자기학습 에이전트

일을 마칠 때마다 결과를 돌아보고 잘된 방법은 스킬로, 실패는 교훈으로 저장해 쓸수록 더 잘하게 되는 에이전트다. 정해 둔 도구와 프롬프트 안에서만 움직이는 일반 에이전트와 달리 새 능력을 스스로 만들어 쌓기 때문에, 비슷한 작업을 자주 맡기는 반복 업무나 오래 쓰는 개인 에이전트에 잘 맞는다.

Nous Research의 Hermes Agent가 이 방식을 구체적인 제품으로 보여 준 예다.

모델이 아니라 기억과 스킬이 자란다

보통 모델 자체를 다시 학습시키지 않는다. 바뀌는 건 모델 바깥에 쌓이는 기억, 스킬 파일, 작업 지침이다. 그래서 같은 모델을 쓰더라도 내 환경에 맞는 노하우가 쌓인 에이전트가 더 잘하게 된다.

직접 써 보려면: 반복 작업에서 시작

Claude Code에서는 스킬을 사람이 만드는 게 기본이지만, 같은 작업을 몇 번 시킨 뒤 "방금 한 절차를 스킬로 저장해 줘"라고 하면 반쯤 자동인 흐름을 만들 수 있다. 스킬은 .claude/skills 폴더의 SKILL.md 파일로 남아 다음 세션에서 다시 쓰인다. Hermes Agent 같은 자기학습 에이전트는 이 판단과 저장을 에이전트가 알아서 한다.

반복 업무엔 좋고, 일회성 작업엔 이득이 적다

잘못 배운 것도 함께 쌓인다

한 번 우연히 통한 방법이 스킬로 굳으면 틀린 절차가 계속 반복된다. 스킬 수가 너무 늘면 엉뚱한 스킬을 불러오기도 한다. 스킬에는 실행 명령이 들어가므로 보안상으로도 확인이 필요하다.

그래서 새로 생긴 스킬은 가끔 읽어 보고, 틀린 것은 지우고, 스킬 폴더를 git으로 관리해 바뀐 내용을 추적하는 게 안전하다.

자주 반복하는 일에 붙여 두고 키운다

가장 흔한 방식은 매번 비슷하게 시키는 작업에 에이전트를 붙여 두고, 몇 번 돌린 뒤 쌓인 스킬을 다듬어 가는 것이다. 처음부터 완벽한 지침을 쓰는 대신, 실제로 일하면서 생긴 절차를 남겨 다음 번에 그대로 꺼내 쓴다.