shimo4228/agent-knowledge-cycle

agent-knowledge-cycle은(는) 무엇을 하나요?

AI 에이전트를 위한 지식 순환 — 에이전트가 성장함에 따라 희소해지는 인간의 주의와 판단을 핵심으로 삼아, 여섯 단계를 통해 세션 간 행동이 운영자의 의도와 일치하도록 유지합니다. ADR(아키텍처 결정 레코드), JSON 스키마, 그리고 의존성이 없는 Python 참조 구현을 제공합니다.

개요

에이전트의 역량이 증가함에 따라 인간의 주의와 판단은 점점 더 희소해집니다. 이 지식 순환은 이러한 문제를 해결하기 위해 설계되었으며, 여섯 가지 단계로 구성됩니다:

1. 수집(Collect) — 상호작용, 결정, 관찰에서 지식 획득
2. 저장(Store) — 구조화된 형식(JSON, ADR)으로 지식 유지
3. 검색(Retrieve) — 관련 맥락과 과거 결정 검색
4. 평가(Evaluate) — 검색된 지식의 관련성과 정확성 평가
5. 적용(Apply) — 현재 작업에 지식 적용
6. 갱신(Update) — 새로운 경험과 피드백을 기반으로 지식 갱신

시작하기

설치

git clone https://github.com/shimo4228/agent-knowledge-cycle.git
cd agent-knowledge-cycle

의존성

의존성이 없습니다. Python 참조 구현은 표준 라이브러리만 사용합니다.

사용법

Python 참조

from knowledge_cycle import KnowledgeCycle

# 지식 순환 초기화
kc = KnowledgeCycle()

# 지식 수집
kc.collect("사용자가 로그인 성능 개선을 요청함")

# 관련 지식 검색
results = kc.retrieve("성능")

# 지식 평가 및 적용
kc.evaluate(results)
kc.apply(results)

CLI

python -m knowledge_cycle collect "결정: 캐싱 계층 추가"
python -m knowledge_cycle retrieve "로그인"

아키텍처 결정 레코드(ADR)

모든 중요한 아키텍처 결정은 adrs/ 디렉토리에 ADR 형식으로 문서화됩니다.

• adrs/001-knowledge-cycle-phases.md — 지식 순환의 여섯 단계 정의
• adrs/002-json-schema-design.md — 지식 저장을 위한 JSON 스키마

JSON 스키마

지식 항목은 다음 JSON 스키마를 따릅니다:

{
  "$schema": "http://json-schema.org/draft-07/schema#",
  "type": "object",
  "properties": {
    "id": {"type": "string"},
    "timestamp": {"type": "string", "format": "date-time"},
    "type": {"type": "string", "enum": ["observation", "decision", "feedback"]},
    "content": {"type": "string"},
    "context": {"type": "object"},
    "metadata": {
      "type": "object",
      "properties": {
        "confidence": {"type": "number", "minimum": 0, "maximum": 1},
        "source": {"type": "string"}
      }
    }
  },
  "required": ["id", "timestamp", "type", "content"]
}

구성

환경 변수:

• KC_STORAGE_PATH — 지식 저장소 경로 (기본값: ./knowledge/)
• KC_MAX_RESULTS — 검색 최대 결과 수 (기본값: 10)
• KC_CONFIDENCE_THRESHOLD — 신뢰도 임계값 (기본값: 0.5)

라이선스

MIT