[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,65 +2,180 @@
|
||||
id: wiki-2026-0508-big-picture
|
||||
title: Big Picture
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BIGP-001]
|
||||
aliases: [Big Picture Thinking, System-Level View, Holistic View]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, big-picture, holistic-view, Strategic-Thinking, Systems-Thinking, context]
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [meta, systems-thinking, architecture, decision-making]
|
||||
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: python
|
||||
framework: general
|
||||
---
|
||||
|
||||
# [[Big-Picture|Big-Picture]]
|
||||
# Big Picture
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "숲을 보는 눈: 지엽적인 문제나 세부 기술에 함몰되지 않고, 전체 시스템의 흐름, 장기적인 목표, 그리고 구성 요소들 간의 복잡한 상호 관계를 한눈에 파악해내는 거시적 통찰력."
|
||||
## 매 한 줄
|
||||
> **"매 zoom out before you zoom in"**. Big Picture thinking 매 system-level perspective 의 prioritization — local optimization 매 global suboptimum 의 lead 가능. 2026 LLM 시대 매 context window 1M+ tokens 매 entire codebase 의 single prompt 의 fit 가능 — Big Picture 매 finally tractable computationally.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
큰 그림 보기(Big-Picture)는 복잡한 문제나 프로젝트를 다룰 때 전체적인 맥락과 목적을 잃지 않는 전략적 사고 능력입니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **실행 방법**:
|
||||
* **Zoo-out**: 현재의 구체적 작업에서 한 걸음 물러나 "이 일이 5년 뒤에 어떤 영향을 미치는가?" 혹은 "전체 사업의 어느 단계인가?"를 질문함.
|
||||
* **First-[[Principles|Principles]] Thinking**: 표면적 현상이 아닌 근본 원리로 돌아가 판의 구조를 재정의함.
|
||||
* **[[Systems Thinking|Systems Thinking]]**: 개별 부품의 최적화가 아닌, 전체 시스템의 최적 균형점을 찾음.
|
||||
2. **왜 중요한가?**:
|
||||
* 리드급 개발자나 PD(Project Director)에게 필수적인 역량으로, 팀원들이 각개전투에 빠지지 않고 정렬([[Alignment|Alignment]])되게 만듦.
|
||||
### 매 Levels of abstraction
|
||||
- **L0 (atom)**: single function, single line.
|
||||
- **L1 (module)**: file, class, single concern.
|
||||
- **L2 (subsystem)**: service, package, bounded context.
|
||||
- **L3 (system)**: full application, deployment topology.
|
||||
- **L4 (ecosystem)**: organization, market, regulation.
|
||||
- 매 mistake: L0 의 stuck — never L3 까지 zoom out.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정교한 '디테일'이 성공의 핵심 정책이었으나([[Be-Detailed|Be-Detailed]]), 현대의 불확실성이 극심한 정책 환경에서는 방향성 자체가 틀리는 리스크가 더 크므로 '거시적 조망 정책'이 의사결정의 제1원칙 정책이 됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 조직 운영 정책에서, 중앙 집권적 통제가 아닌 모든 구성원에게 '큰 그림'을 공유하고 자율적으로 행동하게 만드는 '비전 중심 배양 정책'이 실무 생산성 향상의 핵심 성공 모델이 됨 ([[Ps-Reinforce|Ps-Reinforce]]의 거버넌스 철학).
|
||||
### 매 When to zoom out
|
||||
- 매 stuck 30+ min 의 single bug → L2 의 zoom out.
|
||||
- 매 architectural decision → L3 mandatory.
|
||||
- 매 hiring / team structure → L4.
|
||||
- 매 PR review → L1 + L2 mix.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Foundational Models, [[Alignment|Alignment]], [[Analysis|Analysis]], [[Be-Detailed|Be-Detailed]], [[Systems Thinking|Systems Thinking]]
|
||||
- **Modern Tech/Tools**: [[Strategy|Strategy]] maps, OKR (Objective and Key Results), Mind mapping.
|
||||
---
|
||||
### 매 응용
|
||||
1. Architecture review (data flow diagram).
|
||||
2. Incident postmortem (5 whys → systemic cause).
|
||||
3. Roadmap planning (quarter-level priorities).
|
||||
4. Code review (cross-cutting concerns).
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
## 💻 패턴
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### Pattern 1: Context map (L3 view)
|
||||
```python
|
||||
# Visualize bounded contexts (DDD-style)
|
||||
contexts = {
|
||||
"auth": {"depends_on": [], "exposes": ["user_id", "session"]},
|
||||
"billing": {"depends_on": ["auth"], "exposes": ["invoice", "subscription"]},
|
||||
"notification": {"depends_on": ["auth", "billing"], "exposes": []},
|
||||
}
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
def find_critical_path(contexts):
|
||||
"""매 highest fan-in 의 service 의 SPOF candidate."""
