open-deepthink 0.1.11 공개와 QNN의 정성적 자기-어텐션 및 QDAD 기반 App Slot Machine 추가

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

open-deepthink 0.1.11은 멀티에이전트 시스템의 깊이를 목표로 Qualitative Neural Network에 Qualitative Self-Attention을 도입하고, 모호한 앱 아이디어를 구조화 가능한 빌드 프롬프트로 변환하는 Qualitative Diffusion 기반의 App Slot Machine(QDAD)을 추가했다. Qualitative Self-Attention은 언어 기반 버킷 스코어링으로 에포크 내의 비국소적 과거 노드를 상위 k로 선별해 에이전트 프롬프트에 주입하는 방식으로 작동하며, QDAD는 명사·동사를 기저로 한 N×N 그리드에서 전방 확산과 비평가 기반 역확산으로 산출물을 정제한다. 레포는 /qnn 및 /qdad 같은 휴대형 스킬과 설치·호출 예시를 제공하여 Grok Build, Claude Code, Cursor 등 다양한 런타임에 바로 통합할 수 있게 했으며, 로그와 Knowledge Distillation 기능은 반복적 개선과 연구용 데이터 수집을 지원한다. 다만 정성적 스코어링과 비평가 루프의 정량적 성능·비용 효율성은 추가 검증이 필요하다.

실용적 조언

리포지토리에서 SKILL.md를 복사하거나 릴리스 zip을 호스트의 skills 루트에 풀어 넣으면 Grok Build, Claude Code, Cursor 같은 런타임에 스킬을 빠르게 추가할 수 있다. 설치 예시는 mkdir와 cp 명령으로 간단히 처리되며, 파일 경로가 맞는지 먼저 확인해야 한다. 로컬 통합 전에는 모의 LLM 디버그 모드로 비용을 절감하며 동작을 점검하는 것을 권장한다.
QDAD 실행 시에는 그리드 크기 N, 노이즈 온도, 역정화 단계 수 같은 파라미터를 조절해 산출물의 창의성 대 명확성 트레이드오프를 경험적으로 튜닝해야 한다. 초기 실험에서는 작은 N과 낮은 노이즈로 시작해 단계적으로 확장하는 방식이 재현 가능성을 높인다. 시뮬레이션 모드를 통해 비평가 루프의 민감도를 먼저 파악하는 것이 비용 대비 효율적이다.
QNN의 Qualitative Self-Attention을 쓸 때는 attention_edges 로그와 [QNN ATTEND] 표기를 통해 어떤 과거 노드가 주입되었는지 추적할 것을 권장한다. 이 로그는 에포크 내 의존성 분석과 이후 Knowledge Distillation을 위한 데이터 수집에 유용하다. 추적 정보를 바탕으로 Mirror Descent로 페르소나를 조정하면 점진적 전문화를 체계적으로 검증할 수 있다.

섹션별 상세

open-deepthink 0.1.11에서 도입된 Qualitative Self-Attention은 기존의 순전파식 QNN에서 각 레이어가 직전 레이어만 참조하던 한계를 해소하기 위해 고안되었다. 구현은 동일 에포크의 과거 비인접 노드들과 다른 에이전트의 다중 에포크 메모리로부터 후보 풀을 구성하고, 언어 기반의 정성적 버킷(strength/distance)으로 노드 쌍을 점수화한 뒤 상위 k를 에이전트 프롬프트에 'attended value' 블록으로 주입하는 방식으로 진행된다. 이 과정에서 수학적 MatMul 연산을 사용하지 않고 자연어로 매칭·스코어링을 수행하며, 주입된 엣지는 attention_edges에 기록되어 [QNN ATTEND] 로그로 남는다. 결과적으로 동일 에포크 내에서 비국소적 유용 작업을 참조할 수 있어 반복적 문제 해결의 깊이가 증가한다.

App Slot Machine으로 불리는 QDAD 파이프라인은 모호한 디자인 의도를 언어적 기저로 바꿔 구조화된 에이전트 입력으로 합성하는 절차를 제공한다. 파이프라인은 사용자의 Midjourney 스타일 의도에서 명사와 동사를 샘플링해 N×N FeatureAgents 그리드를 만들고, 각 셀은 임의의 특징을 발명하는 전방 확산 단계를 거친 뒤 비평가 에이전트들이 역확산 방식으로 그 출력을 여러 단계에 걸쳐 정화하여 최종적으로 하나의 App Build Prompt로 합성한다. 이 흐름은 노이즈 온도, 그리드 크기, 역정화 단계 수 같은 튜닝 파라미터를 UI에서 조정 가능하며, 모의 LLM 모드로 디버그와 비용 절감 테스트를 지원한다. 최종 산출물은 Grok-Build, Cursor, Claude Artifacts 등으로 즉시 전달 가능한 빌드 프롬프트를 생성한다는 점에서 모호한 아이디어를 실행 가능한 산출물로 전환한다.

