Skill Evolve

Skill Evolve — gotcha/learned → 스킬 자동 개선

memory-distill이 정제한 gotcha/learned에서 개선 후보를 찾으면 이 스킬을 실행합니다. 축적된 실패/성공 관찰을 체크리스트로 변환하여 autoresearch에 넘깁니다.

Antigravity /learn 경계

Antigravity 네이티브 /learn은 현재 대화에서 드러난 교정·선호를 Rules 또는 Skill로 바로 정리할 때 우선합니다. 이 모듈은 여러 세션에서 누적·정제된 gotcha/learned를 기존 스킬에 매핑하고, 최소 관찰 수와 대조 체크리스트를 거쳐 반복 가능한 개선인지 검증하는 경로입니다. /learn을 프로그램적으로 호출하거나 한 번의 최근 교정을 누적 개선 근거로 승격하지 않습니다.

Autoresearch source-only handoff

autoresearch가 활성 스킬이나 slash command로 등록됐다고 가정하지 않습니다. 상위 하네스가 MODULE_SKILL[autoresearch]와 MODULE_ROOT[autoresearch]를 전달했으면 그 정확한 파일을 사용합니다. standalone 실행이면 사용자의 승인 뒤에만 프로젝트의 skills/autoresearch/SKILL.md exact frontmatter → 현재 CLI 활성 루트 → 전역 SKILLS-CATALOG.md에서 첫 셀이 정확히 autoresearch인 단 하나의 행과 그 읽을 경로 순으로 해석합니다. 해석된 SKILL.md 전체를 직접 읽어 체크리스트 인자를 적용하며 /autoresearch 호출로 넘기지 않습니다. 파일·행·경로가 없거나 중복이면 비교 실험은 NOT RUN으로 남기고 전역 스킬을 수정하지 않습니다.

사용법

기본 설치에서는 전역 카탈로그의 이 SKILL.md를 직접 읽고 아래 인자 의도를 적용합니다. 다음 표기는 명령 실행이 아니라 route intent입니다. --include-source-only-skills로 전체 활성화한 설치에서만 앞에 /를 붙인 /skill-evolve compatibility alias를 사용할 수 있습니다.

# 스캔 — 어떤 스킬에 개선 후보가 있는지 확인
skill-evolve

# 특정 스킬 직접 개선
skill-evolve humanizer

# 최소 gotcha 수 지정 (기본: 3)
skill-evolve --min 5

인자

워크플로우

Phase 1: 관찰 수집

1. gotcha/learned 파일 수집
   ├─ memory/gotchas/*.md (index.md 제외)
   └─ memory/learned/*.md (index.md 제외)

2. 각 파일에서 추출
   ├─ tags (키워드)
   ├─ type (CLI 오답 | 환경 함정 | 워크플로우 등)
   ├─ confidence (신뢰도)
   └─ 핵심 내용 (함정/패턴/교훈)

Phase 2: 스킬 매핑

1. 스킬 목록 수집
   ├─ skills/*/SKILL.md (글로벌 스킬)
   └─ 현재 CLI의 글로벌/로컬 스킬 경로에 있는 `*/SKILL.md` (있으면)

2. 각 스킬의 메타데이터 추출
   ├─ name
   ├─ description
   └─ triggers

3. gotcha/learned의 tags ↔ 스킬 name/description/triggers 매칭
   ├─ 정확 매칭: tag == skill name → 가중치 1.0
   ├─ 부분 매칭: tag ∈ skill description → 가중치 0.5
   └─ 유사 매칭: tag 동의어가 skill과 관련 → 가중치 0.3

4. 스킬별 관련 gotcha/learned 그룹핑
   └─ 관련 수 ≥ --min 인 스킬만 후보로 선정

Phase 3: 결과 출력 (인자 없이 실행 시)

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
  Skill Evolve — 개선 후보 스캔
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

  스킬                  gotcha  learned  총계   상태
  humanizer               4       1       5    개선 권장
  backend-spring          3       0       3    개선 가능
  commit-work             1       2       3    개선 가능

  권장: skill-evolve humanizer route로 시작하세요
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Phase 4: 체크리스트 생성 (스킬 지정 시)

gotcha/learned 내용을 autoresearch 체크리스트(예/아니오 질문)로 변환합니다.

변환 규칙:

체크리스트 제약:

• 3~6개 (autoresearch 규칙 준수)
• 신뢰도 높은 순서로 선택
• 중복/유사 항목 병합
• 예/아니오로 답할 수 있는 구체적 질문

생성 예시:

## 체크리스트: humanizer

출처: gotcha 4건, learned 1건

1. AI 유행어("혁신적", "획기적", "탁월한")가 출력에 없는가? [gotcha #2, confidence: 0.7]
2. em dash(—)를 2개 이하로 사용했는가? [gotcha #5, confidence: 0.5]
3. 능동태가 수동태보다 우선 사용됐는가? [gotcha #7, confidence: 0.7]
4. 문장 길이가 20단어 이내인가? [learned #1, confidence: 0.85]
5. 첫 문장이 구체적인 상황/고충으로 시작하는가? [gotcha #3, confidence: 0.5]

Phase 5: autoresearch 실행

1. 체크리스트를 먼저 대화에 제시 (이 단계에서는 파일을 만들거나 수정하지 않음)

2. 사용자에게 확인:
   "humanizer에 대해 위 체크리스트로 autoresearch를 실행할까요?"

3. 승인 시:
   - 체크리스트를 .skill-evolve/<skill-name>/checklist.md에 저장
   - 위 source-only handoff로 `MODULE_SKILL[autoresearch]`를 해석하고 전체를 직접 읽음
   - `<skill-name> --checklist .skill-evolve/<skill-name>/checklist.md` 의도를 해당 워크플로우에 전달

4. 완료 후:
   - .skill-evolve/<skill-name>/evolve-log.md에 결과 기록
   - 사용된 gotcha/learned 파일에 `evolved-by: skill-evolve` 마킹

제약 사항

반드시 지킬 것

하지 말 것

산출물

.skill-evolve/
├── scan-report.md                   # 스캔 결과 (어떤 스킬에 후보가 있는지)
└── <skill-name>/
    ├── checklist.md                 # 생성된 체크리스트
    └── evolve-log.md               # autoresearch 실행 결과 + 사용된 gotcha/learned 목록

관련 스킬