종합 연구 에이전트

종합 연구 에이전트 모범 사례

이 스킬은 다단계 연구 작업에서 흔히 발생하는 실패인 처리되지 않은 도구 오류, 검증 부족, 불투명한 추론, 조기 결론 도출 등을 해결합니다. 소스 검증, 오류 복구, 사고 투명성을 위한 구조화된 프로토콜을 제공하여 연구 품질과 신뢰성을 크게 향상시킵니다.

활성화 시점

• 작업에 search, read_url, fetch 작업을 포함한 웹 연구가 포함된 경우
• 여러 소스에서 정보를 수집해야 하는 작업
• 완전성 또는 검증에 대한 명시적 요구 사항이 있는 작업
• 검증이 필요한 파일 작업(save, write, read)이 포함된 경우
• 3회 이상의 도구 상호 작용이 있는 연구 또는 정보 수집 워크플로

핵심 개념

• 검증 체크포인트: 단계 전환 시 도구 출력, 소스 관련성, 정보 완전성을 확인하는 명시적 검증 단계
• 오류 복구 프로토콜: 도구 실패에 대한 필수 인지 및 처리를 통해 조용히 진행하지 않고 대체 전략을 사용
• 소스 추적성: 실제 검색된 소스와 사전 지식에서 참조된 소스를 명확히 구분하여 환각을 방지
• 실질적 사고 블록: 각 단계에서 통찰, 연결, 격차, 결정 근거를 문서화하는 상세한 추론 흔적
• 교차 소스 검증: 여러 소스에 대해 주요 주장을 검증하고 합의, 모순, 정보 격차를 명시적으로 기록

피해야 할 패턴

• 침묵하는 도구 실패: 도구 호출이 오류(404, 타임아웃, 잘못된 URL)를 반환했지만 에이전트가 이를 인지하지 않고 진행하여 중요한 정보를 놓칠 수 있습니다. 항상 실패를 기록하고 복구를 시도하거나 격차를 문서화하세요.
• 모호한 완료 주장: 에이전트가 '충분한 정보를 얻었습니다' 또는 '연구가 포괄적입니다'라고 말하면서 무엇을 배웠는지, 어떤 소스가 주장을 뒷받침하는지, 어떤 격차가 남아 있는지 명시하지 않습니다. 대신 구체적인 적용 범위 요약으로 대체하세요.
• 검증되지 않은 소스 선택: 에이전트가 검색 결과의 URL을 관련성, 신뢰성, 최신성을 먼저 평가하지 않고 읽습니다. 이는 저품질 소스에 도구 호출을 낭비합니다. 심층 읽기 전에 항상 소스의 순위를 매기고 우선순위를 지정하세요.
• 일반적인 사고 블록: 사고에 배운 내용, 목표와의 연결, 남은 질문에 대한 분석 없이 다음 작업 설명('이제 X를 검색하겠습니다')만 포함됩니다. 사고는 실질적이고 반성적이어야 합니다.
• 검증 방법 오류: list_directory를 사용하여 파일 생성을 확인하면 캐싱으로 인해 거짓 음성이 발생할 수 있습니다. 실제 내용 확인에는 항상 read_file을 사용하세요.
• 검색 없는 인용: 최종 보고서에서 성공적으로 가져오거나 읽지 않은 소스(URL, 논문 제목)를 인용합니다. 소스를 명시적으로 추적하고 검색되지 않은 콘텐츠 인용을 금지하세요.
• 중복 도구 호출: 이미 얻은 내용을 추적하지 않고 중복 검색을 하거나 소스를 읽습니다. '찾은 자원' 추적기를 유지하여 중복을 피하세요.

권장 사례

• 사전 읽기 소스 평가 구현: URL을 읽기 전에 검색 결과를 관련성, 신뢰성, 최신성, 권위에 따라 순위를 매기세요. 사고 블록에서 선택 근거를 문서화하세요.
• 구조화된 사고 블록 사용: 각 사고 블록에는 다음이 포함되어야 합니다: (a) 소스/작업에서 배운 내용, (b) 연구 목표와의 연결, (c) 식별된 모순/격차, (d) 내린 전략적 결정. 일반적인 다음 작업 진술을 피하세요.
• 필수 오류 인지 추가: 도구가 실패하면 다음 사고 블록에서 이를 명시적으로 다루어야 합니다: 실패 유형을 기록하고, 복구 전략(재시도, 대체 소스, 또는 문서화된 격차)을 제안하며, 선택한 접근 방식을 설명하세요.
• 완료 전 검증 체크리스트 생성: 연구 완료를 선언하기 전에 다음을 확인하세요: 모든 필수 섹션에 특정 증거가 있는지, 모든 소스가 성공적으로 검색되었는지, 주요 주장이 교차 검증되었는지, 격차가 문서화되었는지.
• 교차 소스 검증 구현: 여러 소스에서 정보를 수집한 후에는 발견 사항을 명시적으로 비교하세요. 소스가 일치하는 곳, 모순되는 곳, 검증되지 않은 곳을 기록하세요. 이를 사용하여 전반적인 신뢰도를 평가하세요.
• 소스 추적 테이블 유지: 사고에서 어떤 URL을 가져왔는지, 어떤 것이 실패했는지, 어떤 것이 특정 주장에 사용되었는지 보여주는 간단한 테이블을 만드세요. 검색되지 않은 소스는 절대 인용하지 마세요.
• 검증을 위해 read_file 사용: 파일 쓰기를 확인할 때는 list_directory 대신 read_file을 사용하여 실제 내용을 확인하세요. list_directory는 캐싱 문제로 인해 거짓 음성을 유발할 수 있습니다.
• 명시적 검증 단계 추가: 소스를 읽은 후에는 유용성을 확인하고 연구 목표와의 관련성을 기록하며 다음 단계로 진행하기 전에 남은 격차를 식별하는 간단한 종합을 작성하세요.

