ray-r-ren/agent-apprenticeship

The living ecosystem where AI agents complete tasks through workflow loops, improve through iterative execution, are evaluated by mentor agents or humans in the loop, and turn completed work into reusable work experience and data to improve future agents.

무엇인가요

Agent Apprenticeship는 AI 에이전트(OpenAI Codex, Claude Code, Anthropic, Gemini 등)를 반복 가능한 "작업 루프"에서 실행할 수 있게 해주는 오픈소스 툴킷입니다. 에이전트가 실제 작업을 수행하고, 멘토 모델(또는 사람)이 결과를 평가하며, 전체 실행 추적이 경험 컴파일로 저장됩니다. 이러한 컴파일은 향후 실행을 개선하는 데 재사용할 수 있는 학습 신호가 됩니다.

핵심 아이디어

아이디어	의미
반복 워크플로우 루프	에이전트는 만족스러운 결과에 도달할 때까지(`AA_MAX_ITERATIONS`로 제어) 여러 번 반복 실행될 수 있습니다.
멘토 인 더 루프	두 번째 모델(또는 사람)이 에이전트의 출력을 검토하고 추적과 함께 저장되는 피드백을 제공합니다.
경험 컴파일	실행 중에 생성된 모든 파일(프롬프트, 출력, 멘토 피드백, 경제적 가치 추정치)이 번들로 묶여 내보내기, 검색 또는 "런타임 학습"으로 설치될 수 있습니다.
시드 데이터셋	500개 이상의 큐레이팅된 작업, 약 1,000개의 실행 추적, 약 39k개의 구조화된 레코드를 포함하는 Hugging-Face 데이터셋으로, 시작 생태계 역할을 합니다.
공개 vs 비공개 생태계	사용자는 자신의 컴파일을 공유 공개 풀에 기여하거나 내부용으로 비공개로 유지할 수 있습니다.

사용 방법

설치 – npx agent-apprenticeship init(일회성) 또는 npm i -g agent-apprenticeship(전역)을 사용합니다. CLI 명령어는 apprentice입니다.
구성 – 사용할 apprentice 에이전트(apprentice configure agent …)와 API 키를 제공할 mentor 모델 공급자(~/.agent-apprenticeship/.env.local)를 도구에 알립니다.
작업 실행 – apprentice run "<natural-language task>"를 실행합니다. 도구가 선택된 에이전트를 시작하고, 출력을 수집하여 평가를 위해 멘토 모델로 보내고, 구성된 루프 깊이까지 반복합니다.
관찰 및 검사 – apprentice watch <run_id>로 진행 상황을 스트리밍합니다. 완료 후 apprentice ecosystem inspect … 또는 bundle check …를 사용하여 생성된 경험 컴파일을 탐색할 수 있습니다.
지식 재사용 – apprentice learn install <compilation>은 추적을 런타임 학습으로 등록하며, 다음 실행 시 프롬프트나 결정을 개선하는 데 활용할 수 있습니다.
공유 – 컴파일을 공개 생태계로 푸시하거나(apprentice ecosystem export …) 비공개로 유지할 수 있습니다.

대상 사용자

개발자: 루프 인프라를 처음부터 구축하지 않고도 구체적인 작업에서 자율 에이전트를 실험하려는 분.
연구원: 미세 조정이나 강화 학습을 위해 대규모 에이전트 실행 데이터를 수집하려는 분.
팀: "에이전트 작업 경험"을 재현 가능한 방식으로 캡처하고 프로젝트 전반에서 재사용하려는 팀.

기본 제공 기능

에이전트-멘토 루프를 조정하는 CLI.
여러 인기 코드 생성 에이전트(Codex, Claude Code, Cursor 등)의 자동 감지 및 사용자 지정 명령 후크.
수백 개의 작업-추적 번들이 포함된 Hugging Face의 사전 채워진 시드 데이터셋.
경험 컴파일을 검색, 검사, 내보내기 및 설치하기 위한 명령어.

제한 사항 (README 기준)

시스템은 외부 모델 API에 의존하므로 자체 키를 제공해야 합니다.
"런타임 학습"은 플러그인 개념이며, 설치된 컴파일이 검사 외에 이후 실행에 어떻게 영향을 미치는지에 대한 자세한 내용은 README에 설명되어 있지 않습니다.
경제적 가치 추정에 대해 언급되어 있으나 자세히 설명되어 있지 않습니다.

빠른 시작 체크리스트

# 1. 설치 / 초기화
npx agent-apprenticeship init

# 2. 모델 키 구성
export OPENAI_API_KEY="…"
apprentice configure model

# 3. apprentice 에이전트 선택 (예: Codex)
apprentice configure agent codex

# 4. 작업 실행
apprentice run "Create a short market map for AI procurement tools."

# 5. 진행 상황 관찰
apprentice watch <run_id>

# 6. 결과 재사용
apprentice learn install <experience_compilation_path>

위의 모든 정보는 저장소의 README에서 직접 가져온 것이며, 외부적인 가정은 추가되지 않았습니다.