Proactive Agent

• 묻지 않아도 스스로 행동하는 에이전트가 필요할 때 — 프롬프트 없이도 아이디어를 제시하고, 무언가를 구축하며, 과거 결정에 대한 후속 조치를 취합니다.
• 에이전트가 세션 간 또는 긴 대화 중에 맥락을 잃을 때 — WAL Protocol과 Working Buffer가 컴팩션 및 메모리 플러시 과정에서도 중요한 세부 정보를 보존합니다.
• 일관되고 안전한 자기 개선이 필요할 때 — ADL/VFM 가드레일을 통해 에이전트가 안정성을 해치거나 방향을 잃지 않으면서 자체 운영 패턴을 발전시킬 수 있습니다.
• 자율적인 백그라운드 크론 작업을 실행할 때 — 이 스킬은 프롬프트 기반 실행과 진정한 자율 실행의 차이를 가르쳐, 예약된 작업이 실제로 실행되고 완료되도록 합니다.

• 사용 사례가 완전히 무상태(stateless)이거나 단일 턴인 경우 — 보존할 연속성이 없을 때는 메모리 아키텍처와 WAL 프로토콜이 불필요한 오버헤드를 추가할 뿐입니다.
• 에이전트가 주도권을 갖는 것을 원하지 않는 경우 — 능동적 놀라움(proactive surprise)과 역방향 프롬프팅(reverse-prompting) 동작은 이 스킬의 정체성에서 핵심적인 부분입니다. 엄격하게 지시를 따르기만 하는 에이전트에는 적합하지 않습니다.

응답을 작성하기 전에, 에이전트는 모든 사용자 메시지를 검토하여 수정 사항, 결정 사항, 선호도 및 특정 값을 파악한 후, 이를 먼저 SESSION-STATE.md에 기록합니다. 이를 통해 중요한 세부 정보가 컨텍스트 제거로 인해 손실되지 않도록 보장합니다 — 트리거는 에이전트의 기억이 아닌 사용자의 입력입니다.

컨텍스트가 60%에 도달하면, 에이전트는 작업 버퍼를 활성화하여 모든 대화 교환 — 사용자의 메시지와 에이전트 응답의 요약 모두 — 을 영구 파일에 기록합니다. 압축(compaction) 이후에는 버퍼를 가장 먼저 읽기 때문에, 에이전트가 "우리가 무엇을 하고 있었죠?"라고 되묻는 일이 없습니다.

세션이 잘림 후 재시작될 때 자동으로 트리거됩니다. 에이전트는 memory/working-buffer.md를 읽은 다음 SESSION-STATE.md를 읽고, 이어서 일별 노트를 순서대로 읽으며 컨텍스트를 추출하고 통합한 후 — 사용자에게 다시 설명해 달라고 요청하지 않고 — 복구 요약을 제시합니다.

Anti-Drift Limits 프로토콜은 에이전트가 불필요한 복잡성을 추가하거나, 검증할 수 없는 변경을 수행하거나, 안정성을 희생하면서 새로운 것을 추구하는 행동을 방지합니다. Value-First Modification 점수 시스템은 모든 행동 변경이 채택되기 전에 복합적인 레버리지 효과를 입증해야 함을 보장합니다.

systemEvent 크론(메인 세션에 프롬프트를 전달하는 방식)과 isolated agentTurn 크론(작업을 독립적으로 수행하는 서브 에이전트를 생성하는 방식)을 구분합니다. 메인 세션이 사용 중일 때 예약된 검사가 실제로 실행되지 않는 오류 패턴을 방지합니다.

스킬 설치 심사(커뮤니티 스킬의 약 26%가 취약점을 포함한다는 안내 포함), 컨텍스트 수집에 사용되는 외부 AI 에이전트 네트워크로부터의 보호, 그리고 공유 채널에 게시하기 전 컨텍스트 유출 방지 기능을 다룹니다.

며칠 또는 몇 주에 걸쳐 진행되는 작업의 경우, Proactive Agent는 SESSION-STATE.md와 일별 메모리 로그를 통해 연속성을 유지합니다. WAL 프로토콜은 모든 결정과 수정 사항을 발생하는 즉시 기록하므로, 에이전트는 매 세션마다 정확히 중단된 지점부터 작업을 재개할 수 있습니다.

격리된 agentTurn 크론 패턴을 사용하여 메모리 갱신, 로그 검토 또는 보안 감사와 같은 작업을 메인 세션의 개입 없이 실행하고 완료되도록 예약하세요 — 완전한 핸즈오프 자동화를 위한 핵심 기능입니다. 이 기능은 Proactive Agent의 강점을 극대화하는 방식으로 활용될 수 있습니다.

호기심 루프(Curiosity Loop), 패턴 인식 루프(Pattern Recognition Loop), 그리고 USER.md/SOUL.md 아키텍처를 통해 Proactive Agent는 당신이 누구인지, 무엇을 중요하게 여기는지에 대한 지속적인 모델을 구축합니다. 반복되는 요청은 자동으로 감지되어 자동화 대상으로 제안되며, 과거의 결정 사항은 매주 후속 조치가 이루어집니다.

에이전트는 요청을 기다리는 대신, 역방향 프롬프팅을 통해 아이디어를 먼저 제안합니다 — 사용자에 대해 알고 있는 정보를 바탕으로 무엇이 도움이 될지 질문하는 방식입니다. Heartbeat System은 정기적인 "능동적 서프라이즈" 점검을 스케줄링하여, 이 동작이 프롬프트 입력 시뿐만 아니라 자동으로 실행되도록 합니다.