable Computer는 필요할 때 검색 기능, 광범위하거나 심층적인 리서치, 연결된 앱, 15개 이상의 최첨단 모델에 액세스할 수 있습니다. 또한 기기의 콘텐츠를 클라우드 서비스로 전송해야 하는 경우 시스템이 먼저 사용자에게 권한을 요청한다고 설명합니다.

이로 인해 클라우드 AI와의 관계는 완전히 달라집니다.

클라우드는 에이전트가 영구적으로 존재하는 환경이 아니라 에이전트가 요청할 수 있는 기능이 됩니다.

이러한 하이브리드 모델은 비공개 작업에 특히 유용합니다. 로컬 에이전트는 기기에서 기밀 문서를 분석하면서도, 기밀한 원본 자료 자체를 전송할 필요가 없는 최신 시장 정보는 클라우드 검색 서비스에 요청할 수 있습니다.

Portable Computer는 로컬 파일과 검색을 어떻게 사용하는가?

유용한 비공개 AI 에이전트는 모든 문서를 모델의 컨텍스트 창에 억지로 넣을 필요가 없습니다. 파일에 대한 제어된 액세스와 작업 요청이 있을 때 관련 정보를 찾을 방법이 필요합니다.

Portable Computer는 로컬 파일을 읽고 문서와 코드 전반을 검색할 수 있습니다. 로컬 검색 인덱스도 기기에 계속 유지됩니다. 이러한 분리가 중요한 이유는 비공개 데이터를 모든 대화마다 수동으로 업로드해야 하는 대상이 아니라 영구적인 지식 계층으로 다룰 때 로컬 AI의 활용도가 크게 높아지기 때문입니다.

간단한 로컬 지식 워크플로는 다음과 같습니다.

로컬 파일
    |
    v
로컬 검색 / 인덱스
    |
    v
관련 문서
    |
    v
로컬 에이전트
    |
    v
모델 컨텍스트
    |
    v
답변 / 작업 / 출력

따라서 모델이 전체 파일 시스템을 "기억"할 필요는 없습니다. 현재 작업과 관련된 파일이나 구절을 검색하면 됩니다.

이는 로컬 AI 컴퓨팅과 장기 NAS 스토리지 분리를 논의할 때 사용하는 아키텍처와 밀접한 관련이 있습니다. 컴퓨팅 머신은 활성 추론과 에이전트 작업을 처리하고, 영구 문서, 임베딩, 출력물, 백업은 수년간 계속 사용할 수 있도록 설계된 스토리지 계층에 저장할 수 있습니다.

에이전트가 자체적으로 아티팩트를 생성할수록 이러한 구분은 더욱 중요해집니다. 성숙한 워크플로에는 소스 문서, 임베딩, 코드 저장소, 출력 파일, 작업 로그, 보고서, 이미지 에셋, 트랜스크립트, 스냅샷이 포함될 수 있습니다. 이제 저장이 필요한 것은 AI 모델만이 아닙니다.

로컬 우선 시스템에서 에이전트 메모리는 어디에 저장되는가?

검색 가능한 파일은 영구 컨텍스트의 한 형태이지만, 장시간 실행되는 에이전트에는 결국 메모리에 가까운 무언가가 필요합니다. 즉, 이전 작업 기록, 프로젝트 이력, 메모, 발견 사항, 결정 사항, 작업 상태처럼 하나의 프롬프트를 넘어 유지되는 정보입니다.

Portable Computer의 출시만으로도 로컬 검색과 내구성 있는 작업 큐가 이미 확인되지만, Perplexity의 더 광범위한 메모리 아키텍처의 모든 구성 요소가 단순히 DGX Spark로 옮겨졌다고 주장해서는 안 됩니다.

한편 Perplexity는 Brain이라는 에이전트 메모리 아키텍처에 관한 자세한 연구를 공개했습니다. 이 시스템은 회사가 앞으로 나아가고 있는 더 넓은 방향을 이해하는 데 유용합니다.

