사용자의 워크플로를 관찰하여 스스로 학습하는 로컬 에이전트 시스템 AgentHandover

프로젝트의 개념에 대해 흥미롭다는 반응이며, 특히 로컬 환경에서 개인의 워크플로를 학습한다는 점에 주목하고 있다.

• 특정 반복 업무를 자동화하고 싶다면 FOCUS 모드를 사용하여 집중적으로 AI에게 시연을 보여주면 효율적이다.
• 로컬 모델 실행 전 자신의 VRAM 용량을 확인하고 앱이 추천하는 최적의 모델을 선택하여 사용한다.

• 수동 프롬프트 엔지니어링 대신 사용자의 실제 업무 시연을 관찰하여 에이전트의 워크플로를 자동 생성한다.
• 관찰된 데이터는 의사결정 로직이 포함된 'Skill' 단위로 구조화되며 실행 피드백을 통해 성능이 강화된다.
• Ollama를 통해 로컬 VRAM에 최적화된 모델을 추천받아 개인화된 AI 에이전트 환경을 구축할 수 있다.