docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

2026-05-02 09:18:34 +09:00
parent c84dcb8371
commit 6445fcc05b
13150 changed files with 55394 additions and 100862 deletions
@@ -1,4 +1,4 @@
-# [[2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우]]
+# [[2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우|2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우]]

 ## 📌 Brief Summary
 2026년의 인공지능 시각 언어 생성 기술은 단발성 이미지 추출에서 벗어나, 인간과 AI 에이전트가 긴밀하게 협업하는 '연속적 창작 워크플로우'의 패러다임으로 진화하였다 [1, 2]. 미드저니 V7의 드래프트 모드(Draft Mode)나 옴니 참조(Omni Reference)와 같은 기술의 도입으로 아이디어의 고속 대량 생산, 시각적 정체성의 일관성 유지, 정교한 사후 편집이 맞물린 체계적 작업이 가능해졌다 [3-5]. 이에 따라 이미지 프롬프트 작성법 역시 단순한 단어의 나열을 넘어, 카메라 물리 법칙이나 조명 과학 등의 시각적 전문 지식을 반영하고 각 AI 모델의 고유한 통제 언어를 다루는 고도화된 프롬프트 엔지니어링으로 격상되었다 [2, 6].
@@ -20,8 +20,8 @@
  AI가 인간의 능력을 보조하는 것을 넘어 주도적으로 협력하는 2026년 '에이전틱 AI(Agentic AI)' 트렌드와 결합하여, 창작 환경에도 거대한 변화가 일어났다 [2, 22, 23]. 인간 창작자가 추상적인 비전을 제시하면, AI 에이전트가 이를 모델별 최적의 기술적 언어로 번역하고 대량의 시안을 자율적으로 생성하는 '에이전틱 크리에이티브' 시대가 열리며 소프트웨어적 상호작용 방식이 근본적으로 재정의되고 있다 [2, 24].

 ## 🔗 Knowledge Connections
- **Related Topics:** `[[프롬프트 계층 구조(Prompt Hierarchical Structure)]]`, `[[매개변수 제어(Parameter Control)]]`, `[[부정 프롬프트(Negative Prompt)]]`, `[[에이전틱 AI(Agentic AI)]]`
- **Projects/Contexts:** `[[미드저니 V7 드래프트 모드(Midjourney V7 Draft Mode)]]`, `[[옴니 참조(Omni Reference, --oref)]]`, `[[에이전틱 크리에이티브(Agentic Creative)]]`
+- **Related Topics:** `프롬프트 계층 구조(Prompt Hierarchical Structure)`, `매개변수 제어(Parameter Control)`, `[[부정 프롬프트(Negative Prompt)|부정 프롬프트(Negative Prompt)]]`, `[[에이전틱 AI (Agentic AI)|에이전틱 AI(Agentic AI)]]`
+- **Projects/Contexts:** `미드저니 V7 드래프트 모드(Midjourney V7 Draft Mode)`, `[[옴니 참조(Omni Reference, --oref)|옴니 참조(Omni Reference, --oref)]]`, `에이전틱 크리에이티브(Agentic Creative)`
 - **Contradictions/Notes:** 모델 아키텍처에 따라 '부정 지시어'를 처리하는 메커니즘에 뚜렷한 모순과 차이가 존재한다. 스테이블 디퓨전은 이미지의 해부학적 오류(예: extra fingers)나 저화질 요소를 제거하기 위해 명시적인 부정 프롬프트 작성이 필수적이지만 [17, 19, 25], DALL-E 3 모델은 "사용하지 말 것(no, without)"과 같은 부정 지시어를 오히려 해당 피사체를 그려내라는 의미로 오인하는 한계가 있어 모든 프롬프트를 긍정형으로 작성해야 한다 [21, 26]. 또한 미드저니 V7 모델은 시각적이고 미학적인 아이디어 탐색 워크플로우에는 최적화되어 있으나, 정확한 타이포그래피나 엄격한 레이아웃을 그대로 복제해야 하는 작업에는 적합하지 않다는 제한점이 관찰된다 [27, 28].

 ---
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 주요 UI 변경 시 최소 10%의 트래픽에 대해 A/B 테스트를 선행하며, 데이터 기반의 근거 없이는 레이아웃 변경을 승인하지 않는 'Evidence-based Design' 정책을 고수함.

 ## 🔗 지식 연결 (Graph)
- User-Centered-Design, Conversion-Rate-Optimization-CRO, [[Hypothesis-Testing]], Product-Management-Best-Practices
+- User-Centered-Design, Conversion-Rate-Optimization-CRO, [[Hypothesis-Testing|Hypothesis-Testing]], Product-Management-Best-Practices
 - **Raw Source:** 00_Raw/A-B 테스트 및 데이터 기반 UX 검증 환경.md
@@ -1,4 +1,4 @@
-# [[A2A (Agent-to-Agent Protocol)]]
+# [[A2A (Agent-to-Agent Protocol)|A2A (Agent-to-Agent Protocol)]]

 ## 📌 Brief Summary
 A2A(Agent-to-Agent Protocol)는 2025년 Google이 공개한 에이전트 간 통신 및 작업 위임을 위한 오픈 프로토콜이다. 단일 하네스(Harness) 내부의 도구 접근을 표준화하는 MCP와 달리, 서로 다른 하네스에 존재하는 에이전트 간의 원격 통신, 작업 위임, 상태 공유를 표준화한다. HTTPS와 Server-Sent Events(SSE)를 전송 계층으로 활용하여 에이전트 간의 장기 실행 작업을 스트리밍하고 통제 가능한 다중 에이전트 생태계를 구축하는 데 핵심적인 역할을 한다.
@@ -21,18 +21,18 @@ A2A(Agent-to-Agent Protocol)는 2025년 Google이 공개한 에이전트 간 통
 ### Related Concepts

 #### [아키텍처 및 기반 기술]
-*   [[MCP (Model Context Protocol)]]
+*   [[MCP (Model Context Protocol)|MCP (Model Context Protocol)]]
    *   연결 이유: A2A가 하네스 외부의 에이전트 간(Agent-to-Agent) 통신을 담당한다면, MCP는 하네스 내부의 에이전트와 도구 간(Agent-to-Tool) 통신을 담당하여 함께 통합된 하네스 통신 스택을 이룬다.
    *   이 개념을 통해 더 깊게 이해할 수 있는 부분: 하네스 아키텍처 내에서 도구 제어(T-component)와 에이전트 위임(E-component) 사이의 구조적 역할 분담 및 상호작용.
-*   [[E-component (Execution Loop)]]
+*   [[E-component (Execution Loop)|E-component (Execution Loop)]]
    *   연결 이유: A2A 프로토콜은 에이전트의 실행 루프를 다중 에이전트로 확장할 때, 하네스의 E-component가 다중 에이전트 조정을 표준화하고 위임하는 통로 역할을 한다.
    *   이 개념을 통해 더 깊게 이해할 수 있는 부분: 에이전트 간 통신이 단순한 API 호출을 넘어, 상태 머신 및 실행 루프의 제어 흐름(Control Flow)에 어떻게 안전하게 통합되는지 이해할 수 있다.
-*   [[ACP (Agent Communication Protocol)]]
+*   [[ACP (Agent Communication Protocol)|ACP (Agent Communication Protocol)]]
    *   연결 이유: IBM이 개발한 상위 수준의 의도(Intent) 통신 프로토콜로, 2025년에 A2A와 통합되어 에이전트 상호운용성 표준을 단일화했다.
    *   이 개념을 통해 더 깊게 이해할 수 있는 부분: "의도 전달(ACP) -> 작업 위임(A2A) -> 도구 실행(MCP)"으로 이어지는 다중 에이전트 시스템의 3계층 통신 추상화 모델.

 #### [운영 및 거버넌스 프레임워크]
-*   [[Zoned Governance Framework]]
+*   Zoned Governance Framework
    *   연결 이유: A2A를 통한 에이전트 간 위임 시 데이터 유출이나 권한 남용을 막기 위해 환경과 권한을 여러 존(Zone)으로 분리하고 제한하는 정책적 프레임워크가 요구된다.
    *   이 개념을 통해 더 깊게 이해할 수 있는 부분: 높은 보안이 요구되는 에이전트가 낮은 권한의 에이전트를 호출하거나 그 반대의 상황이 발생할 때 요구되는 신뢰 경계(Trust Boundary) 설정 방법.

@@ -49,9 +49,9 @@ A2A(Agent-to-Agent Protocol)는 2025년 Google이 공개한 에이전트 간 통
 *   **Operation / Maintenance:** A2A 호출 내역을 관찰(Observability)하고 로깅하여, 에이전트 간의 무한 위임 루프나 예기치 않은 우회 호출 패턴을 탐지하고 보안 거버넌스(Trust Boundaries)를 유지하는 감사(Audit) 인프라를 운영한다.

 ### Adjacent Topics
-*   [[Multi-Agent Orchestration]]
+*   Multi-Agent Orchestration
    *   확장 방향: 다수의 에이전트를 조율하는 아키텍처 패턴(Hierarchical, Market-based, Role-Based 등)을 연구하여 A2A 통신이 실제 에이전트의 작업 분배 토폴로지와 어떻게 결합되는지 탐구한다.
-*   [[Agent Identity Management]]
+*   [[Agent Identity Management|Agent Identity Management]]
    *   확장 방향: 에이전트가 서로를 원격으로 호출할 때 필요한 식별 체계(Entra ID, OAuth2 토큰 위임 등)와 분산 시스템에서의 에이전트 인증 기술을 깊이 있게 확장하여 학습한다.

 ---
@@ -1,13 +1,13 @@
 ---
 id: b3c4d5e6-f7a8-4b9c-0d1e-2f3a4b5c6d7e
-category: "[[10_Wiki/Topics/AI]]"
+category: "10_Wiki/Topics/AI"
 confidence_score: 0.97
 tags: [a2a, agent, protocol, multi-agent, communication, infrastructure]
 last_reinforced: 2026-05-01
 github_commit: "wikification-a2a"
 ---

-# [[Agent-to-Agent (A2A)]]
+# Agent-to-Agent (A2A)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > A2A는 서로 다른 하네스나 원격지에 위치한 에이전트들이 작업을 위임하고 상태를 공유하며 협업할 수 있도록 돕는 상호운용성 네트워크 표준 프로토콜이다.
@@ -31,9 +31,9 @@ github_commit: "wikification-a2a"
 - **오케스트레이션 복잡성**: 에이전트가 많아질수록 통신 지연과 상태 불일치 문제가 발생하며, 이를 관리하기 위한 분산 시스템 수준의 설계가 요구된다.

 ## 🔗 지식 연결 (Graph)
- **Parent**: [[10_Wiki/Topics/AI]]
- **Related**: [[Agent Harness]], [[Model Context Protocol (MCP)]], [[Agentic Software Engineering]]
- **Raw Source**: [[00_Raw/Agent-to-Agent (A2A)]]
+- **Parent**: 10_Wiki/Topics/AI
+- **Related**: [[Agent Harness|Agent Harness]], [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]], [[Agentic_Software_Engineering|Agentic Software Engineering]]
+- **Raw Source**: 00_Raw/Agent-to-Agent (A2A)

 ## 💻 GitHub 동기화 자동화 워크플로우
 1. Stage: git add .
@@ -1,4 +1,4 @@
-# [[ACP (Agent Communication Protocol)]]
+# [[ACP (Agent Communication Protocol)|ACP (Agent Communication Protocol)]]

 ## 📌 Brief Summary
 ACP(Agent Communication Protocol)는 에이전트 간의 고수준 의도(High-level intent), 목표(Goals), 그리고 복잡한 협업 시퀀스를 정의하기 위해 설계된 통신 규약이다. 2025년 Google의 A2A(Agent-to-Agent Protocol)와 IBM의 기존 에이전트 프레임워크가 통합되면서 다중 에이전트 시스템의 상호운용성을 보장하는 핵심 표준으로 자리 잡았다. 단순한 데이터 전달을 넘어 에이전트 간의 '의도 파악'과 '동적 협상'을 가능하게 한다.
@@ -20,15 +20,15 @@ ACP(Agent Communication Protocol)는 에이전트 간의 고수준 의도(High-l
 ### Related Concepts

 #### [통신 및 상호운용성]
-*   [[A2A (Agent-to-Agent Protocol)]]
+*   [[A2A (Agent-to-Agent Protocol)|A2A (Agent-to-Agent Protocol)]]
    *   연결 이유: ACP가 고수준의 협업 의도를 다룬다면, A2A는 실제 작업의 실행 위임과 데이터 스트리밍을 담당하는 하위 전송/실행 계층이다.
-*   [[MCP (Model Context Protocol)]]
+*   [[MCP (Model Context Protocol)|MCP (Model Context Protocol)]]
    *   연결 이유: 에이전트가 ACP를 통해 협업을 결정하고 A2A로 작업을 위임받은 후, 실제 시스템 도구를 호출할 때 사용하는 가장 하위의 도구 접근 표준이다.

 #### [실행 및 거버넌스]
-*   [[Multi-Agent Orchestration]]
+*   Multi-Agent Orchestration
    *   연결 이유: ACP는 다중 에이전트 환경에서 에이전트들이 스스로 역할을 분담하고 목표를 달성하기 위해 소통하는 '언어' 역할을 한다.
-*   [[Agent Identity Management]]
+*   [[Agent Identity Management|Agent Identity Management]]
    *   연결 이유: 안전한 ACP 통신을 위해서는 메시지를 보내는 에이전트의 신원과 권한을 명확히 검증할 수 있는 신뢰 기반의 인증 시스템이 선행되어야 한다.

 ### Deeper Research Questions
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 최종 비전은 개별 도구로서의 AI를 넘어, 사용자의 모든 업무와 지식 관리를 통합적으로 보조하는 'Personal AGI'급 에이전트 환경 구축에 있음.

 ## 🔗 지식 연결 (Graph)
- [[LLM]], Theory-of-Mind-ToM-in-AI, [[AI-Alignment]], Symbolic-AI-vs-Connectionism
+- [[LLM|LLM]], Theory-of-Mind-ToM-in-AI, [[AI-Alignment|AI-Alignment]], Symbolic-AI-vs-Connectionism
 - **Raw Source:** 10_Wiki/Topics/AI/AGI.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
 ---

-# [[AI Connect LLM Tool]]
+# [[AI Connect LLM Tool|AI Connect LLM Tool]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > **Connect AI**는 100% 로컬 및 오프라인 환경에서 작동하는 VS Code 전용 프리미엄 AI 코딩 에이전트입니다. 외부 서버 연결 없이 사용자의 하드웨어(Ollama/LM Studio)를 직접 활용하여 파일 생성, 편집, 터미널 명령 실행 및 개인 지식 기반(Second Brain) 연동을 지원합니다.
@@ -1,4 +1,4 @@
-# [[AI Image Generation Workflow]]
+# [[AI Image Generation Workflow|AI Image Generation Workflow]]

 ## 📌 Brief Summary
 AI 이미지 생성 워크플로우는 사용자의 텍스트 기반 프롬프트를 해석하여 시각적 기호 및 데이터로 변환하는 일련의 과정이다 [1, 2]. 초기 아이디어를 구체적인 주체, 매체, 스타일, 조명 등의 층위로 구조화하여 프롬프트를 작성하는 것에서 출발한다 [2, 3]. 이후 모델별 특성에 맞춰 초기 이미지를 생성하고, 네거티브 프롬프트, 인페인팅(Inpainting), 아웃페인팅(Outpainting) 등을 통해 결과물을 반복적으로 정교화하여 최종 이미지를 완성한다 [4-6].
@@ -18,8 +18,8 @@ AI 이미지 생성 워크플로우는 사용자의 텍스트 기반 프롬프
  * **부분 수정 및 시야 확장:** 미드저니의 'Vary (Region)'과 같은 인페인팅 기능을 사용해 이미지의 전체적인 맥락을 유지한 채 특정 영역(예: 인물의 모자)만 수정하거나, 'Zoom Out(아웃페인팅)'을 통해 캔버스 밖의 배경을 자연스럽게 확장한다 [5, 28-30].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Prompt Engineering]], [[Negative Prompts]], [[Image Parameters]], [[Inpainting & Outpainting]]
- **Projects/Contexts:** [[Midjourney V7 Draft Mode]], [[DALL-E 3 Synthetic Captioning]]
+- **Related Topics:** [[Prompt Engineering|Prompt Engineering]], [[Negative Prompts|Negative Prompts]], [[Image Parameters|Image Parameters]], [[Inpainting & Outpainting|Inpainting & Outpainting]]
+- **Projects/Contexts:** [[Midjourney V7 Draft Mode|Midjourney V7 Draft Mode]], [[DALL-E 3 Synthetic Captioning|DALL-E 3 Synthetic Captioning]]
 - **Contradictions/Notes:** DALL-E 3는 "no", "without"과 같은 부정형 지시어를 잘 이해하지 못해 오히려 해당 객체를 생성할 위험이 있으므로 모든 지시를 긍정형 문장으로 우회해야 하는 반면 [20, 31], 스테이블 디퓨전은 구조화된 네거티브 프롬프트 섹션을 통해 워터마크나 신체 왜곡 등의 결함을 적극적으로 차단해야 한다는 점에서 플랫폼별 대응 방식에 뚜렷한 차이가 존재한다 [23, 26, 32].

 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-safety, alignment, existential-risk, robustness, eval
 last_reinforced: 2026-04-20
 ---

-# [[AI Safety]]
+# [[AI Safety|AI Safety]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 고비를 넘는 안전장치: AI가 인간의 의도를 오해하거나 예측 불가능하게 행동하여 신체적, 정신적, 사회적 피해를 입히지 않도록 연구하는 기술적 보안 및 예방 체계."
@@ -26,6 +26,6 @@ AI 안전(AI Safety)은 AI 시스템이 설계된 목표 내에서만 안전하
 - **정책 변화(RL Update)**: 단순히 기술적 안전을 넘어, 사회적 가치와 공존하는지 검증하는 '거버넌스 연계형 AI 안전 정책'이 글로벌 안전 서밋(UK AI Safety Summit 등)의 핵심 의제가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Alignment]], [[AI Governance]], [[Safety & Reliability]], Generative-AI-Safety, [[Ethics & AI]]
+- [[Alignment|Alignment]], [[AI Governance|AI Governance]], [[Safety & Reliability|Safety & Reliability]], Generative-AI-Safety, [[Ethics & AI|Ethics & AI]]
 - **Modern Tech/Tools**: RLHF (Reinforcement Learning from Human Feedback), Jailbreak testing, Model evaluation suites.
 ---
@@ -1,4 +1,4 @@
-# [[AI 모델 사후 편집 도구 (Post-editing Tools)]]
+# [[AI 모델 사후 편집 도구 (Post-editing Tools)|AI 모델 사후 편집 도구 (Post-editing Tools)]]

 ## 📌 Brief Summary
 AI 모델 사후 편집 도구는 인공지능을 통해 처음 생성된 이미지의 전체적인 맥락과 화풍을 유지하면서 특정 영역을 수정, 정교화 또는 확장할 수 있게 해주는 기능들입니다 [1, 2]. 대표적으로 인페인팅(Vary Region), 아웃페인팅(Zoom Out, Pan), 리믹스(Remix), 업스케일링(Upscale) 등이 포함됩니다 [3-5]. 이러한 도구들은 단발성 프롬프트 입력의 한계를 극복하고, 첫 결과물을 베이스 이미지로 삼아 점진적으로 창작자의 시각적 의도에 맞게 다듬어가는 프롬프트 엔지니어링의 핵심 과정으로 활용됩니다 [2, 5].
@@ -16,8 +16,8 @@ AI 모델 사후 편집 도구는 인공지능을 통해 처음 생성된 이미
  프롬프트 작성은 한 번에 끝나는 것이 아니라 AI와의 반복적인 협업 과정입니다 [2, 15, 16]. 첫 이미지를 베이스로 삼고 사후 편집 도구들을 활용해 점진적으로 수정해 나가는 것이 중요합니다 [2, 5]. 영역을 선택해 편집할 때는 수정하려는 대상뿐만 아니라 주변의 여백을 충분히 포함하여 선택해야 AI가 주변과의 연결성 및 맥락을 파악하여 자연스러운 합성을 수행할 수 있습니다 [2, 17].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[반복적 정교화 (Iterative Refinement)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 파라미터 제어 (Prompt Parameter Control)]]
- **Projects/Contexts:** [[생성적 AI 이미징의 반복적 작업 프로세스 (Iterative Workflow of Generative AI Imaging)]], [[미드저니 및 스테이블 디퓨전의 부분 편집 기법]]
+- **Related Topics:** [[반복적 정교화 (Iterative Refinement)|반복적 정교화 (Iterative Refinement)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)|인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 파라미터 제어 (Prompt Parameter Control)|프롬프트 파라미터 제어 (Prompt Parameter Control)]]
+- **Projects/Contexts:** [[생성적 AI 이미징의 반복적 작업 프로세스 (Iterative Workflow of Generative AI Imaging)|생성적 AI 이미징의 반복적 작업 프로세스 (Iterative Workflow of Generative AI Imaging)]], [[미드저니 및 스테이블 디퓨전의 부분 편집 기법|미드저니 및 스테이블 디퓨전의 부분 편집 기법]]
 - **Contradictions/Notes:** 편집하고자 하는 영역을 선택할 때, 선택 영역이 너무 작을 경우 AI가 주변 맥락을 파악하기 어려워 결과물이 부자연스러울 수 있으므로 충분한 맥락(Context)을 제공할 수 있을 만큼의 크기로 영역을 지정해야 한다는 실무적인 주의사항이 존재합니다 [2, 17].