Brain은 사용자의 전체 기록을 모든 프롬프트에 억지로 넣는 대신 지속적인 에이전트 컨텍스트를 파일 시스템으로 다룹니다. 메모리 구조는 다음을 포함합니다.

정확한 디렉터리 구조보다 더 중요한 핵심은 다음과 같습니다. 에이전트 메모리는 지속 가능한 데이터가 되어 가고 있습니다.

모델은 업그레이드할 수 있습니다. 6개월 후에는 로컬 Qwen 모델을 다른 오픈 모델로 교체할 수도 있습니다. GPU도 교체할 수 있습니다. 에이전트 프레임워크도 바뀔 수 있습니다. 하지만 프로젝트 문서, 작업 기록, 학습된 컨텍스트, 색인된 파일, 이전 출력물은 이러한 모든 변경 이후에도 유지되어야 할 수 있습니다.

따라서 영구 데이터 계층은 로컬 AI 아키텍처에서 점점 더 중요해지고 있습니다.

Portable Computer는 로컬 에이전트 작업을 어떻게 더 안전하게 유지하나요?

에이전트를 로컬에서 실행한다고 해서 자동으로 안전해지는 것은 아닙니다. 오히려 유능한 로컬 에이전트는 단순한 클라우드 챗봇보다 더 유용하고 따라서 더 위험한 리소스에 접근할 수 있습니다.

파일을 읽고, 도구를 실행하고, 코드를 편집하고, 애플리케이션을 호출하거나, 명령을 실행할 수 있는 에이전트는 접근할 수 있는 대상에 대한 경계가 필요합니다. Perplexity에 따르면 Portable Computer의 코드 및 도구 실행은 파일과 연결된 앱에 대한 접근이 제어되는 격리된 샌드박스 환경에서 이루어집니다.

실용적인 로컬 에이전트 보안 모델에는 여러 계층이 필요합니다.

가장 안전한 패턴은 일반적으로 에이전트에 분석할 수 있는 폭넓은 권한을 부여하고, 행동할 수 있는 권한은 더 엄격하게 제한하는 것입니다. 이 원칙은 로컬 AI 에이전트에 승인 게이트를 사용하는 방법을 다룬 가이드에도 적용됩니다. 초안 작성, 요약, 모니터링, 추천은 대개 자동으로 실행할 수 있지만, 파일 삭제, 메시지 전송, 구매, 권한 변경에는 더 강력한 확인 절차가 필요합니다.

Perplexity가 장시간 실행 에이전트 샌드박스에 대해 진행한 보다 광범위한 연구는 에이전트 실행 환경이 일반적인 단기 컨테이너 작업과 다른 이유도 설명합니다. 에이전트는 수 시간 또는 수일에 걸쳐 작업 파일 시스템, 실행 중인 프로세스, 상태를 축적할 수 있으므로 격리와 복구가 모두 중요합니다.

이 연구를 Portable Computer에서 모든 세부적인 클라우드 SPACE 구현이 동일하게 재현된다는 증거로 해석해서는 안 됩니다. 다만 로컬 에이전트가 점점 해결해야 하는 인프라 문제, 즉 강력한 실행 환경이 통제된 액세스 및 지속적인 상태와 공존해야 한다는 점을 보여 줍니다.

Perplexity Portable Computer에 필요한 하드웨어는 무엇인가요?

출시 시점에 Portable Computer는 Perplexity Pro 및 Max 구독자를 대상으로 NVIDIA DGX Spark에서 사용할 수 있습니다. 첫 번째 릴리스는 Linux를 지원하며, Windows 지원은 추후 제공될 예정이라고 발표되었습니다. Perplexity는 NVIDIA RTX GPU PC 지원도 제공될 예정이라고 밝혔습니다.

DGX Spark는 20코어 Arm CPU, NVIDIA GPU, 128GB 통합 메모리를 갖춘 NVIDIA Grace Blackwell GB10 플랫폼을 기반으로 합니다. 이처럼 대용량의 공유 메모리 풀 덕분에 에이전트 런타임과 기타 워크로드를 위한 용량을 남겨 두면서도 상당한 규모의 로컬 모델을 실행할 수 있습니다.

