perfect-guess-agentlisted
Install: claude install-skill sunjongos/perfect-guess-agent
# Perfect Guess Agent
뇌의 3대 학습 시스템을 모사한 에너지 최적화 에이전트 프레임워크.
| 모듈 | 뇌 대응 | 역할 |
|---|---|---|
| `EpisodicBuffer` | 해마 | 원샷 학습, 패턴 분리, 프리플레이(행동 전 가상 경로 탐색) |
| `HabitCache` | 선조체 | 검증된 행동 시퀀스의 청킹 캐시, 도파민 RPE 기반 신뢰도 갱신, 오토파일럿 |
| `WorldModel` | 신피질 | 느린 인터리브 통합, 사전 확률, 패턴 완성(Perfect Guess) |
| `GatingModule` | 예측오류 게이팅 | PE>θ→해마 지배 / PE≤θ→습관 지배 + 고부하 모듈 클럭 게이팅 |
## 빠른 실행
```bash
cd perfect-guess-agent
python -m demo.gridworld_demo # 7x7 미로: 에너지 4350 -> 18 a.u.
python -m demo.ward_patrol_demo # 병동 순회: 습관 형성 -> 환경 변화 -> 재형성
```
기대 출력: 초기 에피소드 고에너지(탐색) ��� 습관 캐시 형성 후 에너지 ~96%+ 감소,
habit-mode 100%, 센서 드롭아웃 시 pattern-completion 이벤트 카운트.
## 새 환경에 적용하기 (핵심 패턴)
```python
from perfect_guess import PerfectGuessAgent
agent = PerfectGuessAgent(actions=ACTIONS, theta=0.4)
for ep in range(N):
s = env.reset(); agent.begin_episode(s)
while not done:
a = agent.act(s, goal) # 게이팅이 모드 자동 결정
s2, r, done = env.step(a)
obs = s2 if sensor_ok else None # None이면 Perfect Guess 발동
agent.perceive(obs)
agent.learn(s, a, s2, goal, reward=r)
s = s2
print(agent.summary()) # total_energy, habit_mode_ratio, cached_chunks ...
```
규칙:
1. **상태·행동은 hashable**이면 무엇이든 가능 (튜플, 문자열 등).
2. **θ(임계값)**: 0.3~0.5 권장. 환경 변동성이 크면 높게. 과민(불필요한 해마 활성)↔둔감(신규 상황 오인) 트레이드오프.
3. **환경 변화 대응(필수 패턴)**: 행동이 반복 실패하면(예: 같은 상태에 3회 정체) `agent.habit.invalidate(key)` + `agent.gate.pe = 1.0` + `agent._chunk_queue = []`를 함께 호출한다. 세 가지를 모두 해야 해마 모드로 확실히 복귀