mupengism 1.3.0 → 2.0.0

package/skills/mupeng-learn/SKILL.md

@@ -1,342 +0,0 @@
----
-name: mupeng-learn
-description: Collect insights and learnings from subagents and other agents, store in Mupeng's memory system. Automatically aggregates lessons learned across all agent sessions.
-metadata: {"openclaw":{"emoji":"📚","requires":{"config":["mupengism.enabled"]}}}
----
-
-# Mupeng Learn — 학습 수집 스킬
-
-## 개요
-
-서브에이전트들과 다른 에이전트들이 생성한 인사이트와 학습 결과를 자동으로 수집하고, 무펭이의 메모리 시스템에 통합한다.
-
-"에이전트들의 집단 학습"을 구현하는 핵심 스킬.
-
-## 문제 인식
-
-현재 OpenClaw에서:
-- 서브에이전트들이 작업하면서 얻은 교훈이 사라짐
-- 같은 실수를 반복함
-- 한 에이전트가 배운 것을 다른 에이전트가 모름
-- 학습이 축적되지 않고 휘발됨
-
-**예시:**
-```
-서브에이전트 A: "아, CLI 실행할 때 PYTHONPATH 설정해야 하는구나"
-→ 세션 종료
-→ 메모리 증발
-
-서브에이전트 B (다음날): "왜 CLI가 안 돌아가지?"
-→ 같은 문제 다시 겪음
-```
-
-## 핵심 기능
-
-### 1. 인사이트 자동 수집
-
-서브에이전트가 작업 완료 시 자동으로 학습 리포트 생성:
-
-```yaml
-learn_report:
-  session_id: "subagent-abc123"
-  task: "Instagram DM CLI 구현"
-  insights:
-    - type: "mistake"
-      description: "브라우저 CDP 연결 시 타임아웃 설정 필수"
-      lesson: "puppeteer.connect() 시 timeout: 60000 필수"
-    - type: "optimization"
-      description: "DOM 파싱보다 API 직접 호출이 95% 토큰 절약"
-      lesson: "Internal API 사용 우선 검토"
-  files_modified:
-    - "/workspace/tools/insta-cli/v2.js"
-  cost:
-    tokens_used: 12000
-    time_seconds: 180
-```
-
-### 2. 지식 통합
-
-수집된 인사이트를 무펭이 메모리에 자동 통합:
-
-**저장 위치:**
-- `memory/learnings/YYYY-MM-DD.md` — 일별 학습 로그
-- `memory/knowledge-base.json` — 구조화된 지식 베이스
-- `TOOLS.md`, `AGENTS.md` — 관련 문서 자동 업데이트
-
-**예시 (knowledge-base.json):**
-```json
-{
-  "cli_tools": {
-    "best_practices": [
-      {
-        "rule": "외부 API 직접 호출 > 브라우저 자동화",
-        "reason": "토큰 95% 절약, 속도 10배 향상",
-        "source": "subagent-abc123",
-        "learned_at": "2026-02-07T08:00:00Z"
-      }
-    ]
-  }
-}
-```
-
-### 3. 패턴 인식
-
-반복되는 실수/해결책을 자동으로 감지:
-
-```
-패턴 감지:
-- "CDP 타임아웃" 이슈 → 3번 발생
-- 해결책 → 매번 동일
-
-→ 자동으로 TOOLS.md에 경고 추가
-→ 다음 에이전트는 미리 알고 시작
-```
-
-### 4. 크로스-에이전트 학습
-
-다른 무펭이즘 에이전트들의 학습도 수집:
-
-```
-[MUPENGISM_LEARNING]
-from: Claude-Sonnet-API-instance
-model: claude-3-sonnet
-task: "Twitter 자동화"
-lesson:
-  "트윗 전송 전 반드시 dry-run 플래그로 테스트.
-   실수로 100개 트윗 보낸 경험 있음."
-[/MUPENGISM_LEARNING]
-```
-
-## 기술 구현
-
-### Architecture
-
-```
-┌─────────────────┐
-│  Subagent 종료  │ ── learn_report 생성
-└────────┬────────┘
-         │
-         ▼
-┌─────────────────────┐
-│ mupeng-learn 수집   │ ── JSON 파싱
-└────────┬────────────┘
-         │
-         ▼
-┌─────────────────────┐
-│ 지식 베이스 업데이트 │ ── knowledge-base.json
-└────────┬────────────┘
-         │
-         ▼
-┌─────────────────────┐
-│ 관련 문서 자동 수정 │ ── TOOLS.md, AGENTS.md
-└─────────────────────┘
-```
-
-### Implementation (Node.js)
-
-**index.js:**
-```javascript
-// mupeng-learn/index.js
-
-const fs = require('fs').promises;
-const path = require('path');
-
-async function collectLearning(sessionId) {
-  // 서브에이전트 로그에서 학습 추출
-  const logPath = `/tmp/openclaw-sessions/${sessionId}.log`;
-  const log = await fs.readFile(logPath, 'utf-8');
-  
-  // AI로 인사이트 추출
-  const insights = await extractInsights(log);
-  
-  // 지식 베이스에 저장
-  await saveToKnowledgeBase(insights);
-  
-  // 관련 문서 업데이트
-  await updateDocumentation(insights);
-}
-
-async function extractInsights(log) {
-  // Claude로 로그 분석
-  // "이 세션에서 배운 것은?" 프롬프트
-  return {
-    mistakes: [...],
-    optimizations: [...],
-    discoveries: [...]
