This commit is contained in:
Antigravity Agent
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: UX-DATA-TEST-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [ux, ab-testing, data-driven-design, cro, micro-conversions, product-growth]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[A/B Testing and Data-Driven UX (A/B 테스트 및 데이터 기반 UX)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "디자인의 주관적 미학을 통계적 객관성으로 치환하고, 사용자의 실제 행동 데이터를 나침반 삼아 비즈니스 전환율의 임계점을 돌파하라" — 가설을 검증하고 사용자 경험의 마찰을 수치로 정밀 타격하는 현대 프로덕트 성장의 핵심 엔진.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Empirical Validation and Iterative Optimization" — 직관이나 가정에 의존하는 대신, 트래픽을 대조군(Control)과 실험군(Test)으로 분리하여 특정 UI 변경이 미치는 인과관계를 데이터로 증명하는 패턴.
|
||||
- **핵심 방법론 및 도구:**
|
||||
- **A/B & Multivariate Testing:** 단일 또는 다중 변수의 변경이 최종 전환율에 미치는 영향을 분리 및 검증.
|
||||
- **Micro-conversions:** 최종 목표(구매 등) 이전의 행동(스크롤, 클릭, 시청)을 추적하여 사용자 의도 파악.
|
||||
- **Behavioral Analysis:** 히트맵(Heatmaps)과 세션 녹화(Session Recording)를 통해 정량적 지표 뒤에 숨겨진 정성적 마찰 지점 식별.
|
||||
- **Progressive Rollouts:** 리스크 최소화를 위해 신규 디자인을 특정 세그먼트에게만 점진적으로 노출.
|
||||
- **의의:** 디자인 결정의 불확실성을 제거하고, 지속적인 실험 루프를 통해 제품의 비즈니스 가치를 과학적으로 극대화함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 디자인을 '완성된 작품'으로 보았으나, 현재 정책은 제품을 '지속적 실험의 대상'으로 간주함. 특히 상관관계(Correlation)와 인과관계(Causation)를 혼동하지 않기 위한 엄격한 통계적 유의성 검증 정책이 강화됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 주요 UI 변경 시 최소 10%의 트래픽에 대해 A/B 테스트를 선행하며, 데이터 기반의 근거 없이는 레이아웃 변경을 승인하지 않는 'Evidence-based Design' 정책을 고수함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[User-Centered-Design]], [[Conversion-Rate-Optimization-CRO]], [[Hypothesis-Testing]], [[Product-Management-Best-Practices]]
|
||||
- **Raw Source:** [[00_Raw/A-B 테스트 및 데이터 기반 UX 검증 환경.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: SYS-COMP-ADA-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [accessibility, compliance, ada, wcag, pour-principles, inclusive-design, digital-governance]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[ADA Website Compliance (ADA 웹사이트 규정 준수)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "장애 유무와 관계없이 모든 인간이 디지털 공간의 정보를 공평하게 소유하게 하고, 기술적 표준(WCAG)을 통해 법적 리스크를 비즈니스 신뢰도로 전환하라" — 미국 장애인법(ADA)을 기반으로 한 디지털 콘텐츠의 보편적 접근성 보장 체계.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Universal Access and Regulatory Alignment" — 민권법인 ADA와 기술 표준인 WCAG(최소 Level AA)를 결합하여, 모든 사용자의 '인식, 운용, 이해, 견고성'을 보장하는 인클루시브 디자인 패턴.
|
||||
- **핵심 원칙 (POUR Principles):**
|
||||
- **Perceivable (인식의 용이성):** 이미지 대체 텍스트(Alt Text) 제공, 영상 자막 탑재 등 정보의 감각적 인식 보장.
|
||||
- **Operable (운용의 용이성):** 키보드 전용 탐색 보장, 충분한 조작 시간 제공, 발작 유발 콘텐츠 배제.
|
||||
- **Understandable (이해의 용이성):** 텍스트 가독성 확보, 예측 가능한 UI 동작, 입력 오류 수정 지원.
