MemTensor/skills-vote

해결하는 문제

SkillsVote는 대규모 에이전트 스킬 라이브러리 관리의 과제를 해결합니다. 사용 가능한 스킬 수(예: SKILL.md 파일)가 수백만 개로 증가함에 따라 에이전트는 단순히 정적 목록을 로드할 수 없습니다. 특정 작업에 관련된 스킬을 결정하고, 해당 스킬이 실제로 도움이 되었는지 확인하며, 실제 실행 피드백을 기반으로 기존 스킬을 업데이트하거나 새로운 스킬을 생성하여 라이브러리를 진화시킬 수 있는 방법이 필요합니다.

작동 방식

SkillsVote는 에이전트 스킬의 라이프사이클 거버넌스 루프를 구현합니다:

1. 수집 및 프로파일링: 오픈소스 또는 사내 라이브러리에서 스킬을 수집하고, 요구사항, 종속성, 품질을 분석합니다.
2. 즉시 추천: 모든 스킬을 로드하는 대신, 작업 실행 직전에 관련 스킬을 에이전트에게 추천합니다.
3. 트래잭터리 기반 귀속: 작업이 완료된 후, 실행 트래잭터리와 검증 신호를 사용하여 특정 스킬 사용이 결과에 미친 영향을 귀속합니다.
4. 피드백 기반 진화: 귀속된 피드백을 사용하여 기존 스킬을 업데이트하거나 새로운 재사용 가능한 스킬을 생성하여 노이즈 데이터의 축적을 방지합니다.

대상 사용자

Codex, Claude Code, OpenClaw와 같은 코드 작성, 연구, 워크플로우 에이전트를 개발하는 개발자들로, 방대한 재사용 가능한 실행 능력 라이브러리를 관리해야 하는 경우.

주요 특징

• 대규모 스킬 라이브러리: 168만 개 이상의 발견된 스킬을 포함하며, 그 중 79만 개는 Anthropic 스킬 검증기로 검증됨.
• 유연한 통합: 추천 및 피드백용 호스팅된 클라우드 서비스와 사내 라이브러리용 skills-vote-local 버전을 모두 제공.
• 실증된 성능: SWE-Bench Pro 및 Terminal-Bench와 같은 에이전트 기반 코드 및 터미널 벤치마크에서 성능 향상을 입증함.
• 라이프사이클 관리: 단순 검색을 넘어 추천, 귀속, 진화의 완전한 루프를 제공.