tigerless-labs/autoharness

해결하는 문제

AutoHarness는 Claude Code용 자가학습형 기술 레이어로, AI 에이전트가 수동 개입 없이 자신의 능력을 자동으로 습득, 정제하고 관리할 수 있도록 합니다. 유사한 시나리오를 하나의 업데이트된 기술로 통합하여 중복된 기술의 '비대화'를 방지하고, 유사한 중복 기술을 쌓는 것을 피합니다.

작동 방식

이 프로젝트는 호스트 에이전트와 병행하여 작동하는 학습 파이프라인을 구현합니다:

• 캡처 (CAP): 세션에서 사용자 입력, 에이전트 출력, 도구 I/O를 기록합니다.
• 리플렉션 (REF): 주기적으로 세션 윈도우를 분석하고, 현재 컨텍스트와 기존 기술 인덱스를 기반으로 기술을 추가, 병합, 패치, 삭제할지 결정합니다.
• 프로모터: 제안된 기술을 검증하고 .claude/skills/ 디렉터리에 일반 파일로 저장하여, 자신이 생성한 기술만 수정되도록 보장합니다.
• 라이프사이클 관리 (MNG): 기술의 사용 빈도를 추적합니다. 새 기술은 시험 기간을 거치며, 사용되면 성숙한 풀로 승격됩니다. 성숙한 풀의 용량을 초과하면 가장 사용 빈도가 낮은 기술이 아카이브됩니다.
• 레저 (LED): 각 기술이 생성되거나 변경된 이유를 추가 전용 기록으로 유지하며, 마스킹된 세션 증거와 연결합니다.

대상 사용자

특정 프로젝트 워크플로우나 일반적인 기술에 대해 경험을 통해 에이전트의 숙련도를 높이고 싶은 Claude Code 사용자.

주요 특징

• 자기 유지 보수: 사용되지 않는 기술을 자동으로 제거하고 중복을 병합하여 기술 레이어를 깨끗하게 유지합니다.
• 제로 설정: 필수 설정 없이 플러그인으로 설치되어 학습을 시작할 수 있습니다.
• 비破壊적: 자신이 생성한 기술만 수정하며, 사용자가 작성한 기술은 전혀 건드리지 않습니다.
• 증거 기반: 모든 기술 수정의 정당성을 뒷받침하는 세션 전사본의 상세한 기록을 보관합니다.