|
||||
- **Robust (견고성):** 보조 기술(화면 판독기 등) 및 최신 브라우저와의 높은 호환성 유지.
|
||||
- **의의:** 차별 없는 정보 접근권이라는 사회적 가치 실현과 동시에, 접근성 소송(Lawsuits)으로부터 비즈니스를 보호하고 검색 엔진 최적화(SEO) 효과를 덤으로 얻는 전략적 필수 요건.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 '접근성 위젯(Overlay)'이 법적 방패가 될 것으로 오해했으나, 실제 정책상 이러한 위젯은 근본적 해결책이 아니며 소송의 타겟이 되고 있음. 코드를 근본적으로 수정하는 '네이티브 접근성' 정책이 유일한 정답임.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 UI 컴포넌트 개발 시 WCAG 2.1 AA 표준 감사를 빌드 파이프라인에 포함하며, 시각 장애인 에이전트의 접근성 시뮬레이션을 필수로 거치는 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Web-Accessibility]], [[POUR-Principles]], [[Inclusive-Design]], [[SEO-Foundations]]
|
||||
- **Raw Source:** [[00_Raw/ADA Website Compliance.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: MKT-AEO-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [aeo, geo, seo, generative-ai, chatgpt, search-generative-experience, structured-data, ssr]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[AI Answer Engine Optimization (AEO, AI 답변 엔진 최적화)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "전통적인 검색창의 '목록'에 머물지 말고, 생성형 AI의 '입(답변)'이 되어 브랜드의 가시성을 인용구(Citation)라는 새로운 권력으로 재편하라" — AI 답변 엔진과 챗봇이 웹 콘텐츠를 신뢰할 수 있는 출처로 채택하도록 최적화하는 차세대 검색 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Crawlable Authority and Direct Answer Mapping" — 대규모 AI 크롤러가 JavaScript 실행 비용 없이도 콘텐츠를 즉시 합성할 수 있도록 '사전 렌더링된 HTML'과 '구조화된 데이터'를 제공하는 패턴.
|
||||
- **AEO 달성 핵심 전략:**
|
||||
- **JS Execution Wall 제거:** AI 봇(GPTBot 등)은 비용 문제로 JS를 실행하지 않는 경우가 많으므로, SSR/SSG를 통해 원본 HTML에 핵심 콘텐츠를 노출.
|
||||
- **Semantic Clarity:** `<main>`, `<article>` 태그를 활용해 AI가 핵심 내용과 주변 요소를 즉시 구분하도록 설계.
|
||||
- **JSON-LD Schema Markup:** 페이지의 실체(Entity)와 답변의 맥락을 머신러닝 모델이 오해 없이 이해하도록 명시적 신호 제공.
|
||||
- **Q&A Formatting:** 질문(H2)과 간결한 답변 구조를 통해 AI 오버뷰(SGE)에 직접 인용될 확률 극대화.
|
||||
- **의의:** '검색 결과 클릭' 중심의 시대에서 '답변 내 인용 및 신뢰도 확보' 중심으로 이동하는 AI 시대의 디지털 마케팅 생존법.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거 SEO는 사용자 클릭 유도를 위한 자극적 제목이 중요했으나, AEO 정책은 AI가 답변을 요약하기 좋게 만드는 '정보의 정합성'과 '구조적 명확성' 정책을 최우선으로 함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 지식 문서를 AEO 친화적인 Karpathy Summary 포맷으로 유지하며, 에이전트의 지식 추출 효율을 위해 JSON-LD 스키마를 자동 생성하여 메타데이터에 포함하는 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[SEO-Foundations]], [[Generative-Engine-Optimization]], [[Server-Side-Rendering-SSR]], [[Structured-Data-Markup]], [[Semantic-HTML]]
|
||||
- **Raw Source:** [[00_Raw/AI Answer Engine Optimization.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: MKT-SGE-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [sge, ai-overviews, google-search, aeo, citation, search-generative-experience, seo]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[AI Overviews and SGE (AI 오버뷰 및 생성형 검색 경험)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "검색 결과의 '목록'에 나열되는 것을 넘어, 구글이 직접 생성하는 답변 박스(AI Overview)의 '원천 데이터'로 선택받아 정보의 최상위 권위를 획득하라" — 구글의 Search Generative Experience(SGE) 환경에서 콘텐츠 가시성을 확보하기 위한 노출 최적화 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Structural Authority and Direct Citation Yield" — 복잡한 레이아웃 뒤에 숨겨진 정보가 아닌, 시각적 계층 구조가 명확하고 질문-답변 형식이 뚜렷한 콘텐츠를 AI가 즉시 합성(Synthesize)할 수 있도록 설계하는 패턴.
