self-improving-agent

• AI 에이전트를 자주 수정하는 경우 — "아니, 그건 틀렸어" 또는 "npm이 아니라 pnpm을 써야 해"처럼 수정 지시를 내리는 상황이 잦다면, self-improving-agent가 그 수정 사항을 기록해 같은 실수가 반복되지 않도록 합니다.
• 장기 프로젝트를 진행 중인 경우 — 여러 세션에 걸쳐 AI 에이전트와 협업하는 팀이나 개인 개발자는 프로젝트 관례와 주의 사항을 점점 쌓아가며 검색 가능한 기록으로 활용할 수 있습니다.
• 솔루션으로부터 재사용 가능한 스킬을 만들고 싶은 경우 — 비직관적인 해결책을 발견했을 때, self-improving-agent의 추출 워크플로우가 이를 독립적으로 공유 가능한 스킬로 변환해 줍니다.
• 멀티 에이전트 워크플로우를 사용하는 경우 — OpenClaw 사용자는 세션 간에 학습 내용을 브로드캐스트하고, 축적된 지식을 바탕으로 행동하는 서브 에이전트를 생성할 수 있습니다.

• 짧고 일회성인 작업 — 후속 세션 없이 단순한 일회용 스크립트에 에이전트를 사용하는 경우, 로그 기록 및 항목 검토의 오버헤드가 가치를 제공하지 않습니다.
• 인간의 피드백 루프가 없는 완전 자동화 파이프라인 — self-improving-agent의 가치는 사용자의 수정 및 검토를 통해 축적됩니다. 순전히 무인으로 실행되는 경우 유용한 신호를 생성하지 못합니다.

캡처된 모든 이벤트는 우선순위, 영역 태그, 상태, 그리고 Pattern-Key 및 See Also 링크와 같은 메타데이터 필드를 포함한 유형별, 타임스탬프가 있는 항목으로 기록됩니다. 세 개의 별도 로그 파일이 수정 사항, 명령 실패, 기능 요청을 체계적으로 정리하고 grep 검색에 용이하게 유지합니다.

학습 내용이 광범위하게 적용 가능할 때, self-improving-agent 스킬은 이를 간결한 규칙으로 정제하여 CLAUDE.md, AGENTS.md, .github/copilot-instructions.md 또는 OpenClaw 워크스페이스 파일(SOUL.md, TOOLS.md)에 작성하는 명확한 워크플로를 제공합니다. 이를 통해 일시적인 세션 컨텍스트가 지속적이고 기여자가 확인할 수 있는 지식으로 전환됩니다.

항목에는 안정적인 Pattern-Key와 Recurrence-Count가 포함됩니다. 30일 이내에 2개 이상의 서로 다른 작업에서 패턴이 3회 이상 기록되면, self-improving-agent의 승격 규칙이 자동으로 해당 패턴을 시스템 프롬프트 수준의 지침으로 격상하도록 표시하여, 반복적인 실수를 근본적으로 차단합니다.

선택적 훅 스크립트(activator.sh, error-detector.sh)는 UserPromptSubmit 및 PostToolUse 훅을 통해 Claude Code 및 Codex CLI와 통합됩니다. 이를 통해 오류 감지 및 학습 프롬프트가 수동 개입 없이 자동으로 실행됩니다(프롬프트당 약 50–100 토큰 오버헤드).

품질 기준(반복적, 검증됨, 비자명함, 폭넓게 적용 가능)을 충족하는 학습 내용은 제공된 extract-skill.sh 헬퍼를 사용하여 독립적으로 공유 가능한 스킬로 추출할 수 있습니다. 이 워크플로우에는 드라이런 모드, 품질 게이트, 그리고 원본 항목에 대한 상태 추적이 포함됩니다.

Claude Code, Codex CLI, GitHub Copilot, OpenClaw과 함께 작동합니다. 각 에이전트에는 문서화된 활성화 방법이 있습니다 — Claude Code/Codex의 경우 훅 기반, Copilot의 경우 수동 .github/copilot-instructions.md 삽입, OpenClaw의 경우 세션 간 메시징 도구를 활용한 워크스페이스 삽입 방식을 사용합니다.

에이전트가 pnpm 워크스페이스에서 npm install을 반복적으로 시도합니다. 첫 번째 수정 후, self-improving-agent 스킬은 correction 항목을 기록하고, 개발자는 이를 CLAUDE.md에 Package manager: pnpm으로 등록합니다. 이후 세션에서는 이 규칙을 읽어 동일한 실수를 반복하지 않습니다.

한 팀이 버전 관리 시스템에서 .learnings/를 추적합니다. 한 개발자의 세션에서 CI 인증 문제가 발생하여 ERRORS.md에 기록하면, 팀의 모든 에이전트가 이후 세션에서 문서화된 수정 사항과 권장 해결 방법을 활용할 수 있게 됩니다.

세 번의 디버깅 세션이 필요했던 까다로운 TypeScript 클라이언트 재생성 문제를 진단한 후, 학습 내용에는 See Also 링크와 높은 Recurrence-Count가 누적됩니다. 개발자는 extract-skill.sh api-client-regen을 실행하여 해결책을 배포 가능한 스킬로 패키징합니다.

대규모 리팩토링을 시작하기 전에, OpenClaw 세션은 훅 트리거 알림을 사용하여 .learnings/ 디렉토리에서 backend 영역의 보류 중인 고우선순위 항목을 스캔하고, 단 한 줄의 코드를 작성하기 전에 축적된 모든 컨벤션을 적용합니다.