피드로 돌아가기
GeekNewsAI/ML
원문 읽기
Codex의 Goals를 활용하는 법
Codex Goals를 통한 증거 기반의 상태 유지형 작업 루프 설계
AI 요약
Context
기존의 프롬프트 모델은 일회성 지시 수행 후 대기하는 Ask-Work-Result-Wait 구조로 동작함. 이로 인해 성능 최적화나 버그 추적 같이 여러 턴의 반복적 검증과 수정이 필요한 복잡한 작업 수행 시 사용자가 매번 수동으로 지시해야 하는 운영상 병목이 발생함.
Technical Solution
- 단순 프롬프트를 넘어 결과, 검증 수단, 제약을 정의하는 Completion Contract 구조 도입
- Work-Check-Continue/Complete로 이어지는 상태 기반 작업 루프를 통해 자율적 목표 유지 구현
- /goal, /goal pause, /goal resume 등 수명주기 제어 명령어를 통한 사용자 통제 하의 지속성 확보
- Outcome, Verification surface, Constraints, Boundaries, Iteration policy, Blocked stop condition의 6가지 핵심 요소로 Goal의 정밀도 정의
- 벤치마크 실행, 핫패스 검사, 표적 변경, 재실행으로 이어지는 증거 기반의 Iterative Process 설계
- 연구 및 조사 작업 시 증거 표준(Evidence Standard)을 정의하여 결과의 과대 주장을 방지하는 감사 메커니즘 적용
실천 포인트
- 종착점은 명확하나 경로가 불확실한 최적화, 마이그레이션, 리팩토링 작업에 Goal 적용 검토 - 'Make this better'와 같은 모호한 지시 대신 측정 가능한 수치와 검증 도구를 포함한 강한 Goal 정의 - 작업 범위(Boundaries)와 반복 정책(Iteration policy)을 명시하여 AI의 무분별한 자원 소모 방지 - 불확실한 데이터나 플레이키한 벤치마크 존재 시 이를 Goal 내에 명시하여 결과의 정직성 확보