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

_tools/sample_normalized/BPM.normalized.md

@@ -0,0 +1,128 @@
+---
+id: wiki-2026-0508-bpm
+title: BPM
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: [P-REINFORCE-WIKI-0C43BD75]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.95
+tags: [bpm, event-driven-architecture, mediator-topology, bpel, jbpm, architecture-principles]
+raw_sources: []
+last_reinforced: 2026-05-02
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+tech_stack:
+  language: unspecified
+  framework: unspecified
+---
+
+# [[BPM]]
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+BPM(Business Process Management) 실행 엔진은 이벤트 기반 아키텍처(Event-Driven Architecture)의 메디에이터 토폴로지(Mediator Topology) 내에서, 주로 인간의 개입이 필요하거나 실행 시간이 긴 복잡한 이벤트 조정 및 오류 처리를 수행하는 데 사용되는 정교한 프로세스 자동화 엔진입니다 [1]. 
+
+## 📖 구조화된 지식 (Synthesized Content)
+소스에서 제공하는 BPM에 대한 핵심 내용은 이벤트 기반 아키텍처의 메디에이터(Mediator) 구현 방식과 연관되어 제한적으로 설명되어 있습니다.
+
+* **인간의 개입과 장기 실행 프로세스 처리:** 이벤트 조정 및 오류 처리 과정에서 인간의 상호작용(human intervention)이 필요하여 처리 시간이 길어지는(long run times) 경우, BPEL(Business Process Execution Language) 매니저보다 더 고도화된 BPM 실행 엔진을 사용하는 것이 적합합니다 [1].
+* **고도화된 프로세스 자동화:** BPM 엔진은 다수의 도메인 특화 언어(DSL, Domain Specific Language)를 사용하여 보다 정교한 프로세스 자동화 기능을 제공합니다 [1].
+* **구현 인프라:** 이러한 BPM 기반의 이벤트 메디에이터 구현을 지원하는 인프라 라이브러리의 대표적인 예시로 jBPM이 활용됩니다 [1].
+
+*참고: BPM의 세부적인 작동 원리나 구조, 그 외 아키텍처적 특성에 대해서는 소스에 관련 정보가 부족합니다.*
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+*소스에 관련 정보가 부족합니다.* 
+
+(다만 소스 내용을 통해 추론할 때, 단순한 프로그래밍 기반 메디에이터나 BPEL로는 처리하기 어려운 '인간의 개입' 및 '긴 실행 시간'을 다루기 위해 더 정교한(sophisticated) 다중 DSL 기반의 엔진이 필요하다는 제약에서 BPM이 도입됨을 알 수 있습니다 [1]. 구체적인 단점이나 부작용에 대한 언급은 소스에 포함되어 있지 않습니다.)
+
+## 🔗 지식 연결 (Graph)
+### Related Concepts
+#### [아키텍처/기반 기술]
+- [[Event-Driven Architecture]]
+  - 연결 이유: BPM 엔진은 이벤트 기반 아키텍처 생태계 내에서 복잡한 비즈니스 프로세스와 이벤트의 흐름을 통제하는 목적으로 활용되기 때문입니다 [1-3].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: BPM이 비동기 통신 환경에서 이벤트를 어떻게 소비하고 후속 처리를 트리거하는지에 대한 구조적 배경을 이해할 수 있습니다.
+
+- [[Mediator Topology]]
