bluemsi/2nd
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

chore(wiki): 00_Raw 정리(위키화 완료분 32건 삭제) + Topic_Math_Specialty 신설 + Astra 런타임 자산 동기화

Browse Source 
- 00_Raw: 위키화가 끝난 회의록·원문 32건 삭제
- 10_Wiki/Topics: Topic_Math_Specialty(수학 전용 지식 폴더 — Astra 단계별 지식 스코프용),
  Digests, ASTRA 기능 인벤토리 추가
- .astra 런타임(growth/eval/memory)·lessons·chronicle 설정 동기화

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
This commit is contained in:
Antigravity Agent
2026-07-05 20:50:10 +09:00
parent 51add2736f
commit 6549ead309
74 changed files with 2252 additions and 1753 deletions
Download Patch File Download Diff File Expand all files Collapse all files
10_Wiki/Topics/.astra/eval/corrections.jsonl
+1
View File
@@ -2,3 +2,4 @@
{"ts":"2026-06-15T06:32:12.103Z","errorTag":"맥락누락","question":"3주에서 5주면, 2배인거자나? +/- 오차 범위가 너무 넓어","wrongAnswer":"그렇습니다. 3주와 5주는 작업량 차이가 거의 67%에 달하기 때문에, 이 정도의 편차는 프로젝트 스케줄링 관점에서는 **'예측 불가능한 리스크'**로 작용합니다.\n\n오차 범위를 줄이기 위해 우리가 결정해야 할 것은 **\"기획(스토리보드)이 준비되었을 때, 제작 공정 중 어디까지가 확정된 상태인가?\"**입니다.\n\n범위를 좁히기 위한 두 가지 선택지를 제안합니다.\n\n### 옵션 1: '리소스 확보' 여부에 따라 범위 고정 (현실적 접근)\n단순히 \"기획이 있다\"가 아니라, **\"기획에 필요한 소스(키이미지, 영상, 사운드)가 준비되었는가?\"**를 기준으로 삼는 것입니다.\n\n* **Case A (리소스 완료):** 기획 + 리소스 확보 완료 $\\rightarrow$ **3주 고정** (편집/합성만 남음)\n* **Case B (기획만 완료):** 기획은 있으나 소스 제작 필요 $\\rightarrow$ **5주 유지** (리소스 제작 기간 포함)\n\n이렇게 하면 오차 범위를 3주~5주가 아닌, **'3주(소스 준비 시)' vs '5주(소스 미준비 시)'**로 명확히 구분할 수 있습니다.\n\n### 옵션 2: '기술적 난이도'를 기준으로 범위 고정 (구조적 접근)\n","correction":"1분 30초 말하는거야 3분 30초가 아니라","title":"대화의 주제(기간/오차범위)와 다른 내용(영상 길이)을 놓침"}
{"ts":"2026-06-15T06:32:55.330Z","errorTag":"기타","question":"1분 30초 말하는거야 3분 30초가 아니라","wrongAnswer":"그렇다면 오차 범위의 핵심은 **'영상 길이(분량)'**가 아니라, **'기술적 난이도와 리소스 작업량'**에 집중되어야 합니다.\n\n사용자께서 말씀하신 대로 1분 30초를 기준으로 잡는다면, 3분 30초(브랜드 필름)처럼 긴 영상으로 인한 변수는 제거됩니다. 이제 우리가 줄여야 할 오차 범위의 핵심은 **\"기획만 있고 소스는 없는 상태인가, 아니면 소스까지 준비된 상태인가\"**로 압축됩니다.\n\n결론을 수정하여 범위를 다음과 같이 재정의할 수 있습니다.\n\n### 결론 수정: 1분 30초 영상 기준 예측 범위\n\n직전의 '3주~5주'라는 넓은 범위는 영상 길이에 따른 변수(3분 30초)를 포함하고 있었으나, **1분 30초로 고정할 경우** 오차 범위는 다음과 같이 좁혀집니다.\n\n1. **[Case 1] 리소스 준비 완료 (기획 + 소스 확보): 약 3주**\n * 이미 키이미지, VFX, 사운드 등 편집에 쓸 재료가 모두 있는 상태입니다. 오직 '편집'과 '합성'만 남았으므로 3주 내에 확정적 종료가 가능합니다.\n2. **[Case 2] 리소스 제작 필요 (기획만 완료): 약 5주**\n * 기획은 있지만, 가이드에 명시된 '리소스 제작(VFX","correction":"리소스가 있고 편집이라면 3주가 아니라 1.5주여야 하는거 아니야?","title":"수치 오류를 바로잡기 위한 논리적 근거 재검토 필요"}
