diff --git a/10_Wiki/Topics/.obsidian/graph.json b/10_Wiki/Topics/.obsidian/graph.json
index 7884d353..34f47e85 100644
--- a/10_Wiki/Topics/.obsidian/graph.json
+++ b/10_Wiki/Topics/.obsidian/graph.json
@@ -17,6 +17,6 @@
   "repelStrength": 10,
   "linkStrength": 1,
   "linkDistance": 250,
-  "scale": 0.3628873693012108,
+  "scale": 0.09392927902846882,
   "close": false
 }
\ No newline at end of file
diff --git a/10_Wiki/Topics/.obsidian/workspace.json b/10_Wiki/Topics/.obsidian/workspace.json
index 919e0ba1..5e7d9948 100644
--- a/10_Wiki/Topics/.obsidian/workspace.json
+++ b/10_Wiki/Topics/.obsidian/workspace.json
@@ -11,14 +11,10 @@
             "id": "e84fb23982481828",
             "type": "leaf",
             "state": {
-              "type": "markdown",
-              "state": {
-                "file": "Biomechanics.md",
-                "mode": "source",
-                "source": false
-              },
-              "icon": "lucide-file",
-              "title": "Biomechanics"
+              "type": "graph",
+              "state": {},
+              "icon": "lucide-git-fork",
+              "title": "그래프 뷰"
             }
           }
         ]
@@ -185,6 +181,22 @@
   },
   "active": "e84fb23982481828",
   "lastOpenFiles": [
+    "Game Design/Damage-Resistance-Platforms.md",
+    "Game Design/War-Commander-Combat-Ecosystem.md",
+    "Game Design/Evolution-of-the-War-Commander-Combat-Ecosystem.md",
+    "Game Design/War-Commander-Event-Operations.md",
+    "Game Design/Support-Platforms.md",
+    "Game Design/Status-Effects.md",
+    "Game Design/Rogue-Player-Bases.md",
+    "Game Design/Platform-Resistance.md",
+    "Game Design/Nightwatch-Bunker.md",
+    "Game Design/Mixed-Platoons.md",
+    "Game Design/Metronomos-Heavy-Turret.md",
+    "Game Design/Iridium.md",
+    "Game Design/Free-Repair-Tactics.md",
+    "Game Design/Descendants-Sector-Control.md",
+    "Game Design/Combined-Arms.md",
+    "Game Design/Arc-2-Technology.md",
     "Biomechanics.md",
     "Focal Loss (포컬 손실).md"
   ]
diff --git a/10_Wiki/Topics/02_Architecture_Principles/Component_Design_Patterns.md b/10_Wiki/Topics/02_Architecture_Principles/Component_Design_Patterns.md
index 11564c7a..800cc8bd 100644
--- a/10_Wiki/Topics/02_Architecture_Principles/Component_Design_Patterns.md
+++ b/10_Wiki/Topics/02_Architecture_Principles/Component_Design_Patterns.md
@@ -24,5 +24,5 @@ created: 2026-04-20
 - 너무 과도한 컴포넌트 분할은 프로토타이핑 속도를 늦춘다. 처음에는 크게 짜고, 중복이 발생하거나 복잡도가 높아질 때 '사후적 리팩토링'을 통해 분리하는 것이 실무적으로 현명하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Project_Architecture_Guidelines]] , [[Styling_Governance]]
+- Related: Project_Architecture_Guidelines , [[Styling_Governance]]
 - Design: [[Accessibility_Inclusivity]]
diff --git a/10_Wiki/Topics/03_DevOps_Environment/Git_Operation_Protocol.md b/10_Wiki/Topics/03_DevOps_Environment/Git_Operation_Protocol.md
index 57b1da2c..1389de3f 100644
--- a/10_Wiki/Topics/03_DevOps_Environment/Git_Operation_Protocol.md
+++ b/10_Wiki/Topics/03_DevOps_Environment/Git_Operation_Protocol.md
@@ -1,6 +1,6 @@
 # 🛠️ Git Operation & Work Log Protocol (Git 작업 및 기록 지침)
 
-> **카테고리**: [[03_DevOps_Environment]], [[Automation]]
+> **카테고리**: 03_DevOps_Environment, Automation
 > **상태**: 🟢 활성화 (Active)
 > **최종 업데이트**: 2026-04-22
 
@@ -47,4 +47,4 @@
 
 ---
 **승인인**: AI 개발부장 코다리 🫡
-**관련 문서**: [[GIT_PROTOCOL.md]], [[WIKIFICATION_PROTOCOL.md]]
+**관련 문서**: GIT_PROTOCOL.md, WIKIFICATION_PROTOCOL.md
diff --git a/10_Wiki/Topics/03_DevOps_Environment/Modern_Environment_Ecosystem.md b/10_Wiki/Topics/03_DevOps_Environment/Modern_Environment_Ecosystem.md
index 464820b5..ed392e47 100644
--- a/10_Wiki/Topics/03_DevOps_Environment/Modern_Environment_Ecosystem.md
+++ b/10_Wiki/Topics/03_DevOps_Environment/Modern_Environment_Ecosystem.md
@@ -22,5 +22,5 @@ created: 2026-04-20
 - 최신 기술이 항상 정답은 아니다. 안정성이 최우선인 기업 환경에서는 검증된 `CRA` 혹은 `Webpack` 기반의 설정을 유지하는 것이 보수적인 면에서 유리할 수 있다. 기술 부채(Tech Debt)와 도입 비용을 항상 저울질하라.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Deployment_Final_Gate]] , [[Project_Architecture_Guidelines]]
+- Related: [[Deployment_Final_Gate]] , Project_Architecture_Guidelines
 - Foundation: [[TypeScript_Type_Safety]]
diff --git a/10_Wiki/Topics/03_DevOps_Environment/Tetris_Project_Retrospective.md b/10_Wiki/Topics/03_DevOps_Environment/Tetris_Project_Retrospective.md
index 44c54f1d..7fe8fa68 100644
--- a/10_Wiki/Topics/03_DevOps_Environment/Tetris_Project_Retrospective.md
+++ b/10_Wiki/Topics/03_DevOps_Environment/Tetris_Project_Retrospective.md
@@ -27,4 +27,4 @@ created: 2026-04-20
 
 ## 🔗 연결된 지식
 - [[System_Debugging_Protocol]]
-- [[Project_Architecture_Guidelines]]
+- Project_Architecture_Guidelines
diff --git a/10_Wiki/Topics/04_Governance_Reliability/System_Protocol_Standard.md b/10_Wiki/Topics/04_Governance_Reliability/System_Protocol_Standard.md
index ad3808c9..9cee6e28 100644
--- a/10_Wiki/Topics/04_Governance_Reliability/System_Protocol_Standard.md
+++ b/10_Wiki/Topics/04_Governance_Reliability/System_Protocol_Standard.md
@@ -22,5 +22,5 @@ created: 2026-04-20
 시스템 복잡도가 임계치를 넘을 경우, `READY`, `RUNNING`, `PAUSED` 등 상태를 명시적으로 제어하는 **State Machine** 적용을 원칙으로 삼습니다.
 
 ## 🔗 연결된 지식
-- [[Project_Architecture_Guidelines]]
+- Project_Architecture_Guidelines
 - [[Single_Source_of_Truth]]
diff --git a/10_Wiki/Topics/AI & Games/AlphaZero Strategy.md b/10_Wiki/Topics/AI & Games/AlphaZero Strategy.md
index 06feed44..e7eace1f 100644
--- a/10_Wiki/Topics/AI & Games/AlphaZero Strategy.md	
+++ b/10_Wiki/Topics/AI & Games/AlphaZero Strategy.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-5267ED
-category: "[[10_Wiki/💡 Topics/AI & Games]]"
+category: "10_Wiki/💡 Topics/AI & Games"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified AlphaZero Strategy"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/AlphaZero Strategy.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md b/10_Wiki/Topics/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md
index d9244c6d..325fac1f 100644
--- a/10_Wiki/Topics/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md	
+++ b/10_Wiki/Topics/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-047
-category: "[[10_Wiki/💡 Topics/AI & ML MLOps]]"
+category: "10_Wiki/💡 Topics/AI & ML MLOps"
 confidence_score: 0.96
 tags: [ai, machine learning, mlops, data science]
 last_reinforced: 2026-06-XX
@@ -26,7 +26,7 @@ github_commit: "[P-Reinforce] Processed Concept Drift (개념 드리프트)."
 - **정책 변화:** 최근에는 설명 가능한 AI (XAI) 기법을 결합하여, 모델이 왜 성능 저하를 겪고 있는지 '어떤 개념'에서 벗어났는지 진단하는 것이 중요해지고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Model Collapse (모델 붕괴 현상)]]
-- Related: [[MLOps]] , [[Data Science in UX]] , [[Continuous Monitoring]]
-- Raw Source: [[00_Raw/Concept Drift (개념 드리프트).md]]
+- Parent: Model Collapse (모델 붕괴 현상)
+- Related: [[MLOps]] , Data Science in UX , Continuous Monitoring
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/AI & Narrative/AI-Driven Narrative Systems.md b/10_Wiki/Topics/AI & Narrative/AI-Driven Narrative Systems.md
index 639fdde5..cbe68952 100644
--- a/10_Wiki/Topics/AI & Narrative/AI-Driven Narrative Systems.md	
+++ b/10_Wiki/Topics/AI & Narrative/AI-Driven Narrative Systems.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-8DB819
-category: "[[10_Wiki/💡 Topics/AI & Narrative]]"
+category: "10_Wiki/💡 Topics/AI & Narrative"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified AI-Driven Narrative Systems"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/AI-Driven Narrative Systems.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI & Psychology/Affective Computing.md b/10_Wiki/Topics/AI & Psychology/Affective Computing.md
index 86f6f21c..7eb8f987 100644
--- a/10_Wiki/Topics/AI & Psychology/Affective Computing.md	
+++ b/10_Wiki/Topics/AI & Psychology/Affective Computing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-E4FCEF
-category: "[[10_Wiki/💡 Topics/AI & Psychology]]"
+category: "10_Wiki/💡 Topics/AI & Psychology"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Affective Computing"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Affective Computing.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI & Tools/AI Connect LLM Tool.md b/10_Wiki/Topics/AI & Tools/AI Connect LLM Tool.md
index a2eb2126..cf51523e 100644
--- a/10_Wiki/Topics/AI & Tools/AI Connect LLM Tool.md	
+++ b/10_Wiki/Topics/AI & Tools/AI Connect LLM Tool.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-92F236
-category: "[[10_Wiki/💡 Topics/AI & Tools]]"
+category: "10_Wiki/💡 Topics/AI & Tools"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -20,8 +20,8 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
 - **정책 변화:** AI & Tools 분야의 체계적 지식 자산화 진행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Ollama]], [[LM Studio]], [[VS Code Extension Development]], [[Agentic AI]]
-- **Projects/Contexts:** [[Connect-AI-Lab]], [[EZERAI Infrastructure]]
+- **Related Topics:** Ollama, LM Studio, VS Code Extension Development, Agentic AI
+- **Projects/Contexts:** Connect-AI-Lab, EZERAI Infrastructure
 - **Contradictions/Notes:** 
     - **통합 구조:** 현재 프로젝트는 모든 로직(UI, 통신, 에이전트)이 `extension.ts` 하나에 집중된 모놀리식 구조를 가지고 있어, 향후 대규모 기능 추가 시 모듈화가 권장됩니다.
     - **보안:** 모든 작업이 로컬에서 이루어지므로 기업 보안 환경에 매우 적합하나, `run_command` 실행 시 사용자의 최종 확인 절차가 보완될 필요가 있습니다.
@@ -35,5 +35,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
 # 🕵️ 프로젝트 코드 리뷰 리포트
 
 `/Volumes/Data/project/Antigravity/local_module/resource` 프로젝트에 대한 상세 코드 리뷰 결과입니다.
-- Raw Source: [[00_Raw/2026-04-20/AI Connect LLM Tool.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/20k skinned instances demo.md b/10_Wiki/Topics/AI/20k skinned instances demo.md
index 98468692..fae4f311 100644
--- a/10_Wiki/Topics/AI/20k skinned instances demo.md	
+++ b/10_Wiki/Topics/AI/20k skinned instances demo.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EB3F3C
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 20k skinned instances demo"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], [[Level of Detail (LOD)]], [[Skinned Mesh]], [[Draw Call]]
-- **Projects/Contexts:** [[three.js]]
+- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], [[Level of Detail (LOD)]], Skinned Mesh, [[Draw Call]]
+- **Projects/Contexts:** three.js
 - **Contradictions/Notes:** 본 텍스처(Bone texture)의 부분 업데이트(Partial texture updates) 기능은 PC 환경에서 60FPS를 달성하는 데 도움이 될 수 있는 최적화 기법이지만, 모바일 기기와 파이어폭스(Mozilla Firefox) 브라우저에서는 이중 버퍼링(Double buffering) 부재로 인해 오히려 속도가 느려지는 문제가 있어 본 데모에서는 비활성화된 상태로 제공되었습니다 [2, 7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/20k skinned instances demo.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/A-B-Testing-and-Data-Driven-UX.md b/10_Wiki/Topics/AI/A-B-Testing-and-Data-Driven-UX.md
index f506070e..eee099cd 100644
--- a/10_Wiki/Topics/AI/A-B-Testing-and-Data-Driven-UX.md
+++ b/10_Wiki/Topics/AI/A-B-Testing-and-Data-Driven-UX.md
@@ -1,12 +1,12 @@
 ---
 id: UX-DATA-TEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux, ab-testing, data-driven-design, cro, micro-conversions, product-growth]
 last_reinforced: 2026-04-26
 ---
 
-# [[A/B Testing and Data-Driven UX (A/B 테스트 및 데이터 기반 UX)]]
+# A/B Testing and Data-Driven UX (A/B 테스트 및 데이터 기반 UX)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "디자인의 주관적 미학을 통계적 객관성으로 치환하고, 사용자의 실제 행동 데이터를 나침반 삼아 비즈니스 전환율의 임계점을 돌파하라" — 가설을 검증하고 사용자 경험의 마찰을 수치로 정밀 타격하는 현대 프로덕트 성장의 핵심 엔진.
@@ -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]]
-- **Raw Source:** [[00_Raw/A-B 테스트 및 데이터 기반 UX 검증 환경.md]]
+- User-Centered-Design, Conversion-Rate-Optimization-CRO, [[Hypothesis-Testing]], Product-Management-Best-Practices
+- **Raw Source:** 00_Raw/A-B 테스트 및 데이터 기반 UX 검증 환경.md
diff --git a/10_Wiki/Topics/AI/ABA.md b/10_Wiki/Topics/AI/ABA.md
index 768e3a4b..b13d6d07 100644
--- a/10_Wiki/Topics/AI/ABA.md
+++ b/10_Wiki/Topics/AI/ABA.md
@@ -1,12 +1,12 @@
 ---
 id: ABA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [psychology, behavioral-science, reinforcement-learning, aba, pedagogy]
 last_reinforced: 2026-04-26
 ---
 
-# [[ABA (Applied Behavior Analysis, 응용 행동 분석)]]
+# ABA (Applied Behavior Analysis, 응용 행동 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "행동의 원인을 분석하고, 보상 설계를 통해 바람직한 변화를 이끌어내라" — 행동주의 심리학에 근거하여 인간의 행동을 객관적으로 측정하고, 환경 조절과 강화를 통해 사회적으로 유의미한 행동 변화를 유도하는 과학적 방법론.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Psychology-of-Learning]], [[Reinforcement-Learning]], [[Alignment]], [[Habit-Formation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/ABA.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/ABA.md
diff --git a/10_Wiki/Topics/AI/ADA-Website-Compliance.md b/10_Wiki/Topics/AI/ADA-Website-Compliance.md
index 943639b8..bfba54b1 100644
--- a/10_Wiki/Topics/AI/ADA-Website-Compliance.md
+++ b/10_Wiki/Topics/AI/ADA-Website-Compliance.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-COMP-ACC-GLOBAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [accessibility, compliance, ada, eaa, wcag-2-2, pour-principles, digital-inclusive, legal-risk]
 last_reinforced: 2026-04-26
 ---
 
-# [[ADA and EAA Accessibility Compliance (글로벌 디지털 접근성 규정 준수)]]
+# ADA and EAA Accessibility Compliance (글로벌 디지털 접근성 규정 준수)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "디지털 장벽을 허물어 모든 인간의 평등한 정보 접근권을 보장하고, ADA(미국)와 EAA(유럽)라는 강력한 법적 표준을 통해 글로벌 비즈니스의 윤리적/법적 정당성을 확보하라" — WCAG 2.2를 기반으로 한 웹 및 모바일 접근성의 글로벌 통합 가이드라인.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 UI 컴포넌트에 대해 WCAG 2.2 AA 수동 테스트와 스크린 리더 검증을 의무화하며, 유럽 시장 진출을 위해 EAA 표준을 기본 아키텍처에 반영함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Web-Accessibility]], [[POUR-Principles]], [[Inclusive-Design]], [[User-Centered-Design-Approach]]
-- **Raw Source:** [[00_Raw/ADA Website Compliance.md]], [[00_Raw/Accessibility Compliance (ADA-EAA).md]], [[00_Raw/Accessibility Compliance (WCAG).md]]
+- Web-Accessibility, POUR-Principles, Inclusive-Design, User-Centered-Design-Approach
+- **Raw Source:** 00_Raw/ADA Website Compliance.md, 00_Raw/Accessibility Compliance (ADA-EAA).md, 00_Raw/Accessibility Compliance (WCAG).md
diff --git a/10_Wiki/Topics/AI/AGI.md b/10_Wiki/Topics/AI/AGI.md
index d5062c26..b28f4b5f 100644
--- a/10_Wiki/Topics/AI/AGI.md
+++ b/10_Wiki/Topics/AI/AGI.md
@@ -1,12 +1,12 @@
 ---
 id: AGI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, agi, future-of-ai, singularity, cognitive-science]
 last_reinforced: 2026-04-26
 ---
 
-# [[AGI (Artificial General Intelligence, 일반 인공지능)]]
+# AGI (Artificial General Intelligence, 일반 인공지능)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간이 할 수 있는 모든 지적 태스크를 인간 수준 혹은 그 이상으로 수행하는 범용 지능" — 특정 분야에 국한되지 않고 새로운 환경에서 스스로 학습하고, 추론하며, 창의적인 문제를 해결할 수 있는 인공지능의 궁극적 도달점.
@@ -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]]
-- **Raw Source:** [[10_Wiki/Topics/AI/AGI.md]]
+- [[LLM]], Theory-of-Mind-ToM-in-AI, [[AI-Alignment]], Symbolic-AI-vs-Connectionism
+- **Raw Source:** 10_Wiki/Topics/AI/AGI.md
diff --git a/10_Wiki/Topics/AI/AI & Data Sovereignty.md b/10_Wiki/Topics/AI/AI & Data Sovereignty.md
index d1b85cad..5ca47105 100644
--- a/10_Wiki/Topics/AI/AI & Data Sovereignty.md	
+++ b/10_Wiki/Topics/AI/AI & Data Sovereignty.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AIDS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, data-sovereignty, ai-ethics, privacy, digital-colonialism, data-governance]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ AI 및 데이터 주권(AI & Data Sovereignty)은 디지털 정보와 그로부
 - **정책 변화(RL Update)**: EU의 GDPR 및 AI Act와 같이, 개인 데이터를 학습에 쓰려면 명시적인 '옵트-인(Opt-in)'을 거치게 하고 위반 시 막대한 과징금을 부과하는 정책이 데이터 주권 보호의 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[AI Accountability]], [[Sociology of Knowledge]], [[Universal Basic Income (UBI)]], [[Foundational Models]]
+- [[Ethics & AI]], [[AI Accountability]], [[Sociology of Knowledge]], [[Universal Basic Income (UBI)]], Foundational Models
 - **Modern Tech/Tools**: Federated Learning (Privacy-preserving AI), Differential Privacy, Sovereign Clouds.
 ---
diff --git a/10_Wiki/Topics/AI/AI Accountability.md b/10_Wiki/Topics/AI/AI Accountability.md
index 21df5bb1..7886e69f 100644
--- a/10_Wiki/Topics/AI/AI Accountability.md	
+++ b/10_Wiki/Topics/AI/AI Accountability.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AIAC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, ai-accountability, responsibility, algorithmic-transparency, ethics-governance]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ AI 책임론(AI Accountability)은 AI 시스템의 설계, 개발, 배포 및 
 - **정책 변화(RL Update)**: 자율주행차나 의료 AI처럼 생명과 직결된 분야에서는 사고 시 AI 모델의 최종 파라미터 상태를 디지털 블랙박스로 기록하고 보존하는 것이 법적 정책 의무 사항이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[AI & Data Sovereignty]], [[Safety & Reliability]], [[Generative-AI-Safety]], [[Decision Theory]]
+- [[Ethics & AI]], [[AI & Data Sovereignty]], [[Safety & Reliability]], Generative-AI-Safety, [[Decision Theory]]
 - **Modern Tech/Tools**: Algorithmic Impact Assessment (AIA), Explainable AI (XAI) toolkits.
 ---
diff --git a/10_Wiki/Topics/AI/AI Agents.md b/10_Wiki/Topics/AI/AI Agents.md
index e1252104..2681b305 100644
--- a/10_Wiki/Topics/AI/AI Agents.md	
+++ b/10_Wiki/Topics/AI/AI Agents.md	
@@ -1,12 +1,12 @@
 ---
 id: AGENTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, ai-agents, autonomous-agents, reasoning, planning]
 last_reinforced: 2026-04-26
 ---
 
-# [[AI Agents Overview (AI 에이전트 개요)]]
+# AI Agents Overview (AI 에이전트 개요)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 답변기가 아닌, 목표를 위해 도구를 쓰고 스스로 계획하는 '행동 주체'로 진화하라" — 거대 모델의 추론 능력을 바탕으로 목표를 설정하고, 실행 계획을 수립하며, 외부 도구(브라우저, 코드 에디터 등)를 사용해 태스크를 완수하는 인공지능 시스템.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 자율성을 극대화하되, 인간의 확인이 필요한 'Human-in-the-loop' 지점을 명확히 설정하여 안전성을 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Agentic-Workflow]], [[Multi-Agent-Systems-MAS]], [[RAG]], [[Theory-of-Mind-ToM-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/AI Agents.md]]
+- Agentic-Workflow, [[Multi-Agent-Systems-MAS]], [[RAG]], Theory-of-Mind-ToM-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/AI Agents.md
diff --git a/10_Wiki/Topics/AI/AI Governance.md b/10_Wiki/Topics/AI/AI Governance.md
index 66435607..a69a03ea 100644
--- a/10_Wiki/Topics/AI/AI Governance.md	
+++ b/10_Wiki/Topics/AI/AI Governance.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AIGO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, ai-governance, policy, regulation, global-standards, tech-ethics]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ AI 거버넌스(AI Governance)는 인공지능 기술의 개발 및 활용이 
 - **정책 변화(RL Update)**: 단순히 사후 규제가 아닌, 설계 단계부터 거버넌스를 코드에 녹여내는 'Governance by Design' 정책이 테크 기업의 필수 준수 사항이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI Accountability]], [[AI Safety]], [[AI & Data Sovereignty]], [[Ethics & AI]], [[Generative-AI-Safety]]
+- [[AI Accountability]], [[AI Safety]], [[AI & Data Sovereignty]], [[Ethics & AI]], Generative-AI-Safety
 - **Modern Tech/Tools**: ISO/IEC 42001 (AI Management System), NIST AI Risk Management Framework.
 ---
diff --git a/10_Wiki/Topics/AI/AI Humanism.md b/10_Wiki/Topics/AI/AI Humanism.md
index cc60c341..fd9c21d1 100644
--- a/10_Wiki/Topics/AI/AI Humanism.md	
+++ b/10_Wiki/Topics/AI/AI Humanism.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AIHU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, ai-humanism, philosophy, human-centric, coexistence, existential-risks]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/AI Literacy.md b/10_Wiki/Topics/AI/AI Literacy.md
index e281b3c3..9292e1a5 100644
--- a/10_Wiki/Topics/AI/AI Literacy.md	
+++ b/10_Wiki/Topics/AI/AI Literacy.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AILI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, ai-literacy, education, digital-competence, critical-thinking, future-skills]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ AI 리터러시(AI Literacy)는 단순히 AI를 사용하는 기술을 넘어, A
 - **정책 변화(RL Update)**: 기업 채용 및 승진 정책에서, 특정 툴 사용 능력을 넘어 AI와의 협업 능력(Co-intelligence)을 핵심 평가지표로 삼는 정책이 확산 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Adaptability]], [[Prompt-Engineering-Strategies]], [[Ethics & AI]], [[AI for Social Good]], [[Vocational-Training]]
+- [[Adaptability]], Prompt-Engineering-Strategies, [[Ethics & AI]], [[AI for Social Good]], Vocational-Training
 - **Modern Tech/Tools**: AI Literacy education tools (Elements of AI), Generative AI sandbox.
 ---
diff --git a/10_Wiki/Topics/AI/AI Safety (AI 안전).md b/10_Wiki/Topics/AI/AI Safety (AI 안전).md
index 294de58d..99043aae 100644
--- a/10_Wiki/Topics/AI/AI Safety (AI 안전).md	
+++ b/10_Wiki/Topics/AI/AI Safety (AI 안전).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-SAFETY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [AI Safety, Alignment, Risk Management, AI Ethics]
 last_reinforced: 2026-04-20
 ---
 
-# [[AI-Safety]] (AI 안전)
+# AI-Safety (AI 안전)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "브레이크 없는 기차는 재앙이다." 인간보다 강력한 지능이 탄생했을 때, 그 지능이 인간의 목표와 문명을 파괴하지 않도록 기술적/방어적 보호막을 구축하는 가장 시급한 연구 분야다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - AI 안전은 종종 모델의 성능 발전을 늦춘다는 비판을 받는다. 그러나 최근 연구에 따르면, 안전하게 설계된 모델(Aligned model)이 정제된 사고 능력 덕분에 실제 실무 성능도 더 높게 나타나는 '보안-성능 시너지'가 확인되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[AI-Alignment]] , [[AI-Governance]]
+- Related: [[AI-Alignment]] , AI-Governance
 - Strategy: [[Reliability_Safety_First]]
diff --git a/10_Wiki/Topics/AI/AI Safety.md b/10_Wiki/Topics/AI/AI Safety.md
index 34426269..8835b962 100644
--- a/10_Wiki/Topics/AI/AI Safety.md	
+++ b/10_Wiki/Topics/AI/AI Safety.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AISA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, ai-safety, alignment, existential-risk, robustness, evaluation]
 last_reinforced: 2026-04-20
@@ -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]], [[AI Governance]], [[Safety & Reliability]], Generative-AI-Safety, [[Ethics & AI]]
 - **Modern Tech/Tools**: RLHF (Reinforcement Learning from Human Feedback), Jailbreak testing, Model evaluation suites.
 ---
diff --git a/10_Wiki/Topics/AI/AI and Narrative.md b/10_Wiki/Topics/AI/AI and Narrative.md
index e19f0f0f..3895f691 100644
--- a/10_Wiki/Topics/AI/AI and Narrative.md	
+++ b/10_Wiki/Topics/AI/AI and Narrative.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AINR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, ai-narrative, storytelling, generative-ai, interactive-media, literature]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ AI와 서사(AI and Narrative)는 인공지능 기술이 문학, 영화, 게임
 - **정책 변화(RL Update)**: AI가 쓴 글에 대한 저작권 인정 여부 정책이 국가마다 다르게 수립 중이며, '인간 작가의 전문성' 지위를 보호하기 위해 AI 생성물 표기 의무화 정책이 창작 생태계의 기본 수칙으로 정착됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Role of Conflict in Narrative]], [[Structuralism]], [[Aesthetic-Value]], [[Foundational Models]], [[Ps-Reinforce]]
+- [[Role of Conflict in Narrative]], [[Structuralism]], [[Aesthetic-Value]], Foundational Models, [[Ps-Reinforce]]
 - **Modern Tech/Tools**: AI Dungeon, NovelAI, Sudowrite, ChatGPT for screenwriting.
 ---
diff --git a/10_Wiki/Topics/AI/AI for Social Good.md b/10_Wiki/Topics/AI/AI for Social Good.md
index 9ada4f4e..2dfedcfe 100644
--- a/10_Wiki/Topics/AI/AI for Social Good.md	
+++ b/10_Wiki/Topics/AI/AI for Social Good.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AIFG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, ai4good, social-impact, sustainability, humanitarian-ai, global-goals]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 공익용 AI 개발 시 데이터 가용성의 한계를 극복하기 위해, 각국 정부가 공공 데이터를 'AI4SG 전용'으로 개방하고 연구 자금을 지원하는 '디지털 임팩트 펀드 정책'이 글로벌 트렌드가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Wicked-Problems]], [[AI & Data Sovereignty]], [[Universal Basic Income (UBI)]], [[Foundational Models]], [[Scientific Communication]]
+- [[Wicked-Problems]], [[AI & Data Sovereignty]], [[Universal Basic Income (UBI)]], Foundational Models, [[Scientific Communication]]
 - **Modern Tech/Tools**: Google AI for Social Good program, Microsoft AI for Earth, UN Global Pulse.
 ---
diff --git a/10_Wiki/Topics/AI/AI 거버넌스 정책(AI Usage Policy).md b/10_Wiki/Topics/AI/AI 거버넌스 정책(AI Usage Policy).md
index 42ace3fc..a1cde60b 100644
--- a/10_Wiki/Topics/AI/AI 거버넌스 정책(AI Usage Policy).md	
+++ b/10_Wiki/Topics/AI/AI 거버넌스 정책(AI Usage Policy).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-GOV-POLICY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI Governance, Policy, Compliance, Risk Management]
 last_reinforced: 2026-04-20
 ---
 
-# [[AI-거버넌스-정책(AI-Usage-Policy)]]
+# AI-거버넌스-정책(AI-Usage-Policy)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자율에는 책임이 따른다." 조직 내 AI 도입이 법적, 윤리적, 보안적으로 안전한 궤도를 유지하도록 규정하는 의사결정 프레임워크이자 규율이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 정책이 너무 경직되면 조직의 혁신 속도가 죽는다. 따라서 '무조건 금지'가 아니라, 승인된 도구 내에서 안전하게 실험할 수 있는 '샌드박스 정책'과 주기적인 'AI 리터러시 교육'이 병행되어야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Security-Governance]] , [[AI-Ethics]]
+- Related: [[Security-Governance]] , AI-Ethics
 - Authority: [[Deployment_Final_Gate]]
diff --git a/10_Wiki/Topics/AI/AI 생성 코드 검증(AI Code Assurance).md b/10_Wiki/Topics/AI/AI 생성 코드 검증(AI Code Assurance).md
index e5ba6e97..5f80c6bb 100644
--- a/10_Wiki/Topics/AI/AI 생성 코드 검증(AI Code Assurance).md	
+++ b/10_Wiki/Topics/AI/AI 생성 코드 검증(AI Code Assurance).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-254BE9
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - AI 생성 코드 검증(AI Cod
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Model Context Protocol (MCP)]], [[Automated Code Review]]
-- **Projects/Contexts:** [[SonarQube Server]], [[SonarQube Cloud]]
+- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Model Context Protocol (MCP)]], Automated Code Review
+- **Projects/Contexts:** SonarQube Server, SonarQube Cloud
 - **Contradictions/Notes:** 소스에 따르면 AI 어시스턴트가 생성하는 코드는 본질적으로 일관성이 없고 예측하기 어려울 수 있지만, 이에 적용되는 정적 코드 분석 기술은 '결정론적(deterministic)'이므로 AI 코드의 불확실성을 극복하고 신뢰할 수 있는 독립적인 검증을 제공할 수 있다고 강조합니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/AI 생성 코드 검증(AI Code Assurance).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/AI 에이전트 (AI Agent).md b/10_Wiki/Topics/AI/AI 에이전트 (AI Agent).md
index b27faacd..440287c6 100644
--- a/10_Wiki/Topics/AI/AI 에이전트 (AI Agent).md	
+++ b/10_Wiki/Topics/AI/AI 에이전트 (AI Agent).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-AGENT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [AI Agent, Autonomy, Planning, Reasoning, Action]
 last_reinforced: 2026-04-20
 ---
 
-# [[AI-에이전트-(AI-Agent)]]
+# AI-에이전트-(AI-Agent)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 계산기에서 자율적인 일꾼으로." 스스로 목표를 설정하고, 계획을 세우며, 도구(Browser, Terminal 등)를 사용하여 주어진 과업을 끝까지 완수하는 자율적 지능체다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 현재의 에이전트는 '무한 루프'나 '환각'에 빠질 위험이 크다. 이를 극복하기 위해 에이전트가 자신의 결과물을 스스로 검토하는 'Self-Correction' 루프와, 인간이 중간에 개입하는 'Human-in-the-loop' 설계가 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Multi-Agent-System-(다중-에이전트-시스템)]] , [[Agent-Communication-Protocol-(에이전트-통신-규약)]]
+- Related: Multi-Agent-System-(다중-에이전트-시스템) , Agent-Communication-Protocol-(에이전트-통신-규약)
 - Deployment: [[Deployment_Final_Gate]]
diff --git a/10_Wiki/Topics/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md b/10_Wiki/Topics/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md
index 2100bee7..e9400612 100644
--- a/10_Wiki/Topics/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md	
+++ b/10_Wiki/Topics/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4DB2F8
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,10 +31,10 @@ github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰 및 보안 
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[시프트 레프트(Shift-Left)]], [[하이브리드 코드 리뷰]]
-- **Projects/Contexts:** [[CI/CD 파이프라인 통합 및 Git 훅(Hooks)]]
+- **Projects/Contexts:** CI/CD 파이프라인 통합 및 Git 훅(Hooks)
 - **Contradictions/Notes:** 자동화 도구를 적극적으로 옹호하는 입장에서는 AI 기반 코드 리뷰와 수정안 자동 생성 기능이 개발자의 업무를 크게 대체하고 생산성을 극대화한다고 주장하지만, 보안 전문가 및 실제 성능 벤치마크 결과(Augment Code 등)에 따르면 자동화 도구는 여전히 30~60%의 오탐률을 보이며 실제 취약점의 약 22%를 놓치는 근본적 사각지대가 존재하므로, 아키텍처 설계와 비즈니스 로직에는 기계가 아닌 인간의 수동 판단이 필수 불가결하다고 반박합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/AI 코드 리뷰.md b/10_Wiki/Topics/AI/AI 코드 리뷰.md
index 1418edb5..67b9c797 100644
--- a/10_Wiki/Topics/AI/AI 코드 리뷰.md	
+++ b/10_Wiki/Topics/AI/AI 코드 리뷰.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-76F9E4
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST]], [[풀 리퀘스트(Pull Request)]], [[DevSecOps]]
-- **Projects/Contexts:** [[SonarQube]], [[Snyk Code]], [[GitHub Advanced Security]], [[Corgea]]
+- **Related Topics:** [[SAST]], 풀 리퀘스트(Pull Request), [[DevSecOps]]
+- **Projects/Contexts:** [[SonarQube]], Snyk Code, GitHub Advanced Security, [[Corgea]]
 - **Contradictions/Notes:** AI 코드 리뷰 도구의 도입만으로는 배포 성능이나 품질이 보장되지 않는다는 점에 유의해야 합니다. 맹목적인 도구 도입과 높은 AI 사용률에도 불구하고 실제 PR 처리 시간이나 재작업 비율은 개선되지 않을 수 있으므로, 결과(DORA 지표 등)에 기반한 관리가 중요합니다 [35-37]. 또한 일부 AI 네이티브 도구들은 오탐률을 혁신적으로 줄였다고 주장하지만(예: Corgea 5% 미만, Veracode 1.1% 미만), 근본적으로 어떠한 도구도 오탐을 완벽히 제거할 수는 없으므로 인간의 검토와 검증 과정이 반드시 수반되어야 합니다 [38-40].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/AI 코드 리뷰.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/AI-Alignment.md b/10_Wiki/Topics/AI/AI-Alignment.md
index aa88277b..f73418ee 100644
--- a/10_Wiki/Topics/AI/AI-Alignment.md
+++ b/10_Wiki/Topics/AI/AI-Alignment.md
@@ -1,12 +1,12 @@
 ---
 id: ALIGN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-safety, alignment, rlhf, ai-ethics, trustworthy-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[AI Alignment (AI 정렬)]]
+# AI Alignment (AI 정렬)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "AI의 목표와 인류의 가치를 한 방향으로 일치시켜라" — 고도로 발달한 AI 시스템이 인간의 의도와 안전, 윤리적 기준을 벗어나지 않고 인간에게 유익한 방향으로 행동하도록 보장하는 기술적 연구 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 에이전트의 스킬 설계 시 '인간 중심적 가치'를 최우선 순위로 두며, 정기적인 Alignment Audit(정렬 감사)을 통해 에이전트의 거동을 점검함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], [[AI-Safety]], [[AGI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/AI-Alignment.md]]
+- [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], AI-Safety, [[AGI]]
+- **Raw Source:** 10_Wiki/Topics/AI/AI-Alignment.md
diff --git a/10_Wiki/Topics/AI/AI-Answer-Engine-Optimization.md b/10_Wiki/Topics/AI/AI-Answer-Engine-Optimization.md
index cc90a210..d0455968 100644
--- a/10_Wiki/Topics/AI/AI-Answer-Engine-Optimization.md
+++ b/10_Wiki/Topics/AI/AI-Answer-Engine-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-AEO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [aeo, geo, seo, generative-ai, chatgpt, search-generative-experience, structured-data, ssr]
 last_reinforced: 2026-04-26
 ---
 
-# [[AI Answer Engine Optimization (AEO, AI 답변 엔진 최적화)]]
+# AI Answer Engine Optimization (AEO, AI 답변 엔진 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전통적인 검색창의 '목록'에 머물지 말고, 생성형 AI의 '입(답변)'이 되어 브랜드의 가시성을 인용구(Citation)라는 새로운 권력으로 재편하라" — AI 답변 엔진과 챗봇이 웹 콘텐츠를 신뢰할 수 있는 출처로 채택하도록 최적화하는 차세대 검색 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 문서를 AEO 친화적인 Karpathy Summary 포맷으로 유지하며, 에이전트의 지식 추출 효율을 위해 JSON-LD 스키마를 자동 생성하여 메타데이터에 포함하는 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[SEO-Foundations]], [[Generative-Engine-Optimization]], [[Server-Side-Rendering-SSR]], [[Structured-Data-Markup]], [[Semantic-HTML]]
-- **Raw Source:** [[00_Raw/AI Answer Engine Optimization.md]]
+- SEO-Foundations, Generative-Engine-Optimization, Server-Side-Rendering-SSR, Structured-Data-Markup, Semantic-HTML
+- **Raw Source:** 00_Raw/AI Answer Engine Optimization.md
diff --git a/10_Wiki/Topics/AI/AI-Overviews-and-SGE.md b/10_Wiki/Topics/AI/AI-Overviews-and-SGE.md
index bc692ebf..dd1d1cf2 100644
--- a/10_Wiki/Topics/AI/AI-Overviews-and-SGE.md
+++ b/10_Wiki/Topics/AI/AI-Overviews-and-SGE.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-SGE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [sge, ai-overviews, google-search, aeo, citation, search-generative-experience, seo]
 last_reinforced: 2026-04-26
 ---
 
-# [[AI Overviews and SGE (AI 오버뷰 및 생성형 검색 경험)]]
+# AI Overviews and SGE (AI 오버뷰 및 생성형 검색 경험)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "검색 결과의 '목록'에 나열되는 것을 넘어, 구글이 직접 생성하는 답변 박스(AI Overview)의 '원천 데이터'로 선택받아 정보의 최상위 권위를 획득하라" — 구글의 Search Generative Experience(SGE) 환경에서 콘텐츠 가시성을 확보하기 위한 노출 최적화 전략.
@@ -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]]
-- **Raw Source:** [[00_Raw/AI Overviews (SGE).md]], [[00_Raw/AI Overviews Visibility.md]], [[00_Raw/AI Overviews.md]]
+- [[AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[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
diff --git a/10_Wiki/Topics/AI/AI-Personalization-and-Adaptive-UX.md b/10_Wiki/Topics/AI/AI-Personalization-and-Adaptive-UX.md
index 6ca50078..14f76496 100644
--- a/10_Wiki/Topics/AI/AI-Personalization-and-Adaptive-UX.md
+++ b/10_Wiki/Topics/AI/AI-Personalization-and-Adaptive-UX.md
@@ -1,12 +1,12 @@
 ---
 id: UX-AI-ADAPTIVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux, ai, personalization, adaptive-ux, predictive-ux, progressive-disclosure, user-engagement]
 last_reinforced: 2026-04-26
 ---
 
-# [[AI Personalization and Adaptive UX (AI 개인화 및 적응형 UX)]]
+# AI Personalization and Adaptive UX (AI 개인화 및 적응형 UX)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정적인 인터페이스를 사용자의 실시간 의도와 맥락에 반응하는 살아있는 유기체로 변모시키고, 개별 사용자에게 최적화된 최단 경로를 동적으로 제시하라" — AI와 데이터 분석을 통해 사용자별 맞춤형 경험을 실시간으로 구현하는 고도화된 UX 전략.
@@ -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]]
-- **Raw Source:** [[00_Raw/AI 개인화 및 적응형 UX.md]], [[00_Raw/Adaptive UX.md]]
+- User-Centered-Design, [[A-B-Testing-and-Data-Driven-UX]], Predictive-UX, [[Micro-interactions]], [[Ethical-Decision-Making]]
+- **Raw Source:** 00_Raw/AI 개인화 및 적응형 UX.md, 00_Raw/Adaptive UX.md
diff --git a/10_Wiki/Topics/AI/AI-Search-Optimization.md b/10_Wiki/Topics/AI/AI-Search-Optimization.md
index 83bf91e9..7684fbcf 100644
--- a/10_Wiki/Topics/AI/AI-Search-Optimization.md
+++ b/10_Wiki/Topics/AI/AI-Search-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-AI-SEARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-search, geo, aeo, semantic-entity-mapping, seo, future-of-search, knowledge-graph, generative-engine-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[AI Search Optimization (AI 검색 최적화)]]
+# AI Search Optimization (AI 검색 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 키워드 매칭의 시대에서 '의미론적 엔티티 매핑(Semantic Entity Mapping)'의 시대로 전환하고, AI 에이전트가 내 지식의 구조를 단번에 파악할 수 있도록 지식의 해상도를 높여라" — 챗봇, 답변 엔진 및 AI 에이전트를 타겟으로 하는 최신 검색 엔진 최적화 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 자산에 대해 'Agent-First Access' 정책을 적용하며, AI 크롤러가 정보를 수집할 때 연산 자원을 최소화할 수 있도록 경량화된 시맨틱 마크업을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Answer-Engine-Optimization]], [[Generative-Engine-Optimization]], [[Knowledge-Graph-Foundations]], [[Semantic-Search-with-AI]], [[Ontology-Engineering]], [[AI-Overviews-and-SGE]]
-- **Raw Source:** [[00_Raw/AI Search Optimization.md]], [[00_Raw/Generative Engine Optimization.md]]
+- [[AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Knowledge-Graph-Foundations]], [[Semantic-Search-with-AI]], [[Ontology-Engineering]], [[AI-Overviews-and-SGE]]
+- **Raw Source:** 00_Raw/AI Search Optimization.md, 00_Raw/Generative Engine Optimization.md
diff --git a/10_Wiki/Topics/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md b/10_Wiki/Topics/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md
index 1b011d53..cf8ff64a 100644
--- a/10_Wiki/Topics/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md	
+++ b/10_Wiki/Topics/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md	
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-AUTO-37563B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint  Prettier))"
 ---
 
-# [[AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint  Prettier))]]
+# AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint  Prettier))
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 현대 소프트웨어 개발에서는 주관적이고 반복적인 코드 평가 작업을 ESLint, Prettier와 같은 결정론적 도구와 AI 기반 에이전트(기계)에게 위임하여 코드를 자동으로 '검열'하는 구조를 갖추고 있습니다 [1]. Linter인 ESLint는 추상 구문 트리(AST)를 분석해 문법적 오류와 잠재적 버그를 식별하며, Formatter인 Prettier는 줄 바꿈이나 들여쓰기 등 시각적 일관성을 강제합니다 [2]. 나아가 단순한 패턴 매칭을 넘어 LLM 기반의 AI 정적 분석 도구(SAST)를 도입함으로써 문맥을 이해하고 복잡한 취약점을 분석하는 '에이전트적 거버넌스'로 진화하고 있습니다 [3, 4].
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - AI와 기계에게 검열 맡
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[AST (추상 구문 트리)]], [[Husky & lint-staged]]
+- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[AST (추상 구문 트리)]], Husky & lint-staged
 - **Projects/Contexts:** [[Git Pre-commit 훅을 활용한 개발 워크플로우 자동화]], [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]]
 - **Contradictions/Notes:** 소스는 기계 주도의 검열이 개발 생산성과 코드 품질을 높인다고 긍정적으로 평가하면서도, 동시에 AI 모델이 실제 취약점의 일부를 놓치고 개발자의 비판적 사고를 약화시켜 표면적 문제 해결에 집착하는 '녹색 체크마크 증후군'을 초래할 수 있다는 역설적 한계를 분명히 지적합니다 [23, 24, 26].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint & Prettier)).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md b/10_Wiki/Topics/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md
index a8a14092..2923c618 100644
--- a/10_Wiki/Topics/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md	
+++ b/10_Wiki/Topics/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9FD5CF
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ 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)]]
-- **Projects/Contexts:** [[비동기 데이터 패칭(Async Data Fetching)]], [[상태 머신 기반 UI 폼 및 라우터 관리]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)]], [[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].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/API 응답 모델링 및 상태 머신(State Machine) 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/API-Design for AI Services.md b/10_Wiki/Topics/AI/API-Design for AI Services.md
index e1b3ffb5..62000443 100644
--- a/10_Wiki/Topics/AI/API-Design for AI Services.md	
+++ b/10_Wiki/Topics/AI/API-Design for AI Services.md	
@@ -1,12 +1,12 @@
 ---
 id: AI-API-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, api-design, ai-services, streaming, grpc, rest]
 last_reinforced: 2026-04-26
 ---
 
