feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

10_Wiki/Topics/AI_and_ML/Legacy_Modernization.md

@@ -1,27 +1,40 @@
 ---
-category: Unified
+id: wiki-2026-0508-legacy-modernization
+title: Legacy Modernization
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: []
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
 tags: [auto-consolidated, technical-documentation]
-title: [[레거시 모더니제이션과 아키텍처 전환 전략 (Legacy Modernization)]]
-last_updated: 2026-05-02
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+tech_stack:
+  language: unspecified
+  framework: unspecified
 ---
 
 # [[레거시 모더니제이션과 아키텍처 전환 전략 (Legacy Modernization)]]
 
-## 📌 Brief Summary
+## 📌 한 줄 통찰 (The Karpathy Summary)
 레거시 모더니제이션은 **복잡하고 접근하기 어려운 기존 소프트웨어 시스템(예: 모놀리스)을 파악하여 유지보수성을 높이고, 마이크로서비스 등 현대적인 아키텍처로 개선하는 과정**입니다 [1-3]. 이 과정은 소스 코드에 얽혀있는 비즈니스 로직과 아키텍처 구조를 추출 및 시각화하여, 외부 벤더에 대한 의존도를 낮추고 개발 속도를 가속화하는 것을 목표로 합니다 [2, 4, 5].
 
-## 📖 Core Content
+## 📖 구조화된 지식 (Synthesized Content)
 * **아키텍처 변환 및 시각화**: 전통적인 모놀리틱 시스템을 마이크로서비스로 분해하여 개발 속도(Velocity)를 높이는 것이 핵심입니다 [1]. vFunction과 같은 도구를 사용하여 분산 아키텍처를 분석하고, 실시간 런타임 흐름을 기반으로 C4 컨테이너 다이어그램 등의 '코드로서의 아키텍처(Architecture as code)'로 추출하여 현재 구조와 목표 구조 사이의 격차를 해소합니다 [6].
 * **AI 기반 레거시 코드 분석**: 복잡한 레거시 시스템은 수동 검토만으로 유지보수하기 어렵습니다 [7]. Kodesage와 같은 AI 플랫폼은 Oracle Forms, COBOL, SAP, PowerBuilder와 같은 오래된 스택의 비즈니스 로직을 추출하고, 코드베이스, 문서, Jira 티켓, 데이터베이스 스키마를 통합하여 검색 가능한 '살아있는 지식 기반(Living Knowledge Base)'을 구축합니다 [3, 5, 8].
 * **기술 부채 측정과 점진적 리팩토링**: CodeScene과 같은 도구는 버전 관리 데이터와 코드 복잡성을 결합한 행위 기반 코드 분석(Behavioral Code Analysis)을 통해 레거시 시스템 내의 개발 마찰(friction) 영역과 기술 부채의 우선순위를 정합니다 [9, 10]. 또한, SOLID 원칙을 레거시 애플리케이션 전체에 한 번에 적용하는 대신, 기존 코드를 수정하거나 새로운 기능을 추가할 때 점진적으로 적용하여 코드베이스의 건강을 향상시킬 수 있습니다 [11].
 
-## ⚖️ Trade-offs & Caveats
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
 * **아키텍처 드리프트(Architectural Drift)의 위험**: 모놀리스를 마이크로서비스로 전환하며 개발 속도를 높일 때, 아키텍처의 실시간 상태를 정확히 캡처하고 모니터링하지 않으면 아키텍처 드리프트가 가속화되어 다시 아키텍처적 기술 부채가 발생할 수 있습니다 [1, 4, 12].
 * **레거시 엣지 케이스 분석의 한계**: 코드 분석 도구가 제공하는 커버리지 분석이나 테스트 생성 기능은 레거시 코드베이스의 엣지 케이스를 놓칠 위험(Coverage analysis may miss edge cases in legacy codebases)이 존재합니다 [13].
 * **충분한 데이터 기록 요구**: CodeScene과 같은 행위 기반 예측 모델을 활용하여 레거시 시스템을 리팩토링하려면, 최소 6개월 이상의 Git 히스토리가 존재해야 유효한 핫스팟 탐지와 모델링이 가능하다는 제약이 있습니다 [14, 15].
 * **높은 초기 도입 복잡성과 비용**: Fortify SCA와 같이 레거시 엔터프라이즈 기술 스택을 폭넓게 지원하는 성숙한 분석 도구의 경우, 온프레미스 배포 시 설정 복잡도가 높고 가벼운 클라우드 네이티브 대안 도구에 비해 비용이 비싸다는 단점이 있습니다 [16, 17].
 
-## 🔗 Knowledge Connections
+## 🔗 지식 연결 (Graph)
 - [[Microservices_Architecture]]: 레거시 모더니제이션의 주요 지향점.
 - [[Technical_Debt]]: 모더니제이션이 해결하고자 하는 근본적인 원인.
 - [[Refactoring]]: 모더니제이션의 전술적 구현 수단.
@@ -99,4 +112,47 @@ last_updated: 2026-05-02
 ## 🧪 검증 상태 (Validation)
 - **정보 상태**: 검증 완료 (Verified)
 - **출처 신뢰도**: A
-- **검토 이유**: 기업의 핵심 자산인 레거시 시스템을 미래 경쟁력 확보를 위한 최신 아키텍처로 안전하고 효율적으로 전환하기 위한 전략적 로드맵 정립.
+- **검토 이유**: 기업의 핵심 자산인 레거시 시스템을 미래 경쟁력 확보를 위한 최신 아키텍처로 안전하고 효율적으로 전환하기 위한 전략적 로드맵 정립.
+
+## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
+
+**언제 이 지식을 쓰는가:**
+- *(TODO)*
+
+**언제 쓰면 안 되는가:**
+- *(TODO)*
+
+## 🧬 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
+```
+
+## 🤔 의사결정 기준 (Decision Criteria)
+
+**선택 A를 써야 할 때:**
+- *(TODO)*
+
+**선택 B를 써야 할 때:**
+- *(TODO)*
+
+**기본값:**
+> *(TODO)*
+
+## ❌ 안티패턴 (Anti-Patterns)
+
+- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*