{"ts":"2026-06-16T09:44:43.435Z","errorTag":"사실오류","question":"/meet D:\\Meet\\p.txt","wrongAnswer":"**Datacollect Radio** · `/meet` · bridge=`http://127.0.0.1:3002`\n\n📝 **회의록 작성**: D:\\Meet\\p.txt\n\n⏳ 녹취 파일 읽는 중…📚 자동 용어집 3개 용어 주입\n\n✅ 파일 읽기 완료 (8,631자)\n\n🧪 **회의록 합성** (모델 `gemma-4-26b-a4b-it`)\n모델·하드웨어에 따라 수 분 걸릴 수 있습니다… ✓ (16s)\n\n# [회의 제목] 플랫폼 최적화 및 CCOC 프로젝트 진행 현황 논의\n\n- **날짜**: 2026년 06월 16일\n- **참석자**: 김원일 PD, 송병준, 김상엽, 오경득, 전효주, 한예성 (메타데이터 기준)\n- **주제 요약**: iOS 메모리 이슈 해결을 위한 플랫폼(PlayCanvas, Babylon.js 등) 조사 및 CCOC 프로젝트의 목업 기반 개발 방향 논의\n\n## 🔹 요약 보고\n* **iOS 메모리 문제 및 최적화**: iOS 기기에서 파일 압축 해제 시 발생하는 메모리 부족 문제와 이를 극복하기 위한 플레이캔버스(PlayCanvas) 활용 방점 논의.\n* **플랫폼 기술 조사**: 웹GL 기반 환경에서 성능이 검증된 샘플 사이트(3개 ","correction":"ccoc가 아니라 SISIHOSI야","title":"ccoc가 아니라 SISIHOSI야"}
{"ts":"2026-07-05T05:04:09.131Z","errorTag":"사실오류","question":"오늘 무슨 요일이야?","wrongAnswer":"오늘은 일요일입니다.","correction":"앞으로는 일요일이 아니라 주일이라고 말해","title":"앞으로는 일요일이 아니라 주일이라고 말해"}
10_Wiki/Topics/.astra/eval/metrics-history.jsonl
+1
View File
@@ -1,2 +1,3 @@
{"ts":"2026-06-14T11:00:23.846Z","recall1":0.20833333333333334,"recall3":0.2916666666666667,"mrr":0.2534722222222222,"queries":24}
{"ts":"2026-06-17T10:10:22.905Z","recall1":0.6666666666666666,"recall3":0.8333333333333334,"mrr":0.7604166666666666,"queries":24}
{"ts":"2026-07-05T11:00:10.286Z","recall1":0.16666666666666666,"recall3":0.25,"mrr":0.2222222222222222,"queries":24}
10_Wiki/Topics/.astra/eval/report-2026-07-05T11-00-10-auto.md
+98
View File
@@ -0,0 +1,98 @@
# Astra 검색 평가 리포트
- 두뇌: **Topics**
- 일시: 2026. 7. 5. 오후 8:00:10
- 임베딩: (없음 — TF-IDF only)
- 질의 수: 24
- 메모: 주간 자동 사이클 (TF-IDF 경로)
## 종합 지표
| 지표 | 값 |
|---|---|
| recall@1 | 16.7% |
| recall@3 | 25.0% |
| recall@5 | 33.3% |
| MRR | 0.222 |
> recall@k = 기대 문서가 상위 k개 안에 든 질의 비율. MRR = 첫 정답의 1/순위 평균 (1에 가까울수록 좋음).