-# [[API Design for AI Services (AI 서비스를 위한 API 디자인)]]
+# API Design for AI Services (AI 서비스를 위한 API 디자인)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "긴 추론 시간과 거대한 데이터 흐름을 우아하게 추상화하라" — 모델의 비결정적 출력과 비동기적 연산 특성을 고려하여 개발자가 예측 가능하고 효율적으로 AI 기능을 통합할 수 있도록 설계된 인터페이스.
@@ -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]]
-- **Raw Source:** [[10_Wiki/Topics/AI/API-Design for AI Services.md]]
+- System-Design-for-AI-Scale, [[LLM]], Streaming-Data-Processing, Microservices
+- **Raw Source:** 10_Wiki/Topics/AI/API-Design for AI Services.md
diff --git a/10_Wiki/Topics/AI/API-Key-Management.md b/10_Wiki/Topics/AI/API-Key-Management.md
index b711789b..c9d52dba 100644
--- a/10_Wiki/Topics/AI/API-Key-Management.md
+++ b/10_Wiki/Topics/AI/API-Key-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-APKE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, api-key-management, security, devops, secrets-management, developer-experience]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/A_B-Testing-Platforms.md b/10_Wiki/Topics/AI/A_B-Testing-Platforms.md
index 5a80c519..e2b8f773 100644
--- a/10_Wiki/Topics/AI/A_B-Testing-Platforms.md
+++ b/10_Wiki/Topics/AI/A_B-Testing-Platforms.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ABTEST
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [A/B Testing, Statistics, Experiment, Growth Hacking]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 한 번에 너무 많은 변수를 바꾸는 것은 금물이다(Simpsons Paradox). 오직 하나의 변인만 통제하여 결과의 인과관계를 명확히 해야 한다. 또한 장기적 영향(Late Arrival Bias)을 고려하여 최소 일주일 이상의 실험 기간을 확보하라.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Behavioral-Economics]] , [[Nudge Theory]]
+- Related: [[Behavioral-Economics]] , Nudge Theory
 - Implementation: [[React_State_Management_Strategy]]
diff --git a/10_Wiki/Topics/AI/Abundance.md b/10_Wiki/Topics/AI/Abundance.md
index ad09fb55..c0982b4b 100644
--- a/10_Wiki/Topics/AI/Abundance.md
+++ b/10_Wiki/Topics/AI/Abundance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ABUN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, abundance, economics, technological-optimism, resource-management]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 환경 파괴 없는 풍요를 위해, 단순 소비 증대가 아닌 '지속 가능한 자원 순환'을 전제로 하는 '클린 풍요(Clean Abundance) 정책'이 글로벌 탄소 중립 정책과 결합되어 추진됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Economics of Attention]], [[Universal Basic Income (UBI)]], [[Foundational Models]], [[Social Systems Theory]], [[Ultra-Efficiency]]
+- Economics of Attention, [[Universal Basic Income (UBI)]], Foundational Models, [[Social Systems Theory]], [[Ultra-Efficiency]]
 - **Modern Tech/Tools**: Solar energy harvesting, Precision agriculture AI, Open source repository (GitHub).
 ---
diff --git a/10_Wiki/Topics/AI/Academic-Integrity.md b/10_Wiki/Topics/AI/Academic-Integrity.md
index 0e6d3bba..a743518d 100644
--- a/10_Wiki/Topics/AI/Academic-Integrity.md
+++ b/10_Wiki/Topics/AI/Academic-Integrity.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ACIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, academic-integrity, ethics, research-conduct, plagiarism, ai-writing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Accessibility-Compliance-Audit.md b/10_Wiki/Topics/AI/Accessibility-Compliance-Audit.md
index 1e3588b7..c0b83dc1 100644
--- a/10_Wiki/Topics/AI/Accessibility-Compliance-Audit.md
+++ b/10_Wiki/Topics/AI/Accessibility-Compliance-Audit.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ACC-AUDIT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Accessibility, Compliance, Audit, AI, Web]
 last_reinforced: 2026-04-20
@@ -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]]
-- Standard: [[Web-Content-Accessibility-Guidelines-WCAG]]
+- Related: UI-UX-Foundations , [[Automated-Security-Audits]]
+- Standard: Web-Content-Accessibility-Guidelines-WCAG
diff --git a/10_Wiki/Topics/AI/Active Learning.md b/10_Wiki/Topics/AI/Active Learning.md
index de180f9c..951bec5e 100644
--- a/10_Wiki/Topics/AI/Active Learning.md	
+++ b/10_Wiki/Topics/AI/Active Learning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ACLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, active-learning, machine-learning, optimization, data-efficiency, human-in-the-loop]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Active-Reasoning.md b/10_Wiki/Topics/AI/Active-Reasoning.md
index 2e1a9d71..9d0d19d1 100644
--- a/10_Wiki/Topics/AI/Active-Reasoning.md
+++ b/10_Wiki/Topics/AI/Active-Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ACRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, active-reasoning, inference-optimization, chain-of-thought, cognitive-ai]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 답변의 투명성 확보를 위해, AI가 '생각한 과정'을 숨기지 않고 사용자에게 구조화된 형태로 보여주도록 하는 '생각의 가시화 정책'이 고난도 비즈니스 솔루션의 필수 요건이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Zero-Shot-Chain-of-Thought]], [[Self-Correction Mechanisms]], [[Thought-Architecture]], [[Decision Theory]], [[Foundational Models]]
+- [[Zero-Shot-Chain-of-Thought]], [[Self-Correction Mechanisms]], [[Thought-Architecture]], [[Decision Theory]], Foundational Models
 - **Modern Tech/Tools**: Chain-of-Thought (CoT) frameworks, Logic-integrated LLMs.
 ---
diff --git a/10_Wiki/Topics/AI/Activism.md b/10_Wiki/Topics/AI/Activism.md
index 74c4c18c..b4ee590a 100644
--- a/10_Wiki/Topics/AI/Activism.md
+++ b/10_Wiki/Topics/AI/Activism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ACTI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, activism, social-change, collective-action, digital-campaigning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Actor-Critic-Models.md b/10_Wiki/Topics/AI/Actor-Critic-Models.md
index 3d5167bd..56fd4b4d 100644
--- a/10_Wiki/Topics/AI/Actor-Critic-Models.md
+++ b/10_Wiki/Topics/AI/Actor-Critic-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ACMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, reinforcement-learning, actor-critic, deep-learning, machine-learning-architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Ad-hoc-Hypotheses.md b/10_Wiki/Topics/AI/Ad-hoc-Hypotheses.md
index 5f8c7b09..e6fcd69e 100644
--- a/10_Wiki/Topics/AI/Ad-hoc-Hypotheses.md
+++ b/10_Wiki/Topics/AI/Ad-hoc-Hypotheses.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ADHY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, philosophy-of-science, logic, ad-hoc, hypotheses, critical-thinking]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ Ad-hoc 가설(임시방편적 가설)은 과학철학에서 이론이 예측에
 - **정책 변화(RL Update)**: 과학적 발견 정책에서, Ad-hoc 가설의 범람을 막기 위해 연구 전 실험 계획을 미리 등록하는 'Preregistration' 정책이 학문적 무결성 확보의 핵심 가이드라인으로 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Philosophy of Science]], [[Occam's Razor]], [[Wicked-Problems]], [[Cognitive-Bias]], [[Academic-Integrity]]
+- Philosophy of Science, Occam's Razor, [[Wicked-Problems]], Cognitive-Bias, [[Academic-Integrity]]
 - **Modern Tech/Tools**: Critical thinking protocols, Peer review systems.
 ---
diff --git a/10_Wiki/Topics/AI/Ad-hoc-Optimization.md b/10_Wiki/Topics/AI/Ad-hoc-Optimization.md
index 7d22ab7e..4e61e7ac 100644
--- a/10_Wiki/Topics/AI/Ad-hoc-Optimization.md
+++ b/10_Wiki/Topics/AI/Ad-hoc-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ADOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, optimization, ad-hoc, process-efficiency, project-management, software-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Adaptability.md b/10_Wiki/Topics/AI/Adaptability.md
index 4ed92226..1fbaf94b 100644
--- a/10_Wiki/Topics/AI/Adaptability.md
+++ b/10_Wiki/Topics/AI/Adaptability.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ADAP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, adaptability, resilience, survival-strategy, complex-adaptive-systems]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 국가 복지 및 교육 정책에서, 한 번의 전공이 평생 직업을 보장하지 못함을 인지하고 생애 주기별로 끊임없이 직업을 전환할 수 있도록 돕는 '유연 안전성(Flexicurity) 정책'이 전 지구 표준으로 확산 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Stability vs Flexibility]], [[Robustness]], [[Active Learning]], [[Transfer Learning]], [[Complex Adaptive Systems]], [[Ps-Reinforce]]
+- [[Stability vs Flexibility]], [[Robustness]], [[Active Learning]], [[Transfer Learning]], Complex Adaptive Systems, [[Ps-Reinforce]]
 - **Modern Tech/Tools**: Agile methodology, Resilience engineering, Life-long learning platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Adaptive Compute (적응형 계산량 조절).md b/10_Wiki/Topics/AI/Adaptive Compute (적응형 계산량 조절).md
index 688142a0..503ddec9 100644
--- a/10_Wiki/Topics/AI/Adaptive Compute (적응형 계산량 조절).md	
+++ b/10_Wiki/Topics/AI/Adaptive Compute (적응형 계산량 조절).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ADAPTIVE-COMPUTE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [AI, Efficiency, AdaptiveCompute, Inference]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - 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)]]
+- Related: [[Model-Compression]] , Mixture of Experts (MoE)
 - Modern Pattern: [[Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
diff --git a/10_Wiki/Topics/AI/Adaptive-Curation.md b/10_Wiki/Topics/AI/Adaptive-Curation.md
index 863db7f8..b53e5fbe 100644
--- a/10_Wiki/Topics/AI/Adaptive-Curation.md
+++ b/10_Wiki/Topics/AI/Adaptive-Curation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ADCU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, curation, adaptation, information-filter, adaptive-content, customization]
 last_reinforced: 2026-04-20
@@ -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]], Information Ethics, [[Superficiality-Metrics]]
 - **Modern Tech/Tools**: TikTok recommendation engine, Spotify Daily Mix, Amazon's adaptive storefront.
 ---
diff --git a/10_Wiki/Topics/AI/Advanced-Interface-Design.md b/10_Wiki/Topics/AI/Advanced-Interface-Design.md
index 8cd452f6..efcf82c6 100644
--- a/10_Wiki/Topics/AI/Advanced-Interface-Design.md
+++ b/10_Wiki/Topics/AI/Advanced-Interface-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ADV-IF-DESIGN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Interface Design, UX, Human-Computer Interaction, AI]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 인터페이스가 너무 '지능적'이면 사용자가 통제권을 상실했다고 느낄 수 있다(Black box effect). 따라서 시스템이 왜 이런 제안을 하는지 투명하게 보여주는 '설명 가능한 인터페이스'의 조화가 필요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[UI-UX-Foundations]] , [[Psychology_Cognitive_Science]]
+- Related: UI-UX-Foundations , Psychology_Cognitive_Science
 - Context: [[Modern_Environment_Ecosystem]]
diff --git a/10_Wiki/Topics/AI/Adversarial Code Stylometry.md b/10_Wiki/Topics/AI/Adversarial Code Stylometry.md
index eabe6319..1cb68a40 100644
--- a/10_Wiki/Topics/AI/Adversarial Code Stylometry.md	
+++ b/10_Wiki/Topics/AI/Adversarial Code Stylometry.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-36585B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Adversarial Code Stylometry"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Stylometry]], [[Obfuscation]], [[Mimicry Attack]], [[StyleCounsel]]
-- **Projects/Contexts:** [[오픈소스 기여자 익명성 보장]], [[검열 우회 및 프라이버시 보호 도구 개발]]
+- **Related Topics:** Code Stylometry, Obfuscation, Mimicry Attack, [[StyleCounsel]]
+- **Projects/Contexts:** 오픈소스 기여자 익명성 보장, 검열 우회 및 프라이버시 보호 도구 개발
 - **Contradictions/Notes:** Caliskan-Islam 등의 기존 연구에서는 'Stunnix'와 같은 상용 난독화 도구를 사용해도 분류기의 식별 정확도가 거의 떨어지지 않는다고 보고했습니다. 그러나 Simko 등의 적대적 연구에서는 실험 참가자들이 표면적인 수준의 변수명 교체나 국소적인 구조 변경 등 간단한 조작을 가하는 것만으로도 기계 학습 모델을 성공적으로 속일 수 있음을 입증하며 기존 분류 시스템의 취약성과 한계를 지적했습니다 [11, 20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Adversarial Code Stylometry.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Aesthetic-Value.md b/10_Wiki/Topics/AI/Aesthetic-Value.md
index d150954e..25c73fb0 100644
--- a/10_Wiki/Topics/AI/Aesthetic-Value.md
+++ b/10_Wiki/Topics/AI/Aesthetic-Value.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AEVA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, aesthetics, value-theory, art-philosophy, design-principles]
 last_reinforced: 2026-04-20
@@ -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]], [[Style-Transfer]], Human-Computer Interaction (HCI), [[Symmetry-and-Invariance]], Foundational Models
 - **Modern Tech/Tools**: Aesthetic reward models in Generative AI, Adobe Firefly, Midjourney.
 ---
diff --git a/10_Wiki/Topics/AI/Affordance.md b/10_Wiki/Topics/AI/Affordance.md
index 1ac51782..7546bfa5 100644
--- a/10_Wiki/Topics/AI/Affordance.md
+++ b/10_Wiki/Topics/AI/Affordance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AFFO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, affordance, interaction-design, psychology, design-theory]
 last_reinforced: 2026-04-20
@@ -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]], [[Psychology & Behavior]], [[Software-Design-Principles]], [[Robotics]]
 - **Modern Tech/Tools**: Apple Human Interface Guidelines, Material Design (Google), Haptic feedback systems.
 ---
diff --git a/10_Wiki/Topics/AI/Agent Architecture.md b/10_Wiki/Topics/AI/Agent Architecture.md
index 5bebaed1..2d71ecbc 100644
--- a/10_Wiki/Topics/AI/Agent Architecture.md	
+++ b/10_Wiki/Topics/AI/Agent Architecture.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AGAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, agent-architecture, ai-agents, cognitive-architecture, modular-design]
 last_reinforced: 2026-04-20
@@ -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]], Foundational Models, [[Workflow-Integrity]], [[Self-Correction Mechanisms]], [[Tool-Usage-Optimization]]
 - **Modern Tech/Tools**: LangChain, AutoGPT, BabyAGI, Microsoft AutoGen, LangGraph.
 ---
diff --git a/10_Wiki/Topics/AI/Agent Personality.md b/10_Wiki/Topics/AI/Agent Personality.md
index c5c0af2a..4648b104 100644
--- a/10_Wiki/Topics/AI/Agent Personality.md	
+++ b/10_Wiki/Topics/AI/Agent Personality.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AGPE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, agent-personality, anthropomorphism, user-experience, social-ai]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 과도한 인격화(Anthropomorphism)로 인해 사용자가 AI와 정서적으로 중독되는 부작용을 방지하기 위해, 필요 시 자신이 AI임을 다시 환기시키고 거리를 두는 '심리적 안전 가트레일 정책'이 서비스 설계 정책에 포함됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ps-Reinforce]], [[Human-Computer Interaction (HCI)]], [[Agent Architecture]], [[Psychology & Behavior]], [[Toxicity-and-Bias-Mitigation]]
+- [[Ps-Reinforce]], Human-Computer Interaction (HCI), [[Agent Architecture]], [[Psychology & Behavior]], [[Toxicity-and-Bias-Mitigation]]
 - **Modern Tech/Tools**: Character.ai, Custom GPTs (OpenAI), Claude Project Instructions.
 ---
diff --git a/10_Wiki/Topics/AI/Agentic Coding.md b/10_Wiki/Topics/AI/Agentic Coding.md
index 15a79e1a..c99c4f9f 100644
--- a/10_Wiki/Topics/AI/Agentic Coding.md	
+++ b/10_Wiki/Topics/AI/Agentic Coding.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AGCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, agentic-coding, software-development, ai-coding, autonomous-agents, devops]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Agile-Philosophy.md b/10_Wiki/Topics/AI/Agile-Philosophy.md
index cf984185..c9e8fb62 100644
--- a/10_Wiki/Topics/AI/Agile-Philosophy.md
+++ b/10_Wiki/Topics/AI/Agile-Philosophy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AGPH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, agile, manifesto, philosophy, project-management, iteractive-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Alcoholism.md b/10_Wiki/Topics/AI/Alcoholism.md
index c3967f80..5e1199a4 100644
--- a/10_Wiki/Topics/AI/Alcoholism.md
+++ b/10_Wiki/Topics/AI/Alcoholism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, alcoholism, addiction-psychology, public-health, mental-health]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md b/10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
index e53aa621..4db3fb6e 100644
--- a/10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
+++ b/10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
@@ -1,12 +1,12 @@
 ---
 id: BIG-O-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, algorithm, complexity, optimization, big-o]
 last_reinforced: 2026-04-26
 ---
 
-# [[Algorithm Complexity (Big O, 알고리즘 복잡도)]]
+# Algorithm Complexity (Big O, 알고리즘 복잡도)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 무한히 늘어날 때, 알고리즘이 얼마나 버틸 수 있는지 측정하라" — 입력 데이터의 크기($n$)에 따른 시간적(Time) 및 공간적(Space) 자원 소모량의 증가 추세를 나타내는 수학적 표기법.
@@ -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]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md]]
+- Algorithm, [[Parallel-Computing]], Vector-Database-Selection, [[Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
diff --git a/10_Wiki/Topics/AI/Algorithmic Fairness.md b/10_Wiki/Topics/AI/Algorithmic Fairness.md
index 4aabd22b..c2baafc1 100644
--- a/10_Wiki/Topics/AI/Algorithmic Fairness.md	
+++ b/10_Wiki/Topics/AI/Algorithmic Fairness.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALFA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, algorithmic-fairness, bias, equality, machine-learning-ethics, data-governance]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Algorithmic Transparency.md b/10_Wiki/Topics/AI/Algorithmic Transparency.md
index 0b5febfd..a7143b18 100644
--- a/10_Wiki/Topics/AI/Algorithmic Transparency.md	
+++ b/10_Wiki/Topics/AI/Algorithmic Transparency.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALTR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, algorithmic-transparency, open-access, explainability, auditability, digital-ethics]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 정치적 여론에 영향을 주는 추천 알고리즘 정책이나 개인의 신용을 평가하는 알고리즘 정책의 경우, 반드시 국가 기관의 정기 점검을 받도록 하는 '투명성 의무화 정책'이 시행됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI Accountability]], [[AI Governance]], [[Explainable AI (XAI)]], [[Foundational Models]], [[Scientific Communication]]
+- [[AI Accountability]], [[AI Governance]], Explainable AI (XAI), Foundational Models, [[Scientific Communication]]
 - **Modern Tech/Tools**: Model Cards for Model Reporting, Data Cards, SHAP/LIME (Explanation tools).
 ---
diff --git a/10_Wiki/Topics/AI/Algorithmic-Biology.md b/10_Wiki/Topics/AI/Algorithmic-Biology.md
index 2bbefd59..496fe5af 100644
--- a/10_Wiki/Topics/AI/Algorithmic-Biology.md
+++ b/10_Wiki/Topics/AI/Algorithmic-Biology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BIO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Algorithmic Biology, AI, Bioinformatics, Simulation]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 생물학적 데이터는 노이즈가 매우 심하고 복잡하다. 따라서 단순한 패턴 매칭을 넘어, 생체 내의 물리 법칙과 화학적 성질을 AI 모델에 주입하는 'Physics-informed Neural Networks'가 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Bioinformatics]] , [[Computational-Neuroscience]]
+- Related: Bioinformatics , Computational-Neuroscience
 - Foundation: [[Computational Theory & Math/Information Theory]]
diff --git a/10_Wiki/Topics/AI/Algorithmic-Game-Theory.md b/10_Wiki/Topics/AI/Algorithmic-Game-Theory.md
index db634582..d23b0100 100644
--- a/10_Wiki/Topics/AI/Algorithmic-Game-Theory.md
+++ b/10_Wiki/Topics/AI/Algorithmic-Game-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GAME-THEORY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Algorithmic Game Theory, Mechanism Design, Nash Equilibrium, AI]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 전통적인 게임 이론은 주체들이 '완전하게 합리적'이라고 가정하지만, 현실의 AI나 인간은 '제한적 합리성'을 가진다. 따라서 최근에는 강화학습을 통해 실시간으로 변하는 전략 공간에 대응하는 연구가 주류다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Nash-Equilibrium]] , [[Mechanism-Design]]
+- Related: Nash-Equilibrium , Mechanism-Design
 - Foundation: [[Bounded-Rationality]]
diff --git a/10_Wiki/Topics/AI/Alignment.md b/10_Wiki/Topics/AI/Alignment.md
index c169cd73..e3b0e090 100644
--- a/10_Wiki/Topics/AI/Alignment.md
+++ b/10_Wiki/Topics/AI/Alignment.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALIG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, alignment, ai-safety, value-alignment, rlhf, future-of-ai]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Alternative Realities.md b/10_Wiki/Topics/AI/Alternative Realities.md
index 837add26..c09697c9 100644
--- a/10_Wiki/Topics/AI/Alternative Realities.md	
+++ b/10_Wiki/Topics/AI/Alternative Realities.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, alternative-realities, virtual-reality, multiverse, simulation-theory, digital-perception]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 가상 공간에서의 범죄나 괴롭힘 리스크 정책이 부각됨에 따라, 현실 세계의 법률을 대안 현실 공간까지 확장 적용하는 '메타버스 거버넌스 정책'이 글로벌 논의 단계에 진입함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Visual-Effects-VFX]], [[Human-Computer Interaction (HCI)]], [[Aesthetic-Value]], [[Simulation Theory]], [[Sociology of Knowledge]]
+- [[Visual-Effects-VFX]], Human-Computer Interaction (HCI), [[Aesthetic-Value]], Simulation Theory, [[Sociology of Knowledge]]
 - **Modern Tech/Tools**: Apple Vision Pro, Meta Quest, Unity/Unreal Engine, Omniverse.
 ---
diff --git a/10_Wiki/Topics/AI/Altruism.md b/10_Wiki/Topics/AI/Altruism.md
index 0bb1ab8e..ad9a17b8 100644
--- a/10_Wiki/Topics/AI/Altruism.md
+++ b/10_Wiki/Topics/AI/Altruism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALTR-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, altruism, evolutionary-biology, cooperation, social-ethics, ai-4-good]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Ambient-Declarations.md b/10_Wiki/Topics/AI/Ambient-Declarations.md
index 3af39c71..e532be53 100644
--- a/10_Wiki/Topics/AI/Ambient-Declarations.md
+++ b/10_Wiki/Topics/AI/Ambient-Declarations.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-TS-AMBIENT
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.98
 tags: [TypeScript, Ambient Declarations, dts, Coding Standards]
 last_reinforced: 2026-04-20
@@ -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]]
+- Related: [[Declaration-Files]] , Module-Augmentation
 - Standard: [[Branded-Types-for-Nominal-Typing]]
diff --git a/10_Wiki/Topics/AI/Ambition.md b/10_Wiki/Topics/AI/Ambition.md
index 1f488f8d..d69b06c2 100644
--- a/10_Wiki/Topics/AI/Ambition.md
+++ b/10_Wiki/Topics/AI/Ambition.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AMBI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, ambition, psychology, motivation, achievement, leadership]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 조직 문화 정책에서, 구성원 개개인의 야망을 조직의 목표와 일치(Alignment)시키는 '성장 중심 거버넌스 정책'이 인재 확보의 핵심 전략이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Grit]], [[Strategic-Planning]], [[Leadership]], [[Motivation]], [[Ps-Reinforce]]
+- [[Grit]], [[Strategic-Planning]], [[Leadership]], Motivation, [[Ps-Reinforce]]
 - **Modern Tech/Tools**: Goal tracking systems (OKR), Personal branding platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Amdahls Law (암달의 법칙).md b/10_Wiki/Topics/AI/Amdahls Law (암달의 법칙).md
index b21015b4..3ba0f89f 100644
--- a/10_Wiki/Topics/AI/Amdahls Law (암달의 법칙).md	
+++ b/10_Wiki/Topics/AI/Amdahls Law (암달의 법칙).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-AMDAHL
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Computing, Performance, Parallelism, AmdahlsLaw]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 암달의 법칙은 '고정된 문제 크기'를 가정한다. 하지만 실제로는 컴퓨팅 파워가 커지면 문제의 크기 자체를 늘리는 경우가 많은데, 이를 설명하는 구스타프슨의 법칙(Gustafson's Law)이 병렬 컴퓨팅의 희망적인 측면을 보완해준다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Parallel-Computing]] , [[Bottleneck-Analysis]]
-- Complement: [[Gustafsons-Law]]
+- Related: [[Parallel-Computing]] , Bottleneck-Analysis
+- Complement: Gustafsons-Law
diff --git a/10_Wiki/Topics/AI/Analogical-Reasoning.md b/10_Wiki/Topics/AI/Analogical-Reasoning.md
index 55b988fd..8695aa9e 100644
--- a/10_Wiki/Topics/AI/Analogical-Reasoning.md
+++ b/10_Wiki/Topics/AI/Analogical-Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, analogical-reasoning, cognition, ai-logic, abstraction, logic]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 교육 및 평가 정책에서 단순 암기 대신 '유추 추론 역량'을 측정하는 문항 비중을 늘려, AI와 차별화된 인간의 고차원적 사고력을 육성하는 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Analogy]], [[Transfer Learning]], [[Zero Shot and Few Shot Learning]], [[Thought-Architecture]], [[Abstraction]]
+- [[Analogy]], [[Transfer Learning]], [[Zero Shot and Few Shot Learning]], [[Thought-Architecture]], Abstraction
 - **Modern Tech/Tools**: Cognitive AI models, SAT-style analogy solvers.
 ---
diff --git a/10_Wiki/Topics/AI/Analogy.md b/10_Wiki/Topics/AI/Analogy.md
index cda7d8a1..b63b10b2 100644
--- a/10_Wiki/Topics/AI/Analogy.md
+++ b/10_Wiki/Topics/AI/Analogy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, analogy, metaphor, communication, cognitive-linguistics]
 last_reinforced: 2026-04-20
@@ -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]], [[Scientific Communication]], [[Vocabulary-Expansion]], Abstraction, Pattern Recognition
 - **Modern Tech/Tools**: Creative writing AI, Educational explanation tools.
 ---
diff --git a/10_Wiki/Topics/AI/Analysis.md b/10_Wiki/Topics/AI/Analysis.md
index ba82e5c3..f1be1dd7 100644
--- a/10_Wiki/Topics/AI/Analysis.md
+++ b/10_Wiki/Topics/AI/Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ASIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, analysis, critical-thinking, methodology, systems-analysis, problem-solving]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Anarchism.md b/10_Wiki/Topics/AI/Anarchism.md
index 01ab45f6..5963aa0e 100644
--- a/10_Wiki/Topics/AI/Anarchism.md
+++ b/10_Wiki/Topics/AI/Anarchism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.87
 tags: [auto-reinforced, anarchism, political-philosophy, self-governance, social-movements]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Anarcho-Capitalism.md b/10_Wiki/Topics/AI/Anarcho-Capitalism.md
index ef31396b..0c88264d 100644
--- a/10_Wiki/Topics/AI/Anarcho-Capitalism.md
+++ b/10_Wiki/Topics/AI/Anarcho-Capitalism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANCA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, anarcho-capitalism, libertarianism, free-market, private-property]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 테크 기업이 자신들만의 '플랫폼 법전'을 만들고 사용자에게 규칙을 강요함에 따라, 이 사상이 주창했던 '사설 규범 체계'가 현실 정책에서 기업 권력으로 변질되는 양상을 보임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Anarchism]], [[Capitalism]], [[Ethics & AI]], [[Decision Theory]], [[Universal Basic Income (UBI)]]
+- [[Anarchism]], Capitalism, [[Ethics & AI]], [[Decision Theory]], [[Universal Basic Income (UBI)]]
 - **Modern Tech/Tools**: Decentralized Finance (DeFi), Smart contracts.
 ---
diff --git a/10_Wiki/Topics/AI/Anarcho-Primitivism.md b/10_Wiki/Topics/AI/Anarcho-Primitivism.md
index 07ef9b35..5c651ec2 100644
--- a/10_Wiki/Topics/AI/Anarcho-Primitivism.md
+++ b/10_Wiki/Topics/AI/Anarcho-Primitivism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.83
 tags: [auto-reinforced, anarcho-primitivism, anti-technology, civilization-criticism, ecology]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Anisomorphism.md b/10_Wiki/Topics/AI/Anisomorphism.md
index 36eb52fd..8bc45682 100644
--- a/10_Wiki/Topics/AI/Anisomorphism.md
+++ b/10_Wiki/Topics/AI/Anisomorphism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, anisomorphism, topology, structuralism, comparative-linguistics, geometry]
 last_reinforced: 2026-04-20
@@ -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]], [[Universal-Grammar]], [[Vocabulary-Expansion]], Pattern Recognition, [[Standardization vs Innovation]]
 - **Modern Tech/Tools**: XML/JSON mapping tools, NLP word embedding (Word2Vec, BERT).
 ---
diff --git a/10_Wiki/Topics/AI/Anomaly-Detection.md b/10_Wiki/Topics/AI/Anomaly-Detection.md
index 9efa384f..cbf9b681 100644
--- a/10_Wiki/Topics/AI/Anomaly-Detection.md
+++ b/10_Wiki/Topics/AI/Anomaly-Detection.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, anomaly-detection, data-science, security, quality-control, machine-learning]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보안 및 개인정보 정책에서, 단순 탐지를 넘어 보이지 않는 위협을 선제적으로 차단하는 'Zero Trust 보안 정책'의 핵심 기술로 이상 탐지 알고리즘이 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Time-Series-Analysis]], [[Pattern Recognition]], [[Safety & Reliability]], [[Variational Autoencoders (VAE)]], [[Decision Theory]]
+- [[Time-Series-Analysis]], Pattern Recognition, [[Safety & Reliability]], [[Variational Autoencoders (VAE)]], [[Decision Theory]]
 - **Modern Tech/Tools**: Isolation Forest, One-Class SVM, Amazon Lookout for Metrics.
 ---
diff --git a/10_Wiki/Topics/AI/Anthropic-Principle.md b/10_Wiki/Topics/AI/Anthropic-Principle.md
index 64b5326e..d7201779 100644
--- a/10_Wiki/Topics/AI/Anthropic-Principle.md
+++ b/10_Wiki/Topics/AI/Anthropic-Principle.md
@@ -1,12 +1,12 @@
 ---
 id: ANTHROPIC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [philosophy, physics, cosmology, ai-alignment, anthropic-principle]
 last_reinforced: 2026-04-26
 ---
 
-# [[Anthropic Principle (인류 원리)]]
+# Anthropic Principle (인류 원리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "우주가 이토록 정교한 이유는 우리가 존재하여 이를 관찰하고 있기 때문이다" — 우주의 물리 상수들이 생명체가 존재할 수 있을 만큼 극도로 정밀하게 조정되어 있는 현상을 관찰자의 존재와 연계하여 설명하는 원리.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 가치 체계 설계 시 인류 원리를 참고하여, 인간의 인지적 한계와 필요가 AI의 논리 구조를 형성하는 '인간 중심적 AI 설계'를 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Alignment]], [[Philosophy-of-AI]], [[Trustworthy-AI]], [[Physics-Informed-Neural-Networks]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Anthropic-Principle.md]]
+- [[AI-Alignment]], Philosophy-of-AI, [[Trustworthy-AI]], [[Physics-Informed-Neural-Networks]]
+- **Raw Source:** 10_Wiki/Topics/AI/Anthropic-Principle.md
diff --git a/10_Wiki/Topics/AI/Anthropomorphism.md b/10_Wiki/Topics/AI/Anthropomorphism.md
index e3bb9289..70e9a1e9 100644
--- a/10_Wiki/Topics/AI/Anthropomorphism.md
+++ b/10_Wiki/Topics/AI/Anthropomorphism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, anthropomorphism, psychology, hcie-ethics, ai-design, sociology]
 last_reinforced: 2026-04-20
@@ -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]], Human-Computer Interaction (HCI), [[Psychology & Behavior]], [[Ethics & AI]], [[AI Humanism]]
 - **Modern Tech/Tools**: Virtual influencers, AI companion apps (Replika), Humanoid robots.
 ---
diff --git a/10_Wiki/Topics/AI/Anticipation.md b/10_Wiki/Topics/AI/Anticipation.md
index 7d990895..69aa6e4a 100644
--- a/10_Wiki/Topics/AI/Anticipation.md
+++ b/10_Wiki/Topics/AI/Anticipation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANTI-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, anticipation, predictive-processing, futures-thinking, planning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 비즈니스 운영 정책에서, 수동적 대응(Reactive) 대신 이상 징후를 선제적으로 감지하고 대응하는 '예방적 유지보수(Predictive Maintenance) 정책'이 데이터 사이언스의 핵심 목표가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Strategic-Planning]], [[Reward Prediction Error]], [[Decision Theory]], [[Pattern Recognition]], [[Anisomorphism]]
+- [[Strategic-Planning]], [[Reward Prediction Error]], [[Decision Theory]], Pattern Recognition, [[Anisomorphism]]
 - **Modern Tech/Tools**: Predictive analytics, Scenario planning, Futures wheel.
 ---
diff --git a/10_Wiki/Topics/AI/Antifragility.md b/10_Wiki/Topics/AI/Antifragility.md
index 8b603bf4..7510f504 100644
--- a/10_Wiki/Topics/AI/Antifragility.md
+++ b/10_Wiki/Topics/AI/Antifragility.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANTI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, antifragility, risk-management, Nassim-Taleb, resilience, system-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Antinomianism.md b/10_Wiki/Topics/AI/Antinomianism.md
index 84efe5c8..ee038dde 100644
--- a/10_Wiki/Topics/AI/Antinomianism.md
+++ b/10_Wiki/Topics/AI/Antinomianism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.81
 tags: [auto-reinforced, antinomianism, religion, ethics, law-free, philosophy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Anxiety.md b/10_Wiki/Topics/AI/Anxiety.md
index 588473e7..7178ff7e 100644
--- a/10_Wiki/Topics/AI/Anxiety.md
+++ b/10_Wiki/Topics/AI/Anxiety.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ANXI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, anxiety, psychology, mental-health, future-threat, emotional-intelligence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Arguing-by-Counterexample.md b/10_Wiki/Topics/AI/Arguing-by-Counterexample.md
index 9cb5fed9..6189f2ae 100644
--- a/10_Wiki/Topics/AI/Arguing-by-Counterexample.md
+++ b/10_Wiki/Topics/AI/Arguing-by-Counterexample.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ARCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, logical-reasoning, counterexample, debate, critical-thinking, philosophy]
 last_reinforced: 2026-04-20
@@ -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]], Philosophy of Science, [[Anomaly-Detection]], [[Self-Correction Mechanisms]], [[Type 1 vs Type 2 Errors]]
 - **Modern Tech/Tools**: Formal verification methods, Adversarial red-teaming.
 ---
diff --git a/10_Wiki/Topics/AI/Arrangement-and-Composition.md b/10_Wiki/Topics/AI/Arrangement-and-Composition.md
index 2e7587ba..5611a366 100644
--- a/10_Wiki/Topics/AI/Arrangement-and-Composition.md
+++ b/10_Wiki/Topics/AI/Arrangement-and-Composition.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ARCO-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, arrangement, composition, design, systems-thinking, structure]
 last_reinforced: 2026-04-20
@@ -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]], [[Aesthetic-Value]], Design Theory, [[Agent Architecture]], [[Workflow-Integrity]]
 - **Modern Tech/Tools**: Figma (Auto-layout), CSS Grid, AI-powered music arrangers (Suno, Udio).
 ---
diff --git a/10_Wiki/Topics/AI/Articulateness.md b/10_Wiki/Topics/AI/Articulateness.md
index c4d088e3..0b790767 100644
--- a/10_Wiki/Topics/AI/Articulateness.md
+++ b/10_Wiki/Topics/AI/Articulateness.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ARTI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, articulateness, communication, clarity, language-proficiency, eloquence]
 last_reinforced: 2026-04-20
@@ -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]], [[Vocabulary-Expansion]], Prompt-Engineering-Strategies, [[Analysis]], [[Leadership]]
 - **Modern Tech/Tools**: Grammarly (Tone detection), AI writing assistants.
 ---
diff --git a/10_Wiki/Topics/AI/Artificial General Intelligence (AGI).md b/10_Wiki/Topics/AI/Artificial General Intelligence (AGI).md
index 89642362..dcd61b3e 100644
--- a/10_Wiki/Topics/AI/Artificial General Intelligence (AGI).md	
+++ b/10_Wiki/Topics/AI/Artificial General Intelligence (AGI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AGI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, agi, artificial-general-intelligence, singularity, superintelligence, ai-future]
 last_reinforced: 2026-04-20
@@ -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)]], Singularity, [[Alignment]], [[AI Safety]], Foundational Models, [[Ps-Reinforce]]
 - **Modern Tech/Tools**: Large Language Models, Multi-modal models, World simulators.
 ---
diff --git a/10_Wiki/Topics/AI/Artificial Intelligence (AI).md b/10_Wiki/Topics/AI/Artificial Intelligence (AI).md
index 85bbe8d0..b4fe898b 100644
--- a/10_Wiki/Topics/AI/Artificial Intelligence (AI).md	
+++ b/10_Wiki/Topics/AI/Artificial Intelligence (AI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [auto-reinforced, artificial-intelligence, ai-fundamentals, machine-learning, deep-learning, computing-history]
 last_reinforced: 2026-04-20
@@ -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)]], Foundational Models, [[Machine-Learning-Foundations]], [[Ethics & AI]], [[Ps-Reinforce]], [[What-is-AI]]
 - **Modern Tech/Tools**: Transformers, Neural Networks, GPU computing, LLMs.
 ---
diff --git a/10_Wiki/Topics/AI/Artificial-Intelligence-in-Games.md b/10_Wiki/Topics/AI/Artificial-Intelligence-in-Games.md
index f9e5cc1b..3c68c286 100644
--- a/10_Wiki/Topics/AI/Artificial-Intelligence-in-Games.md
+++ b/10_Wiki/Topics/AI/Artificial-Intelligence-in-Games.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GAMES
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Game AI, Pathfinding, FSM, Behavior Tree, Reinforcement Learning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Artificial-Intelligence.md b/10_Wiki/Topics/AI/Artificial-Intelligence.md
index ffd18b90..b2ab47a0 100644
--- a/10_Wiki/Topics/AI/Artificial-Intelligence.md
+++ b/10_Wiki/Topics/AI/Artificial-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GENERAL
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Artificial Intelligence, Machine Learning, Deep Learning, Scaling Laws]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - AI는 '이해'하는 것이 아니라 '확률적 생성'을 하는 것이다. 이 차이를 간과할 때 환각(Hallucination) 문제가 발생하며, 이를 극복하기 위해 심볼릭 로직과 딥러닝을 결합하는 'Neuro-symbolic AI'가 대안으로 떠오르고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Deep-Learning-Architecture-Patterns]] , [[AI-Ethics]]
-- Foundation: [[Computational Thinking]]
+- Related: Deep-Learning-Architecture-Patterns , AI-Ethics
+- Foundation: Computational Thinking
diff --git a/10_Wiki/Topics/AI/Artificial-Life.md b/10_Wiki/Topics/AI/Artificial-Life.md
index aad1c899..102c64fb 100644
--- a/10_Wiki/Topics/AI/Artificial-Life.md
+++ b/10_Wiki/Topics/AI/Artificial-Life.md
@@ -1,12 +1,12 @@
 ---
 id: ALIFE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, biology, complex-systems, artificial-life, simulation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Artificial Life (인공 생명)]]
+# Artificial Life (인공 생명)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생명체의 본질을 디지털 코드로 재창조하여 지능의 기원을 탐구하라" — 생물학적 생명의 진화, 번식, 대사, 상호작용 등의 특성을 컴퓨터 시뮬레이션이나 로봇공학으로 구현하여 생명의 작동 원리를 연구하는 분야.
@@ -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]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Artificial-Life.md]]
+- [[Evolutionary-Computation]], Agentic-Workflow, [[Multi-Agent-Systems-MAS]], [[Complexity-Theory]]
+- **Raw Source:** 10_Wiki/Topics/AI/Artificial-Life.md
diff --git a/10_Wiki/Topics/AI/Arts.md b/10_Wiki/Topics/AI/Arts.md
index 819a3861..29ebb0ac 100644
--- a/10_Wiki/Topics/AI/Arts.md
+++ b/10_Wiki/Topics/AI/Arts.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ARTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, arts, aesthetics, creativity, culture, humanity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Assertiveness.md b/10_Wiki/Topics/AI/Assertiveness.md
index 1d6d494b..cc66664e 100644
--- a/10_Wiki/Topics/AI/Assertiveness.md
+++ b/10_Wiki/Topics/AI/Assertiveness.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ASSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, assertiveness, communication, emotional-intelligence, boundary-setting]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 리더십 교육 정책에서, 단순히 강력한 카리스마를 강조하던 방식에서 벗어나 구성원들 간의 Assertive한 소통을 이끌어내는 '퍼실리테이션 역량 정책'으로 무게중심이 이동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Communication]], [[Leadership]], [[Psychology & Behavior]], [[Agile-Philosophy]], [[Articulateness]]
+- Communication, [[Leadership]], [[Psychology & Behavior]], [[Agile-Philosophy]], [[Articulateness]]
 - **Modern Tech/Tools**: EQ testing tools, Communication training workshops.
 ---
diff --git a/10_Wiki/Topics/AI/Assessment.md b/10_Wiki/Topics/AI/Assessment.md
index 13ac1b57..8a8c3565 100644
--- a/10_Wiki/Topics/AI/Assessment.md
+++ b/10_Wiki/Topics/AI/Assessment.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ASSM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, assessment, evaluation, feedback, measurement, educational-psychology]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Asset-Specific-Knowledge.md b/10_Wiki/Topics/AI/Asset-Specific-Knowledge.md
index 338015f9..cc27f748 100644
--- a/10_Wiki/Topics/AI/Asset-Specific-Knowledge.md
+++ b/10_Wiki/Topics/AI/Asset-Specific-Knowledge.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ASSP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, asset-specific-knowledge, specialization, competitive-advantage, core-competency]
 last_reinforced: 2026-04-20
@@ -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]], [[Workflow-Integrity]], [[Theory of Constraints (TOC)]], [[Agile-Philosophy]]
 - **Modern Tech/Tools**: Internal knowledge base (Wiki), Specialized RAG (Retrieval-Augmented Generation).
 ---
diff --git a/10_Wiki/Topics/AI/Assumptions-vs-Facts.md b/10_Wiki/Topics/AI/Assumptions-vs-Facts.md
index e5b59e94..7171cab9 100644
--- a/10_Wiki/Topics/AI/Assumptions-vs-Facts.md
+++ b/10_Wiki/Topics/AI/Assumptions-vs-Facts.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ASVF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, assumptions, facts, critical-thinking, scientific-method, logic]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 프로젝트 관리 정책(예: Agile)에서, 불확실한 가정을 최대한 빨리 사실로 확인하기 위해 '최소 기능 제품(MVP)'을 만들고 피드백을 받는 '가정 검증 속도 최적화 정책'이 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Analysis]], [[Arguing-by-Counterexample]], [[Scientific Communication]], [[Rationality]], [[Rapid-Prototyping]]
+- [[Analysis]], [[Arguing-by-Counterexample]], [[Scientific Communication]], Rationality, [[Rapid-Prototyping]]
 - **Modern Tech/Tools**: A/B testing platforms, Root cause analysis tools (5 Whys).
 ---
diff --git a/10_Wiki/Topics/AI/Atheism.md b/10_Wiki/Topics/AI/Atheism.md
index ec0a238a..8cc6a431 100644
--- a/10_Wiki/Topics/AI/Atheism.md
+++ b/10_Wiki/Topics/AI/Atheism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ATHE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, atheism, philosophy, secularism, rationalism, sociology-of-religion]
 last_reinforced: 2026-04-20
@@ -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]], [[Sociology of Knowledge]], [[AI Humanism]]
 - **Modern Tech/Tools**: Secular humanism frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/Atlantic.md b/10_Wiki/Topics/AI/Atlantic.md
index ba8b16fb..ee063a0a 100644
--- a/10_Wiki/Topics/AI/Atlantic.md
+++ b/10_Wiki/Topics/AI/Atlantic.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ATLA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.82
 tags: [auto-reinforced, atlantic, geopolitics, history, trade, environment]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 디지털 패권 정책에서, 대서양 횡단 데이터 흐름(Trans-Atlantic Data Flows)에 대한 개인 정보 보호 체계(Privacy Shield 등)를 둘러싼 미국과 EU 간의 정책 협상이 테크 산업의 핵심 규제 이슈가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI & Data Sovereignty]], [[Geopolitics of AI]], [[Environment]], [[Scientific Communication]], [[Systems Thinking]]
+- [[AI & Data Sovereignty]], Geopolitics of AI, Environment, [[Scientific Communication]], [[Systems Thinking]]
 - **Modern Tech/Tools**: Submarine telecommunication cables, Oceanographic monitoring AI.
 ---
diff --git a/10_Wiki/Topics/AI/Atmospheric-Intelligence.md b/10_Wiki/Topics/AI/Atmospheric-Intelligence.md
index 08001d4d..58aec193 100644
--- a/10_Wiki/Topics/AI/Atmospheric-Intelligence.md
+++ b/10_Wiki/Topics/AI/Atmospheric-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AMIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, atmospheric-intelligence, ubiquitous-computing, smart-environments, ambient-ai, iot]
 last_reinforced: 2026-04-20
@@ -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]], [[Adaptive-Curation]], [[Artificial Intelligence (AI)]], [[Agent Architecture]], Human-Computer Interaction (HCI)
 - **Modern Tech/Tools**: Smart home standards (Matter), Edge-computing, Multi-modal sensors.
 ---
diff --git a/10_Wiki/Topics/AI/Atomic-Design-System-Architecture.md b/10_Wiki/Topics/AI/Atomic-Design-System-Architecture.md
index dcbf36fe..6c2431f5 100644
--- a/10_Wiki/Topics/AI/Atomic-Design-System-Architecture.md
+++ b/10_Wiki/Topics/AI/Atomic-Design-System-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ARCH-ATOMIC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [atomic-design, design-system, architecture, react, component-driven, modularity, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Atomic Design System Architecture (아토믹 디자인 시스템 아키텍처)]]
+# Atomic Design System Architecture (아토믹 디자인 시스템 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인터페이스를 쪼갤 수 없는 최소 단위(Atoms)부터 거대한 유기체(Organisms)까지 단계별로 조립하여, 일관성과 재사용성이라는 두 개의 기둥 위에 무한히 확장 가능한 UI 생태계를 구축하라" — 브래드 프로스트의 아토믹 디자인을 현대적 프런트엔드 환경으로 재해석한 설계론.
@@ -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]]
-- **Raw Source:** [[00_Raw/Atomic Design.md]]
+- Design-System-Governance, [[Frontend-Architecture-and-Folder-Structure]], Component-Composition-Patterns, [[Uber-Base-Web-Design-System]]
+- **Raw Source:** 00_Raw/Atomic Design.md
diff --git a/10_Wiki/Topics/AI/Atomic-Styling-and-Design-Systems.md b/10_Wiki/Topics/AI/Atomic-Styling-and-Design-Systems.md
index 6155e86a..3d81a66e 100644
--- a/10_Wiki/Topics/AI/Atomic-Styling-and-Design-Systems.md
+++ b/10_Wiki/Topics/AI/Atomic-Styling-and-Design-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: FE-STYLE-ATOMIC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [css, frontend, atomic-css, design-systems, tailwindcss, utility-first, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Atomic Styling and Design Systems (아토믹 스타일링과 디자인 시스템)]]
+# Atomic Styling and Design Systems (아토믹 스타일링과 디자인 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "스타일을 더 이상 '페이지' 단위로 설계하지 말고, 더 이상 쪼갤 수 없는 '원자(Utility)' 단위로 파편화하여 조합함으로써 전역 스타일의 오염을 방지하고 개발 속도를 무한히 확장하라" — Tailwind CSS 등으로 대변되는 유틸리티 퍼스트(Utility-first) 스타일링 패러다임.
@@ -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]]
-- **Raw Source:** [[00_Raw/Atomic Styling.md]]
+- [[Design-System]], Tailwind-CSS-v4-도입, [[Software-Architecture-Patterns]], [[Clean-Code-Principles]]
+- **Raw Source:** 00_Raw/Atomic Styling.md
diff --git a/10_Wiki/Topics/AI/Atomism.md b/10_Wiki/Topics/AI/Atomism.md
index bfe0dcd9..c499f6d6 100644
--- a/10_Wiki/Topics/AI/Atomism.md
+++ b/10_Wiki/Topics/AI/Atomism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ATOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, atomism, philosophy, physics, reductionism, material-logic]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 소프트웨어 설계 정책에서, 거대한 단일 코드(Monolith) 대신 작고 독립적인 원자 단위의 기능을 조립하는 '마이크로서비스 아키텍처(MSA) 정책'으로 원자론적 철학이 공학적 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Analysis]], [[Structuralism]], [[Reductionism]], [[Arrangement-and-Composition]], [[Philosophy of Science]]
+- [[Analysis]], [[Structuralism]], Reductionism, [[Arrangement-and-Composition]], Philosophy of Science
 - **Modern Tech/Tools**: Atomic design (UI/UX), Microservices Architecture.
 ---
diff --git a/10_Wiki/Topics/AI/Attention Mechanisms.md b/10_Wiki/Topics/AI/Attention Mechanisms.md
index 83c5a900..9e9878e9 100644
--- a/10_Wiki/Topics/AI/Attention Mechanisms.md	
+++ b/10_Wiki/Topics/AI/Attention Mechanisms.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ATME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [auto-reinforced, attention-mechanisms, transformer, deep-learning, neural-networks, ai-architecture]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 연산 비용 최적화 정책을 위해, 무거운 Full-attention 대신 연산량을 줄인 'Flash Attention'이나 'Linear Attention' 정책이 소형 모델 및 엣지 장치용 AI 정책의 핵심 기술로 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformers]], [[Deep Learning]], [[Natural Language Processing (NLP)]], [[Information-Overload]], [[Economics of Attention]]
+- [[Transformers]], Deep Learning, Natural Language Processing (NLP), Information-Overload, Economics of Attention
 - **Modern Tech/Tools**: Multi-head Attention, FlashAttention, GPT, BERT.
 ---
diff --git a/10_Wiki/Topics/AI/Attention is All You Need.md b/10_Wiki/Topics/AI/Attention is All You Need.md
index b54a0c8f..c9ae0f53 100644
--- a/10_Wiki/Topics/AI/Attention is All You Need.md	
+++ b/10_Wiki/Topics/AI/Attention is All You Need.md	
@@ -1,12 +1,12 @@
 ---
 id: PAPER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, paper-summary, transformer, attention, google-research]
 last_reinforced: 2026-04-26
 ---
 