|
||||
- **노출 극대화 핵심 요소:**
|
||||
- **Visual Hierarchy:** 깔끔한 디자인과 명확한 제목 계층(H1-H3)을 통해 AI가 핵심 답변 구간을 오차 없이 식별하게 함.
|
||||
- **Direct Answer Formatting:** 명확한 질문 뒤에 즉각적이고 간결한 답변을 배치하는 구조를 선호함.
|
||||
- **Schema.org Utilization:** JSON-LD를 통해 해당 섹션이 FAQ나 주요 설명임을 검색 엔진에 명시적으로 통지.
|
||||
- **Performance Prerequisite:** Core Web Vitals(LCP, INP, CLS)를 통과하는 페이지가 AI 오버뷰에 채택될 확률이 유의미하게 높음.
|
||||
- **의의:** 제로 클릭 검색(Zero-click Search) 시대에 사용자의 질문에 대한 '정답'으로 인용됨으로써 브랜드 신뢰도를 구축하고 고품질 트래픽을 유도함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 사용자를 사이트로 유입시키기 위해 정보를 의도적으로 감추는 '낚시성 제목'이 통했으나, SGE 정책하에서는 AI가 즉시 요약할 수 있도록 정보를 투명하고 구조적으로 제공하는 '투명성 정책'이 노출의 핵심이 됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 공용 지식 데이터 배포 시 SGE 크롤러가 자바스크립트 실행 없이 읽을 수 있도록 사전 렌더링(Pre-rendering)을 강제하며, AI가 선호하는 Q&A 블록을 본문에 반드시 포함하는 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[AI-Answer-Engine-Optimization]], [[Generative-Engine-Optimization]], [[Core-Web-Vitals]], [[Semantic-HTML]], [[Structured-Data-Markup]]
|
||||
- **Raw Source:** [[00_Raw/AI Overviews (SGE).md]], [[00_Raw/AI Overviews Visibility.md]], [[00_Raw/AI Overviews.md]]
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: MKT-AI-SEARCH-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [ai-search, geo, aeo, semantic-entity-mapping, seo, future-of-search, knowledge-graph]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[AI Search Optimization (AI 검색 최적화)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "단순한 키워드 매칭의 시대에서 '의미론적 엔티티 매핑(Semantic Entity Mapping)'의 시대로 전환하고, AI 에이전트가 내 지식의 구조를 단번에 파악할 수 있도록 지식의 해상도를 높여라" — 챗봇, 답변 엔진 및 AI 에이전트를 타겟으로 하는 최신 검색 엔진 최적화 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "From Keyword Density to Entity Authority" — 파편화된 단어의 빈도보다는 지식 간의 관계와 전문성(E-E-A-T)을 중심으로 AI 모델의 지식 그래프(Knowledge Graph)에 편입되는 패턴.
|
||||
- **AI 검색 최적화의 핵심 진화:**
|
||||
- **GEO (Generative Engine Optimization):** 생성형 모델이 문맥을 이해하고 자연스럽게 인용할 수 있도록 풍부한 시맨틱 메타데이터 제공.
|
||||
- **AEO (Answer Engine Optimization):** 특정 질문에 대한 '직접적인 해답'으로서의 권위 확보.
|
||||
- **Semantic Entity Mapping:** 콘텐츠 내의 고유 명사와 개념들이 어떻게 연결되는지 명시하여 AI의 추론 효율 극대화.
