feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]
This commit is contained in:
@@ -1,108 +1,78 @@
|
||||
---
|
||||
# ──────────────────────────────────────────────
|
||||
# FRONTMATTER 작성 가이드 (LLM용 주석 포함)
|
||||
# 이 주석들은 파일 저장 시 삭제하지 않아도 됩니다.
|
||||
# LLM이 각 필드를 채울 때 판단 기준으로 사용합니다.
|
||||
# ──────────────────────────────────────────────
|
||||
|
||||
id: "wiki-2026-0507-037"
|
||||
title: "AI_추론_및_맥락_인식_아키텍처"
|
||||
category: "[[10_Wiki/Topics]]"
|
||||
status: "verified"
|
||||
canonical_id: "self"
|
||||
aliases: ["AI Reasoning", "Context Engineering", "MCP", "Chain-of-Thought", "CoT", "Reasoning Architecture", "AI 추론", "맥락 인식"]
|
||||
duplicate_of: "none"
|
||||
source_trust_level: "B"
|
||||
confidence_score: 1.0
|
||||
tags: ["AI", "Reasoning", "Context", "MCP", "Agentic Workflow", "Architecture"]
|
||||
raw_sources: ["직접 입력"]
|
||||
last_reinforced: "2026-05-07"
|
||||
github_commit: "pending"
|
||||
id: wiki-2026-0508-ai-추론-및-맥락-인식-아키텍처
|
||||
title: AI 추론 및 맥락 인식 아키텍처
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# AI_추론_및_맥락_인식_아키텍처
|
||||
---
|
||||
redirect_to: "[[생성형_AI_및_LLM_엔지니어링_표준]]"
|
||||
canonical_id: "wiki-2026-0507-106"
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생성을 넘어 사고로." 모델이 단순한 다음 단어 예측을 넘어, 논리적 단계(CoT)를 밟고 외부 맥락(Context)을 이해하며 도구와 상호작용(MCP)하는 지능형 실행 구조의 표준.
|
||||
|
||||
---
|
||||
> 맥락 인식 아키텍처는 정적 가중치 외에 외부 메모리·검색·도구를 시점마다 동적으로 결합해, 모델 내부 지식의 한계를 시스템 수준에서 보완하는 패턴이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
**추출된 패턴:**
|
||||
> 추론 증폭 기법(CoT, ReAct)을 통해 모델의 논리적 깊이를 확보하고, 맥락 엔지니어링(Context Engineering)과 표준 프로토콜(MCP)을 통해 외부 세계와의 연결성을 극대화하여 실제 문제를 해결하는 자율적 루프를 구축한다.
|
||||
**추출된 패턴:** "파라미터에 모든 걸 외우게 하지 말고, 필요할 때 가져오게 하라" — RAG·툴 호출·에이전트 루프가 이 원칙의 구체화.
|
||||
|
||||
**세부 내용:**
|
||||
- **추론 증폭 기법 (Reasoning Amplification):**
|
||||
- **Chain-of-Thought (CoT):** 문제를 단계별로 풀어나가는 중간 사고 과정을 명시적으로 생성하여 복잡한 논리 문제 해결.
|
||||
- **ReAct (Reasoning + Acting):** 추론과 행동을 결합하여 모델이 스스로 계획을 세우고 도구를 호출하며 결과를 피드백.
|
||||
- **Self-Correction & Reflection:** 생성된 결과물을 스스로 비판적으로 검토하고 오류를 수정하는 자기 성찰 프로세스.
|
||||
- **맥락 인식 및 관리 (Context Management):**
|
||||
- **Context Engineering:** 제한된 컨텍스트 윈도우 내에서 최적의 정보를 압축, 선별하여 주입하는 기술.
|
||||
- **Model Context Protocol (MCP):** AI 에이전트가 외부 데이터 소스나 도구와 통신하기 위한 개방형 표준 인터페이스.
|
||||
- **Long-context Handling:** 수백만 토큰의 긴 맥락 속에서 정보 유실(Lost in the Middle) 없이 핵심 정보를 추출하는 아키텍처.
|
||||
- **실행 프레임워크:**
|
||||
- **LangGraph:** 에이전트의 행동을 상태 기반 그래프로 정의하여 복잡한 워크플로우를 제어.
