Stateless AI Agent의 한계를 극복한 Procedural Memory 기반 Skill 자동화 설계

Context

기존 AI Agent의 Stateless 실행 구조로 인한 반복적 작업의 비효율성 발생. 동일한 Repository 분석 및 디버깅 과정을 매 세션마다 처음부터 재수행함으로써 발생하는 토큰 낭비와 시간 지연이 핵심 병목 지점으로 작용.

Technical Solution

• Observe → Plan → Execute → Evaluate → Crystallize Skill → Reuse로 이어지는 학습 루프 도입
• 작업 완료 후 성공 여부와 핵심 액션을 평가하여 재사용 가능한 Operational Knowledge를 추출하는 Crystallization 프로세스 설계
• 단순 채팅 이력 저장이 아닌, 버전/태그/입력값/필요 도구/단계별 절차가 명시된 Inspectable Skill Artifact 형태로 Procedural Memory 구현
• Working Memory(단기 상태), Episodic Memory(맥락 회상), Procedural Memory(절차적 지식)의 3계층 메모리 아키텍처 분리
• 벤더 종속적인 불투명 메모리 레이어를 벗어나 사용자가 제어 가능한 Version-controlled Artifact 기반의 지식 소유 구조 채택