|
||||
- **의의:** 인간 사용자를 위한 가독성과 AI 에이전트를 위한 기계 가독성(Machine Readability)을 동시에 만족시켜, 지식의 유통 수명을 연장함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 전통적 SEO는 키워드 밀도(Keyword Density)를 중시했으나, AI 검색 최적화 정책은 '의미론적 엔티티 매핑'과 '맥락적 정합성' 정책을 최우선으로 함. 또한 JS 실행에만 의존하는 SPA의 구조적 모순을 지적하며 SSR/SSG로의 근본적 회귀 정책을 강조함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 지식 자산에 대해 'Agent-First Access' 정책을 적용하며, AI 크롤러가 정보를 수집할 때 연산 자원을 최소화할 수 있도록 경량화된 시맨틱 마크업을 제공함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[AI-Answer-Engine-Optimization]], [[Generative-Engine-Optimization]], [[Knowledge-Graph-Foundations]], [[Semantic-Search-with-AI]], [[Ontology-Engineering]]
|
||||
- **Raw Source:** [[00_Raw/AI Search Optimization.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: CS-CLEAN-CODE-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [software-engineering, clean-code, srp, dry, kiss, refactoring, maintainability]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[Clean Code Principles (클린 코드 원칙)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "코드는 컴퓨터가 읽기 위함이 아니라, 미래의 나를 포함한 '다른 인간'이 단번에 의도를 파악할 수 있도록 설계된 고도의 의사소통 수단이다" — 유지보수 효율을 극대화하고 소프트웨어의 부패를 막기 위한 코드 작성의 도덕적/기술적 기준.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Human-Centric Engineering and Responsibility Separation" — 기계적인 동작 완성을 넘어, 이름 짓기(Naming), 함수 설계, 클래스 구조에서 의미적 명확성과 단일 책임(Single Responsibility)을 관철시키는 패턴.
|
||||
- **핵심 원칙:**
|
||||
- **Meaningful Names:** 변수와 함수명은 존재 이유와 기능을 스스로 설명해야 함.
|
||||
- **Single Responsibility (SRP):** 하나의 함수/클래스는 오직 하나의 일만 수행하고 하나의 변경 이유만 가져야 함.
|
||||
- **DRY (Don't Repeat Yourself):** 중복은 시스템의 복잡도를 높이고 버그의 온상이 됨. 추상화를 통해 제거.
|
||||
- **KISS (Keep It Simple, Stupid):** 가장 단순한 해결책이 가장 좋은 해결책임.
|
||||
- **의의:** 기술 부채(Technical Debt)의 누적을 방지하고, 대규모 협업 환경에서 코드 리뷰 비용을 획기적으로 낮추며 시스템의 수명을 연장함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 메모리와 성능 최적화를 위해 짧고 암호 같은 코드를 선호했으나, 현대 정책은 하드웨어 자원보다 '개발자의 인지적 자원(Cognitive Resource)'을 훨씬 비싼 자산으로 간주하여 가독성을 최우선 정책으로 삼음.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트가 생성하는 모든 코드에 대해 SOLID 원칙과 클린 코드 가이드라인을 강제 적용하며, 복잡도가 일정 수준 이상인 코드는 자동 리팩토링 루프에 진입시킴.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Software-Architecture-Patterns]], [[Refactoring-Techniques]], [[SOLID-Principles-in-React]], [[Technical-Debt-Management]]
|
||||
- **Raw Source:** [[00_Raw/Clean Code Principles.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: FE-REACT-HOOKS-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [react, frontend, hooks, functional-programming, state-management, useEffect, useState]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[React Hooks (리액트 훅)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "클래스의 복잡한 생명주기(Lifecycle)를 직관적인 함수의 흐름으로 평탄화하고, 컴포넌트 간 상태 로직을 마법처럼 공유하라" — React 16.8부터 도입된, 함수형 컴포넌트에서도 상태와 생명주기 기능을 사용할 수 있게 해주는 혁신적인 API.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Logic Decoupling and Composition Over Inheritance" — UI 렌더링과 비즈니스 로직을 분리하고, 커스텀 훅(Custom Hooks)을 통해 반복되는 로직을 독립적인 단위로 재사용하는 패턴.