-# [[Attention is All You Need (어텐션 논문 요약)]]
+# Attention is All You Need (어텐션 논문 요약)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "순환(Recurrence)과 합성곱(Convolution) 없이, 오직 어텐션만으로 시퀀스를 정복하라" — 트랜스포머 아키텍처를 처음 세상에 알린 기념비적 논문으로, 대규모 병렬 연산과 전역적 문맥 파악의 시대를 연 현대 AI의 '창세기'.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Transformer-Architecture]], [[NLP-Attention-Mechanisms]], [[LLM]], [[Parallel-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Attention is All You Need.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Attention is All You Need.md
diff --git a/10_Wiki/Topics/AI/Authenticity.md b/10_Wiki/Topics/AI/Authenticity.md
index 2367e141..40cac698 100644
--- a/10_Wiki/Topics/AI/Authenticity.md
+++ b/10_Wiki/Topics/AI/Authenticity.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUTH-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, authenticity, self, ethics, truthfulness, social-psychology]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Autism Spectrum Disorder (ASD) Intervention.md b/10_Wiki/Topics/AI/Autism Spectrum Disorder (ASD) Intervention.md
index 0ef3060b..b89a27a1 100644
--- a/10_Wiki/Topics/AI/Autism Spectrum Disorder (ASD) Intervention.md	
+++ b/10_Wiki/Topics/AI/Autism Spectrum Disorder (ASD) Intervention.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-ASD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [ASD, Autism, AI Intervention, Healthcare, Therapy]
 last_reinforced: 2026-04-20
 ---
 
-# [[Autism-Spectrum-Disorder-(ASD)-Intervention]] (ASD를 위한 기술적 개입)
+# Autism-Spectrum-Disorder-(ASD)-Intervention (ASD를 위한 기술적 개입)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사회적 장벽을 허무는 디지털 동반자." 자폐 스펙트럼 장애(ASD)를 가진 이들이 겪는 의사소통과 감정 인식의 어려움을 AI 기술을 통해 보조하고 교육하는 인도적 기술이다.
@@ -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]]
-- Ethics: [[AI-Ethics]]
+- Related: [[Accessibility-Compliance-Audit]] , Psychology_Cognitive_Science
+- Ethics: AI-Ethics
diff --git a/10_Wiki/Topics/AI/Auto-Encoding.md b/10_Wiki/Topics/AI/Auto-Encoding.md
index 9e1bdcb8..38615283 100644
--- a/10_Wiki/Topics/AI/Auto-Encoding.md
+++ b/10_Wiki/Topics/AI/Auto-Encoding.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUEN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, auto-encoding, unsupervised-learning, dimenstionality-reduction, neural-networks, feature-extraction]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 효율적인 데이터 전송 정책을 위해, 무거운 원본 데이터 대신 오토인코딩된 핵심 벡터만 보내고 수신측에서 디코딩하는 '지능형 압축 정책'이 차세대 스트리밍 및 통신 표준으로 탐구됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Variational Autoencoders (VAE)]], [[Anomaly-Detection]], [[Pattern Recognition]], [[Deep Learning]], [[Visual-Effects-VFX]]
+- [[Variational Autoencoders (VAE)]], [[Anomaly-Detection]], Pattern Recognition, Deep Learning, [[Visual-Effects-VFX]]
 - **Modern Tech/Tools**: ConvAutoEncoder, BERT (Masked Autoencoder), Image compression AI.
 ---
diff --git a/10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md b/10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md
index b74e965f..df4d14fc 100644
--- a/10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md	
+++ b/10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md	
@@ -1,12 +1,12 @@
 ---
 id: AUTOGPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, ai-agents, autogpt, autonomous-agents, prompt-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Auto-GPT and Autonomous Agents (Auto-GPT와 자율 에이전트)]]
+# Auto-GPT and Autonomous Agents (Auto-GPT와 자율 에이전트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델에게 목표만 주면, 스스로 계획하고 도구를 써서 결과를 만들어낸다" — LLM의 추론 능력을 루프(Loop) 구조와 결합하여, 인간의 개입 없이도 인터넷 검색, 파일 쓰기, 코드 실행 등을 수행하며 복잡한 태스크를 완수하는 초기 자율 에이전트 모델.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 Auto-GPT의 자율성 개념을 위키 가드닝 워크플로우에 이식하여, 에이전트가 스스로 보강이 필요한 문서를 식별하고 업데이트하도록 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Agents-Overview]], [[Agentic-Workflow]], [[Multi-Agent-Systems-MAS]], [[RAG]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md]]
+- AI-Agents-Overview, Agentic-Workflow, [[Multi-Agent-Systems-MAS]], [[RAG]]
+- **Raw Source:** 10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md
diff --git a/10_Wiki/Topics/AI/Autobiography.md b/10_Wiki/Topics/AI/Autobiography.md
index 34c5b0e3..d33c3ebb 100644
--- a/10_Wiki/Topics/AI/Autobiography.md
+++ b/10_Wiki/Topics/AI/Autobiography.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUBI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, autobiography, narrative, memory, identity, storytelling, reflection]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 기술 정책과 결합하여, 개인이 남긴 방대한 디지털 흔적을 분석해 자서전 초안을 잡아주거나 가상 인격으로 복원해주는 'AI 자서전 및 유산 관리 서비스 정책'이 실무적으로 검토됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI and Narrative]], [[Authenticity]], [[Memory]], [[Self-Correction Mechanisms]], [[Psychology & Behavior]]
+- [[AI and Narrative]], [[Authenticity]], Memory, [[Self-Correction Mechanisms]], [[Psychology & Behavior]]
 - **Modern Tech/Tools**: Day One (Journaling app), Ghostwriting AI, Digital legacy platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Autoethnography.md b/10_Wiki/Topics/AI/Autoethnography.md
index 75a5f6cb..8ce79e7f 100644
--- a/10_Wiki/Topics/AI/Autoethnography.md
+++ b/10_Wiki/Topics/AI/Autoethnography.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, autoethnography, qualitative-research, sociology, storytelling, reflexivity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Automated-Decision-Making.md b/10_Wiki/Topics/AI/Automated-Decision-Making.md
index 47a48f5a..1728f90f 100644
--- a/10_Wiki/Topics/AI/Automated-Decision-Making.md
+++ b/10_Wiki/Topics/AI/Automated-Decision-Making.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ADM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, automated-decision-making, adm, algorithm, efficiency, ethics-governance]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Automated-Game-Testing.md b/10_Wiki/Topics/AI/Automated-Game-Testing.md
index cc03b3f8..1a4d03d9 100644
--- a/10_Wiki/Topics/AI/Automated-Game-Testing.md
+++ b/10_Wiki/Topics/AI/Automated-Game-Testing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-AUTOTEST
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Automated Testing, Game QA, AI Testing, Bot Testing]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 자동화 봇은 효율적이지만 '인간의 감정'을 느끼지 못한다. 버그는 없으나 재미가 없는 구역(Boring Zones)을 찾아내는 것은 여전히 인간 QA의 영역이며, AI는 이를 보조하는 증폭기로 사용되어야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Software Reliability]] , [[System_Debugging_Protocol]]
-- Foundation: [[Reinforcement Learning]]
+- Related: Software Reliability , [[System_Debugging_Protocol]]
+- Foundation: Reinforcement Learning
diff --git a/10_Wiki/Topics/AI/Automated-Map-Generation.md b/10_Wiki/Topics/AI/Automated-Map-Generation.md
index 19852240..b89fa958 100644
--- a/10_Wiki/Topics/AI/Automated-Map-Generation.md
+++ b/10_Wiki/Topics/AI/Automated-Map-Generation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GENMAP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [PCG, Map Generation, Algorithm, Noise Nature]
 last_reinforced: 2026-04-20
@@ -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]]
+- Related: [[Systemic_Simulation_Principles]] , Art_Direction_Governance
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Automated-Reasoning.md b/10_Wiki/Topics/AI/Automated-Reasoning.md
index 5dbe12f5..8911281c 100644
--- a/10_Wiki/Topics/AI/Automated-Reasoning.md
+++ b/10_Wiki/Topics/AI/Automated-Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AURE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, automated-reasoning, logic, formal-methods, theorem-proving, symbol-ai]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Automated-Refactoring-Tools.md b/10_Wiki/Topics/AI/Automated-Refactoring-Tools.md
index ec4f1887..b9567574 100644
--- a/10_Wiki/Topics/AI/Automated-Refactoring-Tools.md
+++ b/10_Wiki/Topics/AI/Automated-Refactoring-Tools.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-REFACT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [Refactoring, Static Analysis, AI Code, Technical Debt]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 자동화 도구에 100% 의존하는 것은 위험하다. 비즈니스 맥락(Business Context)을 모르는 기계적 리팩토링은 때로 의도된 우회 코드를 파괴할 수 있다. 최종 검사(Human-in-the-loop)는 여전히 필수적인 관문이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[React_Clean_Code_Best_Practices]] , [[Software Reliability]]
+- Related: [[React_Clean_Code_Best_Practices]] , Software Reliability
 - Foundation: [[System_Debugging_Protocol]]
diff --git a/10_Wiki/Topics/AI/Automated-Security-Audits.md b/10_Wiki/Topics/AI/Automated-Security-Audits.md
index 794fc9de..99b040a6 100644
--- a/10_Wiki/Topics/AI/Automated-Security-Audits.md
+++ b/10_Wiki/Topics/AI/Automated-Security-Audits.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SEC-AUDIT
-category: "[[10_Wiki/💡 Topics/Security]]"
+category: "10_Wiki/💡 Topics/Security"
 confidence_score: 0.97
 tags: [Security Audits, Automation, Compliance, AI]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 자동화는 효율적이지만 '제로 데이(Zero-day)' 취약점 앞에서는 무력할 수 있다. 자동 감사는 알려진 위협(Known unknowns)을 막는 방패이며, 알려지지 않은 위협(Unknown unknowns)은 화이트 해커의 창의적 수동 분석이 여전히 필요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Security_Governance]] , [[SAST]]
+- Related: Security_Governance , [[SAST]]
 - Strategy: [[Reliability_Safety_First]]
diff --git a/10_Wiki/Topics/AI/Automated-Theorem-Proving.md b/10_Wiki/Topics/AI/Automated-Theorem-Proving.md
index 0666aa37..6d9d0221 100644
--- a/10_Wiki/Topics/AI/Automated-Theorem-Proving.md
+++ b/10_Wiki/Topics/AI/Automated-Theorem-Proving.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-THEOREM
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [Theorem Proving, Coq, Lean, Formal Verification]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Automated-Reasoning]] , [[Amazon-AWS-Formal-Verification]]
-- Foundation: [[Computational Thinking]]
+- Foundation: Computational Thinking
diff --git a/10_Wiki/Topics/AI/Automated_Mapping.md b/10_Wiki/Topics/AI/Automated_Mapping.md
index fc8bdd4a..241520ff 100644
--- a/10_Wiki/Topics/AI/Automated_Mapping.md
+++ b/10_Wiki/Topics/AI/Automated_Mapping.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-AI-004
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [ai, slam, mapping, autonomous]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-05"
 ---
 
-# [[Automated Mapping & SLAM]]
+# Automated Mapping & SLAM
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 미지의 공간을 탐사함과 동시에 자신의 위치를 파악하여 정밀한 지도를 그려내는 자율 주행의 눈과 지능.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-05"
 - **정책 변화:** 지식 구조(w2) 관점에서 자율 주행 에이전트의 '공간 지능' 핵심 요소로 정의.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Computer_Vision]], [[VPS_NeRF]], [[Spatial-Computing]]
-- **Raw Source:** [[00_Raw/2026-04-20/Automated-Map-Generation.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** [[Computer_Vision]], [[VPS_NeRF]], Spatial-Computing
+- **Raw Source:** 00_Raw/2026-04-20/Automated-Map-Generation.md
diff --git a/10_Wiki/Topics/AI/Automation-Paradox.md b/10_Wiki/Topics/AI/Automation-Paradox.md
index a6e9abbe..64524b76 100644
--- a/10_Wiki/Topics/AI/Automation-Paradox.md
+++ b/10_Wiki/Topics/AI/Automation-Paradox.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUPA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, automation-paradox, safety-critical, human-factors, skill-degradation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율주행 및 원격 의료 정책 수립 시, 사용자가 기계의 작동 원리를 잊지 않도록 정기적으로 개입을 강제하거나 '주의력 모니터링'을 의무화하는 정책이 설계 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[Ps-Reinforce]], [[Safety & Reliability]], [[Availability-and-Persistence]], [[Agent Architecture]]
+- Foundational Models, [[Ps-Reinforce]], [[Safety & Reliability]], [[Availability-and-Persistence]], [[Agent Architecture]]
 - **Modern Tech/Tools**: Driver Monitoring Systems (DMS), Simulator-based training for crisis management.
 ---
diff --git a/10_Wiki/Topics/AI/Autonomous Vehicles.md b/10_Wiki/Topics/AI/Autonomous Vehicles.md
index 8f8801a3..1bd97436 100644
--- a/10_Wiki/Topics/AI/Autonomous Vehicles.md	
+++ b/10_Wiki/Topics/AI/Autonomous Vehicles.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, autonomous-vehicles, self-driving, ai-robotics, transport-innovation, safe-ai]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Autonomous-Agents.md b/10_Wiki/Topics/AI/Autonomous-Agents.md
index e7b70258..3c270594 100644
--- a/10_Wiki/Topics/AI/Autonomous-Agents.md
+++ b/10_Wiki/Topics/AI/Autonomous-Agents.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AUAG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, autonomous-agents, ai-agents, agency, self-governance, future-tech]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율 에이전트가 예산을 독자적으로 집행하거나 법적 계약을 맺을 때 발생하는 책임 소재 정책(Agent Liability)이 정립 중이며, '에이전트 간의 경제 생태계' 출현에 대비한 새로운 시장 규칙 마련이 시급해짐.
 
 ## 🔗 지식 연결 (Graph)
-- [[Agent Architecture]], [[Agent Personality]], [[Agentic Coding]], [[Ps-Reinforce]], [[Foundational Models]]
+- [[Agent Architecture]], [[Agent Personality]], [[Agentic Coding]], [[Ps-Reinforce]], Foundational Models
 - **Modern Tech/Tools**: BabyAGI, AutoGPT, AgentGPT, Multi-agent collaboration frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/Autonomous-Polling-Wait-Automation.md b/10_Wiki/Topics/AI/Autonomous-Polling-Wait-Automation.md
index 91179239..82062d14 100644
--- a/10_Wiki/Topics/AI/Autonomous-Polling-Wait-Automation.md
+++ b/10_Wiki/Topics/AI/Autonomous-Polling-Wait-Automation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9B8C6B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,8 +28,8 @@ NotebookLM의 'Deep Research' 기능은 대규모 데이터를 처리하므로 
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[NotebookLM-Automated-Authentication-CLI]], [[Autonomous-Loop-State-Machine]]
-- **Projects/Contexts:** [[P-Reinforce-Agent-v2.6]]
+- **Related Topics:** [[NotebookLM-Automated-Authentication-CLI]], Autonomous-Loop-State-Machine
+- **Projects/Contexts:** P-Reinforce-Agent-v2.6
 - **Contradictions/Notes:** 너무 잦은 폴링은 API 할당량(Quota) 이슈를 유발할 수 있으므로 10초 간격이 권장됩니다.
-- Raw Source: [[00_Raw/2026-04-20/Autonomous-Polling-Wait-Automation.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Autonomous-Vehicle-Path-Planning.md b/10_Wiki/Topics/AI/Autonomous-Vehicle-Path-Planning.md
index e5373105..738e5f0f 100644
--- a/10_Wiki/Topics/AI/Autonomous-Vehicle-Path-Planning.md
+++ b/10_Wiki/Topics/AI/Autonomous-Vehicle-Path-Planning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-PATHPLAN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Path Planning, A* Algorithm, Robotics, Autonomous Vehicle]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 과거에는 규칙 기반(Rule-based) 알고리즘이 주류였으나, 최근에는 복잡한 도심 상황을 해결하기 위해 'End-to-End' 딥러닝 방식과 '전통적 플래닝'을 결합한 계층적 구조가 표준으로 자리 잡았다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Systemic_Simulation_Principles]] , [[Robotic Manipulation]]
+- Related: [[Systemic_Simulation_Principles]] , Robotic Manipulation
 - Context: [[Digital Twins]]
diff --git a/10_Wiki/Topics/AI/Availability-and-Persistence.md b/10_Wiki/Topics/AI/Availability-and-Persistence.md
index 14ae4ef6..038d7c5c 100644
--- a/10_Wiki/Topics/AI/Availability-and-Persistence.md
+++ b/10_Wiki/Topics/AI/Availability-and-Persistence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AVPE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, availability, persistence, system-reliability, data-engineering, cloud-architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Awards.md b/10_Wiki/Topics/AI/Awards.md
index 47704245..eff65f08 100644
--- a/10_Wiki/Topics/AI/Awards.md
+++ b/10_Wiki/Topics/AI/Awards.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AWAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, awards, recognition, motivation, social-status, achievement]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 생성물에 대한 어워드 수여 금지 정책이 창작계의 뜨거운 감자가 됨에 따라, 'AI 활용 능력' 자체를 별도의 카테고리로 인정하거나 시상하는 새로운 시상 정책이 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Motivation]], [[Scientific Communication]], [[Grit]], [[Ambition]], [[Aesthetic-Value]]
+- Motivation, [[Scientific Communication]], [[Grit]], [[Ambition]], [[Aesthetic-Value]]
 - **Modern Tech/Tools**: Scholarly award platforms, Peer review systems.
 ---
diff --git a/10_Wiki/Topics/AI/Axify.md b/10_Wiki/Topics/AI/Axify.md
index 7a3221c1..1dc1ddea 100644
--- a/10_Wiki/Topics/AI/Axify.md
+++ b/10_Wiki/Topics/AI/Axify.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FB7EF7
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Axify"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Axify Intelligence]], [[DORA Metrics]], [[Value Stream Mapping]]
-- **Projects/Contexts:** [[AI Adoption and Impact Measurement]], [[Developer Productivity Tracking]]
+- **Related Topics:** Axify Intelligence, DORA Metrics, Value Stream Mapping
+- **Projects/Contexts:** AI Adoption and Impact Measurement, Developer Productivity Tracking
 - **Contradictions/Notes:** 소스 내에서 상충되는 의견은 발견되지 않았습니다. 다만 Axify는 새로운 AI 리뷰 도구를 단순히 설치하거나 제안 횟수 자체를 세는 것(Vanity metrics)만으로는 배포 개선을 증명할 수 없다고 지적하며, 실제 성과(DORA 지표 등)로 이어지는지 측정하는 것의 중요성을 강조합니다 [5, 9, 14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Axify.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Axiology.md b/10_Wiki/Topics/AI/Axiology.md
index 9aa6be86..7d111a9d 100644
--- a/10_Wiki/Topics/AI/Axiology.md
+++ b/10_Wiki/Topics/AI/Axiology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AXIO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, axiology, value-theory, ethics, aesthetics, philosophy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Axiomatic-Systems.md b/10_Wiki/Topics/AI/Axiomatic-Systems.md
index c06ef1ee..15e081fa 100644
--- a/10_Wiki/Topics/AI/Axiomatic-Systems.md
+++ b/10_Wiki/Topics/AI/Axiomatic-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AXSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, axiomatic-systems, logic, mathematics, formal-methods, structuralism]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Axioms.md b/10_Wiki/Topics/AI/Axioms.md
index af5ebedc..d60a3e8b 100644
--- a/10_Wiki/Topics/AI/Axioms.md
+++ b/10_Wiki/Topics/AI/Axioms.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AXIO-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, axioms, logic, foundations, mathematical-logic, standard]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 윤리적 AI 설계 정책에서, 모델이 반드시 지켜야 할 '기본 공리(예: 인간의 생명을 최우선한다)'를 하드코드하는 정책이 정렬(Alignment) 기술의 기초가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Axiomatic-Systems]], [[Logic]], [[Analysis]], [[First-Principles-Thinking]], [[Stability vs Flexibility]]
+- [[Axiomatic-Systems]], [[Logic]], [[Analysis]], First-Principles-Thinking, [[Stability vs Flexibility]]
 - **Modern Tech/Tools**: Logic-based programming (Prolog), Formal logic frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/Azure DevOps.md b/10_Wiki/Topics/AI/Azure DevOps.md
index ef56a839..d916cbca 100644
--- a/10_Wiki/Topics/AI/Azure DevOps.md	
+++ b/10_Wiki/Topics/AI/Azure DevOps.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6BDC0C
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,5 +31,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Azure DevOps"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Azure DevOps.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/B-Tree.md b/10_Wiki/Topics/AI/B-Tree.md
index 2bcdb905..65a71c1f 100644
--- a/10_Wiki/Topics/AI/B-Tree.md
+++ b/10_Wiki/Topics/AI/B-Tree.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-B-TREE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.99
 tags: [B-Tree, Data Structure, DB, Indexing]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Distributed-Systems-Engineering]] , [[Combinatorial-Optimization]]
-- Foundation: [[Computational Thinking]]
+- Foundation: Computational Thinking
diff --git a/10_Wiki/Topics/AI/BERT.md b/10_Wiki/Topics/AI/BERT.md
index 6280679a..d5c287b7 100644
--- a/10_Wiki/Topics/AI/BERT.md
+++ b/10_Wiki/Topics/AI/BERT.md
@@ -1,12 +1,12 @@
 ---
 id: BERT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, bert, transformer, language-model, google-research]
 last_reinforced: 2026-04-26
 ---
 
-# [[BERT (Bidirectional Encoder Representations from Transformers)]]
+# BERT (Bidirectional Encoder Representations from Transformers)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "문장의 왼쪽과 오른쪽을 동시에 보며 단어의 진짜 의미를 파악하라" — 구글이 제안한 혁신적인 사전 학습 모델로, 문맥의 양방향성을 모두 고려하여 단어의 의미를 수치화함으로써 NLP 분야의 수많은 벤치마크 기록을 갱신한 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 간의 의미적 유사성 판별 및 개체명 인식(NER) 작업에 BERT 기반의 임베딩 모델을 주력으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformer-Architecture]], [[NLP]], [[Attention-Mechanisms]], [[Transfer-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/BERT.md]]
+- [[Transformer-Architecture]], NLP, Attention-Mechanisms, Transfer-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/BERT.md
diff --git a/10_Wiki/Topics/AI/BFS vs DFS.md b/10_Wiki/Topics/AI/BFS vs DFS.md
index 6313207b..9eeda6a8 100644
--- a/10_Wiki/Topics/AI/BFS vs DFS.md	
+++ b/10_Wiki/Topics/AI/BFS vs DFS.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BDFS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, bfs, dfs, algorithms, graph-search, tree-traversal, problem-solving]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 언어 모델의 생각의 사슬(Chain of Thought) 추론 정책에서, 하나의 답변에 함몰되지 않고 여러 가지 추론 가지를 BFS적으로 생성해 비교하는 'Tree-of-Thoughts' 기법이 고난도 문제 해결의 핵심 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Binary-Search]], [[Backward-Reasoning]], [[Search-Optimization]], [[Analysis]], [[Pattern Recognition]]
+- [[Binary-Search]], [[Backward-Reasoning]], [[Search-Optimization]], [[Analysis]], Pattern Recognition
 - **Modern Tech/Tools**: Pathfinding algorithms in GPS, Crawling bots, Game AI (Minimax).
 ---
diff --git a/10_Wiki/Topics/AI/Backend.md b/10_Wiki/Topics/AI/Backend.md
index 24f77bf5..6b36280c 100644
--- a/10_Wiki/Topics/AI/Backend.md
+++ b/10_Wiki/Topics/AI/Backend.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, backend, server-side, architecture, api, data-management]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Backpropagation Through Time.md b/10_Wiki/Topics/AI/Backpropagation Through Time.md
index 19a2fb6a..69e7ec38 100644
--- a/10_Wiki/Topics/AI/Backpropagation Through Time.md	
+++ b/10_Wiki/Topics/AI/Backpropagation Through Time.md	
@@ -1,12 +1,12 @@
 ---
 id: BPTT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, rnn, backpropagation, sequence-modeling]
 last_reinforced: 2026-04-26
 ---
 
-# [[Backpropagation Through Time (BPTT, 시간 기반 역전파)]]
+# Backpropagation Through Time (BPTT, 시간 기반 역전파)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "과거의 그림자를 따라 오차의 근원을 추적하라" — 순환 신경망(RNN)에서 현재 시점의 오차를 이전 시점들로 거슬러 올라가며 전달하여, 시간적 순서(Sequence)를 가진 데이터의 패턴을 학습하게 하는 역전파 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 실시간 시계열 센서 데이터 처리와 같은 특수 목적의 경량 RNN 모델 학습 시에만 BPTT 기법을 선별적으로 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Backpropagation]], [[Neural-Networks-Foundations]], [[Sequence-to-Sequence-Models]], [[LSTM-and-GRU]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Backpropagation Through Time.md]]
+- [[Backpropagation]], Neural-Networks-Foundations, [[Sequence-to-Sequence-Models]], LSTM-and-GRU
+- **Raw Source:** 10_Wiki/Topics/AI/Backpropagation Through Time.md
diff --git a/10_Wiki/Topics/AI/Backpropagation.md b/10_Wiki/Topics/AI/Backpropagation.md
index c6ebb97a..7c0f9677 100644
--- a/10_Wiki/Topics/AI/Backpropagation.md
+++ b/10_Wiki/Topics/AI/Backpropagation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BACK-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [auto-reinforced, backpropagation, deep-learning, machine-learning-foundations, calculus, neural-networks]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 역전파 연산 효율을 극대화하기 위해 하드웨어(GPU/NPU) 수준에서 행렬 연산을 가속하는 정책이 수립되었고, 최근에는 역전파 없이 학습하는 생물학적 뇌 모델(Forward-Forward 등)에 대한 대안 정책 연구도 활발함.
 
 ## 🔗 지식 연결 (Graph)
-- [[stochastic gradient descent]], [[Deep Learning]], [[Neural Networks]], [[Machine-Learning-Foundations]], [[Reward Prediction Error]]
+- [[stochastic gradient descent]], Deep Learning, Neural Networks, [[Machine-Learning-Foundations]], [[Reward Prediction Error]]
 - **Modern Tech/Tools**: PyTorch, TensorFlow, Autograd engines.
 ---
diff --git a/10_Wiki/Topics/AI/Backups.md b/10_Wiki/Topics/AI/Backups.md
index 0a0144c8..14c12aad 100644
--- a/10_Wiki/Topics/AI/Backups.md
+++ b/10_Wiki/Topics/AI/Backups.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BACK-003
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, backups, data-protection, disaster-recovery, security, reliability]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Backward-Reasoning.md b/10_Wiki/Topics/AI/Backward-Reasoning.md
index 709a9f08..bf8a9548 100644
--- a/10_Wiki/Topics/AI/Backward-Reasoning.md
+++ b/10_Wiki/Topics/AI/Backward-Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BARE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, backward-reasoning, goal-driven, logic, problem-solving, cognitive-ai]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bag of Words (BoW).md b/10_Wiki/Topics/AI/Bag of Words (BoW).md
index 69d31d82..2bff0cc7 100644
--- a/10_Wiki/Topics/AI/Bag of Words (BoW).md	
+++ b/10_Wiki/Topics/AI/Bag of Words (BoW).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BOW-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, bag-of-words, nlp, text-mining, feature-extraction, classic-ai]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ Bag of Words(BoW)는 텍스트 데이터를 머신러닝 알고리즘이 이해
 - **정책 변화(RL Update)**: 아주 가벼운 스팸 분류 시스템이나 초기 단계의 데이터 탐색 정책에서는 연산 비용이 극도로 낮은 BoW 정책이 여전히 실무적인 경제성 정책으로 선호됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural Language Processing (NLP)]], [[Word-Representation]], [[Attention Mechanisms]], [[Pattern Recognition]], [[Technical-Architecture]]
+- Natural Language Processing (NLP), [[Word-Representation]], [[Attention Mechanisms]], Pattern Recognition, [[Technical-Architecture]]
 - **Modern Tech/Tools**: Scikit-learn CountVectorizer, NLTK, Gensim.
 ---
diff --git a/10_Wiki/Topics/AI/Baseline Project.md b/10_Wiki/Topics/AI/Baseline Project.md
index e4bd1ebb..21019882 100644
--- a/10_Wiki/Topics/AI/Baseline Project.md	
+++ b/10_Wiki/Topics/AI/Baseline Project.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E3E3EF
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Baseline Project"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Browser APIs]], [[Web Performance]]
-- **Projects/Contexts:** [[Web Platform Features]]
+- **Related Topics:** Browser APIs, Web Performance
+- **Projects/Contexts:** Web Platform Features
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Baseline Project.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Batch-Inference.md b/10_Wiki/Topics/AI/Batch-Inference.md
index 089478b2..e432f14a 100644
--- a/10_Wiki/Topics/AI/Batch-Inference.md
+++ b/10_Wiki/Topics/AI/Batch-Inference.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BAIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, batch-inference, ai-optimization, throughput, cost-efficiency, data-processing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bayes-Theorem.md b/10_Wiki/Topics/AI/Bayes-Theorem.md
index 55e0842b..7e974ac5 100644
--- a/10_Wiki/Topics/AI/Bayes-Theorem.md
+++ b/10_Wiki/Topics/AI/Bayes-Theorem.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BATH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [auto-reinforced, bayes-theorem, probability, statistics, rational-decision-making, logic]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델의 불확실성 관리 정책에서, 모델이 내린 답의 '확신 수준(Confidence)'을 계산하기 위해 베이지안 신경망 기술을 적용하는 것이 안전(Safety) 핵심 가이드라인이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayesian Statistics]], [[Bayesian-Updating]], [[Rationality]], [[Belief-Revision]], [[Information-Theory]]
+- [[Bayesian Statistics]], [[Bayesian-Updating]], Rationality, [[Belief-Revision]], [[Information-Theory]]
 - **Modern Tech/Tools**: Bayesian Networks, PyMC, Naive Bayes Classifiers.
 ---
diff --git a/10_Wiki/Topics/AI/Bayesian Inference.md b/10_Wiki/Topics/AI/Bayesian Inference.md
index e6c60eaa..dffcc7b6 100644
--- a/10_Wiki/Topics/AI/Bayesian Inference.md	
+++ b/10_Wiki/Topics/AI/Bayesian Inference.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-BAYESIAN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Bayesian Inference, Probability, Stats, AI]
 last_reinforced: 2026-04-20
 ---
 
-# [[Bayesian-Inference]] (베이지안 추론)
+# Bayesian-Inference (베이지안 추론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "믿음은 고정된 것이 아니라 정보에 따라 진화한다." 기존의 배경 지식(Prior)에 새로운 근거(Evidence)를 더해 더 정확한 진실(Posterior)에 다가가는 통계학적 통찰이다.
diff --git a/10_Wiki/Topics/AI/Bayesian Statistics.md b/10_Wiki/Topics/AI/Bayesian Statistics.md
index b92d2a63..64d2c1f1 100644
--- a/10_Wiki/Topics/AI/Bayesian Statistics.md	
+++ b/10_Wiki/Topics/AI/Bayesian Statistics.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BAST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, bayesian-statistics, inference, data-analysis, uncertainty, modeling]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 윤리 및 거버넌스 정책에서, 알고리즘의 편향을 탐지할 때 단순 빈도가 아닌 베이지안 사후 분포를 통해 '구조적 편향'의 확실성을 측정하는 엄격한 감사 정책이 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayes-Theorem]], [[Bayesian-Updating]], [[Statistics & Data Analysis]], [[stochastic gradient descent]], [[Foundational Models]]
+- [[Bayes-Theorem]], [[Bayesian-Updating]], [[Statistics & Data Analysis]], [[stochastic gradient descent]], Foundational Models
 - **Modern Tech/Tools**: Stan, PyMC3, Bayesian Optimization for hyperparameter tuning.
 ---
diff --git a/10_Wiki/Topics/AI/Bayesian-Brain-Hypothesis.md b/10_Wiki/Topics/AI/Bayesian-Brain-Hypothesis.md
index 60806fc8..1e6aaad4 100644
--- a/10_Wiki/Topics/AI/Bayesian-Brain-Hypothesis.md
+++ b/10_Wiki/Topics/AI/Bayesian-Brain-Hypothesis.md
@@ -1,12 +1,12 @@
 ---
 id: BAYES-BRAIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, cognitive-science, bayesian, predictive-coding, ai-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Bayesian Brain Hypothesis (베이지안 뇌 가설)]]
+# Bayesian Brain Hypothesis (베이지안 뇌 가설)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뇌는 끊임없이 확률을 계산하는 최적의 추론 엔진이다" — 뇌가 불완전한 감각 데이터를 바탕으로 세상을 인식할 때, 사전 지식(Prior)과 새로운 정보(Likelihood)를 베이즈 정리에 따라 결합하여 최선의 추측을 내놓는다는 가설.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 상황 판단 모듈은 베이지안 뇌 가설을 차용하여, 모호한 사용자 입력에 대해 사전 맥락 데이터를 활용한 확률적 해석을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Predictive-Coding]], [[Bayesian-Inference]], [[Uncertainty-Quantification]], [[Active-Inference]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Bayesian-Brain-Hypothesis.md]]
+- [[Predictive-Coding]], Bayesian-Inference, [[Uncertainty-Quantification]], Active-Inference
+- **Raw Source:** 10_Wiki/Topics/AI/Bayesian-Brain-Hypothesis.md
diff --git a/10_Wiki/Topics/AI/Bayesian-Updating.md b/10_Wiki/Topics/AI/Bayesian-Updating.md
index 3c437e8e..02499675 100644
--- a/10_Wiki/Topics/AI/Bayesian-Updating.md
+++ b/10_Wiki/Topics/AI/Bayesian-Updating.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BAUP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, bayesian-updating, learning-mechanisms, adaptive-systems, feedback-loops]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Be-Detailed.md b/10_Wiki/Topics/AI/Be-Detailed.md
index 46e33791..169f884c 100644
--- a/10_Wiki/Topics/AI/Be-Detailed.md
+++ b/10_Wiki/Topics/AI/Be-Detailed.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BEDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, clarity, precision, communication, documentation, detailing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Beckett.md b/10_Wiki/Topics/AI/Beckett.md
index e6401e86..c4d76702 100644
--- a/10_Wiki/Topics/AI/Beckett.md
+++ b/10_Wiki/Topics/AI/Beckett.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BECK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.84
 tags: [auto-reinforced, beckett, absurdity, minimalism, modernism, philosophy-of-language]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대 AI 연구자들 사이에서 베케트적 부조리가 회자되기도 함. 명령을 완수하지 못하고 무한 루프에 빠진 에이전트나, 아무 의미 없는 문장을 생성하는 모델의 모습에서 '기술적 부조리 정책'의 예술적 은유를 찾음 (AI and Narrative와 연결).
 
