memory-distill

Memory Distill — observations.jsonl → 정제 .md

핸드오프가 충분히 자주 발동되지 않을 때, 사용자 의지로 raw 관찰을 정제 .md로 굳힙니다. append-only 누적의 부풀음을 막기 위해 rebuild 모드로 기존 정제 .md를 통합합니다.

Antigravity /learn 경계

Antigravity 네이티브 /learn은 현재 대화의 교정·선호를 Rules 또는 Skill로 정리하는 빠른 학습 경로입니다. 최근 세션의 한두 교정을 런타임 규칙으로 남기는 요청은 /learn이 우선입니다. 이 모듈은 여러 세션에 걸쳐 프로젝트 루트에 쌓인 observations.jsonl을 클러스터링하고, 중복·모순을 제거하며, 기존 정제 파일까지 재구성하는 저장소 수준 유지보수를 소유합니다. /learn을 프로그램적으로 호출하거나 그 결과를 이 모듈의 rebuild 증거로 간주하지 않습니다.

사용법

# 스캔 (기본) — 후보만 출력, 파일 미생성
/memory-distill

# 적용 — 새 정제 .md 생성
/memory-distill --apply

# 통째 재구성 — 기존 정제 .md + 새 관찰 통합 + 중복/모순 제거
/memory-distill --rebuild

# 대상 선택
/memory-distill --type gotchas
/memory-distill --type learned

# 시점 필터
/memory-distill --since 2026-04-01

인자

인자	기본값	설명
--apply	off	후보를 실제 .md 파일로 생성
--rebuild	off	기존 정제 .md까지 함께 재구성
--type	both	gotchas, learned, both
--since	(전체)	해당 ISO 날짜 이후 관찰만
--min-cluster	2	그룹핑 최소 관찰 수

--rebuild는 --apply를 암시합니다.

워크플로우

Phase 1: 입력 수집

1. raw 관찰 로드
   ├─ memory/gotchas/observations.jsonl  (event: tool_error | turn_error)
   └─ memory/learned/observations.jsonl  (event: tool_success | turn_success)

2. 기존 정제 로드 (있을 때만)
   ├─ memory/gotchas.md  (단일 카테고리 파일, 22개 정제 항목)
   ├─ memory/gotchas/*.md  (개별 정제 파일, 0~N개)
   ├─ memory/learned.md  (있으면)
   └─ memory/learned/*.md

Phase 2: 그룹핑 (CLI가 직접 수행)

같은 패턴의 관찰을 묶어 클러스터로 만듭니다. 노이즈 줄이기 위해 다음 기준을 활용:

신호	사용
같은 tool + 유사 output 에러 메시지	함정 클러스터
같은 도구 시퀀스 (예: Grep→Read→Edit)	패턴 클러스터
같은 file_path 영역 반복 실패	영역별 함정
같은 키워드(에러 코드, 함수명) 반복	키워드 클러스터

--min-cluster 미만인 단발 관찰은 무시 (노이즈).

입력이 커서 격리 분석이 유리할 때만 읽기 전용 클러스터 후보 추출을 네이티브 역할에 위임합니다: Claude Explore, Codex explorer, Antigravity research, Grok explore. 작업자는 스크럽된 관찰만 읽고 후보를 반환하며 파일을 쓰지 않습니다. 별도 gotcha-analyzer 이름은 필요하지 않습니다. 모드 판정, archive, 재번호, 파일 쓰기, index/MEMORY 동기화는 이 스킬을 실행한 메인 하네스가 소유합니다. 위임이 없거나 병렬 이득이 없으면 메인 컨텍스트에서 같은 클러스터링을 순차 실행합니다.