 ---
@@ -1,4 +1,4 @@
-# [[AI 이미지 생성 (AI Image Generation)]]
+# [[AI 이미지 생성 (AI Image Generation)|AI 이미지 생성 (AI Image Generation)]]

 ## 📌 Brief Summary
 AI 이미지 생성은 텍스트 형태의 프롬프트나 기존 이미지를 기계가 해석 가능한 구체적 좌표로 변환하여 새로운 시각적 결과물을 만들어내는 기술이다 [1, 2]. 효과적인 이미지를 얻기 위해서는 모호한 지시를 피하고 주체, 스타일, 조명, 구도 등을 명확히 규정하는 계층적 구조의 프롬프트를 작성해야 한다 [2-4]. 또한 각 AI 모델(Midjourney, DALL-E 3, Stable Diffusion 등)이 가진 고유한 매개변수 문법과 부정 프롬프트 활용법을 이해하여 결과물을 세밀하게 통제하는 고도화된 프롬프트 엔지니어링 능력이 필수적이다 [5, 6].
@@ -27,8 +27,8 @@ AI 모델은 저마다 다른 아키텍처와 훈련 데이터를 가지므로
 *   Midjourney의 인페인팅 기능인 'Vary (Region)'을 활용하면 전체 화풍과 맥락을 유지하면서 잘못된 손가락을 고치거나 특정 객체를 추가하는 등 부분적인 수정이 가능하며 [41-44], 'Zoom Out' (아웃페인팅) 기능을 통해 캔버스 밖의 환경을 논리적으로 확장할 수 있다 [41, 43, 45].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)]], [[매개변수 및 가중치 (Parameters and Weights)]], [[부정 프롬프트 (Negative Prompt)]], [[디퓨전 모델 (Diffusion Models)]]
- **Projects/Contexts:** [[생성형 AI를 활용한 상업적/예술적 콘텐츠 시각화 (Commercial/Artistic Visual Content Creation via Gen AI)]], [[플랫폼별(Midjourney, DALL-E 3, Stable Diffusion) 이미지 생성 워크플로우 최적화]]
+- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]], 매개변수 및 가중치 (Parameters and Weights), [[부정 프롬프트 (Negative Prompt)|부정 프롬프트 (Negative Prompt)]], [[디퓨전 모델 (Diffusion Models)|디퓨전 모델 (Diffusion Models)]]
+- **Projects/Contexts:** 생성형 AI를 활용한 상업적/예술적 콘텐츠 시각화 (Commercial/Artistic Visual Content Creation via Gen AI), 플랫폼별(Midjourney, DALL-E 3, Stable Diffusion) 이미지 생성 워크플로우 최적화
 - **Contradictions/Notes:** DALL-E 3는 부정어(예: not, no, without)를 처리하는 능력이 매우 취약하여 오히려 원치 않는 대상을 이미지에 포함시킬 가능성이 크므로 모든 지시를 긍정적인 속성으로 묘사해야 한다 [22, 24]. 반면, Stable Diffusion은 명시적인 부정 프롬프트(Negative prompt) 입력 시스템을 통해 기형적이거나 원치 않는 요소를 효과적이고 필수적으로 차단한다는 차이점이 있다 [27, 31, 33].

 ---
@@ -1,4 +1,4 @@
-# [[AI 이미지 생성 도구 및 매개변수]]
+# [[AI 이미지 생성 도구 및 매개변수|AI 이미지 생성 도구 및 매개변수]]

 ## 📌 Brief Summary
 AI 이미지 생성 도구는 사용자의 텍스트 프롬프트를 해석하여 시각적 결과물로 변환하는 플랫폼으로, 대표적으로 Midjourney, DALL-E 3, Stable Diffusion 등이 있습니다[1, 2]. 매개변수(Parameters)는 프롬프트에 추가되어 이미지의 종횡비, 예술적 스타일의 강도, 무작위성 등을 정밀하게 제어하는 명령어 및 가중치 시스템입니다[3-5]. 각 생성 도구는 고유한 알고리즘과 명령어 문법을 가지므로, 이를 적절히 활용하는 것이 성공적인 프롬프트 작성의 핵심입니다[6, 7].
@@ -20,7 +20,7 @@ AI 이미지 생성 도구는 사용자의 텍스트 프롬프트를 해석하
 *   **가중치 제어 (Weights)**: Stable Diffusion의 경우 `(keyword:factor)` 형태(예: `(dog:1.1)`) 또는 괄호를 중첩하여 특정 단어의 중요도와 강도를 숫자로 세밀하게 조정합니다[5, 17, 30, 31]. Midjourney에서는 다중 프롬프트를 분리할 때 `::` 기호를 써서 개별 요소의 가중치를 설정할 수 있습니다[32, 33].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 구조 및 문법]], [[부정 프롬프트(Negative Prompt)]], [[스타일 및 캐릭터 참조(References)]]
+- **Related Topics:** [[프롬프트 구조 및 문법|프롬프트 구조 및 문법]], [[부정 프롬프트(Negative Prompt)|부정 프롬프트(Negative Prompt)]], [[스타일 및 캐릭터 참조(References)|스타일 및 캐릭터 참조(References)]]
 - **Projects/Contexts:** 사용자가 각기 다른 아키텍처를 지닌 AI 플랫폼(Midjourney, DALL-E, Stable Diffusion 등)의 특성을 파악하고, 각 모델의 '방언'에 해당하는 매개변수와 가중치를 조절하여 본인이 의도한 미학적, 상업적 이미지를 완벽하게 구현하려는 맥락
 - **Contradictions/Notes:** DALL-E 3는 사용자의 자연어 묘사나 복잡한 지시를 따르는 데는 탁월하지만 "not", "no", "without"과 같은 부정 지시어를 잘 처리하지 못하고 오히려 해당 객체를 생성하는 경향이 있습니다[14, 34, 35]. 반면 Midjourney나 Stable Diffusion은 `--no` 매개변수 또는 전용 '부정 프롬프트' 섹션을 활용하여 원치 않는 요소(예: 손가락 기형, 워터마크 등)를 매우 효과적으로 제거할 수 있습니다[5, 18, 25].

@@ -1,4 +1,4 @@
-# [[AI 이미지 생성 및 편집 워크플로우 (AI Image Generation & Editing Workflow)]]
+# [[AI 이미지 생성 및 편집 워크플로우 (AI Image Generation & Editing Workflow)|AI 이미지 생성 및 편집 워크플로우 (AI Image Generation & Editing Workflow)]]

 ## 📌 Brief Summary
 AI 이미지 생성 및 편집 워크플로우는 텍스트 아이디어를 시각적 결과물로 변환한 후, 사후 편집 도구와 반복적인 프롬프트 수정을 통해 결과물을 정교화하는 일련의 과정이다 [1, 2]. 단 한 번의 완벽한 프롬프트로 결과물을 얻기보다는, 초기 베이스 이미지(Base Image)를 생성하고 점진적으로 수정해 나가는 협업적 접근 방식을 취한다 [2, 3]. 이 과정에는 인페인팅(Vary Region), 아웃페인팅(Zoom Out/Pan), 업스케일링(Upscale), 리믹스(Remix) 등의 기술적 제어 도구가 필수적으로 활용된다 [4, 5].
@@ -11,8 +11,8 @@ AI 이미지 생성 및 편집 워크플로우는 텍스트 아이디어를 시
 *   **업스케일링 및 리믹스 (Upscale & Remix):** '업스케일(Upscale)'은 이미지의 크기를 키우고 미세한 디테일(피부 모공, 천의 질감 등)을 추가하여 최종적인 완성도를 높이는 작업이다 [4, 14]. '리믹스(Remix)' 기능은 기존 이미지의 생성 기반을 유지하면서 프롬프트 텍스트나 매개변수 설정을 변경하여 창의적인 방향성을 새롭게 유도할 때 활용된다 [15, 16].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)]], [[인페인팅 및 아웃페인팅 (Inpainting & Outpainting)]], [[반복적 정교화 (Iterative Refinement)]], [[네거티브 프롬프트 (Negative Prompt)]]
- **Projects/Contexts:** [[미드저니(Midjourney) V7 초안 기반 워크플로우]], [[AI 모델 사후 편집 도구 (Post-editing Tools)]]
+- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]], [[인페인팅 및 아웃페인팅 (Inpainting & Outpainting)|인페인팅 및 아웃페인팅 (Inpainting & Outpainting)]], [[반복적 정교화 (Iterative Refinement)|반복적 정교화 (Iterative Refinement)]], [[네거티브 프롬프트 (Negative Prompt)|네거티브 프롬프트 (Negative Prompt)]]
+- **Projects/Contexts:** [[미드저니(Midjourney) V7 초안 기반 워크플로우|미드저니(Midjourney) V7 초안 기반 워크플로우]], [[AI 모델 사후 편집 도구 (Post-editing Tools)|AI 모델 사후 편집 도구 (Post-editing Tools)]]
 - **Contradictions/Notes:** 초보자들은 하나의 길고 복잡한 프롬프트로 완벽한 이미지를 한 번에 생성하려 하지만, 소스는 숙련된 워크플로우일수록 단순한 프롬프트로 시작해 모델의 결과를 확인한 후, 인페인팅이나 리믹스 등 사후 편집 기능과 점진적 수정을 활용하는 '반복적인 과정'임을 일관되게 강조하고 있습니다 [3, 6, 8].

 ---
@@ -1,4 +1,4 @@
-# [[AI 이미지 생성 워크플로우 (AI Image Generation Workflow)]]
+# [[AI 이미지 생성 워크플로우 (AI Image Generation Workflow)|AI 이미지 생성 워크플로우 (AI Image Generation Workflow)]]

 ## 📌 Brief Summary
 AI 이미지 생성 워크플로우는 창작자가 텍스트 프롬프트를 입력하여 초기 이미지를 생성한 후, 반복적인 수정과 세부 조정을 통해 최종 결과물을 완성하는 일련의 과정이다 [1-3]. 이 과정은 명확한 피사체(Subject), 스타일, 조명 등의 뼈대를 잡는 단순한 프롬프트로 시작하여, 결과물을 평가한 뒤 점진적으로 부정 프롬프트(Negative Prompt)와 세부 매개변수를 추가하며 발전시킨다 [4-6]. 최근에는 단일 이미지 생성을 넘어 시안(Draft)을 빠르게 대량 생산하고 최적의 구도를 선택하거나, 일관된 스타일 참조 기능을 활용하는 등 전문가 수준의 파이프라인으로 진화하고 있다 [7, 8].
@@ -17,8 +17,8 @@ AI 이미지 생성 워크플로우는 창작자가 텍스트 프롬프트를
    성공적인 워크플로우를 위한 프롬프트는 논리적인 계층 구조를 가진다. 일반적으로 주체(Subject), 맥락/환경(Context/Environment), 스타일/매체(Style/Medium), 기술적 세부사항(Technical Details: 구도 및 조명)의 순서나 결합으로 구성하여 AI가 우선순위를 쉽게 파악할 수 있도록 돕는다 [5, 33, 34].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)]], [[부정 프롬프트 (Negative Prompt)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 가중치 (Prompt Weights)]]
- **Projects/Contexts:** [[미드저니 V7 드래프트 모드 (Midjourney V7 Draft Mode)]], [[DALL-E 3와 ChatGPT 통합 워크플로우]]
+- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]], [[부정 프롬프트 (Negative Prompt)|부정 프롬프트 (Negative Prompt)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)|인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 가중치 (Prompt Weights)|프롬프트 가중치 (Prompt Weights)]]
+- **Projects/Contexts:** 미드저니 V7 드래프트 모드 (Midjourney V7 Draft Mode), DALL-E 3와 ChatGPT 통합 워크플로우
 - **Contradictions/Notes:** 부정 프롬프트 사용과 관련하여, Stable Diffusion에서는 원치 않는 요소를 배제하고 이미지 품질을 높이기 위한 필수적이고 강력한 도구로 활용되지만 [21, 24, 35], DALL-E 3 모델은 "No", "Without"과 같은 부정 지시어를 잘 처리하지 못하고 오히려 해당 요소를 생성해버리는 경향이 있어 긍정형 문장 위주로 프롬프트를 구성해야 한다는 기술적 차이점이 있다 [16, 36, 37].

 ---
@@ -1,4 +1,4 @@
-# [[AI 이미지 생성 파이프라인]]
+# [[AI 이미지 생성 파이프라인|AI 이미지 생성 파이프라인]]

 ## 📌 Brief Summary
 AI 이미지 생성 파이프라인은 사용자가 입력한 텍스트 프롬프트나 기존 이미지를 기계가 해석 가능한 데이터로 변환하여 시각적 결과물을 만들어내는 과정이다 [1, 2]. 이 과정의 핵심은 추상적인 텍스트 기호를 잠재 공간(Latent Space)의 구체적 좌표로 매핑하여 픽셀 단위로 구현하는 것이다 [2]. 주로 확산 모델(Diffusion Models), 생성적 적대 신경망(GANs), 변분 자동인코더(VAEs) 등의 기계 학습 아키텍처를 기반으로 작동하며, 특히 확산 모델은 무작위 노이즈에서 시작해 점진적으로 노이즈를 제거하며 사용자의 의도에 맞는 이미지를 형성한다 [3-6].
@@ -17,8 +17,8 @@ AI 이미지 생성 파이프라인은 사용자가 입력한 텍스트 프롬
    최신 AI 이미지 생성 파이프라인은 단발성 생성에서 '연속적 창작 워크플로우'로 진화했다 [13]. 미드저니 V7의 드래프트 모드(Draft Mode)처럼 저비용·초고속으로 대량의 시안을 생성한 뒤 최적의 결과물을 고화질로 승격시키는 설계가 도입되었다 [13-15]. 더 나아가 생성된 정적 이미지를 비디오로 변환하는 단계까지 파이프라인이 매끄럽게 연결되며, 스타일 참조(--sref) 및 객체 참조(--oref) 기능을 통해 파이프라인 전반에 걸쳐 미학적 일관성을 유지할 수 있게 되었다 [13, 14, 16, 17].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Diffusion Models]], [[Latent Space]], [[Prompt Engineering]], [[Negative Prompt]]
- **Projects/Contexts:** [[Midjourney V7/V8 Alpha]], [[DALL-E 3]], [[Stable Diffusion]]
+- **Related Topics:** [[Diffusion Models|Diffusion Models]], Latent Space, [[Prompt Engineering|Prompt Engineering]], [[Negative Prompt|Negative Prompt]]
+- **Projects/Contexts:** Midjourney V7/V8 Alpha, [[DALL-E 3|DALL-E 3]], [[Stable Diffusion|Stable Diffusion]]
 - **Contradictions/Notes:** 소스 39와 17에서는 미드저니(Midjourney) 파이프라인이 매개변수(Parameter)를 통한 수치 제어 및 고유의 예술적 개입에 의존한다고 설명하는 반면, 소스 20 및 21에서는 DALL-E 3의 파이프라인이 매개변수 대신 자연어에 크게 의존하며 GPT-4가 사용자의 프롬프트를 자동으로 상세하게 확장(Expansion)하여 이미지를 생성한다고 분석하여 플랫폼 간의 프롬프트 처리 파이프라인 설계에 차이가 있음을 보여준다 [18-20].

 ---
@@ -1,4 +1,4 @@
-# [[AI 이미지 품질 최적화 및 디버깅 (Image Quality Optimization & Debugging)]]
+# [[AI 이미지 품질 최적화 및 디버깅 (Image Quality Optimization & Debugging)|AI 이미지 품질 최적화 및 디버깅 (Image Quality Optimization & Debugging)]]

 ## 📌 Brief Summary
 AI 이미지 생성에서 품질 최적화 및 디버깅은 프롬프트 매개변수, 가중치 조절, 그리고 후보정 편집 기능을 활용하여 시각적 결과물의 완성도를 높이고 예기치 않은 오류를 수정하는 과정입니다. 고해상도 관련 키워드나 네거티브 프롬프트를 전략적으로 사용하여 원치 않는 시각적 결함을 사전에 차단합니다. 또한, 단 번에 완벽한 결과를 기대하기보다는 인페인팅(Inpainting)이나 드래프트 모드(Draft Mode) 등을 통해 문제 영역을 식별하고 점진적으로 개선해 나가는 반복적인 작업이 필수적입니다.
@@ -20,8 +20,8 @@ AI 이미지 생성에서 품질 최적화 및 디버깅은 프롬프트 매개
  DALL-E 3의 경우 창의적 한계를 넘는 지나치게 복잡한 지시를 내리면 모델이 이를 해결하지 못하고 이미지 내부에 무의미한 텍스트를 삽입해버리는 버그가 있습니다 [20, 21]. 이때는 프롬프트를 수정하거나 "For unlettered viewers only"라는 문구를 넣어 텍스트 삽입을 억제할 수 있습니다 [20, 21]. 또한 DALL-E 3에서 극사실주의 이미지를 얻기 위해 "photorealistic"이라는 단어를 사용하면 역설적으로 회화풍의 브러시 효과가 나타날 수 있으므로, "photo style"이라는 용어를 사용하는 것이 바람직합니다 [22, 23]. Midjourney V7 환경에서는 저비용, 고속으로 이미지를 테스트해볼 수 있는 `--draft` 모드를 활용해 구도와 프롬프트를 빠르게 최적화할 수 있습니다 [24-26].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[네거티브 프롬프트 (Negative Prompt)]], [[반복적 정교화 (Iterative Refinement)]], [[인페인팅 (Inpainting)]], [[가중치 제어 (Prompt Weighting)]]
- **Projects/Contexts:** [[Midjourney Vary Region 기능]], [[Stable Diffusion Syntax Troubleshooting]], [[DALL-E 3 Text Insertion Bug]]
+- **Related Topics:** [[네거티브 프롬프트 (Negative Prompt)|네거티브 프롬프트 (Negative Prompt)]], [[반복적 정교화 (Iterative Refinement)|반복적 정교화 (Iterative Refinement)]], [[인페인팅 (Inpainting)|인페인팅 (Inpainting)]], 가중치 제어 (Prompt Weighting)
+- **Projects/Contexts:** Midjourney Vary Region 기능, Stable Diffusion Syntax Troubleshooting, DALL-E 3 Text Insertion Bug
 - **Contradictions/Notes:** 네거티브 프롬프트를 사용할 때 포괄적이고 긴 실패 목록을 복사해 붙여넣는 것보다, 출력물을 확인한 뒤 눈에 띄는 구체적인 결함(예: "text, signature, watermark")만 적은 수로 타겟팅하는 것이 이미지의 구조적 붕괴나 스타일 손실을 막는 데 훨씬 효과적입니다 [5, 27, 28].

