ai-agent-book

# AI Agent 심층 이해: 설계 원리와 엔지니어링 실무

중국어 ← 현재 · English · Español · Bahasa Indonesia · العربية · 繁體中文（台灣） · Русский · Tiếng Việt · தமிழ் · 日本語 · Türkçe · 한국어 · Magyar · עברית · Português (Brasil)

📥 PDF / EPUB 다운로드 (권장) — 오프라인 읽기에는 PDF / EPUB를 권장하며 조판이 가장 좋습니다. 온라인 읽기(다국어 전환, 챕터 접기, 하이라이트와 노트 지원, 푸시할 때마다 자동 업데이트)도 가능합니다.

Agent = LLM + 컨텍스트 + 도구 — 이 책은 이 핵심 공식을 중심으로 10개 장에 걸쳐 AI Agent를 원리에서 엔지니어링 실전까지 설명합니다. 본문, 삽화, 109개의配套 실험 전체가 오픈소스이며, 직접 실험을 실행해 보시길 환영합니다.

📚 자매편 《AI Infra 심층 이해: 정량 분석과 시스템 설계》가 오픈소스로 공개되었습니다. 많은 관심 부탁드립니다: github.com/bojieli/ai-infra-book

모델 기반 애플리케이션을 잘 개발하려면 이런 애플리케이션이 동작하는 기반 인프라도 이해해야 합니다. 자매편에서 다루는 것은 모델 학습과 추론을 뒷받침하는 AI Infra입니다: 파라미터와 컨텍스트 상태가 어디에 저장되는지, 연산이 어떻게 실행되는지, 여러 가속기가 어떻게 협력하는지.

📢 2.0 버전 변경 사항(1.4 버전 대비): 이 저장소의 원고 버전이 1.4에서 2.0으로 업그레이드되었습니다. 2.0 버전은 기존 4장의 "비동기 상호작용" 부분과 기존 9장의 "멀티모달 Agent" 내용을 병합하여 새로운 6장 "상호작용: 관찰과 행동 공간의 확장"으로 재구성했습니다. 기존 6장 "Agent의 평가", 7장 "모델 후속 학습", 8장 "Agent의 지속적 진화"는 각각 한 장씩 뒤로 이동하여 현재 7, 8, 9장이 되었습니다.

구버전 PDF를 보고 계신다면 최신 PDF 다운로드를 권장합니다. 새 버전에는 많은 내용 수정과 조정이 포함되어 있으니 최신 버전을 기준으로 삼아 주세요.

📚 10개 장 본문, 기초부터 프로덕션까지
📂 109개配套 실험(로컬 프로젝트 및 외부 재현 트랙 포함)
🌐 15개 언어: 중 / 영 / 서 / 인도네시아 / 아 / 번체중문(대만) / 러 / 타밀 / 베 / 일 / 터키 / 한 / 헝가리 / 히브리 / 포르투갈어(브라질)

📖 전자책

📥 오프라인 다운로드(권장, 전서 본문, 오픈소스 무료). 아래 링크는 항상 main 브랜치의 최신 빌드를 가리킵니다. 고정 버전은 Releases를 참조하세요:

중국어(원본): PDF · EPUB
영어(커뮤니티 번역, by @nsdevaraj, @whanyu1212): PDF · EPUB
스페인어(커뮤니티 번역, by @santhreal): PDF · EPUB
인도네시아어(커뮤니티 번역, by @jojixyz666): PDF · EPUB
번체중문(대만)(커뮤니티 번역, by @tigercosmos): PDF · EPUB
러시아어(커뮤니티 번역, by @ui99ru): PDF · EPUB
타밀어(커뮤니티 번역, by @nsdevaraj): PDF · EPUB
베트남어(커뮤니티 번역, by @toanalien): PDF · EPUB
일본어(커뮤니티 번역, by @eltociear): PDF · EPUB
아랍어(커뮤니티 번역, by @TheSyBuilder): PDF · EPUB
터키어(커뮤니티 번역, by @memisemre): PDF · EPUB
한국어(커뮤니티 번역, by @JeongJaeSoon): PDF · EPUB
헝가리어(Magyar)(커뮤니티 번역, by @barmivalami0-ux): PDF · EPUB
히브리어(עברית)(커뮤니티 번역, by @itzikwo): PDF · EPUB
포르투갈어(브라질)(커뮤니티 번역, by @leofn, 삽화 번역 by @LibnaRaffaely): PDF · EPUB

🌐 온라인 읽기도 가능 — 다국어 전환, 챕터 접기, 하이라이트와 노트,配套 실험 바로가기를 지원하며 main 브랜치 푸시 후 자동으로 재빌드됩니다.