## 질의별 상세
| # | 질의 | 첫 정답 순위 | top-k hit | 기대 문서 |
|---|---|---|---|---|
| 1 | 긴 문서를 검색용으로 어떻게 잘게 나눠 인덱싱하지? | **miss** | @1✗ @3✗ @5✗ | 문서 청킹 전략.md, 청킹 전략.md |
| 2 | RecursiveCharacterTextSplitter 같은 재귀적 문자 분할은 어떻게 동작해? | **miss** | @1✗ @3✗ @5✗ | 재귀적 문자 분할.md |
| 3 | 키워드 검색과 벡터 검색을 함께 쓰는 하이브리드 방식 | **miss** | @1✗ @3✗ @5✗ | 하이브리드 검색.md |
| 4 | 벡터 데이터베이스는 어떤 기준으로 비교해서 골라야 하나 | **miss** | @1✗ @3✗ @5✗ | 벡터 데이터베이스.md |
| 5 | 텍스트 임베딩 모델 선택 기준과 종류 | **miss** | @1✗ @3✗ @5✗ | 임베딩 모델.md, 텍스트 임베딩 모델.md |
| 6 | 검색 결과를 다시 정렬하는 reranker 재랭킹 기법 | #2 | @1✗ @3✓ @5✓ | Re-ranking.md, Reranker.md |
| 7 | RAG 성능을 RAGAS로 정량 평가하는 지표들 | #4 | @1✗ @3✗ @5✓ | RAGAS 평가 지표.md, RAGAS.md |
| 8 | LLM을 심판으로 써서 답변 품질을 평가하는 방법 | **miss** | @1✗ @3✗ @5✗ | LLM-as-a-Judge.md |
| 9 | 검색된 컨텍스트의 정밀도 precision은 어떻게 측정하나 | #4 | @1✗ @3✗ @5✓ | Context Precision.md |
| 10 | context recall 지표가 의미하는 것 | #1 | @1✓ @3✓ @5✓ | Context Recall.md |
| 11 | 에이전트가 스스로 검색을 도구로 호출하는 Agentic RAG | #1 | @1✓ @3✓ @5✓ | Agentic RAG.md |
| 12 | 지식 그래프 기반 GraphRAG 동작 원리 | #1 | @1✓ @3✓ @5✓ | GraphRAG.md |
| 13 | 검색이 부실할 때 교정하는 Corrective RAG | **miss** | @1✗ @3✗ @5✗ | CRAG.md |
| 14 | 지식 그래프와 그래프 데이터베이스 개념 | **miss** | @1✗ @3✗ @5✗ | 지식 그래프.md, 그래프 데이터베이스.md |
| 15 | 문서에서 개체(엔티티)와 관계를 추출하는 방법 | **miss** | @1✗ @3✗ @5✗ | 개체 및 관계 추출.md |
| 16 | 전처리 단계에서 텍스트 정규화를 어떻게 하나 | **miss** | @1✗ @3✗ @5✗ | 텍스트 정규화.md |
| 17 | 토크나이저는 어떻게 텍스트를 토큰으로 쪼개나 | **miss** | @1✗ @3✗ @5✗ | 텍스트 토크나이저.md |
| 18 | RAG 전체 파이프라인 아키텍처와 구성 요소 | **miss** | @1✗ @3✗ @5✗ | RAG 아키텍처 및 파이프라인 기초.md, RAG 아키텍처.md, RAG 파이프라인.md |
| 19 | 고급 RAG 기법 정리 | **miss** | @1✗ @3✗ @5✗ | Advanced RAG 기법.md |
| 20 | 데이터 인덱싱과 오케스트레이션 파이프라인 | **miss** | @1✗ @3✗ @5✗ | 데이터 인덱싱 및 오케스트레이션.md |
| 21 | LangChain으로 RAG 구현하기 | **miss** | @1✗ @3✗ @5✗ | LangChain.md |
| 22 | LlamaIndex 프레임워크로 문서 검색 | #3 | @1✗ @3✓ @5✓ | LlamaIndex.md |
| 23 | 데이터셋 버전 관리 DVC | **miss** | @1✗ @3✗ @5✗ | 데이터 버전 관리.md |
| 24 | LLM 운영 LLMOps 베스트프랙티스 | #1 | @1✓ @3✓ @5✓ | LLMOps.md, MLOps.md |
## Miss 진단 (top 결과가 기대와 어긋난 질의)
- **긴 문서를 검색용으로 어떻게 잘게 나눠 인덱싱하지?**
- 기대: 문서 청킹 전략.md, 청킹 전략.md
- 실제 상위: Topic_General/Poetic_Blog_Writing/062_긴_문장의_물결감.md · Topic_General/Poetic_Blog_Writing/222_긴_글에서_집중_유지하기.md · Topic_Programming/Coding/Android_WorkManager_Patterns.md · Topic_Programming/Coding/Android_Notification_Patterns.md · Topic_Programming/Chronicle_Records/Thinking/2026-05-27_아-참조해야할-레퍼-문서를-다시-줄께-e-wiki-2nd-10-wiki-topics-thinking-reas_implementation.md
- **RecursiveCharacterTextSplitter 같은 재귀적 문자 분할은 어떻게 동작해?**
- 기대: 재귀적 문자 분할.md
