Anthropic AI Fluency Framework 기반 사용자 행동 분류 및 피드백 루프 시스템 구현

Context

단순 코드 생성과 수정의 반복이라는 협업 패턴의 정체 현상 발생. 정량적 측정 지표 부재로 인해 AI 협업 역량의 확장 가능성을 파악하기 어려운 한계점 노출.

Technical Solution

• Description, Discernment, Delegation의 3개 축과 11가지 관찰 가능한 행동 지표를 활용한 분류 체계 적용
• Fly.io 기반 Remote Classifier를 통해 세션 히스토리를 분석하고 7가지 Archetype으로 매핑하는 분석 파이프라인 구축
• ~/.skill-tree/ 설정 파일과 SessionStart hook을 활용하여 부족한 행동 패턴을 다음 세션의 목표로 지정하는 지속적 성장 루프 설계
• MCP(Model Context Protocol) npm 패키지 구현을 통해 Cursor, VS Code, Windsurf 등 다양한 IDE 환경에서의 호환성 확보
• 분석부터 URL 생성까지의 전 과정을 30~60초 내로 처리하는 비동기 렌더링 프로세스 적용