피드로 돌아가기
GeekNewsAI/ML
원문 읽기
작업별 맞춤 하네스: Claude Code의 동적 워크플로우
Dynamic Workflow 기반 컨텍스트 격리로 LLM 실패 모드 해결
AI 요약
Context
단일 Context Window 내에서 계획과 실행을 동시 수행하는 기존 하네스의 한계 분석. 작업 장기화에 따른 Agentic Laziness, Self-preferential Bias, Goal Drift 등의 구조적 결함 발생 확인.
Technical Solution
- JavaScript 기반의 동적 하네스 작성을 통한 Subagents 생성 및 조율 구조 설계
- 개별 에이전트별 Worktree 격리와 전용 Context Window 할당으로 상호 간섭 및 교차 오염 방지
- Fan-out-and-synthesize 패턴을 통한 대규모 병렬 처리 및 결과 통합 메커니즘 구현
- Adversarial Verification 구조를 도입하여 생성 결과와 루브릭 간의 적대적 검증 프로세스 강제
- Tournament 및 Pairwise 비교 파이프라인을 통한 정성적 데이터의 정량적 정렬 최적화
- 작업 복잡도에 따라 Sonnet과 Opus 모델을 동적으로 할당하는 지능형 Routing 레이어 구축
실천 포인트
- 고복잡도 작업 시 단일 프롬프트 대신 Subagents 기반의 역할 분리 구조 검토 - 검증 단계에서 생성 에이전트와 독립된 Skeptic 페르소나 에이전트 배치 - 정성적 비교가 필요한 경우 절대 점수 방식보다 Pairwise 비교 파이프라인 채택 - 토큰 소비량 증가에 따른 작업별 비용-효용 분석 및 모델 Routing 전략 수립