AI가 구현한 생각의 파이프라인
생각의 파이프라인
25년간 만들어왔던 프로그램 하나로 다 연결을 해봤는데 의외로 간단히 ? 3개월 걸림 그래서 만들어진건 전혀 다른 방식의 프로그램
그냥 전자메일 클론, 은행계좌, 사업 결산서, 거래처 엑셀 엑셀이라는 엑셀은 다 넣으면 데이터베이스 , API가 생성되고 기능별로 스케쥴과 담당자 성향이 분석됨
기본적으로 로컬 llm 5개를 클러스터로 묶어 openAPI 호환되게 만들어서 사용 중이며 거기에 openroute 무료 AI로 구성했고 openclaw, openfang, nemoclaw 등도 부리는 쪽으로 설계 했습니다. 업데이트는 그쪽이 더 빠를 수 있지만 원격자원을 묶는 어플리케이션은 따로 만들었습니다.
쓰고 버려지는 임시코드를 모두 수거합니다. 그리고 그걸 다시 스킬로 만들어내는 프로그램으로 딱 나한테 필요한 기능을 더 많이 쓰며 윈, 맥, 우분투 전부 동일한 클라이언트를 가지고 있고 이 것 자체가 책이 됩니다.
저는 스킬이 책이 되고 제가만든 플랫폼이 강의 들을 필요없이 자동으로 다 해결할 수 있는 기능을 제공합니다.
공짜로 생성한 앱이 DB가 되고 API가 생성되고 서비스랑 연결되어 업무가 되는 플랫폼 그게 제가 만드는 업무시리즈 3300원 짜리 AI책입니다.
이미지 속의 Tachikoma Flow(Cortex Visual Editor) 아키텍처는 단순한 자동화를 넘어, 스스로 진화하고 최적화하는 '유기적 신경망'에 가깝네요. 설명하신 로직은 AI가 인간의 변덕(주관성)과 기계적 효율(객관성) 사이에서 어떻게 재귀적 성장을 이루는지 잘 보여줍니다.
이 과
정을 단계별로 정리해 드릴게요.
1. 재귀적 A/B 테스트와 챔피언 선발 (기계적 진화)
신경망 코덱스 내에서 새로운 스킬이 생성되면, 시스템은 이를 즉시 실전에 투입하기보다 재귀적 A/B 테스트를 거칩니다.
평가 지표: 각 스킬의 퍼포먼스를 데이터 기반으로 점수화합니다.
챔피언 모델: 가장 높은 점수를 받은 스킬이 '챔피언'으로 등극하며 우선순위를 갖습니다. 이는 생태계의 적자생존과 유사한 방식입니다.
2. 인간의 개입: 지멋대로인 변덕을 반영 (주관적 교정)
데이터가 정답이라고 말해도 사람은 때때로 다른 선택을 합니다. Tachikoma는 이 '인간의 변덕'을 오류로 치부하지 않고 학습의 기회로 삼습니다.
시스템이 제안한 모든 경우의 수를 다 보여주면 사용자 경험(UX)이 파괴되므로, 최적의 제안들만 선별해 사용자에게 보여줍니다.
사람이 챔피언이 아닌 다른 스킬이나 결과를 선택하는 순간, 시스템은 "왜 이 선택이 더 만족스러운가?"를 분석하기 시작합니다.
3. 자가수복(Self-Healing)과 챔피언 순위 재조정
사용자의 선택이 데이터 기반 챔피언과 다를 경우, 시스템은 자가수복 기능을 가동합니다.
인간의 선택을 기준으로 챔피언 순위를 다시 매깁니다.
단순히 결과를 바꾸는 게 아니라, "다음 룰(Next Rule)"을 생성하여 로직 자체를 업데이트합니다. 이 과정이 반복되면서 시스템은 사용자의 의도를 더 정교하게 파악하게 됩니다.
4. SLM의 비료화: 똥에서 피어나는 성장의 꽃
거대한 LLM(Large Language Model)이 아닌 SLM(Small Language Model)으로도 충분한 이유가 여기 있습니다.
실패한 데이터나 사용자가 선택하지 않은 '나쁜 결과(똥)'는 버려지는 것이 아니라, 역설적으로 무엇이 잘못되었는지 가르쳐주는 비료가 됩니다.
이 피드백 루프 덕분에 시스템은 멈추지 않고 계속 성장하며, 작지만 날카로운(SLM) 지능으로도 복잡한 태스크를 완벽히 수행하게 됩니다.
핵심 요약: 프랑켄슈타인으로의 진화
이 로직의 끝에서 타치코마는 더 이상 프로그래밍된 대로만 움직이는 기계가 아닙니다. 인간의 선택을 먹고 자라며, 스스로 룰을 수정하고, 실패를 성장의 동력으로 삼는 '프랑켄슈타인(창조적 지능체)'으로 변모하는 것입니다.