+  - 연결 이유: BPM은 이벤트 흐름을 중앙에서 통제하고 에러 처리를 담당하는 이벤트 메디에이터(Event Mediator)의 한 구현 형태로 사용됩니다 [1, 3].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 중앙 집중식 이벤트 조정, 프로세스 상태 유지(State management), 그리고 복잡한 로직 처리 방법을 깊이 있게 학습할 수 있습니다.
+
+#### [구현/활용 도구]
+- [[BPEL]]
+  - 연결 이유: BPEL 역시 복잡한 이벤트 메디에이터를 선언적으로 구현하는 데 사용되지만, 인간의 개입이 필요한 장기 실행 프로세스에서는 BPM이 더 적합하다는 점에서 직접적인 비교 대상이 됩니다 [1].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 이벤트 처리 자동화를 위한 언어적 접근법과 복잡도에 따른 도구 선택 기준을 비교할 수 있습니다.
+
+- [[jBPM]]
+  - 연결 이유: 소스에서 명시적으로 언급된 BPM 이벤트 메디에이터 구현을 위한 인프라 라이브러리입니다 [1].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 이론적인 BPM 개념이 실제 시스템 설계 및 코드 레벨에서 어떻게 인프라로 통합되는지 확인할 수 있습니다.
+
+### Deeper Research Questions
+- 이벤트 기반 아키텍처의 메디에이터 토폴로지에서 BPEL을 사용하는 것과 BPM 실행 엔진을 사용하는 것을 결정하는 정확한 복잡도 임계점(Threshold)은 무엇인가?
+- 인간의 개입이 필요한 장기 실행 프로세스(long run times)에서 BPM 엔진은 시스템 장애 시 상태(State) 손실을 막기 위해 어떠한 복구 및 저장 메커니즘을 사용하는가?
+- 다수의 DSL(Domain Specific Language)을 활용하는 BPM 엔진의 특성이 시스템 개발 및 유지보수 학습 곡선(Learning Curve)에 미치는 영향은 무엇인가?
+- 고도로 분산된 마이크로서비스 아키텍처 환경에서 중앙 집중형 구조인 BPM 기반 메디에이터를 도입할 때 발생할 수 있는 병목 현상(Bottleneck)과 해결책은 무엇인가?
+- jBPM과 같은 BPM 라이브러리를 이벤트 브로커(Event Broker) 패턴과 혼합한 하이브리드 아키텍처에서 사용할 때 이벤트 통신 지연(Latency)은 어떻게 관리되는가?
+
+### Practical Application Contexts
+- **Implementation:** 비즈니스 요구사항 중 인간의 승인 절차(결재 등)가 포함되어 즉각적인 처리가 불가능한 워크플로우를 구현할 때, jBPM과 같은 라이브러리를 인프라로 도입하여 이벤트를 제어합니다 [1].
+- **System Design:** 단순 라우팅 이상의 복잡한 조건 분기 및 프로세스 오케스트레이션이 필요한 이벤트 스트림이 있을 경우, 시스템 설계 시 중앙 통제 역할을 하는 BPM Event Mediator를 배치합니다 [1, 4].
+- **Operation / Maintenance:** *소스에 관련 정보가 부족합니다.*
+- **Learning Path:** 이벤트 기반 아키텍처의 기본 원리 학습 -> 메디에이터 및 브로커 토폴로지 비교 -> 프로세스 조정을 위한 BPEL 학습 -> 더 정교한 상호작용 처리를 위한 BPM 실행 엔진(jBPM) 순으로 시스템 설계 지식을 확장합니다.
+- **My Project Relevance:** 복잡한 비즈니스 로직과 수동 검토 과정이 얽혀 있는 이벤트 파이프라인을 설계할 때, 시스템의 프로세스 상태 추적과 처리를 자동화하기 위한 핵심 기술로 BPM 도입을 검토할 수 있습니다.
+
+### Adjacent Topics
+- [[Microservices Architecture]]
+  - 확장 방향: MSA 환경에서는 각 서비스가 독립적인 데이터베이스를 가지므로(분산 시스템), 여러 마이크로서비스에 걸친 복잡한 비즈니스 트랜잭션을 조정할 때 BPM과 같은 오케스트레이터(Orchestrator)가 어떻게 활용될 수 있는지 탐구할 수 있습니다. 
+
+---
+*Last updated: 2026-05-02*
+
+## 🤖 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)*

