OpenClaw이 LLM을 Skill·Cron·Heartbeat 기반 신경계로 래핑해 상태 보존과 자율적 행동 능력 구현

Context

LLM은 단독으로는 시간의 흐름을 인식하지 못하고 매 세션마다 처음부터 시작하므로 지속성과 자율적 행동이 불가능하다. 사용자의 프롬프트가 없으면 어떤 작업도 수행할 수 없는 상태이다.

Technical Solution

• Skill 아키텍처 도입: 각 기능을 SKILL.md(YAML 메타데이터 + 마크다운 명령어)로 패키징하고 설명 필드로 LLM의 의도 매칭 수행
• 점진적 공개 방식 적용: 세션 시작 시 스킬 이름만 로드하고 매칭 시점에 전문(SKILL.md) 읽기로 토큰 효율화
• Delegate 스킬 기반 결정 프레임워크: 3초 이내 단일 명령은 자체 실행, 30초 이상 작업은 Claude Opus(300~600s) 또는 로컬 모델(ollama/mistral:7b, qwen2.5-coder:14b 등)에 위임
• Cron 작업 시스템 구현: systemEvent(무음 처리) 또는 announce(가시적 메시지)로 전달되는 정기 태스크 - 좀비 서브에이전트 감지(15분 주기), Ollama 모델 워밍업(4분 주기), 보안 감시(매주 월요일 09:00)
• Heartbeat 프로토콜 추가: 감시 로그 확인 → 대기열 작업 실행/위임 → 유휴 시 아이디어 제안 → 자체 개선 → Git 커밋 → 상태 추적의 우선순위 계단식 처리

Key Takeaway

LLM을 자율 에이전트로 변환하려면 기능(Skill), 시간 감각(Cron), 주변 인식(Heartbeat), 안전성(Enforcement)을 계층 구조로 설계해야 한다. 실패 사례를 정책으로 코드화하고(예: 서브에이전트가 핵심 파일 덮어쓴 후 샌드박스 규칙 추가), Cron 간격을 자원과 반응성 트레이드오프로 엔지니어링하면 폐쇄 루프 시스템을 구축할 수 있다.