resume

resume skill 개요

resume skill의 용도

resume skill은 중단된 autoresearch 실험을 이어가기 위한 Claude 워크플로 skill입니다. 이전 작업을 어렴풋한 기억에 의존해 다시 시작하는 대신, 저장된 실험 상태를 복원해 이어서 진행하도록 돕습니다. /ar:resume으로 실행하거나, 사용자가 이전에 시작한 실험을 계속하자고 요청할 때 트리거됩니다. 핵심 역할은 실험 브랜치를 복원하고, 저장된 설정·전략·결과 이력·최근 커밋을 읽은 뒤, 반복 작업을 계속하기 전에 현재 상태를 요약하는 것입니다.

가장 잘 맞는 사용자와 저장소

이 resume skill은 alirezarezvani/claude-skills의 autoresearch-agent 구조를 사용하는 팀에 잘 맞습니다. 특히 실험이 .autoresearch/{domain}/{name}/ 아래에 저장되고, 브랜치가 autoresearch/{domain}/{name} 형식을 따르는 저장소에서 유용합니다. 엔지니어링 최적화 작업, 벤치마크 기반 변경, 장기간 이어지는 실험 루프처럼 에이전트가 무엇을 이미 시도했고, 무엇을 유지했으며, 무엇을 폐기했거나 실패했는지 알아야 하는 상황에 가장 효과적입니다.

일반적인 resume 프롬프트와 다른 점

일반적인 “이어서 해줘” 프롬프트는 채팅 메모리에 의존합니다. 반면 이 skill은 에이전트에게 구체적인 복구 경로를 제공합니다. 실험 이름이 없으면 실험 목록을 보여주고, 올바른 브랜치를 checkout하며, config.cfg, program.md, results.tsv를 읽고 최근 git 이력까지 확인합니다. 이런 구조 덕분에 중복 작업을 줄이고, 추측이 아니라 근거를 바탕으로 이어서 작업할 수 있습니다.

도입 전에 확인할 점

이 skill은 작고 설치 부담도 낮지만, 주변에 autoresearch 워크플로가 이미 갖춰져 있다는 전제가 있습니다. Workflow Automation 용도로 도입하기 전에, 저장소가 호환되는 실험 브랜치를 사용하고 있는지, 결과 이력이 .autoresearch/에 저장되는지, 그리고 skill이 참조하는 helper script가 예상된 설치 컨텍스트에서 사용할 수 있는지 확인해야 합니다.

resume skill 사용 방법

resume 설치와 먼저 살펴볼 파일

다음 명령으로 소스 저장소에서 skill을 설치합니다.

npx skills add alirezarezvani/claude-skills --skill resume

설치 후에는 SKILL.md를 먼저 읽으세요. 이 skill의 폴더에는 별도의 로컬 README.md, references, rules, 번들 scripts가 없으므로, 중요한 구현 세부 사항은 SKILL.md에 문서화된 명령 순서입니다. 설치 도구가 전체 skill 컬렉션을 가져오는 경우에는 저장소의 더 넓은 engineering/autoresearch-agent 영역도 함께 확인하세요. /ar:resume이 scripts/setup_experiment.py를 참조하기 때문입니다.

실제로 resume skill 호출하기

에이전트가 사용 가능한 실험 목록을 보여주길 원한다면 인자 없이 명령을 사용합니다.

/ar:resume

도메인과 이름을 이미 알고 있다면 특정 실험 경로를 지정합니다.

/ar:resume engineering/api-speed

좋은 프롬프트는 skill이 저장소를 점검해도 된다는 권한을 주고, 어떤 방식으로 이어가길 원하는지도 명확히 말합니다.

“Run /ar:resume engineering/api-speed. After loading the branch and .autoresearch files, summarize the best result, failed attempts, current hypothesis, and propose the next safe experiment before editing code.”

이 방식은 “resume the speed experiment”라고만 말하는 것보다 낫습니다. 에이전트가 먼저 상태를 복구하도록 지시하고, 곧바로 코드 변경에 뛰어드는 일을 막아주기 때문입니다.

호출 후 예상되는 워크플로

이 skill이 의도한 워크플로는 다음과 같습니다.

1. 실험 이름이 제공되지 않으면 사용 가능한 실험을 나열하고 사용자가 선택하게 합니다.
2. autoresearch/{domain}/{name}을 checkout합니다.
3. .autoresearch/{domain}/{name}/config.cfg를 읽어 대상, metric, 제약 조건을 확인합니다.
4. program.md를 읽어 실험 전략을 확인합니다.
5. results.tsv를 읽어 이전 trial과 결과를 확인합니다.
6. git log --oneline -20으로 최근 브랜치 커밋을 검토합니다.
7. 계속 진행하기 전에 현재 상태를 보고합니다.

최상의 결과를 얻으려면 다른 실험을 승인하기 전에 상태 보고를 요청하세요. 보고에는 전체 실험 수, 유지/폐기/실패한 항목 수, 최고 metric, baseline, 마지막으로 시도한 변경, 최근 패턴이 포함되어야 합니다.