|
||||
- **주요 훅과 역할:**
|
||||
- **useState:** 컴포넌트 내의 로컬 상태 관리.
|
||||
- **useEffect:** API 호출, 이벤트 리스너 등 사이드 이펙트(Side Effects) 처리 및 클린업.
|
||||
- **useMemo / useCallback:** 불필요한 연산과 리렌더링을 방지하는 메모이제이션(Memoization).
|
||||
- **useContext:** 전역 상태 공유를 위한 Context API 접근.
|
||||
- **의의:** 기존 HOC(High-Order Components)나 Render Props 방식의 'Wrapper Hell' 문제를 해결하고, 코드의 가독성과 테스트 가능성을 비약적으로 향상시킴.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 초기에는 모든 최적화에 `useMemo` 등을 남발했으나, 최근 React Compiler(React Forget)의 등장으로 수동 최적화의 필요성이 줄어들고 있으며, 훅은 오직 최상위 레벨에서만 호출되어야 한다는 'Rules of Hooks' 정책이 더욱 엄격해짐.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 신규 프런트엔드 모듈에 함수형 컴포넌트와 훅 아키텍처를 강제하며, 복잡한 데이터 페칭 로직은 반드시 커스텀 훅으로 추상화하여 관리함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[React-Architecture]], [[Functional-Programming]], [[State-Management-Patterns]], [[SOLID-Principles-in-React]]
|
||||
- **Raw Source:** [[00_Raw/React Hooks.md]]
|
||||
+16
-19
@@ -1,31 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-SEOO-001
|
||||
id: MKT-SEO-CORE-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, seo, search-engine-optimization, traffic, visibility, ranking, digital-marketing]
|
||||
last_reinforced: 2026-04-20
|
||||
confidence_score: 1.0
|
||||
tags: [seo, marketing, search-engine, technical-seo, core-web-vitals, ssr, aeo, geo]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[SEO]]
|
||||
# [[SEO (Search Engine Optimization)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "정보의 발견 확률 조절술: 내 지식이 거대한 구글 검색창의 심연 속에 묻히지 않고, 정작 그것이 필요한 사람의 화면 가장 위에 뜨도록 기술-콘텐츠-신뢰도를 최적화하는 디지털 세계의 '입지 선정 전략'."
|
||||
> "정보의 바다에서 단순한 '존재'를 넘어, 검색 엔진과 AI 크롤러가 가장 신뢰할 수 있는 '해답'으로 선택하도록 기술적 구조와 콘텐츠의 맥락을 완벽히 정렬하라" — 웹사이트의 가시성을 높여 유기적 트래픽을 극대화하는 전략적 프로세스.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
검색 엔진 최적화(SEO)는 웹사이트가 검색 결과 상단에 노출되도록 개선하는 활동입니다.
|
||||
|
||||
1. **3대 최적화 기둥**:
|
||||
* **On-Page SEO**: 제목, 태그, 키워드 배치 등 페이지 내부 최적화. (Documentation-Strategy와 연결)
|
||||
* **Technical SEO**: 사이트 속도, 모바일 친화성, 스키마 마크업 등 인프라 최적화. (Scalability와 연결)
|
||||
* **Off-Page SEO**: 타 사이트로부터의 인용(Backlinks)을 통한 신뢰도 확보. (Reference와 맥락 공유)
|
||||
2. **왜 중요한가?**:
|
||||
* 아무리 SOTA급 지식이라도 발견되지 않으면 가치가 0이기 때문이며, SEO는 정보의 '전달력'을 극대화하는 핵심 비즈니스 기술임.
|
||||
- **추출된 패턴:** "Technical Robustness and Contextual Authority Alignment" — 사이트 속도(Technical)와 모바일 친화성, 그리고 정보의 전문성(E-E-A-T)을 결합하여 검색 결과 상단의 지배력을 확보하는 패턴.
