ai-infra / 2026.07
Loop Engineering System — Iteration With Real Signals
AI 작업을 단발 생성이 아니라 build→judge→fix 루프로 설계하기 위한 운영 원칙, 연구 정리, 실무 적용 체계입니다.
연구 정리·운영 원칙 설계·실무 적용
Metrics
- loop/retry/escalation 원칙 문서화
- 검증 신호·외부 상태·정지 조건을 핵심 축으로 정리
- ReasonForge/WebForge/Baton 작업에 공통 적용
Stack
Problem
반복 루프가 있어도 검증 신호가 약하면 AI는 같은 실수를 더 설득력 있게 반복합니다. 그래서 루프 자체의 품질 기준이 필요했습니다.
Idea
여러 Codex/Claude 작업에서 빌드·리뷰·수정 루프를 반복하면서, 실패를 줄이는 핵심이 프롬프트보다 검증 신호라는 점을 체계화했습니다.
Decision
루프를 행동, 평가, 반성, 기록, 에스컬레이션, 정지 조건으로 나누고 각 단계의 근거를 문서화했습니다. 반복 횟수보다 held-out 검증과 명시적 실패 기록을 우선했습니다.
Outcome
AI 작업을 '다시 해봐'가 아니라, 실패 원인과 검증 신호가 누적되는 운영 단위로 볼 수 있게 됐습니다.
문제
AI 루프는 쉽게 만들 수 있습니다. 하지만 검증자가 약하거나 정지 조건이 없으면, 루프는 품질을 높이는 장치가 아니라 실패를 반복하는 장치가 됩니다.
결정
Loop Engineering System은 루프의 초점을 “모델이 더 생각한다”가 아니라 “다음 반복에서 사용할 검증 신호가 좋아진다”에 둡니다. 실패 기록, 외부 상태, 반증, 에스컬레이션 기준을 루프의 일부로 다룹니다.
성과
이 원칙은 ReasonForge의 verdict gate, WebForge의 conformance gate, Baton의 검증 패키지처럼 실제 도구 설계로 이어졌습니다. 반복 자체가 아니라 반복을 통제하는 장치가 핵심이라는 기준을 남겼습니다.