현재 Portable Computer는 Perplexity가 사후 학습한 Qwen 모델 버전인 Qwen3.8-27B와 PPLX 27B를 제공합니다. NVIDIA Nemotron 3.5 Lightning도 모델 선택기에 출시 예정으로 표시되어 있습니다.

이는 DGX Spark가 기반이 되는 27B 모델에 필요한 보편적인 최소 하드웨어 요구 사항이라는 뜻은 아닙니다. Qwen3.8-27B 자체는 양자화하면 훨씬 더 일반적인 하드웨어에서도 실행할 수 있습니다. 128GB 시스템은 Perplexity가 기본 모델이 토큰을 생성할 수 있다는 점만 보여 주는 것이 아니라, 통합된 로컬 에이전트 환경을 제공할 수 있도록 여유를 제공합니다.

로컬 우선 AI가 실제로 클라우드 비용을 줄일 수 있을까요?

Perplexity는 Portable Computer의 로컬 모델이 수행하는 작업에는 크레딧이 소모되지 않는다고 말합니다. 이는 에이전트가 일반적인 채팅보다 훨씬 더 많은 추론을 사용할 수 있기 때문에 에이전트 워크로드의 경제성을 바꿉니다.

일반적인 챗봇 질문 하나에는 프롬프트 하나와 답변 하나가 포함될 수 있습니다. 반면 에이전트는 다음과 같이 작동할 수 있습니다.

작업을 계획하고, 파일을 검사하고, 도구를 호출하고, 결과를 평가하고, 실패한 작업을 다시 시도하고, 추가 정보를 조사하고, 다른 작업자를 호출하고, 조사 결과를 요약한 다음 최종 출력을 생성합니다.

각 루프는 더 많은 추론을 생성합니다. 동일한 자동화가 매일 아침 실행되거나 수백 개의 문서를 처리하거나 코드베이스 전반에서 지속적으로 작업하면, 간헐적인 채팅보다 종량제 사용량이 훨씬 빠르게 누적될 수 있습니다.

로컬 추론은 이러한 비용 구조를 바꿉니다. 사용량에 따른 클라우드 지출 일부를 하드웨어, 전기, 스토리지 및 유지 관리와 같은 고정 비용으로 대체합니다.

그렇다고 로컬 AI가 무료가 되는 것은 아닙니다. 더 유용한 비교는 로컬 AI와 클라우드 AI의 비용 절충입니다.

Portable Computer는 하이브리드 해법을 사실상 구체화합니다. 이미 보유한 하드웨어에서 대용량 작업이나 민감한 작업을 처리하고, 명확한 성능상의 이점이 있을 때만 선택적으로 클라우드 리소스를 사용하는 것입니다.

추론이 다른 곳에서 실행되더라도 로컬 AI 에이전트에 서버나 NAS가 필요한 이유는 무엇일까요?

Portable Computer는 현재 NAS가 아니라 AI 컴퓨팅 시스템에서 실행됩니다. 그렇다고 해서 근거 없는 주장을 만들어 전체 제품을 스토리지 서버에 설치해야 한다고 할 이유는 없습니다.

더 흥미로운 연결점은 아키텍처에 있습니다.

에이전트가 지속적으로 실행되기 시작하면 개별 추론 세션보다 훨씬 오래 유지되는 데이터가 축적됩니다.

• 원본 문서 및 프라이빗 파일,
• 코드 저장소 및 프로젝트 자산,
• 검색 인덱스 및 임베딩,
• 작업 기록 및 에이전트 로그,
• 생성된 보고서 및 아티팩트,
• 메모리 파일 및 지식 기반,
• 워크플로 구성,
• 스냅샷 및 백업.

이 데이터가 모두 추론을 수행하는 컴퓨터의 내부 SSD에 영구적으로 저장될 필요는 없습니다.

성숙한 로컬 우선 아키텍처는 세 가지 리소스 계층을 분리할 수 있습니다.

