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

10_Wiki/Topics/Other/Pull_Request_and_Issue_Tracking.md

@@ -1,31 +1,29 @@
 ---
-id: pull_request_and_issue_tracking
-title: 풀 리퀘스트 및 이슈 트래킹 (Pull Request & Issue Tracking)
+id: wiki-2026-0508-pull-request-and-issue-tracking
+title: Pull Request and Issue Tracking
 category: Other
-status: stable
+status: needs_review
+canonical_id: self
+aliases: [pull_request_and_issue_tracking]
+duplicate_of: none
+source_trust_level: A
 confidence_score: 0.95
-created_at: 2026-05-02
-updated_at: 2026-05-08
-tags:
-  - pull_request
-  - issue_tracking
-  - code_review
-  - devops
-  - collaboration
-raw_sources:
-  - Other/풀_리퀘스트_및_이슈_트래커_PR_&_Issue_Tracker.md
-  - Other/풀_리퀘스트_및_이슈_트래킹_Pull_Requests_&_Issue_Tracking.md
-  - AI_and_ML/풀 리퀘스트 워크플로우.md
-  - AI_and_ML/풀 리퀘스트(PR) 기반 보안 검토.md
+tags: [- pull_request - issue_tracking - code_review - devops - collaboration]
+raw_sources: ["- Other/풀_리퀘스트_및_이슈_트래커_PR_&_Issue_Tracker.md - Other/풀_리퀘스트_및_이슈_트래킹_Pull_Requests_&_Issue_Tracking.md - AI_and_ML/풀 리퀘스트 워크플로우.md - AI_and_ML/풀 리퀘스트(PR) 기반 보안 검토.md"]
+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
 ---
 
 # 풀 리퀘스트 및 이슈 트래킹 (Pull Request & Issue Tracking)
 
-## 📌 Brief Summary
+## 📌 한 줄 통찰 (The Karpathy Summary)
 풀 리퀘스트(PR)와 이슈 트래킹은 코드의 변경 사항을 제안, 검토, 병합하고 버그나 기능 요청을 체계적으로 추적하는 현대적 협업의 핵심 도구입니다 [1, 2]. 코드베이스 해독 관점에서 이들은 단순히 작업 관리 도구를 넘어, 코드가 왜 현재의 형태로 작성되었는지에 대한 역사적 맥락, 설계 결정, 그리고 암묵적 지식을 명시적으로 담고 있는 필수적인 서사(Narrative) 기록소 역할을 합니다 [4].
 
-## 📖 Core Content
-
+## 📖 구조화된 지식 (Synthesized Content)
 ### 1. 코드의 역사적 맥락과 설계 의도 파악
 *   **서사 저장소**: 소스 코드는 시스템의 현재 상태만을 보여주지만, PR과 이슈 트래커는 코드가 그러한 형태로 존재하게 된 서사를 담고 있습니다. PR 설명, 커밋 메시지, 토론 기록은 당시의 설계 결정과 비즈니스 요구사항을 이해하는 유일한 단서가 됩니다 [1, 4].
 *   **암묵적 지식의 명시화**: 과거에 시도했다가 기각된 대안들이나 기술적 타협점(Trade-off)에 대한 기록은 현재 코드가 가진 제약 사항과 부채를 이해하는 데 매우 중요합니다 [1, 2].
@@ -39,15 +37,64 @@ raw_sources:
 *   **컨텍스트 추출**: AI 기반 분석 도구들이 PR 및 이슈 데이터를 읽어 코드의 존재 목적을 고차원적으로 설명하거나 설계 결정을 요약합니다 [2, 9, 17-21].
 *   **MCP 연동**: AI 에이전트가 GitHub API 등을 통해 PR 데이터를 직접 조회하여 탭 전환 없이 맥락을 파악하고 리뷰를 보조합니다 [17, 18, 40].
 
-## ⚖️ Trade-offs & Caveats
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
 *   **인지적 과부하**: PR의 규모가 너무 크면(예: 50개 이상의 파일 변경) 리뷰어와 AI 모델 모두 문맥을 잃기 쉽습니다. 피처 플래그(Feature Flags)를 활용하여 작고 점진적인 단위로 쪼개는 것이 권장됩니다 [24-26].
 *   **알림 피로 (Notification Fatigue)**: 무분별한 리뷰 요청은 방치나 무검토 병합을 초래할 수 있습니다. 적절한 '코드 오너(Code Owners)' 설정과 알림 제어가 필요합니다 [15, 19, 27].
 *   **정보의 노이즈**: 상투적인 문구나 무의미한 체크리스트 등은 분석에 방해가 되므로 핵심 설계 결정 위주로 기록해야 합니다 [17, 18].
 
-## 🔗 Knowledge Connections
+## 🔗 지식 연결 (Graph)
 - **Related Topics**: [[버전 관리 시스ᄐEM(Version Control Systems)|버전 관리 시스템]], [[코드 리뷰(Code Review)|코드 리뷰]], CI/CD, 기술적 부채
 - **Projects/Contexts**: GitHub 워크플로우, Jira/Linear 이슈 연동, AI 기반 PR 리뷰 시스템 (CodeRabbit 등)
 - **Contradictions/Notes**: 과도한 제동(Request Changes)은 배포 속도를 지연시킵니다. 심각한 오류가 없다면 승인 후 별도 이슈로 개선 사항을 처리하는 유연함이 장기적인 생산성에 유리할 수 있습니다 [28, 29].
 
 ---
 *Last updated: 2026-05-08*
+
+## 🤖 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)*