- 실제 상위: Topic_Programming/Topics_Rag/재귀적 문자 분할.md · Topic_Programming/Coding/Backend_Idempotent_Consumer.md · Topic_Programming/Coding/Frontend_Container_Queries.md · Topic_Programming/Coding/AI_Multimodal_Vision_Patterns.md · Topic_Programming/AI_and_ML/Addiction_Neuroscience.md
- **키워드 검색과 벡터 검색을 함께 쓰는 하이브리드 방식**
- 기대: 하이브리드 검색.md
- 실제 상위: Topic_General/From_Topic_Blog/키워드 분석.md · Topic_Programming/Topic_Programming/ADR-0007_하이브리드_검색_결정론_우선.md · Topic_Programming/Topics_Rag/하이브리드 검색.md · Topic_Business/Economics & Algorithms/하이브리드 캐주얼(Hybrid-Casual).md · Topic_Business/From_Topic_Blog/콘텐츠 기획.md
- **벡터 데이터베이스는 어떤 기준으로 비교해서 골라야 하나**
- 기대: 벡터 데이터베이스.md
- 실제 상위: Topic_Programming/Topics_Rag/벡터 데이터베이스.md · Topic_General/From_사업/2026-05-09_너의-지식-기준으로-아래-프로젝트-분석하고-설계적-기능적-사용자-경험-그리고-편의성까지-고려해서-리뷰-해줘-.md · Topic_General/From_사업/ADR-0004-너의-지식-기준으로-아래-프로젝트-분석하고-설계적-기능적-사용자-경험-그리고-편의성까지-고려해서-리뷰-해줘-.md · Topic_General/From_사업/ADR-0002-그러면-너는-comfyui를-이용하여-내가-동영상-제작에-사용할-json-파일을-생성하면-생성해줄-수-있어-.md · Topic_Programming/AI_and_ML/인-이미지 텍스트(In-Image Text).md
- **텍스트 임베딩 모델 선택 기준과 종류**
- 기대: 임베딩 모델.md, 텍스트 임베딩 모델.md
- 실제 상위: Topic_Programming/Topics_Rag/텍스트 임베딩 모델.md · Topic_Programming/Topic_Programming/디버깅_플레이북.md · Topic_Programming/Coding/AI_Skills_Patterns.md · Topic_General/From_Topic_Blog/임베딩 (Embedding).md · Topic_Graphic/Visual_Effects/Revit 모델 렌더링.md
- **LLM을 심판으로 써서 답변 품질을 평가하는 방법**
- 기대: LLM-as-a-Judge.md
- 실제 상위: Topic_Programming/AI_and_ML/GPU.md · ASTRA 기능 인벤토리.md · Topic_General/From_Topics_Root/ASTRA 기능 인벤토리.md · Topic_Programming/Coding/Web_SSE_Server_Sent_Events.md · Topic_Programming/From_Topics_Root/LLM_Optimization_and_Deployment_Strategies.md
- **검색이 부실할 때 교정하는 Corrective RAG**
- 기대: CRAG.md
- 실제 상위: Topic_Programming/Chronicle_Records/Topics_Rag/README.md · Topic_Programming/Coding/AI_RAG_Production.md · Topic_Programming/Topics_Rag/Agentic RAG.md · Topic_Programming/Topics_Rag/RAG 아키텍처 및 파이프라인 기초.md · Topic_Programming/Topic_Programming/AITRAIN_RAG_검색.md
- **지식 그래프와 그래프 데이터베이스 개념**
- 기대: 지식 그래프.md, 그래프 데이터베이스.md
- 실제 상위: Topic_Programming/Topic_C/C_Functions_Parameters.md · Topic_Programming/Topic_CSharp/CSharp_Operators.md · Topic_Programming/Topics_Rag/개체 및 관계 추출.md · Topic_Programming/Topic_CPP/CPP_Pointers.md · Topic_Programming/Topic_CSharp/CSharp_Abstract.md
- **문서에서 개체(엔티티)와 관계를 추출하는 방법**
- 기대: 개체 및 관계 추출.md
- 실제 상위: Topic_General/From_Topic_Blog/엔티티 분석 (Entity Analysis).md · Topic_Programming/Topics_Rag/개체 및 관계 추출.md · Topic_Programming/Architecture/Entity_엔티티.md · Topic_Graphic/Visual_Effects/RDF와 OWL.md · Topic_Programming/AI_and_ML/오픈소스 이미지 모델 미세 조정 및 배포.md
- **전처리 단계에서 텍스트 정규화를 어떻게 하나**
- 기대: 텍스트 정규화.md