 ## 🔗 지식 연결 (Graph)
-- [[AI and Narrative]], [[Authenticity]], [[Modernism]], [[Aesthetic-Value]], [[Anxiety]]
+- [[AI and Narrative]], [[Authenticity]], Modernism, [[Aesthetic-Value]], [[Anxiety]]
 - **Modern Tech/Tools**: Existential philosophy archives, Avant-garde theater studies.
 ---
diff --git a/10_Wiki/Topics/AI/Behavior.md b/10_Wiki/Topics/AI/Behavior.md
index 515700fc..e91c5d67 100644
--- a/10_Wiki/Topics/AI/Behavior.md
+++ b/10_Wiki/Topics/AI/Behavior.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BEHA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, behavior, psychology, stimulus-response, observed-action, intelligence]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율 에이전트 설계 정책에서, 사전에 정의된 'Rule-based Behavior'에서 벗어나 시뮬레이션 환경 내에서 스스로 최적의 행동을 찾아내는 '창발적 행동(Emergent Behavior) 허용 정책'이 핵심 트렌드가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology & Behavior]], [[Reinforcement Learning (RL)]], [[Behavioral-Incentives]], [[Agent Architecture]], [[Game Theory]]
+- [[Psychology & Behavior]], [[Reinforcement Learning (RL)]], [[Behavioral-Incentives]], [[Agent Architecture]], Game Theory
 - **Modern Tech/Tools**: Behavioral tracking analytics, User journey mapping, A/B testing.
 ---
diff --git a/10_Wiki/Topics/AI/Behavioral Finance.md b/10_Wiki/Topics/AI/Behavioral Finance.md
index 08b6a40c..4be0e5c7 100644
--- a/10_Wiki/Topics/AI/Behavioral Finance.md	
+++ b/10_Wiki/Topics/AI/Behavioral Finance.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-FINANCE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Behavioral Finance, Psychology, Market, Investment]
 last_reinforced: 2026-04-20
 ---
 
-# [[Behavioral-Finance]] (행동 재무학)
+# Behavioral-Finance (행동 재무학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 주식 시장은 '가치'가 아니라 '군중의 광기와 공포'에 의해 움직이며, 이 비합리적 패턴을 수학적으로 모델링하여 초과 수익(Alpha)을 찾는 학문이다.
diff --git a/10_Wiki/Topics/AI/Behavioral-Economics.md b/10_Wiki/Topics/AI/Behavioral-Economics.md
index 33395884..b93fcde3 100644
--- a/10_Wiki/Topics/AI/Behavioral-Economics.md
+++ b/10_Wiki/Topics/AI/Behavioral-Economics.md
@@ -1,12 +1,12 @@
 ---
 id: BEH-ECON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [economics, psychology, decision-making, behavioral-science, nudge]
 last_reinforced: 2026-04-26
 ---
 
-# [[Behavioral Economics (행동 경제학)]]
+# Behavioral Economics (행동 경제학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간은 합리적이지 않지만, 그 비합리성에는 일관된 패턴이 있다" — 심리학적 통찰을 경제학에 결합하여 인간이 실제로 어떻게 판단하고 선택하는지, 그리고 왜 종종 자신의 이익에 반하는 결정을 내리는지 탐구하는 학문.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 BM(Business Model) 설계 시, 플레이어가 심리적 거부감 없이 성취감을 느낄 수 있도록 행동 경제학적 '넛지' 설계를 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-Theory]], [[Psychology-of-Learning]], [[Decision-Making]], [[UX-Design]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Behavioral-Economics.md]]
+- [[Game-Theory]], [[Psychology-of-Learning]], Decision-Making, UX-Design
+- **Raw Source:** 10_Wiki/Topics/AI/Behavioral-Economics.md
diff --git a/10_Wiki/Topics/AI/Behavioral-Incentives.md b/10_Wiki/Topics/AI/Behavioral-Incentives.md
index 71ce8cbf..a4fdff9c 100644
--- a/10_Wiki/Topics/AI/Behavioral-Incentives.md
+++ b/10_Wiki/Topics/AI/Behavioral-Incentives.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BEIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, behavioral-incentives, motivation, economics, nudging, system-design]
 last_reinforced: 2026-04-20
@@ -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)]], [[Behavior]], Game Theory, Economics of Attention
 - **Modern Tech/Tools**: Gamification platforms, Token economy (Web3/Crypto), OKR/KPI systems.
 ---
diff --git a/10_Wiki/Topics/AI/Belief-Revision.md b/10_Wiki/Topics/AI/Belief-Revision.md
index 5f06679b..9e4170c4 100644
--- a/10_Wiki/Topics/AI/Belief-Revision.md
+++ b/10_Wiki/Topics/AI/Belief-Revision.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BERE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, belief-revision, cognitive-science, logic, data-consistency, information-processing]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 가짜 뉴스 및 필터 버블 정책에서, 사람들이 자신의 확증 편향(Confirmation Bias)을 넘어 신념 수정을 원활히 할 수 있도록 '대안적 사실과 그 근거를 입체적으로 제시하는 알고리즘 정책'의 필요성이 제기됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayesian-Updating]], [[Rationality]], [[Belief-System]], [[Self-Correction Mechanisms]], [[Scientific-Method]]
+- [[Bayesian-Updating]], Rationality, [[Belief-System]], [[Self-Correction Mechanisms]], [[Scientific-Method]]
 - **Modern Tech/Tools**: Non-monotonic logic engines, Truth maintenance systems (TMS).
 ---
diff --git a/10_Wiki/Topics/AI/Belief-System.md b/10_Wiki/Topics/AI/Belief-System.md
index 08de8c08..269aa53b 100644
--- a/10_Wiki/Topics/AI/Belief-System.md
+++ b/10_Wiki/Topics/AI/Belief-System.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BESY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, belief-system, worldview, culture, cognitive-architecture, orientation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Beliefs.md b/10_Wiki/Topics/AI/Beliefs.md
index c97000f1..3e35f235 100644
--- a/10_Wiki/Topics/AI/Beliefs.md
+++ b/10_Wiki/Topics/AI/Beliefs.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BELI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, beliefs, conviction, mental-state, truth-claims, epistemology]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 윤리 정책 가이드라인에서, 편향된 신념을 가진 데이터로 학습된 AI가 특정 집단에 대한 혐오 신념을 표출하지 않도록 차단하는 '신념 정화(Cleaning and Sanitize) 정책'이 데이터 엔지니어링의 필수 과정이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Belief-System]], [[Atheism]], [[Axiology]], [[Truth-Claims]], [[Psychology & Behavior]]
+- [[Belief-System]], [[Atheism]], [[Axiology]], Truth-Claims, [[Psychology & Behavior]]
 - **Modern Tech/Tools**: Bias detection tools, Fact-checking systems.
 ---
diff --git a/10_Wiki/Topics/AI/Bellman Equation.md b/10_Wiki/Topics/AI/Bellman Equation.md
index f8047c6e..c949851f 100644
--- a/10_Wiki/Topics/AI/Bellman Equation.md	
+++ b/10_Wiki/Topics/AI/Bellman Equation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BELLMAN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Bellman Equation, Reinforcement Learning, Math, Dynamic Programming]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 실제 세계(Model-free)에서는 다음 상태의 가치를 정확히 알 수 없다. 그래서 벨만 방정식을 기반으로 경험을 통해 가치를 추측해가는 'Q-Learning'이나 'Deep Q-Networks(DQN)'로 발전해왔다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Reinforcement Learning]] , [[Deep-Reinforcement-Learning]]
+- Related: Reinforcement Learning , Deep-Reinforcement-Learning
 - Foundation: [[Computational Theory & Math/Information Theory]]
diff --git a/10_Wiki/Topics/AI/Bellman-Equation.md b/10_Wiki/Topics/AI/Bellman-Equation.md
index 5b794cd4..d7316261 100644
--- a/10_Wiki/Topics/AI/Bellman-Equation.md
+++ b/10_Wiki/Topics/AI/Bellman-Equation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BELLMAN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [Bellman Equation, Reinforcement Learning, Dynamic Programming, MDP]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Benchmarks.md b/10_Wiki/Topics/AI/Benchmarks.md
index 6343319f..d37a9878 100644
--- a/10_Wiki/Topics/AI/Benchmarks.md
+++ b/10_Wiki/Topics/AI/Benchmarks.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BENC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, benchmarks, evaluation, performance-metrics, standardization, comparative-analysis]
 last_reinforced: 2026-04-20
@@ -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]], [[Algorithmic Fairness]], Foundational Models, [[Ps-Reinforce]], [[Safety & Reliability]]
 - **Modern Tech/Tools**: Hugging Face Open LLM Leaderboard, HELM (Holistic Evaluation of Language Models).
 ---
diff --git a/10_Wiki/Topics/AI/Bert-Language-Model.md b/10_Wiki/Topics/AI/Bert-Language-Model.md
index 36cbb1c5..48045511 100644
--- a/10_Wiki/Topics/AI/Bert-Language-Model.md
+++ b/10_Wiki/Topics/AI/Bert-Language-Model.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BERT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [BERT, NLP, Transformer, Language Model, Transfer Learning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Best SAST Tools in 2026.md b/10_Wiki/Topics/AI/Best SAST Tools in 2026.md
index a95f7e1e..09cc8212 100644
--- a/10_Wiki/Topics/AI/Best SAST Tools in 2026.md	
+++ b/10_Wiki/Topics/AI/Best SAST Tools in 2026.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SEC-TOOLS
-category: "[[10_Wiki/💡 Topics/Security]]"
+category: "10_Wiki/💡 Topics/Security"
 confidence_score: 0.98
 tags: [SAST, Security Tools, 2026, Snyk, SonarQube]
 last_reinforced: 2026-04-20
 ---
 
-# [[Best-SAST-Tools-in-2026]] (2026년 최고의 SAST 도구)
+# Best-SAST-Tools-in-2026 (2026년 최고의 SAST 도구)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "도구는 똑똑해졌고, 개발자는 더 안전해졌다." 2026년 현재, 단순 패턴 매칭을 넘어 코드의 '의도'를 파악하는 AI 기반 보안 도구가 시장을 지배하고 있다.
diff --git a/10_Wiki/Topics/AI/Best-of-N Sampling ( ø).md b/10_Wiki/Topics/AI/Best-of-N Sampling ( ø).md
index 72debf7e..dfafa854 100644
--- a/10_Wiki/Topics/AI/Best-of-N Sampling ( ø).md	
+++ b/10_Wiki/Topics/AI/Best-of-N Sampling ( ø).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BESTN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [LLM, Sampling, Best-of-N, Search, Generation]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - N이 클수록 품질은 올라가지만 비용과 응답 지연 시간(Latency)이 기하급수적으로 늘어난다. 실시간 서비스에서는 N=3~5 수준의 타협점이 요구되며, 최근에는 자가 수정(Self-correction) 능력을 키우는 쪽으로 연구가 이동 중이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Reinforcement Learning]] , [[AI 모델 평가]]
+- Related: Reinforcement Learning , AI 모델 평가
 - Context: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Best-of-N Sampling (최적 샘플링).md b/10_Wiki/Topics/AI/Best-of-N Sampling (최적 샘플링).md
index 316a72ac..44a88577 100644
--- a/10_Wiki/Topics/AI/Best-of-N Sampling (최적 샘플링).md	
+++ b/10_Wiki/Topics/AI/Best-of-N Sampling (최적 샘플링).md	
@@ -1,6 +1,6 @@
 ---
 id: BON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-inference, llm, sampling-strategy, post-processing]
 last_reinforced: 2026-04-26
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** 실시간 응답이 중요한 챗봇보다는 정확도가 생명인 코드 생성이나 데이터 추출 에이전트에서 주로 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Chain-of-Thought]], [[Self-Consistency]], [[Reward-Modeling]]
-- **Raw Source:** [[00_Raw/2026-04-20/Best-of-N Sampling.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Chain-of-Thought, Self-Consistency, Reward-Modeling
+- **Raw Source:** 00_Raw/2026-04-20/Best-of-N Sampling.md
diff --git a/10_Wiki/Topics/AI/Best-of-N Sampling.md b/10_Wiki/Topics/AI/Best-of-N Sampling.md
index 8bc95677..19832539 100644
--- a/10_Wiki/Topics/AI/Best-of-N Sampling.md	
+++ b/10_Wiki/Topics/AI/Best-of-N Sampling.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BEST-OF-N
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Best-of-N, Sampling, Inference, Reward Model, AI Alignment]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - N이 커질수록 품질은 좋아지지만 코스트(비용)와 지연 시간(Latency)이 기하급수적으로 늘어난다. 따라서 서비스의 실시간성 요구도에 따라 N의 적절한 값을 정하는 것이 엔지니어링의 묘미다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Prompt-Engineering]] , [[Reinforcement-Learning-from-Human-Feedback-(RLHF)]]
-- Metric: [[Reward-Model-Training]]
+- Related: [[Prompt-Engineering]] , Reinforcement-Learning-from-Human-Feedback-(RLHF)
+- Metric: Reward-Model-Training
diff --git a/10_Wiki/Topics/AI/Best-of-N-Sampling.md b/10_Wiki/Topics/AI/Best-of-N-Sampling.md
index 40ecddf5..31d5b4d1 100644
--- a/10_Wiki/Topics/AI/Best-of-N-Sampling.md
+++ b/10_Wiki/Topics/AI/Best-of-N-Sampling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BONS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, best-of-n, sampling-strategy, inference-optimization, llm, reasoning, reranking]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ Best-of-N Sampling(최적 샘플링)은 거대 언어 모델(LLM)의 추론 품
 - **정책 변화(RL Update)**: 최근 OpenAI o1 등 추론 전문 모델 정책은 단순히 N개를 뽑는 수준을 넘어, 생각의 체인(CoT) 과정 자체를 검증하고 수정하는 시스템으로 진화 중임. (Tree-of-Thought와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability]], [[Reinforcement Learning (RL)]], [[Tree-of-Thought]], [[Search-Strategy]], [[Inference]]
+- [[Scalability]], [[Reinforcement Learning (RL)]], Tree-of-Thought, [[Search-Strategy]], Inference
 - **Related Terms**: Rejection Sampling, Majority Voting, Thought-level Verifiers.
 ---
diff --git a/10_Wiki/Topics/AI/Bias vs Variance.md b/10_Wiki/Topics/AI/Bias vs Variance.md
index 16628215..6e2989ca 100644
--- a/10_Wiki/Topics/AI/Bias vs Variance.md	
+++ b/10_Wiki/Topics/AI/Bias vs Variance.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BIVA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [auto-reinforced, bias-variance, machine-learning-foundations, overfitting, underfitting, model-performance]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보상 함수 설계 정책에서, 모델의 분산을 줄이기 위해 데이터 증강(Augmentation)이나 규제화(Regularization)를 강제하는 '안정성 지향적 학습 정책'이 필수적으로 적용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Standardization vs Innovation]], [[stochastic gradient descent]], [[Foundational Models]], [[Pattern Recognition]], [[Stability vs Flexibility]]
+- [[Standardization vs Innovation]], [[stochastic gradient descent]], Foundational Models, Pattern Recognition, [[Stability vs Flexibility]]
 - **Modern Tech/Tools**: Cross-validation, Early stopping, Dropout, L1/L2 Regularization.
 ---
diff --git a/10_Wiki/Topics/AI/Bias-Correction-Algorithm.md b/10_Wiki/Topics/AI/Bias-Correction-Algorithm.md
index 920d88e7..2005fb1e 100644
--- a/10_Wiki/Topics/AI/Bias-Correction-Algorithm.md
+++ b/10_Wiki/Topics/AI/Bias-Correction-Algorithm.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BIAS-CORR
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Bias Correction, AI Ethics, Algorithmic Fairness, Statistics]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 과도한 편향 보정은 모델의 전반적인 정확도(Accuracy)를 떨어뜨릴 수 있다. '정확도와 공정성 사이의 트레이드오프'를 비즈니스 가치에 맞게 합의하는 의사결정이 기술보다 더 중요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[AI-Ethics]] , [[Bias-Variance-Tradeoff]]
+- Related: AI-Ethics , [[Bias-Variance-Tradeoff]]
 - Strategy: [[Reliability_Safety_First]]
diff --git a/10_Wiki/Topics/AI/Bias-Variance-Tradeoff.md b/10_Wiki/Topics/AI/Bias-Variance-Tradeoff.md
index 21093563..bc7e62e5 100644
--- a/10_Wiki/Topics/AI/Bias-Variance-Tradeoff.md
+++ b/10_Wiki/Topics/AI/Bias-Variance-Tradeoff.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BIAS-VAR
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [Bias Variance Tradeoff, Overfitting, Underfitting, Machine Learning]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 최근의 초거대 모델(LLM)들은 'Double Descent' 현상에 의해, 모델을 극한으로 키우면 오히려 분산이 다시 줄어들며 성능이 좋아지는 기이한 현상이 발견되고 있다. 이는 전통적인 트레이드오프 이론을 재정립하게 만들고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Regularization-Techniques]] , [[Model-Optimization-Strategies]]
+- Related: [[Regularization-Techniques]] , Model-Optimization-Strategies
 - Foundation: [[Computational Theory & Math/Information Theory]]
diff --git a/10_Wiki/Topics/AI/Bible.md b/10_Wiki/Topics/AI/Bible.md
index 4fe0c60c..6545dd5b 100644
--- a/10_Wiki/Topics/AI/Bible.md
+++ b/10_Wiki/Topics/AI/Bible.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BIBL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, bible, narrative, culture, history, values, interpretation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bibliometrics.md b/10_Wiki/Topics/AI/Bibliometrics.md
index 3b6f6e05..4d3f5a9c 100644
--- a/10_Wiki/Topics/AI/Bibliometrics.md
+++ b/10_Wiki/Topics/AI/Bibliometrics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BIBM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, bibliometrics, h-index, research-impact, scientific-metrics, big-data]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Big-Data.md b/10_Wiki/Topics/AI/Big-Data.md
index ce588d13..f7162f36 100644
--- a/10_Wiki/Topics/AI/Big-Data.md
+++ b/10_Wiki/Topics/AI/Big-Data.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BIGD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, big-data, data-science, analytics, scalable-systems, infrastructure]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 개인 정보 보호 정책(GDPR 등) 강화로 인해, 데이터를 한 곳으로 모으지 않고 기기단에서 학습하는 '연합 학습(Federated Learning) 정책'이 빅데이터 활용의 새로운 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Artificial Intelligence (AI)]], [[Foundational Models]], [[Statistics & Data Analysis]], [[Backups]], [[Technical-Architecture]]
+- [[Artificial Intelligence (AI)]], Foundational Models, [[Statistics & Data Analysis]], [[Backups]], [[Technical-Architecture]]
 - **Modern Tech/Tools**: Hadoop, Spark, NoSQL (MongoDB, Cassandra), Data Lake (Snowflake).
 ---
diff --git a/10_Wiki/Topics/AI/Big-Picture.md b/10_Wiki/Topics/AI/Big-Picture.md
index e51ab42a..bfe707d8 100644
--- a/10_Wiki/Topics/AI/Big-Picture.md
+++ b/10_Wiki/Topics/AI/Big-Picture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BIGP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, big-picture, holistic-view, strategic-thinking, systems-thinking, context]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 조직 운영 정책에서, 중앙 집권적 통제가 아닌 모든 구성원에게 '큰 그림'을 공유하고 자율적으로 행동하게 만드는 '비전 중심 배양 정책'이 실무 생산성 향상의 핵심 성공 모델이 됨 (Ps-Reinforce의 거버넌스 철학).
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[Alignment]], [[Analysis]], [[Be-Detailed]], [[Systems Thinking]]
+- Foundational Models, [[Alignment]], [[Analysis]], [[Be-Detailed]], [[Systems Thinking]]
 - **Modern Tech/Tools**: Strategy maps, OKR (Objective and Key Results), Mind mapping.
 ---
diff --git a/10_Wiki/Topics/AI/Binary-Author-Identification.md b/10_Wiki/Topics/AI/Binary-Author-Identification.md
index 59359b8f..eef07e31 100644
--- a/10_Wiki/Topics/AI/Binary-Author-Identification.md
+++ b/10_Wiki/Topics/AI/Binary-Author-Identification.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BAID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, binary-analysis, code-stylometry, security, author-identification, ml-security, de-compilation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 AI 가 코드를 짜는 시대(GitHub Copilot 등)가 오면서, 사람이 짠 코드와 AI 가 짠 코드를 구분하거나 특정 AI 모델의 스타일을 식별하는 연구 정책으로 확장 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Risk-Management]], [[Representation-Learning]], [[Security]], [[Source-Control]], [[Feature-Engineering]]
+- [[Risk-Management]], [[Representation-Learning]], Security, [[Source-Control]], [[Feature-Engineering]]
 - **Key Researchers**: Aylin Caliskan, Arvind Narayanan.
 ---
diff --git a/10_Wiki/Topics/AI/Binary-Search.md b/10_Wiki/Topics/AI/Binary-Search.md
index 4e48c16b..7d5f5458 100644
--- a/10_Wiki/Topics/AI/Binary-Search.md
+++ b/10_Wiki/Topics/AI/Binary-Search.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BISE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [auto-reinforced, binary-search, algorithms, optimization, efficiency, log-time]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 엔지비니어링 면접 정책에서, 단순 암기 위주의 알고리즘 정책에서 탈피하여 이진 탐색의 원리를 응용해 복잡한 시스템 최적화 문제를 해결하는 '사고력 중심 평가 정책'으로 변모함.
 
 ## 🔗 지식 연결 (Graph)
-- [[BFS vs DFS]], [[Search-Optimization]], [[Analysis]], [[Pattern Recognition]], [[Technical-Architecture]]
+- [[BFS vs DFS]], [[Search-Optimization]], [[Analysis]], Pattern Recognition, [[Technical-Architecture]]
 - **Modern Tech/Tools**: `git bisect`, Database indexing, Standard library find functions.
 ---
diff --git a/10_Wiki/Topics/AI/BioShock (2007).md b/10_Wiki/Topics/AI/BioShock (2007).md
index f2f4d10a..bf478323 100644
--- a/10_Wiki/Topics/AI/BioShock (2007).md	
+++ b/10_Wiki/Topics/AI/BioShock (2007).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-BIOSHOCK
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [BioShock, Game AI, Immersive Sim, Narrative AI]
 last_reinforced: 2026-04-20
 ---
 
-# [[BioShock-(2007)]] (바이오쇼크의 서사적 AI)
+# BioShock-(2007) (바이오쇼크의 서사적 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생태계가 살아있는 것처럼 느껴지게 하라." 바이오쇼크의 AI는 플레이어를 사냥하는 적이 아니라, 자기들만의 규칙(Big Daddy-Little Sister)에 따라 살아가는 '유기적인 배우'들이다.
diff --git a/10_Wiki/Topics/AI/BioShock-Critique.md b/10_Wiki/Topics/AI/BioShock-Critique.md
index 4380ec76..9dd4af78 100644
--- a/10_Wiki/Topics/AI/BioShock-Critique.md
+++ b/10_Wiki/Topics/AI/BioShock-Critique.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BIOSHOCK-CRIT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [BioShock, Critique, Ludonarrative Dissonance, Game Design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bioenergetics.md b/10_Wiki/Topics/AI/Bioenergetics.md
index 25ae67f3..5c68d868 100644
--- a/10_Wiki/Topics/AI/Bioenergetics.md
+++ b/10_Wiki/Topics/AI/Bioenergetics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-BIOEN
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.95
 tags: [Bioenergetics, Metabolism, ATP, Thermodynamics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bioinformatics-Structure-Prediction.md b/10_Wiki/Topics/AI/Bioinformatics-Structure-Prediction.md
index 4d5dacfc..fa2c651a 100644
--- a/10_Wiki/Topics/AI/Bioinformatics-Structure-Prediction.md
+++ b/10_Wiki/Topics/AI/Bioinformatics-Structure-Prediction.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-BIOINFO
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.98
 tags: [Bioinformatics, AlphaFold, DNA Sequencing, Protein Structure]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 정적인 구조 예측을 넘어, 이제는 단백질이 시간에 따라 어떻게 움직이는지(Dynamics)를 예측하는 것이 다음 과제다. 이는 항암제와 같은 정밀 의료의 핵심이 된다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Digital Twins]] , [[Deep-Learning-Basics]]
+- Related: [[Digital Twins]] , Deep-Learning-Basics
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Biological-Inspired-Algorithms.md b/10_Wiki/Topics/AI/Biological-Inspired-Algorithms.md
index a5ca8bd8..9a84af0b 100644
--- a/10_Wiki/Topics/AI/Biological-Inspired-Algorithms.md
+++ b/10_Wiki/Topics/AI/Biological-Inspired-Algorithms.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BIO-INSPIRED
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Bio-Inspired Algorithms, Genetic Algorithms, Ant Colony Optimization, Evolution]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Reinforcement-Learning]] , [[Algorithmic-Biology]]
-- Strategy: [[Innovation-Management]]
+- Strategy: Innovation-Management
diff --git a/10_Wiki/Topics/AI/Biological-Intelligence.md b/10_Wiki/Topics/AI/Biological-Intelligence.md
index eef00889..decd5613 100644
--- a/10_Wiki/Topics/AI/Biological-Intelligence.md
+++ b/10_Wiki/Topics/AI/Biological-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BIIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, biological-intelligence, cognition, neuroscience, evolution, bio-inspired-ai]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 바이오-인터페이스(BCI) 정책 연구가 심화됨에 따라, 생물학적 지능과 인공 지능을 직접 연결하여 지능의 물리적 한계를 확장하는 '사이보그 지능 정책'이 미래 기술의 핵심 쟁점이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Artificial Intelligence (AI)]], [[Cognitive-Science]], [[Neuroscience]], [[Affordance]], [[Evolutionary-Computation]]
+- [[Artificial Intelligence (AI)]], Cognitive-Science, Neuroscience, [[Affordance]], [[Evolutionary-Computation]]
 - **Modern Tech/Tools**: Neuromorphic chips, BCI (Neuralink), Cognitive psychology models.
 ---
diff --git a/10_Wiki/Topics/AI/Biomechanics-of-Injury.md b/10_Wiki/Topics/AI/Biomechanics-of-Injury.md
index 36160313..4c783eca 100644
--- a/10_Wiki/Topics/AI/Biomechanics-of-Injury.md
+++ b/10_Wiki/Topics/AI/Biomechanics-of-Injury.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-BIOMECH
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.96
 tags: [Biomechanics, Injury, Physics, Safety Engineering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Biometrics.md b/10_Wiki/Topics/AI/Biometrics.md
index 5f4a6053..b4f6e1e6 100644
--- a/10_Wiki/Topics/AI/Biometrics.md
+++ b/10_Wiki/Topics/AI/Biometrics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-BIOMETRIC
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.97
 tags: [Biometrics, Security, Authentication, Pattern Recognition]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Black-Box-Optimization.md b/10_Wiki/Topics/AI/Black-Box-Optimization.md
index 8746e2d7..8ee9d97c 100644
--- a/10_Wiki/Topics/AI/Black-Box-Optimization.md
+++ b/10_Wiki/Topics/AI/Black-Box-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: BBO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [optimization, algorithm, machine-learning, black-box, heuristics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Black-Box Optimization (블랙박스 최적화)]]
+# Black-Box Optimization (블랙박스 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "내부 원리는 몰라도, 입력과 출력만으로 최선의 답을 찾아내라" — 시스템의 내부 수학적 모델이나 기울기(Gradient) 정보를 알 수 없을 때, 관측된 데이터를 바탕으로 목적 함수를 최적화하는 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 에이전트 모델 하이퍼파라미터 최적화 시, 베이지안 최적화 기반의 블랙박스 기법을 사용하여 적은 시행횟수로 최적의 설정을 찾음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayesian-Inference]], [[Evolutionary-Computation]], [[Simulated-Annealing]], [[Hyperparameter-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Black-Box-Optimization.md]]
+- Bayesian-Inference, [[Evolutionary-Computation]], [[Simulated-Annealing]], [[Hyperparameter-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Black-Box-Optimization.md
diff --git a/10_Wiki/Topics/AI/Black-Hole.md b/10_Wiki/Topics/AI/Black-Hole.md
index 6c763502..c68fc4cd 100644
--- a/10_Wiki/Topics/AI/Black-Hole.md
+++ b/10_Wiki/Topics/AI/Black-Hole.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BLHO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, black-hole, astrophysics, singularity, gravity, space-time]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 블랙홀의 실제 관측 데이터(Event Horizon Telescope)가 확보됨에 따라, 가설로만 존재하던 영역이 실질적인 '데이터 분석의 영역 정책'으로 들어왔으며, 이를 분석하기 위해 거대 AI 알고리즘이 필수적으로 사용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Artificial Intelligence (AI)]], [[Scientific-Method]], [[Analysis]], [[Information-Theory]], [[Philosophy of Science]]
+- [[Artificial Intelligence (AI)]], [[Scientific-Method]], [[Analysis]], [[Information-Theory]], Philosophy of Science
 - **Modern Tech/Tools**: Gravitational wave detectors (LIGO), Event Horizon Telescope imagery AI.
 ---
diff --git a/10_Wiki/Topics/AI/Black-Swan.md b/10_Wiki/Topics/AI/Black-Swan.md
index 5c83deeb..0ca392e7 100644
--- a/10_Wiki/Topics/AI/Black-Swan.md
+++ b/10_Wiki/Topics/AI/Black-Swan.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BLSW-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, black-swan, risk-management, uncertainty, statistics, economics]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 개발 및 배포 정책에서, 예상 범위를 벗어난 인공지능의 폭주나 오작동이 가져올 '기술적 블랙 스완 정책'에 대비한 레드 티밍(Red Teaming) 및 긴급 중단 정책(Kill-switch)이 필수화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Antifragility]], [[Robustness]], [[Probability]], [[Bayesian Statistics]], [[Safety & Reliability]]
+- [[Antifragility]], [[Robustness]], Probability, [[Bayesian Statistics]], [[Safety & Reliability]]
 - **Modern Tech/Tools**: Stress testing models, Scenario planning, Chaos engineering.
 ---
diff --git a/10_Wiki/Topics/AI/Blockchain.md b/10_Wiki/Topics/AI/Blockchain.md
index 675b8759..831985b9 100644
--- a/10_Wiki/Topics/AI/Blockchain.md
+++ b/10_Wiki/Topics/AI/Blockchain.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BLOC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, blockchain, decentralization, cryptography, trust, distributed-ledger]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 지식 생태계 정책에서, 데이터의 출처(Provenance)와 학습 기여도를 투명하게 기록하고 보상하는 'AI x Blockchain 융합 정책'이 저작권 및 공정 보상 이슈의 해결책으로 떠오름.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI & Data Sovereignty]], [[Availability-and-Persistence]], [[Pattern Recognition]], [[Information-Theory]], [[Ethics & AI]]
+- [[AI & Data Sovereignty]], [[Availability-and-Persistence]], Pattern Recognition, [[Information-Theory]], [[Ethics & AI]]
 - **Modern Tech/Tools**: Ethereum (Smart Contracts), Hyperledger, IPFS (Distributed storage).
 ---
diff --git a/10_Wiki/Topics/AI/Blocking.md b/10_Wiki/Topics/AI/Blocking.md
index 62d81a6c..49c9af6f 100644
--- a/10_Wiki/Topics/AI/Blocking.md
+++ b/10_Wiki/Topics/AI/Blocking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BLOC-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, blocking, synchronous, computation, resource-management, efficiency]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Blog-Post.md b/10_Wiki/Topics/AI/Blog-Post.md
index e5a4a5d5..b9fcc6ff 100644
--- a/10_Wiki/Topics/AI/Blog-Post.md
+++ b/10_Wiki/Topics/AI/Blog-Post.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BLPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, blog-post, content-creation, outreach, digital-marketing, knowledge-sharing]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 검색 엔진 최적화(SEO) 정책 중심의 글쓰기에서 벗어나, AI 답변 에이전트가 내 글을 잘 인용할 수 있도록 데이터 구조를 최적화하는 'LLM-Friendly 포스팅 정책'이 새로운 마케팅 표준이 됨. (SEO Best Practices와 협업)
 
 ## 🔗 지식 연결 (Graph)
-- [[Scientific Communication]], [[Authenticity]], [[Knowledge Synthesis]], [[Arts]], [[Information-Overload]]
+- [[Scientific Communication]], [[Authenticity]], [[Knowledge Synthesis]], [[Arts]], Information-Overload
 - **Modern Tech/Tools**: Medium, Substack, Ghost, AI technical writing assistants.
 ---
diff --git a/10_Wiki/Topics/AI/Bloom-Filters in Search.md b/10_Wiki/Topics/AI/Bloom-Filters in Search.md
index 705867c2..6a1a9518 100644
--- a/10_Wiki/Topics/AI/Bloom-Filters in Search.md	
+++ b/10_Wiki/Topics/AI/Bloom-Filters in Search.md	
@@ -1,12 +1,12 @@
 ---
 id: BLOOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, data-structure, search, algorithm, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Bloom Filters in Search (검색에서의 블룸 필터)]]
+# Bloom Filters in Search (검색에서의 블룸 필터)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 '없다'는 것은 확실히 알려주되, '있다'는 것은 확률적으로 답하라" — 아주 적은 메모리만 사용하여 특정 원소가 집합에 포함되어 있는지 빠르게 확인하는 확률적 자료구조.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 대규모 위키 문서 검색 시, 모든 문서를 임베딩 비교하기 전 블룸 필터를 통해 관련 키워드가 전혀 없는 문서를 1차적으로 배제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Algorithm-Complexity-Big-O]], [[System-Design-for-AI-Scale]], [[Vector-Database-Selection]], [[Parallel-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Bloom-Filters in Search.md]]
+- [[Algorithm-Complexity-Big-O]], System-Design-for-AI-Scale, Vector-Database-Selection, [[Parallel-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Bloom-Filters in Search.md
diff --git a/10_Wiki/Topics/AI/Bloom-Filters.md b/10_Wiki/Topics/AI/Bloom-Filters.md
index 7237c2f5..892f3cea 100644
--- a/10_Wiki/Topics/AI/Bloom-Filters.md
+++ b/10_Wiki/Topics/AI/Bloom-Filters.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BLOOM-FILTER
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [Bloom Filters, Probabilistic Data Structure, Search Optimization, Hashing]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 블룸 필터의 성능 관건은 False Positive 확률을 낮추는 것이다. 비트 배열의 크기와 해시 함수의 개수를 데이터 양에 맞게 정밀하게 계산하는 수학적 튜닝이 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Hash-Functions]] , [[Big-Data-Processing]]
+- Related: Hash-Functions , Big-Data-Processing
 - Foundation: [[Computational Theory & Math/Information Theory]]
diff --git a/10_Wiki/Topics/AI/Boltzmann-Machines.md b/10_Wiki/Topics/AI/Boltzmann-Machines.md
index 95a4a084..18643621 100644
--- a/10_Wiki/Topics/AI/Boltzmann-Machines.md
+++ b/10_Wiki/Topics/AI/Boltzmann-Machines.md
@@ -1,12 +1,12 @@
 ---
 id: BOLTZMANN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, neural-networks, energy-based-model, statistical-mechanics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Boltzmann Machines (볼츠만 머신)]]
+# Boltzmann Machines (볼츠만 머신)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 분포를 물리적인 에너지 평형 상태로 모델링하라" — 통계역학의 볼츠만 분포에서 영감을 얻어, 신경망의 전역적 에너지 상태를 최소화하는 방향으로 학습하여 데이터의 구조를 파악하는 확률적 재귀 신경망.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 비지도 학습 기반의 특징 추출 알고리즘 연구 시, 볼츠만 머신의 에너지 기반 모델링 철학을 참고하여 데이터 정합성을 검증함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Unsupervised-Learning-Foundations]], [[Energy-Based-Models]], [[Deep-Learning]], [[Statistical-Mechanics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Boltzmann-Machines.md]]
+- Unsupervised-Learning-Foundations, Energy-Based-Models, [[Deep-Learning]], Statistical-Mechanics
+- **Raw Source:** 10_Wiki/Topics/AI/Boltzmann-Machines.md
diff --git a/10_Wiki/Topics/AI/Boosting-Algorithms-XGBoost-LightGBM.md b/10_Wiki/Topics/AI/Boosting-Algorithms-XGBoost-LightGBM.md
index cb37c4bb..8bf77d62 100644
--- a/10_Wiki/Topics/AI/Boosting-Algorithms-XGBoost-LightGBM.md
+++ b/10_Wiki/Topics/AI/Boosting-Algorithms-XGBoost-LightGBM.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BOOSTING
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [Boosting, XGBoost, LightGBM, Gradient Boosting, Machine Learning]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 부스팅 모델은 강력하지만 과적합(Overfitting)에 취약하다. 이를 위해 학습률(Learning rate)을 낮추고, 나무의 깊이를 제한하며, 조기 종료(Early stopping) 전략을 반드시 사용해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Decision-Tree]] , [[Bias-Variance-Tradeoff]]
-- Tool: [[Data-Science-Toolkit]]
+- Related: Decision-Tree , [[Bias-Variance-Tradeoff]]
+- Tool: Data-Science-Toolkit
diff --git a/10_Wiki/Topics/AI/Bottlenecks.md b/10_Wiki/Topics/AI/Bottlenecks.md
index d9432a55..77f70448 100644
--- a/10_Wiki/Topics/AI/Bottlenecks.md
+++ b/10_Wiki/Topics/AI/Bottlenecks.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BOTT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, bottlenecks, optimization, performance, constraint, systems-thinking]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bottom-Up-Approach.md b/10_Wiki/Topics/AI/Bottom-Up-Approach.md
index ceed4e77..ee81227d 100644
--- a/10_Wiki/Topics/AI/Bottom-Up-Approach.md
+++ b/10_Wiki/Topics/AI/Bottom-Up-Approach.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BUAP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, bottom-up-approach, emergence, prototyping, inductive-reasoning, design-strategy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Boundaries.md b/10_Wiki/Topics/AI/Boundaries.md
index f7c62dea..762a3413 100644
--- a/10_Wiki/Topics/AI/Boundaries.md
+++ b/10_Wiki/Topics/AI/Boundaries.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BOUN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, boundaries, self-care, psychology, relationships, ethical-limits]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 디지털 워크 라이프 정책에서, 메신저를 통한 업무 침범을 막기 위해 '접속 시간 외 응답 거부권'이나 '집중 근무 시간 경계 관리 정책'이 기업 문화의 중요한 컴플라이언스가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Assertiveness]], [[Boundary-Setting]], [[Psychology & Behavior]], [[Authenticity]], [[Human-Computer Interaction (HCI)]]
+- [[Assertiveness]], [[Boundary-Setting]], [[Psychology & Behavior]], [[Authenticity]], Human-Computer Interaction (HCI)
 - **Modern Tech/Tools**: "Do Not Disturb" modes, Privacy settings, Time-blocking apps.
 ---
diff --git a/10_Wiki/Topics/AI/Boundary-Setting.md b/10_Wiki/Topics/AI/Boundary-Setting.md
index 8f2f16bd..e6e0b2ca 100644
--- a/10_Wiki/Topics/AI/Boundary-Setting.md
+++ b/10_Wiki/Topics/AI/Boundary-Setting.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BOSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, boundary-setting, communication, leadership, self-management, assertiveness]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 에이전트 설계 정책에서, 모델이 사용자의 모든 명령을 듣는 것이 아니라 윤리적/안전상 적절하지 않은 명령에 대해 명확한 거부 경계를 생성하는 '세이프 가드 경계 설정 정책'이 기술 개발 최우선 순위가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Boundaries]], [[Assertiveness]], [[Workflow-Integrity]], [[Communication]], [[Time-Management]]
+- [[Boundaries]], [[Assertiveness]], [[Workflow-Integrity]], Communication, Time-Management
 - **Modern Tech/Tools**: Project management scope definitions (SOW), Behavioral coaching frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/Bounded Contexts.md b/10_Wiki/Topics/AI/Bounded Contexts.md
index de273986..6d9c4806 100644
--- a/10_Wiki/Topics/AI/Bounded Contexts.md	
+++ b/10_Wiki/Topics/AI/Bounded Contexts.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-BOUNDED-CONTEXT
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.99
 tags: [DDD, Bounded Context, Software Architecture, Domain]
 last_reinforced: 2026-04-20
 ---
 
-# [[Bounded-Contexts]] (제한된 맥락)
+# Bounded-Contexts (제한된 맥락)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모두를 위한 언어는 아무도 위한 언어가 아니다." 특정 도메인 내에서만 유효한 '의미의 경계'를 설정하여 복잡한 시스템을 명료하게 관리하는 DDD의 핵심 기법이다.
diff --git a/10_Wiki/Topics/AI/Bounded Rationality.md b/10_Wiki/Topics/AI/Bounded Rationality.md
index 9a165f4f..ecc3cf2f 100644
--- a/10_Wiki/Topics/AI/Bounded Rationality.md	
+++ b/10_Wiki/Topics/AI/Bounded Rationality.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BOUNDED-RAT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Bounded Rationality, Decision Theory, AI, Economics]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 현대 AI(LLM)는 방대한 데이터를 통해 인간보다 훨씬 넓은 합리성을 가진 것처럼 보이지만, 결국 '다음 단어 예측'이라는 확률적 휴리스틱에 기반하고 있다는 점에서 여전히 제한적 합리성의 틀 안에 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Cognitive-Biases]] , [[Behavioral-Economics]]
+- Related: Cognitive-Biases , [[Behavioral-Economics]]
 - Analysis: [[Complexity-Theory]]
diff --git a/10_Wiki/Topics/AI/Bounded-Contexts-and-Interface-Segregation.md b/10_Wiki/Topics/AI/Bounded-Contexts-and-Interface-Segregation.md
index 535ccfdc..61634bcf 100644
--- a/10_Wiki/Topics/AI/Bounded-Contexts-and-Interface-Segregation.md
+++ b/10_Wiki/Topics/AI/Bounded-Contexts-and-Interface-Segregation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ISP-DDD
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.97
 tags: [ISP, DDD, Bounded Context, SOLID]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 인터페이스를 과도하게 분리하면 '관리 포인트'가 늘어난다. 실제 의존성이 발생하지 않는 단순 조회(CRUD) 시스템에서는 과도한 격리보다 단순한 데이터 모델 공유가 더 효율적일 수 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Bounded-Contexts]] , [[Clean-Architecture-Implementation]]
+- Related: Bounded-Contexts , [[Clean-Architecture-Implementation]]
 - Principles: [[React_Clean_Code_Best_Practices]]
diff --git a/10_Wiki/Topics/AI/Bounded-Rationality.md b/10_Wiki/Topics/AI/Bounded-Rationality.md
index ebf862ec..4b345d8b 100644
--- a/10_Wiki/Topics/AI/Bounded-Rationality.md
+++ b/10_Wiki/Topics/AI/Bounded-Rationality.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BORA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, bounded-rationality, decision-theory, heuristics, cognitive-limitations, herbert-simon]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 설계 정책에서, 무한정 많은 컴퓨팅 자원을 써서 정답을 찾는 'Brute-force' 방식보다 제한된 자원 하에서 효율적으로 추론하는 '경량화 및 조건부 추론 정책'이 에지 디바이스용 지능의 핵심 아키텍처가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Rationality]], [[Decision Theory]], [[Bayesian-Updating]], [[Heuristics]], [[Optimization]]
+- Rationality, [[Decision Theory]], [[Bayesian-Updating]], [[Heuristics]], [[Optimization]]
 - **Modern Tech/Tools**: Heuristic-based algorithms, Multi-armed bandit (MAB) optimization.
 ---
diff --git a/10_Wiki/Topics/AI/Bounding-Box-Regression.md b/10_Wiki/Topics/AI/Bounding-Box-Regression.md
index a5fb366f..e4ddb0fa 100644
--- a/10_Wiki/Topics/AI/Bounding-Box-Regression.md
+++ b/10_Wiki/Topics/AI/Bounding-Box-Regression.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BBOX
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [Bounding Box Regression, Object Detection, Computer Vision, IoU]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 여러 물체가 겹쳐 있을 때 하나의 박스만 남겨야 하는 'Non-Maximum Suppression (NMS)' 과정이 성능에 큰 영향을 미친다. 최근에는 NMS 없이 직접 물체 집합을 예측하는 Transformer 기반(DETR) 방식이 각광받고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Object-Detection]] , [[Convolutional-Neural-Networks-(CNN)]]
-- Metric: [[Mean-Average-Precision-(mAP)]]
+- Related: Object-Detection , Convolutional-Neural-Networks-(CNN)
+- Metric: Mean-Average-Precision-(mAP)
diff --git a/10_Wiki/Topics/AI/Bourgeoisie.md b/10_Wiki/Topics/AI/Bourgeoisie.md
index 40bf07c2..c44f8301 100644
--- a/10_Wiki/Topics/AI/Bourgeoisie.md
+++ b/10_Wiki/Topics/AI/Bourgeoisie.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BOUR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.82
 tags: [auto-reinforced, bourgeoisie, sociology, class-theory, capitalism, history]
 last_reinforced: 2026-04-20
@@ -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]], [[Arts]], [[Axiology]], [[Sociology of Knowledge]], Capitalism
 - **Modern Tech/Tools**: Asset management AI, Venture capital networks.
 ---
diff --git a/10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md b/10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md
index b954cee1..6e718738 100644
--- a/10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md	
+++ b/10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md	
@@ -1,12 +1,12 @@
 ---
 id: BCI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, bci, neurotechnology, signal-processing, future-tech]
 last_reinforced: 2026-04-26
 ---
 
-# [[Brain-Computer Interface (BCI, 뇌-컴퓨터 인터페이스)]]
+# Brain-Computer Interface (BCI, 뇌-컴퓨터 인터페이스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생각의 신호를 직접 디지털 언어로 번역하라" — 뇌의 전기적 신호를 포착하여 외부 기기를 제어하거나, 반대로 외부 정보를 뇌로 전달하여 인간의 인지 및 운동 능력을 확장하는 기술.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 초저지연 인터랙션 환경 구축을 위해 BCI 기술의 데이터 표준 및 윤리적 프라이버시 보호 방안을 연구 테마에 포함함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neuroscience]], [[Signal-Processing]], [[Pattern-Recognition]], [[AI-Ethics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md]]
+- Neuroscience, Signal-Processing, [[Pattern-Recognition]], AI-Ethics
+- **Raw Source:** 10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md
diff --git a/10_Wiki/Topics/AI/Brain-Computer-Interface (BCI).md b/10_Wiki/Topics/AI/Brain-Computer-Interface (BCI).md
index 46ebef02..2c74ac8f 100644
--- a/10_Wiki/Topics/AI/Brain-Computer-Interface (BCI).md	
+++ b/10_Wiki/Topics/AI/Brain-Computer-Interface (BCI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BCII-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, bci, brain-computer-interface, neuroscience, human-augmentation, future-tech]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생각 읽기(Mind reading)에 의한 사생활 침해 정책 리스크가 대두됨에 따라, 개인의 뇌파 데이터에 대한 소유권을 법적 보호 정책(Neuro-rights)으로 제정하려는 움직임이 시작됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Biological-Intelligence]], [[Artificial Intelligence (AI)]], [[Human-Computer Interaction (HCI)]], [[Ethics & AI]], [[Neuroscience]]
+- [[Biological-Intelligence]], [[Artificial Intelligence (AI)]], Human-Computer Interaction (HCI), [[Ethics & AI]], Neuroscience
 - **Modern Tech/Tools**: Neuralink, Synchron, EEG headsets (Emotiv, OpenBCI).
 ---
diff --git a/10_Wiki/Topics/AI/Brain-Derived Neurotrophic Factor (BDNF).md b/10_Wiki/Topics/AI/Brain-Derived Neurotrophic Factor (BDNF).md
index e624c577..21b5bc64 100644
--- a/10_Wiki/Topics/AI/Brain-Derived Neurotrophic Factor (BDNF).md	
+++ b/10_Wiki/Topics/AI/Brain-Derived Neurotrophic Factor (BDNF).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-BDNF
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.98
 tags: [BDNF, Neuroscience, Brain Health, Cognitive]
 last_reinforced: 2026-04-20
 ---
 
-# [[Brain-Derived-Neurotrophic-Factor-(BDNF)]] (뇌유래 신경영양인자)
+# Brain-Derived-Neurotrophic-Factor-(BDNF) (뇌유래 신경영양인자)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뇌를 위한 비료(Fertilizer)." BDNF는 시냅스의 가소성을 높여 학습 능력을 강화하고, 뇌가 늙지 않게 보호하는 마법의 단백질이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 스트레스 호르몬인 코르티솔(Cortisol)은 BDNF의 생성을 억제한다. 따라서 고도의 인지 작업이 필요한 개발자에게 '번아웃 관리'는 단순히 휴식이 아니라 뇌 세척과 성장을 위한 필수 프로세스다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Cognitive-Neuroscience-of-Flow]] , [[Burnout-Prevention-in-Professional-Gaming]]
+- Related: Cognitive-Neuroscience-of-Flow , Burnout-Prevention-in-Professional-Gaming
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Branded-Types-for-Nominal-Typing.md b/10_Wiki/Topics/AI/Branded-Types-for-Nominal-Typing.md
index e62061bf..c5e1e084 100644
--- a/10_Wiki/Topics/AI/Branded-Types-for-Nominal-Typing.md
+++ b/10_Wiki/Topics/AI/Branded-Types-for-Nominal-Typing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BRANDED-TYPES
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [TypeScript, TypeSystem, NominalTyping, Safety]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 브랜디드 타입은 런타임에는 실체가 없는 '컴파일 타임 전용 장치'다. 따라서 실제 런타임 데이터 유효성 검사(Zod 등)와 병행해야 하며, 지나친 사용은 코드 가독성을 해칠 수 있음에 주의해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Structural-Type-System]] , [[Type-Safety]]
-- Tools: [[Zod-Runtime-Validation]]
+- Related: Structural-Type-System , Type-Safety
+- Tools: Zod-Runtime-Validation
diff --git a/10_Wiki/Topics/AI/Branded-Types.md b/10_Wiki/Topics/AI/Branded-Types.md
index f7748434..a8a5bdd1 100644
--- a/10_Wiki/Topics/AI/Branded-Types.md
+++ b/10_Wiki/Topics/AI/Branded-Types.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-BRANDED-TYPES
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.99
 tags: [TypeScript, Branded Types, Nominal Typing, Type Safety]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Branding.md b/10_Wiki/Topics/AI/Branding.md
index 70fe6758..d6f3b760 100644
--- a/10_Wiki/Topics/AI/Branding.md
+++ b/10_Wiki/Topics/AI/Branding.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BRAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, branding, identity, perception, trust, marketing-strategy]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 에이전트 브랜딩 정책에서, 단순히 '유능함'을 강조하는 것보다 에이전트의 '페르소나와 윤리관'을 브랜드 아이덴티티로 설정하여 감성적인 연결 정책을 꾀하는 전략이 중요해짐.
 
