Prompt 중심 설계에서 Captured Failure 기반의 견고한 AI Skill 설계로의 전환

Context

모델의 성능 향상과 무관하게 가변적인 도메인 로직과 코드베이스에 강하게 결합된 Prompt는 시간이 지남에 따라 성능이 저하되는 Prompt Rot 현상을 유발함. 단순한 Instruction 위주의 스킬 구성은 리팩토링이나 파이프라인 변경 시 유지보수 비용을 기하급수적으로 증가시키는 기술적 부채가 됨.

Technical Solution

• Volatile Coupling 최소화: 언어 규격이나 범용 컨벤션 등 변화가 적은 Stable Ground에 기반한 Generic Scaffolding 설계
• Captured Failure 인코딩: 실제 운영 환경에서 발생한 엣지 케이스와 장애 사례를 Guardrail 형태의 로직으로 구현하여 스킬에 내재화
• Dependency Count 제어: 서비스 계약이나 파일 구조 등 빈번하게 변경되는 도메인 지식의 결합도를 낮춰 교체 가능한 형태로 추상화
• Error-driven Refinement: 모델의 추론에 의존하는 Instruction 비중을 낮추고 검증된 실패 패턴을 처리하는 체크리스트 중심의 구조 채택
• State-independent Logic 설계: 모델 버전 업데이트와 무관하게 유효한 시스템 제약 사항(Rate Limit, Payload Format 등)을 우선적으로 정의