yao-meta-skill: 재사용 가능한 AI 에이전트 기술을 모델링, 컴파일 및 평가하기 위한 거버넌스 수명 주기 시스템

해결하는 문제

yao-meta-skill은 반복되는 워크플로우, 프롬프트 및 노트를 재사용 가능하고 거버넌스가 적용된 AI 에이전트 기술로 전환하기 위한 프레임워크입니다. 이는 기술 생성을 단순한 프롬프트 엔지니어링을 넘어 소프트웨어 엔지니어링 프로세스로 취급함으로써, AI 기술의 전체 수명 주기를 모델링, 컴파일, 평가 및 관리하기 위한 도구를 제공합니다.

작동 방식

이 프로젝트는 다음과 같은 구조화된 파이프라인을 따르는 "Skill OS" (version 2.0)를 구현합니다:

1. Intent Modeling: 파일을 생성하기 전에 대화 프로세스를 통해 기술의 작업, 출력 및 제약 조건을 명확히 합니다.
2. Skill IR (Intermediate Representation): 기술에 대한 플랫폼 중립적인 시맨틱 계약을 생성하여, 의도를 플랫폼별 구현과 분리합니다.
3. Compilation: 대상 컴파일러와 어댑터를 사용하여 OpenAI, Claude, VS Code를 포함한 다양한 플랫폼을 위한 기술을 생성합니다.
4. Evaluation & Review: "Eval Lab"을 사용하여 트리거와 출력 품질을 테스트하고, "Review Studio" HTML 게이트 페이지에서 검토되는 증거를 생성합니다.
5. Release & Governance: 패키지를 검증하고 설치를 시뮬레이션하며, 증거가 검증될 때까지 성급한 공개 주장을 방지하기 위해 "claim guard"를 사용합니다.
6. SkillOps Loop: 채택 드리프트(adoption drift)와 텔레메트리를 추적하여 기술의 다음 반복을 위한 정보를 제공합니다.

대상 사용자

• AI Agent Developers: 다양한 LLM 제공업체에 걸쳐 작동하는 이식성 있고 팀 단위로 준비된 기술을 생성해야 하는 개발자.
• Team Leads: AI 자산에 대한 거버넌스, 릴리스 게이트 및 증거 기반 품질 보증이 필요한 사용자.
• Power Users: 개인의 생산성 워크플로우를 구조화되고 설치 가능한 기술 패키지로 전환하는 개인.

주요 특징

• Platform Neutrality: 단일 소스에서 여러 대상(OpenAI, Claude 등)을 위해 기술을 컴파일하기 위해 Skill IR을 사용합니다.
• Evidence-Based Governance: 맹목적인 신뢰를 증거 원장과 릴리스 게이트를 위한 리뷰 스튜디오로 대체합니다.
• Comprehensive Eval Lab: 어설션 그레이딩(assertion grading), 블라인드 A/B 리뷰 팩, 런타임 권한 프로브를 포함합니다.
• SkillOps: 실제 사용 신호에 기반하여 반복적인 개선을 안내하기 위해 통합된 텔레메트리와 채택 드리프트 보고서를 제공합니다.