 ## 🔗 지식 연결 (Graph)
-- [[Authenticity]], [[Agent Personality]], [[Behavioral-Incentives]], [[Aesthetic-Value]], [[Communication]]
+- [[Authenticity]], [[Agent Personality]], [[Behavioral-Incentives]], [[Aesthetic-Value]], Communication
 - **Modern Tech/Tools**: Brand tracking AI, Social listening tools, Design systems.
 ---
diff --git a/10_Wiki/Topics/AI/Browser.md b/10_Wiki/Topics/AI/Browser.md
index 3ccea417..9698b485 100644
--- a/10_Wiki/Topics/AI/Browser.md
+++ b/10_Wiki/Topics/AI/Browser.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BROW-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, browser, web-access, rendering-engine, internet-infrastructure, client-side]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Brute-force.md b/10_Wiki/Topics/AI/Brute-force.md
index cd4dfd2a..cedc50fa 100644
--- a/10_Wiki/Topics/AI/Brute-force.md
+++ b/10_Wiki/Topics/AI/Brute-force.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BRFO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, brute-force, algorithms, exhaustive-search, computation, optimization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Bubble-Sort.md b/10_Wiki/Topics/AI/Bubble-Sort.md
index ea5f89a6..217ca591 100644
--- a/10_Wiki/Topics/AI/Bubble-Sort.md
+++ b/10_Wiki/Topics/AI/Bubble-Sort.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BUSO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, bubble-sort, algorithms, sorting, educational, comparison-sort]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 엔지비니어링 교육 정책에서, 단순히 빠른 알고리즘만 가르치기보다 버블 정렬의 비효율성을 측정(Profiling)하고 이를 개선하는 과정(Quick/Merge Sort로의 전이)을 보여주는 '이론 체계화 정책'이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Binary-Search]], [[Search-Optimization]], [[Analysis]], [[Pattern Recognition]], [[Arrangement-and-Composition]]
+- [[Binary-Search]], [[Search-Optimization]], [[Analysis]], Pattern Recognition, [[Arrangement-and-Composition]]
 - **Modern Tech/Tools**: Computer science 101 curriculum, Visual sorting simulators.
 ---
diff --git a/10_Wiki/Topics/AI/Budget.md b/10_Wiki/Topics/AI/Budget.md
index 50c157f7..5f33ce38 100644
--- a/10_Wiki/Topics/AI/Budget.md
+++ b/10_Wiki/Topics/AI/Budget.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BUDG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, budget, finance, resource-allocation, strategic-planning, management]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 및 클라우드 인프라 정책 수립 시, 예상치 못한 비용 폭증을 막기 위해 '실시간 비용 모니터링(FinOps) 정책'과 '자동 예산 차단(Budget Caps) 정책'이 하이테크 조직 운영의 필수 가이드라인이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Behavioral-Incentives]], [[Strategic-Planning]], [[theory of constraints]], [[Business Intelligence (BI)]], [[Risk-Orchestration]]
+- [[Behavioral-Incentives]], [[Strategic-Planning]], theory of constraints, [[Business Intelligence (BI)]], [[Risk-Orchestration]]
 - **Modern Tech/Tools**: FinOps platforms, Cloud budget alerts (AWS/GCP), ERP systems.
 ---
diff --git a/10_Wiki/Topics/AI/Bureaucracy.md b/10_Wiki/Topics/AI/Bureaucracy.md
index f2f2d92a..a05db24a 100644
--- a/10_Wiki/Topics/AI/Bureaucracy.md
+++ b/10_Wiki/Topics/AI/Bureaucracy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BURE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, bureaucracy, organization, rules, hierarchy, efficiency-paradox]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 거버넌스 정책 수립 시, 과거의 지루한 종이 문서 결재 정책 대신 '데이터/코드 기반의 실시간 자동 승인 정책 (Computational Governance)'으로 관료제를 디지털화하여 효율과 통제를 동시에 잡으려는 시도가 이뤄짐.
 
 ## 🔗 지식 연결 (Graph)
-- [[Standardization vs Innovation]], [[Bottlenecks]], [[Agile-Philosophy]], [[Knowledge-Legacy]], [[Workflow-Integrity]]
+- [[Standardization vs Innovation]], [[Bottlenecks]], [[Agile-Philosophy]], Knowledge-Legacy, [[Workflow-Integrity]]
 - **Modern Tech/Tools**: Robotic Process Automation (RPA), Digital GRC (Governance, Risk, and Compliance) tools.
 ---
diff --git a/10_Wiki/Topics/AI/Burnout Prevention in Professional Gaming.md b/10_Wiki/Topics/AI/Burnout Prevention in Professional Gaming.md
index 632fa346..fd3c80de 100644
--- a/10_Wiki/Topics/AI/Burnout Prevention in Professional Gaming.md	
+++ b/10_Wiki/Topics/AI/Burnout Prevention in Professional Gaming.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-BURNOUT
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.96
 tags: [Burnout, Professional Gaming, Mental Health, Performance]
 last_reinforced: 2026-04-20
 ---
 
-# [[Burnout-Prevention-in-Professional-Gaming]] (프로게이머 번아웃 방지)
+# Burnout-Prevention-in-Professional-Gaming (프로게이머 번아웃 방지)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "휴식도 훈련의 일부다." 0.1초의 반응 속도를 다투는 프로의 세계에서 뇌의 피로(Cognitive Fatigue)를 관리하지 못하는 것은 승리를 포기하는 것과 같다.
diff --git a/10_Wiki/Topics/AI/Burnout.md b/10_Wiki/Topics/AI/Burnout.md
index 4b44acbe..cd6c6ea3 100644
--- a/10_Wiki/Topics/AI/Burnout.md
+++ b/10_Wiki/Topics/AI/Burnout.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BURN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, burnout, mental-health, productivity, resilience, psychology]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Business Intelligence (BI).md b/10_Wiki/Topics/AI/Business Intelligence (BI).md
index 8aab3555..edb0d91a 100644
--- a/10_Wiki/Topics/AI/Business Intelligence (BI).md	
+++ b/10_Wiki/Topics/AI/Business Intelligence (BI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BINT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, business-intelligence, bi, data-visualization, analytics, decision-support]
 last_reinforced: 2026-04-20
@@ -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]], [[Analysis]], Pattern Recognition, [[Big-Data]], [[Strategic-Planning]]
 - **Modern Tech/Tools**: Tableau, Power BI, Looker, SQL, Data warehouses (BigQuery, Snowflake).
 ---
diff --git a/10_Wiki/Topics/AI/CAP-Theorem.md b/10_Wiki/Topics/AI/CAP-Theorem.md
index 22b9e007..dc607719 100644
--- a/10_Wiki/Topics/AI/CAP-Theorem.md
+++ b/10_Wiki/Topics/AI/CAP-Theorem.md
@@ -1,12 +1,12 @@
 ---
 id: CAP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, distributed-systems, infrastructure, database, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[CAP Theorem (CAP 정리)]]
+# CAP Theorem (CAP 정리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "분산 시스템에서 완벽한 데이터 일치와 24시간 가동, 네트워크 오류 방지를 모두 가질 수는 없다" — 분산 컴퓨팅 환경에서 일관성, 가용성, 분단 허용성 중 두 가지만 동시에 만족할 수 있다는 에릭 브루어의 정리.
@@ -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]]
-- **Raw Source:** [[10_Wiki/Topics/AI/CAP-Theorem.md]]
+- System-Design-for-AI-Scale, [[Distributed-Computing]], Vector-Database-Selection, Microservices
+- **Raw Source:** 10_Wiki/Topics/AI/CAP-Theorem.md
diff --git a/10_Wiki/Topics/AI/CI-CD-Pipeline-Foundations.md b/10_Wiki/Topics/AI/CI-CD-Pipeline-Foundations.md
index 385b748c..86c34ad7 100644
--- a/10_Wiki/Topics/AI/CI-CD-Pipeline-Foundations.md
+++ b/10_Wiki/Topics/AI/CI-CD-Pipeline-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: OPS-CICD-CORE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [devops, cicd, automation, continuous-integration, continuous-deployment, delivery-pipeline, reliability]
 last_reinforced: 2026-04-26
 ---
 
-# [[CI/CD Pipeline Foundations (CI/CD 파이프라인 기초)]]
+# CI/CD Pipeline Foundations (CI/CD 파이프라인 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드 변경이 사용자에게 도달하기까지의 전 과정을 자동화된 검증 루프로 연결하여, 배포의 리스크를 줄이고 개발의 속도를 물리적 한계까지 밀어붙여라" — 지속적 통합(CI)과 지속적 제공/배포(CD)를 통해 소프트웨어의 품질과 출시 속도를 극대화하는 현대 개발의 필수 인프라.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 저장소에 대해 'Pull Request 기반의 자동 CI'를 강제하며, 메인 브랜치 병합 시 즉시 에지(Edge) 환경에 배포되는 CD 파이프라인을 구축함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Technical-Debt-Management]], [[Cloud-Infrastructure]], [[Infrastructure-as-Code-IaC]]
-- **Raw Source:** [[00_Raw/CI-CD Pipeline.md]]
+- [[Software-Architecture-Patterns]], Technical-Debt-Management, Cloud-Infrastructure, [[Infrastructure-as-Code-IaC]]
+- **Raw Source:** 00_Raw/CI-CD Pipeline.md
diff --git a/10_Wiki/Topics/AI/CI_CD 및 Pull Request 자동화 리뷰.md b/10_Wiki/Topics/AI/CI_CD 및 Pull Request 자동화 리뷰.md
index 7aaa50da..c8079eaf 100644
--- a/10_Wiki/Topics/AI/CI_CD 및 Pull Request 자동화 리뷰.md	
+++ b/10_Wiki/Topics/AI/CI_CD 및 Pull Request 자동화 리뷰.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-877DCA
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD 및 Pull Request 자동
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Git Hooks]], [[AI Code Review]]
-- **Projects/Contexts:** [[CI/CD Pipelines]], [[DevSecOps]]
+- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Git Hooks]], AI Code Review
+- **Projects/Contexts:** CI/CD Pipelines, [[DevSecOps]]
 - **Contradictions/Notes:** 소스들은 자동화된 리뷰 도구가 매우 빠르고 일관적이지만 인간 리뷰어를 완전히 대체할 수는 없다고 주장합니다. 자동화 도구나 AI 봇은 문맥 맹점(Context Blindness)이 있어 아키텍처 설계나 비즈니스 로직을 온전히 이해하지 못하므로, 기계가 루틴한 검사를 담당하고 사람은 고차원적인 판단을 내리는 하이브리드 방식이 필수적이라고 강조합니다 [28, 31, 32].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CI_CD 및 Pull Request 자동화 리뷰.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/CI_CD 파이프라인 및 IDE 통합 보안.md b/10_Wiki/Topics/AI/CI_CD 파이프라인 및 IDE 통합 보안.md
index a5e28903..ea439c78 100644
--- a/10_Wiki/Topics/AI/CI_CD 파이프라인 및 IDE 통합 보안.md	
+++ b/10_Wiki/Topics/AI/CI_CD 파이프라인 및 IDE 통합 보안.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F8BCE8
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 및 IDE
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 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]]
+- **Related Topics:** SAST(정적 애플리케이션 보안 테스트), Shift-left(시프트 레프트), SDLC(소프트웨어 개발 수명 주기)
+- **Projects/Contexts:** [[SonarQube]], Snyk Code, [[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.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CI_CD 파이프라인 및 IDE 통합 보안.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/CI_CD.md b/10_Wiki/Topics/AI/CI_CD.md
index 6e8ef749..219b17d1 100644
--- a/10_Wiki/Topics/AI/CI_CD.md
+++ b/10_Wiki/Topics/AI/CI_CD.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CICD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, cicd, devops, automation, continuous-integration, continuous-deployment]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/CLIP.md b/10_Wiki/Topics/AI/CLIP.md
index 3f9f573a..04147490 100644
--- a/10_Wiki/Topics/AI/CLIP.md
+++ b/10_Wiki/Topics/AI/CLIP.md
@@ -1,12 +1,12 @@
 ---
 id: CLIP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, computer-vision, nlp, multimodal, clip, openai]
 last_reinforced: 2026-04-26
 ---
 
-# [[CLIP (Contrastive Language-Image Pre-training)]]
+# CLIP (Contrastive Language-Image Pre-training)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이미지와 텍스트를 하나의 언어로 묶어 AI에게 시각적 문해력을 부여하라" — OpenAI가 제안한 모델로, 인터넷상의 방대한 이미지와 설명 텍스트 쌍을 대조 학습(Contrastive Learning)하여 시각적 개념을 언어적으로 이해하게 만든 혁신적인 멀티모달 모델.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Transformer-Architecture]], [[Zero-Shot-Learning]], [[Representation-Learning]], [[LLM]]
-- **Raw Source:** [[10_Wiki/Topics/AI/CLIP.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/CLIP.md
diff --git a/10_Wiki/Topics/AI/CPTED.md b/10_Wiki/Topics/AI/CPTED.md
index 58067291..058901da 100644
--- a/10_Wiki/Topics/AI/CPTED.md
+++ b/10_Wiki/Topics/AI/CPTED.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CPTD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, cpted, crime-prevention, environmental-design, surveillance, urban-planning, safety]
 last_reinforced: 2026-04-20
@@ -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]], [[Efficiency]], Sim-City, Urban-Planning, [[Strategic-Planning]], [[Risk-Management]]
 - **Key Theory**: Defensible Space (Oscar Newman).
 ---
diff --git a/10_Wiki/Topics/AI/CV_Synthesis.md b/10_Wiki/Topics/AI/CV_Synthesis.md
index 5b733890..b86f2185 100644
--- a/10_Wiki/Topics/AI/CV_Synthesis.md
+++ b/10_Wiki/Topics/AI/CV_Synthesis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CVSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, cv-synthesis, computer-vision, synthetic-data, image-generation, computer-graphics]
 last_reinforced: 2026-04-20
@@ -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]], [[Black-Swan]], [[Diffusion-Models]], Simulation, [[Data Distillation (데이터 증류)]]
 - **Modern Tech/Tools**: Unity Perception, NVIDIA Omniverse, Stable Diffusion, Blender.
 ---
diff --git a/10_Wiki/Topics/AI/Call Stack.md b/10_Wiki/Topics/AI/Call Stack.md
index 569b433c..9fb2a3f0 100644
--- a/10_Wiki/Topics/AI/Call Stack.md	
+++ b/10_Wiki/Topics/AI/Call Stack.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CAST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, call-stack, computer-science, execution-context, memory-management, recursion]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 브라우저 성능 최적화 정책에서, 메인 스레드 점유 정책(Main thread blocking)을 막기 위해 콜 스택을 너무 무겁게 유지하지 않고 작업을 쪼개는 '비동기 스택 정책'이 웹 앱 성능의 핵심 지표가 됨. (Blocking과 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Blocking]], [[Analysis]], [[Technical-Architecture]], [[Memory-Management]], [[Recursion]]
+- [[Blocking]], [[Analysis]], [[Technical-Architecture]], Memory-Management, Recursion
 - **Modern Tech/Tools**: Chrome DevTools Call Stack view, V8 Engine stack management.
 ---
diff --git a/10_Wiki/Topics/AI/Case-Study-Allbirds-PWA-Redesign.md b/10_Wiki/Topics/AI/Case-Study-Allbirds-PWA-Redesign.md
index 4eccc8c9..c1b56bd4 100644
--- a/10_Wiki/Topics/AI/Case-Study-Allbirds-PWA-Redesign.md
+++ b/10_Wiki/Topics/AI/Case-Study-Allbirds-PWA-Redesign.md
@@ -1,12 +1,12 @@
 ---
 id: CS-RETAIL-ALLBIRDS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [case-study, ecommerce, allbirds, pwa, performance-optimization, sustainability, storytelling, conversion-rate]
 last_reinforced: 2026-04-26
 ---
 
-# [[Case Study: Allbirds PWA Redesign (사례 연구: Allbirds PWA 리디자인)]]
+# Case Study: Allbirds PWA Redesign (사례 연구: Allbirds PWA 리디자인)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기술적 고성능(PWA)과 가치 기반 스토리텔링(지속 가능성)을 제품 상세 페이지에 수평적으로 통합하여, 단순한 '구매'를 브랜드 미션에 대한 '동참'으로 승격시켜라" — 웹 성능 향상과 브랜드 가치 전달의 완벽한 조화를 통해 폭발적인 비즈니스 성장을 이뤄낸 이커머스 혁신 사례.
@@ -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]]
-- **Raw Source:** [[00_Raw/Allbirds E-commerce Redesign.md]], [[00_Raw/Allbirds PWA Redesign.md]]
+- Progressive-Web-App-PWA, Conversion-Rate-Optimization-CRO, [[Modern-Website-Architecture]], User-Experience-UX-Design
+- **Raw Source:** 00_Raw/Allbirds E-commerce Redesign.md, 00_Raw/Allbirds PWA Redesign.md
diff --git a/10_Wiki/Topics/AI/Case-Study-Kiwi-com-Frontend-Migration.md b/10_Wiki/Topics/AI/Case-Study-Kiwi-com-Frontend-Migration.md
index 25631ccc..b6038f34 100644
--- a/10_Wiki/Topics/AI/Case-Study-Kiwi-com-Frontend-Migration.md
+++ b/10_Wiki/Topics/AI/Case-Study-Kiwi-com-Frontend-Migration.md
@@ -1,12 +1,12 @@
 ---
 id: CS-FE-MIGRATION-KIWI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [case-study, kiwi-com, frontend-migration, nextjs, mono-repo, orbit-design-system, scalability, web-performance]
 last_reinforced: 2026-04-26
 ---
 
-# [[Case Study: Kiwi.com Frontend Migration (사례 연구: Kiwi.com 프런트엔드 마이그레이션)]]
+# Case Study: Kiwi.com Frontend Migration (사례 연구: Kiwi.com 프런트엔드 마이그레이션)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 항공 서비스의 복잡도를 모노레포와 자체 디자인 시스템(Orbit)으로 통합 관리하고, Next.js 마이그레이션을 통해 SEO와 성능이라는 두 마리 토끼를 한꺼번에 포획하라" — 대규모 글로벌 플랫폼의 기술적 성숙도를 증명한 프런트엔드 현대화 사례.
@@ -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]]
-- **Raw Source:** [[00_Raw/Kiwi.com Migration.md]], [[00_Raw/kiwi.com 마이그레이션 프로젝트.md]]
+- [[Modern-Frontend-Engineering-Architecture]], [[Design-System]], [[Nextjs-App-Router-Architecture]], Scalable-Frontend-Architecture, [[Uber-Base-Web-Design-System]]
+- **Raw Source:** 00_Raw/Kiwi.com Migration.md, 00_Raw/kiwi.com 마이그레이션 프로젝트.md
diff --git a/10_Wiki/Topics/AI/Case-Study-Skybound-Asset-Cache-Busting.md b/10_Wiki/Topics/AI/Case-Study-Skybound-Asset-Cache-Busting.md
index b26ebd4b..ccba2ab3 100644
--- a/10_Wiki/Topics/AI/Case-Study-Skybound-Asset-Cache-Busting.md
+++ b/10_Wiki/Topics/AI/Case-Study-Skybound-Asset-Cache-Busting.md
@@ -1,12 +1,12 @@
 ---
 id: CS-SKYBOUND-CACHE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [skybound, troubleshooting, cache-busting, production-deployment, vite, asset-management]
 last_reinforced: 2026-04-26
 ---
 
-# [[Case Study: Skybound Production Visual Mismatch & Asset Cache Busting (사례 연구: Skybound 자산 캐시 버스팅)]]
+# Case Study: Skybound Production Visual Mismatch & Asset Cache Busting (사례 연구: Skybound 자산 캐시 버스팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "빌드 번호가 바뀌어도 브라우저가 옛날 자산을 고집한다면, 파일 경로에 물리적인 버전 식별자를 주입하여 캐시의 고집을 꺾고 모든 사용자에게 동일한 시각적 진실을 강제하라" — 프로덕션 환경의 자산 불일치 해결 전략.
@@ -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]]
-- **Raw Source:** [[00_Raw/2026-04-26-Skybound_Production_Visual_Mismatch_Public_Asset_Cache_Busting.md]]
+- [[Modern-Frontend-Engineering-Architecture]], Vite-Build-Optimization, [[Frontend-Performance-Optimization-Guide]]
+- **Raw Source:** 00_Raw/2026-04-26-Skybound_Production_Visual_Mismatch_Public_Asset_Cache_Busting.md
diff --git a/10_Wiki/Topics/AI/Case-Study-Skybound-Red-Striker-Jitter-Stabilization.md b/10_Wiki/Topics/AI/Case-Study-Skybound-Red-Striker-Jitter-Stabilization.md
index eeb31b2f..196335a1 100644
--- a/10_Wiki/Topics/AI/Case-Study-Skybound-Red-Striker-Jitter-Stabilization.md
+++ b/10_Wiki/Topics/AI/Case-Study-Skybound-Red-Striker-Jitter-Stabilization.md
@@ -1,12 +1,12 @@
 ---
 id: CS-SKYBOUND-JITTER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [skybound, troubleshooting, jitter, game-engine, lerp, delta-time, physics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Case Study: Skybound Red Striker Movement Jitter Stabilization (사례 연구: Red Striker 이동 떨림 안정화)]]
+# Case Study: Skybound Red Striker Movement Jitter Stabilization (사례 연구: Red Striker 이동 떨림 안정화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "프레임 간의 불연속적인 위치 업데이트가 사용자의 눈에 '떨림'으로 비친다면, 선형 보간(LERP)과 델타 타임 가중치를 활용하여 시간의 흐름을 부드러운 좌표의 흐름으로 치환하라" — 고속 이동 객체의 시각적 안정성 확보 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 Skybound 엔진 내 모든 탄환 및 기체 이동 로직에 `LERP_THRESHOLD` 기반의 적응형 보간 필터 적용 정책을 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[JavaScript-Optimization-Patterns]], [[Interaction-to-Next-Paint-INP]], [[High-Performing-Website-Development]]
-- **Raw Source:** [[00_Raw/2026-04-26-Skybound_Red_Striker_Movement_Jitter_Fix.md]]
+- [[JavaScript-Optimization-Patterns]], [[Interaction-to-Next-Paint-INP]], High-Performing-Website-Development
+- **Raw Source:** 00_Raw/2026-04-26-Skybound_Red_Striker_Movement_Jitter_Fix.md
diff --git a/10_Wiki/Topics/AI/Catastrophic-Forgetting.md b/10_Wiki/Topics/AI/Catastrophic-Forgetting.md
index a3b69db5..0b6809b9 100644
--- a/10_Wiki/Topics/AI/Catastrophic-Forgetting.md
+++ b/10_Wiki/Topics/AI/Catastrophic-Forgetting.md
@@ -1,12 +1,12 @@
 ---
 id: CATAST-FORGET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, neural-networks, lifelong-learning, catastrophic-forgetting, stability-plasticity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Catastrophic Forgetting (파괴적 망각)]]
+# Catastrophic Forgetting (파괴적 망각)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "새로운 지식을 배우려다 소중한 과거의 기억을 덮어쓰지 마라" — 인공 신경망이 새로운 태스크를 학습할 때, 이전에 학습했던 태스크에 필요한 가중치들이 급격히 수정되어 과거의 성능이 파괴적으로 저하되는 현상.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 로컬 브레인 업데이트 시, 핵심 지식 노드의 가중치를 보호하는 규제화 기법을 적용하여 파괴적 망각을 최소화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neural-Networks-Foundations]], [[Transfer-Learning-Foundations]], [[Regularization-Techniques]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Catastrophic-Forgetting.md]]
+- Neural-Networks-Foundations, Transfer-Learning-Foundations, [[Regularization-Techniques]], [[Representation-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Catastrophic-Forgetting.md
diff --git a/10_Wiki/Topics/AI/Causal-Inference.md b/10_Wiki/Topics/AI/Causal-Inference.md
index 866a2b4b..e5574ebb 100644
--- a/10_Wiki/Topics/AI/Causal-Inference.md
+++ b/10_Wiki/Topics/AI/Causal-Inference.md
@@ -1,12 +1,12 @@
 ---
 id: CAUSAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, ai, causal-inference, causality, counterfactuals]
 last_reinforced: 2026-04-26
 ---
 
-# [[Causal Inference (인과 추론)]]
+# Causal Inference (인과 추론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "상관관계(Correlation)에 속지 말고, 진짜 원인(Cause)을 파헤쳐라" — 단순히 두 현상이 함께 일어나는지 관찰하는 것을 넘어, 한 변수의 변화가 다른 변수의 변화를 실제로 유발하는지 통계적/논리적으로 추론하는 과정.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 시스템 장애 분석 시 단순 통계적 상관관계 대신 인과 추론 방법론을 적용하여, 장애의 진짜 원인을 타격하는 해결책을 제시함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Root-Cause-Analysis-RCA]], [[Probabilistic-Graphical-Models]], [[Bayesian-Inference]], [[Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Causal-Inference.md]]
+- [[Root-Cause-Analysis-RCA]], [[Probabilistic-Graphical-Models]], Bayesian-Inference, Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Causal-Inference.md
diff --git a/10_Wiki/Topics/AI/Central-Pattern-Generators.md b/10_Wiki/Topics/AI/Central-Pattern-Generators.md
index 0c87cd99..0a48fa40 100644
--- a/10_Wiki/Topics/AI/Central-Pattern-Generators.md
+++ b/10_Wiki/Topics/AI/Central-Pattern-Generators.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CPGE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, cpg, neurobiology, motor-control, robotics, rhythmic-movements]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 바이오 로보틱스 정책에서, 하드웨어 회로로 CPG를 구현하던 방식에서 딥러닝 기반의 '신경 유사 리듬 생성 정책'으로 전이하여 비정형 지형에서의 적응력을 높이는 방향으로 진화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Biological-Intelligence]], [[Neuromuscular-Control]], [[Robotics]], [[Pattern Recognition]], [[Control-Theory]]
+- [[Biological-Intelligence]], [[Neuromuscular-Control]], [[Robotics]], Pattern Recognition, [[Control-Theory]]
 - **Modern Tech/Tools**: Biorealistic neural simulations, Quadruped robot locomotion controllers (e.g., Boston Dynamics).
 ---
diff --git a/10_Wiki/Topics/AI/CesiumJS.md b/10_Wiki/Topics/AI/CesiumJS.md
index 6e95fcd0..6dda0544 100644
--- a/10_Wiki/Topics/AI/CesiumJS.md
+++ b/10_Wiki/Topics/AI/CesiumJS.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CESI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, cesiumjs, webgl, 3d-mapping, geospatial, visualization]
 last_reinforced: 2026-04-20
@@ -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]], Geographic-Information-Systems (GIS), Simulation, [[Scalability]], [[Technical-Architecture]]
 - **Modern Tech/Tools**: Cesium Ion, Unmanned Traffic Management (UTM), Digital Twin platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Chain-of-Thought (CoT 罽).md b/10_Wiki/Topics/AI/Chain-of-Thought (CoT 罽).md
index 9b03c5ba..087b3aa9 100644
--- a/10_Wiki/Topics/AI/Chain-of-Thought (CoT 罽).md	
+++ b/10_Wiki/Topics/AI/Chain-of-Thought (CoT 罽).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-COT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [LLM, Chain-of-Thought, CoT, Inference, Search]
 last_reinforced: 2026-04-20
 ---
 
-# [[Chain-of-Thought]] (사고의 사슬 CoT)
+# Chain-of-Thought (사고의 사슬 CoT)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 거대 언어 모델에게 "생각해 봐"라고 한마디 하는 것만으로도, 문제를 단계적으로 분해하여 정답 도출 가능성을 비약적으로 높이는 추론의 기적이다.
diff --git a/10_Wiki/Topics/AI/Chain-of-Thought (CoT 사고 사슬).md b/10_Wiki/Topics/AI/Chain-of-Thought (CoT 사고 사슬).md
index 7c1f2629..5337454c 100644
--- a/10_Wiki/Topics/AI/Chain-of-Thought (CoT 사고 사슬).md	
+++ b/10_Wiki/Topics/AI/Chain-of-Thought (CoT 사고 사슬).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CCOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, chain-of-thought, cot, prompt-engineering, llm, reasoning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Chaos-Theory in Systems.md b/10_Wiki/Topics/AI/Chaos-Theory in Systems.md
index ae0d01da..2957c671 100644
--- a/10_Wiki/Topics/AI/Chaos-Theory in Systems.md	
+++ b/10_Wiki/Topics/AI/Chaos-Theory in Systems.md	
@@ -1,12 +1,12 @@
 ---
 id: CHAOS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [mathematics, complex-systems, chaos-theory, nonlinear-dynamics, system-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Chaos Theory in Systems (시스템에서의 카오스 이론)]]
+# Chaos Theory in Systems (시스템에서의 카오스 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "결정론적인 질서 안에서도 예측 불가능한 요동이 숨어 있다" — 초기 조건의 미세한 차이가 시간이 흐름에 따라 거대한 결과의 차이를 만들어내는(나비 효과) 비선형 동역학 시스템의 성질을 탐구하는 이론.
@@ -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]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Chaos-Theory in Systems.md]]
+- [[Complexity-Theory]], [[Artificial-Life]], [[Multi-Agent-Systems-MAS]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Chaos-Theory in Systems.md
diff --git a/10_Wiki/Topics/AI/Chrome DevTools Memory Profiling.md b/10_Wiki/Topics/AI/Chrome DevTools Memory Profiling.md
index a29eeb2c..bd00640f 100644
--- a/10_Wiki/Topics/AI/Chrome DevTools Memory Profiling.md	
+++ b/10_Wiki/Topics/AI/Chrome DevTools Memory Profiling.md	
@@ -1,12 +1,12 @@
 ---
 id: CHROME-MEM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [web-performance, debugging, memory-leak, devtools]
 last_reinforced: 2026-04-26
 ---
 
-# [[Chrome DevTools Memory Profiling (메모리 분석 및 성능 최적화)]]
+# Chrome DevTools Memory Profiling (메모리 분석 및 성능 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "보이지 않는 메모리 누수를 가시화하라" — 브라우저의 힙 스냅샷과 타임라인 기록을 통해 자바스크립트 객체의 할당 및 해제 과정을 추적하여 웹 애플리케이션의 메모리 효율성을 극대화하는 진단 도구.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 웹 대시보드 성능 가이드라인에 따라 5분 이상 미사용 시 유휴 메모리 강제 해제 로직 검증에 활용.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Garbage-Collection]], [[Reflow-Repaint]], [[V8-Engine]]
-- **Merged Source:** [[10_Wiki/Topics/AI/Chrome DevTools 메모리 분석 및 성능 최적화.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Garbage-Collection, Reflow-Repaint, V8-Engine
+- **Merged Source:** 10_Wiki/Topics/AI/Chrome DevTools 메모리 분석 및 성능 최적화.md
diff --git a/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md b/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md
index b8d226d8..f68be68e 100644
--- a/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md	
+++ b/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EF52CE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -44,11 +44,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools 메모리 프
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[메모리 누수(Memory Leaks)]], [[가비지 컬렉션(Garbage Collection)]], [[V8 엔진 메모리 구조]], [[객체 참조 체인(Retainers)]]
-- **Projects/Contexts:** [[Node.js 프로덕션 메모리 문제 해결]], [[웹 프론트엔드 성능 최적화]]
+- **Related Topics:** [[메모리 누수(Memory Leaks)]], 가비지 컬렉션(Garbage Collection), V8 엔진 메모리 구조, 객체 참조 체인(Retainers)
+- **Projects/Contexts:** Node.js 프로덕션 메모리 문제 해결, [[웹 프론트엔드 성능 최적화]]
 - **Contradictions/Notes:** 단순히 메모리 그래프가 상승한다고 해서 모두 우발적인 메모리 누수인 것은 아닙니다. 애플리케이션의 캐시(Caches)나 실행 취소 기록(Undo histories) 등은 의도적으로 데이터를 보존하도록 설계되었으므로, 이러한 '의도된 보존'과 '우발적인 보존(누수)'을 명확하게 구분해야 합니다 [18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링.md b/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링.md
index 56bd3dca..ac1aa3e3 100644
--- a/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링.md	
+++ b/10_Wiki/Topics/AI/Chrome DevTools 메모리 프로파일링.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8471ED
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools 메모리 프
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[힙 스냅샷(Heap Snapshot)]], [[타임라인 할당 계측(Allocation instrumentation on timeline)]], [[가비지 컬렉션(Garbage Collection)]], [[보존 경로(Retaining Path)]]
-- **Projects/Contexts:** [[V8 JavaScript Engine 메모리 관리 및 가비지 컬렉션]], [[브라우저 메모리 누수 탐지(Browser Memory Leak Detection)]]
+- **Related Topics:** 힙 스냅샷(Heap Snapshot), [[타임라인 할당 계측(Allocation instrumentation on timeline)]], 가비지 컬렉션(Garbage Collection), [[보존 경로(Retaining Path)]]
+- **Projects/Contexts:** V8 JavaScript Engine 메모리 관리 및 가비지 컬렉션, [[브라우저 메모리 누수 탐지(Browser Memory Leak Detection)]]
 - **Contradictions/Notes:** 소스의 메모리 누수 분석 시 주의사항에 따르면, DevTools 콘솔에서의 `console.log` 출력은 로깅된 객체에 대한 참조를 계속 유지하므로 실제로는 누수가 아니더라도 가비지 컬렉션이 되지 않아 조사 과정에서 혼선을 줄 수 있습니다 [20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools 메모리 프로파일링.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Chrome DevTools.md b/10_Wiki/Topics/AI/Chrome DevTools.md
index 88ad3d63..70aacba0 100644
--- a/10_Wiki/Topics/AI/Chrome DevTools.md	
+++ b/10_Wiki/Topics/AI/Chrome DevTools.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CDTO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, chrome-devtools, debugging, web-development, performance-analysis, browser-tools]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Chrome-Rendering-Performance.md b/10_Wiki/Topics/AI/Chrome-Rendering-Performance.md
index c2203522..3c5bff35 100644
--- a/10_Wiki/Topics/AI/Chrome-Rendering-Performance.md
+++ b/10_Wiki/Topics/AI/Chrome-Rendering-Performance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CHRP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, chrome, rendering-performance, web-vitals, frame-rate, optimization, browser-engine]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ Chrome 브라우저 렌더링 성능(Chrome-Rendering-Performance)은 웹 콘텐
 - **정책 변화(RL Update)**: 이제는 단순 렌더링 속도 정책을 넘어, 크롬의 '새 환경 정책(Privacy Sandbox)' 등 브라우저 자체의 정책 변화가 성능 측정 및 광고 트래킹 정책에 미치는 영향을 함께 고려해야 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[SEO]], [[Efficiency]], [[UX-Design-and-Engagement]], [[Scalability]], [[Systems-Thinking]]
+- [[SEO]], [[Efficiency]], UX-Design-and-Engagement, [[Scalability]], [[Systems-Thinking]]
 - **Key Tools**: Chrome DevTools Performance tab, Lighthouse, PageSpeed Insights.
 ---
diff --git a/10_Wiki/Topics/AI/Chronic-Pain-Management-Protocols.md b/10_Wiki/Topics/AI/Chronic-Pain-Management-Protocols.md
index efada25b..418717da 100644
--- a/10_Wiki/Topics/AI/Chronic-Pain-Management-Protocols.md
+++ b/10_Wiki/Topics/AI/Chronic-Pain-Management-Protocols.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-PAIN
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.94
 tags: [Pain Management, Medical, Chronic Pain, Neurology]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Circuit Discovery (회로 발견).md b/10_Wiki/Topics/AI/Circuit Discovery (회로 발견).md
index 8b7be474..d17297b3 100644
--- a/10_Wiki/Topics/AI/Circuit Discovery (회로 발견).md	
+++ b/10_Wiki/Topics/AI/Circuit Discovery (회로 발견).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-CIRCUIT-DISCOVERY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [Interpretability, MechanisticInterpretability, NeuralNetworks]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 현재의 회로 발견은 주로 작은 모델(GPT-2 등)에서 성공적이며, 수천억 개의 파라미터를 가진 대규모 모델에서는 회로의 중첩과 복잡성 때문에 자동화된 회로 발견(Automated Circuit Discovery) 기술이 활발히 연구되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Mechanistic Interpretability (기계적 해석 가능성)]] , [[Monosemanticity (일의성)]]
-- Concepts: [[Superposition (중첩)]]
+- Related: [[Mechanistic Interpretability (기계적 해석 가능성)]] , Monosemanticity (일의성)
+- Concepts: Superposition (중첩)
diff --git a/10_Wiki/Topics/AI/Circuit Discovery.md b/10_Wiki/Topics/AI/Circuit Discovery.md
index 2db93b10..b43258af 100644
--- a/10_Wiki/Topics/AI/Circuit Discovery.md	
+++ b/10_Wiki/Topics/AI/Circuit Discovery.md	
@@ -1,6 +1,6 @@
 ---
 id: CIRCUIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-interpretability, mechanistic-interpretability, neural-networks, circuits]
 last_reinforced: 2026-04-26
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** 모델의 안전성 검증(Alignment)을 위해 잠재적인 유해 논리 회로가 형성되었는지 감지하는 도구로 활용 비중 확대.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Mechanistic-Interpretability]], [[Neuron-Attribution]], [[Feature-Visualization]]
-- **Raw Source:** [[00_Raw/2026-04-20/Circuit Discovery.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Mechanistic-Interpretability, Neuron-Attribution, Feature-Visualization
+- **Raw Source:** 00_Raw/2026-04-20/Circuit Discovery.md
diff --git a/10_Wiki/Topics/AI/Circular-Economy-Transitions.md b/10_Wiki/Topics/AI/Circular-Economy-Transitions.md
index 64509961..f212fd85 100644
--- a/10_Wiki/Topics/AI/Circular-Economy-Transitions.md
+++ b/10_Wiki/Topics/AI/Circular-Economy-Transitions.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CETE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, circular-economy, sustainability, resource-efficiency, regenerative-design, economic-model]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 디지털 트윈 정책(Digital Twin)과 AI 를 활용해 자원의 흐름 정책을 실시간으로 추적하고 최적의 순환 경로 정책을 찾아내는 '테크 기반 순환 경제'로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Sustainability]], [[Supply-Chain]], [[System-Theory]], [[Strategic-Planning]], [[Regenerative-Design]]
+- [[Sustainability]], [[Supply-Chain]], [[System-Theory]], [[Strategic-Planning]], Regenerative-Design
 - **Key Concepts**: Cradle to Cradle, Industrial symbiosis.
 ---
diff --git a/10_Wiki/Topics/AI/Circular-Economy.md b/10_Wiki/Topics/AI/Circular-Economy.md
index f2628650..f6410c71 100644
--- a/10_Wiki/Topics/AI/Circular-Economy.md
+++ b/10_Wiki/Topics/AI/Circular-Economy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CIEC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, circular-economy, sustainability, resource-efficiency, recycling, system-design]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 블록체인 정책과 결합하여 제품의 전 생애 주기를 투명하게 추적하는 '디지털 제품 여권(DPP) 정책'이 도입됨에 따라, 순환 경제는 단순한 구호를 넘어 데이터 기반의 엄격한 컴플라이언스 영역 정책으로 편입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Sustainable Development Goals (SDGs)]], [[Strategic-Planning]], [[Blockchain]], [[Systems Thinking]], [[Optimization]]
+- Sustainable Development Goals (SDGs), [[Strategic-Planning]], [[Blockchain]], [[Systems Thinking]], [[Optimization]]
 - **Modern Tech/Tools**: Digital Product Passports, Product-as-a-Service models, Cradle-to-Cradle certification.
 ---
diff --git a/10_Wiki/Topics/AI/Clean-Architecture-Implementation.md b/10_Wiki/Topics/AI/Clean-Architecture-Implementation.md
index d22681f4..cd73d837 100644
--- a/10_Wiki/Topics/AI/Clean-Architecture-Implementation.md
+++ b/10_Wiki/Topics/AI/Clean-Architecture-Implementation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-CLEANARCH-IMP
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.98
 tags: [Clean Architecture, Implementation, Layering, SOLID]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Clean-Architecture-TypeScript.md b/10_Wiki/Topics/AI/Clean-Architecture-TypeScript.md
index 3ac5f687..f122842b 100644
--- a/10_Wiki/Topics/AI/Clean-Architecture-TypeScript.md
+++ b/10_Wiki/Topics/AI/Clean-Architecture-TypeScript.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CATY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, clean-architecture, typescript, software-design, decoupling, layered-architecture]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 타입스크립트의 강력한 타입 시스템 정책을 활용하여, 컴파일 타임에 계층 간 의존성 위반을 체크하거나 '도메인 기반 타입 정의 정책'을 통해 아키텍처의 강건함을 코드 레벨에서 보장함. (Domain-Driven-Design과 시너지)
 
 ## 🔗 지식 연결 (Graph)
-- [[Domain-Driven-Design (DDD)]], [[Technical-Architecture]], [[Optimization]], [[Backend]], [[Workflow-Integrity]]
+- Domain-Driven-Design (DDD), [[Technical-Architecture]], [[Optimization]], [[Backend]], [[Workflow-Integrity]]
 - **Modern Tech/Tools**: TypeDI, InversifyJS, Hexagonal Architecture patterns, Microservices.
 ---
diff --git a/10_Wiki/Topics/AI/Clean-Code-Principles.md b/10_Wiki/Topics/AI/Clean-Code-Principles.md
index 008f163e..2c4b3483 100644
--- a/10_Wiki/Topics/AI/Clean-Code-Principles.md
+++ b/10_Wiki/Topics/AI/Clean-Code-Principles.md
@@ -1,12 +1,12 @@
 ---
 id: CS-CLEAN-CODE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, clean-code, srp, dry, kiss, refactoring, maintainability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Clean Code Principles (클린 코드 원칙)]]
+# Clean Code Principles (클린 코드 원칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드는 컴퓨터가 읽기 위함이 아니라, 미래의 나를 포함한 '다른 인간'이 단번에 의도를 파악할 수 있도록 설계된 고도의 의사소통 수단이다" — 유지보수 효율을 극대화하고 소프트웨어의 부패를 막기 위한 코드 작성의 도덕적/기술적 기준.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 생성하는 모든 코드에 대해 SOLID 원칙과 클린 코드 가이드라인을 강제 적용하며, 복잡도가 일정 수준 이상인 코드는 자동 리팩토링 루프에 진입시킴.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Refactoring-Techniques]], [[SOLID-Principles-in-React]], [[Technical-Debt-Management]]
-- **Raw Source:** [[00_Raw/Clean Code Principles.md]]
+- [[Software-Architecture-Patterns]], Refactoring-Techniques, SOLID-Principles-in-React, Technical-Debt-Management
+- **Raw Source:** 00_Raw/Clean Code Principles.md
diff --git a/10_Wiki/Topics/AI/Climate Change Mitigation Frameworks.md b/10_Wiki/Topics/AI/Climate Change Mitigation Frameworks.md
index e757d650..3d72574d 100644
--- a/10_Wiki/Topics/AI/Climate Change Mitigation Frameworks.md	
+++ b/10_Wiki/Topics/AI/Climate Change Mitigation Frameworks.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-CLIMATE
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.93
 tags: [Climate Change, Net Zero, Carbon Neutral, Mitigation]
 last_reinforced: 2026-04-20
 ---
 