_tools/sample_normalized/Bellman Equation.normalized.md

@@ -0,0 +1,25 @@
+---
+id: wiki-2026-0508-bellman-equation
+title: Bellman Equation
+category: 10_Wiki/Topics/AI
+status: merged
+redirect_to: Reinforcement_Learning_and_Decision_Making
+canonical_id: Reinforcement_Learning_and_Decision_Making
+aliases: [P-Reinforce-REDIRECT-BELLMAN-SPACE]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
+tags: [redirect]
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+---
+
+# [[Bellman Equation]]
+
+> [!IMPORTANT]
+> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
+
+---
+*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*

_tools/sample_normalized/Bellman-Equation.normalized.md

@@ -0,0 +1,25 @@
+---
+id: wiki-2026-0508-bellman-equation
+title: Bellman Equation
+category: 10_Wiki/Topics/AI
+status: merged
+redirect_to: Reinforcement_Learning_and_Decision_Making
+canonical_id: Reinforcement_Learning_and_Decision_Making
+aliases: [P-Reinforce-REDIRECT-BELLMAN-DASH]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
+tags: [redirect]
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+---
+
+# [[Bellman-Equation]]
+
+> [!IMPORTANT]
+> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
+
+---
+*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*

_tools/sample_normalized/Bellman_Equation.normalized.md

@@ -0,0 +1,25 @@
+---
+id: wiki-2026-0508-bellman-equation
+title: Bellman Equation
+category: 10_Wiki/Topics/AI_and_ML
+status: merged
+redirect_to: Reinforcement_Learning_and_Decision_Making
+canonical_id: Reinforcement_Learning_and_Decision_Making
+aliases: [P-Reinforce-REDIRECT-BELLMAN-UNDERSCORE]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
+tags: [redirect]
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+---
+
+# [[Bellman_Equation]]
+
+> [!IMPORTANT]
+> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
+
+---
+*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*

_tools/sample_normalized/Event-Driven-Architecture.normalized.md

@@ -0,0 +1,90 @@
+---
+id: wiki-2026-0508-event-driven-architecture
+title: Event Driven Architecture
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: [P-Reinforce-AI-EVENT-DRIVEN]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.97
+tags: [Architecture, EventDriven, Async, PubSub]
+raw_sources: []
+last_reinforced: 2026-04-20
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+tech_stack:
+  language: unspecified
+  framework: unspecified
+---
+
+# [[Event-Driven-Architecture]] (이벤트 주도 아키텍처)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> "말 걸지 마, 그냥 공지사항을 확인해." 상태 변화(이벤트)를 발행하고 구독하는 방식으로 시스템을 구성하여, 서비스 간의 직접적인 호출을 없애고 유연한 확장을 가능하게 하는 설계다.
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **Components**:
+    - **Event Producer**: 상태 변화를 감지하고 이벤트를 발행함.
+    - **Event Bus / Broker**: 발행된 이벤트를 전달함 (Kafka, RabbitMQ 등).
+    - **Event Consumer**: 필요한 이벤트를 구독하여 로직을 실행함.
+- **Benefits**:
+    - **Decoupling**: 생산자는 소비자가 누구인지 알 필요가 없다.
+    - **[[Scalability]]**: 트래픽 급증 시 메시지 큐를 통해 부하를 분산 처리할 수 있다.
+    - **Responsiveness**: 비동기 처리를 통해 즉각적인 사용자 피드백이 가능하다.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+- 이벤트 주도는 시스템 흐름을 파악하기 어렵게 만든다(Where did this event come from?). 또한 '결과적 일관성(Eventual Consistency)'을 수용해야 하므로, 금융 거래처럼 원자성이 중요한 작업에는 설계 난이도가 급상승한다. 분산 추적(Distributed Tracing) 도구 없이는 재앙이 될 수 있다.
+
+## 🔗 지식 연결 (Graph)
+- Related: [[Microservices-Architecture]] , Message-Queue-Design
+- Pattern: Observer-Pattern
+
+## 🤖 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)*

_tools/sample_normalized/Intellectual-Property-in-AI.normalized.md

@@ -0,0 +1,63 @@
+---
+id: wiki-2026-0508-intellectual-property-in-ai
+title: Intellectual Property in AI
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: [ETH-IP-001]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 1.0
+tags: [ai, intellectual-property, copyright, ai-ethics, law, Generative-AI]
+raw_sources: []
+last_reinforced: 2026-04-26
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+---
+
+# Intellectual Property in AI (AI와 지식 재산권)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> "기계의 창작물에 누구의 이름을 새길 것인가, 그리고 거인의 어깨 위에 올라타는 과정에서 타인의 권리를 어떻게 존중할 것인가" — 인공지능 학습 데이터의 정당한 사용(Fair Use)과 AI 생성 콘텐츠의 저작권 보호 여부를 둘러싼 법적, 윤리적 논의의 총체.
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **추출된 패턴:** "Ownership Paradox" — 인간의 창의성이 가미되지 않은 기계의 순수 출력물은 현재의 법체계 하에서 저작권을 인정받기 어려우며, 방대한 데이터를 학습하는 행위와 창작자의 권익 보호 사이의 충돌을 해결하려는 권리 조정 패턴.
+- **주요 쟁점:**
+    - **Training Data:** 공개된 데이터를 학습에 사용하는 것이 '공정 이용'에 해당하는가? (Opt-in vs Opt-out).
+    - **AI Authorship:** AI가 단독으로 생성한 시, 그림, 코드의 저작권자는 누구인가? (인간 프롬프트 작성자 vs 모델 개발사 vs 없음).
+    - **Derivative Works:** AI 생성물이 특정 작가의 화풍이나 문체를 모방했을 때 발생하는 침해 문제.
+- **의의:** AI 산업의 상업적 토대를 결정짓는 핵심 변수이며, 지식의 공유와 창작자의 권리 사이의 새로운 사회적 계약이 필요함을 시사.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+- **과거 데이터와의 충돌:** 지식 재산권이 인간만의 전유물이라 믿던 전통적 관념이 흔들리며, 전 세계적으로 AI 관련 저작권 가이드라인이 실시간으로 수립되고 있음.
+- **정책 변화:** Antigravity 프로젝트는 외부 지식 인덱싱 시 데이터의 출처(Provenance)를 명확히 기록하며, 상업적 이용이 제한된 소스로부터 생성된 지식은 내부 연구용으로만 격리하여 관리함.
+
+## 🔗 지식 연결 (Graph)
+- AI-Ethics, [[Generative-AI-Impact|Generative-AI-Impact]], [[Deepfake-Technology|Deepfake-Technology]], Data-Privacy-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Intellectual-Property-in-AI.md
+
+## 🤖 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 |

