이 clipping에서 가장 날카로운 통찰은 Ralph Loop와 OpenClaw의 대비가 단순한 기술적 선택을 넘어 인간과 에이전트의 협력 방식을 규정하는 철학적 차이라는 점이다. Ralph Loop가 “모델이 스스로 해낼 것”이라는 신뢰에 기반한 완전 자율을 지향한다면, OpenClaw는 “인간이 피드백과 판단을 계속 제공해야 한다”는 전제 아래 인간의 루프를 고집한다. 이 차이는 자율주행 레벨의 차이와 유사하지만, 더 근본적인 문제를 드러낸다. 반복형 자율 접근이 성공하려면 PRD가 완벽해야 한다. 즉, 문제 정의 자체가 완전히 명확해야 한다. 반면 인간 루프 접근은 문제 정의가 불완전해도 인간의 개입으로 수정할 수 있다. 이는 “어떤 문제를 푸는가”보다 “문제를 어떻게 정의할 것인가”의 중요성을 시사한다. 앞으로 에이전트가 더 발전할수록 문제 정의의 질과 인간의 조향 능력이 더욱 중요해질 것이다. 흥미롭게도 두 접근 모두 20~30년 경력의 개발자들이 만들었으며, 각자의 취향과 철학을 하네스에 녹여냈다. 이는 기술 선택이 곧 세계관의 표현임을 보여준다.
근거
“Ralph Loop처럼 계속 알아서 모델이 될 때까지 반복하는 것보다는 Human In The Loop를 선호했어요.” (OpenClaw 창시자) “PRD를 잘 쓰면 쓸수록 그게 달성되는 그런 모습들이 보였죠.” (노정석)
연결된 생각
- 20260605-agent-design-philosophies — 두 철학의 속성과 관계 비교
- 20260605-problem-definition-is-key-skill — 문제 정의가 실행보다 중요한 이유
출처
- 📎 클리핑: 20260613-ep85-ko-transcript