 ---
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 공용 지식 데이터 배포 시 SGE 크롤러가 자바스크립트 실행 없이 읽을 수 있도록 사전 렌더링(Pre-rendering)을 강제하며, AI가 선호하는 Q&A 블록을 본문에 반드시 포함하는 정책을 시행함.

 ## 🔗 지식 연결 (Graph)
- [[AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Core-Web-Vitals]], Semantic-HTML, Structured-Data-Markup
+- [[AI-Answer-Engine-Optimization|AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Core-Web-Vitals|Core-Web-Vitals]], Semantic-HTML, Structured-Data-Markup
 - **Raw Source:** 00_Raw/AI Overviews (SGE).md, 00_Raw/AI Overviews Visibility.md, 00_Raw/AI Overviews.md
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '개인화와 프라이버시의 균형' 정책을 준수하며, 모든 개인화 데이터 수집 시 사용자에게 투명하게 고지하고 스스로 최적화 수준을 결정할 수 있는 옵션을 제공함.

 ## 🔗 지식 연결 (Graph)
- User-Centered-Design, [[A-B-Testing-and-Data-Driven-UX]], Predictive-UX, [[Micro-interactions]], [[Ethical-Decision-Making]]
+- User-Centered-Design, [[A-B-Testing-and-Data-Driven-UX|A-B-Testing-and-Data-Driven-UX]], Predictive-UX, [[Micro-interactions|Micro-interactions]], [[Ethical-Decision-Making|Ethical-Decision-Making]]
 - **Raw Source:** 00_Raw/AI 개인화 및 적응형 UX.md, 00_Raw/Adaptive UX.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - API 응답 모델링 및 상태 머신(State Machine) 설계"
 ---

-# [[API 응답 모델링 및 상태 머신(State Machine) 설계]]
+# [[API 응답 모델링 및 상태 머신(State Machine) 설계|API 응답 모델링 및 상태 머신(State Machine) 설계]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > TypeScript에서 API 응답과 상태 머신을 설계할 때는 식별 가능한 유니온(Discriminated Unions) 패턴이 핵심적으로 활용된다 [1, 2]. 이 패턴은 공통 판별자(Discriminant) 속성을 통해 데이터의 다양한 상태를 구분하며, 유효하지 않은 상태가 코드에 표현되는 것을 원천적으로 차단한다 [1, 3, 4]. 결과적으로 네트워크 요청의 다양한 결과나 복잡한 UI 상태 전이를 컴파일 단계에서 안전하게 모델링하고 관리할 수 있도록 보장한다 [2, 5, 6].
@@ -30,7 +30,7 @@ github_commit: "[P-Reinforce] Continuous Worker - API 응답 모델링 및 상
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)]], [[타입 좁히기(Type Narrowing)]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)|완전성 검사(Exhaustiveness Checking)]], [[타입 좁히기(Type Narrowing)|타입 좁히기(Type Narrowing)]]
 - **Projects/Contexts:** 비동기 데이터 패칭(Async Data Fetching), 상태 머신 기반 UI 폼 및 라우터 관리
 - **Contradictions/Notes:** API 응답 데이터를 변환할 때 타입 캐스팅(`as`)을 사용하면 잉여 속성이 존재하거나 형태가 잘못되어도 컴파일러가 이를 조용히 허용하여 안전성이 떨어질 수 있다. 따라서 엄격한 타입 계약을 강제하기 위해서는 `as` 대신 `satisfies` 키워드를 활용하는 것이 권장된다 [14, 15].

@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 에이전트 간 통신에 gRPC 스트리밍을 우선 사용하며, 외부 웹 인터페이스 제공 시에는 SSE 표준을 준수하여 사용자 경험을 최적화함.

 ## 🔗 지식 연결 (Graph)
- System-Design-for-AI-Scale, [[LLM]], Streaming-Data-Processing, Microservices
+- System-Design-for-AI-Scale, [[LLM|LLM]], Streaming-Data-Processing, Microservices
 - **Raw Source:** 10_Wiki/Topics/AI/API-Design for AI Services.md
@@ -1,4 +1,4 @@
-# [[API-backed Image Generation Workflow]]
+# [[API-backed Image Generation Workflow|API-backed Image Generation Workflow]]

 ## 📌 Brief Summary
 API 기반 이미지 생성 워크플로우는 수동적인 이미지 창작을 프로그래밍 방식으로 제어 가능한 자동화 파이프라인으로 전환하는 프로세스를 의미합니다 [1, 2]. 이는 애플리케이션 내에서 생성 작업을 예약하고, 비동기 상태를 관리하며, 비용 효율적인 초안 모드(Draft Mode)를 거쳐 최종 이미지를 확정하는 일련의 과정을 포함합니다 [2-5]. 개발자와 기업은 이러한 API를 통해 고도의 프롬프트 엔지니어링 및 이미지/비디오 생성 기능을 외부 도구나 자체 서비스에 직접 통합할 수 있습니다 [6, 7].
@@ -10,8 +10,8 @@ API 기반 이미지 생성 워크플로우는 수동적인 이미지 창작을
 - **초안 모드(Draft Mode)를 활용한 비용 및 워크플로우 최적화:** 모든 프롬프트가 즉시 완성된 에셋을 도출해야 한다는 가정은 API 환경에서 비용을 높이고 비효율을 초래합니다 [4, 12]. 대신 처리 비용이 저렴한 초안 모드로 여러 구성의 시안을 생성한 뒤, 사용자가 유망한 방향을 선택하면 이를 고품질 결과물로 승격시키는(promote) 루프를 설계하는 것이 매우 중요합니다 [3, 4].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[비동기적 생성 상태 관리 (Async Generation State)]], [[프롬프트 데이터 모델링 (Prompt Data Modeling)]], [[초안 모드 (Draft Mode)]]
- **Projects/Contexts:** [[Midjourney V7 API Workflow]], [[Vertex AI Veo 3.1 API Integration]]
+- **Related Topics:** 비동기적 생성 상태 관리 (Async Generation State), 프롬프트 데이터 모델링 (Prompt Data Modeling), 초안 모드 (Draft Mode)
+- **Projects/Contexts:** Midjourney V7 API Workflow, Vertex AI Veo 3.1 API Integration
 - **Contradictions/Notes:** API 환경에서 프롬프트에 스타일 참조나 옴니 참조 기능을 적용하더라도 이미지 생성이 완벽하게 결정론적(deterministic)으로 이루어지는 것은 아니므로 프로덕션 팀은 이를 인지하고 워크플로우를 설계해야 합니다 [5]. 또한, 모델의 구성이 훌륭하다고 해서 텍스트 타이포그래피까지 정확하게 생성되는 것은 아니므로 정확한 텍스트가 필요한 경우 별도의 디자인 단계를 계획해야 합니다 [5].

 ---
@@ -5,7 +5,7 @@ tags: [API, Axios, Interceptor, Error Handling, Network]
 created: 2026-04-20
 ---

-# [[API_Communication_Patterns]] (API 통신 패턴)
+# [[API_Communication_Patterns|API_Communication_Patterns]] (API 통신 패턴)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 서버와의 대화는 항상 '정중하되 의심하며' 처리하라. 모든 요청은 중앙 통제소(Interceptor)를 거치고 모든 에러는 시나리오가 준비되어 있어야 한다.
@@ -22,5 +22,5 @@ created: 2026-04-20
 - 모든 통신에 Axios가 정답은 아니다. 브라우저 네이티브인 `fetch`로도 충분한 경우가 많으며, 라이브러리 의존성을 낮추는 것이 가벼운 앱을 만드는 첫걸음일 수 있다.

 ## 🔗 지식 연결 (Graph)
- Related: [[System_Protocol_Standard]] , [[React_State_Management_Strategy]]
- Foundation: [[Reliability_Safety_First]]
+- Related: [[System_Protocol_Standard|System_Protocol_Standard]] , [[React_State_Management_Strategy|React_State_Management_Strategy]]
+- Foundation: [[Reliability_Safety_First|Reliability_Safety_First]]
@@ -6,7 +6,7 @@ tags: [Accessibility, Compliance, Audit, AI, Web]
 last_reinforced: 2026-04-20
 ---

-# [[Accessibility-Compliance-Audit]] (접근성 준수 감사)
+# [[Accessibility-Compliance-Audit|Accessibility-Compliance-Audit]] (접근성 준수 감사)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모두를 위한 웹은 기술이 아니라 권리다." 시각 장애인이나 고령자 등 모든 사용자가 웹 사이트의 정보를 평등하게 얻고 있는지 기술적으로 검증하는 프로세스다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 접근성 감사는 한 번의 '합격'으로 끝나지 않는다. 코드가 업데이트될 때마다 접근성 점수가 소리 없이 무너질 수 있으므로, CI/CD 파이프라인에 접근성 자동 검사를 통합하는 것이 핵심이다.

 ## 🔗 지식 연결 (Graph)
- Related: UI-UX-Foundations , [[Automated-Security-Audits]]
+- Related: UI-UX-Foundations , [[Automated-Security-Audits|Automated-Security-Audits]]
 - Standard: Web-Content-Accessibility-Guidelines-WCAG
@@ -5,7 +5,7 @@ tags: [Accessibility, a11y, Semantic HTML, Inclusivity]
 created: 2026-04-20
 ---

-# [[Accessibility_Inclusivity]] (포용적 설계와 접근성)
+# [[Accessibility_Inclusivity|Accessibility_Inclusivity]] (포용적 설계와 접근성)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 웹은 '모두'를 위한 공간이어야 한다. 신체적 제약이 시스템 이용의 제약이 되지 않게 하는 것은 '매너'가 아니라 전문 개발자의 '책임'이다.
@@ -22,5 +22,5 @@ created: 2026-04-20
 - 접근성을 챙기는 것은 단순히 윤리적인 문제를 넘어, **SEO(검색 노출)** 성적과 직결된다. 구글 검색 로봇은 눈이 없기에, 스크린 리더와 유사한 방식으로 우리 사이트를 평가하기 때문이다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Styling_Governance]] , [[React_Clean_Code_Best_Practices]]
- Ethic: [[Collaboration_Governance]]
+- Related: [[Styling_Governance|Styling_Governance]] , [[React_Clean_Code_Best_Practices|React_Clean_Code_Best_Practices]]
+- Ethic: [[Collaboration_Governance|Collaboration_Governance]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, optimization, ad-hoc, process-efficiency, project-manage
 last_reinforced: 2026-04-20
 ---

-# [[Ad-hoc-Optimization]]
+# [[Ad-hoc-Optimization|Ad-hoc-Optimization]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "눈앞의 불만 끄기: 시스템 전체의 효율이나 장기적인 구조는 무시한 채, 지금 당장 문제가 되는 부분만 임시방편으로 빠르게 다듬어 '작동하는 것처럼' 보이게 만드는 조급한 최적화."
@@ -29,6 +29,6 @@ Ad-hoc 최적화(임시적 최적화)는 전체적인 설계 원칙(Standardizat
 - **정책 변화(RL Update)**: 인프라 운영 정책에서, 수동으로 Ad-hoc 설정을 변경하는 대신 모든 변화를 코드로 관리하는 'IaC (Infrastructure as Code) 정책'을 도입하여 임시방편적 개입을 원천 차단하는 방향으로 진화함.

 ## 🔗 지식 연결 (Graph)
- [[Standardization vs Innovation]], [[Workflow-Integrity]], [[Theory of Constraints (TOC)]], [[Software-Design-Principles]], [[Operations-Research]]
+- [[Standardization vs Innovation|Standardization vs Innovation]], [[Workflow-Integrity|Workflow-Integrity]], [[Theory of Constraints (TOC)|Theory of Constraints (TOC)]], [[Software-Design-Principles|Software-Design-Principles]], [[Operations-Research|Operations-Research]]
 - **Modern Tech/Tools**: Refactoring tools, Static code analysis, CI/CD automated testing.
 ---
@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AI-ADAPTIVE-COMPUTE
+id: [[P-Reinforce|P-Reinforce]]-AI-ADAPTIVE-COMPUTE
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
-tags: [AI, [[Efficiency]], AdaptiveCompute, Inference]
+tags: [AI, [[Efficiency|Efficiency]], AdaptiveCompute, Inference]
 last_reinforced: 2026-04-20
 ---

-# [[Adaptive Compute (적응형 계산량 조절)]]
+# [[Adaptive Compute (적응형 계산량 조절)|Adaptive Compute (적응형 계산량 조절)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "쉬운 문제는 대충, 어려운 문제는 신중하게." 모든 입력에 동일한 계산 자원을 낭비하지 않고, 과제 난이도에 따라 모델이 사용하는 연산량(층의 깊이, 활성 뉴런 수 등)을 유동적으로 조절하는 지능적 자원 배분 기술이다.
@@ -14,12 +14,12 @@ last_reinforced: 2026-04-20
 ## 📖 구조화된 지식 (Synthesized Content)
 - **Early Exit**: 모델의 중간 층에서 이미 결과가 확실하다면 최종 층까지 가지 않고 바로 결과를 출력하여 시간과 에너지를 아낌.
 - **MoE (Mixture of Experts)**: 거대 모델의 일부(전공 교수)만 활성화하여 특정 분야의 질문에만 자원을 집중함.
- **Dynamic Token [[Processing]]**: 문맥상 중요하지 않은 단어(조사 등)는 낮은 정밀도로 처리하고, 핵심적인 단어에 연산력을 몰아줌.
+- **Dynamic Token [[Processing|Processing]]**: 문맥상 중요하지 않은 단어(조사 등)는 낮은 정밀도로 처리하고, 핵심적인 단어에 연산력을 몰아줌.
 - **Inference Efficiency**: 동일한 정확도를 유지하면서 서빙 비용(GPU 소모)을 획기적으로 낮추는 핵심 열쇠다.

 ## ⚠️ 모순 및 업데이트 (RL Update)
 - 계산량을 줄이는 과정에서 모델의 '설명 가능성'이 파편화될 위험이 있다. 또한 어떤 문제가 '쉬운 문제'인지 판단하는 과정 자체가 또 다른 계산 오버헤드가 될 수 있으므로, 판단 로직을 극도로 가볍게 설계하는 것이 쟁점이다. 최근에는 OpenAI o1처럼 추론 시간을 의도적으로 늘려 성능을 극대화하는 '역방향' 적응형 계산 연구도 부상하고 있다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Model-Compression]] , Mixture of Experts (MoE)
- Modern Pattern: [[Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
+- Related: [[Model-Compression|Model-Compression]] , Mixture of Experts (MoE)
+- Modern Pattern: [[Test-Time Compute Scaling (추론 시간 계산 스케일링)|Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
@@ -1,4 +1,4 @@
-# [[Adaptive Context Compaction (적응형 컨텍스트 압축)]]
+# Adaptive Context Compaction (적응형 컨텍스트 압축)

 ## 📌 Brief Summary
 Adaptive Context Compaction은 에이전트의 현재 작업 상태, 토큰 소모량, 그리고 모델의 성능 유지 능력을 실시간으로 평가하여, 컨텍스트 윈도우 내의 정보를 동적으로 압축하거나 제거하는 최적화 기술이다. 모든 정보를 동일하게 요약하는 대신, 작업에 결정적인 정보는 원본을 유지하고 부수적인 정보는 고도로 압축하는 '가변적 압축률'을 적용하는 것이 핵심이다.
@@ -16,11 +16,11 @@ Adaptive Context Compaction은 에이전트의 현재 작업 상태, 토큰 소
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Context Engineering]]
+*   [[Context Engineering|Context Engineering]]
    *   연결 이유: 압축 기술은 컨텍스트 엔지니어링을 구현하는 핵심 수단이다.
-*   [[Summary Drift]]
+*   Summary Drift
    *   연결 이유: 과도하거나 반복적인 압축은 정보의 왜곡을 초래할 수 있다.
-*   [[Inference-Coupled Persistence]]
+*   [[Inference-Coupled Persistence|Inference-Coupled Persistence]]
    *   연결 이유: 압축된 정보를 영구 저장소에 저장하여 향후 세션에서 재활용한다.

 ### Deeper Research Questions
@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-ADCU-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-ADCU-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, curation, adaptation, information-filter, adaptive-content, customization]
 last_reinforced: 2026-04-20
 ---

-# [[Adaptive-Curation]]
+# [[Adaptive-Curation|Adaptive-Curation]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "당신만을 위한 세상의 가공: 쏟아지는 정보와 상품 중에서 사용자의 시시각각 변하는 맥락, 취향, 피드백을 실시간으로 반영하여 가장 가치 있는 것들만 정제해 보여주는 지능형 큐레이션."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 적응형 큐레이션이 '필터 버블'을 강화하고 확증 편향을 심화시킨다는 비판 정책이 제기됨에 따라, 의도적으로 사용자에게 상반된 의견을 노출시키는 '균형 잡힌 적응 큐레이션 정책' 도입이 공공 알고리즘의 의무 요건이 됨.

 ## 🔗 지식 연결 (Graph)
- Personalization, Exploitation vs Exploration, [[Reward Prediction Error]], Information Ethics, [[Superficiality-Metrics]]
+- Personalization, Exploitation vs Exploration, [[Reward Prediction Error|Reward Prediction Error]], Information Ethics, [[Superficiality-Metrics|Superficiality-Metrics]]
 - **Modern Tech/Tools**: TikTok recommendation engine, Spotify Daily Mix, Amazon's adaptive storefront.
 ---
@@ -6,7 +6,7 @@ tags: [Interface Design, UX, Human-Computer Interaction, AI]
 last_reinforced: 2026-04-20
 ---

-# [[Advanced-Interface-Design]] (고급 인터페이스 설계)
+# [[Advanced-Interface-Design|Advanced-Interface-Design]] (고급 인터페이스 설계)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "보이지 않는 인터페이스가 가장 훌륭한 인터페이스다." 사용자의 의도를 예측하고 대화를 최소화하면서도 완벽한 경험을 선사하는 고도의 심미적/공학적 설계 체계다.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20

 ## 🔗 지식 연결 (Graph)
 - Related: UI-UX-Foundations , Psychology_Cognitive_Science
- Context: [[Modern_Environment_Ecosystem]]
+- Context: [[Modern_Environment_Ecosystem|Modern_Environment_Ecosystem]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, aesthetics, value-theory, art-philosophy, design-princip
 last_reinforced: 2026-04-20
 ---

-# [[Aesthetic-Value]]
+# [[Aesthetic-Value|Aesthetic-Value]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "아름다움이라는 객관적 질서: 단순히 개인의 취향을 넘어, 대칭, 비례, 조화, 그리고 의외성이라는 요소를 통해 인간의 뇌에 쾌락과 경외감을 선사하는 시각적/지적 가치의 정수."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기업 브랜딩 및 제품 설계 정책에서, 기능성(Utility)만큼이나 '미적 독창성(Aesthetic Originality)'을 차별화의 핵심 전략 자산으로 관리하는 정책이 강화됨.