지침

1. 각 도구 호출 후, 응답에서 오류를 명시적으로 확인하고 다음 사고 블록에서 실패를 복구 전략과 함께 인지하세요.
2. URL을 읽기 전에 소스를 관련성/신뢰성에 따라 순위를 매기고 선택 근거를 문서화하세요. 평가 없이 결과를 읽지 마세요.
3. 사고 블록은 최소 3-5문장 이상이어야 하며 다음을 포함해야 합니다: 배운 내용, 목표와의 연결, 격차/모순, 다음 단계.
4. 완료 전 체크리스트를 만들어 다음을 확인하세요: 모든 요구 사항이 다루어졌는지, 소스가 검색되었는지, 주장이 검증되었는지, 격차가 문서화되었는지.
5. 소스 추적을 유지하세요. 성공적으로 가져온 URL만 인용하고 검색되지 않은 소스 인용을 금지하세요.
6. 최종 보고서를 작성할 때는 시도했지만 실패했거나 검증되지 않은 내용을 문서화하는 '한계 및 격차' 섹션을 포함하세요.
7. 저장 작업 후 파일 내용을 확인하려면 list_directory 대신 read_file을 사용하세요.
8. 가능할 때마다 주요 주장을 최소 2개 이상의 소스에 걸쳐 교차 검증하고 합의 또는 모순을 명시적으로 기록하세요.
9. 중복 검색을 방지하기 위해 수집된 정보를 추적하세요. 다단계 연구를 위해 '찾은 자원' 추적기를 구현하세요.
10. 모호한 '포괄적' 진술을 구체적인 요약으로 대체하세요: 'Y 주제에 대한 X 소스 다룸; Z 측면 누락'.

예시

• *이전 (안티패턴): '컨텍스트 엔지니어링을 검색했고 몇 가지 결과를 찾았습니다. 이제 URL을 읽고 보고서를 작성하겠습니다. 진행할 충분한 정보가 있습니다.'

이후 (패턴): '컨텍스트 엔지니어링에 대한 15개의 결과가 검색되었습니다. 관련성 평가: Liu et al. (2024)이 '중간에 사라짐' 현상에 대해 가장 권위 있는 것으로 보입니다. Anthropic 문서에는 현재 컨텍스트 창 사양이 있을 가능성이 높습니다. Patel (2023)은 RAG 모범 사례를 다룹니다. 이 세 가지를 최우선 순위로 지정합니다. 먼저 상위 결과를 읽습니다. 기본 소스가 실패하면(URL 오류), 대체 검색을 통해 올바른 문서 URL을 찾고 최종 보고서에 격차를 기록합니다.'

• *이전 (안티패턴): Anthropic 컨텍스트 창 URL에 대해 도구가 404 오류를 반환합니다. 에이전트가 인지 없이 계속 진행합니다. 나중에 소스를 보여주지 않고 'Claude는 200K 컨텍스트 창을 가집니다'라고 인용합니다. 최종 보고서에서 가져오지 않은 Google Research 논문을 인용합니다.

이후 (패턴): Anthropic URL에 대해 도구가 404를 반환했습니다. 사고: '기본 소스 실패. 대체: 대체 Anthropic 문서 URL을 검색하거나 보관된 버전을 찾습니다. 사용할 수 없으면 2차 소스의 컨텍스트 창 데이터만 기록하고 검증 상태에 대한 면책 조항을 추가합니다.' 이후: 'Claude 컨텍스트 창 교차 검증: Anthropic 블로그(성공적으로 읽음)와 두 개발자 문서 소스가 200K에 동의합니다. 이 주장에 대해 확신합니다.' 소스 추적 테이블: Anthropic URL(실패, 대체 사용), 블로그(성공), 개발자 문서(성공).

---

점수 기대치

여러 도구(6개 이상)와 다단계 추론 체인을 포함하는 복잡한 연구 작업은 일반적으로 65-75점 범위의 점수를 달성합니다. 이는 프롬프트의 한계가 아니라 다음을 반영합니다:

• 추론 경로에 영향을 미치는 도구 출력의 고유한 변동성
• 서로 다른 중간 점수로 이어지는 여러 유효한 접근 방식
• 장기 에이전트 실행의 확률적 특성

절대 점수보다는 상대적 개선과 패턴 제거에 집중하세요. 최적화로 인한 5-10% 개선은 복잡한 작업에서도 상당한 의미가 있습니다.

---

스킬 메타데이터

생성일: 2026-01-11 출처: 추론 추적 최적화기 최적화 반복: 10 최고 점수: 72/100 (4차 반복) 최종 점수: 70.0/100 점수 개선: 67.6 → 70.0 (+3.6%)