Memento-Skills: 에이전트가 스스로 스킬을 진화시키는 시스템

LLM은 학습된 후에는 재학습이 어렵다. 새로운 지식을 추가하려면 전체를 다시 학습시키거나, RAG 같은 외부 검색에 의존해야 한다.

Memento-Skills는 다른 접근을 취한다. LLM 파라미터를 건드리지 않고, 외부 스킬 메모리를 통해 지속 학습한다.

핵심 질문

“어떻게 assistant를 실행하느냐”가 아니라 “어떻게 agent가 학습하느냐”

Memento-Skills는:

• 실패에서 학습하고
• 자신의 스킬 코드를 재작성하고
• 필요하면 새 스킬을 생성한다

3가지 LLM 적응 패러다임

Memento-Skills는 세 번째 패러다임. 모델은 frozen, 스킬만 진화한다.

Read-Write Reflective Learning

Read → Execute → Reflect → Write
  ↑                          ↓
  └──────────────────────────┘

Read

• 로컬 라이브러리와 원격 카탈로그에서 후보 스킬 검색
• 모든 스킬을 컨텍스트에 넣지 않고 라우팅

Execute

• 툴 호출과 로컬 샌드박스로 스킬 실행
• 파일, 스크립트, 웹페이지, 외부 시스템 조작

Reflect

• 실행 실패나 품질 저하 시 상태 기록
• 유틸리티 업데이트, 구체적 스킬에 문제 귀인

Write

• 약한 스킬 최적화
• 깨진 스킬 재작성
• 기존 능력이 부족하면 새 스킬 생성

실험 결과

벤치마크

• HLE (Humanity’s Last Exam) — 극도로 어려운 질문
• GAIA (General AI Assistants) — 실제 월드 태스크

성능 향상

핵심: 단순히 도구를 더 추가하는 게 아니라, 태스크 경험을 통해 더 나은 스킬을 학습한다.

OpenClaw와의 차이

둘 다 스킬 기반 시스템이지만, 초점이 다르다:

한 문장으로:

OpenClaw는 assistant를 실행하게 하는 것 Memento-Skills는 agent가 학습하게 하는 것

배포 표면

설치

GUI (비개발자용)

다운로드 후 압축 해제하고 실행. Python이나 터미널 불필요.

CLI (개발자용)

git clone https://github.com/Memento-Teams/Memento-Skills.git
cd Memento-Skills
python -m venv .venv
source .venv/bin/activate
pip install -e .

memento doctor  # 환경 확인
memento agent   # 대화형 세션 시작

내장 스킬

이건 시작점. 목표는 9개의 손으로 쓴 스킬에 머무는 게 아니라, 계속 성장하고, 검색되고, 수리되는 스킬 라이브러리를 유지하는 것.

지원 LLM

기술 스택

마치며: 스킬이 진화하는 에이전트

Memento-Skills는 정적 어시스턴트가 아니라 자가 진화 시스템이다.

핵심 통찰:

1. LLM은 frozen — 파라미터 업데이트 불필요
2. 스킬은 진화 — 실패에서 학습하고 재작성
3. 라이브러리는 성장 — 단순 누적이 아니라 검색/수리/개선

이게 “에이전트가 에이전트를 설계하는” 방법이다.

🔗 관련 정보

• Homepage: https://memento.run
• Project Site: https://skills.memento.run
• GitHub: https://github.com/Memento-Teams/Memento-Skills
• Paper: https://arxiv.org/abs/2603.18743
• Discord: https://discord.com/invite/ztFS5YmB
• License: MIT