self-improving-agent

self-improving-agent skill 개요

self-improving-agent가 하는 일

self-improving-agent는 Claude Code의 단기 auto-memory를 오래 유지되는 프로젝트 지식으로 바꾸기 위한 Claude Code skill입니다. MEMORY.md를 검토해 보존할 가치가 있는 패턴을 찾아내고, 이를 CLAUDE.md, .claude/rules/, 또는 재사용 가능한 skill로 승격하도록 돕습니다. 핵심은 막연히 “에이전트를 더 똑똑하게 만드는 것”이 아닙니다. 유용했던 디버깅 교훈, 프로젝트 규칙, 워크플로 선호사항이 잡음 많은 메모리 노트 속에 묻히지 않게 하는 데 있습니다.

이 skill이 잘 맞는 경우

self-improving-agent skill은 Claude Code auto-memory를 이미 사용하고 있고, 프로젝트별 발견 사항이 계속 쌓이는 팀이나 개인 개발자에게 가장 잘 맞습니다. MEMORY.md가 일회성 관찰, 반복되는 수정, 아키텍처 관례, 오래된 메모가 뒤섞인 상태가 되었을 때 특히 유용합니다. 프롬프트, 규칙, skill을 버전 관리되는 프로젝트 자산으로 다루는 Context Engineering 워크플로를 운영한다면, Context Engineering용 self-improving-agent는 실용적인 큐레이션 루프를 제공합니다.

일반 프롬프트와 다른 점

일반 프롬프트로도 Claude에게 “memory를 요약해 달라”고 요청할 수는 있습니다. 하지만 이 skill은 에이전트에게 더 구체적인 작동 모델을 제공합니다. 검토하고, 승격하고, 추출하고, 상태를 확인하고, 기억하는 방식입니다. 이 skill의 가치는 임시 memory와 강제력 있는 프로젝트 컨텍스트 사이의 판단 경계를 세우는 데 있습니다. 이 경계가 중요한 이유는 모든 메모를 승격하면 규칙이 오염되고, 반복되는 교훈을 승격하지 않으면 에이전트가 같은 수정 방법을 계속 다시 찾아야 하기 때문입니다.

도입 요건과 한계

이 skill은 auto-memory를 사용할 수 있는 Claude Code 환경과 MEMORY.md, CLAUDE.md, .claude/rules/ 같은 파일이 의미 있게 운영되는 저장소를 전제로 합니다. 별도의 helper script나 추가 reference file은 포함되어 있지 않으며, 핵심 가이드는 SKILL.md에 있습니다. 자율적인 리팩터링이나 코드 생성을 기대하고 설치해서는 안 됩니다. 이 skill은 memory 큐레이션 워크플로이지, 프로젝트 규칙에 대한 사람의 검토를 대체하는 도구가 아닙니다.

self-improving-agent skill 사용 방법

self-improving-agent 설치와 먼저 확인할 파일

사용 중인 Claude skills 설치 워크플로에 따라 repository path에서 설치합니다. 환경에서 일반적인 skills CLI 패턴을 지원한다면 다음을 사용하세요.

npx skills add alirezarezvani/claude-skills --skill self-improving-agent

그다음 아래 위치의 원본 skill을 확인합니다.

engineering-team/self-improving-agent/skills/self-improving-agent/SKILL.md

파일 트리 미리보기에는 번들된 scripts/, resources/, references/, rules/ 디렉터리가 없습니다. 따라서 설치 여부를 판단할 때는 주로 SKILL.md의 워크플로가 현재 Claude Code memory 운영 방식과 맞는지 확인해야 합니다.

핵심 명령과 호출 시점

이 skill은 간결한 명령 체계를 정의합니다.

• /si:review — MEMORY.md를 분석해 승격 후보, 오래된 메모, 반복되는 주제, 통합할 만한 항목을 찾습니다.
• /si:promote — 검증된 패턴을 CLAUDE.md 또는 .claude/rules/로 승격합니다.
• /si:extract — 반복적으로 쓰이는 해결책을 독립적인 skill로 변환합니다.
• /si:status — memory 상태, 줄 수, 주제 범위, 권장 정리 작업을 확인합니다.
• /si:remember — 중요한 지식을 auto-memory에 명시적으로 저장합니다.

지속적인 컨텍스트를 편집하기 전에는 /si:review를 사용하세요. 반복된 근거를 제시할 수 있을 때만 /si:promote를 사용하세요. 단순한 로컬 관례가 아니라 여러 작업에서 재사용 가능한 해결책일 때 /si:extract를 사용하세요.

self-improving-agent 사용에 좋은 입력

self-improving-agent를 더 잘 활용하려면 단순히 “memory를 검토해줘”라고만 요청하지 마세요. 승격 목표, 저장소 영역, 위험 허용 범위를 함께 알려줘야 합니다.

약한 프롬프트:

/si:review MEMORY.md

더 나은 프롬프트:

/si:review MEMORY.md and identify patterns that should become durable project instructions. Prioritize repeated debugging fixes, architecture conventions, and commands that prevent regressions. Mark anything one-off or uncertain as keep-in-memory, not promote.

승격 작업의 경우:

/si:promote the repeated Vite test-environment fix from MEMORY.md into .claude/rules/testing.md. Keep it short, actionable, and scoped to frontend test setup. Include the evidence from memory before proposing the rule.