_tools/sample_normalized/Ludo-narrative Dissonance.normalized.md

@@ -0,0 +1,58 @@
+---
+id: wiki-2026-0508-ludo-narrative-dissonance
+title: Ludo narrative Dissonance
+category: 10_Wiki/Topics_Art
+status: needs_review
+canonical_id: self
+aliases: [P-REINFORCE-AUTO-2B9D2D]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.9
+tags: [auto-reinforced]
+raw_sources: []
+last_reinforced: 2026-04-20
+github_commit: "[P-Reinforce] Continuous Worker - Ludo-narrative Dissonance"
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+---
+
+# [[Ludo-narrative Dissonance]]
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> 지식 요약 정보 추출 중...
+
+## 📖 구조화된 지식 (Synthesized Content)
+본문 구조화 작업 중...
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
+- **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
+
+## 🔗 지식 연결 (Graph)
+- Raw Source: [[00_Raw/2026-04-20/Ludo-narrative Dissonance.md]]
+---
+
+## 🤖 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 |

_tools/sample_normalized/Timestamp Queries.normalized.md

@@ -0,0 +1,99 @@
+---
+id: wiki-2026-0508-timestamp-queries
+title: Timestamp Queries
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: [P-Reinforce-AUTO-77D993]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.9
+tags: [auto-reinforced]
+raw_sources: []
+last_reinforced: 2026-04-20
+github_commit: "[P-Reinforce] Continuous Worker - Timestamp Queries"
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+tech_stack:
+  language: unspecified
+  framework: unspecified
+---
+
+# [[Timestamp Queries|Timestamp Queries]]
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> Timestamp Queries(타임스탬프 쿼리)는 [[WebGL|WebGL]] 및 WebGPU와 같은 웹 그래픽 파이프라인에서 GPU 명령 세트의 경과 시간을 나노초 단위까지 정밀하게 측정할 수 있게 해주는 기능입니다 [1-3]. 렌더링 파이프라인을 지연시키지 않으면서 GPU 작업 부하의 성능과 동작에 대한 깊은 통찰력을 제공하는 데 필수적입니다 [3, 4]. 그러나 고정밀 타이머가 사이드 채널 공격(예: Spectre 및 Meltdown)에 악용될 수 있다는 보안 취약점 때문에, 최신 브라우저 환경에서는 타이머의 정밀도를 의도적으로 낮추는 양자화([[Quantization|Quantization]]) 기법이 적용됩니다 [2, 5, 6].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **WebGL에서의 타이머 쿼리 한계:**
+    기존 WebGL은 `EXT_disjoint_timer_query` 확장을 통해 렌더링 파이프라인의 중단 없이 GL 명령의 지속 시간을 측정할 수 있었습니다 [1, 4]. 하지만 이 고정밀 타이밍 기능이 캐시 적중률을 관찰하여 Spectre 및 Meltdown과 같은 사이드 채널 공격에 악용될 수 있음이 밝혀지면서, 대부분의 브라우저 공급업체는 이 확장을 비활성화하거나 타이머 값에 엄격한 양자화 및 클램핑을 적용했습니다 [2].
+*   **WebGPU 타임스탬프 쿼리 도입:** 
+    WebGPU는 `timestamp-query` 기능과 `GPUQuerySet`을 통해 렌더링 및 컴퓨트 패스의 시작과 끝에서 매우 정밀한(나노초 단위) 측정을 지원합니다 [2, 3]. 이 기능은 텐서플로우(Tensorflow.js)와 같은 복잡한 GPU 작업 부하의 동작을 파악하고 최적화하는 데 널리 활용됩니다 [7].
+*   **보안을 위한 양자화(Quantization) 및 거칠기(Coarsening) 적용:** 
+    고정밀 타이머를 통한 지문 수집(Fingerprinting) 및 타이밍 공격을 방지하기 위해 WebGPU는 타임스탬프 값을 양자화합니다 [2, 5]. WebGPU 제안 초기에는 사이트 격리(Site isolation) 여부에 따라 격리된 컨텍스트에서는 100 마이크로초(µs) 해상도로, 격리되지 않은 컨텍스트에서는 쿼리 자체를 노출하지 않는 방식을 고려했습니다 [5, 8]. 
+*   **교차 출처(Cross-origin) 및 하드웨어 특성을 반영한 정책 변경:**
+    이후 논의 과정에서 GPU 타임스탬프는 고립된 컨텍스트 간에도 공유될 수 있으며 GPU 캐시를 통한 타이밍 공격 위험이 여전히 존재함이 확인되었습니다 [6]. 상호 운용성(Interop)을 높이고 보안을 유지하기 위해, 사이트의 교차 출처 격리(cross-origin isolated) 상태와 무관하게 항상 고해상도 시간 사양(HR-time)에 맞추어 100 마이크로초(µs)로 해상도를 거칠게 만드는(coarsening) 것으로 최종 정책이 합의되었습니다 [6, 9].
+*   **개발자를 위한 예외 처리:** 
+    성능 프로파일링을 위해 실제 나노초 단위의 정밀한 측정값이 필요한 개발자는 로컬 환경에서 "WebGPU Developer Features" 또는 "Unsafe WebGPU [[Support|Support]]" 같은 특정 브라우저 플래그를 활성화하여 이러한 양자화 제한을 일시적으로 우회할 수 있습니다 [8, 10].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
+- **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** WebGL Timer Queries, [[Spectre and Meltdown|Spectre and Meltdown]], WebGPU, [[Timestamp Quantization|Timestamp Quantization]]
+- **Projects/Contexts:** EXT_disjoint_timer_query, High Re[[Solution|Solution]] Time Spec
+- **Contradictions/Notes:** 초기 WebGPU 구현 제안에서는 사이트 격리 상태에 따라 타임스탬프 쿼리의 노출 여부와 해상도를 다르게 적용하려고 했으나(격리 시 100µs, 비격리 시 미노출) [5], 브라우저 간의 상호 운용성 부족 및 GPU의 격리 한계를 이유로 격리 상태와 관계없이 모든 GPU 작업에 대해 일괄적으로 100µs 해상도를 적용하도록 사양이 수정되었습니다 [6, 9].
+
+---
+*Last updated: 2026-04-19*
+
+---
+
+## 🤖 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)*

