이미지 기반 AI 어시스턴트는 현재 이커머스 플랫폼에서 대규모로 배포되어 사용되고 있으며, 여기서 업로드된 단일 이미지는 제품 검색, 스타일 추천, 시각적 백과사전, 또는 유틸리티 도구 호출과 같이 근본적으로 다른 사용자 의도(intent)를 유발할 수 있습니다. 각 의도는 고유한 응답 형식, 도구 호출(tool invocation), 그리고 도메인 지식을 요구합니다. 의도별 행동 제약(behavioral constraints)이 없다면, LLM 기반 시스템은 이러한 이질적인 모드들을 혼동하여 도메인 품질 표준에 미치지 못하게 되며, 의도 공간의 광범위함과 역동성으로 인해 수동 엔지니어링은 불가능해집니다. 이를 해결하기 위해, 우리는 기술(Skill) 진화에 대한 프로덕션 피드백 루프를 완성하는 SkillChain을 제시합니다. SkillChain은 세 가지 단계를 통해 기술의 라이프사이클을 자동화합니다: 작업 사양(task specs) 및 궤적(trajectories)으로부터의 부트스트래핑을 위한 Skill Creator, 라우팅 정렬(routing alignment)을 위한 Route Optimizer, 그리고 이중 경로 LLM-Judge 평가를 통한 반복적인 기술 본체(Skill Body) 정제를 위한 Body Refiner입니다. 프로덕션 규모의 이커머스 이미지 어시스턴트에 배포된 SkillChain은 구조적 준수(structural compliance)와 콘텐츠 품질 측면에서 가장 강력한 이득을 보이며 전체적인 응답 품질을 실질적으로 향상시켰습니다. 1주일간의 온라인 A/B 실험을 통해 사용자 참여(user engagement), 콘텐츠 소비, 그리고 장기 리텐션(long-term retention) 측면에서도 유의미한 이득이 있음을 추가로 확인했습니다.