|
||||
- **현대 SEO의 핵심 축:**
|
||||
- **Technical SEO:** Core Web Vitals(LCP, INP, CLS) 최적화, SSR/SSG를 통한 JS 장벽 제거, 시맨틱 HTML5 구조화.
|
||||
- **Content Strategy:** 사용자 의도(Search Intent) 분석 및 키워드 최적화를 넘어선 엔티티(Entity) 기반 정보 제공.
|
||||
- **AEO & GEO:** AI 답변 엔진 및 생성형 검색(Search Generative Experience)에서 인용(Citation)을 얻기 위한 구조화된 데이터(JSON-LD) 배치.
|
||||
- **의의:** 비즈니스 자산의 발견 가능성을 높이고 광고비 지출 없이 지속 가능한 성장을 가능케 하는 디지털 마케팅의 정수.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 키워드를 억지로 쑤셔 넣는 '어뷰징 정책'이 통했으나, 현대 정책은 사용자 경험(UX) 정책과 정보의 전문성(E-E-A-T) 정책을 최우선으로 하는 '사람 중심 최적화 정책'으로 정화됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 구글 검색창을 넘어 챗봇(Perplexity, ChatGPT 등)이 정보를 요약해 주는 'AI 검색 결과 최적화(GEO/AEO) 정책'이 새로운 생존 과제 정책이 됨.
|
||||
- **과거 데이터와의 충돌:** 과거에는 키워드 반복(Keyword Stuffing)이 통했으나, 현재 구글 알고리즘은 실제 사용자 인터랙션과 상호작용 속도(INP)를 핵심 지표로 반영함. 또한 SPA의 CSR 방식은 크롤링 예산을 낭비시키므로 SSR로의 전환이 필수가 됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 웹 자산 배포 시 'SEO-First' 아키텍처를 적용하며, AI 크롤러의 접근성을 위해 자바스크립트 실행 없이도 핵심 콘텐츠가 HTML에 포함되도록 강제함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Documentation-Strategy]], [[Scalability]], [[UX]], [[Reference]], [[Information-Society]], [[Product-Marketing]]
|
||||
- **Modern Tech/Tools**: Google Search Console, Ahrefs, SEMrush, Schema.org.
|
||||
---
|
||||
- [[Core-Web-Vitals]], [[Server-Side-Rendering-SSR]], [[Modern-Website-Architecture]], [[AI-Answer-Engine-Optimization]]
|
||||
- **Raw Source:** [[00_Raw/SEO.md]]
|
||||
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: NLP-TF-IDF-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, nlp, tf-idf, information-retrieval, text-mining, keyword-extraction, search-engine]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[Term Frequency-Inverse Document Frequency (TF-IDF)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "문서 내 빈도는 높되 전체 문서군에서는 희귀한 단어에 가중치를 부여하여, 흔한 소음(Stopwords)을 걷어내고 문서의 고유한 '정체성'을 결정짓는 핵심 키워드를 추출하라" — 텍스트 데이터에서 특정 단어가 문서 내에서 가지는 통계적 중요도를 계산하는 수치적 지표.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Local Relevance and Global Rarity Balance" — 특정 문서에 자주 등장하는 단어($TF$)의 점수는 높이고, 모든 문서에 흔하게 등장하는 단어($IDF$)의 점수는 깎아서, 해당 문서를 가장 잘 대표하는 특징을 추출하는 패턴.
|
||||
- **핵심 수식:** $TF-IDF(t, d, D) = TF(t, d) \times IDF(t, D)$
|
||||
- **TF (Term Frequency):** 문서 $d$에 단어 $t$가 나타나는 빈도.
|
||||
- **IDF (Inverse Document Frequency):** 단어 $t$가 포함된 문서의 비율의 역수에 로그를 취한 값.