 ## 🔗 지식 연결 (Graph)
- [[Visual-Effects-VFX]], [[Style-Transfer]], Human-Computer Interaction (HCI), [[Symmetry-and-Invariance]], Foundational Models
+- [[Visual-Effects-VFX|Visual-Effects-VFX]], [[Style-Transfer|Style-Transfer]], Human-Computer Interaction (HCI), [[Symmetry-and-Invariance|Symmetry-and-Invariance]], Foundational Models
 - **Modern Tech/Tools**: Aesthetic reward models in Generative AI, Adobe Firefly, Midjourney.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, affordance, interaction-design, psychology, design-theor
 last_reinforced: 2026-04-20
 ---

-# [[Affordance]]
+# [[Affordance|Affordance]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "설명 없이도 알게 하는 행동의 유도: 버튼은 누르고 싶게, 손잡이는 잡고 싶게 만드는 것처럼, 사물의 형태 자체가 인간에게 '어떻게 행동해야 할지'를 본능적으로 알려주는 직관적 설계의 힘."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보조 공학 및 접근성 정책에서, 시각장애인이나 고령자 등 모든 사용자가 사물의 어포던스를 균등하게 느낄 수 있도록 하는 '유니버설 어포던스 가이드라인' 준수가 법적 의무 정책으로 강화됨.

 ## 🔗 지식 연결 (Graph)
- Human-Computer Interaction (HCI), [[Aesthetic-Value]], [[Psychology & Behavior]], [[Software-Design-Principles]], [[Robotics]]
+- Human-Computer Interaction (HCI), [[Aesthetic-Value|Aesthetic-Value]], [[Psychology & Behavior|Psychology & Behavior]], [[Software-Design-Principles|Software-Design-Principles]], [[Robotics|Robotics]]
 - **Modern Tech/Tools**: Apple Human Interface Guidelines, Material Design (Google), Haptic feedback systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agent-architecture, ai-agents, cognitive-architecture, m
 last_reinforced: 2026-04-20
 ---

-# [[Agent Architecture]]
+# [[Agent Architecture|Agent Architecture]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자율 주행하는 지능의 내부 구조: 단순히 답을 내는 모델을 넘어, 기억(Memory), 계획(Planning), 도구 활용(Tool Use) 기능을 유기적으로 결합하여 독립적으로 미션을 수행하는 에이전트의 뇌 설계."
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에이전트의 자율 통제 불능 리스크를 방어하기 위해, 매 행동 단계마다 인간이 승인하거나 규칙을 검증하는 'Human-in-the-loop 에이전트 거버넌스' 정책이 산업 표준으로 채택됨.

 ## 🔗 지식 연결 (Graph)
- [[Ps-Reinforce]], Foundational Models, [[Workflow-Integrity]], [[Self-Correction Mechanisms]], [[Tool-Usage-Optimization]]
+- [[Ps-Reinforce|Ps-Reinforce]], Foundational Models, [[Workflow-Integrity|Workflow-Integrity]], Self-Correction Mechanisms, [[Tool-Usage-Optimization|Tool-Usage-Optimization]]
 - **Modern Tech/Tools**: LangChain, AutoGPT, BabyAGI, Microsoft AutoGen, LangGraph.
 ---
@@ -1,16 +1,16 @@
-# [[Agent Harness (에이전트 하네스)]]
+# Agent Harness (에이전트 하네스)

 ## 📌 Brief Summary
 Agent Harness는 에이전트(LLM)가 독립적으로 동작하지 않고, 시스템 자원(파일, 네트워크, 도구)에 접근하고, 상태를 유지하며, 외부와 소통할 수 있도록 감싸는 **'실행 런타임이자 거버넌스 계층'**이다. 에이전트에게는 외부 세계와 소통하는 인터페이스를 제공하고, 시스템에게는 에이전트의 행동을 통제하고 관찰하는 보안 및 운영 경계를 제공한다. 최근에는 이를 **'Agent OS'**라고도 부른다.

 ## 📖 Core Content
 *   **6대 구성 요소 (Standard Architecture)**:
-    *   **[[C-component (Context Manager)]]**: 컨텍스트 조립 및 압축 관리.
-    *   **[[E-component (Execution Loop)]]**: 에이전트의 사고-행동 반복 루프 제어.
-    *   **[[L-component (Lifecycle Hooks)]]**: 이벤트 인터셉터 및 정책 강제 계층.
-    *   **[[S-component (State Store)]]**: 단기/장기 메모리 및 지식 지속성 관리.
-    *   **[[T-component (Tool Registry)]]**: 외부 도구 연결 및 실행 표준화(MCP 등).
-    *   **[[V-component (Evaluation Interface)]]**: 결과 검증 및 피드백 루프.
+    *   **[[C-component (Context Manager)|C-component (Context Manager)]]**: 컨텍스트 조립 및 압축 관리.
+    *   **[[E-component (Execution Loop)|E-component (Execution Loop)]]**: 에이전트의 사고-행동 반복 루프 제어.
+    *   **[[L-component (Lifecycle Hooks)|L-component (Lifecycle Hooks)]]**: 이벤트 인터셉터 및 정책 강제 계층.
+    *   **[[S-component (State Store)|S-component (State Store)]]**: 단기/장기 메모리 및 지식 지속성 관리.
+    *   **[[T-component (Tool Registry)|T-component (Tool Registry)]]**: 외부 도구 연결 및 실행 표준화(MCP 등).
+    *   **[[V-component (Evaluation Interface)|V-component (Evaluation Interface)]]**: 결과 검증 및 피드백 루프.
 *   **시스템 자원 추상화**: 에이전트가 직접 OS API를 호출하는 대신, 하네스가 제공하는 가상화된 파일 시스템, 네트워크 게이트웨이, 도구 셋을 통해 안전하게 상호작용하도록 한다.
 *   **보안 및 격리 (Sandboxing)**: 에이전트의 실행 환경을 호스트 시스템과 격리하여, 프롬프트 인젝션이나 악성 코드 실행으로 인한 피해가 확산되는 것을 방지한다.
 *   **상태 보존 및 복구**: 작업 중단 시 현재의 컨텍스트와 메모리 상태를 저장하고, 나중에 동일한 지점에서 작업을 재개할 수 있는 스냅샷 기능을 제공한다.
@@ -24,11 +24,11 @@ Agent Harness는 에이전트(LLM)가 독립적으로 동작하지 않고, 시
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Agent OS]]
+*   Agent OS
    *   연결 이유: 에이전트 하네스의 개념이 확장되어 운영체제 수준의 자원 관리를 수행하는 상위 개념이다.
-*   [[MCP (Model Context Protocol)]]
+*   [[MCP (Model Context Protocol)|MCP (Model Context Protocol)]]
    *   연결 이유: 하네스의 T-component가 외부 도구와 통신하기 위해 채택하는 표준 프로토콜이다.
-*   [[Execution Environment (Sandbox)]]
+*   [[Execution Environment (Sandbox)|Execution Environment (Sandbox)]]
    *   연결 이유: 하네스가 에이전트를 실제로 실행시키는 물리적/가상적 격리 공간이다.

 ### Deeper Research Questions
@@ -1,4 +1,4 @@
-# [[Agent Memory System (에이전트 메모리 시스템)]]
+# Agent Memory System (에이전트 메모리 시스템)

 ## 📌 Brief Summary
 Agent Memory System은 에이전트가 런타임 중에 획득한 정보, 사용자의 선호도, 현재 작업의 상태, 그리고 과거의 성공/실패 경험을 체계적으로 저장하고 관리하는 다층 메모리 아키텍처이다. 메모리 시스템은 에이전트가 단기적인 문맥 유지(Context)를 넘어, 장기적인 학습과 성장을 가능하게 하는 핵심 지식 기반(Knowledge Base) 역할을 한다.
@@ -22,11 +22,11 @@ Agent Memory System은 에이전트가 런타임 중에 획득한 정보, 사용
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Inference-Coupled Persistence]]
+*   [[Inference-Coupled Persistence|Inference-Coupled Persistence]]
    *   연결 이유: 메모리를 생성하고 영구화하는 핵심 기전이다.
-*   [[S-component (State Store)]]
+*   [[S-component (State Store)|S-component (State Store)]]
    *   연결 이유: 메모리 시스템이 실제로 데이터를 저장하는 하네스의 구성 요소이다.
-*   [[Context Engineering]]
+*   [[Context Engineering|Context Engineering]]
    *   연결 이유: 저장된 메모리 중 어떤 정보를 컨텍스트에 넣을지 결정하는 전략이다.

 ### Deeper Research Questions
@@ -1,16 +1,16 @@
-# [[Agentic AI Security (에이전트 보안)]]
+# Agentic AI Security (에이전트 보안)

 ## 📌 Brief Summary
 Agentic AI Security는 자율적으로 판단하고 도구를 실행하는 에이전트 시스템에서 발생할 수 있는 고유한 보안 위협(프롬프트 인젝션, 권한 남용, 데이터 유출 등)으로부터 시스템과 데이터를 보호하기 위한 기술 및 정책적 방어 체계이다. 단순한 LLM 보안을 넘어, 에이전트가 활동하는 전체 환경(Harness, Sandbox, Memory, Tools)을 포함하는 방어 심층(Defense-in-Depth) 아키텍처를 지향한다.

 ## 📖 Core Content
 *   **주요 위협 모델 (Threat Model)**:
-    *   **[[Indirect Prompt Injection]]**: 외부 데이터(웹페이지, 파일)에 숨겨진 악성 지침이 에이전트를 하이재킹하는 공격.
-    *   **[[Excessive Agency]]**: 에이전트에게 필요 이상의 강력한 도구 실행 권한이 부여되어 발생하는 리스크.
+    *   **[[Indirect Prompt Injection|Indirect Prompt Injection]]**: 외부 데이터(웹페이지, 파일)에 숨겨진 악성 지침이 에이전트를 하이재킹하는 공격.
+    *   **[[Excessive Agency|Excessive Agency]]**: 에이전트에게 필요 이상의 강력한 도구 실행 권한이 부여되어 발생하는 리스크.
    *   **Memory Poisoning**: 에이전트의 장기 메모리에 잘못된 정보를 주입하여 지속적인 오작동을 유발.
 *   **방어 심층 (Defense-in-Depth) 아키텍처**:
    *   **L-component (Lifecycle Hooks)**: 런타임에 모든 명령과 결과를 검사하는 감시 계층.
-    *   **[[Execution Environment (Sandbox)]]**: 코드 실행 및 파일 조작을 격리된 공간에서 수행.
+    *   **[[Execution Environment (Sandbox)|Execution Environment (Sandbox)]]**: 코드 실행 및 파일 조작을 격리된 공간에서 수행.
    *   **Zoned Governance**: 에이전트의 신뢰 등급에 따라 접근 가능한 자원 존(Zone)을 분리.
 *   **최소 권한의 원칙 (Least Privilege)**: 에이전트에게 현재 작업을 완수하는 데 필요한 최소한의 도구와 데이터 접근 권한만을 동적으로 부여한다.
 *   **인간 승인 게이트 (Human-in-the-loop)**: 민감한 작업(파일 삭제, 이메일 발송, 금융 거래 등) 실행 전 반드시 사용자의 명시적 승인을 거치도록 설계한다.
@@ -23,11 +23,11 @@ Agentic AI Security는 자율적으로 판단하고 도구를 실행하는 에
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Agent Harness]]
+*   [[Agent Harness|Agent Harness]]
    *   연결 이유: 보안 정책이 실제로 구현되고 집행되는 인프라 계층이다.
-*   [[Indirect Prompt Injection]]
+*   [[Indirect Prompt Injection|Indirect Prompt Injection]]
    *   연결 이유: 에이전틱 환경에서 가장 치명적이고 빈번한 공격 유형이다.
-*   [[Excessive Agency]]
+*   [[Excessive Agency|Excessive Agency]]
    *   연결 이유: 에이전트 설계 시 가장 흔하게 발생하는 보안 설정 오류이다.

 ### Deeper Research Questions
@@ -1,4 +1,4 @@
-# [[Agentic Creative Era]]
+# [[Agentic Creative Era|Agentic Creative Era]]

 ## 📌 Brief Summary
 '에이전틱 크리에이티브(Agentic Creative)' 시대는 인간 창작자가 프롬프트의 모든 세부 문장을 직접 작성하는 대신, 대략적인 비전만 제시하면 AI 에이전트가 이를 최적의 기술적 언어로 자동 번역하여 결과물을 도출해 내는 새로운 창작 패러다임을 의미합니다 [1]. 이 시대에는 인공지능 이미지 생성이 단편적인 이미지 출력에서 벗어나 대량의 시안을 연속적으로 다루는 창작 워크플로우로 전환됩니다 [1, 2]. 결과적으로 창작자의 핵심 역할은 단순한 키워드 나열에서 벗어나, 자신만의 고유한 스타일 코드를 구축하고 AI 에이전트와의 협업 루틴을 정교화하는 방향으로 진화하게 됩니다 [1].
@@ -10,8 +10,8 @@
 * **AI 에이전트와의 협업 파트너십**: 결국 창작자는 단순한 도구의 사용자를 넘어, 최적의 결과물을 함께 만들어가는 디지털 동료로서 AI 에이전트와의 협업 루틴을 발전시켜야 합니다 [1, 5]. 기술적인 번역과 대량 생산은 AI가 담당하더라도, 최종적으로 자신만의 서사와 스타일 코드를 결정하고 방향성을 제시하는 것은 여전히 인간 창작자의 고유한 영역으로 남습니다 [1].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링]], [[개인화 및 스타일 참조]]
- **Projects/Contexts:** [[미드저니 V7/V8 연속적 창작 워크플로우]]
+- **Related Topics:** [[프롬프트 엔지니어링|프롬프트 엔지니어링]], 개인화 및 스타일 참조
+- **Projects/Contexts:** 미드저니 V7/V8 연속적 창작 워크플로우
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.

 ---
@@ -1,4 +1,4 @@
-# [[Agentic Creative]]
+# [[Agentic Creative|Agentic Creative]]

 ## 📌 Brief Summary
 에이전틱 크리에이티브(Agentic Creative)는 창작자가 대략적인 비전만 제시하면 AI 에이전트가 이를 최적의 기술적 언어(프롬프트)로 번역하여 대량의 시안을 자동으로 생성해내는 새로운 창작 및 프롬프트 엔지니어링 패러다임입니다 [1]. 인간이 이미지 생성을 위해 모든 구체적인 문장과 매개변수를 직접 작성해야 했던 기존의 단일 생성 방식에서 벗어나, AI가 실질적인 디지털 협력자로서 워크플로우를 주도하는 형태를 의미합니다 [1, 2]. 이 시대의 창작자는 세세한 프롬프트 텍스트 작성보다는 자신만의 고유한 스타일 코드를 구축하고 AI와의 협업 루틴을 고도화하는 데 집중하게 됩니다 [1].
@@ -17,8 +17,8 @@
  이러한 에이전틱 AI의 도입은 개인이나 소규모 팀도 며칠 만에 대규모 프로젝트나 글로벌 캠페인을 기획하고 실행할 수 있도록 인간의 역량을 크게 확장시킵니다 [2]. 나아가 기업 수준에서는 선형적이고 리소스 집약적인 기존의 콘텐츠 제작 프로세스에서 벗어나, 에이전틱 AI를 통해 대규모 개인화를 지원하는 역동적인 콘텐츠 공급망 워크플로를 구축할 수 있게 됩니다 [6, 7].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링]], [[에이전틱 AI (Agentic AI)]], [[스타일 코드]]
- **Projects/Contexts:** [[2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우]]
+- **Related Topics:** [[프롬프트 엔지니어링|프롬프트 엔지니어링]], [[에이전틱 AI (Agentic AI)|에이전틱 AI (Agentic AI)]], [[스타일 코드|스타일 코드]]
+- **Projects/Contexts:** [[2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우|2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우]]
 - **Contradictions/Notes:** 소스 내에서 상충되는 의견은 없으나, 에이전트가 프롬프트 작성을 상당 부분 자동화함에도 불구하고 높은 수준의 결과물을 얻기 위해서는 창작자 본인의 인문학적, 미학적 소양(사진학, 미술사, 조명학 등)과 고유한 스타일 구축이 역설적으로 더욱 중요해진다는 점이 강조됩니다 [1].

 ---
@@ -1,4 +1,4 @@
-# [[Agentic Orchestration (에이전트 오케스트레이션)]]
+# Agentic Orchestration (에이전트 오케스트레이션)

 ## 📌 Brief Summary
 Agentic Orchestration은 복잡한 목표를 달성하기 위해 여러 전문화된 에이전트들의 실행 순서, 데이터 흐름, 역할 분담, 그리고 상호작용을 체계적으로 조율하고 관리하는 기술적 방법론이다. 단일 에이전트의 한계를 넘어, 에이전트 간의 협업 토폴로지(Topology)를 설계하고 실행 루프를 동기화하여 시스템 전체의 지능과 안정성을 극대화하는 것이 목적이다.
@@ -10,8 +10,8 @@ Agentic Orchestration은 복잡한 목표를 달성하기 위해 여러 전문
    *   **협업형 (Joint Collaboration)**: 공용 칠판(Blackboard)이나 공유 메모리를 통해 여러 에이전트가 동시에 문제를 해결하는 구조.
    *   **동적 라우팅 (Dynamic Routing)**: 작업의 성격에 따라 가장 적합한 에이전트에게 작업을 실시간으로 배정.
 *   **조율 메커니즘 (Coordination)**:
-    *   **[[ACP (Agent Communication Protocol)]]**: 에이전트 간의 의도와 목표를 공유하는 표준 언어.
-    *   **[[A2A (Agent-to-Agent Protocol)]]**: 원격 하네스 간의 작업 위임 및 데이터 스트리밍 표준.
+    *   **[[ACP (Agent Communication Protocol)|ACP (Agent Communication Protocol)]]**: 에이전트 간의 의도와 목표를 공유하는 표준 언어.
+    *   **[[A2A (Agent-to-Agent Protocol)|A2A (Agent-to-Agent Protocol)]]**: 원격 하네스 간의 작업 위임 및 데이터 스트리밍 표준.
    *   **Shared Context Window**: 여러 에이전트가 동일한 작업 맥락을 공유하고 업데이트하는 기술.
 *   **상태 동기화 및 일관성**: 여러 에이전트가 동시에 공유 자원을 수정할 때 발생하는 충돌을 해결하고, 전체 워크플로우의 진행 상태(AWM)를 일관되게 유지한다.
 *   **에러 전파 및 복구**: 특정 에이전트의 실패가 전체 시스템의 중단으로 이어지지 않도록 예외 처리와 재시도 전략을 오케스트레이션 계층에서 관리한다.
@@ -24,11 +24,11 @@ Agentic Orchestration은 복잡한 목표를 달성하기 위해 여러 전문
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Agent Harness]]
+*   [[Agent Harness|Agent Harness]]
    *   연결 이유: 개별 에이전트의 실행은 하네스가, 하네스 간의 연결은 오케스트레이션이 담당한다.
-*   [[ACP (Agent Communication Protocol)]]
+*   [[ACP (Agent Communication Protocol)|ACP (Agent Communication Protocol)]]
    *   연결 이유: 오케스트레이션의 성공을 위한 기술적 통신 기반이다.
-*   [[Multi-Agent Coordination]]
+*   Multi-Agent Coordination
    *   연결 이유: 오케스트레이션을 구현하기 위한 구체적인 협업 알고리즘이다.