NAS가 GPU 메모리인 척할 필요는 없습니다. NAS의 역할은 다릅니다. 에이전트의 지속 데이터를 안정적이고 확장 가능하며 권한이 관리되는 공간에 보관하는 것입니다.

이는 프라이빗 AI 데이터 계층이 추론은 다른 곳에서 실행하면서 NAS에 그대로 유지될 수 있는 것과 같은 이유입니다. 컴퓨팅 하드웨어가 바뀌더라도 전체 지식 기반까지 함께 이동할 필요는 없습니다.

이러한 분리는 여러 기기를 사용하는 환경에서 특히 유용합니다. 한 워크스테이션은 낮 동안 강력한 로컬 모델을 실행하고, 다른 기기는 더 가벼운 AI 작업을 처리하며, 나중에는 업그레이드된 GPU 시스템이 두 기기를 모두 대체할 수 있습니다. 지속형 스토리지 계층은 이러한 변화가 이어지는 동안에도 동일한 프로젝트 파일, 임베딩, 출력물, 에이전트 기록, 백업을 계속 보관할 수 있습니다.

다시 말해 장기적으로 중요한 자산은 모델이 아닐 수 있습니다. 모델을 둘러싼 상태일 수 있습니다.

Portable Computer는 개인 AI 에이전트의 미래인가요?

Portable Computer는 모든 개인 AI 에이전트가 정확히 같은 아키텍처를 채택할 것이라고 입증하기에는 아직 너무 새롭습니다. 하지만 몇 가지 더 큰 흐름을 훨씬 쉽게 확인할 수 있게 해 줍니다.

첫째, 강력한 로컬 모델은 단순한 비공개 채팅을 넘어 발전하고 있습니다. 이제 27B 모델을 에이전트 하네스 안에서 실행하여 작업을 계획하고, 파일을 검색하고, 도구를 실행하며, 작업을 계속 진행하도록 할 수 있습니다.

둘째, 에이전트 프레임워크는 모델만큼이나 점점 중요해지고 있습니다. 오케스트레이션, 작업 지속성, 검색, 권한, 샌드박스, 커넥터, 메모리가 모델이 실제로 수행할 수 있는 작업을 결정합니다.

셋째, 완전한 로컬 AI와 완전한 클라우드 기반 AI만이 유일한 선택지는 아닙니다. Portable Computer는 더 실용적인 중간 지점을 보여 줍니다. 일상적인 실행은 기기에서 처리하면서, 에이전트가 필요할 때 외부 정보나 더 강력한 추론을 선택적으로 요청할 수 있습니다.

여전히 중요한 한계도 있습니다. 출시는 특수한 DGX Spark 하드웨어를 중심으로 진행됩니다. RTX PC 지원은 아직 확대 중입니다. Windows 지원은 첫 출시 범위에 포함되지 않았습니다. 로컬 모델이 모든 어려운 추론 문제에서 최첨단 클라우드 모델보다 뛰어난 성능을 보이는 것은 아니며, 외부 서비스가 필요한 연결형 애플리케이션도 여전히 존재합니다.

로컬 실행은 사용자에게 더 많은 책임도 부여합니다. 하드웨어 용량, 스토리지, 권한, 백업, 소프트웨어 업데이트, 에이전트 보안이 더 이상 보이지 않는 클라우드 인프라의 일부가 아니라 시스템의 구성 요소가 됩니다.

하지만 이러한 방향 전환은 중요합니다. 중요한 변화는 단순히 클라우드 AI에서 로컬 AI로 옮겨가는 것이 아닙니다. 클라우드가 소유하던 워크플로에서 사용자가 소유하는 AI 인프라로 전환하고, 필요할 때 클라우드의 지능을 선택적으로 빌려 쓰는 것입니다.

그렇게 되면 모델을 실행하는 머신은 시스템의 한 구성 요소일 뿐입니다. 파일, 인덱스, 메모리, 권한, 작업 상태, 출력물, 백업이 개인 AI 인프라의 핵심 요소가 되며, 바로 이러한 계층이 오늘날의 모델이 교체된 이후에도 로컬 우선 에이전트를 유용하게 만드는 기반입니다.