|
||||
- **PIV 루프 (Plan-Implement-Validate):** 계획 수립, 실행, 검증으로 이어지는 에이전트 실행의 표준 파이프라인.
|
||||
|
||||
---
|
||||
- **RAG**: 벡터 검색 + 생성. 최신성·도메인 특화 강함.
|
||||
- **툴 사용(Function calling)**: 계산·코드 실행·API 호출.
|
||||
- **메모리**: 단기(컨텍스트), 장기(벡터 DB), 에피소드 기억.
|
||||
- **에이전트 루프**: 관찰-사고-행동(ReAct) 사이클.
|
||||
- **트레이드오프**: 지연시간·비용·실패 모드 다양화.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- 복잡한 다단계 비즈니스 로직을 수행하는 자율형 AI 에이전트를 개발할 때.
|
||||
- 방대한 문서에서 맥락을 정확히 파악하여 답변하거나 특정 작업을 수행하는 RAG 시스템을 고도화할 때.
|
||||
- AI 모델이 외부 도구(브라우저, DB, API 등)와 안전하고 효율적으로 상호작용해야 할 때.
|
||||
- *(TODO)*
|
||||
|
||||
**언제 이 지식을 쓰면 안 되는가:**
|
||||
- 단순한 텍스트 요약이나 번역 등 단발성 추론으로 충분한 낮은 난이도의 작업.
|
||||
|
||||
**이 지식을 적용할 때의 권장 절차:**
|
||||
1. **추론 전략 선정:** 작업의 복잡도에 따라 Zero-shot, Few-shot, 또는 CoT 적용 여부 결정.
|
||||
2. **맥락 설계:** 작업 수행에 필요한 최소 핵심 정보를 선별하고 MCP를 통해 외부 데이터 연동.
|
||||
3. **워크플로우 그래프 구성:** LangGraph 등을 활용해 에이전트의 상태 전이와 조건부 라우팅 정의.
|
||||
4. **검증 루프 내장:** 실행 결과의 논리적 무결성을 확인하는 Reflection 및 Validation 단계 추가.
|
||||
5. **성능 최적화:** 추론 단계와 응답 속도(Latency) 사이의 트레이드오프를 고려하여 시스템 최적화.
|
||||
|
||||
**주의사항 또는 알려진 한계:**
|
||||
- **추론 비용:** 사고 단계(CoT)가 추가될수록 토큰 사용량과 지연 시간이 증가함.
|
||||
- **파멸의 루프:** 에이전트가 잘못된 추론에 빠져 무한 루프를 돌지 않도록 최대 실행 횟수 및 감시 로직 설정 필수.
|
||||
|
||||
---
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** verified
|
||||
- **출처 신뢰도:** B
|
||||
- **검토 이유:** 해당 없음
|
||||
|
||||
---
|
||||
- **정보 상태:** draft
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** [[AI Reasoning & Retrieval Architectures]], [[Context Engineering]], [[MCP (Model Context Protocol)]], [[Chain-of-Thought (CoT) & Reasoning]] 등 80여 개
|
||||
- **처리 방식:** MERGE
|
||||
- **처리 이유:** AI의 추론 기법, 맥락 관리 방법론, 모델 통신 프로토콜 등 지능형 시스템의 핵심 아키텍처를 다룬 80개 이상의 문서를 통합하여 자율형 AI 구축의 표준 지침으로 수립함.
|
||||
|
||||
---
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
|
||||
- **과거 데이터와의 충돌:** 없음
|
||||
- **정책 변화:** 단순한 '프롬프트 엔지니어링' 수준에서 '구조화된 추론 아키텍처 및 프로토콜 기반의 시스템 설계'로 기술적 초점 이동.
|
||||
|
||||
---
|
||||
- **정책 변화:** 없음
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- **Parent:** [[10_Wiki/Topics]]
|
||||
- **Related:** [[AGI_및_지능형_에이전트_설계]], [[벡터_DB_및_RAG_검색_고도화]], [[데이터_사이언스_및_ML_엔지니어링]]
|
||||
- **Related:** *(TODO: 최소 2개)*
|
||||
- **Opposite / Trade-off:** *(TODO)*
|
||||
- **Raw Source:** 직접 입력
|
||||
|
||||
---
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-07 | 80개 이상의 AI 추론 및 맥락 관련 중복 문서를 통합 및 v3.0 규격 적용 | MERGE | B |
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
Reference in New Issue
Block a user