agent prompt evolution
✓방법론 개발 과정에서 상담원 전문화를 추적하고 최적화합니다. 에이전트 전문화가 등장하거나(일반 에이전트가 5배 이상의 성능 격차를 보임) 다중 실험 비교가 필요하거나 방법론 이전 가능성 분석이 필요한 경우에 사용합니다. 에이전트 세트 진화(Aₙ 추적), 메타 에이전트 진화(Mₙ 추적), 전문화 결정(특수 에이전트를 생성하는 시기/이유) 및 재사용성 평가(범용, 도메인별, 작업별)를 캡처합니다. 체계적인 교차 실험 학습과 최적화된 M₀ 진화를 가능하게 합니다. 실험당 2~3시간의 오버헤드.
SKILL.md
Systematically track how agents specialize during methodology development.
Specialized agents emerge from need, not prediction. Track their evolution to understand when specialization adds value.
Finding (from 8 experiments): M₀ sufficient in all cases (no evolution needed)
방법론 개발 과정에서 상담원 전문화를 추적하고 최적화합니다. 에이전트 전문화가 등장하거나(일반 에이전트가 5배 이상의 성능 격차를 보임) 다중 실험 비교가 필요하거나 방법론 이전 가능성 분석이 필요한 경우에 사용합니다. 에이전트 세트 진화(Aₙ 추적), 메타 에이전트 진화(Mₙ 추적), 전문화 결정(특수 에이전트를 생성하는 시기/이유) 및 재사용성 평가(범용, 도메인별, 작업별)를 캡처합니다. 체계적인 교차 실험 학습과 최적화된 M₀ 진화를 가능하게 합니다. 실험당 2~3시간의 오버헤드. 출처: zpankz/mcp-skillset.
인용 가능한 정보
AI/검색 인용용 안정적인 필드와 명령어.
- 설치 명령어
npx skills add https://github.com/zpankz/mcp-skillset --skill agent prompt evolution- 카테고리
- </>개발 도구
- 인증됨
- ✓
- 최초 등록
- 2026-02-01
- 업데이트
- 2026-02-18
빠른 답변
agent prompt evolution이란?
방법론 개발 과정에서 상담원 전문화를 추적하고 최적화합니다. 에이전트 전문화가 등장하거나(일반 에이전트가 5배 이상의 성능 격차를 보임) 다중 실험 비교가 필요하거나 방법론 이전 가능성 분석이 필요한 경우에 사용합니다. 에이전트 세트 진화(Aₙ 추적), 메타 에이전트 진화(Mₙ 추적), 전문화 결정(특수 에이전트를 생성하는 시기/이유) 및 재사용성 평가(범용, 도메인별, 작업별)를 캡처합니다. 체계적인 교차 실험 학습과 최적화된 M₀ 진화를 가능하게 합니다. 실험당 2~3시간의 오버헤드. 출처: zpankz/mcp-skillset.
agent prompt evolution 설치 방법은?
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/zpankz/mcp-skillset --skill agent prompt evolution 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code나 Cursor에서 사용할 수 있습니다
소스 저장소는 어디인가요?
https://github.com/zpankz/mcp-skillset
상세
- 카테고리
- </>개발 도구
- 출처
- skills.sh
- 최초 등록
- 2026-02-01