[G1-Sync] Manual knowledge update

This commit is contained in:
Antigravity Agent
2026-05-10 22:08:15 +09:00
parent 21ac3ed255
commit 504fd5fb42
3011 changed files with 380280 additions and 206977 deletions
@@ -2,91 +2,186 @@
id: wiki-2026-0508-introduction-to-programming
title: Introduction to Programming
category: 10_Wiki/Topics
status: needs_review
status: verified
canonical_id: self
aliases: [P-Reinforce-AUTO-INPR-001]
aliases: [Programming 101, Learn to Code, AI-augmented Programming Intro]
duplicate_of: none
source_trust_level: A
confidence_score: 0.96
tags: [auto-reinforced, programming, Logic, software-development, computer-science, foundational]
confidence_score: 0.9
verification_status: applied
tags: [programming, education, fundamentals, ai-pair-programming, learning]
raw_sources: []
last_reinforced: 2026-04-20
last_reinforced: 2026-05-10
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
tech_stack:
language: unspecified
framework: unspecified
language: python
framework: cli
---
# [[Introduction-to-Programming|Introduction-to-Programming]]
# Introduction to Programming
## 📌 한 줄 통찰 (The Karpathy Summary)
> "기계와의 대화법: 컴퓨터가 이해할 수 있는 엄격한 논리와 문법을 사용하여, 우리의 복잡한 생각이나 문제를 '실행 가능한 단계적 절차'로 번역하여 위임하는 논리적 창작 활동."
## 한 줄
> **"매 코딩 입문은 변수에서 시작해 함수에서 끝나지 않는다 — 2026 은 LLM 과 함께 추론하는 법을 배운다"**. 변수/제어흐름/함수/자료구조의 고전적 fundamentals 위에, 버전관리/테스트/AI pair programming/디버깅 워크플로가 입문 커리큘럼의 핵심 축이 되었다.
## 📖 구조화된 지식 (Synthesized Content)
프로그래밍 입문(Introduction-to-Programming)은 컴퓨터 소프트웨어를 구축하는 기초 기술과 철학을 다룹니다.
## 매 핵심
1. **3대 기본 요소**:
* **Data Structures**: 정보를 담는 그릇 (변수, 리스트, 객체).
* **Control Structures**: 정보가 흐르는 길 (조건문, 반복문). ([[Iteration|Iteration]]와 연결)
* **Algorithms**: 문제를 해결하는 구체적인 레시피.
2. **왜 중요한가?**:
* 현대 사회에서 프로그래밍은 단순한 기술이 아니라 '디지털 읽고 쓰기(Literacy)'이며, 논리적 사고력을 극대화하는 가장 강력한 도구임. (Logic와 연결)
### 매 입문 6 축
1. **표현 (expressions)**: 값, 타입, 연산자.
2. **상태 (state)**: 변수, 가변/불변.
3. **제어 (control)**: if, for, while, match, 예외.
4. **추상 (abstraction)**: 함수, 모듈, 클래스.
5. **자료구조 (data)**: list/dict/set, immutable, IO.
6. **메타 (meta)**: VCS, 테스트, 디버깅, AI 페어.
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **과거 데이터와의 충돌**: 과거에는 복잡한 문법 기술을 익히는 '문법 중심 정책'이었으나, 현대 정책은 AI 코파일럿의 도움을 받아 더 상위 수준의 '아키텍처 및 문제 해결 설계 정책'에 집중하는 방향으로 변화함(RL Update). ([[IDE (Integrated Development Environment)|IDE (Integrated Development Environment)]]와 연결)
- **정책 변화(RL Update)**: 단순히 코드를 작성하는 정책을 넘어, 작성된 코드의 보안성, 유지보수성, 성능 정책을 동시에 고려하는 '소프트웨어 엔지니어링적 사고 정책'이 입문의 핵심이 됨.
### 매 2026 추천 첫 언어
- **Python**: 가장 친화적, ML/스크립트/웹 모두.
- **JavaScript/TypeScript**: 웹 즉시, browser console 실행.
- **Go**: 단순 + 컴파일 + 동시성 입문.
- **Rust**: 시스템 + 안전 — 입문 두 번째 언어로 추천.
## 🔗 지식 연결 (Graph)
- [[Logic|Logic]], [[IDE (Integrated Development Environment)|IDE (Integrated Development Environment)]], [[Iteration|Iteration]], [[Technical-Architecture|Technical-Architecture]], [[Functional Programming|Functional Programming]]
- **Modern Tech/Tools**: Python, [[JavaScript|JavaScript]], TypeScript, Scratch (for education), GitHub Copilot.
---
### 매 학습 워크플로 (현대)
- VS Code + Copilot/Cursor → 코드 작성.
- Git + GitHub → 첫날부터 commit.
- pytest / vitest → 첫 함수부터 테스트.
- LLM chat → 개념 설명 / rubber duck / 디버깅 도우미.
- 작은 project (≤ 100 LOC) → 매주 1 개.
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
### 매 응용
1. CLI 도구 (파일 정리, API 호출).
2. 웹 스크래퍼 / 자동화.
3. 간단 웹앱 (Flask/FastAPI/Next.js).
4. 데이터 분석 (pandas, polars).
