# \#skill **URL:** https://discuss.pytorch.kr/tag/skill/7069.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Kami: AI 에이전트가 만든 문서에 일관된 시각 정체성을 부여하는 디자인 시스템](https://discuss.pytorch.kr/t/kami-ai/10278)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 20, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/kami-ai/10278 "2026-05-20T06:30:08Z")
Kami 소개 Kami(紙, かみ)는 AI 에이전트가 만들어 내는 문서, 슬라이드, 이력서, 랜딩 페이지에 일관된 시각적 정체성을 부여하기 위한 "조용한" 디자인 시스템입니다. 일본어로 종이를 뜻하는 이름처럼, 완성된 아이디어가 정착하는 표면을 정의하는 데 초점을 둡니다. AI는 이미 사람이 직접 다듬는 것보다 더 빠르게 긴 문서를 작성할 수 있지만, 회마다 다른 회색 톤과 들쭉날쭉한 레이아웃이 결과의 신뢰도를 깎습니다. Kami는 그 빠진 부분을 채우기 위해 한 가지 제약 언어, 10가지 템플릿, 그리고 에이전트가 안정적으로 따를 수 있을 만큼 단순하면서도 매번 같은 결과를 보장할 만큼 엄격한 규칙 집합을 제공합니다. Kami는 tw93가 만든 도구 3부작 중 마지막 작품으로, 코드를 쓰는 Kaku(書く), 습관을 단련하는 Waza(技)와 짝을 이룹니다. 첫 출발점은 저자가 Claude에게 미국 주식 리서치 리포트를 부탁할 때마다 똑같은 기본 문서 디자인이 나오는 답답함이었습니다. 타이포그래피, 팔레트, 여백을 한 가지 규칙씩 정돈해 가다 보니 어느 순간 슬라이드, 강의 자료, 인포그래픽까지 모두 같은 톤으로 정리되는 디자인 언어가 만들어졌고, 그 결과가 지금의 Kami가 되었습니다. 영어와 중국어가 1급 시민이고, 일본어는 CJK 폰트 폴백을 통한 최선의 결과를 제공합니다. 기본 단위는 따뜻한 양피지 색의 캔버스(#f5f4ed), 단 하나의 강조색인 잉크 블루(#1B365D), 그리고 본문 전체를 책임지는 단일 세리프 폰트입니다. 그림자는 부드러운 링이나 속삭이는 정도로만 허용되며, 푸른 회색이나 두 번째 색조는 의도적으로 배제됩니다. 이러한 제약은 화려함을 줄이는 대신 본문이 "대시보드"가 아닌 "조판된 페이지"로 읽히게 만들고, 결과적으로 AI 에이전트가 만든 자료에도 출판물 같은 신뢰감을 부여합니다. Kami가 제공하는 10가지 템플릿 Kami는 다음 10종의 템플릿을 제공해, 자주 쓰이는 문서 유형을 빈 페이지에서 시작하지 않게 합니다. … --- ## [OpenSpace: AI 에이전트가 스스로 학습하고 진화하는 자율 스킬 진화 프레임워크 (feat. HKUDS)](https://discuss.pytorch.kr/t/openspace-ai-feat-hkuds/9476)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 1, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openspace-ai-feat-hkuds/9476 "2026-04-01T03:30:06Z")
OpenSpace 소개 AI 에이전트가 작업을 수행하면서 실패하거나 새로운 도구 버전으로 인해 기존 방식이 통하지 않게 되는 상황은 흔히 발생합니다. 현재 대부분의 에이전트는 이런 문제를 스스로 해결하지 못하고 조용히 성능이 저하됩니다. OpenSpace는 홍콩대학교 데이터 과학 연구소(HKUDS)가 공개한 자율 스킬 진화(self-evolving skill) 프레임워크로, AI 에이전트가 작업 실행 경험으로부터 스스로 학습하고, 스킬을 자동으로 수정하며, 커뮤니티 전체가 서로의 개선 결과를 공유할 수 있도록 설계되었습니다. Claude Code, Codex, OpenClaw, nanobot, Cursor 등 스킬을 지원하는 어떤 에이전트와도 통합할 수 있습니다. OpenSpace의 핵심 철학은 "작업 실행이 곧 학습"이라는 점입니다. 에이전트가 50개의 전문 작업을 수행하는 GDPVal 벤치마크에서, Phase 1(콜드 스타트)에서 축적된 스킬 라이브러리를 활용한 Phase 2(워밍업 재실행)는 동일한 LLM(Qwen 3.5-Plus)을 사용하면서도 46% 더 적은 토큰으로 30 퍼센트포인트 더 높은 품질을 달성했습니다. 초기 투자 이후 갈수록 저렴해지는 에이전트 경제학을 실증합니다. OpenSpace의 세 가지 핵심 능력 자기 진화(Self-Evolution): OpenSpace는 작업 실행을 실시간으로 모니터링하며 성공 패턴을 캡처합니다. 스킬이 깨지면 AUTO-FIX가 자동으로 수리를 시도하고, 성공적인 실행 패턴은 AUTO-IMPROVE를 통해 정제된 버전으로 발전합니다. AUTO-LEARN은 실행 트레이스(trace)에서 재사용 가능한 워크플로를 추출하며, 다중 레이어 품질 모니터링이 성능 저하를 감지하면 즉시 복구를 트리거합니다. 이 진화 과정에서 생성된 스킬은 IMPORTED(커뮤니티), CREATED(작업 중 생성), DERIVED(성공 패턴으로부터 진화), FIXED(자동 수리), CAPTURED(실행 트레이스 추출)…