Trying Out Matt Pocock''s NEW /wayfinder Skill in Hermes Agent
Quick Summary
Matt Pocock의 새 /wayfinder 스킬을 Hermes Agent에서 시험해 보니, 모호한 대형 프로젝트를 결정 티켓과 의사결정 지도로 분해해 구현 가능한 수직 슬라이스 로드맵으로 바꾸는 데 유용했다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 결론
Matt Pocock의 새 /wayfinder 스킬을 Hermes Agent에서 시험해 보니, 모호한 대형 프로젝트를 결정 티켓과 의사결정 지도로 분해해 구현 가능한 수직 슬라이스 로드맵으로 바꾸는 데 유용했다.
📌 핵심 요점
- Wayfinder는 한 세션에서 아이디어를 다듬는 Grill Me를 넘어, 대형 프로젝트의 불확실성을 여러 세션과 결정 티켓, 독립 에이전트 작업으로 분산해 해결한다.
- 실험 대상인 Token Burn은 제한된 토큰으로 AI 동행 에이전트의 모델·스킬·서브에이전트 능력을 활용하는 플랫폼 퍼즐 게임이며, 완성 게임이 아닌 프로덕션 준비 수준의 수직 슬라이스 명세가 목표다.
- 여섯 개의 하위 티켓을 의사결정 지도에 배치하고, 독립 연구가 가능한 항목만 병렬화한 뒤 선행 결정이 필요한 티켓을 순차적으로 개방해 중복 질문과 성급한 구현을 줄였다.
- 제한형 자연어 명령, 스테이지별 토큰 예산, 브라우저 우선 기술 경로, 튜토리얼부터 캡스톤까지 이어지는 콘텐츠 범위를 차례로 확정하면서 게임의 핵심 계약을 구체화했다.
- 최종 산출물은 목적·범위·제외 범위·설계 계약·프로젝트 구조·구현 순서를 담은 핸드오프 문서이며, 코딩 에이전트가 추가 조사 없이 개발을 시작할 수 있는 출발점이 된다.
🧩 배경과 문제 정의
- Grill Me가 한 세션의 연속 질문으로 모호한 아이디어를 다듬는다면, Wayfinder는 더 큰 프로젝트를 여러 세션·결정 티켓·독립 에이전트 작업으로 분해한다.
- 출발 아이디어인 Token Burn은 플레이어와 AI 동행 에이전트가 협력해 퍼즐을 풀고, 제한된 토큰 안에서 에이전트의 능력을 활용하는 플랫폼 게임이다.
- 당장의 목적지는 완성 게임이 아니라 프로덕션 준비 수준의 수직 슬라이스 명세와 구현 로드맵이며, 불확실한 게임 구조와 기술 선택을 추적 가능한 결정 지도로 구체화하는 것이다.
🕒 시간순 섹션별 상세정리
1. 모호한 대형 프로젝트를 위한 Wayfinder
- Wayfinder는 Grill Me의 집중 질의를 활용하면서도, 목적지만 어렴풋한 대형 프로젝트에서 실행 경로를 찾는 단계까지 범위를 넓힌다. [00:12]
- 결정을 티켓으로 분리하고 독립 에이전트가 처리한 결과를 합쳐, 연구·프로토타이핑·범위 판단 등 서로 다른 종류의 불확실성을 체계적으로 줄인다. [01:45]
2. AI 동행 에이전트와 Token Burn
- Token Burn은 플레이어가 AI 동행 에이전트에게 작업을 맡기며 스테이지의 장애물을 해결하는 플랫폼 퍼즐 게임이다. [02:41]
- 동행 에이전트에는 실제 AI 에이전트처럼 모델과 스킬을 구성하고 향후 서브에이전트까지 추가할 수 있다. [02:57]
3. 후속 프로토타입과 기획 환경
- 계획이 충분히 구체화되면 Grok 4.5 또는 출시 예정인 4.6으로 실제 게임이나 데모를 라이브 빌드하는 후속 단계로 넘어갈 예정이다. [03:51]
- 초기 기획은 Hermes Agent 데스크톱 앱과 GPT-5.6 Terra로 진행해 코딩보다 연구·계획 응답 속도를 우선한다. [04:52]
- 여러 세션을 한눈에 관리해야 하므로 TUI 대신 데스크톱 프로젝트 환경을 선택한다. [05:15]
4. 프로젝트 기반 마련과 스킬 실행
- 향후 GitHub 연결까지 고려해 워크스페이스에 Token Burn 전용 폴더를 만들고 기획 산출물의 저장 기반을 마련한다. [06:01]
- Wayfinder 스킬을 설치하고 새 세션에서 /wayfinder를 호출해 느슨한 게임 아이디어를 정식 계획 입력으로 전환한다. [06:44]
5. 시각 목표와 토큰 제약
- 후기 SNES 시기의 Mega Man과 현대 인디 게임을 닮은 고품질 픽셀 아트를 시각적 목표로 설정한다. [07:04]
- 스테이지를 지날수록 동행 에이전트의 크론 작업·스킬·상위 모델·서브에이전트를 확장하되, 고정된 토큰이 소진되면 사용할 수 없도록 해 능력 확장과 자원 절약을 하나의 퍼즐로 묶는다. [07:20]
- 초기 버전은 브라우저에서 시작하고 최종 유통은 Steam을 포함한 인디 게임 플랫폼을 목표로 한다. [07:40]
6. 계획 목적지와 핵심 이용자
- 별도 이슈 트래커 대신 로컬 Markdown 방식을 채택하고, 현재 정보만으로 판단 가능한 결정부터 티켓으로 만든다. [08:08]
