Hermes Agent 기반 로컬 피드백 루프로 구현한 적응형 코칭 시스템

Context

기존 LeetCode 등 인터뷰 준비 도구의 정적 문제 제공 방식과 사용자별 학습 패턴 무시라는 한계점 식별. 개별 사용자의 취약점과 코드 스타일을 기억하여 학습 경로를 동적으로 조정하는 개인화된 코칭 아키텍처 필요성 대두.

Technical Solution

• Next.js, FastAPI, SQLite 기반의 Local-first 아키텍처 설계를 통한 데이터 프라이버시 확보 및 배포 복잡도 제거
• Hermes Agent를 단순 래퍼가 아닌 Core Intelligence Layer로 배치하여 모든 제출 파이프라인의 판단 로직으로 활용
• problem_selector, solution_reviewer, coaching_profiler 세 가지 핵심 Skill 파일을 통한 역할 분리 및 상태 관리
• 사용자 피드백 $\rightarrow$ Skill 파일 업데이트 $\rightarrow$ 다음 문제 선택 로직에 반영되는 Closed-loop 학습 메커니즘 구축
• Monaco Editor가 통합된 Full Workspace 환경에서 코드 제출부터 Hermes 리뷰까지 일원화된 데이터 흐름 설계
• WSL Ubuntu 기반 Hermes CLI를 통해 외부 추론 키 없이 로컬 인퍼런스 환경을 구현한 독립적 실행 구조