레포지토리가 제공하는 휴대형 스킬(/qnn, /qdad)은 전체 서버를 띄우지 않고도 다양한 에이전트 하네스에 절차형 SKILL.md를 복사해 즉시 통합할 수 있도록 설계되었다. 설치 방식은 리포지토리에서 해당 SKILL.md를 호스트의 skills 루트로 복사하거나 릴리스 zip을 풀어 넣는 간단한 파일 이동으로, 호출은 채팅 입력에서 /qnn 또는 /qdad 명령으로 이루어진다. 출력은 전략적 해법 맵이나 구조화된 앱 빌드 프롬프트처럼 후속 구현 단계로 이어질 수 있는 실체적 산출물을 생성한다. 이 설계는 다양한 런타임(Grok Build, Claude Code, Cursor, Codex 등)에 적응 가능하여 실제 개발 워크플로에 빠르게 통합될 수 있다.

open-deepthink의 설계 목표는 다수 페르소나를 병렬로 소환하는 전형적 멀티에이전트 방식에서 벗어나 심층적 개선을 추구하는 데 있다. 구체적으로 토폴로지 기반의 전문화, Mirror Descent를 통한 페르소나 변형, 에포크별 문제 재프레이밍과 추적 가능한 중간 상태 보존을 결합하여 에이전트들이 반복 학습을 통해 점진적으로 성능을 개선하도록 한다. 추가로 Knowledge Distillation 모드는 토큰 예산을 소모하여 진화 흔적과 데이터셋을 산출할 수 있게 해 연구용 재현 가능성을 높인다. 스택은 FastAPI, LangGraph, OpenRouter 또는 로컬 llama.cpp 같은 런타임을 엮어 유연한 배포를 지원한다.

용어 해설

정성적 신경망(Qualitative Neural Network (QNN)): — 정성적 신경망은 수치 행렬 연산 대신 자연어로 노드 간 강도와 거리 같은 범주(qualitative buckets)를 매겨 정보 흐름을 제어하는 방식이다. 입력은 에이전트 출력 텍스트이고 처리 과정은 추출된 중요 과거 노드 쌍을 점수화한 뒤 상위 k를 프롬프트에 주입하여 에이전트의 다음 출력을 유도하는 방식으로 진행된다. 이 기법은 전통적 MatMul 기반 어텐션을 쓰기 어렵거나 언어적 해석 가능성이 중요한 멀티에이전트 시스템에서 비국소적 참조를 허용하기 위해 도입되었다.
정성적 확산(Qualitative Diffusion (QDAD)): — 정성적 확산은 연속적 수치 잠복공간 대신 명사·동사 같은 언어적 기저를 샘플링해 고온의 질적 노이즈를 가하고, 비평가 에이전트가 여러 단계에 걸쳐 언어 기반으로 정화·선별하는 파이프라인이다. 각 셀은 명사×동사 그리드에서 임의의 특징을 발명하고 비평가가 이를 깎아내 무결한 빌드 프롬프트로 합성한다. 이 방식은 모호한 디자인 의도를 구조화 가능한 에이전트 입력으로 변환할 때 유리하다.
미러 디센트(Mirror Descent): — Mirror Descent는 페르소나나 정책을 소수의 변이로 점진적으로 조정하는 최적화 스타일로, 에이전트 집단이 반복 에포크를 거치며 전문화를 획득하도록 페르소나를 변형하는 데 사용된다. 각 에포크에서 페르소나 변형이 성능 트레이드오프를 만드는 방식과 그 누적 효과를 기록하여 진화적 흔적을 남길 수 있다. 이 방법은 멀티에이전트의 탐색 깊이를 높이는 수단으로 채택되었다.

코드 예제

bash

# from a clone
mkdir -p ~/.grok/skills/qnn ~/.grok/skills/qdad
cp skills/qnn/SKILL.md ~/.grok/skills/qnn/SKILL.md
cp skills/qdad/SKILL.md ~/.grok/skills/qdad/SKILL.md

Grok Build 같은 호스트에 /qnn 및 /qdad 스킬을 로컬로 설치하는 예시 명령어로, 클론한 리포지토리에서 SKILL.md 파일을 skills 루트로 복사하여 즉시 사용 가능하게 만든다.

text

/qnn explore this deadlock / performance cliff
/qdad a cozy productivity app for night writers, soft dark mode, offline-first

스킬을 호출하는 인보크 예시로, /qnn은 문제 탐색용 절차를 실행하고 /qdad는 모호한 앱 아이디어를 구조화 가능한 빌드 프롬프트로 바꾸는 워크플로를 트리거한다.

언급된 도구

Grok Build추천

스킬을 호스트에 설치해 에이전트 빌드 파이프라인을 실행하는 프로덕션·개발 런타임

Claude Code중립

코드 관련 자동화 및 스킬 통합을 위한 코딩 에이전트 하네스

Cursor추천

코드 편집·자동화 통합을 위한 개발 도구로 스킬의 출력물을 직접 수신하고 적용할 수 있는 런타임

FastAPI중립

open-deepthink 백엔드 엔드포인트를 제공하는 웹 프레임워크 스택 구성 요소

언급된 리소스

DemoLatest release (0.1.11)

GitHubRepo / README

GitHubSkills directory