더 나은 출력을 위한 실전 프롬프트 패턴

결정이 과거 실험 근거에 달려 있을 때 resume skill을 사용하세요. 좋은 후속 요청은 다음과 같습니다.

• “Do not repeat discarded approaches unless the reason for failure has changed.”
• “Compare the next proposed change against the best kept result in results.tsv.”
• “Before editing, identify any crashed experiments that indicate unsafe directions.”
• “If the branch is dirty, stop and explain the working tree state first.”

이런 지시는 에이전트가 그럴듯한 다음 최적화안을 만들어내는 데 그치지 않고, 새 작업을 저장된 결과와 연결하도록 만들어 출력 품질을 높입니다.

resume skill FAQ

resume은 autoresearch 실험에만 쓰나요?

실무적으로는 그렇습니다. resume skill은 autoresearch/{domain}/{name} 형식의 실험 브랜치와 .autoresearch/{domain}/{name}/ 아래의 상태 파일이라는 autoresearch 관례를 중심으로 작성되어 있습니다. 이 아이디어를 다른 워크플로에 맞게 응용할 수는 있지만, 기본 상태에서는 일반적인 프로젝트 이어하기 도구가 아닙니다.

resume skill이 작동하려면 무엇이 필요한가요?

초기화된 실험이 필요합니다. 즉 브랜치, 설정 파일, 전략 파일, 결과 테이블이 있어야 합니다. config.cfg, program.md, results.tsv가 없다면 에이전트가 git 이력은 확인할 수 있겠지만, 이전 의사결정을 신뢰도 있게 재구성할 수 없으므로 skill의 핵심 가치가 줄어듭니다.

Workflow Automation에서 왜 유용한가요?

Workflow Automation에서 이 skill은 반복 가능한 복구 루틴을 만들어줍니다. 자동화 실행마다 모델이 맥락을 추론하게 하는 대신, /ar:resume은 무엇을 로드하고 무엇을 보고할지 표준화합니다. 이는 예약된 벤치마크 루프, 중단된 최적화 작업, 재현성이 중요한 다중 세션 에이전트 작업에서 특히 가치가 있습니다.

언제 이 skill을 쓰지 않는 편이 좋나요?

새 실험을 시작할 때, 일회성 코드 수정을 할 때, 또는 autoresearch 상태가 없는 저장소에서는 사용하지 않는 것이 좋습니다. 실험 데이터가 채팅 기록, issue 댓글, 외부 대시보드에만 있는 경우에도 잘 맞지 않습니다. 그런 경우에는 별도의 복구 프롬프트를 작성하거나, 실제 이력이 저장된 위치를 아는 companion skill을 추가하는 편이 좋습니다.

resume skill 개선 방법

resume에 더 좋은 실험 입력 제공하기

resume skill은 저장된 실험 파일이 깔끔하고 의사결정 중심으로 정리되어 있을 때 가장 잘 작동합니다. config.cfg에는 대상 파일, metric, 방향, baseline, 제약 조건을 명확히 적어두세요. program.md는 잡담식 메모보다 전략에 집중해야 합니다. results.tsv는 일관된 형식을 유지하고, 유지한 변경, 폐기한 변경, crash, 측정 노이즈를 구분할 수 있을 만큼 충분한 세부 정보를 담아야 합니다.

흔한 resume 실패 패턴 막기

가장 흔한 실패는 맥락을 충분히 로드하지 않은 채 이어서 진행하는 것입니다. 에이전트가 변경을 제안하기 전에 브랜치 이름, config, strategy, result count, best result, last commit을 확인하게 하세요. 또 다른 실패는 최신 결과를 지나치게 신뢰하는 것입니다. 반드시 과거 최고 결과와 비교하게 하고, 해당 metric 기준으로 개선이 의미 있는지 묻게 해야 합니다.

첫 resume 출력 이후 반복 개선하기

skill이 상태를 보고한 뒤에는 다음과 같은 구체적인 질문으로 다음 단계를 개선하세요.

• “Which previous attempts should be avoided and why?”
• “What is the smallest reversible experiment from here?”
• “What evidence suggests this direction is better than the discarded ones?”
• “What command should validate success before marking KEEP?”

이렇게 하면 resume 가이드는 단순한 브랜치 checkout 절차가 아니라, 근거 기반의 반복 루프로 작동합니다.

저장소에 맞게 skill 커스터마이즈하기

팀에서 다른 브랜치 이름, 결과 형식, 실험 디렉터리를 사용한다면 해당 관례에 맞게 skill 지침을 수정하세요. 유용한 추가 항목으로는 dirty working tree 확인, 필수 test 또는 benchmark command, results schema 설명, 파괴적인 git 작업 전에 중단하는 규칙 등이 있습니다. 이런 변경은 resume skill의 핵심 목적, 즉 실험 맥락을 복구하고 가장 강한 근거에서 이어간다는 목적을 바꾸지 않으면서도 더 안전하고 신뢰도 높게 만들어줍니다.