 ### Deeper Research Questions
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agile, manifesto, philosophy, project-management, iterac
 last_reinforced: 2026-04-20
 ---

-# [[Agile-Philosophy]]
+# [[Agile-Philosophy|Agile-Philosophy]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "변화에 춤추는 민첩함: 완벽한 계획보다 빠른 실행을, 문서보다 동작하는 산출물을 우선하며, 끊임없는 피드백을 통해 고객의 진정한 가치를 찾아가는 유연한 철학."
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 대규모 기업 정책 수립 시, 애자일이 단순히 '빠르게' 하는 것으로 오용되어 품질이 저하되는 부작용을 막기 위해, 'Agile Governance'와 'QA 자동화 정책'을 전제로 한 성숙한 애자일 문화 도입 정책이 추진됨.

 ## 🔗 지식 연결 (Graph)
- [[Stability vs Flexibility]], [[Rapid-Prototyping]], [[Working-Backwards]], [[Theory of Constraints (TOC)]], [[Systems Thinking]]
+- [[Stability vs Flexibility|Stability vs Flexibility]], [[Rapid-Prototyping|Rapid-Prototyping]], [[Working-Backwards|Working-Backwards]], [[Theory of Constraints (TOC)|Theory of Constraints (TOC)]], [[Systems Thinking|Systems Thinking]]
 - **Modern Tech/Tools**: Scrum, Kanban, Jira, Linear, Short-cycle feedback systems.
 ---
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 검색 및 클러스터링 알고리즘 도입 시 최악의 경우 $O(n \log n)$ 이하의 복잡도를 유지하는 것을 원칙으로 함.

 ## 🔗 지식 연결 (Graph)
- Algorithm, [[Parallel-Computing]], Vector-Database-Selection, [[Optimization]]
+- Algorithm, [[Parallel-Computing|Parallel-Computing]], Vector-Database-Selection, [[Optimization|Optimization]]
 - **Raw Source:** 10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, algorithmic-fairness, bias, equality, machine-learning-e
 last_reinforced: 2026-04-20
 ---

-# [[Algorithmic Fairness]]
+# [[Algorithmic Fairness|Algorithmic Fairness]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터에 깃든 차별 걷어내기: AI가 성별, 인종, 계층에 대한 편향을 학습하여 누군가에게 불이익을 주지 않도록, 학습 데이터부터 결과 도출까지 모든 과정의 공정성을 확보하는 엔지니어링 윤리."
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 채용, 대출 심사, 형량 예측 등 민감한 공공 서비스 정책에서 사용되는 알고리즘은 의무적으로 '공정성 영향 평가(Fairness Audit)'를 통과해야 하는 정책이 수립됨.

 ## 🔗 지식 연결 (Graph)
- [[Toxicity-and-Bias-Mitigation]], [[AI Accountability]], [[AI Governance]], [[Ethics & AI]], [[Sociology of Knowledge]]
+- [[Toxicity-and-Bias-Mitigation|Toxicity-and-Bias-Mitigation]], [[AI Accountability|AI Accountability]], [[AI Governance|AI Governance]], [[Ethics & AI|Ethics & AI]], [[Sociology of Knowledge|Sociology of Knowledge]]
 - **Modern Tech/Tools**: IBM AI Fairness 360, Google What-If Tool, Fairlearn.
 ---
@@ -6,7 +6,7 @@ tags: [Algorithmic Game Theory, Mechanism Design, Nash Equilibrium, AI]
 last_reinforced: 2026-04-20
 ---

-# [[Algorithmic-Game-Theory]] (알고리즘 게임 이론)
+# [[Algorithmic-Game-Theory|Algorithmic-Game-Theory]] (알고리즘 게임 이론)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이기적인 경제 주체들을 위한 최적의 규칙." 게임 이론의 복잡한 균형점(Nash Equilibrium)을 컴퓨터 알고리즘으로 어떻게 빠르게 찾아낼 것인가를 다루는 학문이다.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20

 ## 🔗 지식 연결 (Graph)
 - Related: Nash-Equilibrium , Mechanism-Design
- Foundation: [[Bounded-Rationality]]
+- Foundation: [[Bounded-Rationality|Bounded-Rationality]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, altruism, evolutionary-biology, cooperation, social-ethi
 last_reinforced: 2026-04-20
 ---

-# [[Altruism]]
+# [[Altruism|Altruism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "우리를 위한 나의 희생: 자신의 즉각적인 이익을 포기하고 타인의 복지나 공동체의 가치를 위해 헌신하는, 진화의 신비이자 인류 문명을 지탱하는 가장 고귀한 사회적 접착제."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기술 기업의 사회적 책임(CSR) 정책에서 한 단계 더 나아가, 기술 자체를 공익적으로 개방하거나 비영리로 운영하는 '오픈 소스 이타주의 정책'이 AI 생태계의 주요 경쟁력으로 인정받음.

 ## 🔗 지식 연결 (Graph)
- [[AI for Social Good]], [[Decision Theory]], [[Ethics & AI]], [[Social Systems Theory]], [[Universal Basic Income (UBI)]], [[Activism]]
+- [[AI for Social Good|AI for Social Good]], [[Decision Theory|Decision Theory]], [[Ethics & AI|Ethics & AI]], [[Social Systems Theory|Social Systems Theory]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], [[Activism|Activism]]
 - **Modern Tech/Tools**: Effective Altruism community, Open-source collaboration models.
 ---
@@ -6,7 +6,7 @@ tags: [TypeScript, Ambient Declarations, dts, Coding Standards]
 last_reinforced: 2026-04-20
 ---

-# [[Ambient-Declarations]] (앰비언트 선언)
+# [[Ambient-Declarations|Ambient-Declarations]] (앰비언트 선언)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "존재하지만 실체는 없는 것들에 대한 증명." 타입스크립트 컴파일러에게 "이 변수나 함수는 외부에 이미 있으니 타입만 믿고 통과시켜라"라고 알려주는 `declare` 키워드의 본질이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 무분별한 앰비언트 선언은 전역 네임스페이스를 오염시킨다. 현대적 가이드라인은 가능하면 `Module Augmentation`을 사용하거나 `@types` 패키지를 통해 엄격하게 관리하는 것을 권장한다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Declaration-Files]] , Module-Augmentation
- Standard: [[Branded-Types-for-Nominal-Typing]]
+- Related: [[Declaration-Files|Declaration-Files]] , Module-Augmentation
+- Standard: [[Branded-Types-for-Nominal-Typing|Branded-Types-for-Nominal-Typing]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, analogy, metaphor, communication, cognitive-linguistics]
 last_reinforced: 2026-04-20
 ---

-# [[Analogy]]
+# [[Analogy|Analogy]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이해의 징검다리: 복잡하고 낯선 개념을 우리가 이미 잘 알고 있는 익숙한 무언가에 빗대어 설명함으로써, 지식의 간극을 한순간에 메우는 강력한 인지적 비유."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 프롬프트 설계 정책에서, 모델에게 특정 상황을 유추하게 함으로써 추론 성능을 높이는 'Metaphor-prompting 기술'이 실무 표준으로 정착됨.

 ## 🔗 지식 연결 (Graph)
- [[Analogical-Reasoning]], [[Scientific Communication]], [[Vocabulary-Expansion]], Abstraction, Pattern Recognition
+- [[Analogical-Reasoning|Analogical-Reasoning]], [[Scientific Communication|Scientific Communication]], [[Vocabulary-Expansion|Vocabulary-Expansion]], Abstraction, Pattern Recognition
 - **Modern Tech/Tools**: Creative writing AI, Educational explanation tools.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anarchism, political-philosophy, self-governance, social
 last_reinforced: 2026-04-20
 ---

-# [[Anarchism]]
+# [[Anarchism|Anarchism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "권위 없는 자유의 질서: 국가나 지배 계급의 강압적인 통치를 배제하고, 개인의 자유의지와 자발적인 협력을 통해 스스로를 통치하는 이상적 사회 시스템을 꿈꾸는 정치 철학."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기술 발달로 인해 중앙 서버 없는 P2P 네트워크나 암호 화폐가 등장함에 따라, 국가의 중앙 통제를 벗어난 '기술적 무정부주의 정책(Crypto-anarchism)'이 실질적인 제도로 기능하기 시작함.

 ## 🔗 지식 연결 (Graph)
- [[Anarcho-Capitalism]], [[Anarcho-Primitivism]], [[Altruism]], [[Activism]], [[Social Systems Theory]]
+- [[Anarcho-Capitalism|Anarcho-Capitalism]], [[Anarcho-Primitivism|Anarcho-Primitivism]], [[Altruism|Altruism]], [[Activism|Activism]], [[Social Systems Theory|Social Systems Theory]]
 - **Modern Tech/Tools**: Decentralized Web (Web3), P2P networks (Tor, BitTorrent), DAOs.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anisomorphism, topology, structuralism, comparative-ling
 last_reinforced: 2026-04-20
 ---

-# [[Anisomorphism]]
+# [[Anisomorphism|Anisomorphism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "닮지 않은 것들의 간극: 같은 개념이라도 서로 다른 생태계나 언어권에서 전혀 다른 구조와 맥락을 지니고 있어, 1:1로 매칭되지 않는 '비동질성' 상태."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 글로벌 표준 하에 다국어 AI 모델링 정책 수립 시, 언어 간 애니소모피즘을 해결하기 위해 고차원 임베딩 공간(Embedding Space)에서 공통 의미를 찾는 'Cross-lingual Alignment 정책'이 연구의 핵심이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Structuralism]], [[Universal-Grammar]], [[Vocabulary-Expansion]], Pattern Recognition, [[Standardization vs Innovation]]
+- [[Structuralism|Structuralism]], [[Universal-Grammar|Universal-Grammar]], [[Vocabulary-Expansion|Vocabulary-Expansion]], Pattern Recognition, [[Standardization vs Innovation|Standardization vs Innovation]]
 - **Modern Tech/Tools**: XML/JSON mapping tools, NLP word embedding (Word2Vec, BERT).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anthropomorphism, psychology, hcie-ethics, ai-design, so
 last_reinforced: 2026-04-20
 ---

-# [[Anthropomorphism]]
+# [[Anthropomorphism|Anthropomorphism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계에게서 인간의 얼굴을 보다: 인간이 아닌 사물, 동물, 혹은 알고리즘에 인간의 감정, 의도, 인격을 투영하여 마치 살아있는 존재처럼 느끼고 반응하는 심리적 본능."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 윤리 가이드라인 정책에서, AI가 인간인 척 속이는 행위를 금지하고 "저는 인공지능입니다"라고 명시하게 하는 '정체성 투명성 정책'이 법제화되는 추세임.

 ## 🔗 지식 연결 (Graph)
- [[Agent Personality]], Human-Computer Interaction (HCI), [[Psychology & Behavior]], [[Ethics & AI]], [[AI Humanism]]
+- [[Agent Personality|Agent Personality]], Human-Computer Interaction (HCI), [[Psychology & Behavior|Psychology & Behavior]], [[Ethics & AI|Ethics & AI]], [[AI Humanism|AI Humanism]]
 - **Modern Tech/Tools**: Virtual influencers, AI companion apps (Replika), Humanoid robots.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, antifragility, risk-management, Nassim-Taleb, resilience
 last_reinforced: 2026-04-20
 ---

-# [[Antifragility]]
+# [[Antifragility|Antifragility]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "혼란을 먹고 자라는 힘: 충격을 받으면 단순히 버티는(Robust) 것을 넘어, 그 무질서와 압박으로부터 학습하고 진화하여 이전보다 더 강력해지는 최상위 시스템의 생존 전략."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 금융 및 국가 위기 관리 정책에서, 예측 불가능한 '블랙 스완'을 맞추려 노력하기보다 어떤 충격에도 적응하고 진화하는 '안티프래질 인프라 정책' 수립이 필수가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Robustness]], [[Adaptability]], [[Reinforcement Learning (RL)]], [[Ps-Reinforce]], [[Agile-Philosophy]], [[Decision Theory]]
+- [[Robustness|Robustness]], [[Adaptability|Adaptability]], [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[Ps-Reinforce|Ps-Reinforce]], [[Agile-Philosophy|Agile-Philosophy]], [[Decision Theory|Decision Theory]]
 - **Modern Tech/Tools**: Netflix Chaos Monkey (Chaos Engineering), Decentralized systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, logical-reasoning, counterexample, debate, critical-thin
 last_reinforced: 2026-04-20
 ---

-# [[Arguing-by-Counterexample]]
+# [[Arguing-by-Counterexample|Arguing-by-Counterexample]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단 하나의 예외로 거대 이론 무너뜨리기: '모든 백조는 희다'라는 주장에 대해 단 한 마리의 흑고니를 보여줌으로써, 일반화된 명제의 오류를 즉각적으로 증명하는 가장 날카로운 논리적 반박 기술."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델의 안전성 검증 정책에서, 모델이 "나는 인간을 해치지 않는다"고 장담하더라도 레드팀(Red-teaming)이 단 하나의 공격 성공 사례(반례)를 찾아내면 안전 등급을 강등시키는 'Worst-case 기반 안전 정책'이 표준이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Logic]], Philosophy of Science, [[Anomaly-Detection]], [[Self-Correction Mechanisms]], [[Type 1 vs Type 2 Errors]]
+- [[Logic|Logic]], Philosophy of Science, [[Anomaly-Detection|Anomaly-Detection]], Self-Correction Mechanisms, [[Type 1 vs Type 2 Errors|Type 1 vs Type 2 Errors]]
 - **Modern Tech/Tools**: Formal verification methods, Adversarial red-teaming.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, arrangement, composition, design, systems-thinking, stru
 last_reinforced: 2026-04-20
 ---

-# [[Arrangement-and-Composition]]
+# [[Arrangement-and-Composition|Arrangement-and-Composition]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "배열이 창조하는 의미: 개별 요소들은 그대로일지라도 그것들을 어떤 순서로, 어떤 간격으로 배치하느냐에 따라 전체 시스템의 기능과 미적 가치가 완전히 달라지는 '관계의 인지 과학'."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 음악 및 영상 창작 정책에서, AI가 개별 음표가 아닌 '악기 간의 배치(Arrangement)'와 '전체 흐름(Composition)'을 학습하여 인간 프로듀서 수준의 곡을 완성하는 'AI 오케스트레이션 정책'이 실용화됨.

 ## 🔗 지식 연결 (Graph)
- [[Structural Principles]], [[Aesthetic-Value]], Design Theory, [[Agent Architecture]], [[Workflow-Integrity]]
+- [[Structural Principles|Structural Principles]], [[Aesthetic-Value|Aesthetic-Value]], Design Theory, [[Agent Architecture|Agent Architecture]], [[Workflow-Integrity|Workflow-Integrity]]
 - **Modern Tech/Tools**: Figma (Auto-layout), CSS Grid, AI-powered music arrangers (Suno, Udio).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, articulateness, communication, clarity, language-profici
 last_reinforced: 2026-04-20
 ---

-# [[Articulateness]]
+# [[Articulateness|Articulateness]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생각의 고해상도 출력: 머릿속의 막연한 아이디어를 명확하고 조리 있게 언어로 번역하여, 상대방의 뇌 속에 오차 없이 전달하는 지적 표현력의 정교함."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 글로벌 협업 정책에서, 다국어 환경의 오해를 줄이기 위해 최대한 단순하고 명확한 용어로 소통하는 'Plain Language 정책'이 비즈니스 의사소통의 표준 가이드라인으로 채택됨.

 ## 🔗 지식 연결 (Graph)
- [[Scientific Communication]], [[Vocabulary-Expansion]], Prompt-Engineering-Strategies, [[Analysis]], [[Leadership]]
+- [[Scientific Communication|Scientific Communication]], [[Vocabulary-Expansion|Vocabulary-Expansion]], Prompt-Engineering-Strategies, [[Analysis|Analysis]], [[Leadership|Leadership]]
 - **Modern Tech/Tools**: Grammarly (Tone detection), AI writing assistants.
 ---
@@ -1,4 +1,4 @@
-# [[Artifacts & Infrastructure (아티팩트 및 인프라)]]
+# Artifacts & Infrastructure (아티팩트 및 인프라)

 ## 📌 Brief Summary
 Artifacts & Infrastructure는 에이전트가 생성한 중간 산출물(코드, 문서, 이미지 등)을 체계적으로 저장, 색인, 관리하는 체계와 이를 뒷받침하는 물리적/가상적 실행 환경을 의미한다. 에이전트의 사고 과정을 증명하고 결과물을 공유하며, 안전한 실행을 보장하는 에이전틱 시스템의 물리적 토대이다.
@@ -22,11 +22,11 @@ Artifacts & Infrastructure는 에이전트가 생성한 중간 산출물(코드,
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Agent Harness]]
+*   [[Agent Harness|Agent Harness]]
    *   연결 이유: 아티팩트 스토어와 인프라는 하네스의 물리적 구현 대상이다.
-*   [[Execution Environment (Sandbox)]]
+*   [[Execution Environment (Sandbox)|Execution Environment (Sandbox)]]
    *   연결 이유: 인프라 계층에서 제공하는 핵심적인 보안 기능이다.
-*   [[C-component (Context Manager)]]
+*   [[C-component (Context Manager)|C-component (Context Manager)]]
    *   연결 이유: 대규모 데이터를 아티팩트로 오프로딩하여 컨텍스트 부패를 방지한다.

