I Let OpenClaw Run My Mornings for 7 Days. It Stopped Acting Like a Chatbot on Day 4.

개요

OpenClaw를 7일간 사용한 결과, 초기에는 챗봇처럼 무의미한 메시지를 생성했지만, 4일차부터는 작업 상태를 관찰하고 우선순위를 결정하여 실행하는 진정한 에이전트 역할을 수행하게 되었다.

주요 내용

* 초기 경험 (1-3일차): OpenClaw를 텔레그램, GitHub, Google Calendar에 연결했지만, 매일 아침 "열려 있는 PR 4개를 검토하세요"와 같이 유용하지 않은 메시지만 받았다. 이는 모델 자체의 문제가 아니라, 에이전트에게 충분한 정보를 제공하지 못하고 지시가 명확하지 않았기 때문이다.
* 돌파구 (4일차): PR 오픈 시간, 텔레그램 메시지 수신 횟수 등 추가적인 관찰 데이터를 제공하고, 프롬프트에 "단 하나의 가장 중요한 일", "구체적인 PR/메시지/이벤트 명시", "이유 포함", "한 문장"과 같은 구체적인 지시를 추가함으로써 에이전트의 성능이 극적으로 향상되었다.
* 에이전트의 역할: 챗봇은 사용자에게 정보를 제공하는 데서 멈추지만, 에이전트는 관찰(observe) → 결정(decide) → 행동(act)의 루프를 통해 스스로 결정을 내리고 실행하여 작업을 완료한다.
* 실질적인 에이전트 예시:
* 오전 8시: PR #142가 9일간 열려 있었고, v2.3 릴리즈를 막고 있으며, Andre가 텔레그램으로 두 번 알림을 보냈음을 인지하고, 오전 10시 30분 스탠드업 전에 해당 PR을 검토하도록 지시했다.
* 다른 날: 오전 10시 회의가 10시 15분 검토 시간과 겹치고, 매니저로부터 어젯밤 이후 세 개의 읽지 않은 메시지가 있음을 파악하고, 심층 작업 블록을 건너뛰도록 결정했다.
* 또 다른 날: 긴급한 작업이 없어 딥 워크 블록을 보호해야 한다고 판단했다.
* 비용 및 사용 패턴: API 사용 비용이 일주일 동안 1달러 미만으로 저렴했으며, 챗봇은 질문마다 비용이 발생하지만, 예약된 에이전트 사용은 저렴하고 예측 가능하다.
* 성공의 열쇠: 모델 자체가 아니라, 더 나은 관찰(충분한 상태 정보 제공), 프롬프트의 강제적인 구체성, 그리고 대화가 아닌 예약된 스케줄을 통한 루프 닫기(closing the loop)가 핵심이다.

시사점

OpenClaw와 같은 에이전트 패턴은 반복적인 작업을 자동화하고, 불필요한 알림을 줄이며, 사용자의 의사결정을 지원함으로써 생산성을 향상시킬 수 있다. 사용자 정의 가능한 'SKILL.md' 파일과 예약 기반의 'observe-decide-act' 루프를 활용하는 것이 이점이다.