중국어 본문 소스는 book/에 있으며, 영어/스페인어/인도네시아어/아랍어/번체중문(대만)/러시아어/타밀/베트남어/일본어/터키어/한국어/헝가리어/히브리어/포르투갈어(브라질) 버전은 커뮤니티 기여(중국어 원본보다 늦을 수 있음)로 각각 book-en/, book-es/, book-id/, book-ar/, book-zhtw/, book-ru/, book-ta/, book-vi/, book-ja/, book-tr/, book-ko/, book-hu/, book-he/, book-ptbr/에 있습니다.

🔧 PDF / EPUB를 직접 컴파일하려면? (PDF는 pandoc / xelatex / ElegantBook 필요)

EPUB: 통합 빌드 스크립트를 사용하며, 자세한 내용은 EPUB 빌드 설명을 참조하세요.

본문 소스: book/introduction.md(서론), book/chapter1.md ~ book/chapter10.md(1~10장), book/afterword.md(후기)

컴파일: pandoc, xelatex, ElegantBook 문서 클래스 및 관련 폰트를 설치한 후 실행

cd book && bash build_pdf.sh

삽화는 SVG 파일로 book/images/에 저장되어 있으며 컴파일 시 직접 사용됩니다. 조판 세부 사항은 book/preamble.tex와 book/*.lua를 참조하세요.

📑 내용 개요(1~10장)
전서는 핵심 공식 Agent = LLM + 컨텍스트 + 도구를 중심으로 전개되며, 열 개 장이 층층이 심화됩니다:

장 | 주제 | 한 줄 핵심 | 본문 | 실험

1 | 🚀 AI Agent 입문 | Agent = LLM + 컨텍스트 + 도구; Harness 엔지니어링이 곧 경쟁력 | 읽기 | 4
2 | 🎯 컨텍스트 엔지니어링 | 컨텍스트가 능력의 상한을 결정: KV Cache, 프롬프트 엔지니어링, Agent Skills, 컨텍스트 압축 | 읽기 | 10
3 | 📚 사용자 기억과 지식 베이스 | 세션 간 사용자 기억, 외부 지식 연결: 사용자 기억, RAG, 구조화 인덱스, 지식 그래프 | 읽기 | 12
4 | 🛠️ 도구 | 도구는 Agent의 두 손: MCP 프로토콜, 인지/실행/협업 세 가지 도구와 능동적 도구 발견 | 읽기 | 5
5 | 💻 Coding Agent와 범용 Agent | 코드는 '새 도구를 창조할 수 있는 도구', 프로덕션급 Coding Agent 전경 | 읽기 | 16
6 | 🎙️ 상호작용: 관찰과 행동 공간의 확장 | 모달리티와 시간이라는 두 차원에서 Agent의 관찰과 행동 공간을 확장: 비동기와 이벤트 구동, 음성 상호작용, Computer Use와 로봇 조작 | 읽기 | 14
7 | 🎯 Agent의 평가 | 성과를 비교 가능한 신호로: 평가 환경, 지표, 통계적 유의성, 평가 기반 선정 | 읽기 | 14
8 | 🧠 모델 후속 학습 | 사전 학습/SFT/RL 3단계: 언제 SFT를 선택하고 언제 RL을 선택할지, 도구 호출 내재화, 샘플 효율 | 읽기 | 19
9 | 🔄 Agent의 지속적 진화 | 실행 궤적으로부터 학습 신호를 얻어 지식, 지시, 프로그램, 파라미터를 업데이트 | 읽기 | 9
10 | 🤝 멀티 Agent 협업 | 집단 지성이 개체보다 높다: 협업 프레임워크, 컨텍스트 공유/격리, 창발하는 'Agent 사회' | 읽기 | 6

💡 읽기 = GitHub 웹에서 장 본문(markdown)을 직접 읽기; N = 해당 장 본문 실험 수, 클릭하면 구현과 재현 설명을 볼 수 있습니다. 프로젝트 유형 설명(✅ 실행 가능 / 📖 재현 / 🚧 설계)은 각 장 README를 참조하세요.