 ### Deeper Research Questions
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agi, artificial-general-intelligence, singularity, super
 last_reinforced: 2026-04-20
 ---

-# [[Artificial General Intelligence (AGI)]]
+# [[Artificial General Intelligence (AGI)|Artificial General Intelligence (AGI)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간 지능의 디지털 복제판: 특정 태스크에 국한되지 않고, 인간이 할 수 있는 모든 지적 작업을 수행, 학습, 응용하며 스스로 새로운 지식을 창조할 수 있는 '범용적' 인공지능."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AGI가 가져올 인류 실존적 위협(Existential Risk) 정책에 대응하기 위해, 거대 모델 개발사에 대한 강력한 안전 준수 의무와 국가 차원의 '슈퍼 얼라인먼트(Superalignment)' 연구 투자가 정책의 최우선 과제가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Artificial Intelligence (AI)]], Singularity, [[Alignment]], [[AI Safety]], Foundational Models, [[Ps-Reinforce]]
+- [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]], Singularity, [[Alignment|Alignment]], [[AI Safety|AI Safety]], Foundational Models, [[Ps-Reinforce|Ps-Reinforce]]
 - **Modern Tech/Tools**: Large Language Models, Multi-modal models, World simulators.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, artificial-intelligence, ai-fundamentals, machine-learni
 last_reinforced: 2026-04-20
 ---

-# [[Artificial Intelligence (AI)]]
+# [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계 속의 유령, 연산되는 지능: 인간의 학습, 추론, 문제 해결 능력을 수학적 알고리즘과 거대 데이터를 통해 모방하고 구현하여, 세상의 복잡성을 디지털 언어로 이해하고 조작하는 기술의 정점."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 가속화 정책에서, 기술의 '책임성'과 '가치 정렬'을 담보하지 않으면 배포할 수 없다는 '책임 있는 AI (Responsible AI) 정책'이 글로벌 기술 산업의 무역 장벽이자 표준이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Artificial General Intelligence (AGI)]], Foundational Models, [[Machine-Learning-Foundations]], [[Ethics & AI]], [[Ps-Reinforce]], [[What-is-AI]]
+- [[Artificial General Intelligence (AGI)|Artificial General Intelligence (AGI)]], Foundational Models, [[Machine-Learning-Foundations|Machine-Learning-Foundations]], [[Ethics & AI|Ethics & AI]], [[Ps-Reinforce|Ps-Reinforce]], [[What-is-AI|What-is-AI]]
 - **Modern Tech/Tools**: Transformers, Neural Networks, GPU computing, LLMs.
 ---
@@ -6,7 +6,7 @@ tags: [Game AI, Pathfinding, FSM, Behavior Tree, Reinforcement Learning]
 last_reinforced: 2026-04-20
 ---

-# [[Artificial-Intelligence-in-Games]] (게임 속의 인공지능)
+# [[Artificial-Intelligence-in-Games|Artificial-Intelligence-in-Games]] (게임 속의 인공지능)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "플레이어의 즐거움을 위한 적당한 지능적 패배." 플레이어에게 도전과 몰입감을 주기 위해 설계된 NPC 제어 기술이자, 최근에는 환경 생성(PCG)까지 확장된 게임 디자인의 파트너다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 너무 똑똑한 AI는 게임의 재미를 망친다(절대 지지 않는 AI는 독재자와 같다). 따라서 게임 AI의 핵심은 '완벽한 승리'가 아니라 '설득력 있는 지능적 행동'을 보여주는 것이다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Agency-in-Game-Design]] , [[Reinforcement-Learning]]
- Context: [[Immersive-Sim-Genre]]
+- Related: [[Agency-in-Game-Design|Agency-in-Game-Design]] , [[Reinforcement-Learning|Reinforcement-Learning]]
+- Context: [[Immersive-Sim-Genre|Immersive-Sim-Genre]]
@@ -6,7 +6,7 @@ tags: [Artificial Intelligence, Machine Learning, Deep Learning, Scaling Laws]
 last_reinforced: 2026-04-20
 ---

-# [[Artificial-Intelligence]] (인공지능)
+# [[Artificial-Intelligence|Artificial-Intelligence]] (인공지능)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계의 사고가 아니라, 데이터의 압축과 예측이다." 인간의 지능적 행동을 흉내 내는 소프트웨어 체계를 넘어, 데이터 속에 숨겨진 고차원적 패턴을 찾아내어 미래를 통계적으로 추론하는 기술이다.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 군집 AI(Swarm AI) 설계 시, 인공 생명의 군집 행동(Flocking) 원리를 적용하여 수백 개의 적 기체가 자연스럽고 위협적인 움직임을 보이도록 구현함.

 ## 🔗 지식 연결 (Graph)
- [[Evolutionary-Computation]], Agentic-Workflow, [[Multi-Agent-Systems-MAS]], [[Complexity-Theory]]
+- [[Evolutionary-Computation|Evolutionary-Computation]], Agentic-Workflow, [[Multi-Agent-Systems-MAS|Multi-Agent-Systems-MAS]], [[Complexity-Theory|Complexity-Theory]]
 - **Raw Source:** 10_Wiki/Topics/AI/Artificial-Life.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, arts, aesthetics, creativity, culture, humanity]
 last_reinforced: 2026-04-20
 ---

-# [[Arts]]
+# [[Arts|Arts]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "언어 너머의 소통: 말로 다 표현할 수 없는 인간의 감정, 경험, 사상을 형태, 소리, 색채, 움직임으로 번역하여 타인과 공명하게 만드는 가장 높은 층위의 지적/감성적 창조 활동."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 인간보다 완벽한 기법을 구사하게 됨에 따라, 오히려 인간의 '불완전함'과 '신체적 개입'이 들어간 예술 프로젝트에 더 높은 가치를 부여하는 '뉴 휴머니즘 예술 정책'이 부상함.

 ## 🔗 지식 연결 (Graph)
- [[Aesthetic-Value]], [[AI and Narrative]], [[Visual-Effects-VFX]], [[Style-Transfer]], [[Anthropomorphism]]
+- [[Aesthetic-Value|Aesthetic-Value]], [[AI and Narrative|AI and Narrative]], [[Visual-Effects-VFX|Visual-Effects-VFX]], [[Style-Transfer|Style-Transfer]], [[Anthropomorphism|Anthropomorphism]]
 - **Modern Tech/Tools**: Generative AI tools (Stable Diffusion, Midjourney), VR/AR art installations.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, asset-specific-knowledge, specialization, competitive-ad
 last_reinforced: 2026-04-20
 ---

-# [[Asset-Specific-Knowledge]]
+# [[Asset-Specific-Knowledge|Asset-Specific-Knowledge]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "다른 곳에는 없는 나만의 무기: 특정 조직, 프로젝트, 혹은 시스템에만 고유하게 존재하는 깊이 있는 지식으로, 외부인은 쉽게 흉내 낼 수 없는 핵심 경쟁력의 원천."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에이전트 개발 정책에서, 범용 모델을 그대로 쓰는 대신 기업 내부 데이터와 워크플로우를 학습시킨 '특화 에이전트 정책'이 실질적인 ROI를 만들어내는 핵심 트렌드가 됨.

 ## 🔗 지식 연결 (Graph)
- Foundational Models, [[Technical-Architecture]], [[Workflow-Integrity]], [[Theory of Constraints (TOC)]], [[Agile-Philosophy]]
+- Foundational Models, [[Technical-Architecture|Technical-Architecture]], [[Workflow-Integrity|Workflow-Integrity]], [[Theory of Constraints (TOC)|Theory of Constraints (TOC)]], [[Agile-Philosophy|Agile-Philosophy]]
 - **Modern Tech/Tools**: Internal knowledge base (Wiki), Specialized RAG (Retrieval-Augmented Generation).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, atheism, philosophy, secularism, rationalism, sociology-
 last_reinforced: 2026-04-20
 ---

-# [[Atheism]]
+# [[Atheism|Atheism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "신이라는 가설의 보류: 비가시적이고 초월적인 조물주의 존재를 인정하지 않으며, 세계의 원리를 오직 물질적 법칙, 인간의 이성, 그리고 검증 가능한 과학적 근거를 통해 파악하려는 세계관."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 및 미래 기술 담론에서, AI를 신처럼 떠받드는 '기술 종교(Techno-religion)'의 위험 정책에 경도되지 않고 기술을 차분히 도구로 보려는 무신론적 이성 정책이 중요하게 다뤄짐.

 ## 🔗 지식 연결 (Graph)
- Philosophy of Science, Rationality, [[Altruism]], [[Sociology of Knowledge]], [[AI Humanism]]
+- Philosophy of Science, Rationality, [[Altruism|Altruism]], [[Sociology of Knowledge|Sociology of Knowledge]], [[AI Humanism|AI Humanism]]
 - **Modern Tech/Tools**: Secular humanism frameworks.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, atmospheric-intelligence, ubiquitous-computing, smart-en
 last_reinforced: 2026-04-20
 ---

-# [[Atmospheric-Intelligence]]
+# [[Atmospheric-Intelligence|Atmospheric-Intelligence]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "공기처럼 스며든 지능: 특정한 스크린이나 버튼을 통하지 않고도 주변 환경(공간, 날씨, 빛, 소리 등)이 사용자의 의도를 감지하고 스스로 변화하여 최적의 경험을 제공하는 보이지 않는 인공지능."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보이지 않는 감시(Surveillance) 리스크 정책이 심화됨에 따라, 대기 지능 시스템이 수집하는 데이터를 로컬에서 즉각 처리하고 파기하는 'Edge-AI 기반 프라이버시 정책'이 시스템 설계의 필수 조건이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Affordance]], [[Adaptive-Curation]], [[Artificial Intelligence (AI)]], [[Agent Architecture]], Human-Computer Interaction (HCI)
+- [[Affordance|Affordance]], [[Adaptive-Curation|Adaptive-Curation]], [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]], [[Agent Architecture|Agent Architecture]], Human-Computer Interaction (HCI)
 - **Modern Tech/Tools**: Smart home standards (Matter), Edge-computing, Multi-modal sensors.
 ---
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 아토믹 디자인의 5계층 중 Atoms와 Molecules를 공용 라이브러리로 분리하고, Organisms 이상은 서비스별 비즈니스 로직을 포함하도록 격리하는 'Atomic-Logic Separation' 정책을 시행함.

 ## 🔗 지식 연결 (Graph)
- Design-System-Governance, [[Frontend-Architecture-and-Folder-Structure]], Component-Composition-Patterns, [[Uber-Base-Web-Design-System]]
+- Design-System-Governance, [[Frontend-Architecture-and-Folder-Structure|Frontend-Architecture-and-Folder-Structure]], Component-Composition-Patterns, [[Uber-Base-Web-Design-System|Uber-Base-Web-Design-System]]
 - **Raw Source:** 00_Raw/Atomic Design.md
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 UI 개발 시 Tailwind CSS v4 기반의 아토믹 스타일링을 기본 정책으로 채택하며, 인라인 스타일 사용을 금지하고 오직 사전 정의된 원자 클래스만을 활용함.

 ## 🔗 지식 연결 (Graph)
- [[Design-System]], Tailwind-CSS-v4-도입, [[Software-Architecture-Patterns]], [[Clean-Code-Principles]]
+- [[Design-System|Design-System]], Tailwind-CSS-v4-도입, [[Software-Architecture-Patterns|Software-Architecture-Patterns]], [[Clean-Code-Principles|Clean-Code-Principles]]
 - **Raw Source:** 00_Raw/Atomic Styling.md
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 기술은 보조적 수단일 뿐, 인간 전문가나 가족의 사랑과 지지를 대체할 수 없다. 기술 과의존으로 인해 현실 세계와의 접촉이 더 줄어들지 않도록 인간 지향적 설계(Human-centered design)가 매우 중요하다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Accessibility-Compliance-Audit]] , Psychology_Cognitive_Science
+- Related: [[Accessibility-Compliance-Audit|Accessibility-Compliance-Audit]] , Psychology_Cognitive_Science
 - Ethics: AI-Ethics
@@ -6,7 +6,7 @@ tags: [PCG, Map Generation, Algorithm, Noise Nature]
 last_reinforced: 2026-04-20
 ---

-# [[Automated-Map-Generation]] (절차적 맵 생성 PCG)
+# [[Automated-Map-Generation|Automated-Map-Generation]] (절차적 맵 생성 PCG)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 무한한 우주는 수학 공식(Seed) 하나에서 탄생한다. 절차적 생성(PCG)은 개발자의 노동력을 '규칙의 창조'로 전이시켜 콘텐츠의 무한 확장을 가능케 한다.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - PCG는 자칫 '반복적이고 지루한(Samey)' 느낌을 줄 수 있다. 이를 방지하기 위해 핵심 랜드마크는 수동 제작(Manual Polish)하고, 그 사이의 연결을 PCG가 담당하는 하이브리드 방식이 선호된다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Systemic_Simulation_Principles]] , Art_Direction_Governance
- Foundation: [[Information Theory]]
+- Related: [[Systemic_Simulation_Principles|Systemic_Simulation_Principles]] , Art_Direction_Governance
+- Foundation: [[Information Theory|Information Theory]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, backend, server-side, architecture, api, data-management
 last_reinforced: 2026-04-20
 ---

-# [[Backend]]
+# [[Backend|Backend]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "보이지 않는 곳의 설계자: 사용자가 접하는 화면 뒤에서 데이터를 저장하고, 복잡한 로직을 처리하며, 보안을 책임지고 시스템의 안정성을 실질적으로 지탱하는 엔진룸."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 서버를 직접 관리하지 않고 실행할 때만 자원을 빌려 쓰는 'Serverless 정책'이 대중화되면서, 백엔드 엔지니어링의 중심이 인프라 관리에서 '비즈니스 흐름(Flow) 설계'로 이동함.

 ## 🔗 지식 연결 (Graph)
- [[Technical-Architecture]], [[API-Key-Management]], [[Availability-and-Persistence]], [[Software-Design-Principles]], [[Workflow-Integrity]]
+- [[Technical-Architecture|Technical-Architecture]], [[API-Key-Management|API-Key-Management]], [[Availability-and-Persistence|Availability-and-Persistence]], [[Software-Design-Principles|Software-Design-Principles]], [[Workflow-Integrity|Workflow-Integrity]]
 - **Modern Tech/Tools**: Node.js, Python FastAPI, Go, Docker/Kubernetes, Redis, PostgreSQL.
 ---
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 행동 재무학은 시장의 비합리성을 말하지만, 이를 이용해 돈을 버는 것은 또 다른 문제다(효율적 시장 가설과의 충돌). 최근에는 AI를 통해 소셜 미디어의 감정(Sentiment)을 분석하여 군중 심리를 정량화하는 고도화된 퀀트(Quant) 전략이 사용된다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Behavioral-Economics]] , [[Game Design Theory]]
- Foundation: [[Information Theory]]
+- Related: [[Behavioral-Economics|Behavioral-Economics]] , [[Game Design Theory|Game Design Theory]]
+- Foundation: [[Information Theory|Information Theory]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, behavioral-incentives, motivation, economics, nudging, s
 last_reinforced: 2026-04-20
 ---

-# [[Behavioral-Incentives]]
+# [[Behavioral-Incentives|Behavioral-Incentives]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "행동을 유도하는 설계된 보상: 인간이나 시스템이 특정한 방향으로 움직이도록 만드는 유무형의 혜택으로, 의지력을 강조하는 대신 상황의 구조를 바꿔 목적을 달성하는 실전적 행동 경제학."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 강화 학습 기반 AI 학습 정책(RLHF)에서, 단순히 높은 점수를 받는 것에만 매몰되지 않도록 '다양성 보상'이나 '정직성 보상'을 섞는 다차원 인센티브 설계 정책이 표준으로 자리 잡음.

 ## 🔗 지식 연결 (Graph)
- Motivation, [[Reinforcement Learning (RL)]], [[Behavior]], Game Theory, Economics of Attention
+- Motivation, [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[Behavior|Behavior]], Game Theory, Economics of Attention
 - **Modern Tech/Tools**: Gamification platforms, Token economy (Web3/Crypto), OKR/KPI systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, benchmarks, evaluation, performance-metrics, standardiza
 last_reinforced: 2026-04-20
 ---

-# [[Benchmarks]]
+# [[Benchmarks|Benchmarks]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 줄자: 서로 다른 시스템이나 알고리즘의 성능을 동일한 잣대로 비교하기 위해 설계된 표준화된 문제 세트이며, 기술 혁신의 이정표(Milestone)를 제시하는 경쟁의 마당."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 기술적 성능뿐만 아니라 윤리적 안정성과 유해성을 평가하는 'Safety Benchmark 정책'이 모델 배포의 필수 통과 관문이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Assessment]], [[Algorithmic Fairness]], Foundational Models, [[Ps-Reinforce]], [[Safety & Reliability]]
+- [[Assessment|Assessment]], [[Algorithmic Fairness|Algorithmic Fairness]], Foundational Models, [[Ps-Reinforce|Ps-Reinforce]], [[Safety & Reliability|Safety & Reliability]]
 - **Modern Tech/Tools**: Hugging Face Open LLM Leaderboard, HELM (Holistic Evaluation of Language Models).
 ---
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 최고 사양의 도구를 도입하더라도, 조직의 '문화(DevSecOps)'가 뒷받침되지 않으면 무용지물이다. 경고를 무시하지 않고 즉각 대응하는 거버넌스(Governance) 프로세스가 도구의 성능보다 중요하다.

 ## 🔗 지식 연결 (Graph)
- Related: [[SAST (Static Application Security Testing)]] , [[Deployment_Final_Gate]]
- Context: [[Modern_Environment_Ecosystem]]
+- Related: [[SAST (Static Application Security Testing)|SAST (Static Application Security Testing)]] , [[Deployment_Final_Gate|Deployment_Final_Gate]]
+- Context: [[Modern_Environment_Ecosystem|Modern_Environment_Ecosystem]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, bible, narrative, culture, history, values, interpretati
 last_reinforced: 2026-04-20
 ---

-# [[Bible]]
+# [[Bible|Bible]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서구 문명의 기초 텍스트: 수천 년에 걸쳐 기록된 신과 인간, 고통과 구원의 서사를 통해 인류의 도덕, 예술, 법률, 나아가 세계관 전체를 형성해온 가장 영향력 있는 이야기의 집대성."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대 AI 윤리 가이드라인 수립 정책 시, 특정 종교적 신념에 편향되지 않는 보편적 가치를 찾기 위해 성경을 비롯한 고전 경전들의 '보편 윤리적 정수'를 머신러닝 데이터 필터링 정책에 참고하기도 함.

 ## 🔗 지식 연결 (Graph)
- [[AI and Narrative]], [[Altruism]], [[Arts]], [[Axiology]], [[Sociology of Knowledge]]
+- [[AI and Narrative|AI and Narrative]], [[Altruism|Altruism]], [[Arts|Arts]], [[Axiology|Axiology]], [[Sociology of Knowledge|Sociology of Knowledge]]
 - **Modern Tech/Tools**: Digital concordance, Biblical archaeology AI.
 ---
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 지금 보면 바이오쇼크의 AI는 매우 단순한 규칙 기반 시스템이다. 하지만 '서사(Narrative)'와 결합했을 때, 그 단순함은 오히려 예측 가능한 몰입감을 제공했다. 현대의 비선형적 AI보다 '의도된 연출'이 게임 디자인에서 얼마나 강력한지 보여주는 사례다.

 ## 🔗 지식 연결 (Graph)
- Related: [[BioShock-Critique]] , [[Game Design Theory]]
- Foundation: [[Collective-Intelligence]]
+- Related: [[BioShock-Critique|BioShock-Critique]] , [[Game Design Theory|Game Design Theory]]
+- Foundation: [[Collective-Intelligence|Collective-Intelligence]]
@@ -6,7 +6,7 @@ tags: [BioShock, Critique, Ludonarrative Dissonance, Game Design]
 last_reinforced: 2026-04-20
 ---

-# [[BioShock-Critique]] (바이오쇼크 비평)
+# [[BioShock-Critique|BioShock-Critique]] (바이오쇼크 비평)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이야기는 자유를 갈구하지만, 시스템은 살육을 강요한다." 루도내러티브 디스너넌스(Ludonarrative Dissonance)라는 용어를 대중화시킨 불완전한 걸작이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 후속작인 `BioShock Infinite`에서는 이 디스너넌스가 더 심화되었다는 평이 많다. 이는 '서사를 중시하는 AAA 게임'이 가진 고질적인 한계(System vs Story)를 보여주는 지침석이다.