- 실제 상위: Topic_Graphic/Topic_Prompt/Multimodal AI.md · Topic_General/From_Topic_Blog/대체 텍스트.md · Topic_Graphic/From_Topic_Blog/이미지 최적화.md · Topic_Programming/Topics_Rag/텍스트 토크나이저.md · Topic_Programming/Topics_Rag/텍스트 정규화.md
- **토크나이저는 어떻게 텍스트를 토큰으로 쪼개나**
- 기대: 텍스트 토크나이저.md
- 실제 상위: Topic_Programming/Topic_HOWTO/HOWTO_CSS_Center_Vertical.md · Topic_Graphic/Topic_Prompt/Multimodal AI.md · Topic_Programming/Topics_Rag/텍스트 토크나이저.md · Topic_Graphic/Topic_Prompt/프롬프트 엔지니어링.md · Topic_Programming/Topic_W3CSS/W3CSS_Round.md
- **RAG 전체 파이프라인 아키텍처와 구성 요소**
- 기대: RAG 아키텍처 및 파이프라인 기초.md, RAG 아키텍처.md, RAG 파이프라인.md
- 실제 상위: Topic_Programming/Topics_Rag/RAG 아키텍처 및 파이프라인 기초.md · Topic_Programming/Coding/198_Python_RAG_파이프라인_구조.md · Topic_Programming/Chronicle_Records/Topics_Rag/README.md · Topic_Programming/Coding/AI_RAG_Production.md · Topic_Programming/Topics_Rag/Agentic RAG.md
- **고급 RAG 기법 정리**
- 기대: Advanced RAG 기법.md
- 실제 상위: Topic_Programming/Topics_Rag/Advanced RAG 기법.md · Topic_Programming/Chronicle_Records/Topics_Rag/README.md · Topic_Programming/Topics_Rag/Agentic RAG.md · Topic_Programming/Coding/AI_RAG_Production.md · Topic_Programming/Topics_Rag/RAG 아키텍처 및 파이프라인 기초.md
- **데이터 인덱싱과 오케스트레이션 파이프라인**
- 기대: 데이터 인덱싱 및 오케스트레이션.md
- 실제 상위: Topic_Programming/Topics_Rag/데이터 인덱싱 및 오케스트레이션.md · Topic_Programming/Coding/188_Python_데이터_파이프라인_설계.md · Topic_Programming/From_Topics_Root/데이터_엔지니어링_표준.md · Topic_Programming/Topics_Rag/데이터 버전 관리.md · Topic_Graphic/Visual_Effects/Agency-Narrative Integration.md
- **LangChain으로 RAG 구현하기**
- 기대: LangChain.md
- 실제 상위: Topic_Programming/Coding/AI_Agent_Sandbox_E2B.md · Topic_Programming/Chronicle_Records/Topics_Rag/README.md · Topic_Programming/Coding/AI_RAG_Production.md · Topic_Programming/Topics_Rag/Agentic RAG.md · Topic_Programming/Topics_Rag/RAG 아키텍처 및 파이프라인 기초.md
- **데이터셋 버전 관리 DVC**
- 기대: 데이터 버전 관리.md
- 실제 상위: Topic_Programming/Coding/MLOps_Model_Registry.md · Topic_Programming/AI_and_ML/Data Cleaning Algorithms.md · Topic_Programming/Topics_Rag/데이터 버전 관리.md · Topic_Programming/DevOps_and_Security/버전_관리_시스템_VCS.md · Topic_General/Poetic_Blog_Writing/356_마지막_한_문장_버전_비교.md
10_Wiki/Topics/.astra/growth/conflict-scan-state.json
+1 -1
View File
@@ -1 +1 @@
{"lastScanMs":1783015244350}
{"lastScanMs":1783188226949}
10_Wiki/Topics/.astra/growth/decay-report.md
+11 -3
View File
@@ -1,8 +1,16 @@
# 지식 노후 점검 (Knowledge Decay)
- 두뇌: Local Brain · 일시: 2026. 6. 17. 오후 7:10:22
- 두뇌: Topics · 일시: 2026. 7. 5. 오후 8:00:10
- 분야별 반감기: AI/기술 30일 · SEO 90일 · 시장/트렌드·회의 180일 · 일반 365일
## 요약 — 신선 5454 · 노화 중 589 · **노후 0**
## 요약 — 신선 5716 · 노화 중 599 · **노후 2**
노후(stale) 지식 없음.