📚 이 책을 효율적으로 읽는 방법? 자세한 내용은 학습 제안(핵심 이념, 학습 경로, 난이도 등급, 실천 제안)을 참조하세요.

💻配套 실험 실행
프로젝트는 Python 3.11–3.13을 통일 지원합니다. 저장소 루트 디렉터리에서 장별로 의존성을 설치하세요. ch1을 ch2 ~ ch10으로 바꾸면 해당 장을 설치할 수 있습니다:

# 권장: 저장소에 커밋된 uv.lock을 사용하여 재현 가능한 장 환경 확보
uv sync --locked --extra ch1

# uv 미설치 시: pip로 pyproject.toml에서 재해석
python -m pip install -e " .[ch1] "

모델을 호출하는 실험을 실행하기 전에 해당 실험 README에 따라 자격 증명을 구성하세요: 루트 디렉터리 구성 실험은 .env.example을 .env로 복사하고 최소 하나의 제공자 Key를 채우면 됩니다. 일부 실험은 자체 디렉터리에 .env를 두거나 환경 변수를 직접 export해야 합니다. 실험 README나 CLI에 ollama가 명시된 경우에만 로컬 Ollama를 시작하고 --provider ollama를 추가할 수 있습니다.

설치 후 저장소 루트 디렉터리에서 실험을 실행할 수 있습니다. 예:

uv run python chapter1/context/main.py
# pip 설치 시 직접 실행도 가능: python chapter1/context/main.py

uv 설치 방법은 공식 문서를 참조하세요. pip도 여전히 지원되지만 잠금 파일을 사용하지 않습니다.
각 실험의 기존 requirements.txt는 마이그레이션 기간 동안 계속 유효하며, 단일 프로젝트만 실행하거나 특수 버전 제약이 필요한 경우에 적합합니다.
all은 로컬 학습 스택을 포함하지 않는 CPU 친화적 조합이며 모든 실험을 의미하지는 않습니다. uv sync는 매번 현재 선택을 정확히 동기화하므로 특수 extra 사용 시 같은 명령에 병합하세요. 예: uv sync --locked --extra ch2 --extra vllm 또는 uv sync --locked --extra ch7 --extra unsloth; pip 대응은 python -m pip install -e ".[ch2,vllm]"입니다.
브라우저, CUDA, FFmpeg, Ollama, Playwright 브라우저 및 외부 저장소 등 시스템 의존성은 계속 각 실험 README를 참조하세요. 8장 일부 내장 서드파티 컴포넌트는 Python 3.12+가 필요합니다.

🔑 API 키
학습 편의를 위해 아래 몇 개 플랫폼의 API Key를 신청하는 것을 권장합니다. 모델 선정은 이 가이드를 참조하세요.

플랫폼 | 링크 | 특징 | 접속 노드

Kimi(월지암면) | https://platform.moonshot.cn/ | Kimi 시리즈, Coding, Agent 능력 우수 | 중국 본토
즈푸 GLM | https://open.bigmodel.cn/ | GLM-5.2 등, Coding, Agent 능력 우수 | 중국 본토
Siliconflow | https://siliconflow.cn/ | 다양한 오픈소스 모델(DeepSeek, Qwen 등), 중국 본토 접속 속도 빠름 | 중국 본토
DeepSeek | https://platform.deepseek.com/ | DeepSeek 공식 API | 글로벌 + 중국 본토
Atlas Cloud | https://www.atlascloud.ai/ | OpenAI 호환 인터페이스로 여러 벤더 모델 접근 | 글로벌
Krill AI | www.krill-code.com | 글로벌 및 국내 주요 모델 원스톱 접근(OpenAI, Claude, Gemini, Grok, Kimi, GLM, DeepSeek, Qwen, Minimax) | 글로벌 + 중국 본토
OpenRouter | https://openrouter.ai/ | 글로벌 및 국내 주요 모델 원스톱 접근(GPT, Claude, Gemini, Kimi, GLM, DeepSeek, Qwen 등) | 글로벌

❓ 자주 묻는 질문
Q: PDF / EPUB이 있나요? 직접 컴파일해야 하나요?
아니요. 전자책 섹션에 15개 언어의 PDF / EPUB 다운로드 링크가 있으며 항상 main 브랜치의 최신 빌드를 가리킵니다. 온라인 읽기도 가능합니다. 원고를 수정하고 다시 조판하려는 경우에만 직접 컴파일하면 됩니다.