- 목적지는 완성 게임이 아니라 프로덕션 준비 수준의 수직 슬라이스 명세와 구현 로드맵이며, 실제 게임 빌드는 이번 지도에서 제외한다. [08:49]
- 핵심 이용자는 액션 플랫폼 팬과 AI 에이전트에 호기심 있는 이용자 사이의 균형형으로 정한다. [09:36]
7. 조작 방식과 기술·토큰 경제
- 완전한 LLM 챗봇 대신 짧은 자연어 의도를 선택하는 제한형 명령 인터페이스와 프롬프트 빌더로 동행 에이전트를 조작한다. [10:18]
- 데스크톱 중심 브라우저 빌드에서 출발해 향후 Steam 래퍼로 이전하고, 2D 게임에 과도한 Godot·Unity 같은 대형 엔진은 우선하지 않는다. [10:48]
- 토큰은 캠페인 전체가 아닌 스테이지별 고정 예산으로 표시하며, 실패 후 재시도하면 다시 충전되도록 한다. [10:56]
8. 수직 슬라이스와 결정 지도 생성
- 성공 범위를 튜토리얼, 짧은 세 개의 스테이지, 앞선 요소를 결합한 최종 퍼즐로 제한해 검증 가능한 콘텐츠 단위를 만든다. [11:23]
.wayfinder아래에 로컬 Markdown 트래커와 결정 지도, 여섯 개의 하위 티켓을 만들고 독립 연구가 가능한 두 티켓만 먼저 병렬 실행한다. [13:17]- 브라우저 우선 엔진과 아트 제작 계약에 관한 연구 결과를 독립 검토한 뒤 티켓을 닫고 선택 근거를 Markdown 파일에 보존한다. [14:59]
9. 주제별 병렬 세션과 집중 질의
- 남은 티켓을 플레이어 행동·이동과 동료 능력으로 분리해 데스크톱 앱의 별도 세션에서 진행한다. [15:11]
- 한 세션이 답변을 처리하는 동안 다른 세션의 질문에 응답해 질의 사이의 대기 시간을 줄인다. [16:09]
- 동료 능력 세션은 64개 질문을 거쳐 데모에 해당하는 전체 수직 슬라이스 설계까지 구체화한다. [17:01]
10. 결정 기록과 후속 티켓 개방
- 각 세션은 확정된 결정을 기록하고 티켓을 닫은 뒤 지도 포인터를 추가해 다음 미해결 작업을 확인한다. [17:21]
- 선행 티켓이 닫히자 토큰 피드백·재시도 규칙과 튜토리얼부터 캡스톤까지의 단계 진행 설계가 후속 작업으로 열린다. [17:41]
- 후속 프롬프트에는 필요한 자료와 범위를 포함하고 이미 확정된 사실을 다시 결정하지 못하게 해 중복 질의를 막는다. [18:18]
11. 튜토리얼과 캡스톤 프로토타입
- 튜토리얼 프로토타입은 grilling 세션의 답변을 기반으로 단계별 학습 흐름과 간단한 다이어그램을 담은 Markdown 문서로 작성된다. [19:08]
- 초반 단계에서 조작법을 순차적으로 가르치고 마지막 캡스톤에서 학습한 요소를 비교적 쉬운 대형 퍼즐로 결합한다. [19:33]
- 검토를 통과한 프로토타입을 티켓 결과물로 남기고 관련 결정과 지도 트리까지 함께 갱신한다. [20:18]
12. 의사결정 지도 완성과 범위 통제
- 지도는 노드별 결정, 관련 Markdown 문서, 아트 리서치와 수용 기준을 연결해 판단의 근거를 추적할 수 있게 한다. [20:42]
- 남은 불확실성은 수직 슬라이스 이후의 캠페인·수익화·Steam 출시 영역이므로 현재 데모를 위한 새 티켓으로 확장하지 않는다. [22:39]
- 현재 목적지에 필요한 결정과 연구가 모두 축적됐다고 판단해 의사결정 지도 작업을 완료한다. [23:45]
13. 구현 핸드오프 세션
- 새 세션에 완성된 지도, 닫힌 티켓의 결정 문서, 프로토타입을 읽히고 구현 핸드오프를 작성하게 한다. [24:17]
- 세부 작업을 순서대로 정리한 긴 핸드오프 파일을 만들어 코딩 에이전트가 실제 구현을 시작할 수 있게 한다. [24:44]
14. Wayfinder의 구조적 장점과 티켓 기준
- 주제별 세션, 자동 집중 질의, 리서치 서브에이전트, 의사결정 지도의 결합은 하나의 긴 grilling 세션보다 명확한 구조를 만든다. [25:05]
- 형태가 불분명한 프로젝트에 특히 유용하며 보고서·다이어그램 외에도 다양한 매체의 프로토타입을 만들 수 있다. [25:28]
- 사람이 먼저 처리해야 하는 API 가입은 task 티켓이지만, 질문 자체가 불명확한 영역은 아직 티켓이 아닌 탐색이 필요한 안개로 남는다. [26:21]
15. 구현 로드맵과 최종 평가
- 완성된 수직 슬라이스 명세를
handoffs폴더에 저장하고 Hermes가 서브에이전트 기반 개발을 점진적으로 실행하도록 지시한다. [26:40] - 핸드오프에는 목적·범위·제외 범위·설계 계약·프로젝트 구조·전체 요구사항·구현 순서가 포함돼 추가 조사 없이 개발을 이어갈 수 있다. [27:35]
- 첫 사용에서도 Wayfinder는 대형 프로젝트를 티켓 단위로 나누고 필요한 질문을 해결해 목표 지점까지 경로를 만드는 계획 도구로서 효용을 입증한다. [29:14]
🧾 결론
- Wayfinder의 핵심 가치는 답을 즉시 생성하는 것이 아니라, 어떤 결정을 언제 내려야 하는지 구조화하고 그 근거를 추적 가능하게 만드는 데 있다.