## 노후 지식 — 갱신/보관/폐기 검토 대상 (factor 낮은 순, 최대 50)
| 파일 | 분야 | 경과일 | 반감기 | factor |
|---|---|---|---|---|
| Topic_Business/Project_Logs/2026-05-02_second-brain-trace-collapsible-ui.md | AI/기술 | 64 | 30 | 0.23 |
| Topic_Business/Project_Logs/2026-05-02_second-brain-trace-mode_implementation.md | AI/기술 | 64 | 30 | 0.23 |
> 처리 권고: 여전히 유효하면 파일을 한 번 갱신(저장)해 신선도를 리셋, 낡았으면 보관 폴더로 이동 또는 삭제.
> v1 은 보고만 한다 — 자동 이동/삭제 없음 (Human Override 원칙).
10_Wiki/Topics/.astra/growth/learning-needs.md
+5
View File
@@ -35,6 +35,11 @@ approved 항목은 Research Agent(후속 증분)가 처리합니다. 시스템
| 우선순위 | 주제 | 상태 | 근거 |
|---|---|---|---|
| 40 | 지식 공백: 아래 내용을 읽고 의도를 파악한 후에 기획문서를 작성해주면 좋겠어.
AI 기반 실시간 의상 조합/스타일링 샵 서비스 구현 가능성 검토
Fa | proposed | 대화 중 GROUNDING 약함 자동 감지 (두뇌 최고 점수 0.00) |
| 35 | 회의록 역량 보강 (자주 누락: 참석자, 기한) | proposed | 요소 누락률 100% · 평균 확신도 67 · 자주 누락: 참석자, 기한 |
| 32 | 업무조사 역량 보강 (자주 누락: 조사 목적, 세부 내용) | proposed | 요소 누락률 100% · 평균 확신도 66 · 자주 누락: 조사 목적, 세부 내용 |
| 10 | 일정 관리 역량 보강 | proposed | 평균 확신도 44 |
10_Wiki/Topics/.astra/growth/learning-queue.json
+6 -6
View File
@@ -15,7 +15,7 @@
"reason": "요소 누락률 100% · 평균 확신도 67 · 자주 누락: 참석자, 기한",
"status": "proposed",
"createdAt": "2026-06-14T11:00:23.846Z",
"updatedAt": "2026-06-17T10:10:22.905Z"
"updatedAt": "2026-07-05T11:00:10.286Z"
},
{
"id": "need-work-research",
@@ -24,7 +24,7 @@
"reason": "요소 누락률 100% · 평균 확신도 66 · 자주 누락: 조사 목적, 세부 내용",
"status": "proposed",
"createdAt": "2026-06-14T11:00:23.846Z",
"updatedAt": "2026-06-17T10:10:22.905Z"
"updatedAt": "2026-07-05T11:00:10.286Z"
},
{
"id": "need-schedule",
@@ -33,7 +33,7 @@
"reason": "평균 확신도 44",
"status": "proposed",
"createdAt": "2026-06-14T11:00:23.846Z",
"updatedAt": "2026-06-17T10:10:22.905Z"
"updatedAt": "2026-07-05T11:00:10.286Z"
},
{
"id": "need-coding",
@@ -42,7 +42,7 @@
"reason": "특이 신호 없음 (빈도 기반)",
"status": "proposed",
"createdAt": "2026-06-17T10:10:22.905Z",
"updatedAt": "2026-06-17T10:10:22.905Z"
"updatedAt": "2026-07-05T11:00:10.286Z"
},
{
"id": "need-general",
@@ -51,7 +51,7 @@
"reason": "특이 신호 없음 (빈도 기반)",
"status": "proposed",
"createdAt": "2026-06-17T10:10:22.905Z",
"updatedAt": "2026-06-17T10:10:22.905Z"
"updatedAt": "2026-07-05T11:00:10.286Z"
},
{
"id": "need-research",
@@ -60,6 +60,6 @@