Q: 이 책을 읽으려면 어떤 사전 지식이 필요한가요?
서론의 "사전 지식" 섹션에 완전한 설명이 있습니다: 중간 복잡도의 Python 코드를 읽고 수정할 수 있어야 하며, ChatGPT, Claude 등 LLM 제품을 사용해 본 적이 있어야 하고, 최소 한 가지 AI 보조 프로그래밍 도구(Claude Code, Codex, Cursor 등)에 익숙해야 하며, 명령줄, Git, JSON, REST API 등 소프트웨어 엔지니어링 상식을 알아야 합니다. 8장 후속 학습을 제외하면 전서의 수학과 머신러닝 요구는 매우 낮습니다.

Q: 지식 포인트가 많아 읽고 나면 잊어버리는데 어떻게 소화하나요?
본문만 읽지 마세요. 권장하는 방식은 각 장 실험과 결합하여 직접 손으로 해보는 것입니다.配套 코드를 보는 것이 아니라 책의 설계 원칙을 이해한 후 coding agent를 활용해 처음부터 구현해 보고, 출력을 관찰하고 예상과 다른 부분을排查하는 것입니다. 각 장 끝의 사고 문제도 좋은 자가 점검입니다. 더 체계적인 경로는 학습 제안을 참조하세요. 한 독자의 요약이 매우 적절합니다: 먼저 책을 얇게 보고, 다시 책을 두껍게 보고, 다시 책을 얇게 보라.

Q: 실험 코드를 한 줄씩 이해해야 하나요?
아니요. 이 책의配套 코드는 모두 coding agent가 원고에 따라 생성한 것이며 저자도 한 줄씩 읽지 않습니다. 핵심은 아키텍처, 핵심 컴포넌트, 설계 원칙을 명확히 생각한 후 AI에게 코드 작성, 테스트 실행, 버그 수정을 맡기고 사람은 최초 설계와 최종 검수를 담당하는 것입니다.

Q: 사고 문제에 참고 답안이 있나요?
있습니다: book/reference-answers.md(온라인 버전). 참고일 뿐 표준 답안이 아니며, Discussions에서 다른 의견을 논의하시길 환영합니다.

Q: 다 읽고 나면 어떤 실천 프로젝트를 할 수 있나요?
Claude Code, Codex 같은 coding agent를 처음부터 만드는 것을 권장합니다: 1~5장이면 사용 가능한 coding agent를 만들 수 있고, 7, 9장은 평가 세트를 구축하고 실패 사례에서 지속적으로 개선하도록 도우며, 8장은 모델 자체에 개입하고, 6, 10장은 음성, Computer Use 등 상호작용 방식과 멀티 Agent 협업을 추가합니다. 평가, 관측, 신뢰성 같은 엔지니어링 단계는 7장의 평가 실험부터 시작할 수 있습니다: 먼저 자신의 agent를 위해 십여 개 작업의 작은 평가 세트를 만들고, 실패 사례를 중심으로 개선하세요.

Q: 어디서 질문하고 토론하나요?
원고 정오, 실험 버그, 번역 문제: Issue를 열어 주세요. 장, 절, 원문 문장을 명시해 주세요.
읽기 질문, 사고 문제 토론, 경험 공유, 자료 추천: GitHub Discussions를 사용하세요.

Q: 오류를 발견하여 수정하고 싶으면 어떻게 하나요?
PR을 직접 제출하시길 환영합니다. 중국어판 book/이 정본이며 나머지 언어는 중국어에서 동기화됩니다: 본문 수정 시 중국어판만 수정하고 PR에 설명하면 번역은 병합 후 통일적으로 동기화됩니다. 자세한 내용은 기여를 참조하세요.

💎 스폰서
Krill AI가 이 프로젝트를 후원해 주셔서 감사합니다! Krill은 GPT / Claude / Gemini / 다수의 국산 모델의 공식 안정적 초고속 API 중계 서비스를 제공하며, 엔터프라이즈급 맞춤화, 경비 청구 및 세금 계산서 발행, 7×16h 전담 기술 지원, 독점 적응 WebSocket 연결 방식으로 초고속 첫 글자 속도를 즐길 수 있습니다.

Krill은 이 책 독자에게 특별 혜택을 제공합니다: 이 링크로 등록하고 충전 시 프로모션 코드 "ai-agent-book"을 입력하면 첫 Codex 패키지 구매 시 23% 할인을 받을 수 있습니다!