_tools/sample_normalized/_manifest.json

@@ -0,0 +1,50 @@
+[
+ {
+  "src": "10_Wiki/Topics/Architecture/BPM.md",
+  "out": "_tools/sample_normalized/BPM.normalized.md",
+  "src_chars": 3574,
+  "out_chars": 4718
+ },
+ {
+  "src": "10_Wiki/Topics/AI/Event-Driven-Architecture.md",
+  "out": "_tools/sample_normalized/Event-Driven-Architecture.normalized.md",
+  "src_chars": 1102,
+  "out_chars": 2254
+ },
+ {
+  "src": "10_Wiki/Topics/AI_and_ML/Intellectual-Property-in-AI.md",
+  "out": "_tools/sample_normalized/Intellectual-Property-in-AI.normalized.md",
+  "src_chars": 1412,
+  "out_chars": 2208
+ },
+ {
+  "src": "10_Wiki/Topics/Frontend/Timestamp Queries.md",
+  "out": "_tools/sample_normalized/Timestamp Queries.normalized.md",
+  "src_chars": 2650,
+  "out_chars": 3751
+ },
+ {
+  "src": "10_Wiki/Topics/AI/Bellman Equation.md",
+  "out": "_tools/sample_normalized/Bellman Equation.normalized.md",
+  "src_chars": 351,
+  "out_chars": 674
+ },
+ {
+  "src": "10_Wiki/Topics/AI/Bellman-Equation.md",
+  "out": "_tools/sample_normalized/Bellman-Equation.normalized.md",
+  "src_chars": 350,
+  "out_chars": 673
+ },
+ {
+  "src": "10_Wiki/Topics/AI_and_ML/Bellman_Equation.md",
+  "out": "_tools/sample_normalized/Bellman_Equation.normalized.md",
+  "src_chars": 363,
+  "out_chars": 686
+ },
+ {
+  "src": "10_Wiki/Topics/UI_UX_Assets/Design & Experience/Ludo-narrative Dissonance.md",
+  "out": "_tools/sample_normalized/Ludo-narrative Dissonance.normalized.md",
+  "src_chars": 617,
+  "out_chars": 1371
+ }
+]