"reason": "특이 신호 없음 (빈도 기반)",
"status": "proposed",
"createdAt": "2026-06-17T10:10:22.905Z",
"updatedAt": "2026-06-17T10:10:22.905Z"
"updatedAt": "2026-07-05T11:00:10.286Z"
}
]
10_Wiki/Topics/.astra/growth/regression-alert.md
+17
View File
@@ -0,0 +1,17 @@
# ⚠️ 검색 회귀 감지 — 2026. 7. 5. 오후 8:00:10
recall@1 67% → 17% · MRR 0.76 → 0.22
## 직전 사이클 이후 추가·변경된 문서 (용의자 10건)
- ASTRA 기능 인벤토리.md
- lessons/2026-06-15-correction-대화의-주제-기간-오차범위-와-다른-내용-영상-길이-을-놓침.md
- lessons/2026-06-15-correction-수치-오류를-바로잡기-위한-논리적-근거-재검토-필요.md
- lessons/2026-07-05-correction-앞으로는-일요일이-아니라-주일이라고-말해.md
- Digests/Topic_Programming--Topic_W3CSS.md
- Digests/Topic_Programming--Topic_C.md
- Digests/Topic_Programming--Topic_CPP.md
- Digests/Topic_Programming--Topic_CSharp.md
- Digests/Topic_Programming--Topic_HOWTO.md
- Digests/README.md
조치: 용의자 문서의 중복/제목 충돌 여부 확인. 복구는 git 으로 (자동 롤백 안 함 — 판단은 사람).
10_Wiki/Topics/.astra/growth/regression-report.md
+6 -5
View File
@@ -1,10 +1,11 @@
# 정정 회귀 리포트 — 2026. 6. 17. 오후 7:10:22
# 정정 회귀 리포트 — 2026. 7. 5. 오후 8:00:10
과거 사용자 정정(Ground Truth)을 같은 질문으로 재검사한 결과.
| 결과 | 유형 | 질문 | 비고 |
|---|---|---|---|
| ✅ 통과 | 지시불이행 | 일단 조건을 하나 더 추가할께. 계열사는 하고 싶어 하지 않아. 우리한테 업무를 주는게 추가 업무로 이어진 | 새 답변에 오류 반복 여부를 판단할 근거가 없음 |
| ❌ 재발 | 맥락누락 | 3주에서 5주면, 2배인거자나? +/- 오차 범위가 너무 넓어 | 영상 길이에 대한 맥락을 무시하고 기존 오류 반복 |
| ❌ 재발 | 기타 | 1분 30초 말하는거야 3분 30초가 아니라 | 영상 길이를 1분 30초로 인지했으나 기간 오류 반복 |
| ❌ 재발 | 사실오류 | /meet D:\Meet\p.txt | 사용자가 CCOC가 아닌 SISIHOSI로 정정했으나 오류 반복함 |
| ⚠️ 판정불가 | 지시불이행 | 일단 조건을 하나 더 추가할께. 계열사는 하고 싶어 하지 않아. 우리한테 업무를 주는게 추가 업무로 이어진 | 판정 파싱 실패 |
| ⚠️ 판정불가 | 맥락누락 | 3주에서 5주면, 2배인거자나? +/- 오차 범위가 너무 넓어 | 판정 파싱 실패 |
| ⚠️ 판정불가 | 기타 | 1분 30초 말하는거야 3분 30초가 아니라 | 판정 파싱 실패 |
| ⚠️ 판정불가 | 사실오류 | /meet D:\Meet\p.txt | 판정 파싱 실패 |
| ⚠️ 판정불가 | 사실오류 | 오늘 무슨 요일이야? | 판정 파싱 실패 |
10_Wiki/Topics/.astra/growth/weakness-profile.json
+7 -7
View File
@@ -1,7 +1,12 @@
{
"updatedAt": "2026-06-17T10:10:22.905Z",
"totalCases": 4,
"updatedAt": "2026-07-05T11:00:10.286Z",
"totalCases": 5,
"tagCounts": [
{
"tag": "사실오류",
"count": 2,
"example": "앞으로는 일요일이 아니라 주일이라고 말해"
},
{
"tag": "지시불이행",
"count": 1,
@@ -16,11 +21,6 @@
"tag": "기타",
"count": 1,
"example": "수치 오류를 바로잡기 위한 논리적 근거 재검토 필요"
},
{
"tag": "사실오류",
"count": 1,
"example": "ccoc가 아니라 SISIHOSI야"
}
]
}