이 방식이 더 효과적인 이유는 근거, 범위, 목적지, 절제 기준을 모두 요구하기 때문입니다.

저장소에 권장하는 워크플로

먼저 /si:status로 memory의 크기와 상태를 파악하세요. 그런 다음 /si:review를 실행해 오래 유지할 패턴과 잡음을 분리합니다. 확신도가 가장 높은 항목만 CLAUDE.md 또는 .claude/rules/로 승격한 뒤, 다시 review를 실행해 남아 있는 memory가 여전히 필요한 역할을 하는지 확인하세요. 같은 워크플로 또는 디버깅 해결책이 여러 번 등장하고, 현재 저장소를 넘어 향후 에이전트에게도 도움이 될 때 /si:extract를 사용합니다.

Context Engineering 팀이라면 결과물을 pull request처럼 다루세요. 제안된 규칙을 검토하고, 모호한 표현을 제거하고, 실제 작업에서 테스트한 뒤, 향후 에이전트 동작을 개선한다고 판단될 때만 commit하세요.

self-improving-agent skill FAQ

self-improving-agent는 Claude Code 전용인가요?

네. 이 skill은 Claude Code의 memory stack, 특히 MEMORY.md, CLAUDE.md, .claude/rules/를 기준으로 설계되었습니다. 아이디어 자체는 다른 환경에도 응용할 수 있지만, self-improving-agent skill은 이러한 파일들이 이미 워크플로의 일부일 때 가장 실행 가능성이 높습니다.

언제 이 skill을 사용하지 않는 것이 좋나요?

프로젝트에 축적된 memory가 거의 없거나, 지속적인 프로젝트 지침을 원하지 않거나, 팀 내에서 오래 유지할 AI 가이드를 어디에 둘지 합의하지 않았다면 사용하지 않는 것이 좋습니다. 또한 근거 없는 추측성 메모를 규칙으로 승격하면 오히려 역효과가 날 수 있습니다.

초보자에게도 적합한가요?

Claude Code 사용자라면 접근하기 어렵지는 않지만, memory, 프로젝트 지침, 재사용 가능한 skill의 차이를 이해하고 있다는 전제가 있습니다. 초보자는 /si:promote나 /si:extract를 시도하기 전에 /si:status와 /si:review부터 시작하는 것이 좋습니다.

Context Engineering에 어떻게 도움이 되나요?

Context Engineering용 self-improving-agent는 에이전트의 경험과 프로젝트 컨텍스트 사이의 피드백 루프를 유지하는 데 도움이 됩니다. 발견 사항을 채팅 기록이나 흩어진 메모로 남겨두는 대신, 검증된 교훈을 향후 에이전트가 따를 수 있는 구조화된 지침으로 바꾸는 반복 가능한 경로를 제공합니다.

self-improving-agent skill 개선 방법

근거를 강화해 self-improving-agent 결과 개선하기

가장 중요한 개선점은 근거의 품질입니다. 승격을 요청하기 전에 MEMORY.md에서 반복된 오류, 성공한 수정, 선호되는 명령, 거부된 접근 방식, 아키텍처 제약을 수집하세요. 각 항목이 왜 승격될 가치가 있는지 skill이 인용하도록 요청하세요. 이렇게 하면 규칙이 불필요하게 늘어나는 것을 줄이고, 일회성 경험이 영구 지침이 되는 일을 막을 수 있습니다.

주의해야 할 일반적인 실패 패턴

가장 흔한 실패는 과도한 큐레이션입니다. 너무 많은 memory 조각을 규칙으로 바꾸는 경우입니다. 또 다른 실패는 “좋은 테스트를 작성하라”처럼 운영상 가치가 없는 모호한 승격입니다. 세 번째는 워크플로가 재사용 가능하다는 점이 충분히 입증되기 전에 skill로 너무 일찍 추출하는 것입니다. 트리거 조건, 수행할 작업, 파일 범위, 예시까지 구체적으로 요구하세요.

더 나은 규칙을 만드는 프롬프트 패턴

좋은 프롬프트는 에이전트에게 목적지와 편집 기준을 함께 제공합니다.

Review MEMORY.md for backend API conventions. Propose only rules that are repeated at least twice or prevent a known regression. For each rule, include destination file, concise wording, evidence, and why it should not remain only in memory.

추출 작업의 경우:

Find recurring debugging workflows in MEMORY.md that could become a skill. Exclude project-only preferences. For each candidate, describe inputs required, output expected, and when the future agent should trigger it.

첫 결과 이후 반복 개선하기

첫 번째 결과가 나온 뒤에는 정리 라운드를 요청하세요. “제안된 승격 항목 중 너무 넓거나, 오래되었거나, 근거가 부족한 것은 무엇인가?” 그런 다음 살아남은 규칙을 실제 Claude Code 작업에서 테스트합니다. 에이전트가 추가 설명 없이도 규칙을 올바르게 따른다면 유지하세요. 규칙이 혼란을 만든다면 트리거를 좁히거나, 예시를 추가하거나, 다시 memory로 되돌리세요. 이 검토 루프를 거칠 때 self-improving-agent는 단순한 정리 명령을 넘어 실질적인 개선 도구가 됩니다.