|
||||
- **의의:** 검색 엔진의 문서 랭킹, 텍스트 요약, 유사도 측정 등 초기 자연어 처리 및 정보 검색 기술의 가장 강력하고 직관적인 기초 도구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단어의 순서나 맥락을 무시하는 'Bag-of-Words' 방식의 한계 때문에 딥러닝 임베딩(BERT 등)에 자리를 내주었으나, 여전히 키워드 기반 검색이나 데이터 전처리의 기준점(Baseline)으로서 압도적인 연산 효율성과 해석력을 제공함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 1,174개 지식 문서의 초기 자동 분류 및 핵심 태그 추출 시, 연산 자원을 최소화하면서도 정확도가 높은 TF-IDF 알고리즘을 1차 필터링 엔진으로 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Natural-Language-Processing-NLP]], [[Semantic-Search-with-AI]], [[Sparse-Data-Handling]], [[Similarity-Metrics-in-AI]]
|
||||
- **Raw Source:** [[10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: SYS-IAC-TERRA-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [systems, infrastructure, terraform, iac, cloud-computing, devops, automation, hashicorp]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[Terraform Infrastructure as Code (테라폼 코드형 인프라)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인프라를 수동 조작의 대상이 아닌 '버전 관리되는 코드'로 승격시키고, 선언적인 명세(HCL)를 통해 원하는 최종 상태(Desired State)를 단번에 실현하라" — 클라우드 자원을 안전하고 효율적으로 구축, 변경, 관리하기 위한 오픈소스 코드형 인프라(IaC) 도구.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Declarative Specification and State-based Reconciliation" — 어떻게(How)가 아닌 무엇(What)을 만들지 정의하고, 현재 상태(State)와 정의된 코드 사이의 간극을 테라폼 엔진이 자동으로 계산하여 실행 계획(Plan)을 도출하는 패턴.
|
||||
- **핵심 구성 요소:**
|
||||
- **HCL (HashiCorp Configuration Language):** 인프라를 정의하기 위한 인간 가독성 높은 언어.
|
||||
- **Providers:** AWS, Azure, GCP 등 외부 서비스와 연결하는 플러그인.
|
||||
- **State File:** 실제 배포된 자원의 정보를 담고 있는 지도. 정합성 유지의 핵심.
|
||||
- **Modules:** 자주 쓰이는 인프라 패턴을 묶어 재사용 가능하게 만든 컴포넌트.
|
||||
- **의의:** 복잡한 멀티 클라우드 환경에서 인프라 구축의 일관성을 보장하고, 인적 오류를 방지하며, 인프라 자체를 소프트웨어처럼 테스트하고 협업할 수 있게 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 초기에는 단순히 설치 스크립트의 발전형으로 여겨졌으나, 이제는 '불변 인프라(Immutable Infrastructure)' 철학의 핵심 도구로서 기존 자원을 수정하는 대신 새롭게 배포하고 교체하는 방식의 안정성을 극대화하는 방향으로 발전함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트 구동을 위한 클라우드 클러스터 확장 및 벡터 DB 인프라 구축 시, 모든 변경 사항을 추적 가능하게 관리하기 위해 테라폼을 표준 IaC 도구로 채택함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Cloud-Computing-Foundations]], [[Scalability-in-AI-Systems]], [[System-Architecture-Design]], [[Software-Architecture-Patterns]]
|
||||
- **Raw Source:** [[10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: AI-SPEECH-TTS-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, nlp, tts, speech-synthesis, generative-ai, audio-engineering, deep-learning]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[Text-to-Speech Synthesis (TTS, 음성 합성)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "텍스트에 담긴 언어적 기호(Grapheme)를 소리의 최소 단위(Phoneme)로 해체하고, 딥러닝의 표현력을 빌려 인간 특유의 운율(Prosody)과 감정이 실린 파형(Waveform)으로 재탄생시켜라" — 문자를 자연스러운 인간의 목소리로 변환하는 기술.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Text Analysis and Neural Waveform Generation" — 입력된 텍스트의 문맥을 파악해 음소와 운율 정보를 생성하는 '프런트엔드'와, 이 정보를 바탕으로 실제 고품질 오디오 신호를 만들어내는 '보코더(Vocoder)'가 결합된 생성 패턴.