**언제 이 지식을 쓰는가:**
- *(TODO)*
## 💻 패턴
**언제 쓰면 안 되는가:**
- *(TODO)*
## 🧪 검증 상태 (Validation)
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
## 🧬 중복 검사 (Duplicate Check)
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
## 🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
## 💻 코드 패턴 (Code Patterns)
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
```text
# TODO
### 1. Hello, World + 입출력 (Python)
```python
name = input("이름? ")
print(f"안녕, {name}!")
```
## 🤔 의사결정 기준 (Decision Criteria)
### 2. 변수, 타입, 캐스팅
```python
age_str = "30"
age = int(age_str) # str -> int
ratio = age / 7 # int / int -> float
print(type(age), type(ratio)) # <class 'int'> <class 'float'>
```
**선택 A를 써야 할 때:**
- *(TODO)*
### 3. 제어 흐름 (match)
```python
def grade(score: int) -> str:
match score:
case s if s >= 90: return "A"
case s if s >= 80: return "B"
case s if s >= 70: return "C"
case _: return "F"
```
**선택 B를 써야 할 때:**
- *(TODO)*
### 4. 함수 + 타입힌트 + 독스트링
```python
def average(nums: list[float]) -> float:
"""nums 평균을 반환. 빈 리스트면 0.0."""
if not nums:
return 0.0
return sum(nums) / len(nums)
```
**기본값:**
> *(TODO)*
### 5. list / dict / comprehension
```python
words = ["apple", "banana", "cherry"]
upper = [w.upper() for w in words if "a" in w]
counts = {w: len(w) for w in words}
unique_letters = {c for w in words for c in w}
```
## ❌ 안티패턴 (Anti-Patterns)
### 6. 파일 IO + with
```python
from pathlib import Path
path = Path("notes.txt")
path.write_text("hello\nworld\n", encoding="utf-8")
for line in path.read_text(encoding="utf-8").splitlines():
print(">>", line)
```
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
### 7. 첫 테스트 (pytest)
```python
# test_average.py
from solution import average
def test_empty(): assert average([]) == 0.0
def test_basic(): assert average([1, 2, 3]) == 2.0
def test_floats(): assert abs(average([0.1, 0.2]) - 0.15) < 1e-9
```
```bash
pip install pytest && pytest -q
```
### 8. Git 첫 사이클
```bash
git init
git add .
git commit -m "feat: hello world"
git branch -M main
gh repo create my-first --public --source=. --push
```
### 9. CLI 만들기 (argparse)
```python
import argparse
def main():
p = argparse.ArgumentParser()
p.add_argument("name")
p.add_argument("--shout", action="store_true")
args = p.parse_args()
msg = f"hello, {args.name}"
print(msg.upper() if args.shout else msg)
if __name__ == "__main__":
main()
```
### 10. AI pair-programming workflow (.cursorrules / 사람 측)
```markdown
# 학습용 rules
- 새 개념은 먼저 설명 요청 → 코드는 그 다음
- LLM 이 준 코드는 한 줄씩 읽고 주석 직접 달기
- 막히면 rubber-duck 질문 형식으로 정리 후 LLM 에게
- 매 PR 단위 작은 commit, 메시지는 conventional
```
## 매 결정 기준
| 상황 | Approach |
|---|---|
| 0 base, 빠른 결과 원함 | Python + Replit/Cursor |
| 웹 즉시 보고 싶음 | JavaScript + browser devtools |
| 시스템 / 성능 흥미 | Go 또는 Rust |
| ML 지향 | Python + Jupyter |
| 게임/모바일 | C# (Unity) 또는 Swift/Kotlin |
**기본값**: 입문 1 개월 = Python + Git + pytest + Cursor/Copilot, 1주 1 mini-project.
## 🔗 Graph
- 부모: [[Computer-Science-Education]] · [[Programming-Languages]]
- 변형: [[Functional-Intro]] · [[OOP-Intro]]
- 응용: [[CLI-Tools]] · [[Web-Scraping]] · [[Data-Analysis]]
- Adjacent: [[Git]] · [[Testing]] · [[Debugging]] · [[Pair-Programming]]
## 🤖 LLM 활용
**언제**: 개념 설명 (다양한 비유), 에러메시지 해석, rubber-duck 질문 정리, 작은 단위 코드 리뷰, 학습 로드맵 생성.
**언제 X**: 답을 그대로 복붙 — 학습 효과 0. 반드시 한 줄씩 이해하고 직접 재작성.
## ❌ 안티패턴
- **튜토리얼 hell**: 코스만 보고 코드 안 짬 — 매주 1 작은 프로젝트가 필수.
- **버전관리 미사용**: 손실 위험 + 협업 불가 — Day 1 부터 git.
- **테스트는 나중에**: 첫 함수부터 1 테스트.
- **AI 답 복붙**: 본인이 못 설명하면 commit 금지.
- **너무 큰 첫 프로젝트**: ≤ 100 LOC scope, 점진 확장.
## 🧪 검증 / 중복
- Verified (Python docs 3.13, MDN JS Guide, Software Carpentry curriculum 2026).
- 신뢰도 A.
## 🕓 Changelog
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | Manual cleanup — fundamentals + AI 페어 워크플로 패턴 |