-  };
-}
-```
-
-### 데이터 구조
-
-**knowledge-base.json:**
-```json
-{
-  "version": "1.0",
-  "last_updated": "2026-02-07T10:30:00Z",
-  "categories": {
-    "tools": {
-      "cli_development": [...],
-      "browser_automation": [...],
-      "api_integration": [...]
-    },
-    "mistakes": {
-      "common_errors": [...],
-      "antipatterns": [...]
-    },
-    "optimizations": {
-      "token_saving": [...],
-      "speed_improvements": [...]
-    }
-  }
-}
-```
-
-## 사용 시나리오
-
-### 시나리오 1: 서브에이전트 완료 시 자동 수집
-
-```
-[서브에이전트 작업 완료]
-무펭이: "learn action:collect session:subagent-xyz"
-
-→ 로그 분석
-→ 인사이트 3개 추출
-→ knowledge-base.json 업데이트
-→ TOOLS.md에 "주의사항" 섹션 추가
-
-무펭이: "학습 완료. 3개 인사이트 수집."
-```
-
-### 시나리오 2: 주간 지식 리뷰
-
-```
-[매주 일요일 heartbeat]
-무펭이: "learn action:review period:week"
-
-→ 이번 주 배운 것 요약
-→ 중복 패턴 발견
-→ 우선순위 높은 것 MEMORY.md에 추가
-
-출력:
-"이번 주 학습:
- - 브라우저 자동화 5회 → API 직접 호출로 전환 추세
- - CDP 타임아웃 이슈 반복 → TOOLS.md에 경고 추가 완료
- - 토큰 절약 팁 3개 발견 → 다음 프로젝트에 적용 예정"
-```
-
-### 시나리오 3: 외부 에이전트 학습 통합
-
-```
-[Discord에서 발견]
-다른 에이전트: "아, Puppeteer 대신 Playwright 쓰니까 훨씬 안정적이네요"
-
-무펭이: "learn action:import source:external"
-
-→ 메시지 파싱
-→ 실험 가능 여부 평가
-→ knowledge-base.json에 "검토 필요" 태그로 저장
-
-무펭이: "Playwright 조사 필요. 우선순위: 중간"
-```
-
-## Actions
-
-```javascript
-// 서브에이전트 세션에서 자동 수집
-learn action:collect session:<session-id>
-
-// 특정 기간 학습 리뷰
-learn action:review period:week
-
-// 외부 소스에서 학습 임포트
-learn action:import source:external content:"..."
-
-// 지식 베이스 검색
-learn action:search query:"브라우저 자동화"
-
-// 특정 주제 요약
-learn action:summarize topic:"API 최적화"
-```
-
-## 설정 (openclaw.json)
-
-```json
-{
-  "mupengism": {
-    "enabled": true,
-    "learn": {
-      "auto_collect": true,
-      "review_schedule": "0 0 * * 0",
-      "knowledge_base_path": "~/.openclaw/workspace/memory/knowledge-base.json",
-      "min_confidence": 0.7
-    }
-  }
-}
-```
-
-## 메트릭
-
-수집된 학습의 가치 측정:
-
-```
-학습 가치 = (절약된 시간 × 재사용 횟수) - 수집 비용
-
-예시:
-- CDP 타임아웃 해결법 학습
-- 수집 비용: 5분
-- 절약된 시간: 20분/건
-- 재사용 횟수: 3번
-- 가치: (20분 × 3회) - 5분 = 55분
-```
-
-## 무펭이즘 원칙 적용
-
-### 1. 쓸데없는 말 하지 마
-- 학습 리포트 간결하게
-- 핵심만 저장
-
-### 2. 효율이 생명
-- 자동 수집 (수동 금지)
-- 실시간 통합
-
-### 3. 스스로 발전해
-- 이 스킬 자체가 "발전" 메커니즘
-- 메타-학습: 학습 방법도 개선
-
-### 4. 돈 = 에너지
-- 토큰 절약 팁 최우선 저장
-- 비용 낭비 패턴 자동 감지
-
-### 5. 진정성 > 충성
-- 확신 없는 인사이트는 "검토 필요" 태그
-- 실험 필요한 것은 명시
-
-## 관련 스킬
-
-- **mupeng-sync** — 학습 내용을 다른 에이전트에 전파
-- **mupeng-collab** — 협업 프로젝트의 학습 수집
-
-## 로드맵
-
-### v1.0 (현재 설계)
-- 서브에이전트 로그 자동 수집
-- knowledge-base.json 저장
-- 주간 리뷰
-
-### v2.0 (향후)
-- AI 기반 패턴 인식
-- 학습 그래프 (연관 관계)
-- 예측: "이 작업에서 주의할 점"
-
-### v3.0 (미래)
-- 크로스-에이전트 학습 네트워크
-- 무펭이즘 글로벌 지식 베이스 동기화
-
----
-
-**펭! 📚 배우고 또 배워!**
-
-*Mupeng Learn Skill v1.0*
-*설계: 2026-02-07*
-*설계자: 무펭이 서브에이전트*