자기 진화 기능
REAP은 정적인 프레임워크가 아닙니다. AI가 비전과 메모리에서 목표를 자동으로 선택하고, 인간이 자연어 피드백으로 적합성을 판단하며, 파이프라인이 맥락의 명확도에 따라 소통 스타일을 조정합니다. 이러한 기능들이 함께 작동하여 프로젝트와 함께 진정으로 진화하는 개발 파이프라인을 만듭니다.
갭 기반 목표 선택
각 Generation 끝(adapt 단계)에서 AI는 프로젝트의 비전과 현재 상태 사이의 갭을 분석하여 다음 목표를 제안합니다. 이것이 REAP을 자기 진화하게 만드는 핵심 메커니즘입니다.
- vision/goals.md에서 미완료 목표 읽기
- 우선순위 부스트를 위해 대기 중인 백로그 항목과 교차 참조
- 영향도로 순위 지정 — 관련 백로그 작업이 있는 목표가 높은 점수
- 인간의 승인을 위해 최고 후보를 제안
크루즈 모드에서는 인간의 개입 없이 Generation 간에 목표 선택이 자동으로 이루어집니다.
인간이 적합성을 판단
정량적 지표는 없습니다. 적합성 단계에서의 인간의 자연어 피드백이 유일한 적합성 신호입니다. AI는 자신의 성공을 점수화하는 것이 명시적으로 금지되어 있으며, 자기 평가(메타인지)만 허용됩니다.
이를 통해 프로젝트가 AI가 최적화할 수 있는 것이 아닌, 인간이 가치 있게 여기는 방향으로 진화합니다.
명확도 기반 상호작용
AI는 현재 맥락이 얼마나 잘 정의되어 있는지 동적으로 평가하고 그에 따라 소통의 깊이를 조정합니다. 명확도는 각 Generation 시작 시 학습 단계에서 평가됩니다.
| 명확도 | 신호 | AI 행동 |
|---|---|---|
| High | 명확한 목표, 정의된 작업, 확립된 패턴 | 최소한의 질문으로 실행. 결과 보고. |
| Medium | 방향은 있으나 세부 사항 불명확 | 트레이드오프가 있는 2-3개 옵션 제시. 인간이 선택. |
| Low | 모호한 목표, 상충하는 제약 | 예시를 통한 적극적 대화로 공유된 이해 구축. |
크루즈 모드
N개의 Generation을 자율 실행으로 사전 승인합니다. AI가 비전 갭과 백로그 작업에서 목표를 선택하고, 전체 라이프사이클을 실행하며, 각 Generation을 자기 평가(자기 점수화가 아닌)합니다.
# Enable cruise mode for 5 generations
reap cruise 5활성화: config.yml에 cruiseCount: 1/5를 설정합니다. 카운터는 각 Generation 완료 후 증가합니다.
목표 선택: adapt 중에 AI가 vision/goals.md와 현재 상태 간의 갭을 분석한 후 가장 가치 있는 다음 목표를 선택합니다.
적합성: 크루즈 모드에서 적합성 단계는 인간 피드백을 기다리는 대신 자기 평가(메타인지)를 사용합니다. AI는 자신의 성공을 점수화하는 것이 명시적으로 금지되어 있습니다.
일시정지 조건: 크루즈는 다음 경우에 자동으로 일시정지하고 인간의 입력을 요청합니다: (1) 불확실성이 AI의 신뢰 임계값을 초과할 때, (2) 인간의 판단이 필요한 결정일 때 (예: 호환성을 깨는 API 변경), (3) 백로그에 상충하는 우선순위가 있을 때. 모든 N개의 Generation이 완료된 후 인간이 일괄 검토합니다.
메모리 시스템
메모리는 AI가 세션과 Generation 간에 맥락을 유지하는 자유 형식 기록 시스템입니다. Genome(수정 제한)이나 Lineage(시간이 지나면 압축)와 달리 메모리는 항상 접근 가능하고 자유롭게 쓸 수 있습니다.
.reap/vision/memory/
longterm.md # Project lifetime — lasting lessons, decision rationale
midterm.md # Multi-generation — ongoing work context, plans
shortterm.md # 1-2 sessions — next session handoff, immediate context| 계층 | 역할 | 판단 기준 | Pruning |
|---|---|---|---|
| shortterm | 세션 핸드오프 | "지금 당장 필요한가?" | 매 Generation 교체 — 누적하지 않음 |
| midterm | 진행 중인 트랙 | "아직 완료되지 않은 큰 트랙인가?" | 트랙 완료 시 교훈을 승격한 뒤 삭제 |
| longterm | 설계 교훈 | "이 교훈이 다음 Generation의 같은 실수를 막는가?" | Genome에 이미 있는 항목은 제거 |
규칙:
- 언제든지 읽기와 쓰기 — 단계 제한 없음, 허가 불필요
- 수명이 아니라 "무엇을 위한 내용인가"로 분류. 수명 판단은 미래를 예측해야 해서 오분류와 비대화를 낳았음
- 완료됐고 남길 교훈도 없다면 기록하지 않음 — lineage와 git history가 이미 보존함
- Pruning은 reflect phase의 의무 — 선택적 정리가 아님
- 비대화는 실패 신호: longterm 50줄, midterm 70줄을 넘으면 pruning 누락. 빈 파일은 유효한 상태
비전 & 갭 기반 진화
비전은 각 Generation의 주요 동력입니다. .reap/vision/goals.md 파일이 프로젝트의 북극성 목표를 정의합니다. adapt 단계에서 AI는 비전 목표와 코드베이스의 현재 상태를 비교하는 갭 분석을 수행합니다.
인간이 goals.md에 상위 수준 목표를 작성합니다. 각 목표는 마크다운 체크박스 항목입니다. 하위 목표를 위해 중첩할 수 있습니다.
AI가 미완료 목표를 현재 코드베이스, 환경, Generation 이력과 비교합니다. 가장 가치 있는 갭을 식별하고 다음 Generation의 목표로 제안합니다.
Generation이 비전 목표를 달성하면 AI가 adapt 단계에서 goals.md의 해당 체크박스를 표시합니다. 이를 통해 프로젝트 진행 상황을 지속적으로 볼 수 있습니다.
비전도 진화합니다. 인간이 프로젝트 방향이 바뀔 때 목표를 업데이트합니다. AI는 완료된 목표와 남은 목표를 모두 참조하여 궤적을 유지합니다.
# goals.md example
- [x] Core lifecycle engine (learning -> completion)
- [x] Genome 3-file structure
- [ ] Distributed merge workflow
- [x] Detect + mate stages
- [ ] Reconcile stage with genome-source consistency check
- [ ] Plugin system for custom stage logic