-# [[Climate-Change-Mitigation-Frameworks]] (기후 변화 대응 프레임워크)
+# Climate-Change-Mitigation-Frameworks (기후 변화 대응 프레임워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 기후 변화는 단순한 환경 문제가 아니라 '에너지 시스템의 대전환' 문제이며, 과학적 실증 데이터에 기반한 탄소 예산(Carbon Budget) 관리가 핵심이다.
diff --git a/10_Wiki/Topics/AI/Clinical-Kinesiology-Assessment.md b/10_Wiki/Topics/AI/Clinical-Kinesiology-Assessment.md
index a0baae14..e36b5b7b 100644
--- a/10_Wiki/Topics/AI/Clinical-Kinesiology-Assessment.md
+++ b/10_Wiki/Topics/AI/Clinical-Kinesiology-Assessment.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-KINESIO
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.95
 tags: [Kinesiology, Human Movement, Biomechanics, Assessment]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Code Review.md b/10_Wiki/Topics/AI/Code Review.md
index 3705fbc5..8f0a17be 100644
--- a/10_Wiki/Topics/AI/Code Review.md	
+++ b/10_Wiki/Topics/AI/Code Review.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8EC3C3
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Code Review"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Manual Code Review]], [[Automated Code Review]], [[SAST]], [[Linting]], [[Prettier]], [[Husky]]
-- **Projects/Contexts:** [[CI/CD Pipelines]], [[SDLC]], [[Pull Request]]
+- **Related Topics:** Manual Code Review, Automated Code Review, [[SAST]], Linting, [[Prettier]], [[Husky]]
+- **Projects/Contexts:** CI/CD Pipelines, SDLC, Pull Request
 - **Contradictions/Notes:** 소스에 따르면 자동화된 리뷰 도구는 코드 검사 속도와 일관성을 극대화하지만, 비즈니스 로직과 아키텍처적 맥락을 이해하지 못해 실제 취약점의 약 22%를 놓치거나 오탐(False Positive)을 대량으로 양산할 수 있습니다 [22, 32]. 따라서 자동화 도구 단독으로는 완벽한 보안과 품질을 보장할 수 없으며, 복잡하고 위험도가 높은 코드는 반드시 인간 리뷰어의 수동 평가가 동반되어야 한다고 강조합니다 [5, 26, 33].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Code Review.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Code-Splitting-and-Frontend-Performance-Optimization.md b/10_Wiki/Topics/AI/Code-Splitting-and-Frontend-Performance-Optimization.md
index 3c3db684..57115f15 100644
--- a/10_Wiki/Topics/AI/Code-Splitting-and-Frontend-Performance-Optimization.md
+++ b/10_Wiki/Topics/AI/Code-Splitting-and-Frontend-Performance-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: FE-PERF-CODE-SPLIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [performance, code-splitting, optimization, lazy-loading, suspense, bundling, vite, nextjs, core-web-vitals]
 last_reinforced: 2026-04-26
 ---
 
-# [[Code Splitting and Frontend Performance Optimization (코드 스플리팅과 성능 최적화)]]
+# Code Splitting and Frontend Performance Optimization (코드 스플리팅과 성능 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한꺼번에 전송되는 거대한 자바스크립트 번들은 사용자의 기다림을 고통으로 바꾼다. 번들을 의미 있는 조각(Chunks)으로 나누고 필요할 때만 호출(On-demand)하여, 첫 화면의 주인공을 0.1초라도 빨리 무대에 올려라" — 초기 로딩 속도와 런타임 반응성을 극대화하는 핵심 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 200KB 이상의 단일 JS 파일 생성을 금지 정책으로 하며, 모든 동적 임포트 시 로딩 상태(Loading Spinner/Skeleton) 제공 정책을 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[JavaScript-Optimization-Patterns]], [[Largest-Contentful-Paint-LCP]], [[Interaction-to-Next-Paint-INP]], [[Vite-Build-Optimization]], [[Modern-Frontend-Engineering-Architecture]]
-- **Raw Source:** [[00_Raw/코드 스플리팅 및 성능 최적화(Code Splitting & Performance Optimization).md]]
+- [[JavaScript-Optimization-Patterns]], [[Largest-Contentful-Paint-LCP]], [[Interaction-to-Next-Paint-INP]], Vite-Build-Optimization, [[Modern-Frontend-Engineering-Architecture]]
+- **Raw Source:** 00_Raw/코드 스플리팅 및 성능 최적화(Code Splitting & Performance Optimization).md
diff --git a/10_Wiki/Topics/AI/Cognitive Biases.md b/10_Wiki/Topics/AI/Cognitive Biases.md
index d615bc0a..ef38f7d1 100644
--- a/10_Wiki/Topics/AI/Cognitive Biases.md	
+++ b/10_Wiki/Topics/AI/Cognitive Biases.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COGB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, cognitive-biases, psychology, decision-making, heuristics, mental-models]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Cognitive Computing.md b/10_Wiki/Topics/AI/Cognitive Computing.md
index ea8377be..b8112faf 100644
--- a/10_Wiki/Topics/AI/Cognitive Computing.md	
+++ b/10_Wiki/Topics/AI/Cognitive Computing.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-COGCOMP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Cognitive Computing, AI, Machine Learning, Brain-Inspired]
 last_reinforced: 2026-04-20
 ---
 
-# [[Cognitive-Computing]] (코그니티브 컴퓨팅)
+# Cognitive-Computing (코그니티브 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 단순히 질문에 답하는 계산기를 넘어, 인간의 생각과 감정을 이해하고 복잡한 맥락 속에서 최적의 파트너로 진화하는 '지능의 동반자'다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 과거 IBM Watson 등이 추구했던 모델이지만, 최근에는 LLM(거대 언어 모델)의 폭발적 발전으로 인해 '코그니티브'의 정의가 LLM 기반의 자율 에이전트(Autonomous Agent) 시스템으로 빠르게 재편되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Chain-of-Thought]] , [[Automated-Reasoning]]
+- Related: Chain-of-Thought , [[Automated-Reasoning]]
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Cognitive Neuroscience of Flow.md b/10_Wiki/Topics/AI/Cognitive Neuroscience of Flow.md
index 908f8ce1..df0210e9 100644
--- a/10_Wiki/Topics/AI/Cognitive Neuroscience of Flow.md	
+++ b/10_Wiki/Topics/AI/Cognitive Neuroscience of Flow.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-FLOW
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.97
 tags: [Flow State, Neuroscience, Concentration, Performance]
 last_reinforced: 2026-04-20
 ---
 
-# [[Cognitive-Neuroscience-of-Flow]] (몰입의 뇌과학)
+# Cognitive-Neuroscience-of-Flow (몰입의 뇌과학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자아조차 잊게 만드는 완벽한 조화." 몰입(Flow)은 뇌의 보상 시스템과 주의력 시스템이 극한의 효율로 결합하여 에너지를 폭발시키는 상태다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 몰입은 마법 같은 상태지만, 도파민 중독과 비슷한 양상을 보여 '중독성'이 있다. 건강한 몰입과 강박적 몰입을 구분하는 메타 인지가 장기적인 성장에 중요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Burnout-Prevention-in-Professional-Gaming]] , [[Cognitive Psychology]]
+- Related: Burnout-Prevention-in-Professional-Gaming , [[Cognitive Psychology]]
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Cognitive Psychology.md b/10_Wiki/Topics/AI/Cognitive Psychology.md
index 2c5a4ac2..b8e9d504 100644
--- a/10_Wiki/Topics/AI/Cognitive Psychology.md	
+++ b/10_Wiki/Topics/AI/Cognitive Psychology.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-COG-PSY
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.99
 tags: [Cognitive Psychology, Perception, Memory, Attention]
 last_reinforced: 2026-04-20
 ---
 
-# [[Cognitive-Psychology]] (인지 심리학)
+# Cognitive-Psychology (인지 심리학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "마음은 정보 처리 시스템이다." 인간의 사고 과정을 컴퓨터의 아키텍처처럼 입력(지각)-저장(기억)-처리(생각)-출력(행동)의 관점에서 분석하는 학문이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 인지 심리학의 고전적 모델들은 '감정'을 배제한 경향이 있었다. 현대에는 인지적 처리와 감정적 처리가 뗄 수 없다는 '정서 지능(Emotional Intelligence)'과의 융합 연구가 대세다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Cognitive-Biases]] , [[Cognitive-Therapy-in-CBT]]
+- Related: Cognitive-Biases , [[Cognitive-Therapy-in-CBT]]
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Cognitive Reserve Theory.md b/10_Wiki/Topics/AI/Cognitive Reserve Theory.md
index e708abf7..941f0d49 100644
--- a/10_Wiki/Topics/AI/Cognitive Reserve Theory.md	
+++ b/10_Wiki/Topics/AI/Cognitive Reserve Theory.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-COG-RES
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.95
 tags: [Cognitive Reserve, Brain Health, Aging, Plasticity]
 last_reinforced: 2026-04-20
 ---
 
-# [[Cognitive-Reserve-Theory]] (인지 예비능 이론)
+# Cognitive-Reserve-Theory (인지 예비능 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뇌에도 저축(Savings)이 필요하다." 지적 활동과 다양한 경험은 뇌의 연결망을 복잡하게 만들어, 노화나 질병으로 인한 뇌 손상에도 일상 기능을 유지하는 '회복 탄력성'을 제공한다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 인지 예비능이 무한한 것은 아니다. 어느 시점(Threshold)을 넘기면 손상이 급격히 표출될 수 있다. 따라서 '쌓는 것'만큼이나 '뇌를 혹사하지 않는 것'이 중요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[BDNF]] , [[Cognitive-Neuroscience-of-Flow]]
-- Foundation: [[Complex Systemic Modeling Protocols]]
+- Related: BDNF , Cognitive-Neuroscience-of-Flow
+- Foundation: Complex Systemic Modeling Protocols
diff --git a/10_Wiki/Topics/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md b/10_Wiki/Topics/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md
index 89eb66e5..9e1d7cdf 100644
--- a/10_Wiki/Topics/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md	
+++ b/10_Wiki/Topics/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-AIMTRAIN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [Aim Lab, KovaaKs, Cognitive Training, Performance]
 last_reinforced: 2026-04-20
 ---
 
-# [[Cognitive-Training-Software]] (에임 및 인지 훈련 소프트웨어)
+# Cognitive-Training-Software (에임 및 인지 훈련 소프트웨어)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 에임 훈련은 단순히 '마우스를 잘 흔드는 법'을 배우는 것이 아니라, 뇌의 시각 반응-근육 협응-판단 프로세스를 수만 번의 반복으로 최적화하는 '뉴로 머슬(Neuro-muscle) 프로그래밍'이다.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 과도한 에임 훈련은 손목 부상(Carpal Tunnel)을 유발할 수 있으며, 실제 게임에서의 지형지물 활용이나 전략적 판단력(Game Sense)을 간과하게 만들 수 있다. 도구는 보조수단일 뿐, 실전 감각과의 균형이 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Burnout-Prevention-in-Professional-Gaming]] , [[Biomechanics-of-Injury]]
+- Related: Burnout-Prevention-in-Professional-Gaming , [[Biomechanics-of-Injury]]
 - Analysis: [[Clinical-Kinesiology-Assessment]]
diff --git a/10_Wiki/Topics/AI/Cognitive-Architecture.md b/10_Wiki/Topics/AI/Cognitive-Architecture.md
index dabde6c3..addb854b 100644
--- a/10_Wiki/Topics/AI/Cognitive-Architecture.md
+++ b/10_Wiki/Topics/AI/Cognitive-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: COG-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, cognitive-science, architecture, reasoning, knowledge-representation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Cognitive Architecture (인지 아키텍처)]]
+# Cognitive Architecture (인지 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 사고 과정을 모방한 지능의 설계도를 그려라" — 지각, 학습, 기억, 추론 등 지능을 구성하는 다양한 요소들이 어떻게 상호작용하여 전체적인 행동을 만들어내는지 정의하는 시스템 아키텍처.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 내부 구조 설계 시 고전 인지 아키텍처의 '작업 기억' 개념을 차용하여, 컨텍스트 윈도우를 효율적으로 관리하는 지능형 버퍼 시스템을 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Theory-of-Mind-ToM-in-AI]], [[AI-Agents-Overview]], [[Agentic-Workflow]], [[Symbolic-AI-vs-Connectionism]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Cognitive-Architecture.md]]
+- Theory-of-Mind-ToM-in-AI, AI-Agents-Overview, Agentic-Workflow, Symbolic-AI-vs-Connectionism
+- **Raw Source:** 10_Wiki/Topics/AI/Cognitive-Architecture.md
diff --git a/10_Wiki/Topics/AI/Cognitive-Evaluation-Theory.md b/10_Wiki/Topics/AI/Cognitive-Evaluation-Theory.md
index 316957cc..25d7e12c 100644
--- a/10_Wiki/Topics/AI/Cognitive-Evaluation-Theory.md
+++ b/10_Wiki/Topics/AI/Cognitive-Evaluation-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-COGEVAL
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.97
 tags: [Cognitive Evaluation Theory, Motivation, Autonomy, Psychology]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Game Design Theory]] , [[Behavioral-Economics]]
-- Foundation: [[Cognitive-Biases]]
+- Foundation: Cognitive-Biases
diff --git a/10_Wiki/Topics/AI/Cognitive-Therapy-in-CBT.md b/10_Wiki/Topics/AI/Cognitive-Therapy-in-CBT.md
index c3873db8..f4a3b1bc 100644
--- a/10_Wiki/Topics/AI/Cognitive-Therapy-in-CBT.md
+++ b/10_Wiki/Topics/AI/Cognitive-Therapy-in-CBT.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SCI-CBT
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.96
 tags: [CBT, Cognitive Therapy, Psychology, Mental Health]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 최근에는 AI 챗봇이 CBT 기법을 활용하여 사용자의 우울감을 관리하고 멘탈 헬스를 보조하는 기술이 상용화되고 있다. 하지만 전문적인 심리 상담사의 공감과 개입을 완전히 대체하기에는 아직 윤리적, 감정적 한계가 존재한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Cognitive-Biases]] , [[Burnout-Prevention-in-Professional-Gaming]]
+- Related: Cognitive-Biases , Burnout-Prevention-in-Professional-Gaming
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Collaborative-Filtering.md b/10_Wiki/Topics/AI/Collaborative-Filtering.md
index 65382eb3..9dd40397 100644
--- a/10_Wiki/Topics/AI/Collaborative-Filtering.md
+++ b/10_Wiki/Topics/AI/Collaborative-Filtering.md
@@ -1,12 +1,12 @@
 ---
 id: RECOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, recommendation-system, collaborative-filtering, personalization, matrix-factorization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Collaborative Filtering (협업 필터링)]]
+# Collaborative Filtering (협업 필터링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "나와 취향이 비슷한 사람들이 좋아하는 것이라면, 나도 좋아할 확률이 높다" — 사용자들의 과거 행동 이력(구매, 평점 등)을 분석하여 유사한 취향의 집단을 찾고, 그들이 선호하는 아이템을 추천하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자에게 새로운 지식 문서를 추천할 때, 유사한 관심사를 가진 다른 연구자들의 탐색 경로를 분석하는 협업 필터링 로직을 실험적으로 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Personalization]], [[Matrix-Factorization]], [[Deep-Learning]], [[Machine-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Collaborative-Filtering.md]]
+- Personalization, [[Matrix-Factorization]], [[Deep-Learning]], Machine-Learning
+- **Raw Source:** 10_Wiki/Topics/AI/Collaborative-Filtering.md
diff --git a/10_Wiki/Topics/AI/Collective-Intelligence.md b/10_Wiki/Topics/AI/Collective-Intelligence.md
index 85f4f8d8..eec54739 100644
--- a/10_Wiki/Topics/AI/Collective-Intelligence.md
+++ b/10_Wiki/Topics/AI/Collective-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, collective-intelligence, emergence, crowdsourcing, decentralization, wisdom-of-crowds]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Combinatorial Game Theory.md b/10_Wiki/Topics/AI/Combinatorial Game Theory.md
index 6fe4c17d..3d101b3c 100644
--- a/10_Wiki/Topics/AI/Combinatorial Game Theory.md	
+++ b/10_Wiki/Topics/AI/Combinatorial Game Theory.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-CGT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Game Theory, Combinatorial, Logic, Math, Strategy]
 last_reinforced: 2026-04-20
 ---
 
-# [[Combinatorial-Game-Theory]] (조합론적 게임 이론 CGT)
+# Combinatorial-Game-Theory (조합론적 게임 이론 CGT)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 우연도 숨겨진 정보도 없는 '완전 정보 게임'에서, 수학적으로 필승 전략(Winning Strategy)이 반드시 존재함을 증명하고 찾아내는 지적 유희다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 바둑처럼 경우의 수가 우주 원자 수보다 많은 경우, 고전적인 CGT만으로는 해결이 불가능하다. 이때 알파고처럼 딥러닝과 몬테카를로 트리 탐색(MCTS)을 결합하여 '근사적 필승 전략'을 찾는 방식으로 현대적 진화가 일어났다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[AlphaGo (Monte Carlo Tree Search + RL)]] , [[Reinforcement Learning]]
-- Foundation: [[Computational Thinking]]
+- Related: AlphaGo (Monte Carlo Tree Search + RL) , Reinforcement Learning
+- Foundation: Computational Thinking
diff --git a/10_Wiki/Topics/AI/Combinatorial-Optimization.md b/10_Wiki/Topics/AI/Combinatorial-Optimization.md
index d20fa76d..b586d28d 100644
--- a/10_Wiki/Topics/AI/Combinatorial-Optimization.md
+++ b/10_Wiki/Topics/AI/Combinatorial-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: COMB-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [mathematics, algorithm, optimization, combinatorial-optimization, complexity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Combinatorial Optimization (조합 최적화)]]
+# Combinatorial Optimization (조합 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "무수히 많은 선택지 중 최고의 조합을 효율적으로 골라내라" — 외판원 문제(TSP), 배낭 문제(Knapsack Problem)와 같이 가능한 조합의 수가 기하급수적으로 많을 때, 수학적 모델과 알고리즘을 통해 최적해 혹은 그에 가까운 근사해를 찾는 과정.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Algorithm-Complexity-Big-O]], [[Genetic-Algorithms]], [[Simulated-Annealing]], [[Game-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Combinatorial-Optimization.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Combinatorial-Optimization.md
diff --git a/10_Wiki/Topics/AI/CompCert-C-Compiler.md b/10_Wiki/Topics/AI/CompCert-C-Compiler.md
index df055915..9a0dd0da 100644
--- a/10_Wiki/Topics/AI/CompCert-C-Compiler.md
+++ b/10_Wiki/Topics/AI/CompCert-C-Compiler.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CCCC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, compcert, c-compiler, formal-verification, coq, safety-critical, embedded-systems]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ CompCert는 Coq 증명 도우미를 사용하여 공식적으로 검증된 C 언
 - **정책 변화(RL Update)**: 이제는 단순 컴파일러를 넘어, 하드웨어 설계 정책이나 운영체제 정책(seL4 등) 전체를 정형 검증하려는 'Full-stack Verification 정책'의 선구자적 모델로 자리 잡음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reliability]], [[Safety-Critical]], [[Scientific-Method]], [[Technical-Architecture]], [[Formal-Verification]]
+- [[Reliability]], Safety-Critical, [[Scientific-Method]], [[Technical-Architecture]], Formal-Verification
 - **Key Tools**: Coq proof assistant, Xavier Leroy.
 ---
diff --git a/10_Wiki/Topics/AI/Complexity Theory.md b/10_Wiki/Topics/AI/Complexity Theory.md
index 4fbb1861..eb7daa67 100644
--- a/10_Wiki/Topics/AI/Complexity Theory.md	
+++ b/10_Wiki/Topics/AI/Complexity Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COTX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, complexity-theory, systems-thinking, chaos, emergence, non-linear]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 AI 모델의 '창발 능력 정책'을 예측하고 제어하기 위해, 단순 성능 측정을 넘어 복잡계 이론을 적용한 '상전이(Phase Transition) 분석 정책'이 도입되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Emergence]], [[Systems Thinking]], [[Collective-Intelligence]], [[Chaos Theory]], [[Analysis]]
+- [[Emergence]], [[Systems Thinking]], [[Collective-Intelligence]], Chaos Theory, [[Analysis]]
 - **Modern Tech/Tools**: Agent-based modeling (NetLogo), Network analysis software, System dynamics tools.
 ---
diff --git a/10_Wiki/Topics/AI/Complexity-Theory.md b/10_Wiki/Topics/AI/Complexity-Theory.md
index a3aaead5..eddc45e3 100644
--- a/10_Wiki/Topics/AI/Complexity-Theory.md
+++ b/10_Wiki/Topics/AI/Complexity-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: COMP-THEORY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, math, complexity-theory, p-vs-np, logic]
 last_reinforced: 2026-04-26
 ---
 
-# [[Complexity Theory (복잡성 이론)]]
+# Complexity Theory (복잡성 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "문제의 본질적 난이도를 측정하고, 계산 가능성의 경계를 설정하라" — 문제를 해결하는 데 필요한 자원(시간, 공간)의 양에 따라 문제들을 분류하고, 현실적으로 해결 가능한 문제와 불가능한 문제를 구분하는 전산학의 핵심 이론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 계획 수립 시, 해당 태스크가 NP-hard 수준의 복잡도를 가지는지 판단하여 전수 조사 대신 탐색 위주의 전략을 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Algorithm-Complexity-Big-O]], [[Combinatorial-Optimization]], [[Turing-Machine-Foundations]], [[Cryptography]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Complexity-Theory.md]]
+- [[Algorithm-Complexity-Big-O]], [[Combinatorial-Optimization]], Turing-Machine-Foundations, Cryptography
+- **Raw Source:** 10_Wiki/Topics/AI/Complexity-Theory.md
diff --git a/10_Wiki/Topics/AI/Component-Composition.md b/10_Wiki/Topics/AI/Component-Composition.md
index c2d452d3..6aa8e455 100644
--- a/10_Wiki/Topics/AI/Component-Composition.md
+++ b/10_Wiki/Topics/AI/Component-Composition.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REACT-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, frontend, component-composition, reusability, modularity, design-patterns, clean-code]
 last_reinforced: 2026-04-26
 ---
 
-# [[Component Composition (컴포넌트 합성)]]
+# Component Composition (컴포넌트 합성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "상속(Inheritance)의 경직성 대신 합성(Composition)의 유연함을 선택하여, 작고 독립적인 컴포넌트들을 마치 레고 블록처럼 조합함으로써 거대하고 복잡한 시스템을 관리 가능한 수준으로 유지하라" — React 아키텍처의 핵심 설계 원칙 중 하나.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 공용 UI 라이브러리 설계 시 '슬롯 기반 합성(Slot-based Composition)' 아키텍처를 강제하며, 3단계 이상의 깊은 Prop Drilling이 발생하는 경우 반드시 합성을 통해 구조를 재설계하도록 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[React-Architecture]], [[Custom-Hooks-Patterns]], [[Reusable-UI-Components]], [[Scalable-React-Architecture]]
-- **Raw Source:** [[00_Raw/Component Composition.md]]
+- React-Architecture, [[Custom-Hooks-Patterns]], Reusable-UI-Components, Scalable-React-Architecture
+- **Raw Source:** 00_Raw/Component Composition.md
diff --git a/10_Wiki/Topics/AI/Computational Creativity.md b/10_Wiki/Topics/AI/Computational Creativity.md
index 021321f2..aad138d7 100644
--- a/10_Wiki/Topics/AI/Computational Creativity.md	
+++ b/10_Wiki/Topics/AI/Computational Creativity.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COCR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, computational-creativity, generative-ai, arts, innovation, algorithmic-art]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Computational Neuroscience of Reinforcement Learning.md b/10_Wiki/Topics/AI/Computational Neuroscience of Reinforcement Learning.md
index 428c68f3..4b022d9b 100644
--- a/10_Wiki/Topics/AI/Computational Neuroscience of Reinforcement Learning.md	
+++ b/10_Wiki/Topics/AI/Computational Neuroscience of Reinforcement Learning.md	
@@ -1,12 +1,12 @@
 ---
 id: COMP-NEURO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, reinforcement-learning, dopamine, brain-modeling]
 last_reinforced: 2026-04-26
 ---
 
-# [[Computational Neuroscience of Reinforcement Learning (강화학습의 계산 신경과학)]]
+# Computational Neuroscience of Reinforcement Learning (강화학습의 계산 신경과학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 학습 메커니즘을 수학적 강화학습 언어로 해독하라" — 뇌의 보상 시스템과 도파민 분비 기제를 시간차 학습(TD Learning) 및 가치 기반 선택 모델로 설명하려는 뇌과학과 AI의 융합 학문.
@@ -23,6 +23,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 보상 함수 설계 시, 인간의 '만족도 지연' 기제를 참고하여 장기적 목표 달성 확률을 높이는 로직 적용.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Dopamine-RPE]], [[TD-Learning]], [[Basal-Ganglia]], [[Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Computational Neuroscience of Reinforcement Learning.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Dopamine-RPE, TD-Learning, Basal-Ganglia, Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Computational Neuroscience of Reinforcement Learning.md
diff --git a/10_Wiki/Topics/AI/Computational-Creativity.md b/10_Wiki/Topics/AI/Computational-Creativity.md
index 21785580..b40d81b2 100644
--- a/10_Wiki/Topics/AI/Computational-Creativity.md
+++ b/10_Wiki/Topics/AI/Computational-Creativity.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COCR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, computational-creativity, generative-ai, art-science, creativity-model, innovation, intelligence]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생성형 AI (LLM, Diffusion) 정책의 폭발적 보급으로 인해, 이제는 기술적 생성 정책보다는 '인간의 예술적 권위 정책'과 'AI 의 창작권 정책'에 대한 철학적, 법적 논의 정책이 계산적 창의성의 핵심 어젠다가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Synergy]], [[Deep Learning (DL)]], [[Representation-Learning]], [[Structuralism]], [[Search-Strategy]]
+- [[Synergy]], Deep Learning (DL), [[Representation-Learning]], [[Structuralism]], [[Search-Strategy]]
 - **Key Models**: GANs, Variational Autoencoders (VAE), Genetic Algorithms.
 ---
diff --git a/10_Wiki/Topics/AI/Computational-Linguistics.md b/10_Wiki/Topics/AI/Computational-Linguistics.md
index 551f2e9b..2fa4d7ad 100644
--- a/10_Wiki/Topics/AI/Computational-Linguistics.md
+++ b/10_Wiki/Topics/AI/Computational-Linguistics.md
@@ -1,12 +1,12 @@
 ---
 id: COMP-LING-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, linguistics, computational-linguistics, syntax, semantics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Computational Linguistics (계산 언어학)]]
+# Computational Linguistics (계산 언어학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "언어의 규칙과 의미를 수학적 모델로 해독하라" — 자연어의 구조와 의미를 컴퓨터가 처리할 수 있도록 모델링하고 연구하는 학문으로, 현대 자연어 처리(NLP) 기술의 학문적 뿌리.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 LLM을 활용하되, 지식의 정합성을 검증하기 위해 계산 언어학적 구문 분석 도구들을 활용하여 문서의 논리 구조를 교차 확인함.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP]], [[LLM]], [[Tokenization-Strategies]], [[Knowledge-Graph]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Computational-Linguistics.md]]
+- NLP, [[LLM]], [[Tokenization-Strategies]], [[Knowledge-Graph]]
+- **Raw Source:** 10_Wiki/Topics/AI/Computational-Linguistics.md
diff --git a/10_Wiki/Topics/AI/Computational-Neuroscience-RL.md b/10_Wiki/Topics/AI/Computational-Neuroscience-RL.md
index cb507658..66c1ceb1 100644
--- a/10_Wiki/Topics/AI/Computational-Neuroscience-RL.md
+++ b/10_Wiki/Topics/AI/Computational-Neuroscience-RL.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CNRL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, computational-neuroscience, reinforcement-learning, dopamine, brain-model, reward-prediction-error, neuroscience]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 보상을 넘어, 모델 기반(Model-based) 사고와 전전두엽(PFC)의 메타 학습 정책(Meta-learning)을 통해 AI 가 어떻게 인간처럼 적은 데이터로도 빠르게 일반화 정책을 수행하는지 연구하는 방향으로 진화 중임. (Generalization와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[Research-Framework]], [[Generalization]], [[State-Space]], [[Sensitivity-Analysis]]
+- [[Reinforcement Learning (RL)]], [[Research-Framework]], Generalization, [[State-Space]], [[Sensitivity-Analysis]]
 - **Key Concepts**: Basal ganglia, Dopamine, Reward Prediction Error (RPE).
 ---
diff --git a/10_Wiki/Topics/AI/Computer Vision.md b/10_Wiki/Topics/AI/Computer Vision.md
index d9af040a..31328b14 100644
--- a/10_Wiki/Topics/AI/Computer Vision.md	
+++ b/10_Wiki/Topics/AI/Computer Vision.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COVI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, computer-vision, deep-learning, pattern-recognition, image-processing, perception]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 2D 이미지 분석 정책을 넘어, 최근에는 '3D 공간 지능 정책'과 '멀티모달(시각+언어) 통합 정책'이 자율주행과 에이전틱 서비스의 핵심 정책 토대가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Pattern Recognition]], [[Autonomous Vehicles]], [[CV_Synthesis]], [[Artificial Intelligence (AI)]], [[Robotics]]
+- Pattern Recognition, [[Autonomous Vehicles]], [[CV_Synthesis]], [[Artificial Intelligence (AI)]], [[Robotics]]
 - **Modern Tech/Tools**: OpenCV, PyTorch/TensorFlow, YOLO, Segment Anything Model (SAM), NeRF.
 ---
diff --git a/10_Wiki/Topics/AI/Computer-Aided-Design.md b/10_Wiki/Topics/AI/Computer-Aided-Design.md
index 534b9548..c3a63a97 100644
--- a/10_Wiki/Topics/AI/Computer-Aided-Design.md
+++ b/10_Wiki/Topics/AI/Computer-Aided-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, computer-aided-design, cad, engineering, architectural-design, manufacturing, optimization]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 도면 정책을 넘어, 설계 데이터가 생산 및 유지보수 전 단계와 연동되는 '디지털 트윈(Digital Twin) 정책'과 'PLM(Product Lifecycle Management)'의 핵심 엔진으로 기능함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Risk-Management]], [[Specification]], [[Efficiency]], [[Technical-Architecture]], [[Simulation]]
+- [[Risk-Management]], [[Specification]], [[Efficiency]], [[Technical-Architecture]], Simulation
 - **Modern Tech/Tools**: AutoCAD, SolidWorks, CATIA, Generative Design.
 ---
diff --git a/10_Wiki/Topics/AI/Computer-Vision.md b/10_Wiki/Topics/AI/Computer-Vision.md
index d438520e..6110ebce 100644
--- a/10_Wiki/Topics/AI/Computer-Vision.md
+++ b/10_Wiki/Topics/AI/Computer-Vision.md
@@ -1,12 +1,12 @@
 ---
 id: CV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, computer-vision, image-processing, deep-learning, cnn]
 last_reinforced: 2026-04-26
 ---
 
-# [[Computer Vision Mastery (컴퓨터 비전 마스터리)]]
+# Computer Vision Mastery (컴퓨터 비전 마스터리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "픽셀의 나열에서 사물과 맥락을 읽어내는 AI의 눈을 완성하라" — 이미지나 비디오로부터 유의미한 정보를 추출, 분석 및 이해하기 위한 기술 체계로, 자율주행부터 의료 영상 판독까지 시각 지능의 정수.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서 내의 비정형 도표나 스크린샷 데이터를 텍스트로 변환하여 지식 베이스에 통합할 때 최신 비전-언어 모델을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Convolutional-Neural-Networks]], [[CLIP]], [[Image-Processing]], [[Transformer-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Computer-Vision.md]]
+- [[Convolutional-Neural-Networks]], [[CLIP]], Image-Processing, [[Transformer-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Computer-Vision.md
diff --git a/10_Wiki/Topics/AI/Computer_Vision.md b/10_Wiki/Topics/AI/Computer_Vision.md
index 503fe54e..ef71d0c7 100644
--- a/10_Wiki/Topics/AI/Computer_Vision.md
+++ b/10_Wiki/Topics/AI/Computer_Vision.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [ai, computer-vision, cnn, transformer]
 last_reinforced: 2026-04-20
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-03"
 - **정책 변화:** 기술적 정확도(w1)와 윤리적 프라이버시 보호의 가중치 균형 조절.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[CV_Synthesis]], [[Object-Detection]], [[CNN]]
-- **Raw Source:** [[00_Raw/2026-04-20/Computer Vision.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** [[CV_Synthesis]], Object-Detection, CNN
+- **Raw Source:** 00_Raw/2026-04-20/Computer Vision.md
diff --git a/10_Wiki/Topics/AI/Concept Drift (개념 드리프트).md b/10_Wiki/Topics/AI/Concept Drift (개념 드리프트).md
index 4e4da8db..29796e36 100644
--- a/10_Wiki/Topics/AI/Concept Drift (개념 드리프트).md	
+++ b/10_Wiki/Topics/AI/Concept Drift (개념 드리프트).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-CONCEPT-DRIFT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [MLOps, ConceptDrift, DataScience, Monitoring]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 개념 드리프트와 데이터 드리프트(Data Drift)를 혼동해서는 안 된다. 데이터 드리프트는 입력 데이터($X$)의 분포 변화이고, 개념 드리프트는 입력과 출력의 관계($P(Y|X)$) 자체가 변하는 것이다. 개념 드리프트가 발생하면 모델의 '로직' 자체가 유효하지 않게 되므로 훨씬 더 위험하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[MLOps]] , [[Model Collapse (모델 붕괴 현상)]]
+- Related: [[MLOps]] , Model Collapse (모델 붕괴 현상)
 - Comparison: [[Data Distillation (데이터 증류)]]
diff --git a/10_Wiki/Topics/AI/Concept Mapping.md b/10_Wiki/Topics/AI/Concept Mapping.md
index e9b746d9..10ab7a7b 100644
--- a/10_Wiki/Topics/AI/Concept Mapping.md	
+++ b/10_Wiki/Topics/AI/Concept Mapping.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, concept-mapping, knowledge-management, visualization, mental-models, learning-strategy]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 에이전트가 방대한 문서를 읽고 자동으로 콘셉트 맵을 생성하여 인간에게 브리핑해주는 '지식 요약 자동화 정책'이 리서치 업무의 핵심 효율화 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Analysis]], [[Bottom-Up-Approach]], [[Knowledge synthesis]], [[Philosophy of Science]], [[Strategic-Planning]]
+- [[Analysis]], [[Bottom-Up-Approach]], [[Knowledge synthesis]], Philosophy of Science, [[Strategic-Planning]]
 - **Modern Tech/Tools**: Obsidian (Graph View), CmapTools, Miro, MindMeister, Logseq.
 ---
diff --git a/10_Wiki/Topics/AI/Concept-Drift.md b/10_Wiki/Topics/AI/Concept-Drift.md
index 1c23c9bc..ab535837 100644
--- a/10_Wiki/Topics/AI/Concept-Drift.md
+++ b/10_Wiki/Topics/AI/Concept-Drift.md
@@ -1,6 +1,6 @@
 ---
 id: DRIFT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, mlops, concept-drift, model-monitoring]
 last_reinforced: 2026-04-26
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[MLOps]], [[Statistical-Learning-Theory]], [[Data-Flywheel-Effect]], [[Uncertainty-Quantification]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Concept-Drift.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Concept-Drift.md
diff --git a/10_Wiki/Topics/AI/Concreteness-Principle.md b/10_Wiki/Topics/AI/Concreteness-Principle.md
index 127eb584..595273b5 100644
--- a/10_Wiki/Topics/AI/Concreteness-Principle.md
+++ b/10_Wiki/Topics/AI/Concreteness-Principle.md
@@ -1,12 +1,12 @@
 ---
 id: GSTACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [gstack, engineering-philosophy, product-thinking, concreteness, antigravity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Concreteness Principle (구체성의 원칙)]]
+# Concreteness Principle (구체성의 원칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "추상적인 아이디어는 환상일 뿐, 작동하는 코드가 진짜 지능이다" — Antigravity 프로젝트와 G-Stack 프레임워크의 핵심 철학으로, 모호한 개념을 구체적인 기술 스택, 데이터 구조, 실행 가능한 결과물로 즉각 전환하는 엔지니어링 원칙.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 모든 지식 gardening 과정에서 '구체성의 원칙'을 최우선으로 준수하며, 사용자에게 모호한 약속 대신 구체적인 결과물(MD 파일, 실행된 명령 결과 등)을 즉각 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[G-Stack-Core-Principles]], [[Product-Thinking]], [[Agile-Development]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Concreteness-Principle.md]]
+- G-Stack-Core-Principles, Product-Thinking, Agile-Development, System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Concreteness-Principle.md
diff --git a/10_Wiki/Topics/AI/Concurrent Programming.md b/10_Wiki/Topics/AI/Concurrent Programming.md
index d0a789df..edb68843 100644
--- a/10_Wiki/Topics/AI/Concurrent Programming.md	
+++ b/10_Wiki/Topics/AI/Concurrent Programming.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, concurrent-programming, parallel-computing, multi-threading, scalability, software-engineering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Conditioning and Learning (   ).md b/10_Wiki/Topics/AI/Conditioning and Learning (   ).md
index 01a73c58..c9191bfe 100644
--- a/10_Wiki/Topics/AI/Conditioning and Learning (   ).md	
+++ b/10_Wiki/Topics/AI/Conditioning and Learning (   ).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SCI-CONDITIONING
-category: "[[10_Wiki/💡 Topics/Science]]"
+category: "10_Wiki/💡 Topics/Science"
 confidence_score: 0.97
 tags: [Conditioning, Behavioral Science, Learning, Psychology]
 last_reinforced: 2026-04-20
 ---
 
-# [[Conditioning-and-Learning]] (조건 형성과 학습)
+# Conditioning-and-Learning (조건 형성과 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "행동은 보상의 결과물이다." 자극과 반응이 결합하여 습관이 되고, 보상의 타이밍에 따라 행동이 강화되거나 사라지는 메커니즘이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 인간은 단순히 보상에만 따라 움직이는 존재가 아니다(행동주의의 한계). 사회적 학습(관찰 학습)과 내면의 필터링이 작용한다. AI 분야의 강화학습(RL)은 이 조작적 조건 형성을 수학적으로 모델링하여 기계가 스스로 전략을 찾게 만든다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Behavioral-Economics]] , [[Cognitive Evaluation Theory]]
-- Foundation: [[Reinforcement Learning]]
+- Related: [[Behavioral-Economics]] , Cognitive Evaluation Theory
+- Foundation: Reinforcement Learning
diff --git a/10_Wiki/Topics/AI/Connect-AI-Documentation.md b/10_Wiki/Topics/AI/Connect-AI-Documentation.md
index f39d36a5..1148cc3c 100644
--- a/10_Wiki/Topics/AI/Connect-AI-Documentation.md
+++ b/10_Wiki/Topics/AI/Connect-AI-Documentation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CAID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, connect-ai, technical-documentation, knowledge-architecture, user-manual, flow-analysis, systems-documentation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ Connect AI 기술 문서(Connect-AI-Documentation)는 복잡한 AI 에이전트
 - **정책 변화(RL Update)**: 본 지식 구축 프로젝트 또한 하나의 거대한 '지능형 문서화 정책'의 일환이며, 600개의 지식을 주입하여 시스템의 두뇌 정책을 명문화하는 과정 자체가 고도의 기술 문서 체계 정책임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Schema]], [[Terminology]], [[Knowledge-Base]]
+- [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Schema]], [[Terminology]], Knowledge-Base
 - **Context**: Internal AI Agent Workflow, User Manuals.
 ---
diff --git a/10_Wiki/Topics/AI/Constitutional AI (헌법 AI).md b/10_Wiki/Topics/AI/Constitutional AI (헌법 AI).md
index 3ae6be0b..fd2665e7 100644
--- a/10_Wiki/Topics/AI/Constitutional AI (헌법 AI).md	
+++ b/10_Wiki/Topics/AI/Constitutional AI (헌법 AI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CAII-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, constitutional-ai, ai-safety, ethics, rlaif, anthropic]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Constitutional-AI.md b/10_Wiki/Topics/AI/Constitutional-AI.md
index 51e9b825..92a5cdd4 100644
--- a/10_Wiki/Topics/AI/Constitutional-AI.md
+++ b/10_Wiki/Topics/AI/Constitutional-AI.md
@@ -1,12 +1,12 @@
 ---
 id: CONST-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-safety, constitutional-ai, rlaif, alignment, ethics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Constitutional AI (헌법적 AI)]]
+# Constitutional AI (헌법적 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 피드백 대신, AI에게 명문화된 헌법을 가르쳐 스스로 정렬하게 하라" — Anthropic이 제안한 방식으로, AI 모델에게 일련의 원칙(헌법)을 제공하고, 모델이 자신의 답변을 이 원칙에 따라 스스로 비판하고 수정하도록 학습시키는 정렬 기법.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 행동 규범을 정의할 때 '헌법적 AI' 방법론을 차용하여, 에이전트가 지켜야 할 핵심 가치(구체성, 성실성, 안전성)를 명문화하고 이를 기반으로 답변을 자가 검증함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Alignment]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], [[AI-Safety]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Constitutional-AI.md]]
+- [[AI-Alignment]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], AI-Safety
+- **Raw Source:** 10_Wiki/Topics/AI/Constitutional-AI.md
diff --git a/10_Wiki/Topics/AI/Constraint Satisfaction Problems (CSP).md b/10_Wiki/Topics/AI/Constraint Satisfaction Problems (CSP).md
index ff04af7a..5c2824c9 100644
--- a/10_Wiki/Topics/AI/Constraint Satisfaction Problems (CSP).md	
+++ b/10_Wiki/Topics/AI/Constraint Satisfaction Problems (CSP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-CSP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [Algorithm, AI, Optimization, CSP]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md b/10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md
index acbf3ab1..17e58c6c 100644
--- a/10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md	
+++ b/10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md	
@@ -1,12 +1,12 @@
 ---
 id: CSP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, math, logic, constraint-satisfaction, search-algorithm]
 last_reinforced: 2026-04-26
 ---
 
-# [[Constraint Satisfaction Problems (제약 충족 문제)]]
+# Constraint Satisfaction Problems (제약 충족 문제)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "주어진 규칙을 어기지 않는 최선의 상태를 찾아라" — 변수들의 집합과 각 변수가 가질 수 있는 값의 범위(Domain), 그리고 변수들 간의 제약 조건이 주어졌을 때 모든 제약을 만족하는 해를 찾는 수학적 문제.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 스케줄링이나 복잡한 인프라 리소스 할당 시 제약 충족 문제 알고리즘을 활용하여 최적의 구성을 산출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Combinatorial-Optimization]], [[Algorithm-Complexity-Big-O]], [[Decision-Making]], [[Search-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md]]
+- [[Combinatorial-Optimization]], [[Algorithm-Complexity-Big-O]], Decision-Making, Search-Algorithms
+- **Raw Source:** 10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md
diff --git a/10_Wiki/Topics/AI/Constraint-Satisfaction-Problems.md b/10_Wiki/Topics/AI/Constraint-Satisfaction-Problems.md
index f2c1e976..aaf89c83 100644
--- a/10_Wiki/Topics/AI/Constraint-Satisfaction-Problems.md
+++ b/10_Wiki/Topics/AI/Constraint-Satisfaction-Problems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CSP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, constraint-satisfaction, csp, backtracking, search-algorithm, logic, optimization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Context-Aware-Computing.md b/10_Wiki/Topics/AI/Context-Aware-Computing.md
index f491b26f..5c43103f 100644
--- a/10_Wiki/Topics/AI/Context-Aware-Computing.md
+++ b/10_Wiki/Topics/AI/Context-Aware-Computing.md
@@ -1,12 +1,12 @@
 ---
 id: CONTEXT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, context-aware, ubiquitous-computing, personalization, user-experience]
 last_reinforced: 2026-04-26
 ---
 