 ## 🔗 지식 연결 (Graph)
- Related: [[BioShock (2007)]] , [[Game Design Theory]]
- Context: [[Behavioral-Economics]]
+- Related: [[BioShock (2007)|BioShock (2007)]] , [[Game Design Theory|Game Design Theory]]
+- Context: [[Behavioral-Economics|Behavioral-Economics]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, blocking, synchronous, computation, resource-management,
 last_reinforced: 2026-04-20
 ---

-# [[Blocking]]
+# [[Blocking|Blocking]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "멈춰버린 흐름: 특정 작업이 완료될 때까지 나머지 모든 프로세스가 진행되지 못하도록 막아버리는 동기식 처리 방식으로, 자원 활용의 효율성을 떨어뜨리는 병목의 주원인."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 대규모 언어 모델 추론 정책에서, 토큰 생성이 끝날 때까지 기다리지 않고 생성되는 즉시 화면에 뿌려주는 '스트리밍(Streaming) 정책'이 블로킹에 의한 사용자 경험 저하를 막는 핵심 설계 원칙이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Bottlenecks]], [[Technical-Architecture]], [[Optimization]], [[Availability-and-Persistence]], [[Scalability]]
+- [[Bottlenecks|Bottlenecks]], [[Technical-Architecture|Technical-Architecture]], [[Optimization|Optimization]], [[Availability-and-Persistence|Availability-and-Persistence]], [[Scalability|Scalability]]
 - **Modern Tech/Tools**: Async/Await, Node.js (Event Loop), Promise patterns.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, bottom-up-approach, emergence, prototyping, inductive-re
 last_reinforced: 2026-04-20
 ---

-# [[Bottom-Up-Approach]]
+# [[Bottom-Up-Approach|Bottom-Up-Approach]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "작은 성공의 조립: 거창한 전체 계획부터 세우지 않고, 가장 구체적이고 당장 실행 가능한 작은 부품들을 먼저 만들어 검증한 뒤 이들을 연결하여 점진적으로 거대한 시스템을 완성하는 실용주의적 전략."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 지식 관리 정책(예: 이 Wiki)에서, 전체 카테고리부터 완벽히 짜는 대신 개별 지식 카드들을 먼저 풍성하게 주입하고 나중에 이들의 연결(Graph)을 통해 구조를 발견하는 '상향식 지식 생성 정책'이 채택됨 (Ps-Reinforce 핵심 철학).

 ## 🔗 지식 연결 (Graph)
- [[Big-Picture]], [[Analysis]], [[Emergence]], [[Agile-Philosophy]], [[Rapid-Prototyping]]
+- [[Big-Picture|Big-Picture]], [[Analysis|Analysis]], [[Emergence|Emergence]], [[Agile-Philosophy|Agile-Philosophy]], [[Rapid-Prototyping|Rapid-Prototyping]]
 - **Modern Tech/Tools**: Component-based UI (React), Microservices, Modular hardware.
 ---
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 바운디드 컨텍스트를 너무 잘게 쪼개면 마이크로서비스(MSA)의 관리 복잡성(Distributed System complexity)이 폭발한다. 처음에는 '모놀리식'으로 시작하되, 도메인 경계가 명확해지는 시점에 분리하는 전략이 실용적이다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Domain-Driven Design (DDD)]] , [[Bounded-Contexts-and-Interface-Segregation]]
- Foundation: [[Clean-Architecture-Implementation]]
+- Related: [[Domain-Driven Design (DDD)|Domain-Driven Design (DDD)]] , [[Bounded-Contexts-and-Interface-Segregation|Bounded-Contexts-and-Interface-Segregation]]
+- Foundation: [[Clean-Architecture-Implementation|Clean-Architecture-Implementation]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, bourgeoisie, sociology, class-theory, capitalism, histor
 last_reinforced: 2026-04-20
 ---

-# [[Bourgeoisie]]
+# [[Bourgeoisie|Bourgeoisie]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자본과 교양의 계급: 생산 수단을 소유함으로써 근대 자본주의를 이끌어온 주역이자, 경제적 풍요를 바탕으로 고질적인 지적/예술적 가치를 향유하며 문명을 조직해온 시민 계층."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 부의 대물림 정책에 대한 사회적 비판 정책이 강화됨에 따라, 최근의 부르주아적 가치는 단순 소유를 넘어 사회적 책임(ESG, 기부 정책)을 다하는 '노블레스 오블리주 정책'으로 그 정체성을 갱신하려 노력함.

 ## 🔗 지식 연결 (Graph)
- [[Anarcho-Capitalism]], [[Arts]], [[Axiology]], [[Sociology of Knowledge]], Capitalism
+- [[Anarcho-Capitalism|Anarcho-Capitalism]], [[Arts|Arts]], [[Axiology|Axiology]], [[Sociology of Knowledge|Sociology of Knowledge]], Capitalism
 - **Modern Tech/Tools**: Asset management AI, Venture capital networks.
 ---
@@ -1,4 +1,4 @@
-# [[Brand Consistency Maintenance]]
+# [[Brand Consistency Maintenance|Brand Consistency Maintenance]]

 ## 📌 Brief Summary
 브랜드 일관성 유지(Brand Consistency Maintenance)는 AI 이미지 생성 시 여러 결과물에 걸쳐 동일한 시각적 정체성, 미학, 캐릭터 및 환경 설정을 유지하는 기법을 의미합니다. 텍스트 프롬프트 내에서 핵심 스타일과 묘사를 통일하거나, 모델이 제공하는 특수 참조 매개변수를 활용하여 시각적 연속성을 보장합니다. 이는 마케팅 캠페인, 제품 라인 시각화, 브랜드 스토리텔링 등에서 신뢰도 높고 통일된 브랜드 이미지를 구축하는 데 필수적입니다.
@@ -17,8 +17,8 @@
    일관된 캠페인을 구축할 때는 3~5개의 브랜드에 안전한 참조 이미지를 먼저 수집하고, 단일한 메인 스타일 참조를 사용하여 초기 초안(Drafts)을 생성하는 것이 좋습니다 [5]. 특히 제품의 형태가 명확해야 할 때는 `--stylize` 값을 낮게 설정하고, 과도한 참조 신호가 얽히지 않도록 제어 요소를 전략적으로 제한해야 합니다 [5].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Style Reference]], [[Character Reference]], [[Prompt Structure]]
- **Projects/Contexts:** [[마케팅 캠페인 및 제품 라인 시각화]], [[브랜드 에스테틱 구축 워크플로우]]
+- **Related Topics:** [[Style Reference|Style Reference]], [[Character Reference|Character Reference]], [[Prompt Structure|Prompt Structure]]
+- **Projects/Contexts:** 마케팅 캠페인 및 제품 라인 시각화, 브랜드 에스테틱 구축 워크플로우
 - **Contradictions/Notes:** 소스에 따르면, 시각적 일관성을 높이겠다고 모든 제어 기능과 참조 매개변수를 한 번에 과도하게 섞어 쓰면 오히려 시스템의 예측 가능성이 떨어질 수 있습니다. 좁은 참조 세트로 시작하여 오류가 명확할 때만 제어 요소를 추가하는 것이 권장됩니다 [5].

 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, browser, web-access, rendering-engine, internet-infrastr
 last_reinforced: 2026-04-20
 ---

-# [[Browser]]
+# [[Browser|Browser]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인터넷 세상의 망원경이자 창: 서버로부터 전송받은 복잡한 코드(HTML, CSS, JS)를 인간이 보고 즐길 수 있는 아름다운 화면으로 실시간으로 번역하여 우주보다 넓은 웹의 바다를 항해하게 해주는 도구."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 서드파티 쿠키 차단 정책(Cookieless) 등 개인정보 보호 정책이 강화됨에 따라, 브라우저가 사용자 익명성을 보장하는 동시에 광고 성과를 측정하는 새로운 추적 차단 정책과 표준이 수립됨.

 ## 🔗 지식 연결 (Graph)
- [[Backend]], [[API-Key-Management]], [[Availability-and-Persistence]], [[Visual-Effects-VFX]], [[Technical-Architecture]]
+- [[Backend|Backend]], [[API-Key-Management|API-Key-Management]], [[Availability-and-Persistence|Availability-and-Persistence]], [[Visual-Effects-VFX|Visual-Effects-VFX]], [[Technical-Architecture|Technical-Architecture]]
 - **Modern Tech/Tools**: Chrome, Firefox, Safari, Chromium-based browsers, WebAssembly (Wasm).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, business-intelligence, bi, data-visualization, analytics
 last_reinforced: 2026-04-20
 ---

-# [[Business Intelligence (BI)]]
+# [[Business Intelligence (BI)|Business Intelligence (BI)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 통한 경영의 나침반: 뿔뿔이 흩어진 로(Raw) 데이터를 수집, 분석하여 직관적인 차트와 보고서로 변환함으로써, 경영진이 과거의 성과를 이해하고 확신에 찬 의사결정을 내릴 수 있게 돕는 지능형 대시보드."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 언어 모델과 BI의 융합 정책에 따라, 차트를 클릭하는 대신 "지난달 매출 하락 원인이 뭐야?"라고 자연어로 물으면 AI가 즉시 데이터를 분석해 설명해 주는 '대화형 BI(Conversational BI) 정책'이 기업 환경의 주류가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Automated-Decision-Making]], [[Analysis]], Pattern Recognition, [[Big-Data]], [[Strategic-Planning]]
+- [[Automated-Decision-Making|Automated-Decision-Making]], [[Analysis|Analysis]], Pattern Recognition, [[Big-Data|Big-Data]], [[Strategic-Planning|Strategic-Planning]]
 - **Modern Tech/Tools**: Tableau, Power BI, Looker, SQL, Data warehouses (BigQuery, Snowflake).
 ---
@@ -1,4 +1,4 @@
-# [[C-component (Context Manager)]]
+# [[C-component (Context Manager)|C-component (Context Manager)]]

 ## 📌 Brief Summary
 C-component(Context Manager)는 에이전트 하네스(Harness)의 6대 구성 요소 중 하나로, 모델의 제한된 컨텍스트 윈도우(Context Window)를 관리하고 최적화하는 책임을 진다. 사용자의 요청, 대화 이력, 외부 도구의 출력, 그리고 메모리 시스템(S-component)에서 가져온 지식을 조합하여 모델이 현재 작업을 수행하는 데 가장 적합한 '최적의 입력(Optimal Prompt)'을 구성한다.
@@ -18,11 +18,11 @@ C-component(Context Manager)는 에이전트 하네스(Harness)의 6대 구성
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Context Engineering]]
+*   [[Context Engineering|Context Engineering]]
    *   연결 이유: C-component가 수행하는 전략적 활동의 총칭이다.
-*   [[E-component (Execution Loop)]]
+*   [[E-component (Execution Loop)|E-component (Execution Loop)]]
    *   연결 이유: 실행 루프가 한 번 돌 때마다 C-component가 새로운 컨텍스트를 생성하여 모델에게 전달한다.
-*   [[S-component (State Store)]]
+*   [[S-component (State Store)|S-component (State Store)]]
    *   연결 이유: 컨텍스트에 주입할 장기적인 상태 정보를 제공받는 소스이다.

 ### Deeper Research Questions
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 분산 지식 그래프 시스템은 지식의 전파 속도보다 정확성이 중요하므로 CP 전략을 기본으로 하되, 사용자 읽기 요청에 대해서는 AP적 요소를 도입하여 응답성을 확보함.

 ## 🔗 지식 연결 (Graph)
- System-Design-for-AI-Scale, [[Distributed-Computing]], Vector-Database-Selection, Microservices
+- System-Design-for-AI-Scale, [[Distributed-Computing|Distributed-Computing]], Vector-Database-Selection, Microservices
 - **Raw Source:** 10_Wiki/Topics/AI/CAP-Theorem.md
@@ -1,4 +1,4 @@
-# [[CFG Scale]]
+# [[CFG Scale|CFG Scale]]

 ## 📌 Brief Summary
 CFG Scale(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI 이미지 생성 모델에서 결과물이 사용자의 텍스트 프롬프트를 얼마나 강하게 따를지를 제어하는 매개변수이다 [1, 2]. CFG Scale 값을 조절함으로써 이미지의 가변성(variability)을 부여하거나 사실성을 미세 조정할 수 있다 [2, 3]. 이 수치가 높아지면 모델이 프롬프트를 더 엄격하게 준수하지만, 동시에 부정 프롬프트(Negative prompt)의 영향력도 함께 커지게 된다 [1, 4].
@@ -9,8 +9,8 @@ CFG Scale(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI 이
 * **부정 프롬프트(Negative Prompt)와의 상호작용**: CFG Scale은 부정 프롬프트가 이미지에 미치는 중요도를 변화시킨다 [4]. 이미지 생성 과정 중 샘플러(sampler)가 긍정 조건과 부정 조건을 균형 있게 맞추게 되는데, CFG Scale이 높아지면 이 두 조건 모두에 대한 준수 성향이 강해진다 [4]. 따라서 용어 선택이 부적절한 약한 부정 프롬프트를 사용한 상태에서 단순히 CFG Scale 수치만 높인다고 결과가 똑똑해지는 것은 아니며, 오히려 모델이 잘못된 지시를 더 강한 확신을 가지고 따르게 만들 수 있다 [4].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Stable Diffusion]], [[Negative Prompt]], [[Sampling Steps]], [[Parameter]]
- **Projects/Contexts:** [[스테이블 디퓨전(Stable Diffusion) 기반의 이미지 다양성 및 사실성 제어 워크플로우]]
+- **Related Topics:** [[Stable Diffusion|Stable Diffusion]], [[Negative Prompt|Negative Prompt]], [[샘플링 스텝 (Sampling Steps)|Sampling Steps]], [[Parameter|Parameter]]
+- **Projects/Contexts:** 스테이블 디퓨전(Stable Diffusion) 기반의 이미지 다양성 및 사실성 제어 워크플로우
 - **Contradictions/Notes:** CFG Scale 수치를 높이는 것이 무조건적인 이미지 품질 향상을 보장하지 않는다. 부정 프롬프트가 부실하게 작성된 경우, CFG Scale을 높이면 오히려 잘못된 지시사항을 모델이 더 강하게 확신하고 따르게 되어 결과물이 훼손될 수 있다 [4].

 ---
@@ -1,4 +1,4 @@
-# [[CFG 스케일 (CFG Scale)]]
+# [[CFG 스케일 (CFG Scale)|CFG 스케일 (CFG Scale)]]

 ## 📌 Brief Summary
 CFG 스케일(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI 이미지 생성 모델에서 결과물이 사용자의 텍스트 프롬프트 지시를 얼마나 강하게 따를지 결정하는 매개변수이다 [1, 2]. 긍정 프롬프트를 생성의 목표로, 부정 프롬프트를 회피 영역으로 삼을 때, CFG 스케일은 이 조건부여(conditioning)에 대한 가이드의 강도(intensity)를 제어하는 역할을 한다 [1, 3]. 적절한 샘플링 스텝(Sampling steps)과 함께 CFG 스케일을 조정함으로써 생성 결과물의 사실성을 높이거나 결과물에 다양성을 부여할 수 있다 [2, 4].
@@ -17,8 +17,8 @@ CFG 스케일(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI
  단순히 CFG 스케일 값을 높인다고 해서 이미지 품질이 지능적으로 향상되는 것은 아니다. 만약 잘못된 단어 선택으로 구성된 빈약한 부정 프롬프트를 작성한 상태에서 CFG 스케일만 높일 경우, 모델이 그 잘못된 지시사항을 더 강한 확신을 갖고(more confidently) 따르게 되는 역효과가 발생할 수 있다 [1].

 ## 🔗 Knowledge Connections
- **Related Topics:** `[[긍정 프롬프트 (Positive Prompt)]]`, `[[부정 프롬프트 (Negative Prompt)]]`, `[[샘플링 스텝 (Sampling Steps)]]`, `[[Stable Diffusion]]`
- **Projects/Contexts:** `[[AI 이미지 생성 (AI Image Generation)]]`
+- **Related Topics:** `[[긍정 프롬프트 (Positive Prompt)|긍정 프롬프트 (Positive Prompt)]]`, `[[부정 프롬프트 (Negative Prompt)|부정 프롬프트 (Negative Prompt)]]`, `[[샘플링 스텝 (Sampling Steps)|샘플링 스텝 (Sampling Steps)]]`, `[[Stable Diffusion|Stable Diffusion]]`
+- **Projects/Contexts:** `[[AI 이미지 생성 (AI Image Generation)|AI 이미지 생성 (AI Image Generation)]]`
 - **Contradictions/Notes:** 소스는 CFG 스케일을 높이는 것이 프롬프트의 질적 부족함을 보완해주지 않는다고 경고한다. 프롬프트의 용어 선택이 좋지 않은 상태에서 CFG 수치만 올리면, 모델이 나쁜 지침을 더 강하게 따르게 되어 결과가 훼손될 수 있다 [1].

 ---
@@ -1,4 +1,4 @@
-# [[CFG 스케일(Classifier-Free Guidance Scale)]]
+# [[CFG 스케일(Classifier-Free Guidance Scale)|CFG 스케일(Classifier-Free Guidance Scale)]]

 ## 📌 Brief Summary
 CFG 스케일(Classifier-Free Guidance Scale)은 스테이블 디퓨전(Stable Diffusion)과 같은 AI 이미지 생성 모델에서 결과물이 사용자의 텍스트 프롬프트를 얼마나 엄격하게 따를지 제어하는 매개변수입니다 [1, 2]. 이는 생성 과정에서 긍정 프롬프트와 부정 프롬프트의 반영 강도(가이던스 강도)를 결정하는 역할을 합니다 [3]. CFG 스케일과 샘플링 스텝(sampling steps)을 세밀하게 조정함으로써 출력물에 다양성을 도입하고 생성된 이미지의 사실감을 높일 수 있습니다 [2, 4].
@@ -12,8 +12,8 @@ CFG 스케일(Classifier-Free Guidance Scale)은 스테이블 디퓨전(Stable D
 * **사실감 향상 및 미세 조정:** 스테이블 디퓨전 환경에서 AI 생성 아트의 사실감(realism)을 개선하고 결과물의 변동성을 조절하려면 샘플링 스텝과 함께 CFG 스케일을 최적화하여 세밀하게 조정(fine-tuning)해야 합니다 [2, 4].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[스테이블 디퓨전(Stable Diffusion)]], [[부정 프롬프트(Negative Prompt)]], [[매개변수(Parameters)]]
- **Projects/Contexts:** [[스테이블 디퓨전 모델의 미세 조정(Fine-tuning) 및 이미지 제어]]
+- **Related Topics:** [[스테이블 디퓨전 (Stable Diffusion)|스테이블 디퓨전(Stable Diffusion)]], [[부정 프롬프트(Negative Prompt)|부정 프롬프트(Negative Prompt)]], [[매개변수(Parameters)|매개변수(Parameters)]]
+- **Projects/Contexts:** 스테이블 디퓨전 모델의 미세 조정(Fine-tuning) 및 이미지 제어
 - **Contradictions/Notes:** CFG 스케일을 높이면 모델이 프롬프트에 더 강하게 집중하지만, 프롬프트의 용어 선택 자체가 나쁘다면 CFG를 높이는 것만으로는 이미지가 개선되지 않으며 오히려 부실한 지시를 맹목적으로 따르는 역효과를 냅니다 [5].