FAQ: Perplexity Portable Computer와 로컬 우선 AI

Perplexity Portable Computer란 무엇인가요?

Perplexity Portable Computer는 사용자의 머신에서 에이전트 모델, 오케스트레이터, 플래너, 도구 라우터, 스케줄러, 내구성 있는 작업 큐, 로컬 검색 색인을 실행하는 Perplexity Computer의 로컬 우선 버전입니다. 클라우드 실행을 기본값으로 설정하지 않고도 로컬 파일과 워크플로를 처리할 수 있습니다.

Perplexity Portable Computer는 완전히 오프라인으로 실행되나요?

많은 작업을 로컬에서 수행할 수 있지만, 로컬 전용이라기보다는 로컬 우선이라고 설명하는 편이 정확합니다. 필요할 때 에이전트는 클라우드 검색, 연결된 애플리케이션, 브라우저 기능 또는 최첨단 모델을 사용할 수 있습니다. Perplexity는 디바이스 콘텐츠를 클라우드 서비스로 전송하기 전에 권한을 요청한다고 말합니다.

Portable Computer는 어떤 모델을 사용하나요?

출시 시 Portable Computer는 Qwen3.8-27B와 PPLX 27B를 지원하며, Perplexity는 PPLX 27B를 Qwen 모델의 사후 학습 버전이라고 설명합니다. NVIDIA Nemotron 3.5 Lightning도 모델 선택기에 추가될 예정입니다.

Portable Computer는 개인 파일을 클라우드로 전송하나요?

Perplexity는 개인 데이터가 디바이스에 남을 수 있으며, 작업상 디바이스의 콘텐츠를 클라우드 서비스로 전송해야 할 때 시스템이 권한을 요청한다고 말합니다. 그래도 연결된 앱과 승인된 클라우드 에스컬레이션은 외부 데이터 흐름으로 간주해야 하며, 시스템이 영구적으로 오프라인이라고 가정해서는 안 됩니다.

Portable Computer를 RTX PC에서 실행할 수 있나요?

Perplexity는 NVIDIA DGX Spark에서 Portable Computer를 먼저 출시했으며, NVIDIA RTX GPU PC 지원이 제공될 예정이라고 밝혔습니다. 더 광범위한 RTX 배포에 필요한 정확한 하드웨어 및 소프트웨어 요구 사항은 출시가 진행됨에 따라 변경될 수 있습니다.

Portable Computer를 사용하려면 DGX Spark가 필요한가요?

2026년 9월 초기 배포는 DGX Spark를 중심으로 구축되지만, Perplexity는 이미 RTX GPU PC로의 확장을 발표했습니다. 기반이 되는 Qwen3.8-27B 모델은 적절한 양자화와 메모리를 갖춘 다른 로컬 하드웨어에서도 독립적으로 실행할 수 있습니다.

Perplexity Portable Computer는 Ollama와 같은 제품인가요?

아니요. Ollama는 주로 로컬 모델 런타임이자 API 계층입니다. Portable Computer는 로컬 모델을 오케스트레이션, 계획 수립, 작업 지속성, 로컬 검색, 도구, 디바이스 작업, 샌드박싱, 커넥터, 선택적 클라우드 에스컬레이션과 결합한 더 포괄적인 에이전트 시스템입니다. Ollama는 모델 실행을 지원하고, Portable Computer는 그 모델을 중심으로 지속적인 에이전트 워크플로를 실행하도록 설계되었습니다.

로컬 AI 에이전트에 지속형 스토리지가 필요한 이유는 무엇인가요?

지속형 에이전트는 모델 가중치보다 훨씬 더 많은 것을 생성하고 재사용합니다. 소스 파일, 검색 색인, 임베딩, 메모리, 작업 기록, 작업 공간, 생성된 출력물, 로그, 백업에 의존할 수 있습니다. 이러한 데이터를 내구성 있는 스토리지 계층에 보관하면 에이전트의 전체 작업 환경을 다시 구축하지 않고도 컴퓨팅 머신을 교체하거나 업그레이드하기가 쉬워집니다.