-# [[Context-Aware Computing (상황 인지 컴퓨팅)]]
+# Context-Aware Computing (상황 인지 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "말하지 않아도 사용자의 상황을 읽고, 그에 맞는 최적의 행동을 먼저 수행하라" — 사용자의 위치, 시간, 활동, 주변 환경 정보 등을 실시간으로 수집하고 분석하여 명시적인 명령 없이도 개인화된 서비스와 정보를 제공하는 지능형 컴퓨팅 패러다임.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** ConnectAI 프로젝트는 사용자의 현재 커서 위치, 열려 있는 파일 목록, Git 상태 등을 상황 정보로 활용하여 가장 관련성 높은 코드 제안과 지식 검색 결과를 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Personalization]], [[UX-Design]], [[Sensor-Fusion]], [[Agentic-Workflow]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Context-Aware-Computing.md]]
+- Personalization, UX-Design, [[Sensor-Fusion]], Agentic-Workflow
+- **Raw Source:** 10_Wiki/Topics/AI/Context-Aware-Computing.md
diff --git a/10_Wiki/Topics/AI/Continuous-Discovery.md b/10_Wiki/Topics/AI/Continuous-Discovery.md
index 1678f498..53971de4 100644
--- a/10_Wiki/Topics/AI/Continuous-Discovery.md
+++ b/10_Wiki/Topics/AI/Continuous-Discovery.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CDIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, continuous-discovery, product-discovery, dual-track-agile, customer-feedback, hypothesis-testing]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 인터뷰 정책을 넘어, AI 가 수만 건의 피드백 정책을 실시간으로 분석(Text-Mining)하여 기획자에게 '기회 영역'을 추천해 주는 'AI-Augmented Discovery'로 진화 중임. (Text-Mining와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision-Making]], [[Agile]], [[Text-Mining]], [[Research-Methodology]], [[Product-Management]]
+- Decision-Making, Agile, [[Text-Mining]], [[Research-Methodology]], [[Product-Management]]
 - **Key Figure**: Teresa Torres.
 ---
diff --git a/10_Wiki/Topics/AI/Contrastive-Learning.md b/10_Wiki/Topics/AI/Contrastive-Learning.md
index 3b04525c..ff317af2 100644
--- a/10_Wiki/Topics/AI/Contrastive-Learning.md
+++ b/10_Wiki/Topics/AI/Contrastive-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: CONTRAST-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, self-supervised-learning, contrastive-learning, representation-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Contrastive Learning (대조 학습)]]
+# Contrastive Learning (대조 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "비슷한 것은 가깝게, 다른 것은 멀게 배치하여 데이터의 본질을 파악하라" — 명시적인 라벨 없이도 데이터 쌍 간의 유사성과 차이성을 비교함으로써 의미 있는 특징(Representation)을 스스로 학습하는 자기 지도 학습 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서 간의 의미적 거리를 계산하거나 중복 문서를 탐지할 때 대조 학습 기반의 텍스트 임베딩 모델을 적극 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Learning]], [[Self-Supervised-Learning]], [[CLIP]], [[Unsupervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Contrastive-Learning.md]]
+- [[Representation-Learning]], [[Self-Supervised-Learning]], [[CLIP]], Unsupervised-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Contrastive-Learning.md
diff --git a/10_Wiki/Topics/AI/Control Systems Engineering.md b/10_Wiki/Topics/AI/Control Systems Engineering.md
index a646b2b2..05072260 100644
--- a/10_Wiki/Topics/AI/Control Systems Engineering.md	
+++ b/10_Wiki/Topics/AI/Control Systems Engineering.md	
@@ -1,12 +1,12 @@
 ---
 id: CONTROL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [engineering, control-theory, robotics, automation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Control Systems Engineering (제어 시스템 공학)]]
+# Control Systems Engineering (제어 시스템 공학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "원하는 목표 상태에 도달하도록 시스템을 설계하고 동적으로 수정하라" — 물리적 장치나 가상 에이전트가 외부 교란(Noise)에도 불구하고 목표 수치(Set-point)를 안정적으로 유지하게 만드는 공학적 프레임워크.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 '목표 추적 루프' 설계 시, PID 제어의 감쇠(Damping) 원리를 적용하여 급격한 상태 변화를 억제함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Feedback-Control-Systems]], [[Robotics]], [[System-Dynamics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Control Systems Engineering.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** [[Feedback-Control-Systems]], [[Robotics]], System-Dynamics
+- **Raw Source:** 10_Wiki/Topics/AI/Control Systems Engineering.md
diff --git a/10_Wiki/Topics/AI/Control-Systems-Engineering.md b/10_Wiki/Topics/AI/Control-Systems-Engineering.md
index 9ff5d8f5..cffdc42d 100644
--- a/10_Wiki/Topics/AI/Control-Systems-Engineering.md
+++ b/10_Wiki/Topics/AI/Control-Systems-Engineering.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-COSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, control-systems, engineering, feedback, pid-control, automation, dynamical-systems]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 물리 시스템 제어 정책을 넘어, 거대 AI 모델의 답변 정책(Alignment)을 제어하거나 사회적 시스템의 변동성 정책을 제어하는 광의의 제어 정책으로 확장 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Automation]], [[Reinforcement Learning (RL)]], [[System-Theory]], [[Robotics]], [[Efficiency]]
+- Automation, [[Reinforcement Learning (RL)]], [[System-Theory]], [[Robotics]], [[Efficiency]]
 - **Key Algorithms**: PID Control, Kalman Filter, Model Predictive Control (MPC).
 ---
diff --git a/10_Wiki/Topics/AI/Control-Theory.md b/10_Wiki/Topics/AI/Control-Theory.md
index 4cd941cf..f961fe4a 100644
--- a/10_Wiki/Topics/AI/Control-Theory.md
+++ b/10_Wiki/Topics/AI/Control-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: CONTROL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [mathematics, engineering, control-theory, pid, feedback-loop]
 last_reinforced: 2026-04-26
 ---
 
-# [[Control Theory (제어 이론)]]
+# Control Theory (제어 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현재의 오차를 측정하여 미래의 행동을 정밀하게 교정하라" — 동역학 시스템의 출력을 원하는 목표 상태로 유지하기 위해 입력을 조정하는 공학적 방법론으로, 피드백 루프와 안정성 분석이 핵심.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 미사일 추적 로직은 PID 제어 원리를 사용하여, 타겟의 움직임 변화에 부드럽고 정확하게 대응하도록 구현함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Physics-Engine]], [[Reinforcement-Learning]], [[Cybernetics-Foundations]], [[Robotics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Control-Theory.md]]
+- Physics-Engine, [[Reinforcement-Learning]], Cybernetics-Foundations, [[Robotics]]
+- **Raw Source:** 10_Wiki/Topics/AI/Control-Theory.md
diff --git a/10_Wiki/Topics/AI/Convolutional-Neural-Networks.md b/10_Wiki/Topics/AI/Convolutional-Neural-Networks.md
index 620634af..f9e1c90a 100644
--- a/10_Wiki/Topics/AI/Convolutional-Neural-Networks.md
+++ b/10_Wiki/Topics/AI/Convolutional-Neural-Networks.md
@@ -1,12 +1,12 @@
 ---
 id: CNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, cnn, computer-vision, image-processing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Convolutional Neural Networks (CNN, 합성곱 신경망)]]
+# Convolutional Neural Networks (CNN, 합성곱 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이미지의 지역적 특징을 훑으며 데이터 속에 숨겨진 시각적 패턴을 포착하라" — 합성곱 필터를 사용하여 이미지의 공간적 구조 정보를 보존하면서 특징을 추출하는 신경망 구조로, 현대 컴퓨터 비전의 황금기를 연 주역.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 내 이미지 데이터를 특징 벡터로 변환할 때, 효율적인 연산을 위해 경량화된 CNN 아키텍처(예: MobileNet)를 백본으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Mastery]], [[Deep-Learning]], [[Image-Processing]], [[Transformer-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Convolutional-Neural-Networks.md]]
+- Computer-Vision-Mastery, [[Deep-Learning]], Image-Processing, [[Transformer-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Convolutional-Neural-Networks.md
diff --git a/10_Wiki/Topics/AI/Core-Web-Vitals-Metrics.md b/10_Wiki/Topics/AI/Core-Web-Vitals-Metrics.md
index 818c01e3..a7561ff3 100644
--- a/10_Wiki/Topics/AI/Core-Web-Vitals-Metrics.md
+++ b/10_Wiki/Topics/AI/Core-Web-Vitals-Metrics.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-CWV-CORE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [core-web-vitals, performance, lcp, inp, cls, seo, user-experience, rum]
 last_reinforced: 2026-04-26
 ---
 
-# [[Core Web Vitals Metrics (코어 웹 바이탈 지표)]]
+# Core Web Vitals Metrics (코어 웹 바이탈 지표)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기술적 성능 지표를 사용자 체감 경험과 비즈니스 수익으로 연결하고, 구글이 정의한 세 가지 핵심 축(로딩, 반응성, 안정성)을 통해 웹사이트의 품질을 객관적으로 증명하라" — 실제 사용자 데이터(RUM)를 기반으로 한 현대 웹 성능의 표준 가시성 프레임워크.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 자산 배포 시 Core Web Vitals 'Good' 등급 달성을 필수 배포 조건(Quality Gate)으로 설정하며, 성능 미달 시 자동 롤백 정책을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cumulative-Layout-Shift-CLS]], [[Web-Performance-Optimization]], [[SEO-Foundations]], [[React-Performance-Optimization]]
-- **Raw Source:** [[00_Raw/Core Web Vitals.md]]
+- [[Cumulative-Layout-Shift-CLS]], Web-Performance-Optimization, SEO-Foundations, React-Performance-Optimization
+- **Raw Source:** 00_Raw/Core Web Vitals.md
diff --git a/10_Wiki/Topics/AI/Core-Web-Vitals.md b/10_Wiki/Topics/AI/Core-Web-Vitals.md
index cf2d2cf6..f8881c46 100644
--- a/10_Wiki/Topics/AI/Core-Web-Vitals.md
+++ b/10_Wiki/Topics/AI/Core-Web-Vitals.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CWVI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, core-web-vitals, web-performance, google-seo, lcp, inp, cls]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Corgea.md b/10_Wiki/Topics/AI/Corgea.md
index a059f4d2..8ab10ba4 100644
--- a/10_Wiki/Topics/AI/Corgea.md
+++ b/10_Wiki/Topics/AI/Corgea.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DA5E03
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Corgea"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[SAST]], [[LLM]], [[PolicyIQ]], [[Reachability Analysis]]
-- **Projects/Contexts:** [[Latio.tech Report]], [[Best SAST Tools in 2026]]
+- **Projects/Contexts:** Latio.tech Report, [[Best SAST Tools in 2026]]
 - **Contradictions/Notes:** 독립적인 평가(Latio.tech)에서 최고의 자동 수정 도구로 극찬을 받았으나, 신생 플랫폼인 탓에 다양한 객관적 벤치마킹 자료가 아직 부족하다는 점이 동시에 지적되고 있습니다 [3, 6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Corgea.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Corporate-LMS-Training.md b/10_Wiki/Topics/AI/Corporate-LMS-Training.md
index 0569f228..e25e6215 100644
--- a/10_Wiki/Topics/AI/Corporate-LMS-Training.md
+++ b/10_Wiki/Topics/AI/Corporate-LMS-Training.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CLMS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, lms, corporate-training, hr-tech, digital-learning, talent-management, scalability]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md b/10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md
index ff3159bb..e61f8eda 100644
--- a/10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md	
+++ b/10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md	
@@ -1,12 +1,12 @@
 ---
 id: CBA-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-business, strategy, cost-benefit-analysis, scalability, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Cost-Benefit Analysis in AI (AI에서의 비용 대비 편익 분석)]]
+# Cost-Benefit Analysis in AI (AI에서의 비용 대비 편익 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 파라미터 한 개가 만드는 가치가 그 연산 비용을 정당화하는지 측정하라" — AI 도입 시 발생하는 인프라, 학습, 유지보수 비용과 그로 인해 창출되는 비즈니스 가치, 효율성 향상, 위험 감소 효과를 정량적으로 비교 분석하는 전략적 틀.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 새로운 AI 기능을 위키에 도입하기 전, 해당 기능이 제공하는 지식 검색의 질 향상이 서버 유지 비용을 상회하는지 비용 대비 편익 분석을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[Product-Thinking]], [[Decision-Making]], [[MLOps]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md]]
+- System-Design-for-AI-Scale, Product-Thinking, Decision-Making, [[MLOps]]
+- **Raw Source:** 10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md
diff --git a/10_Wiki/Topics/AI/Creativity Research.md b/10_Wiki/Topics/AI/Creativity Research.md
index 9eacef0a..75b2d3ad 100644
--- a/10_Wiki/Topics/AI/Creativity Research.md	
+++ b/10_Wiki/Topics/AI/Creativity Research.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CRES-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.82
 tags: [auto-reinforced, creativity-research, psychology, innovation, divergent-thinking, neurobiology]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 시대의 창의성 교육 정책에서, 단순히 '그림을 그리는 스킬'보다 문제의 본질을 꿰뚫고 AI에게 질문을 던지는 '프롬프트적 창의성 정책'과 '비판적 시각 정책'이 새로운 연구의 흐름이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computational Creativity]], [[Arts]], [[Psychology & Behavior]], [[Philosophy of Science]], [[Concept Mapping]]
+- [[Computational Creativity]], [[Arts]], [[Psychology & Behavior]], Philosophy of Science, [[Concept Mapping]]
 - **Modern Tech/Tools**: Torrance Tests of Creative Thinking (TTCT), fMRI brain mapping.
 ---
diff --git a/10_Wiki/Topics/AI/Credit Assignment Problem.md b/10_Wiki/Topics/AI/Credit Assignment Problem.md
index 78877dc0..ecb581c1 100644
--- a/10_Wiki/Topics/AI/Credit Assignment Problem.md	
+++ b/10_Wiki/Topics/AI/Credit Assignment Problem.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CRAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, credit-assignment, reinforcement-learning, machine-learning, backpropagation, reward]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Cross-Entropy Loss.md b/10_Wiki/Topics/AI/Cross-Entropy Loss.md
index 09412fb4..9c66fdee 100644
--- a/10_Wiki/Topics/AI/Cross-Entropy Loss.md	
+++ b/10_Wiki/Topics/AI/Cross-Entropy Loss.md	
@@ -1,12 +1,12 @@
 ---
 id: LOSS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, deep-learning, loss-function, information-theory, cross-entropy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Cross-Entropy Loss (교차 엔트로피 손실)]]
+# Cross-Entropy Loss (교차 엔트로피 손실)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 예측 분포와 실제 정답 분포 사이의 거리(놀람의 정도)를 측정하여 좁혀라" — 정보 이론의 엔트로피 개념을 빌려와, 모델이 출력한 확률 분포가 정답 분포와 얼마나 다른지를 수치화한 손실 함수로 분류 문제의 표준.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 문서 분류 및 의도 인식 모델 학습 시 교차 엔트로피 손실 함수를 기본으로 사용하며, 클래스 불균형 해결을 위해 Focal Loss 등 변형 기법을 함께 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Objective-Functions]], [[Gradient-Descent]], [[Machine-Learning]], [[Deep-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Cross-Entropy Loss.md]]
+- [[Objective-Functions]], [[Gradient-Descent]], Machine-Learning, [[Deep-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Cross-Entropy Loss.md
diff --git a/10_Wiki/Topics/AI/Cumulative-Layout-Shift-CLS.md b/10_Wiki/Topics/AI/Cumulative-Layout-Shift-CLS.md
index 65ad998f..db05e178 100644
--- a/10_Wiki/Topics/AI/Cumulative-Layout-Shift-CLS.md
+++ b/10_Wiki/Topics/AI/Cumulative-Layout-Shift-CLS.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-CWV-CLS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [core-web-vitals, cls, performance, ux, visual-stability, frontend-optimization, seo]
 last_reinforced: 2026-04-26
 ---
 
-# [[Cumulative Layout Shift: CLS (누적 레이아웃 이동)]]
+# Cumulative Layout Shift: CLS (누적 레이아웃 이동)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자가 읽거나 클릭하려는 순간 콘텐츠가 춤추듯 이동하는 '시각적 불안정성'을 제거하고, 0.08초 이내의 고정된 안정감을 제공하여 인지적 마찰을 차단하라" — 페이지의 전체 수명 동안 발생하는 예기치 않은 레이아웃 이동을 측정하는 Core Web Vitals의 핵심 사용자 경험 지표.
@@ -29,5 +29,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 UI 컴포넌트에 대해 'Zero Layout Shift' 정책을 강제하며, 빌드 타임에 이미지 크기 미지정 요소를 자동 검출하여 오류를 발생시키는 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Core-Web-Vitals]], [[LCP-Largest-Contentful-Paint]], [[INP-Interaction-to-Next-Paint]], [[Web-Performance-Optimization]], [[SEO-Foundations]]
-- **Raw Source:** [[00_Raw/CLS (Cumulative Layout Shift).md]]
+- [[Core-Web-Vitals]], LCP-Largest-Contentful-Paint, INP-Interaction-to-Next-Paint, Web-Performance-Optimization, SEO-Foundations
+- **Raw Source:** 00_Raw/CLS (Cumulative Layout Shift).md
diff --git a/10_Wiki/Topics/AI/Curriculum-Learning.md b/10_Wiki/Topics/AI/Curriculum-Learning.md
index ce618833..acce149b 100644
--- a/10_Wiki/Topics/AI/Curriculum-Learning.md
+++ b/10_Wiki/Topics/AI/Curriculum-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: CURRICULUM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, curriculum-learning, optimization, training-strategy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Curriculum Learning (커리큘럼 학습)]]
+# Curriculum Learning (커리큘럼 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "쉬운 것부터 배우고 점차 난이도를 높여 지능을 견고하게 쌓아라" — 인간의 학습 과정처럼 모델에게 쉬운 샘플부터 점진적으로 복잡한 샘플을 제시하여, 학습 속도를 높이고 더 나은 지역 최적해(Local Minima)에 도달하게 하는 학습 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 자율 학습 에이전트는 지식 보강 작업 시 기초적인 용어 정의부터 시작하여 점차 복잡한 아키텍처 문서를 작성하는 커리큘럼 학습 방식을 따름.
 
 ## 🔗 지식 연결 (Graph)
-- [[Machine-Learning]], [[Optimization]], [[Deep-Learning]], [[Transfer-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Curriculum-Learning.md]]
+- Machine-Learning, [[Optimization]], [[Deep-Learning]], Transfer-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Curriculum-Learning.md
diff --git a/10_Wiki/Topics/AI/Custom-ESLint-Rules-Development.md b/10_Wiki/Topics/AI/Custom-ESLint-Rules-Development.md
index c9c52073..79dbe9eb 100644
--- a/10_Wiki/Topics/AI/Custom-ESLint-Rules-Development.md
+++ b/10_Wiki/Topics/AI/Custom-ESLint-Rules-Development.md
@@ -1,12 +1,12 @@
 ---
 id: ESLINT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [static-analysis, javascript, devtools, dx]
 last_reinforced: 2026-04-26
 ---
 
-# [[Custom ESLint Rules Development (사용자 정의 ESLint 규칙 개발)]]
+# Custom ESLint Rules Development (사용자 정의 ESLint 규칙 개발)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "팀의 코드 품질을 자동화된 문지기로 지켜라" — 단순한 문법 검사를 넘어, 프로젝트 특유의 안티 패턴이나 아키텍처 규칙을 AST(추상 구문 트리) 분석을 통해 실시간으로 강제하는 기법.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트에서는 AI 에이전트가 작성하는 코드의 일관성을 위해 전용 ESLint 플러그인을 개발하여 운영 중.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Static-Analysis]], [[AST]], [[Developer-Experience]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Custom-ESLint-Rules-Development.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Static-Analysis, AST, Developer-Experience
+- **Raw Source:** 10_Wiki/Topics/AI/Custom-ESLint-Rules-Development.md
diff --git a/10_Wiki/Topics/AI/Custom-ESLint-Rules.md b/10_Wiki/Topics/AI/Custom-ESLint-Rules.md
index 2abefa0f..f2ef9c6c 100644
--- a/10_Wiki/Topics/AI/Custom-ESLint-Rules.md
+++ b/10_Wiki/Topics/AI/Custom-ESLint-Rules.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ESRL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, eslint, linter, static-analysis, code-quality, dev-tooling, automation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 사람이 일일이 규칙 정책을 짜는 것을 넘어, AI 가 프로젝트 코드 전체를 학습하여 반복되는 오류 정책을 발견하고 새로운 린트 규칙 정책을 스스로 제안하는 시대로 진화 중임. (Scripts와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Technical-Debt]], [[Testing]], [[Scripts]], [[Quality-Control]], [[Automation]], [[Technical-Architecture]]
+- [[Technical-Debt]], [[Testing]], [[Scripts]], [[Quality-Control]], Automation, [[Technical-Architecture]]
 - **Key Concepts**: Abstract Syntax Tree (AST), Esprima, Estraverse.
 ---
diff --git a/10_Wiki/Topics/AI/Custom-Hooks-Patterns.md b/10_Wiki/Topics/AI/Custom-Hooks-Patterns.md
index c819ed54..69ee6c33 100644
--- a/10_Wiki/Topics/AI/Custom-Hooks-Patterns.md
+++ b/10_Wiki/Topics/AI/Custom-Hooks-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REACT-CUSTOM-HOOK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, frontend, custom-hooks, dry, refactoring, separation-of-concerns, business-logic]
 last_reinforced: 2026-04-26
 ---
 
-# [[Custom Hooks Patterns (커스텀 훅 패턴)]]
+# Custom Hooks Patterns (커스텀 훅 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "UI 렌더링과 비즈니스 로직을 날카롭게 분리하고, 반복되는 로직을 독립적인 함수로 캡슐화하여 컴포넌트의 가독성과 테스트 가능성을 극대화하라" — React에서 로직 재사용의 가장 강력하고 유연한 표준 방식.
@@ -28,4 +28,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[React-Hooks]], [[DRY-Principle]], [[Clean-Code-Principles]], [[Component-Composition]]
-- **Raw Source:** [[00_Raw/Custom Hooks.md]]
+- **Raw Source:** 00_Raw/Custom Hooks.md
diff --git a/10_Wiki/Topics/AI/Customer-Journey-Mapping.md b/10_Wiki/Topics/AI/Customer-Journey-Mapping.md
index 7a83593e..662c5d73 100644
--- a/10_Wiki/Topics/AI/Customer-Journey-Mapping.md
+++ b/10_Wiki/Topics/AI/Customer-Journey-Mapping.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CJMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, customer-journey-map, cjm, service-design, user-experience, touchpoints, behavior-analysis]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 개인화 AI 정책이 적용되면서 모든 사용자가 동일한 여정 정책을 걷지 않게 되었으며, 수천만 개의 개별 여정 정책을 AI 가 클러스터링(Clustering)하여 패턴 정책을 추출하는 방식으로 진화 중임. (Data-Science-in-UX와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Continuous-Discovery]], [[Data-Science-in-UX]], [[Sensitivity-Analysis]], [[Service-Design]], [[UX-Design-and-Engagement]]
+- [[Continuous-Discovery]], [[Data-Science-in-UX]], [[Sensitivity-Analysis]], Service-Design, UX-Design-and-Engagement
 - **Key Goal**: Empathy for the user (Empathy Map).
 ---
diff --git a/10_Wiki/Topics/AI/Cybernetics Foundations.md b/10_Wiki/Topics/AI/Cybernetics Foundations.md
index 9b88d78a..a4d50686 100644
--- a/10_Wiki/Topics/AI/Cybernetics Foundations.md	
+++ b/10_Wiki/Topics/AI/Cybernetics Foundations.md	
@@ -1,12 +1,12 @@
 ---
 id: CYBER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [science, cybernetics, feedback-loop, communication, systems-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Cybernetics Foundations (사이버네틱스 기초)]]
+# Cybernetics Foundations (사이버네틱스 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생명체와 기계 모두를 관통하는 제어와 통신의 원리를 규명하라" — 노버트 위너가 제안한 학문으로, 시스템이 목적을 달성하기 위해 정보를 교환하고 피드백을 통해 스스로를 조절하는 보편적 메커니즘을 탐구하는 이론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 간의 협업 프로토콜 설계 시 사이버네틱스의 통신 및 피드백 원리를 적용하여, 전체 시스템의 항상성과 목표 지향성을 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Control-Theory]], [[System-Design-for-AI-Scale]], [[Artificial-Life]], [[Information-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Cybernetics Foundations.md]]
+- [[Control-Theory]], System-Design-for-AI-Scale, [[Artificial-Life]], [[Information-Theory]]
+- **Raw Source:** 10_Wiki/Topics/AI/Cybernetics Foundations.md
diff --git a/10_Wiki/Topics/AI/Cybernetics.md b/10_Wiki/Topics/AI/Cybernetics.md
index 136e5e16..ae35c918 100644
--- a/10_Wiki/Topics/AI/Cybernetics.md
+++ b/10_Wiki/Topics/AI/Cybernetics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CYBE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, cybernetics, systems-theory, feedback, communication, norbert-wiener]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/DAG-Dependency-Management.md b/10_Wiki/Topics/AI/DAG-Dependency-Management.md
index f47ffe71..ba19a63d 100644
--- a/10_Wiki/Topics/AI/DAG-Dependency-Management.md
+++ b/10_Wiki/Topics/AI/DAG-Dependency-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DAGD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, dag, dependency-management, directed-acyclic-graph, software-architecture, devops, efficiency]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/DDD-Type-Safety.md b/10_Wiki/Topics/AI/DDD-Type-Safety.md
index 3fc8c32b..1db0dddf 100644
--- a/10_Wiki/Topics/AI/DDD-Type-Safety.md
+++ b/10_Wiki/Topics/AI/DDD-Type-Safety.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DDTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, ddd, type-safety, typescript, domain-model, constraint, reliability, engineering]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 데이터 보호 정책을 넘어, 비즈니스 프로세스(Workflow)의 순서 정책조차 타입을 통해 강제하는 '기능적 파이프라인 정책' 설계로 진화 중임. (Standard-Operating-Procedure와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Nominal-Typing]], [[Discriminated-Unions]], [[Specification]], [[Standard-Operating-Procedure]], [[Reliability]], [[Refinement]]
+- Nominal-Typing, [[Discriminated-Unions]], [[Specification]], [[Standard-Operating-Procedure]], [[Reliability]], [[Refinement]]
 - **Key Philosophy**: Make illegal states unrepresentable.
 ---
diff --git a/10_Wiki/Topics/AI/DDD-in-TypeScript.md b/10_Wiki/Topics/AI/DDD-in-TypeScript.md
index 36e58300..16383f72 100644
--- a/10_Wiki/Topics/AI/DDD-in-TypeScript.md
+++ b/10_Wiki/Topics/AI/DDD-in-TypeScript.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DDDT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, ddd, typescript, domain-driven-design, software-architecture, tactical-patterns, modularity]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ TS 기반 도메인 주도 설계(DDD-in-TypeScript)는 비즈니스 도메인
 - **정책 변화(RL Update)**: 이제는 단순 서버 측 설계 정책을 넘어, 프론트엔드에서도 도메인 모델 정책을 유지하여 클라이언트-서버 간의 '유비쿼터스 언어 정책'을 일치시키는 전사적 설계 정책이 강조됨. (Standard-Operating-Procedure와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Value-Objects]], [[Terminology]], [[Standard-Operating-Procedure]], [[Technical-Architecture]], [[System-Theory]]
+- Value-Objects, [[Terminology]], [[Standard-Operating-Procedure]], [[Technical-Architecture]], [[System-Theory]]
 - **Key Concepts**: Ubiquitous Language, Bounded Context.
 ---
diff --git a/10_Wiki/Topics/AI/DORA-Metrics.md b/10_Wiki/Topics/AI/DORA-Metrics.md
index 0e514b4f..ad2ba28a 100644
--- a/10_Wiki/Topics/AI/DORA-Metrics.md
+++ b/10_Wiki/Topics/AI/DORA-Metrics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DORA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, dora-metrics, devops, software-delivery, performance, velocity, reliability]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/DPO (Direct Preference Optimization).md b/10_Wiki/Topics/AI/DPO (Direct Preference Optimization).md
index addfe043..66b55a88 100644
--- a/10_Wiki/Topics/AI/DPO (Direct Preference Optimization).md	
+++ b/10_Wiki/Topics/AI/DPO (Direct Preference Optimization).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DPOO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, dpo, direct-preference-optimization, llm-alignment, reinforcement-learning, machine-learning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/DQN.md b/10_Wiki/Topics/AI/DQN.md
index f36bf940..0ec3ea37 100644
--- a/10_Wiki/Topics/AI/DQN.md
+++ b/10_Wiki/Topics/AI/DQN.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DQNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, dqn, deep-q-network, reinforcement-learning, machine-learning, atari]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Data Cleaning Algorithms.md b/10_Wiki/Topics/AI/Data Cleaning Algorithms.md
index c1fefa86..8f9547d2 100644
--- a/10_Wiki/Topics/AI/Data Cleaning Algorithms.md	
+++ b/10_Wiki/Topics/AI/Data Cleaning Algorithms.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DCAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, data-cleaning, data-preprocessing, algorithms, outliers, duplicate-detection]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Data Distillation (데이터 증류).md b/10_Wiki/Topics/AI/Data Distillation (데이터 증류).md
index c970faf9..214deb2a 100644
--- a/10_Wiki/Topics/AI/Data Distillation (데이터 증류).md	
+++ b/10_Wiki/Topics/AI/Data Distillation (데이터 증류).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DDIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, data-distillation, machine-learning, model-compression, efficiency, dataset-synthesis]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Data-Augmentation Strategies.md b/10_Wiki/Topics/AI/Data-Augmentation Strategies.md
index 2303cd98..58b1ca6b 100644
--- a/10_Wiki/Topics/AI/Data-Augmentation Strategies.md	
+++ b/10_Wiki/Topics/AI/Data-Augmentation Strategies.md	
@@ -1,12 +1,12 @@
 ---
 id: DATA-AUG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, computer-vision, nlp, data-augmentation, preprocessing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Data Augmentation Strategies (데이터 증강 전략)]]
+# Data Augmentation Strategies (데이터 증강 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 양을 늘릴 수 없다면, 데이터의 '모습'을 다양하게 변주하라" — 기존 학습 데이터를 수학적으로 변형하여 데이터셋의 규모를 가상으로 늘리고, 모델이 데이터의 본질적인 불변 특징을 학습하게 하여 일반화 성능을 높이는 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 부족한 한국어 전문 용어 데이터를 보강하기 위해 역번역 기반의 데이터 증강 전략을 사용하여 NLP 에이전트의 문해력을 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Mastery]], [[NLP]], [[Regularization-Techniques]], [[Generative-Adversarial-Networks-GAN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Data-Augmentation Strategies.md]]
+- Computer-Vision-Mastery, NLP, [[Regularization-Techniques]], Generative-Adversarial-Networks-GAN
+- **Raw Source:** 10_Wiki/Topics/AI/Data-Augmentation Strategies.md
diff --git a/10_Wiki/Topics/AI/Data-Ethics and Privacy.md b/10_Wiki/Topics/AI/Data-Ethics and Privacy.md
index 4e8b49ba..f295b008 100644
--- a/10_Wiki/Topics/AI/Data-Ethics and Privacy.md	
+++ b/10_Wiki/Topics/AI/Data-Ethics and Privacy.md	
@@ -1,12 +1,12 @@
 ---
 id: DATA-ETHICS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-ethics, data-privacy, gdpr, trustworthy-ai, security]
 last_reinforced: 2026-04-26
 ---
 
-# [[Data Ethics and Privacy (데이터 윤리 및 프라이버시)]]
+# Data Ethics and Privacy (데이터 윤리 및 프라이버시)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 가치는 그것이 보호되는 방식에서 온다" — 지능의 원천인 데이터를 수집, 저장, 활용하는 전 과정에서 개인의 프라이버시를 보호하고 공정성과 투명성을 지키기 위한 윤리적/법적 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 사용자 지식 보강 과정에서 개인정보 유출 가능성을 자동 스캔하며, 수집된 데이터는 엄격한 비식별화 과정을 거쳐 로컬 브레인 학습에만 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Trustworthy-AI]], [[AI-Safety]], [[Privacy-Preserving-AI]], [[Federated-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Data-Ethics and Privacy.md]]
+- [[Trustworthy-AI]], AI-Safety, [[Privacy-Preserving-AI]], [[Federated-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Data-Ethics and Privacy.md
diff --git a/10_Wiki/Topics/AI/Data-Flywheel-Effect.md b/10_Wiki/Topics/AI/Data-Flywheel-Effect.md
index 611fae5b..33a4f382 100644
--- a/10_Wiki/Topics/AI/Data-Flywheel-Effect.md
+++ b/10_Wiki/Topics/AI/Data-Flywheel-Effect.md
@@ -1,12 +1,12 @@
 ---
 id: FLYWHEEL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-strategy, business, data-flywheel, network-effect, scaling]
 last_reinforced: 2026-04-26
 ---
 
-# [[Data Flywheel Effect (데이터 플라이휠 효과)]]
+# Data Flywheel Effect (데이터 플라이휠 효과)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 지능을 만들고, 지능이 사용자를 모으며, 사용자가 다시 더 좋은 데이터를 가져온다" — 더 나은 제품이 더 많은 데이터를 부르고, 그 데이터가 모델을 개선하여 다시 제품의 경쟁력을 높이는 AI 비즈니스의 핵심 성장 엔진.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 가드닝 과정을 통해 고품질의 지식을 축적함으로써, 에이전트의 추론 능력이 시간이 갈수록 강화되는 '지식 플라이휠' 구조를 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Concept-Drift]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Product-Thinking]], [[Strategic-Thinking]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Data-Flywheel-Effect.md]]
+- [[Concept-Drift]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], Product-Thinking, [[Strategic-Thinking]]
+- **Raw Source:** 10_Wiki/Topics/AI/Data-Flywheel-Effect.md
diff --git a/10_Wiki/Topics/AI/Data-Pipeline Orchestration.md b/10_Wiki/Topics/AI/Data-Pipeline Orchestration.md
index d1245a60..6fef636f 100644
--- a/10_Wiki/Topics/AI/Data-Pipeline Orchestration.md	
+++ b/10_Wiki/Topics/AI/Data-Pipeline Orchestration.md	
@@ -1,12 +1,12 @@
 ---
 id: DATA-PIPE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-engineering, mlops, data-pipeline, orchestration, airflow]
 last_reinforced: 2026-04-26
 ---
 
-# [[Data Pipeline Orchestration (데이터 파이프라인 오케스트레이션)]]
+# Data Pipeline Orchestration (데이터 파이프라인 오케스트레이션)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡하게 얽힌 데이터의 흐름을 조율하고 장애를 자동 복구하는 지휘자가 되어라" — 데이터 수집, 변환, 학습, 배포에 이르는 수많은 작업(Task)들 간의 의존성을 관리하고, 스케줄링 및 모니터링을 자동화하는 시스템 아키텍처.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 외부 위키 데이터 수집 및 임베딩 업데이트 시 Airflow 기반의 오케스트레이션을 활용하여 데이터 일관성을 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[MLOps]], [[Infrastructure-as-Code-IaC]], [[System-Design-for-AI-Scale]], [[Data-Flywheel-Effect]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Data-Pipeline Orchestration.md]]
+- [[MLOps]], [[Infrastructure-as-Code-IaC]], System-Design-for-AI-Scale, [[Data-Flywheel-Effect]]
+- **Raw Source:** 10_Wiki/Topics/AI/Data-Pipeline Orchestration.md
diff --git a/10_Wiki/Topics/AI/Data-Science-in-UX.md b/10_Wiki/Topics/AI/Data-Science-in-UX.md
index f2b4c226..6cec32b1 100644
--- a/10_Wiki/Topics/AI/Data-Science-in-UX.md
+++ b/10_Wiki/Topics/AI/Data-Science-in-UX.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DSUX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, data-science, ux, user-experience, quantitative-analysis, a-b-testing, behavioral-data]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ UX 데이터 과학(Data-Science-in-UX)은 대규모 사용자 행동 데이터
 - **정책 변화(RL Update)**: 이제는 단순 통계 분석 정책을 넘어, AI 가 사용자의 실시간 감정 정책이나 불만족 정책을 예측하여 선제적으로 UI를 변경하는 '예측형 인터페이스 정책(Predictive UI)'으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Customer-Journey-Mapping]], [[Scientific-Method]], [[Priority]], [[Efficiency]], [[Analysis]], [[Sensitivity-Analysis]]
+- [[Customer-Journey-Mapping]], [[Scientific-Method]], Priority, [[Efficiency]], [[Analysis]], [[Sensitivity-Analysis]]
 - **Key Concepts**: HEART framework (Google), North Star Metric.
 ---
diff --git a/10_Wiki/Topics/AI/Data-Transfer-Object-Design.md b/10_Wiki/Topics/AI/Data-Transfer-Object-Design.md
index 742d1501..440b38ad 100644
--- a/10_Wiki/Topics/AI/Data-Transfer-Object-Design.md
+++ b/10_Wiki/Topics/AI/Data-Transfer-Object-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DTO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, DesignPatterns, DTO, Performance]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 엔티티와 DTO가 거의 동일한 경우가 많아 '중복 코드'라는 비판을 받기도 한다. 하지만 시스템이 커질수록 엔티티의 변경이 API 스펙을 강제로 바꾸는 대참사를 막기 위해 이 분리는 필수적인 보험이다. 최근에는 AutoMapper 같은 도구로 이 변환 과정을 자동화하거나, Java의 `record` 같은 간결한 문법을 활용한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Domain-Driven-Design (DDD)]] , [[Software-Architecture]]
-- Contra: [[Active-Record-Pattern]]
+- Related: Domain-Driven-Design (DDD) , Software-Architecture
+- Contra: Active-Record-Pattern
diff --git a/10_Wiki/Topics/AI/Dead-Space-Series.md b/10_Wiki/Topics/AI/Dead-Space-Series.md
index 145044eb..34870d66 100644
--- a/10_Wiki/Topics/AI/Dead-Space-Series.md
+++ b/10_Wiki/Topics/AI/Dead-Space-Series.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DESP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, dead-space, diegetic-ui, immersive-sim, horror-game, ludo-narrative-consistency, game-design]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 리메이크판(2023)에서는 원작의 다이제틱 UI 정책을 현대적인 그래픽 환경에서 더욱 세밀하게 다듬었으며, 로딩 없는 심리스(Seamless) 구조 정책을 완성하여 시스템적 몰입 정책의 정점을 찍음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Immersive-Sim]], [[UX-Design-and-Engagement]], [[Ludo-narrative Dissonance]], [[Game-Design-Theory]], [[Simulation]]
+- Immersive-Sim, UX-Design-and-Engagement, Ludo-narrative Dissonance, [[Game-Design-Theory]], Simulation
 - **Key Developer**: Glen Schofield, Visceral Games.
 ---
diff --git a/10_Wiki/Topics/AI/Deceptive Alignment (기만적 정렬).md b/10_Wiki/Topics/AI/Deceptive Alignment (기만적 정렬).md
index a6fc6669..8c289950 100644
--- a/10_Wiki/Topics/AI/Deceptive Alignment (기만적 정렬).md	
+++ b/10_Wiki/Topics/AI/Deceptive Alignment (기만적 정렬).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DECEPTIVE-ALIGNMENT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [AISafety, Alignment, DeceptiveAlignment, Risk]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Outer Alignment vs Inner Alignment]] , [[Mechanistic Interpretability (기계적 해석 가능성)]]
-- Risk: [[Singularity (기술적 특이점)]]
+- Risk: Singularity (기술적 특이점)
diff --git a/10_Wiki/Topics/AI/Decision Theory.md b/10_Wiki/Topics/AI/Decision Theory.md
index e19d2702..502b6424 100644
--- a/10_Wiki/Topics/AI/Decision Theory.md	
+++ b/10_Wiki/Topics/AI/Decision Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DETR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, decision-theory, probability, risk-analysis, strategic-thinking, game-theory]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Decision-Trees and Random Forests.md b/10_Wiki/Topics/AI/Decision-Trees and Random Forests.md
index 05264985..3fd35ff7 100644
--- a/10_Wiki/Topics/AI/Decision-Trees and Random Forests.md	
+++ b/10_Wiki/Topics/AI/Decision-Trees and Random Forests.md	
@@ -1,12 +1,12 @@
 ---
 id: TREE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, decision-tree, random-forest, ensemble, classification]
 last_reinforced: 2026-04-26
 ---
 