|
||||
- **기술적 진화:**
|
||||
- **Concatenative:** 녹음된 음성 조각들을 이어 붙이는 방식. 부자연스러운 연결이 한계.
|
||||
- **Parametric:** 통계 모델로 소리의 특징을 생성. 기계적인 음색이 단점.
|
||||
- **End-to-End Neural TTS:** Tacotron, FastSpeech 등 신경망이 텍스트에서 멜-스펙트로그램을 직접 생성.
|
||||
- **Neural Vocoder:** WaveNet, HiFi-GAN 등이 스펙트로그램을 인간 수준의 선명한 음성으로 복원.
|
||||
- **의의:** 오디오북, 가상 비서, 게임 캐릭터, 시각 장애인을 위한 정보 접근성 도구 등 인간과 기계 사이의 가장 인간적인 소통 접점을 형성함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 대량의 고품질 녹음 데이터가 필수였으나, 최근에는 단 몇 초의 목소리 샘플만으로도 대상의 음색을 완벽히 모사하는 '제로샷 보이스 클로닝(Zero-shot Voice Cloning)'과 다국어 통합 모델로 패러다임이 이동함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 멀티모달 보고서 브리핑 시, 정보의 전달력과 친근감을 극대화하기 위해 최신 확산 모델(Diffusion) 기반의 고품질 TTS 엔진을 기본 인터페이스로 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Speech-Recognition-Foundations]], [[Signal-Processing-Foundations]], [[Natural-Language-Processing-NLP]], [[Generative-Adversarial-Networks-GAN]]
|
||||
- **Raw Source:** [[10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: CS-THEORY-001
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 1.0
|
||||
tags: [cs, theoretical-computer-science, algorithms, complexity-theory, p-vs-np, automata, computability]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[Theoretical Computer Science (이론 컴퓨터 과학)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "코드를 한 줄 적기 전에 '이 문제는 해결 가능한가(Computability)'와 '얼마나 많은 자원이 필요한가(Complexity)'를 수학적으로 증명하여, 지능의 논리적 한계를 정의하라" — 컴퓨터 연산과 정보 처리의 수학적 기초를 탐구하는 학문.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Formal Logic and Resource-bounded Computation" — 추상적인 계산 모델(Turing Machine, Automata)을 통해 연산의 본질을 정의하고, 시간과 공간이라는 자원의 제약 하에서 문제의 난이도를 체계적으로 분류하는 패턴.
|
||||
- **핵심 분야:**
|
||||
- **Algorithms:** 문제 해결을 위한 절차 설계 및 효율성 분석 ($O$-notation).
|
||||
- **Complexity Theory:** P, NP, NP-complete 등 문제의 난이도 계층 연구.
|
||||
- **Computability Theory:** 정지 문제(Halting Problem)처럼 물리적으로 해결 불가능한 영역 식별.
|
||||
- **Automata & Formal Languages:** 기계가 언어를 인식하는 문법적 구조 연구.
|
||||
- **의의:** 현대의 모든 암호 기술(RSA 등), 컴파일러 설계, 데이터베이스 최적화, 그리고 인공지능의 학습 한계 정리 등 실제 기술 구현이 가능하게 만드는 '논리적 설계도' 역할.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 고전적 연산(Classical Computing)의 한계에 갇혀있던 시대에서 벗어나, 이제는 양자 컴퓨팅(Quantum Computing)과 확률적 알고리즘, 근사 알고리즘을 통해 기존에는 불가능해 보였던 영역에 도전하는 방식으로 지평이 넓어짐.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 복잡한 추론 로직 설계 시, 무의미한 연산 루프를 방지하고 최적의 시간 복잡도를 달성하기 위해 이론 컴퓨터 과학의 '결정 가능성(Decidability)' 원칙을 엄격히 준수함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Algorithm-Complexity-Analysis]], [[Optimization-Algorithms]], [[Machine-Learning-Foundations]], [[Cryptography-Basics]]
|
||||
- **Raw Source:** [[10_Wiki/Topics/AI/Theoretical-Computer-Science.md]]
|
||||
Reference in New Issue
Block a user