🧪配套 실험의 실행 상태, 증거 및 미완료 게이트는 docs/EXPERIMENT_STATUS.md에 별도로 기록됩니다. 소스를 클론하거나 설치했다고 해서 실험이 완료된 것은 아닙니다.

📦 부록 · 외부 저장소 획득
이 부록은 6, 7, 8, 10장과 실험에 직접 매핑되는 22개의 외부 저장소와 1개의 보조 학습 cookbook을 나열합니다. 이들은 이 책 소스에 내장 의존성으로 포함되지 않으며(용량과 저작권 문제로) 해당 디렉터리에 직접 클론해야 합니다. 일부 학습 프로젝트는 각자의 README에 따라 모델, 데이터셋, 시뮬레이터 의존성을 추가로 가져오며 이 22개 직접 매핑에는 포함되지 않습니다. 아래 버전은 2026-07-30 워크스페이스 checkout 또는 같은 날 읽기 전용 업스트림 감사에서 나온 것입니다. 고정 소스는 재현 시작점만 설정할 뿐 학습, 하드웨어, 브라우저 또는 멀티 Agent 실험이 이미 실행되었음을 의미하지 않습니다.

원클릭 클론 스크립트

🔧 클론 명령 펼치기(총 23개 checkout: 22개 실험 매핑 + 1개 보조 cookbook)
# 6장 · GUI 및 로봇 외부 재현 트랙
git clone https://github.com/anthropics/claude-quickstarts.git chapter6/claude-quickstarts && git -C chapter6/claude-quickstarts checkout --detach 9bcc95e316e5ef6542b4c9d0469f4078829eead5 # 실험 6-8은 computer-use-demo/ 사용
git clone https://github.com/browser-use/browser-use.git chapter6/browser-use && git -C chapter6/browser-use checkout --detach ec9277c5001f2cb78ee419c927775a3cfc227ff8 # 실험 6-9
git clone https://github.com/Vector-Wangel/XLeRobot.git chapter6/XLeRobot && git -C chapter6/XLeRobot fetch origin 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && git -C chapter6/XLeRobot checkout --detach 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && test " $( git -C chapter6/XLeRobot rev-parse HEAD ) " = " 3d14695e40c9c68229c0aacffca6053c75cd3eb6 " # 실험 6-10, 6-12 공용
git clone https://github.com/Grigorij-Dudnik/RoboCrew.git chapter6/RoboCrew && git -C chapter6/RoboCrew fetch origin c749148f29bd14e61347f9fc3530c343fff0d994 && git -C chapter6/RoboCrew checkout --detach c749148f29bd14e61347f9fc3530c343fff0d994 && test " $( git -C chapter6/RoboCrew rev-parse HEAD ) " = " c749148f29bd14e61347f9fc3530c343fff0d994 " # 실험 6-11, 6-12; RoboCrew v0.3.1
git clone https://github.com/StoneT2000/lerobot-sim2real.git chapter6/lerobot-sim2real && git -C chapter6/lerobot-sim2real fetch origin 87d6c1d969f6e0ca4dc5697940804e231118a63a && git -C chapter6/lerobot-sim2real checkout --detach 87d6c1d969f6e0ca4dc5697940804e231118a63a && test " $( git -C chapter6/lerobot-sim2real rev-parse HEAD ) " = " 87d6c1d969f6e0ca4dc5697940804e231118a63a " # 실험 6-14

# 7장 · 평가 벤치마크
git clone https://github.com/google-research/android_world.git chapter7/android_world && git -C chapter7/android_world checkout --detach 0e95d641e244504c22087cc29b013f3b2428a261
git clone https://huggingface.co/datasets/gaia-benchmark/GAIA chapter7/GAIA && git -C chapter7/GAIA checkout --detach 682dd723ee1e1697e00360edccf2366dc8418dd9
git clone https://github.com/xlang-ai/OSWorld.git chapter7/OSWorld && git -C chapter7/OSWorld checkout --detach 8365edc975efd0477a0d62444a5beed562ab5a7b
git clone https://github.com/SWE-bench/SWE-bench.git chapter7/SWE-bench && git -C chapter7/SWE-bench checkout --detach 5cd4be9fb23971679cbbafe5a0ecade27cef99be
git clone https://github.com/sierra-research/tau2-bench.git chapter7/tau2-bench && git -C chapter7/tau2-bench checkout --detach 8d005b0e5b9e4af0bc055886fa7f95fc86d1710e
git clone https://github.com/laude-institute/terminal-bench.git chapter7/terminal-bench && git -C chapter7/terminal-bench checkout --detach 8384a179b1b8688f6ea5233a4d9d51218df1ac96