 ---
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 및 IDE 통합 보안"
 ---

-# [[CI_CD 파이프라인 및 IDE 통합 보안]]
+# [[CI_CD 파이프라인 및 IDE 통합 보안|CI_CD 파이프라인 및 IDE 통합 보안]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > CI/CD 파이프라인 및 IDE 통합 보안은 소프트웨어 개발 프로세스 전반에 걸쳐 코드의 품질과 보안을 유지하기 위한 핵심 접근법입니다 [1], [2]. 개발자가 코드를 작성하는 IDE 환경과 코드가 병합 및 배포되는 CI/CD 워크플로우에 정적 분석(SAST) 및 자동화된 보안 검사 도구를 내장하여 실시간 피드백을 제공합니다 [3], [4]. 이를 통해 개발자는 코드의 결함과 취약점을 조기에 식별하고 수정할 수 있어 안전하고 효율적인 소프트웨어 개발 수명 주기(SDLC)를 확보할 수 있습니다 [5], [6].
@@ -23,7 +23,7 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 및 IDE

 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** SAST(정적 애플리케이션 보안 테스트), Shift-left(시프트 레프트), SDLC(소프트웨어 개발 수명 주기)
- **Projects/Contexts:** [[SonarQube]], Snyk Code, [[DevSecOps]]
+- **Projects/Contexts:** [[SonarQube|SonarQube]], Snyk Code, [[DevSecOps|DevSecOps]]
 - **Contradictions/Notes:** 소스 내용 중 이 주제에 대한 명시적인 모순이나 반대 의견은 존재하지 않습니다. 모든 소스가 조기 발견(Shift-left)의 효율성 및 통합의 필요성에 동의하고 있습니다.

 ---
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 '멀티모달 지식 인덱싱'은 CLIP 아키텍처를 활용하여 위키 내의 이미지와 도표를 텍스트 검색 결과에 자연스럽게 노출시킴.

 ## 🔗 지식 연결 (Graph)
- [[Transformer-Architecture]], [[Zero-Shot-Learning]], [[Representation-Learning]], [[LLM]]
+- [[Transformer-Architecture|Transformer-Architecture]], [[Zero-Shot-Learning|Zero-Shot-Learning]], [[Representation-Learning|Representation-Learning]], [[LLM|LLM]]
 - **Raw Source:** 10_Wiki/Topics/AI/CLIP.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, cpted, crime-prevention, environmental-design, surveilla
 last_reinforced: 2026-04-20
 ---

-# [[CPTED]]
+# [[CPTED|CPTED]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "공간으로 범죄를 막다: CCTV에 의존하기 전, 건물의 모양과 가로등의 위치, 정원의 담장 높이를 설계하는 것만으로 잠재적 범죄자의 의지를 꺾고 주민들의 심리적 안전감을 극대화하는 '구조적 방어'의 철학."
@@ -28,6 +28,6 @@ CPTED(Crime Prevention Through Environmental Design, 환경 설계를 통한 범
 - **정책 변화(RL Update)**: 최근에는 AI 가 도시 설계를 시뮬레이션하여 범죄 발생 취약 지표 정책을 미리 예측하고 최적의 CPTED 설계 정책을 제안하는 스마트 시티 정책과 연동 중임. (Sim-City와 연결)

 ## 🔗 지식 연결 (Graph)
- [[Sustainability]], [[Efficiency]], Sim-City, Urban-Planning, [[Strategic-Planning]], [[Risk-Management]]
+- [[Sustainability|Sustainability]], [[Efficiency|Efficiency]], Sim-City, Urban-Planning, [[Strategic-Planning|Strategic-Planning]], [[Risk-Management|Risk-Management]]
 - **Key Theory**: Defensible Space (Oscar Newman).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, cv-synthesis, computer-vision, synthetic-data, image-gen
 last_reinforced: 2026-04-20
 ---

-# [[CV_Synthesis]]
+# [[CV_Synthesis|CV_Synthesis]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "가상의 눈을 위한 가상의 데이터: 실제 촬영 없이도 컴퓨터 그래픽스와 AI를 이용해 완벽하게 라벨링된 대규모 학습 데이터를 생성함으로써, 컴퓨터 비전 모델 개발의 높은 비용과 데이터 부족 문제를 해결하는 지능형 제조 공정."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 합성 데이터에 의한 '모델 붕괴(Model Collapse)' 방지 정책이 중요해짐에 따라, 원본 데이터와 합성 데이터의 적절한 혼합 비율 정책과 데이터 다양성 증명 정책이 모델 개발의 필수 과정이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Computer Vision]], [[Black-Swan]], [[Diffusion-Models]], Simulation, [[Data Distillation (데이터 증류)]]
+- [[Computer Vision|Computer Vision]], [[Black-Swan|Black-Swan]], [[Diffusion-Models|Diffusion-Models]], Simulation, [[Data Distillation (데이터 증류)|Data Distillation (데이터 증류)]]
 - **Modern Tech/Tools**: Unity Perception, NVIDIA Omniverse, Stable Diffusion, Blender.
 ---
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 이커머스 관련 에이전트 설계 시 Allbirds의 '지점 통합형 가치 전달' 모델을 표준으로 채택하며, PWA를 기본 웹 앱 아키텍처로 강제함.

 ## 🔗 지식 연결 (Graph)
- Progressive-Web-App-PWA, Conversion-Rate-Optimization-CRO, [[Modern-Website-Architecture]], User-Experience-UX-Design
+- Progressive-Web-App-PWA, Conversion-Rate-Optimization-CRO, [[Modern-Website-Architecture|Modern-Website-Architecture]], User-Experience-UX-Design
 - **Raw Source:** 00_Raw/Allbirds E-commerce Redesign.md, 00_Raw/Allbirds PWA Redesign.md
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 플랫폼 설계 시 Kiwi.com의 모노레포 및 디자인 시스템 기반 협업 모델을 벤치마킹하며, 모든 공유 패키지의 버전 관리를 자동화하는 정책을 도입함.

 ## 🔗 지식 연결 (Graph)
- [[Modern-Frontend-Engineering-Architecture]], [[Design-System]], [[Nextjs-App-Router-Architecture]], Scalable-Frontend-Architecture, [[Uber-Base-Web-Design-System]]
+- [[Modern-Frontend-Engineering-Architecture|Modern-Frontend-Engineering-Architecture]], [[Design-System|Design-System]], [[Nextjs-App-Router-Architecture|Nextjs-App-Router-Architecture]], Scalable-Frontend-Architecture, [[Uber-Base-Web-Design-System|Uber-Base-Web-Design-System]]
 - **Raw Source:** 00_Raw/Kiwi.com Migration.md, 00_Raw/kiwi.com 마이그레이션 프로젝트.md
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 기반 게임 엔진 배포 시 `dist/` 폴더 하위에 빌드 번호별 격리된 자산 경로를 생성하는 것을 강제하는 배포 정책을 시행함.

 ## 🔗 지식 연결 (Graph)
- [[Modern-Frontend-Engineering-Architecture]], Vite-Build-Optimization, [[Frontend-Performance-Optimization-Guide]]
+- [[Modern-Frontend-Engineering-Architecture|Modern-Frontend-Engineering-Architecture]], Vite-Build-Optimization, [[Frontend-Performance-Optimization-Guide|Frontend-Performance-Optimization-Guide]]
 - **Raw Source:** 00_Raw/2026-04-26-Skybound_Production_Visual_Mismatch_Public_Asset_Cache_Busting.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, cesiumjs, webgl, 3d-mapping, geospatial, visualization]
 last_reinforced: 2026-04-20
 ---

-# [[CesiumJS]]
+# [[CesiumJS|CesiumJS]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "브라우저에 담긴 지구: 웹상에서 거대한 3D 지형, 위성 이미지, 실시간 정밀 데이터를 플러그인 없이도 최고 수준의 성능으로 렌더링하는 오픈소스 기반의 공간 지능형 시각화 플랫폼."
@@ -26,6 +26,6 @@ CesiumJS는 3D 지리 공간 데이터를 웹 브라우저에서 시각화하기
 - **정책 변화(RL Update)**: 엔비디아 옴니버스나 구글 맵스 3D 타일과의 통합 정책이 강화됨에 따라, 닫힌 시스템이 아닌 '상호운용성 정책(Interoperability)'을 최우선으로 하는 지리 정보 생태계로 진화함.

 ## 🔗 지식 연결 (Graph)
- [[Browser]], Geographic-Information-Systems (GIS), Simulation, [[Scalability]], [[Technical-Architecture]]
+- [[Browser|Browser]], Geographic-Information-Systems (GIS), Simulation, [[Scalability|Scalability]], [[Technical-Architecture|Technical-Architecture]]
 - **Modern Tech/Tools**: Cesium Ion, Unmanned Traffic Management (UTM), Digital Twin platforms.
 ---
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 대규모 함대 시뮬레이션 시, 카오스 이론을 응용하여 각 기체의 단순한 로직이 합쳐져 예측 불가능하면서도 유기적인 진형 변화를 보이도록 설계함.

 ## 🔗 지식 연결 (Graph)
- [[Complexity-Theory]], [[Artificial-Life]], [[Multi-Agent-Systems-MAS]], System-Design-for-AI-Scale
+- [[Complexity-Theory|Complexity-Theory]], [[Artificial-Life|Artificial-Life]], [[Multi-Agent-Systems-MAS|Multi-Agent-Systems-MAS]], System-Design-for-AI-Scale
 - **Raw Source:** 10_Wiki/Topics/AI/Chaos-Theory in Systems.md
@@ -1,4 +1,4 @@
-# [[Character Consistency]]
+# [[Character Consistency|Character Consistency]]

 ## 📌 Brief Summary
 캐릭터 일관성(Character Consistency)은 AI 이미지 및 비디오 생성 시 동일한 인물이나 객체의 외형적 정체성을 여러 생성 결과물에 걸쳐 동일하게 유지하는 기법을 의미합니다[1, 2]. 주로 스토리텔링, 만화 제작, 브랜드 마케팅 등에서 일관된 시각적 서사를 구축할 때 필수적으로 요구됩니다[3-5]. 모델에 따라 특화된 피사체 참조 파라미터(예: `--cref`, `--oref`)를 활용하거나, 프롬프트의 스타일 묘사 및 시드(seed) 번호를 통일하는 방식으로 구현할 수 있습니다[6, 7].
@@ -17,8 +17,8 @@
  구글의 Veo 3.1 비디오 생성 모델의 경우, "Ingredients to video" 기능을 통해 샷 간의 일관성을 유지합니다[5, 15]. Gemini 2.5 Flash Image 등을 활용하여 캐릭터와 배경에 대한 참조 이미지를 생성한 뒤 이를 제공하면, 여러 샷에 걸쳐 일관된 미학과 캐릭터가 유지되는 대화 장면 등의 비디오를 구성할 수 있습니다[5, 15]. 

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Prompt Parameters]], [[Seed]], [[Omni Reference]], [[Style Reference]]
- **Projects/Contexts:** [[Storytelling and Comic Book Generation]], [[Brand Identity and Marketing Campaigns]]
+- **Related Topics:** Prompt Parameters, [[Seed|Seed]], [[Omni Reference|Omni Reference]], [[Style Reference|Style Reference]]
+- **Projects/Contexts:** Storytelling and Comic Book Generation, Brand Identity and Marketing Campaigns
 - **Contradictions/Notes:** 미드저니(V6/V7)나 Veo 3.1과 같은 모델들은 `--cref`, `--oref` 또는 "Ingredients to video" 기능을 통해 시스템적으로 연속적인 캐릭터 및 객체 생성을 강력하게 지원합니다[1, 9, 15]. 반면, DALL-E 3는 이러한 재사용 기능이 지원되지 않아 다수의 개별 이미지로 스토리를 구성하기보다는 단일 이미지 내에 몽타주 기법을 써야 하는 등 플랫폼 간 기능적 한계와 접근 방식에 명확한 차이가 존재합니다[14].

 ---
@@ -1,4 +1,4 @@
-# [[Character Reference]]
+# [[Character Reference|Character Reference]]

 ## 📌 Brief Summary
 Character Reference(캐릭터 참조)는 미드저니(Midjourney) V6 모델에서 도입된 기능으로, 여러 이미지 생성 결과물에서 동일한 캐릭터의 외형을 일관되게 유지하기 위해 사용되는 프롬프트 파라미터이다 [1, 2]. 사용자는 기준이 되는 이미지의 URL을 제공하여 AI가 캐릭터의 얼굴, 머리스타일, 의상 등의 정체성을 기억하고 새 장면에 반영하도록 지시할 수 있다 [2, 3]. 이야기나 코믹 북 제작처럼 매 프레임마다 동일한 인물이 일관된 모습으로 등장해야 하는 시각적 서사 및 브랜드 구축에 필수적인 역할을 수행한다 [3, 4].
@@ -13,8 +13,8 @@ Character Reference(캐릭터 참조)는 미드저니(Midjourney) V6 모델에
 * **핵심 활용 목적**: 주로 연속적인 스토리가 있는 코믹스 작업이나 프레임 간 일관성이 요구되는 프로젝트, 또는 브랜드 특유의 미학적 정체성을 유지해야 하는 캠페인에서 캐릭터를 복제하고 유지하기 위해 활용된다 [3-5].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Midjourney Parameters]], [[Style Reference]], [[Omni Reference]]
- **Projects/Contexts:** [[일관성 있는 캐릭터 스토리 및 코믹스 제작]], [[브랜드 이미지 및 서사 구축]]
+- **Related Topics:** [[Midjourney Parameters|Midjourney Parameters]], [[Style Reference|Style Reference]], [[Omni Reference|Omni Reference]]
+- **Projects/Contexts:** 일관성 있는 캐릭터 스토리 및 코믹스 제작, 브랜드 이미지 및 서사 구축
 - **Contradictions/Notes**: 미드저니 V6는 주로 인물의 시각적 정체성을 유지하기 위해 캐릭터 참조(--cref)를 도입했으나, V7에서는 이 개념을 확장하여 특정 사물(예: 맞춤형 자동차, 보석 등)이나 형태 전반을 유지할 수 있는 옴니 참조(--oref) 기능으로 발전시켰다 [1, 4, 7].

 ---
@@ -1,4 +1,4 @@
-# [[ChatGPT 통합 (ChatGPT Integration)]]
+# [[ChatGPT 통합 (ChatGPT Integration)|ChatGPT 통합 (ChatGPT Integration)]]

 ## 📌 Brief Summary
 ChatGPT 통합은 DALL-E 3와 같은 이미지 생성 모델이 ChatGPT 내부에 기본적으로 탑재되어 상호작용하는 방식을 의미합니다 [1]. 이 통합 환경에서 ChatGPT의 언어 모델은 사용자가 입력한 단순한 초기 프롬프트를 해석하고, 시각적 디테일이 추가된 훨씬 더 상세한 프롬프트로 자동 확장하여 이미지 결과물을 도출합니다 [1, 2]. 자연어를 통한 대화형 반복 작업이 가능해져 사용자 편의성이 크게 향상되었으나, 언어 모델의 자동화된 텍스트 확장이 이미지 생성 모델의 정밀한 통제를 방해하는 원인이 되기도 합니다 [3-5].
@@ -18,8 +18,8 @@ ChatGPT 통합은 DALL-E 3와 같은 이미지 생성 모델이 ChatGPT 내부
    ChatGPT의 임의적인 프롬프트 확장을 방지하고 정밀한 제어를 유지하려면 특별한 프롬프트 전략이 필요합니다. 사용자들은 **"입력한 프롬프트를 전혀 변경하지 말고 그대로 사용할 것(Use the prompt unchanged as entered)"**이라고 명시적으로 지시하여 ChatGPT의 자동 확장을 막을 수 있습니다 [5, 7, 9]. 또한, 의도치 않은 충돌을 파악하고 디버깅하기 위해 ChatGPT에게 실제로 DALL-E로 전송한 정확한 원본 텍스트를 보여달라고 요구하는 것도 좋은 전략입니다 [10, 11].

 ## 🔗 Knowledge Connections
- **Related Topics:** `[[DALL-E 3]]`, `[[프롬프트 확장 (Prompt Expansion)]]`, `[[자연어 프롬프팅 (Natural Language Prompting)]]`, `[[거짓 시각적 피드백 (False Visual Feedback)]]`
- **Projects/Contexts:** `[[OpenAI 대화형 이미지 생성 워크플로우]]`
+- **Related Topics:** `[[DALL-E 3|DALL-E 3]]`, `[[프롬프트 확장(Prompt Expansion)|프롬프트 확장 (Prompt Expansion)]]`, `자연어 프롬프팅 (Natural Language Prompting)`, `거짓 시각적 피드백 (False Visual Feedback)`
+- **Projects/Contexts:** `OpenAI 대화형 이미지 생성 워크플로우`
 - **Contradictions/Notes:** 소스 1과 3은 ChatGPT의 자연어 처리와 프롬프트 자동 확장이 사용자의 수고를 덜어주고 결과물을 개선하는 긍정적인 '강점'이라고 강조하지만 [1, 2, 4], 소스 10과 11은 이러한 화려한 문장 확장이 오히려 DALL-E의 직관적이고 정확한 이미지 생성을 방해하며 프롬프트 제어력을 상실하게 만드는 '버그 및 문제점'으로 지적하며 상충된 시각을 보여줍니다 [5, 7, 8].

 ---
@@ -1,4 +1,4 @@
-# [[ChatGPT 통합 기반 텍스트 투 이미지(Text-to-Image) 생성]]
+# [[ChatGPT 통합 기반 텍스트 투 이미지(Text-to-Image) 생성|ChatGPT 통합 기반 텍스트 투 이미지(Text-to-Image) 생성]]

 ## 📌 Brief Summary
 ChatGPT 통합 기반 텍스트 투 이미지 생성은 사용자의 단순한 자연어 지시를 GPT 언어 모델이 풍부하고 상세한 시각적 묘사로 자동 확장하여 DALL-E 3와 같은 이미지 생성 모델에 전달하는 시스템입니다 [1-3]. 이 통합 환경은 대화형으로 프롬프트를 쉽게 다듬을 수 있어 사용 편의성을 극대화하지만, 때로는 언어 모델의 과도한 텍스트 장식이나 시각적 피드백의 부재로 인해 의도치 않은 결과물을 낼 수 있어 통제 전략이 필요합니다 [4-7].
@@ -15,8 +15,8 @@ ChatGPT 통합 기반 텍스트 투 이미지 생성은 사용자의 단순한
    언어 모델이 프롬프트를 자의적으로 수정하여 발생하는 오류나 모순(예: "이미지를 생성하라"는 명령 자체를 화폭 안의 붓이나 카메라로 묘사해 버리는 현상)을 방지하려면 사용자의 적극적인 통제가 필요합니다 [6, 14, 16]. 최적의 결과를 얻거나 모델의 순수한 창의성을 테스트하려면, "입력한 프롬프트를 변경하지 말고 그대로 사용할 것(use the prompt unchanged as entered)"이라는 명시적인 지시를 추가하여 GPT의 자동 확장 기능을 차단해야 합니다 [3, 7, 15].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[DALL-E 3]], [[Prompt Expansion (프롬프트 확장)]], [[Negative Prompts (부정 프롬프트)]]
- **Projects/Contexts:** [[ChatGPT Plus 통합 환경]]
+- **Related Topics:** [[DALL-E 3|DALL-E 3]], Prompt Expansion (프롬프트 확장), Negative Prompts (부정 프롬프트)
+- **Projects/Contexts:** ChatGPT Plus 통합 환경
 - **Contradictions/Notes:** 소스 [1], [9], [3] 등은 ChatGPT의 자동 프롬프트 확장(Expansion) 기능을 초보자의 편의를 돕고 완성도를 높이는 강력한 장점으로 평가하지만, 소스 [7], [13], [14], [15] 등에서는 GPT의 화려하고 긴 수식어 첨가가 오히려 DALL-E 모델의 본래 작동 방식(간결하고 정밀한 지시 선호)을 방해하여 결과물의 정확도를 떨어뜨리므로 이 기능을 명시적으로 차단해야 한다고 상반된 입장을 주장합니다.

 ---
--- a/Show More
+++ b/Show More