skill-refinement

# Skill Refinement Skill > Chief 자가��습 루프의 일부. 어떤 skill 이 잘 작동하고, 어떤 skill 이 개선 필요한지 평가. ## 입력 - 평가 대상 period - `<org>/memory/ledger/<task-id>.jsonl` — skill 호출 trace - `<org>/memory/open-questions/<id>.json` — 미해결/blocking 비율 - `<org>/memory/agent-costs.jsonl` — skill 별 cost ## 평가 차원 ```yaml per_skill_metrics: skill_name: <name> invocation_count: <N> avg_duration_ms: <N> avg_cost_usd: <N> hard_gate_failure_rate: <%> # gate 통과 못 한 비율 open_question_rate: <%> # 호출당 발생한 open_question 수 rework_rate: <%> # 같은 task 에서 재호출된 비율 confidence_delta_avg: <+/-> # 호출 전후 confidence 변화 ``` ## Failure Patterns ```yaml patterns: - skill: problem-definition issue: "TDCC P4 단계 unknown 필드 too frequent (62%)" root_cause_hypothesis: "archive context 너무 짧음 (avg N=4 entries)" fix_candidates: - "기본 archive window 확대 (4→8 entries)" - "TDCC P4 reasoning step skip threshold 도입" ``` ## 출력 ```yaml period: "..." top_3_high_friction_skills: [...] top_3_efficient_skills: [...] refinement_proposals: - skill: "..." proposal: "..." expected_impact: "..." effort: small | medium | large approval_required: founder | chief_auto ``` ## Anti-Sycophancy - ❌ "skill 들이 잘 작동합니다" - ✅ "problem-definition 의 P4 단계가 62% 빈도로 unknown 필드 발생. archive context 확대로 개선 가능 (예상 -30%)." ## Reference - v1.1 PRD §5.2 RETROSPECT + §1.1 #7 (자가학습 메커니즘)