- 복잡한 프로젝트일수록 모든 작업을 동시에 시작하기보다 독립 티켓과 의존 티켓을 구분하고, 확정된 결정이 후속 티켓을 열도록 설계하는 편이 효율적이다.
- 성공적인 계획의 기준은 문서의 분량이 아니라 현재 목적지에 필요한 불확실성이 충분히 제거됐는지, 그리고 구현 주체가 바로 실행할 수 있는지에 있다.
- 첫 사용 사례에서도 Wayfinder는 모호한 아이디어를 범위가 통제된 수직 슬라이스와 실행 순서가 명확한 로드맵으로 전환하는 계획 도구로서 효용을 보였다.
📈 투자·시사 포인트
- AI 에이전트 도구의 차별화 지점은 단일 응답 품질뿐 아니라 여러 세션의 결정·근거·의존성을 얼마나 일관되게 관리하는가로 확장될 수 있다.
- 자연어 챗봇을 그대로 제품에 넣기보다 제한형 의도 선택과 프롬프트 빌더로 사용 범위를 통제한 설계는 AI 기능의 예측 가능성과 이용자 경험을 함께 확보하려는 접근으로 읽힌다.
- 독립 조사만 병렬화하고 결정 문서를 구현 핸드오프로 연결하는 방식은 게임뿐 아니라 요구사항이 불명확한 소프트웨어·콘텐츠 프로젝트에도 적용할 수 있다.
- 다만 영상은 실제 게임 빌드보다 계획 산출물에 초점을 맞추므로, 기술적 성능이나 이용자 재미까지 검증된 사례로 확대 해석해서는 안 된다.
⚠️ 불확실하거나 확인이 필요한 부분
- 이번 결정 지도에서는 실제 게임 빌드를 제외했으므로, 제한형 명령 인터페이스와 토큰 경제가 실제 플레이에서도 재미있고 이해하기 쉬운지는 확인되지 않았다.
- 브라우저 우선 엔진과 아트 제작 계약을 다룬 연구 티켓이 닫혔다는 사실은 제시되지만, 선택된 구체적 기술과 비교 기준은 공급된 상세 내용만으로 확인할 수 없다.
- Grok 4.6은 출시 예정 모델로만 언급되므로 실제 이용 가능 시점과 후속 라이브 빌드에서의 역할은 별도 확인이 필요하다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 새 프로젝트에 Wayfinder를 적용하기 전 현재 목적지, 제외 범위, 완료 기준을 한 문장씩 먼저 고정한다.
- 결정 티켓을 독립 실행 가능 항목과 선행 결정 의존 항목으로 나누고, 독립 연구 티켓만 병렬 세션에 배정한다.
- 각 티켓에 선택 결과뿐 아니라 근거 문서, 수용 기준, 후속 지도 포인터를 기록해 결정 추적성을 확보한다.
- 이미 확정된 사실과 필요한 자료를 후속 세션 프롬프트에 포함해 같은 질문이 반복되지 않도록 한다.
❓ 열린 질문
- 브라우저 우선 수직 슬라이스에 최종 선택된 엔진과 아트 제작 방식은 무엇이며, 다른 후보보다 우수하다고 판단한 수용 기준은 무엇인가?
- 제한형 자연어 의도와 프롬프트 빌더가 완전한 LLM 대화보다 플레이어의 통제감과 AI 동행 에이전트의 개성을 더 잘 살릴 수 있는가?
- 스테이지별 토큰 예산과 실패 후 재충전 규칙을 어떤 방식으로 조정해야 자원 관리가 불편함이 아니라 퍼즐의 재미가 되는가?