Weighted-Random Priority Menu 기반 자율 AI 엔진의 12시간 무인 작동 성과

Context

기존 Autonomous Agent의 고정된 루프 구조로 인한 유연성 부족과 Operator 개입 시의 리소스 낭비 문제 발생. 특히 Metric Calibration 지연으로 인한 실제 성과 측정의 불일치(PAT-041) 해결이 필요했음.

Technical Solution

• Hardcoded Loop 대체: 36개 액션으로 구성된 Weighted-Random Priority Menu 도입을 통한 런타임 우선순위 동적 변경 및 재시작 없는 기능 확장 구현
• Parallel Adversarial Process: 검증 단계를 최종 Gate가 아닌 병렬 프로세스로 배치하여 시스템 중단 없는 지속적 Critique 누적 구조 설계
• Operator-Presence Sensing: Filesystem mtimes 및 Git Commit Timestamp 분석으로 Operator 활동성을 감지하여 Tick 주기와 일일 캡을 조절하는 가변 리소스 제어 로직 적용
• Conservative Recalibration: 인스턴스 수 3개 이상 및 신뢰도 변화 0.10 이상일 때만 업데이트하는 조건부 로직을 통해 Confidence Recalibrator의 안정성 확보

Impact

• 12시간 무인 작동 동안 110건의 Outbound Technical Analysis 수행 및 53건의 자율 우선순위 액션 실행
• World_interaction_auditor 지표의 정밀도 개선(37/100 $\rightarrow$ 45/100) 및 Human engagement 감지 성공
• 7건의 Adversarial Findings 도출 및 3건의 Scorer Recalibration 완료

Key Takeaway

에이전트의 유연성을 위해 고정 루프 대신 확률적 메뉴 기반의 Action Selection 구조를 채택하고, 검증 프로세스를 비동기 병렬 구조로 분리하여 처리량(Throughput)과 품질(Quality)을 동시에 확보함.