자기 개선 AI 에이전트가 프로세스 비대화로 인해 정체되었으며, 설정의 60%를 줄여 해결했습니다.

한 개발자가 자기 개선형 AI 에이전트를 사용하면서 초기 개선 후 성능 정체에 부딪혔다고 보고했습니다. 버그 때문이 아니라 모든 개선이 더 많은 프로세스 오버헤드를 추가했기 때문에 에이전트는 계속된 개발에도 불구하고 느려지고 있었습니다.

문제: 프로세스 비대화

에이전트 시스템은 시간이 지남에 따라 상당한 프로세스 부담이 누적되었습니다:

• 각 개선마다 새로운 검증 단계, 구성 레이어, 문서화가 추가됨
• 작성 파이프라인이 10단계로 증가
• 야간 연구는 실제 논문을 읽는 것보다 자체 지침을 로드하는 데 더 많은 컨텍스트를 소비
• 더 많은 프로세스는 성능을 개선하지 않았고 시스템을 더 무겁게 만들었음

해결책: 체계적 단순화

개발자는 다음과 같은 구체적인 변경 사항으로 단순화 작업을 수행했습니다:

• 루트 구성 약 60% 삭감
• 작성 파이프라인 10단계에서 5단계로 축소
• 드림 사이클 재구성: 연구는 여전히 매일 실행되지만, 무거운 자기 평가는 이제 주당 한 번만 발생
• 예약된 작업 하나를 다른 작업에 통합하고 제거
• 총 반복 작업 11개에서 9개로 감소

결과 및 관찰

단순화는 뒤로 물러서는 것이 아니라 다음 단계로 나아가는 느낌이었습니다. 개발자는 첫 번째 단계는 역량 구축에 관한 것이었지만, 이 단계는 효과적인 것을 보존하고 효과적이지 않은 것을 제거하는 최소 구조를 찾는 것이라고 언급했습니다.

팀은 시스템을 관찰하기 위해 새로운 프로세스나 레이어 없이 2주간의 모라토리움을 시행했습니다. 중요한 기능이 손실되었는지 판단하기에는 아직 이르지만, 단순화된 시스템을 통한 첫 번째 실행은 눈에 띄게 빨랐습니다.

핵심 통찰: 장기 실행 에이전트의 경우 "무엇을 추가해야 하는가"보다 "무엇을 제거할 수 있는가"가 더 중요한 질문일 수 있습니다. 이 접근 방식은 시간이 지남에 따라 자기 개선 시스템을 느리게 할 수 있는 프로세스 오버헤드의 자연스러운 누적을 해결합니다.