|
||||
fan_in = {ctx: 0 for ctx in contexts}
|
||||
for ctx, info in contexts.items():
|
||||
for dep in info["depends_on"]:
|
||||
fan_in[dep] += 1
|
||||
return sorted(fan_in.items(), key=lambda x: -x[1])
|
||||
```
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
### Pattern 2: Zoom-out checklist
|
||||
```python
|
||||
ZOOM_OUT_QUESTIONS = [
|
||||
"Who else is affected by this change?",
|
||||
"What breaks if this fails at 3am?",
|
||||
"Is this the right problem to solve right now?",
|
||||
"What does success look like in 6 months?",
|
||||
"Who owns this when I leave?",
|
||||
]
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
def review_pr(pr_diff: str) -> list[str]:
|
||||
return [q for q in ZOOM_OUT_QUESTIONS if not answered_in(pr_diff, q)]
|
||||
```
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
### Pattern 3: Pre-mortem (L4 thinking)
|
||||
```python
|
||||
def premortem(project: str) -> dict:
|
||||
"""매 launch 전 의 'imagine it failed' exercise."""
|
||||
return {
|
||||
"tech_failure": "What technical assumption was wrong?",
|
||||
"market_failure": "Why did users not adopt?",
|
||||
"team_failure": "What organizational dynamic killed it?",
|
||||
"regulation": "What law/policy blocked it?",
|
||||
}
|
||||
```
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
### Pattern 4: Dependency graph (L2 → L3)
|
||||
```python
|
||||
import networkx as nx
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
def build_dep_graph(modules: dict[str, list[str]]) -> nx.DiGraph:
|
||||
g = nx.DiGraph()
|
||||
for mod, deps in modules.items():
|
||||
for d in deps:
|
||||
g.add_edge(mod, d)
|
||||
cycles = list(nx.simple_cycles(g))
|
||||
if cycles:
|
||||
print(f"매 architecture smell: {len(cycles)} cycles detected")
|
||||
return g
|
||||
```
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
### Pattern 5: LLM-assisted big picture (2026)
|
||||
```python
|
||||
from anthropic import Anthropic
|
||||
|
||||
client = Anthropic()
|
||||
|
||||
def architecture_summary(repo_dump: str) -> str:
|
||||
"""매 1M context 의 entire repo 의 fit — 2026 standard."""
|
||||
msg = client.messages.create(
|
||||
model="claude-opus-4-7-1m",
|
||||
max_tokens=4000,
|
||||
messages=[{
|
||||
"role": "user",
|
||||
"content": f"""다음 repo 의 architecture 를 L3 perspective 의 summarize.
|
||||
Identify: (1) bounded contexts, (2) critical path, (3) tech debt hotspots.
|
||||
|
||||
{repo_dump}"""
|
||||
}],
|
||||
)
|
||||
return msg.content[0].text
|
||||
```
|
||||
|
||||
### Pattern 6: Tradeoff matrix
|
||||
```python
|
||||
def tradeoff_matrix(options: list[str], criteria: list[str], scores: dict) -> str:
|
||||
rows = []
|
||||
for opt in options:
|
||||
row = [opt] + [str(scores[(opt, c)]) for c in criteria]
|
||||
rows.append(" | ".join(row))
|
||||
return "\n".join(rows)
|
||||
|
||||
# Usage
|
||||
options = ["monolith", "microservices", "modular monolith"]
|
||||
criteria = ["dev_speed", "ops_cost", "scalability", "team_autonomy"]
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Bug fix < 1h | L0/L1 만 — zoom out 의 X. |
|
||||
| Recurring bug | L2 zoom out — systemic cause. |
|
||||
| New feature | L2 + L3 — fit 의 architecture. |
|
||||
| Postmortem | L3 + L4 mandatory. |
|
||||
| Quarterly planning | L4 only. |
|
||||
|
||||
**기본값**: 매 task 의 start 의 30 sec 의 L3 sketch — bounded contexts, data flow, failure modes.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Systems-Thinking]] · [[Architecture]]
|
||||
- 변형: [[Pre-Mortem]] · [[Five-Whys]]
|
||||
- 응용: [[Architecture-Review]] · [[Postmortem]] · [[Roadmap-Planning]]
|
||||
- Adjacent: [[Bounded-Context]] · [[Domain-Driven-Design]] · [[Tradeoff-Analysis]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: Architecture review, repo onboarding, postmortem synthesis, roadmap drafting. 매 1M context 의 entire codebase 의 fit 가능 — 매 truly novel 2026 capability.
|
||||
**언제 X**: Tactical bug fix (L0/L1), perf tuning of single function. 매 LLM 매 generic advice 의 emit — local context 의 lose.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Premature zoom-out**: 매 every bug 의 L4 의 escalate — 매 paralysis.
|
||||
- **Ivory tower architecture**: L3 만 — implementation reality 의 ignore.
|
||||
- **Big-picture-only PR review**: 매 nitpick 의 miss.
|
||||
- **Solo big-picture**: 매 architect 매 single person — bus factor 1.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified: Donella Meadows "Thinking in Systems" (2008), Eric Evans "DDD" (2003), Nicole Forsgren "Accelerate" (2018).
|
||||
- 신뢰도 A.
|
||||
- 중복: [[Systems-Thinking]] 매 strict superset — Big Picture 매 daily-practice variant 의 framing.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — full content with L0-L4 levels, zoom-out patterns, LLM 1M context architecture summary |
|
||||
|
||||
Reference in New Issue
Block a user