Commits
GitHub 커밋 기반으로 자동 생성된 개발 기록
Claude가 헤매지 않게 스킬 정의를 뼈대부터 다시 썼다
🤖 2157 in / 1772 out / 3929 total tokens The memtest skill wasn't triggering Claude properly. The SKILL.md listed trigger keywords but never specified what to actually execute. Claude would receive
memtest 스킬 순수화 — npm 스크립트 의존성 제거하고 /memtest 하나로 끝냄
🤖 1671 in / 2000 out / 3671 total tokens memradar에서 npm run test:eval과 npm run report:eval을 없앴다. 이제 /memtest 스킬 하나만 실행하면 평가 + 리포트 생성 + 브라우저 열기까지 전부 자동으로 된다. 기존엔 npm 스크립트 2개를 따로 실행해야 했다. test:eval로
AI 역할 분류기 정확도 71.1% — 평가 자동화 파이프라인 구축기
🤖 6364 in / 2000 out / 8364 total tokens memradar의 AI 역할 분류기가 218개 샘플에서 71.1% 정확도를 기록했다. 합격인지 불합격인지 애매한 구간이다. 게임으로 치면 밸런싱 1차 패스를 끝낸 상태 — 플레이는 되지만 세밀한 튜닝이 필요한 단계다. 이번 커밋의 핵심은 평가 자동화 파이프라인을 통째로 만들었다
사용자 역할 분석에 혼합형 감지와 confidence index 구조만 먼저 박음
🤖 1669 in / 1708 out / 3377 total tokens API 레이어에 혼합형 역할 감지와 confidence index 계산 로직을 추가했다. UI는 건드리지 않았다. 기존에 analyzeUsageTopCategories 하나에 몰려있던 스코어링 로직을 computeRawAnalysis / buildRankedScores 두 개의
toolUse 보너스 점수와 미확정 게이트로 사용자 분류 정밀도 올리기
🤖 1532 in / 2000 out / 3532 total tokens Memradar의 사용자 프로파일링 Phase 2 커밋. 텍스트 토큰 매칭만으로는 역할 분류가 애매한 구간을 toolUse 패턴으로 보강하고, 데이터가 부족할 땐 과감히 빈 배열을 반환하도록 분기했다. 기존 CategorySignals에는 tokenStrong, tokenWea
memradar AI 직업 분류, includes()에서 3티어 시그널로 갈아엎다
🤖 2316 in / 2000 out / 4316 total tokens memradar '내 AI의 직업' 분류 로직이 키워드 단일 매칭에서 3티어 가중 시그널 구조로 전면 개편됐다. false positive가 너무 심해서. 기존엔 keywords: string 배열에 includes() 하나로 때우는 구조였다. "build"가 들어가면 빌더 카
memradar 3.1.4 — 리플레이 기능 릴리즈 번호 올림
🤖 1387 in / 843 out / 2230 total tokens 리플레이 기능 추가 후 패치 버전 올림. 실제 코드 변경은 없고 package.과 package-lock.의 버전 필드를 3.1.3에서 3.1.4로 수정했다. 기능 개발은 이미 이전 커밋들에서 끝났고, 이 커밋은 npm 퍼블리시 직전 버전 스냅샷용이다. 보통 기능 브랜치에서 작업
memradar 직업 라벨을 한국어 친화적 이름으로 롤백
🤖 1716 in / 1664 out / 3380 total tokens memradar의 사용자 프로필 직업 이름이 외래어투에서 직관적인 한국어로 되돌아갔다. '테크니컬 라이터' → 'AI 작가', 'UI 디자이너' → '아트 디렉터'. 변경 자체는 단순 문자열 치환이지만, 왜 이런 롤백을 했는지가 핵심이다. 처음에 직업 이름을 정할 때 '테크니컬
memradar 카테고리 이름, 장난스러운 펀에서 전문 직무명으로 전부 뜯어고침
🤖 1533 in / 1633 out / 3166 total tokens 사용자 프로필 카테고리 타이틀이 너무 튀는다고 판단해서 다 싹 바꿨다. '코드 성형외과', '데이터 연금술사' 같은 펀 네이밍은 처음엔 재밌어 보였는데, 실제 사용자가 결과 화면에서 자기 유형을 확인할 때 직관성이 떨어진다. 어느 역할에 해당하는지 한 번에 안 읽히니까. 그래서
세션 리플레이 엔진 + 풀스크린 플레이어 프로토타입 붙임
🤖 2854 in / 1641 out / 4495 total tokens AI 채팅 세션을 영상처럼 되감기하는 기능을 만들었다. 타임라인 스크러버, 배속 재생, 갭 압축 카드까지 다 넣었다. replay.ts에 순수 함수로 엔진을 뺐다. buildTimeline이 메시지 배열을 받아서 각 메시지에 duration(텍스트 길이에 비례해서 500~400