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

10_Wiki/Topics/Architecture/핫스팟_탐지_Hotspot_Detection.md

@@ -1,14 +1,26 @@
 ---
-category: Unified
+id: wiki-2026-0508-핫스팟-탐지-hotspot-detection
+title: 핫스팟 탐지 Hotspot Detection
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: []
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
 tags: [auto-wikified, technical-documentation]
-title: 핫스팟 탐지 (Hotspot Detection)
-description: "핫스팟 탐지는 코드의 복잡도(code complexity)와 변경 빈도(change frequency)의 교차점을 분석하여 개발 과정에서 마찰이 가장 잦은 영역을 식별하는 방법론이다 [1, 2]."
-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
 ---
 
 # 핫스팟 탐지 (Hotspot Detection)
 
-## 📌 Brief Summary
+## 📌 한 줄 통찰 (The Karpathy Summary)
 핫스팟 탐지는 코드의 복잡도(code complexity)와 변경 빈도(change frequency)의 교차점을 분석하여 개발 과정에서 마찰이 가장 잦은 영역을 식별하는 방법론이다 [1, 2]. 단순한 정적 파일 분석을 넘어, 버전 관리 시스템의 이력과 팀의 행동 패턴을 결합하는 행동 기반 코드 분석(behavioral code analysis)을 활용한다 [1]. 이를 통해 개발 조직은 아키텍처 문제가 프로덕션 인시던트로 발현되기 전에 선제적으로 발견하고, 데이터에 기반하여 기술적 부채 상환과 리팩토링의 우선순위를 정할 수 있다 [2, 3].
 
 ## 📖 Core 고도화 (Core Content)
@@ -17,13 +29,12 @@ last_updated: 2026-05-02
 - **고결합 핫스팟 식별 (High-coupling Hotspots)**: 의존성 그래프 구성을 통해 파일 간의 import/require 체인을 추적함으로써, 어떤 모듈이 다른 모듈에 의존하는지에 대한 정신적 모델(mental model)을 구축할 수 있다 [4]. 이 과정에서 과도하게 얽혀 있는 고결합 핫스팟을 식별하고 명확한 경계(clean boundaries)를 설정할 수 있다 [4].
 - **예측 모델링 및 선제적 품질 관리**: 핫스팟 탐지 방법론은 결함 위험, 전달 속도, 예측 가능성에 미치는 영향을 측정하는 코드 건강도(Code Health metric) 지표와 결합된다 [2]. 이를 통해 과거 데이터를 기반으로 예측 모델을 구축하여, 결함이 실체화되기 전에 선제적인 리팩토링 가이드를 제공한다 [2, 3].
 
-## ⚖️ Trade-offs & Caveats
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
 - **충분한 이력 데이터 요구**: 핫스팟을 탐지하기 위한 효과적인 예측 모델을 구축하려면 최소 6개월 이상의 Git 이력이 필요하다 [3, 5]. 따라서 최근에 리포지토리를 마이그레이션한 팀이나 초기 단계의 프로젝트에는 적합하지 않을 수 있다 [5].
 - **정적 코드 문제의 사각지대**: 행동 기반 분석(behavioral focus)에 중점을 두기 때문에, 복잡하거나 변경 빈도가 높지 않은 영역에 숨겨진 정적인 코드 문제(static code issues)는 놓칠 가능성이 존재한다 [5].
 - **해석의 학습 곡선**: 제공되는 행동 기반 메트릭(behavioral metrics)을 팀이 정확히 해석하고 이를 실제 기술적 부채 상환에 적용하기 위해서는 별도의 학습 곡선(learning curve)을 극복해야 한다 [5].
 
-## 🔗 Knowledge Connections
-
+## 🔗 지식 연결 (Graph)
 ### Related Concepts
 
 #### [분석 및 측정 지표]
@@ -73,4 +84,61 @@ last_updated: 2026-05-02
   - 확장 방향: 식별된 핫스팟 영역의 복잡성을 낮추고 기술적 부채를 실제로 상환하기 위한 안전하고 점진적인 코드 구조 개선 기법으로의 확장 [2, 3].
 
 ---
-*Last updated: 2026-05-02*
+*Last updated: 2026-05-02*
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+**추출된 패턴:**
+> *(TODO)*
+
+**세부 내용:**
+- *(TODO)*
+
+## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
+
+**언제 이 지식을 쓰는가:**
+- *(TODO)*
+
+**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
+```
+
+## 🤔 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)*