제8장 · 에이전트의 지속적 진화

가중치를 바꾸지 않고도 성장하는 방법을 다룹니다. 세 가지 학습 패러다임, 경험으로부터의 학습, ‘도구 사용자’에서 ‘도구 제작자’로 나아가는 과정을 통해 에이전트가 ‘똑똑함’을 넘어 ‘능숙함’을 갖추게 합니다.

← 한국어 메인 README로 돌아가기 · 📖 제8장 본문 읽기

연계 프로젝트

실험	프로젝트	유형	설명
8-1	trajectory-verifier	✅	실제 고객 서비스 호출 28건, Judge 호출 8건, 전문가 표본 8건을 검수했습니다. 증거에는 핵심 위반의 안정성 주장이 재현되지 않은 사실도 함께 기록돼 있습니다.
8-2	gaia-experience	✅	실제 GAIA 궤적 세 그룹과 지식 문서 대조를 검수했습니다. 증거에는 지식 문서 그룹이 25%, 두 대조군이 각각 50%였던 부정적 결과가 기록돼 있습니다.
8-3	prompt-auto-optimization	✅	실제 작업 에이전트, LLM Judge, 코딩 에이전트로 초기·자동·수동 세 그룹의 전체 보존 세트와 경계 세트를 실행했으며, 원본 응답과 배포 기준을 보존했습니다.
8-4	browser-use-rpa	✅	실제 ARK 에이전트와 Chromium이 초기화 가능한 로컬 메시지 사이트에서 탐색, 독립 검증, 매개변수화된 재실행, 거짓 성공 대조, 페이지 변경에 따른 무효화를 완료했습니다.
8-5	self-modifying-agent	✅	실제 코딩 에이전트가 반복 장애에서 패치를 만들고, 결정론적 후보 및 의도적으로 지나치게 넓은 반례와 함께 동일한 회귀·카나리·롤백 배포 게이트를 거쳤습니다. 증거는 수락과 거부 이력을 모두 보존합니다.
8-6	hermes-self-evolution	📖	Hermes에게 책 전체와 자기 소스를 줍니다. 스스로 개선을 고르고 자신을 수정하며, Reviewer의 거절을 다음 학습으로 바꾸어 수락될 때까지 발전합니다.
8-7	self-evolution-eval	✅	실험 8-7은 정적·추가 전용·진화형 세 방식에 대해 3개 시드와 14개 작업, 총 126회의 실제 호출을 수행합니다. 증거는 전이, 규칙 교체, 보존, 대응표본 통계를 담고 있습니다.

위 실험은 모두 API 키 없이 실행할 수 있는 오프라인 진입점과 단위 테스트를 사전 점검용으로 유지합니다. 표의 ✅는 각 디렉터리에 보존된 실제 모델·궤적·브라우저의 정식 증거를 근거로 하며, 오프라인 동작 시연으로 대신하지 않습니다. 과거의 수치나 정성적 주장이 재현되지 않았을 때도 부정적 결과를 증거에 그대로 기록합니다.

보충 사례

실험	프로젝트	연관성
7-8	prompt-distillation	프롬프트 증류와 파라미터 기반 학습을 다루는 장 간 프로젝트입니다. 학습 방법 자체는 제7장에 속합니다.
—	self-evolving-tools	Alita 방식의 도구 발견·캡슐화·재사용을 보여 주는, ‘경험을 프로그램에 기록하기’의 보충 사례입니다.

프로젝트 유형

아이콘	유형	의미
✅	독립 실행	전체 코드가 이 저장소에 있으며, API 키를 설정하면 실행할 수 있습니다.
📖	재현 가이드	외부 저장소를 git clone해야 하는 상세 안내 문서입니다.
🚧	진행 중	구현은 있지만 실제 데이터·환경 또는 장기 검수 증거가 아직 완전하지 않습니다.