# 8장 · 학습 프레임워크(bojieli/*는 이 책에 맞춘 브랜치)
git clone https://github.com/bojieli/minimind.git chapter8/MiniMind-pretrain/minimind && git -C chapter8/MiniMind-pretrain/minimind fetch origin 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 && git -C chapter8/MiniMind-pretrain/minimind checkout --detach 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 && test " $( git -C chapter8/MiniMind-pretrain/minimind rev-parse HEAD ) " = " 8bdc5d97d5845a8c1ac2ed56a5b8b4c0d0fb0795 " # 실험 8-3
git clone https://github.com/bojieli/minimind-v.git chapter8/MiniMind-pretrain/minimind-v && git -C chapter8/MiniMind-pretrain/minimind-v fetch origin ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 && git -C chapter8/MiniMind-pretrain/minimind-v checkout --detach ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 && test " $( git -C chapter8/MiniMind-pretrain/minimind-v rev-parse HEAD ) " = " ead791c530fa5f9a3549dbfe9e11ec732d18d2e5 " # 실험 8-4
git clone https://github.com/bojieli/AdaptThink.git chapter8/AdaptThink-original && git -C chapter8/AdaptThink-original checkout --detach 0033ad172dd53ac64004b763477407014f21b838 # 실험 8-10
git clone https://github.com/bojieli/SFTvsRL.git chapter8/SFTvsRL && git -C chapter8/SFTvsRL checkout --detach fef0a4a3367260a0934be1e40b01e4021698e023 # 실험 8-11, 8-12
git clone https://github.com/bojieli/AWorld.git chapter8/AWorld && git -C chapter8/AWorld checkout --detach a52d61d6d483e66b22ef16970eae5bbf4f4ab2ec # 실험 8-15
git clone https://github.com/bojieli/verl.git chapter8/verl && git -C chapter8/verl checkout --detach 1593fc3a8cf894debdc3dece2a23ed739c282789 # 실험 8-14 ReTool 레시피; 8-15 학습 백엔드
git clone https://github.com/bojieli/SandboxFusion.git chapter8/SandboxFusion && git -C chapter8/SandboxFusion fetch origin 4a0d573ebd64c98234c190a9d1d49e4276199a0c && git -C chapter8/SandboxFusion checkout --detach 4a0d573ebd64c98234c190a9d1d49e4276199a0c && test " $( git -C chapter8/SandboxFusion rev-parse HEAD ) " = " 4a0d573ebd64c98234c190a9d1d49e4276199a0c " # 실험 8-14 코드 샌드박스
git clone https://github.com/thinking-machines-lab/tinker-cookbook.git chapter8/tinker-cookbook && git -C chapter8/tinker-cookbook checkout --detach fc8449187041cf102905f3f751e6d2eac7f9f754
git clone https://github.com/19PINE-AI/rlvp.git chapter8/RLVP/rlvp && git -C chapter8/RLVP/rlvp fetch origin 1ad30bc7e338911fb733739393d92c420f4d8bee && git -C chapter8/RLVP/rlvp checkout --detach 1ad30bc7e338911fb733739393d92c420f4d8bee && test " $( git -C chapter8/RLVP/rlvp rev-parse HEAD ) " = " 1ad30bc7e338911fb733739393d92c420f4d8bee " # 실험 8-16
git clone https://github.com/PRIME-RL/SimpleVLA-RL.git chapter8/SimpleVLA-RL/SimpleVLA-RL && git -C chapter8/SimpleVLA-RL/SimpleVLA-RL checkout --detach 7c51662df27b586f9e8a1ab35fcf849f2b8852f9 # 실험 8-13

# 10장 · 듀얼 Agent 아키텍처(독립된 TalkAct 프로젝트로 분리) + 스탠퍼드 AI 타운
git clone https://github.com/19PINE-AI/TalkAct.git chapter10/use-computer-while-calling && git -C chapter10/use-computer-while-calling fetch origin 7d70007f72d45ddfc1a14e8e229b6d444e4919a2 && git -C chapter10/use-computer-while-ca…