핵심 개념
4계층 아키텍처
REAP는 네 개의 상호 연결된 계층으로 구성됩니다:
장기 목표와 방향. 목표가 각 Generation을 이끕니다. Memory가 세션 간 컨텍스트를 유지합니다.
Genome(규범적 — 어떻게 만들 것인가) + Environment(서술적 — 무엇이 존재하는가). 각 Generation의 기반.
Vision에 의해 주도되고 Knowledge에 기반한 단일 진화 사이클. Learning → Planning → Implementation → Validation → Completion을 따릅니다.
.reap/ 외부의 소스 코드와 모든 프로젝트 산출물. Generation이 진화시키는 대상입니다. 교훈이 Knowledge로 피드백됩니다.
핵심 원칙
일반 Generation 중에는 수정되지 않습니다. 변경은 backlog → Completion adapt 단계를 거칩니다. (Embryo Generation에서는 자유 수정이 가능합니다.)
정량적 메트릭이 없습니다. 인간의 자연어 피드백이 유일한 적합도 신호입니다.
AI가 컨텍스트의 명확도에 따라 소통 깊이를 조절합니다 — 적극적 대화에서 자율 실행까지. 자세한 내용은 자기 진화 기능을 참조하세요.
라이프사이클 개요
각 Generation은 다섯 단계를 따르며, 각 단계에서 산출물을 생성합니다:
| 단계 | 수행 내용 | 산출물 |
|---|---|---|
| Learning | 프로젝트 탐색, 컨텍스트 구축, genome과 environment 검토 | 01-learning.md |
| Planning | 작업 분해 + 구현 계획 | 02-planning.md |
| Implementation | AI + 인간 협업으로 코드 작성 | 03-implementation.md |
| Validation | 테스트 실행, 완료 기준 검증 | 04-validation.md |
| Completion | 회고 + 적합도 피드백 + genome 적응 + 아카이브 (4단계) | 05-completion.md |
→ Lifecycle details · → Backlog & Deferral
세션 컨텍스트 로딩
REAP 프로젝트를 열면 CLAUDE.md가 AI 에이전트에게 genome, environment, REAP 가이드를 읽도록 지시합니다. 에이전트가 즉시 프로젝트의 지식을 로딩하고 현재 상태를 파악합니다.
진화 흐름
지식은 Generation을 거치며 축적됩니다. 각 Generation이 Genome을 진화시키고, 교훈이 Lineage에 축적됩니다:
Generation #1 (Genome v1)
→ Learning: explore project, build context
→ Planning → Implementation
→ OAuth2 need discovered → genome-change logged in backlog
→ Validation (partial)
→ Completion: reflect → fitness → adapt (genome v2) → commit → Archive
Generation #2 (Genome v2)
→ Learning: review updated genome, deferred tasks
→ Vision-driven goal: "OAuth2 integration + permission management"
→ ...