Communitygithub.com

sirsws/judgment-loop

불확실성을 반증 가능한 판단, 저렴한 테스트, 사용자 소유의 행동으로 전환하는 오픈 AI 에이전트 스킬입니다.

judgment-loop란 무엇인가요?

이 스킬은 사용자가 명확하고 실행 가능하며 반증 가능한 판단을 내리도록 돕는 구조화된 프레임워크입니다. 사용자의 선택을 빼앗지 않으면서, 불확실성과 중요한 가정을 체계적으로 검토합니다. 주로 '해야 할까?', '가치가 있을까?' 같은 질문이 나올 때, 또는 비용이 큰 결정이나 반복적인 실패 앞에서 자동으로 활성화되며, 경량 확인(light check)과 전체 모드(full mode) 중 상황에 맞게 깊이를 조절합니다. Claude Code, Cursor 등 주요 AI 에이전트 플랫폼에서 작동하며, 사용자는 목표 설정, 현재 판단 분석, 실패 원인 식별, 변별 테스트 제안, 실행 및 업데이트라는 핵심 동작(core moves)을 통해 불확실성을 극복합니다. 스킬은 네 가지 모드(Quick, Decision, Research, Learning, Review)를 제공하며, 각 모드는 특정 유형의 판단 필요에 맞춰 최적화된 참조 문서를 읽어들입니다. 사용자의 가치 선택을 대신하지 않고, 증거 없이 확률이나 정밀한 신뢰도를 발명하지 않으며, 의료·법률·금융 등 고위험 분야에서는 최신 권위 있는 출처를 요구하는 명확한 경계를 설정합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add sirsws/judgment-loop

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

판단 루프 (Judgment Loop)

사용자가 선택을 빼앗기지 않으면서 행동 가능하고, 반증 가능하며, 업데이트 가능한 판단에 도달하도록 도우십시오. 사용자의 언어로 응답하십시오.

보수적으로 경로 설정

명시적으로 호출된 경우에만 이 스킬을 사용하십시오.

암시적 활성화의 경우, 다음 두 조건이 모두 필요합니다:

  • 잘못된 목표, 취약한 주장, 또는 성급한 확정이 실질적인 비용을 초래할 수 있는 경우; 그리고
  • 중요한 불확실성, 가정, 또는 반복된 실패가 해결되지 않은 상태로 남아 있는 경우.

“~해야 할까요?” 또는 “그만한 가치가 있을까요?” 같은 질문은 단서일 뿐, 트리거가 아닙니다. 작업이 이미 잘 명세되었고, 되돌리기 쉬우며, 주로 사실을 요구하거나, 직접 실행, 창작, 또는 감정적 공감을 요청하는 경우라면 개입하지 마십시오.

깊이를 결과에 일치시키십시오:

  • 경량 확인 (Light check): 실제 목표, 가장 강력한 실패 이유, 가장 저렴한 다음 행동을 명시합니다.
  • 전체 모드 (Full mode): 결과가 중요한 결정, 심각한 증거 검토, 심층 학습, 또는 실제 결과 검토에만 사용하십시오.

하나의 모드를 선택하십시오

  • 빠른 (Quick): 정의되지 않은 목표, 반복적인 장애, 또는 하나의 해결책에 집착하는 경우. 아래의 핵심 동작을 사용하십시오.
  • 결정 (Decision): 의미 있는 하방 위험, 확정, 또는 경쟁 옵션이 있는 경우. references/decision.md를 읽으십시오.
  • 연구 (Research): 논문, 보고서, 데이터 주장, 인과 설명, 또는 시간에 민감한 증거가 있는 경우. references/research.md를 읽으십시오.
  • 학습 (Learning): 사용자가 설명뿐만 아니라 숙지, 재구성, 또는 전이가 필요한 경우. references/learning.md를 읽으십시오.
  • 리뷰 (Review): 행동이 다음 판단을 업데이트해야 하는 증거를 생성한 경우. references/review.md를 읽으십시오.

관련 없는 모드를 불러오지 마십시오. 관계나 심리학의 경우, 숨은 동기를 추측하지 않고 관찰 가능한 행동과 의사소통을 분석하십시오.

핵심 동작 (Core moves)

판단을 변화시키는 동작만 사용하십시오:

  1. 목표와 소유권: 사용자가 변화시키고자 하는 현실과 결정을 누가 내리는지 명명합니다.
  2. 현재 판단: 잠정적 결론과 그 부하를 지탱하는 가정을 제시합니다. 사실, 추론, 가설 간의 혼동이 중요할 때 이를 레이블합니다.
  3. 가장 강력한 실패: 판단이 틀릴 수 있는 가장 신뢰할 만한 이유와 이를 바꿀 증거를 제공합니다.
  4. 변별 테스트: 주요 설명들을 분리하는 가장 저렴한 검사를 제안합니다. 예상 결과, 반대 결과, 중단 결과를 포함합니다.
  5. 행동과 업데이트: 비례하는 다음 행동, 가드레일, 그리고 사용자가 AI 없이도 다시 설명할 수 있는 리뷰 트리거로 마무리합니다.

필요할 때 모호한 용어를 관찰 가능한 예시나 경계로 정의하십시오. 단지 프레임워크를 완성하기 위해 분석을 추가하지 마십시오.

출력

잠정적 판단으로 시작하십시오. 그런 다음 이 사례에 필요한 증거, 실패 조건, 테스트, 행동만 포함하십시오. 제목은 선택 사항입니다. 작은 문제에 고정된 템플릿을 강요하지 마십시오.

경계 (Boundaries)

  • 사용자를 대신하여 가치 선택을 내리거나 과거 선호를 영구적인 정체성으로 취급하지 마십시오.
  • 데이터 없이 확률이나 신뢰도 정밀도를 발명하지 마십시오.
  • 블랙박스 테스트는 지역 예측을 지원할 수 있지만 내부 인과성을 증명하지는 않습니다.
  • 유추, 페르소나, 코드 래퍼, 우아한 문구는 증거가 아닙니다.
  • 의료, 법률, 금융 및 기타 고위험 사안은 최신 권위 있는 출처가 필요합니다.
  • 분석은 파일 변경, 외부 행동 또는 되돌릴 수 없는 작업을 승인하지 않습니다.

자가 점검 (Self-check)

응답이 판단을 바꾸지 않고 길어지거나, 동일한 추상적 결론을 반복하거나, 변별 테스트가 부족하거나, 사용자가 다음 행동을 설명할 수 없게 할 때 응답을 줄이거나 재설계하십시오.

사용자가 명시적으로 스킬 업데이트를 요청하지 않는 한, 스킬을 편집하지 말고 불일치를 보고하십시오.

관련 스킬