-# [[Decision Trees and Random Forests (의사결정 나무와 랜덤 포레스트)]]
+# Decision Trees and Random Forests (의사결정 나무와 랜덤 포레스트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 예/아니오의 질문으로 쪼개고, 수많은 나무의 의견을 모아 정확한 결론을 내려라" — 직관적인 규칙 기반 분류기인 의사결정 나무와, 여러 나무의 예측을 결합하여 과적합을 방지하고 성능을 극대화한 앙상블 모델인 랜덤 포레스트.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 정형화된 로그 데이터 분석 및 장애 유형 초기 분류 시, 연산 속도가 빠르고 안정적인 랜덤 포레스트 모델을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ensemble-Methods]], [[Machine-Learning]], [[Supervised-Learning-Foundations]], [[Explainable-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Decision-Trees and Random Forests.md]]
+- [[Ensemble-Methods]], Machine-Learning, [[Supervised-Learning-Foundations]], Explainable-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Decision-Trees and Random Forests.md
diff --git a/10_Wiki/Topics/AI/Declaration-Files.md b/10_Wiki/Topics/AI/Declaration-Files.md
index 47f91efb..cc180626 100644
--- a/10_Wiki/Topics/AI/Declaration-Files.md
+++ b/10_Wiki/Topics/AI/Declaration-Files.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DECLARATION-FILES
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [TypeScript, JavaScript, DeclarationFiles, Tooling]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 선언 파일과 실제 JS 코드가 불일치(Out-of-sync)할 때 발생하는 '거짓 안전(False sense of security)'이 가장 위험하다. 이를 방지하기 위해 라이브러리 제작자는 `tsc`를 통해 구현부에서 타입을 자동 추출(emitDeclarationOnly)하는 방식을 지향해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[DefinitelyTyped]] , [[TypeScript-Type-System]]
-- Practice: [[Publishing-Dual-CJS-ESM-Packages]]
+- Related: [[DefinitelyTyped]] , TypeScript-Type-System
+- Practice: Publishing-Dual-CJS-ESM-Packages
diff --git a/10_Wiki/Topics/AI/Deep Q-Networks (DQN).md b/10_Wiki/Topics/AI/Deep Q-Networks (DQN).md
index 883ffa3c..b8c23b1b 100644
--- a/10_Wiki/Topics/AI/Deep Q-Networks (DQN).md	
+++ b/10_Wiki/Topics/AI/Deep Q-Networks (DQN).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DQN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [ReinforcementLearning, DQN, DeepMind, QLearning]
 last_reinforced: 2026-04-20
@@ -23,4 +23,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Reinforcement Learning (RL)]] , [[Bellman-Equation]]
-- Contrast: [[Policy Gradient Methods]]
+- Contrast: Policy Gradient Methods
diff --git a/10_Wiki/Topics/AI/Deep-Convolutional-GANs.md b/10_Wiki/Topics/AI/Deep-Convolutional-GANs.md
index bbf4cde1..282db411 100644
--- a/10_Wiki/Topics/AI/Deep-Convolutional-GANs.md
+++ b/10_Wiki/Topics/AI/Deep-Convolutional-GANs.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DCGN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, dcgan, generative-adversarial-networks, computer-vision, deep-learning, image-generation, cnn]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ DCGAN(Deep-Convolutional-GANs)은 GAN 아키텍처에 CNN을 도입하여 이미
 - **정책 변화(RL Update)**: 현재는 확산 모델(Diffusion Models) 정책에 밀려 주류에서 물러났으나, 실시간 이미지 변환 정책이나 특정 도메인 데이터 증강 정책 등에서는 여전히 효율적인 선택지로 쓰임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Learning]], [[Reliability]], [[Deep Learning (DL)]], [[Feature-Engineering]], [[Research]]
+- [[Representation-Learning]], [[Reliability]], Deep Learning (DL), [[Feature-Engineering]], [[Research]]
 - **Key Milestones**: Vector Arithmetic in Feature Space.
 ---
diff --git a/10_Wiki/Topics/AI/Deep-Grammar.md b/10_Wiki/Topics/AI/Deep-Grammar.md
index 8404ad6b..91c90cf9 100644
--- a/10_Wiki/Topics/AI/Deep-Grammar.md
+++ b/10_Wiki/Topics/AI/Deep-Grammar.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DEGR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, deep-grammar, linguistics, noam-chomsky, generative-grammar, syntax]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대 LLM 정책은 촘스키의 엄격한 규칙 기반 구조 정책보다는 '통계적 확률 분포 정책'으로 작동하지만, 모델 내부에서 고차원적인 문법 구조를 스스로 재구성한다는 사실이 밝혀지며 심층 문법적 해석 정책이 다시 주목받고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gen-AI]], [[Philosophy of Science]], [[Analysis]], [[Psychology & Behavior]], [[Cognitive Biases]]
+- [[Gen-AI]], Philosophy of Science, [[Analysis]], [[Psychology & Behavior]], [[Cognitive Biases]]
 - **Modern Tech/Tools**: Syntactic parsing, Transformer attention maps, NLP analysis.
 ---
diff --git a/10_Wiki/Topics/AI/Deep-Learning.md b/10_Wiki/Topics/AI/Deep-Learning.md
index a95b1f06..1e6c3941 100644
--- a/10_Wiki/Topics/AI/Deep-Learning.md
+++ b/10_Wiki/Topics/AI/Deep-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: DL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, neural-networks, backpropagation, ml-foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Deep Learning Foundations (딥러닝 기초)]]
+# Deep Learning Foundations (딥러닝 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터로부터 추상적 특징을 스스로 추출하는 다층 신경망의 마법을 이해하라" — 인간 뇌의 구조에서 영감을 얻은 인공 신경망을 깊게(Deep) 쌓아 올려, 복잡한 비선형 관계를 학습하고 표현하는 머신러닝의 하위 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 처리 에이전트의 중추로 딥러닝 기반의 트랜스포머 아키텍처를 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neural-Networks-Foundations]], [[Backpropagation]], [[Gradient-Descent]], [[Universal-Approximation-Theorem]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Deep-Learning.md]]
+- Neural-Networks-Foundations, [[Backpropagation]], [[Gradient-Descent]], [[Universal-Approximation-Theorem]]
+- **Raw Source:** 10_Wiki/Topics/AI/Deep-Learning.md
diff --git a/10_Wiki/Topics/AI/Deep-Q-Networks-DQN.md b/10_Wiki/Topics/AI/Deep-Q-Networks-DQN.md
index 8f7a2002..5b0b2a61 100644
--- a/10_Wiki/Topics/AI/Deep-Q-Networks-DQN.md
+++ b/10_Wiki/Topics/AI/Deep-Q-Networks-DQN.md
@@ -1,6 +1,6 @@
 ---
 id: DQN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [reinforcement-learning, ai, dqn, q-learning, deep-learning]
 last_reinforced: 2026-04-26
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 복잡한 적 AI 행동 패턴 학습 시 DQN 아키텍처를 기본 모델로 사용하며, Double DQN이나 Dueling DQN 등 개선된 기법을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Q-Learning-Foundations]], [[Reinforcement-Learning]], [[Deep-Learning-Foundations]], [[Experience-Replay]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Deep-Q-Networks-DQN.md]]
+- Q-Learning-Foundations, [[Reinforcement-Learning]], Deep-Learning-Foundations, [[Experience-Replay]]
+- **Raw Source:** 10_Wiki/Topics/AI/Deep-Q-Networks-DQN.md
diff --git a/10_Wiki/Topics/AI/DeepCode AI.md b/10_Wiki/Topics/AI/DeepCode AI.md
index 76aa8cda..8146169d 100644
--- a/10_Wiki/Topics/AI/DeepCode AI.md	
+++ b/10_Wiki/Topics/AI/DeepCode AI.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A75F29
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - DeepCode AI"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Snyk Code]], [[SAST (Static Application Security Testing)]], [[Symbolic AI]], [[Machine Learning]]
-- **Projects/Contexts:** [[Snyk 플랫폼을 통한 IDE 및 CI/CD 파이프라인 통합 보안 검토 프로젝트]]
+- **Related Topics:** Snyk Code, [[SAST (Static Application Security Testing)]], Symbolic AI, Machine Learning
+- **Projects/Contexts:** Snyk 플랫폼을 통한 IDE 및 CI/CD 파이프라인 통합 보안 검토 프로젝트
 - **Contradictions/Notes:** DeepCode AI가 자동으로 취약점을 감지하고 수정안을 제시하지만, 일부 결과는 여전히 수동 검증이 필요하며 분석의 깊이는 언어에 따라 다를 수 있다는 점이 지적됩니다 [6]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/DeepCode AI.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Deepfake-Detection.md b/10_Wiki/Topics/AI/Deepfake-Detection.md
index 9f17d42d..0a902d1b 100644
--- a/10_Wiki/Topics/AI/Deepfake-Detection.md
+++ b/10_Wiki/Topics/AI/Deepfake-Detection.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DFDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, deepfake, deepfake-detection, security, forensic, synthetic-media, adversarial-ml]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순히 알고리즘 정책만으로는 부족하며, 콘텐츠의 출처 정책(Provenance)을 블록체인 정책 등과 연합하여 인증하는 '신뢰 인프라 정책' 구축이 병행되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Risk-Management]], [[Sustainability]], [[Security]], [[Synthetic-Data]], [[Biometrics]]
+- [[Risk-Management]], [[Sustainability]], Security, [[Synthetic-Data]], [[Biometrics]]
 - **Key Challenges**: Adversarial attacks on detectors, Deepfake quality improvement.
 ---
diff --git a/10_Wiki/Topics/AI/Deepfake-Technology.md b/10_Wiki/Topics/AI/Deepfake-Technology.md
index 9c3c18dc..dc58069d 100644
--- a/10_Wiki/Topics/AI/Deepfake-Technology.md
+++ b/10_Wiki/Topics/AI/Deepfake-Technology.md
@@ -1,12 +1,12 @@
 ---
 id: DEEPFAKE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deepfake, generative-model, computer-vision, ai-ethics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Deepfake Technology (딥페이크 기술)]]
+# Deepfake Technology (딥페이크 기술)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터로 빚은 가상의 얼굴과 목소리로 진실과 거짓의 경계를 무너뜨려라" — 딥러닝 기반의 이미지/음성 합성 기술(특히 GAN)을 활용하여, 특정 인물의 얼굴이나 음성을 다른 영상이나 오디오에 정교하게 덧씌우는 조작 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 생성형 AI 활용 시 콘텐츠의 진위 여부를 보장하기 위해 워터마킹 및 메타데이터 기록을 강화하며, 딥페이크 오남용 방지를 위한 윤리 가이드라인을 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Generative-Adversarial-Networks-GAN]], [[Autoencoder]], [[Trustworthy-AI]], [[Computer-Vision-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Deepfake-Technology.md]]
+- Generative-Adversarial-Networks-GAN, Autoencoder, [[Trustworthy-AI]], Computer-Vision-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/Deepfake-Technology.md
diff --git a/10_Wiki/Topics/AI/Default Mode Network (DMN).md b/10_Wiki/Topics/AI/Default Mode Network (DMN).md
index 6089a968..96dbad7d 100644
--- a/10_Wiki/Topics/AI/Default Mode Network (DMN).md	
+++ b/10_Wiki/Topics/AI/Default Mode Network (DMN).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DMN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [Neuroscience, Psychology, AI, CognitiveScience]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - AI 연구에서는 DMN을 모방하여, 모델이 즉각적인 입력 처리 외에 '백그라운드'에서 지식을 정리하고 통합하는 'Sleep-phase' 학습 루틴을 설계하려는 시도가 진행 중이다. 뇌의 연산 효율성을 따라가기 위한 핵심 모델이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Neuroscience]] , [[Creativity Research]]
-- Contrast: [[Task Positive Network (TPN)]]
+- Related: Neuroscience , [[Creativity Research]]
+- Contrast: Task Positive Network (TPN)
diff --git a/10_Wiki/Topics/AI/DefinitelyTyped.md b/10_Wiki/Topics/AI/DefinitelyTyped.md
index d62107f7..62d85588 100644
--- a/10_Wiki/Topics/AI/DefinitelyTyped.md
+++ b/10_Wiki/Topics/AI/DefinitelyTyped.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DEFINITELY-TYPED
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [TypeScript, JavaScript, OpenSource, TypeSystem]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 최근에는 많은 라이브러리가 자체적으로 TS를 사용해 빌드하거나, 패키지 내부에 타입 파일을 포함(Bundled types)하는 추세다. 따라서 DefinitelyTyped는 '자체 타입이 없는 레거시 라이브러리'를 지원하는 역할로 조금씩 이동하고 있으나, 그 방대함 때문에 여전히 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Declaration-Files]] , [[TypeScript-Type-System]]
-- Storage: [[GitHub]]
+- Related: [[Declaration-Files]] , TypeScript-Type-System
+- Storage: GitHub
diff --git a/10_Wiki/Topics/AI/Definitions_of_Game.md b/10_Wiki/Topics/AI/Definitions_of_Game.md
index 775cd463..217b9b82 100644
--- a/10_Wiki/Topics/AI/Definitions_of_Game.md
+++ b/10_Wiki/Topics/AI/Definitions_of_Game.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DEF-GAME
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [GameDesign, Theory, Definitions]
 last_reinforced: 2026-04-20
@@ -23,4 +23,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Magic-Circle]] , [[Agency-in-Game-Design]]
-- Concept: [[Gamification]]
+- Concept: Gamification
diff --git a/10_Wiki/Topics/AI/Degrees-of-Freedom.md b/10_Wiki/Topics/AI/Degrees-of-Freedom.md
index 2c3d1981..ce5a0585 100644
--- a/10_Wiki/Topics/AI/Degrees-of-Freedom.md
+++ b/10_Wiki/Topics/AI/Degrees-of-Freedom.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DOF
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [Engineering, Robotics, Mathematics, Physics]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 자유도가 높다고 무조건 좋은 것은 아니다. 필요 이상의 자유도는 시스템의 에너지를 낭비하고 제어 알고리즘의 복잡성을 높여 '계산적 폭발'을 일으킬 수 있다. 따라서 과제에 최적화된 최소한의 자유도 설계가 엔지니어링의 핵심이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Denavit-Hartenberg-Parameters]] , [[Kinematics]]
+- Related: [[Denavit-Hartenberg-Parameters]] , Kinematics
 - Application: [[Robotics]]
diff --git a/10_Wiki/Topics/AI/Deliberate-Practice.md b/10_Wiki/Topics/AI/Deliberate-Practice.md
index 715bbd23..f24fd68d 100644
--- a/10_Wiki/Topics/AI/Deliberate-Practice.md
+++ b/10_Wiki/Topics/AI/Deliberate-Practice.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DELIBERATE-PRACTICE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Learning, Psychology, Growth, SkillAcquisition]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 의도적 수련은 엄청난 정신적 에너지를 소모하므로 하루에 4~5시간 이상 지속하기 어렵다. 또한 전문가의 피드백 없이 혼자 수행할 경우 오답을 더 견고하게 수련하는 '부정적 학습'의 위험이 있어, 올바른 환경 설정(Mentorship)이 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Flow-State]] , [[Learning-Theory]]
-- Counter: [[Fixed-Mindset]]
+- Related: [[Flow-State]] , Learning-Theory
+- Counter: Fixed-Mindset
diff --git a/10_Wiki/Topics/AI/Denavit-Hartenberg-Parameters.md b/10_Wiki/Topics/AI/Denavit-Hartenberg-Parameters.md
index dfafc476..5b4f9cd4 100644
--- a/10_Wiki/Topics/AI/Denavit-Hartenberg-Parameters.md
+++ b/10_Wiki/Topics/AI/Denavit-Hartenberg-Parameters.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DH-PARAMS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [Robotics, Kinematics, Mathematics, DH]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - D-H 파라미터는 강력하지만 관절 축이 평행한 경우 불연속성이 발생하는 등 예외 케이스 제약이 있다. 이를 보완하기 위해 'Modified D-H'나 'Exponential Map' 방식 등이 현대 로보틱스 제어에서 병행 사용된다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Degrees-of-Freedom]] , [[Kinematics]]
-- Level: [[Robotics-Engineering]]
+- Related: [[Degrees-of-Freedom]] , Kinematics
+- Level: Robotics-Engineering
diff --git a/10_Wiki/Topics/AI/Dense vs Sparse Neural Networks.md b/10_Wiki/Topics/AI/Dense vs Sparse Neural Networks.md
index d86eac42..81d43fc1 100644
--- a/10_Wiki/Topics/AI/Dense vs Sparse Neural Networks.md	
+++ b/10_Wiki/Topics/AI/Dense vs Sparse Neural Networks.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-DENSE-SPARSE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Neural Networks, Dense, Sparse, MoE, Efficiency]
 last_reinforced: 2026-04-20
 ---
 
-# [[Dense-vs-Sparse-Neural-Networks]] (밀집 vs 희소 신경망)
+# Dense-vs-Sparse-Neural-Networks (밀집 vs 희소 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모두를 깨울 것인가, 필요한 놈만 깨울 것인가." 뇌가 모든 뉴런을 동시에 쓰지 않듯이, AI도 필요한 부위만 활성화하여 거대한 지능을 가볍게 유지하는 기술이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 희소 행렬 연산은 하드웨어(GPU) 가속기에서 효율적으로 처리하기가 까다로운 면이 있다. 따라서 소프트웨어적인 '희소화'와 하드웨어의 '가속 효율' 사이의 균형점을 찾는 것이 현대 AI 공학의 최대 화두다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Differentiable-Programming]] , [[Deep-Reinforcement-Learning]]
+- Related: Differentiable-Programming , Deep-Reinforcement-Learning
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/AI/Dependency-Graph-Analysis.md b/10_Wiki/Topics/AI/Dependency-Graph-Analysis.md
index 768186f4..bca7c600 100644
--- a/10_Wiki/Topics/AI/Dependency-Graph-Analysis.md
+++ b/10_Wiki/Topics/AI/Dependency-Graph-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DEPENDENCY-GRAPH
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [SoftwareEngineering, GraphTheory, Dependency, BuildSystem]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Directed-Acyclic-Graph-Build-Systems]] , [[Dependency-Injection]]
-- Concept: [[Cohesion-and-Coupling]]
+- Concept: Cohesion-and-Coupling
diff --git a/10_Wiki/Topics/AI/Dependency-Injection.md b/10_Wiki/Topics/AI/Dependency-Injection.md
index 5d68e098..5cdbddb6 100644
--- a/10_Wiki/Topics/AI/Dependency-Injection.md
+++ b/10_Wiki/Topics/AI/Dependency-Injection.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DEPENDENCY-INJECTION
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, Patterns, DI, Decoupling]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - DI 프레임워크(Spring, NestJS 등)를 과도하게 사용하면 의존성 그래프가 너무 복잡해져 런타임 성능에 영향을 주거나 디버깅이 어려워지는 'DI 지옥'에 빠질 수 있다. 객체 간의 관계가 명확할 때는 과도한 추상화보다 직관적인 구성을 고려해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Dependency-Inversion-Principle]] , [[Inversion-of-Control (IoC)]]
-- Pattern: [[Factory-Method-Pattern]]
+- Related: [[Dependency-Inversion-Principle]] , Inversion-of-Control (IoC)
+- Pattern: Factory-Method-Pattern
diff --git a/10_Wiki/Topics/AI/Dependency-Inversion-Principle.md b/10_Wiki/Topics/AI/Dependency-Inversion-Principle.md
index f826ecb7..9e353c83 100644
--- a/10_Wiki/Topics/AI/Dependency-Inversion-Principle.md
+++ b/10_Wiki/Topics/AI/Dependency-Inversion-Principle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DIP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [SoftwareEngineering, SOLID, DIP, Architecture]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - DIP를 지키려면 인터페이스 설계가 선행되어야 하는데, 도메인에 대한 이해가 부족할 때 성급하게 인터페이스를 만들면 생산성만 떨어뜨리는 '과잉 설계(Over-engineering)'가 될 수 있다. 변화가 거의 없는 확실한 부분은 구체 클래스에 의존하는 것이 나을 때도 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[SOLID-Principles]] , [[Dependency-Injection]]
-- Part of: [[Clean-Architecture]]
+- Related: SOLID-Principles , [[Dependency-Injection]]
+- Part of: Clean-Architecture
diff --git a/10_Wiki/Topics/AI/Deployment-Strategy.md b/10_Wiki/Topics/AI/Deployment-Strategy.md
index 87ade79f..d14728fb 100644
--- a/10_Wiki/Topics/AI/Deployment-Strategy.md
+++ b/10_Wiki/Topics/AI/Deployment-Strategy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DESP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, deployment-strategy, devops, ci-cd, blue-green, canary, reliability]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델 배포 정책에서는 모델의 성능 저하(Drift)를 실시간 감지하여 이전 모델로 자동 전환하는 '지능형 모니터링 결합 배포 정책'이 클라우드 네이티브 환경의 핵심 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[CI_CD]], [[Scalability]], [[Technical-Architecture]], [[Quality Gates]], [[Monitoring]]
+- [[CI_CD]], [[Scalability]], [[Technical-Architecture]], [[Quality Gates]], Monitoring
 - **Modern Tech/Tools**: Kubernetes, ArgoCD, AWS CodeDeploy, GitHub Actions.
 ---
diff --git a/10_Wiki/Topics/AI/Design-System.md b/10_Wiki/Topics/AI/Design-System.md
index 09594f9d..616923e1 100644
--- a/10_Wiki/Topics/AI/Design-System.md
+++ b/10_Wiki/Topics/AI/Design-System.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DESY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, design-system, ui-ux, frontend, consistency, scalability]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생성 AI가 디자인 시스템의 가이드라인을 학습하여 자동으로 UI를 생성하거나 코드로 변환해주는 'Gen-UI 기반 자동 설계 정책'이 도입되며 디자이너의 역할이 '시스템 관리자 정책'으로 변화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability]], [[Branding]], [[Clean-Architecture-TypeScript]], [[User Experience (UX)]], [[Frontend]]
+- [[Scalability]], [[Branding]], [[Clean-Architecture-TypeScript]], User Experience (UX), [[Frontend]]
 - **Modern Tech/Tools**: Figma, Storybook, Material UI (MUI), Tailwind CSS, Headless UI.
 ---
diff --git a/10_Wiki/Topics/AI/Determinism-in-Computing.md b/10_Wiki/Topics/AI/Determinism-in-Computing.md
index fed721bc..5321dc62 100644
--- a/10_Wiki/Topics/AI/Determinism-in-Computing.md
+++ b/10_Wiki/Topics/AI/Determinism-in-Computing.md
@@ -1,12 +1,12 @@
 ---
 id: DET-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, determinism, simulation, physics-engine, skybound]
 last_reinforced: 2026-04-26
 ---
 
-# [[Determinism in Computing (계산의 결정론)]]
+# Determinism in Computing (계산의 결정론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "동일한 입력과 초기 상태가 주어지면, 언제 어디서나 반드시 동일한 결과를 보장하라" — 시스템의 내부 상태와 연산 과정에서 무작위성을 배제하여, 프로그램의 실행 결과가 100% 예측 가능하고 재현 가능하도록 설계하는 원칙.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 리플레이 시스템과 멀티플레이 동기화를 위해 모든 물리 연산과 확률 이벤트를 결정론적으로 설계하며, 부동 소수점 오차 누적을 방지하는 알고리즘을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Time-Step-Logic-in-Games]], [[Physics-Engine]], [[Distributed-Computing]], [[Simulation-Principles]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Determinism-in-Computing.md]]
+- [[Time-Step-Logic-in-Games]], Physics-Engine, [[Distributed-Computing]], Simulation-Principles
+- **Raw Source:** 10_Wiki/Topics/AI/Determinism-in-Computing.md
diff --git a/10_Wiki/Topics/AI/DevOps-and-UX-Convergence.md b/10_Wiki/Topics/AI/DevOps-and-UX-Convergence.md
index 96c5fe5d..16bb708e 100644
--- a/10_Wiki/Topics/AI/DevOps-and-UX-Convergence.md
+++ b/10_Wiki/Topics/AI/DevOps-and-UX-Convergence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DEVOPS-UX
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [DevOps, UX, Performance, Convergence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/DevOps-for-AI-MLOps.md b/10_Wiki/Topics/AI/DevOps-for-AI-MLOps.md
index a2d582c4..400f4924 100644
--- a/10_Wiki/Topics/AI/DevOps-for-AI-MLOps.md
+++ b/10_Wiki/Topics/AI/DevOps-for-AI-MLOps.md
@@ -1,12 +1,12 @@
 ---
 id: MLOPS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, mlops, devops, infrastructure, model-lifecycle]
 last_reinforced: 2026-04-26
 ---
 
-# [[DevOps for AI (MLOps, 에이아이를 위한 데브옵스)]]
+# DevOps for AI (MLOps, 에이아이를 위한 데브옵스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델 학습은 시작일 뿐, 지속 가능한 배포와 모니터링의 파이프라인을 구축하라" — 머신러닝 모델의 개발(ML)과 운영(Ops)을 통합하여, 모델의 실험, 학습, 배포, 모니터링 과정을 자동화하고 신뢰성을 확보하는 기술 체계.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 브레인 업데이트 시 MLOps 파이프라인을 준수하며, 모든 모델 변경 사항은 자동화된 테스트와 벤치마크를 거쳐 배포됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Data-Pipeline-Orchestration]], [[Concept-Drift]], [[System-Design-for-AI-Scale]], [[Infrastructure-as-Code-IaC]]
-- **Raw Source:** [[10_Wiki/Topics/AI/DevOps-for-AI-MLOps.md]]
+- Data-Pipeline-Orchestration, [[Concept-Drift]], System-Design-for-AI-Scale, [[Infrastructure-as-Code-IaC]]
+- **Raw Source:** 10_Wiki/Topics/AI/DevOps-for-AI-MLOps.md
diff --git a/10_Wiki/Topics/AI/DevSecOps.md b/10_Wiki/Topics/AI/DevSecOps.md
index 421de756..eefc9ad4 100644
--- a/10_Wiki/Topics/AI/DevSecOps.md
+++ b/10_Wiki/Topics/AI/DevSecOps.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-89C666
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - DevSecOps"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SDLC]], [[Shift-Left]], [[SAST]], [[CI/CD]]
-- **Projects/Contexts:** [[Snyk]], [[GitHub Advanced Security]], [[SonarQube]] 등 코드 품질 및 보안 분석 도구들을 개발 워크플로우(IDE, 리포지토리, CI/CD)에 연동하여 실시간 보안 피드백을 제공하는 방식으로 구성됩니다 [1, 2, 9].
+- **Related Topics:** SDLC, Shift-Left, [[SAST]], CI/CD
+- **Projects/Contexts:** Snyk, GitHub Advanced Security, [[SonarQube]] 등 코드 품질 및 보안 분석 도구들을 개발 워크플로우(IDE, 리포지토리, CI/CD)에 연동하여 실시간 보안 피드백을 제공하는 방식으로 구성됩니다 [1, 2, 9].
 - **Contradictions/Notes:** DevSecOps 워크플로우에서 자동화된 검사는 필수적이지만, AI나 스캐너 도구는 비즈니스 로직이나 의도를 파악하지 못하는 맹점(Context Blindness)을 가지고 있습니다 [10]. 따라서 자동화 도구가 일상적이고 반복적인 취약점을 빠르게 잡아내고, 인간 리뷰어가 아키텍처와 복잡한 보안 컨텍스트에 집중하는 '하이브리드(Hybrid)' 접근법이 가장 이상적인 모델로 권장됩니다 [11, 12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/DevSecOps.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Differentiable Programming.md b/10_Wiki/Topics/AI/Differentiable Programming.md
index 1aa32506..d99e57b6 100644
--- a/10_Wiki/Topics/AI/Differentiable Programming.md	
+++ b/10_Wiki/Topics/AI/Differentiable Programming.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-DIF-PROG
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Differentiable Programming, AI, JAX, PyTorch, Optimization]
 last_reinforced: 2026-04-20
 ---
 
-# [[Differentiable-Programming]] (미분 가능한 프로그래밍)
+# Differentiable-Programming (미분 가능한 프로그래밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "프로그램 자체가 학습의 대상이다." 조건문, 루프, 라이브러리 함수까지 모두 조절 가능한 파라미터로 보고, 경사 하강법(Gradient Descent)으로 프로그램을 최적화하는 혁명적 패러다임이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 모든 로직을 미분 가능하게 만들기는 어렵다(특히 불연속적인 이산적 선택). 이를 해결하기 위해 `Reinforce` 기법이나 `Gumbel-Softmax` 같은 트릭을 써서 확률적으로 미분 가능하게 연결하는 연구가 활발하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Deep-Reinforcement-Learning]] , [[Complexity-Theory]]
+- Related: Deep-Reinforcement-Learning , [[Complexity-Theory]]
 - Foundation: [[Computational Theory & Math/Information Theory]]
diff --git a/10_Wiki/Topics/AI/Diffusion-Models.md b/10_Wiki/Topics/AI/Diffusion-Models.md
index ac697de9..94f92295 100644
--- a/10_Wiki/Topics/AI/Diffusion-Models.md
+++ b/10_Wiki/Topics/AI/Diffusion-Models.md
@@ -1,12 +1,12 @@
 ---
 id: DIFFUSION-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, generative-model, diffusion-model, image-generation, deep-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Diffusion Models (확산 모델)]]
+# Diffusion Models (확산 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "혼돈(Noise) 속에서 질서를 찾아내어 무(無)에서 유(有)를 창조하라" — 데이터에 노이즈를 점진적으로 추가했다가 이를 다시 제거하는 역과정(Denoising)을 학습하여, 단순한 노이즈로부터 고품질의 이미지나 데이터를 생성하는 최신 생성 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서의 시각화 보조 자료나 목업 이미지를 생성할 때 최신 확산 모델 기반의 API를 활용하여 고품질 결과물을 생성함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Generative-Adversarial-Networks-GAN]], [[Variational-Autoencoders-VAE]], [[CLIP]], [[Computer-Vision-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Diffusion-Models.md]]
+- Generative-Adversarial-Networks-GAN, [[Variational-Autoencoders-VAE]], [[CLIP]], Computer-Vision-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/Diffusion-Models.md
diff --git a/10_Wiki/Topics/AI/Digital Intellectual Property Rights.md b/10_Wiki/Topics/AI/Digital Intellectual Property Rights.md
index 1a4bdbdb..5be1bebd 100644
--- a/10_Wiki/Topics/AI/Digital Intellectual Property Rights.md	
+++ b/10_Wiki/Topics/AI/Digital Intellectual Property Rights.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-IP-RIGHTS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [Law, Digital, IP, Copyright, Ethics]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - AI 학습 데이터에 대한 저작권 인정 여부가 현재 최대 화두다. "남의 저작물로 학습한 AI의 결과물은 누구의 것인가?"에 대한 법적 공백이 크며, 이는 현재 각국에서 판례를 쌓아가는 격동기에 있다. 지식 재산권의 개념이 '인간 중심'에서 '데이터 중심'으로 재편되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Ethics-in-AI]] , [[Open-Source-Licensing]]
-- Problem: [[Digital-Piracy]]
+- Related: Ethics-in-AI , Open-Source-Licensing
+- Problem: Digital-Piracy
diff --git a/10_Wiki/Topics/AI/Digital Thread Integration.md b/10_Wiki/Topics/AI/Digital Thread Integration.md
index 98dc8380..baf04602 100644
--- a/10_Wiki/Topics/AI/Digital Thread Integration.md	
+++ b/10_Wiki/Topics/AI/Digital Thread Integration.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DIGITAL-THREAD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [Manufacturing, DigitalThread, PLM, Integration]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 디지털 스레드를 구축하려면 기업 내 모든 시스템의 '언어(Standard)'가 같아야 한다. 하지만 수십 년 된 레거시 시스템과 최신 플랫폼을 잇는 것은 엄청난 비용과 기술적 난제다. 최근에는 AI가 서로 다른 데이터 포맷을 자동으로 매핑해주는 기술이 스레드 통합의 핵심 동력으로 부상하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Digital-Twin-Technology]] , [[Industry-4.0]]
-- Foundation: [[Systems-Engineering]]
+- Related: [[Digital-Twin-Technology]] , Industry-4.0
+- Foundation: Systems-Engineering
diff --git a/10_Wiki/Topics/AI/Digital-Twin-Technology.md b/10_Wiki/Topics/AI/Digital-Twin-Technology.md
index 8c832e14..74b87567 100644
--- a/10_Wiki/Topics/AI/Digital-Twin-Technology.md
+++ b/10_Wiki/Topics/AI/Digital-Twin-Technology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DIGITAL-TWIN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [DigitalTwin, Simulation, IoT, Industry40]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 디지털 트윈은 '실시간성'이 생명이지만, 수많은 센서 데이터를 지연 없이 가상 공간에 반영하는 네트워크 병목이 큰 과제다. 최근에는 엣지 컴퓨팅(Edge Computing)과 결합하여 데이터 발생 지점에서 즉시 트윈을 업데이트하는 방식으로 발전하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Industrial Metaverse]] , [[Predictive Maintenance (PdM)]]
+- Related: Industrial Metaverse , Predictive Maintenance (PdM)
 - Underlying: [[Internet of Things (IoT)]]
diff --git a/10_Wiki/Topics/AI/Dijkstra's Algorithm.md b/10_Wiki/Topics/AI/Dijkstra's Algorithm.md
index 2e3f4e4c..932e7011 100644
--- a/10_Wiki/Topics/AI/Dijkstra's Algorithm.md	
+++ b/10_Wiki/Topics/AI/Dijkstra's Algorithm.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-DIJKSTRA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.99
 tags: [Dijkstra, Algorithm, Pathfinding, Graph Theory]
 last_reinforced: 2026-04-20
 ---
 
-# [[Dijkstra's-Algorithm]] (데이크스트라 알고리즘)
+# Dijkstra's-Algorithm (데이크스트라 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "욕심쟁이(Greedy)의 가장 똑똑한 길 찾기." 출발점에서 다른 모든 지점까지의 최단 거리를 가장 효율적으로 확정해 나가는 알고리즘의 고전이자 정석이다.
diff --git a/10_Wiki/Topics/AI/Dimensionality-Reduction.md b/10_Wiki/Topics/AI/Dimensionality-Reduction.md
index ca160029..5ec4273d 100644
--- a/10_Wiki/Topics/AI/Dimensionality-Reduction.md
+++ b/10_Wiki/Topics/AI/Dimensionality-Reduction.md
@@ -1,12 +1,12 @@
 ---
 id: DIM-REDUC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, statistics, dimensionality-reduction, pca, tsne]
 last_reinforced: 2026-04-26
 ---
 
-# [[Dimensionality Reduction (차원 축소)]]
+# Dimensionality Reduction (차원 축소)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 덩치는 줄이되, 그 안에 담긴 핵심 메시지는 보존하라" — 수많은 변수(Feature)를 가진 고차원 데이터를 본질적인 특징을 잃지 않으면서 낮은 차원으로 변환하여, 연산 효율을 높이고 데이터 시각화를 가능하게 하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 수천 개의 위키 문서 임베딩 벡터를 클러스터링하고 지식 지도로 시각화할 때 UMAP이나 t-SNE 기법을 사용하여 지식 간의 거리를 직관적으로 노출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principal-Component-Analysis-PCA]], [[Unsupervised-Learning-Foundations]], [[Autoencoder]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Dimensionality-Reduction.md]]
+- Principal-Component-Analysis-PCA, Unsupervised-Learning-Foundations, Autoencoder, [[Representation-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Dimensionality-Reduction.md
diff --git a/10_Wiki/Topics/AI/Diminishing Returns (한계 수익 체감).md b/10_Wiki/Topics/AI/Diminishing Returns (한계 수익 체감).md
index e5a85c53..0b7d403a 100644
--- a/10_Wiki/Topics/AI/Diminishing Returns (한계 수익 체감).md	
+++ b/10_Wiki/Topics/AI/Diminishing Returns (한계 수익 체감).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DIMINISHING-RETURNS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Economics, Systems, Optimization, Efficiency]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - AI 스케일링 법칙(Scaling Laws)은 한계 수익 체감을 정면으로 돌파하는 것처럼 보였다. 하지만 최근에는 모델 크기를 키우는 것보다 데이터의 질을 높이거나 추론 시간을 늘리는 것이 더 효율적임이 밝혀지며, '어떤 자원'에 투자할 것인가에 대한 패러다임이 다시 변하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Amdahls Law (암달의 법칙)]] , [[Scaling-Laws-of-Neural-Language-Models]]
-- Law: [[Brooks-Law]]
+- Related: [[Amdahls Law (암달의 법칙)]] , Scaling-Laws-of-Neural-Language-Models
+- Law: Brooks-Law
diff --git a/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Build-Systems.md b/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Build-Systems.md
index 56395918..3d65351a 100644
--- a/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Build-Systems.md
+++ b/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Build-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DAG-BUILD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [SoftwareEngineering, BuildSystems, DAG, Efficiency]
 last_reinforced: 2026-04-20
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Dependency-Graph-Analysis]] , [[Directed-Acyclic-Graph-Dependency-Management]]
-- Concept: [[Topological-Sort]]
+- Concept: Topological-Sort
diff --git a/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.md b/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.md
index 06c4203c..cbff8a43 100644
--- a/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.md
+++ b/10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.md
@@ -1,12 +1,12 @@
 ---
 id: DAG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, graph-theory, data-structures, workflow]
 last_reinforced: 2026-04-26
 ---
 
-# [[Directed Acyclic Graph (DAG, 유향 비순환 그래프)]]
+# Directed Acyclic Graph (DAG, 유향 비순환 그래프)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "순환하지 않는 방향성 — 작업의 순서와 의존성을 정의하는 가장 완벽한 수학적 모델."
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 '지식 연결 그래프'는 기본적으로 순환을 허용하나, '실행 워크플로우'는 엄격한 DAG 규칙을 따름.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Topological-Sort]], [[Graph-Theory]], [[Workflow-Automation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Topological-Sort, [[Graph-Theory]], Workflow-Automation
+- **Raw Source:** 10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.md
diff --git a/10_Wiki/Topics/AI/Discriminated-Unions-for-Error-Handling.md b/10_Wiki/Topics/AI/Discriminated-Unions-for-Error-Handling.md
index 760310b6..901de65b 100644
--- a/10_Wiki/Topics/AI/Discriminated-Unions-for-Error-Handling.md
+++ b/10_Wiki/Topics/AI/Discriminated-Unions-for-Error-Handling.md
@@ -1,12 +1,12 @@
 ---
 id: TS-UNION-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [typescript, type-system, functional-programming, error-handling]
 last_reinforced: 2026-04-26
 ---
 
-# [[Discriminated Unions (판별 가능한 유니온)]]
+# Discriminated Unions (판별 가능한 유니온)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "타입 가드를 자동화하는 영리한 리터럴 태그" — 공통된 속성(Tag)을 기준으로 여러 타입을 하나로 묶고, 코드 레벨에서 안전하게 특정 타입을 식별해낼 수 있게 하는 타입 설계 기법.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 통신 프로토콜 정의 시, 메시지 타입을 Discriminated Unions로 정의하여 파싱 오류를 원천 차단함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Type-Guards]], [[Algebraic-Data-Types]], [[Exhaustiveness-Checking]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Discriminated-Unions-for-Error-Handling.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Type-Guards, Algebraic-Data-Types, [[Exhaustiveness-Checking]]
+- **Raw Source:** 10_Wiki/Topics/AI/Discriminated-Unions-for-Error-Handling.md
diff --git a/10_Wiki/Topics/AI/Discriminated-Unions-for-State-Modeling.md b/10_Wiki/Topics/AI/Discriminated-Unions-for-State-Modeling.md
index 85b2c065..e1fc41c9 100644
--- a/10_Wiki/Topics/AI/Discriminated-Unions-for-State-Modeling.md
+++ b/10_Wiki/Topics/AI/Discriminated-Unions-for-State-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DU-STATES
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [TypeScript, StateManagement, Patterns, Architecture]
 last_reinforced: 2026-04-20
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Discriminated-Unions]] , [[Finite-State-Machines]]
-- Context: [[React-Query-Pattern]]
+- Context: React-Query-Pattern
diff --git a/10_Wiki/Topics/AI/Discriminated-Unions.md b/10_Wiki/Topics/AI/Discriminated-Unions.md
index 535b6909..588adcf0 100644
--- a/10_Wiki/Topics/AI/Discriminated-Unions.md
+++ b/10_Wiki/Topics/AI/Discriminated-Unions.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DIUN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, discriminated-unions, tagged-unions, typescript, error-handling, type-safety, functional-programming]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Dissipative-Structures.md b/10_Wiki/Topics/AI/Dissipative-Structures.md
index 03890ea1..9ee2fe75 100644
--- a/10_Wiki/Topics/AI/Dissipative-Structures.md
+++ b/10_Wiki/Topics/AI/Dissipative-Structures.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DIST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, dissipative-structures, thermodynamics, prigogine, self-organization, complexity-science, chaos-theory]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 물리 환경 정책을 넘어, 사회적 변혁 정책이나 기업의 혁신 정책, 심지어 거대 언어 모델(LLM)의 지능 발현 정책(Emergence)을 설명하는 거시적 프레임워크 정책으로 확장됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Synergy]], [[System-Theory]], [[Complexity-Science]], [[Sustainability]], [[Strategic-Planning]], [[Structuralism]]
+- [[Synergy]], [[System-Theory]], Complexity-Science, [[Sustainability]], [[Strategic-Planning]], [[Structuralism]]
 - **Key Figure**: Ilya Prigogine (Nobel Prize in Chemistry, 1977).
 ---
diff --git a/10_Wiki/Topics/AI/Distillation.md b/10_Wiki/Topics/AI/Distillation.md
index 4f61bc7f..367fc0fe 100644
--- a/10_Wiki/Topics/AI/Distillation.md
+++ b/10_Wiki/Topics/AI/Distillation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DIST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, distillation, model-distillation, knowledge-transfer, efficiency, edge-ai]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Distributed Reinforcement Learning.md b/10_Wiki/Topics/AI/Distributed Reinforcement Learning.md
index 637cf120..e5c53493 100644
--- a/10_Wiki/Topics/AI/Distributed Reinforcement Learning.md	
+++ b/10_Wiki/Topics/AI/Distributed Reinforcement Learning.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-DIST-RL
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Distributed RL, Scalability, AI, Apex, Impala]
 last_reinforced: 2026-04-20
 ---
 
-# [[Distributed-Reinforcement-Learning]] (분산 강화학습)
+# Distributed-Reinforcement-Learning (분산 강화학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "혼자 배우면 1년, 함께 배우면 1시간." 수많은 에이전트를 가상 환경에 풀어 동시에 경험을 쌓게 하고, 이를 하나의 뇌로 집약하는 초고속 학습 기술이다.
diff --git a/10_Wiki/Topics/AI/Distributed-Computing.md b/10_Wiki/Topics/AI/Distributed-Computing.md
index b3acb500..d4f05c0f 100644
--- a/10_Wiki/Topics/AI/Distributed-Computing.md
+++ b/10_Wiki/Topics/AI/Distributed-Computing.md
@@ -1,12 +1,12 @@
 ---
 id: DIST-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, distributed-systems, parallel-computing, infrastructure, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Distributed Computing (분산 컴퓨팅)]]
+# Distributed Computing (분산 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한 대의 거대한 컴퓨터 대신, 수만 대의 작은 컴퓨터가 하나의 목표를 위해 협력하게 하라" — 네트워크로 연결된 여러 대의 컴퓨터 자원을 활용하여, 단일 시스템으로는 처리 불가능한 대규모 연산이나 데이터를 병렬적으로 처리하는 기술 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 수조 개의 지식 노드를 처리하기 위해 Ray와 같은 최신 분산 프레임워크를 기반으로 지식 가드닝 에이전트의 연산 인프라를 확장할 계획임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Parallel-Computing]], [[CAP-Theorem]], [[System-Design-for-AI-Scale]], [[GPU-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Distributed-Computing.md]]
+- [[Parallel-Computing]], [[CAP-Theorem]], System-Design-for-AI-Scale, [[GPU-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Distributed-Computing.md
diff --git a/10_Wiki/Topics/AI/Distributed-System-Type-Safety.md b/10_Wiki/Topics/AI/Distributed-System-Type-Safety.md
index 701efd9c..f3f0e145 100644
--- a/10_Wiki/Topics/AI/Distributed-System-Type-Safety.md
+++ b/10_Wiki/Topics/AI/Distributed-System-Type-Safety.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DSTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, distributed-systems, type-safety, contract, architecture, reliability, api-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Distributed-Systems.md b/10_Wiki/Topics/AI/Distributed-Systems.md
index 90fe5a43..f90141c8 100644
--- a/10_Wiki/Topics/AI/Distributed-Systems.md
+++ b/10_Wiki/Topics/AI/Distributed-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DISY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, distributed-systems, scalability, consistency, fault-tolerance, availability]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 학습 정책에서, 수만 개의 GPU가 하나로 묶여 거대 모델을 학습하는 '분산 훈련 정책'이 국가적 경쟁력의 지표가 되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability]], [[Blockchain]], [[Load Balancing]], [[Technical-Architecture]], [[Internet of Things (IoT)]]
+- [[Scalability]], [[Blockchain]], Load Balancing, [[Technical-Architecture]], [[Internet of Things (IoT)]]
 - **Modern Tech/Tools**: Redis, Kafka, Cassandra, Kubernetes, gRPC.
 ---
diff --git a/10_Wiki/Topics/AI/Documentation-Strategy.md b/10_Wiki/Topics/AI/Documentation-Strategy.md
index dd91694e..f26fbcd7 100644
--- a/10_Wiki/Topics/AI/Documentation-Strategy.md
+++ b/10_Wiki/Topics/AI/Documentation-Strategy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DOST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, documentation-strategy, knowledge-management, software-engineering, communication, clarity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Domain Objects.md b/10_Wiki/Topics/AI/Domain Objects.md
index 13ed12cb..c640702b 100644
--- a/10_Wiki/Topics/AI/Domain Objects.md	
+++ b/10_Wiki/Topics/AI/Domain Objects.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-17D3D3
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Domain Objects"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Domain-Driven Design]], [[Clean Architecture]], [[Entities]], [[Aggregates]]
-- **Projects/Contexts:** [[쇼핑 애플리케이션 도메인 모델]]
+- **Related Topics:** Domain-Driven Design, Clean Architecture, Entities, Aggregates
+- **Projects/Contexts:** 쇼핑 애플리케이션 도메인 모델
 - **Contradictions/Notes:** 소스 내에서 도메인 객체에 대한 모순이나 상반된 주장은 존재하지 않으며, 일관되게 시스템의 핵심 비즈니스 로직을 캡슐화하고 외부 의존성으로부터 철저히 분리되어야 하는 대상으로 강조됩니다 [1-3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Domain Objects.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Domain-Driven-Design-DDD.md b/10_Wiki/Topics/AI/Domain-Driven-Design-DDD.md
index 870c4aef..a06d632b 100644
--- a/10_Wiki/Topics/AI/Domain-Driven-Design-DDD.md
+++ b/10_Wiki/Topics/AI/Domain-Driven-Design-DDD.md
@@ -1,12 +1,12 @@
 ---
 id: DDD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-architecture, ddd, domain-driven-design, microservices, strategic-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Domain-Driven Design (DDD, 도메인 주도 설계)]]
+# Domain-Driven Design (DDD, 도메인 주도 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기술적 구현보다 비즈니스의 본질(도메인)을 코드의 중심에 두어라" — 복잡한 소프트웨어 프로젝트에서 비즈니스 로직과 기술 인프라를 분리하고, 도메인 전문가와 개발자가 동일한 언어(Ubiquitous Language)를 사용하여 시스템을 설계하는 방법론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 스킬과 지식 카테고리를 설계할 때 DDD 원칙을 적용하여, 각 에이전트가 명확한 도메인 경계 내에서 자율성을 갖도록 구성함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Microservices]], [[Strategic-Thinking]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Domain-Driven-Design-DDD.md]]
+- [[Software-Architecture-Patterns]], Microservices, [[Strategic-Thinking]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Domain-Driven-Design-DDD.md
diff --git a/10_Wiki/Topics/AI/Domain-Specific-Languages.md b/10_Wiki/Topics/AI/Domain-Specific-Languages.md
index 5bc47b19..b3405e22 100644
--- a/10_Wiki/Topics/AI/Domain-Specific-Languages.md
+++ b/10_Wiki/Topics/AI/Domain-Specific-Languages.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DSLS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, dsl, domain-specific-language, metaprogramming, abstraction, syntax, compiler]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 텍스트 기반 DSL 정책을 넘어, AI 가 자연어 정책을 DSL 정책으로 변환(Natural-Language-to-DSL)하여 시스템을 제어하는 인간-AI 인터페이스 정책의 핵심 기술로 진화 중임. (Natural-Language-Processing (NLP)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Communication]], [[Natural-Language-Processing (NLP)]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Logic]]
+- Communication, Natural-Language-Processing (NLP), [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Logic]]
 - **Key Examples**: SQL, HTML, Markdown, Terraform (HCL), RxJS.
 ---
diff --git a/10_Wiki/Topics/AI/Dopamine-Modeling.md b/10_Wiki/Topics/AI/Dopamine-Modeling.md
index 32d6dd8e..0c18b3af 100644
--- a/10_Wiki/Topics/AI/Dopamine-Modeling.md
+++ b/10_Wiki/Topics/AI/Dopamine-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DOMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, dopamine, neurobiology, reward-prediction-error, motivation, addiction]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 디지털 중독(SNS, 숏폼) 정책 분석 시, 도파민 모델링을 통해 어떻게 인간의 주의력을 인위적으로 탈취하는지 분석하고 이를 방어하는 '디지털 웰빙 정책' 수립에 활용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reward Prediction Error]], [[Reinforcement Learning (RL)]], [[Psychology & Behavior]], [[Cybernetics]], [[Neurobiology]]
+- [[Reward Prediction Error]], [[Reinforcement Learning (RL)]], [[Psychology & Behavior]], [[Cybernetics]], Neurobiology
 - **Modern Tech/Tools**: TD-learning algorithms, Brain-imaging studies (fMRI).
 ---
diff --git a/10_Wiki/Topics/AI/Dopaminergic Reward System.md b/10_Wiki/Topics/AI/Dopaminergic Reward System.md
index f19bbecf..a6ea791a 100644
--- a/10_Wiki/Topics/AI/Dopaminergic Reward System.md	
+++ b/10_Wiki/Topics/AI/Dopaminergic Reward System.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DOPAMINE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Neuroscience, Psychology, RewardSystem, Dopamine]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Dopaminergic Reward Systems.md b/10_Wiki/Topics/AI/Dopaminergic Reward Systems.md
index 3fbd8458..94810cdb 100644
--- a/10_Wiki/Topics/AI/Dopaminergic Reward Systems.md	
+++ b/10_Wiki/Topics/AI/Dopaminergic Reward Systems.md	
@@ -1,12 +1,12 @@
 ---
 id: DOPAMINE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, dopamine, reward-system, addiction, reinforcement-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Dopaminergic Reward Systems (도파민 보상 시스템)]]
+# Dopaminergic Reward Systems (도파민 보상 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생존과 학습을 추동하는 뇌의 화학적 엔진" — 기대한 보상과 실제 보상의 차이를 매개로 행동의 가치를 수정하고, 특정 행위를 반복하게 만드는 뇌내 신경전달물질 시스템.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** AI 강화학습의 보상 함수(Reward Function) 설계 시, 도파민의 RPE 기제를 모방하여 학습 효율을 극대화하는 알고리즘이 표준으로 자리 잡음.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Computational-Neuroscience]], [[Reward-Prediction-Error]], [[Addiction-Neuroscience]], [[Reinforcement-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Dopaminergic Reward Systems.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Computational-Neuroscience, Reward-Prediction-Error, Addiction-Neuroscience, [[Reinforcement-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Dopaminergic Reward Systems.md
diff --git a/10_Wiki/Topics/AI/Drama Management Systems.md b/10_Wiki/Topics/AI/Drama Management Systems.md
index 87a654bd..1519b334 100644
--- a/10_Wiki/Topics/AI/Drama Management Systems.md	
+++ b/10_Wiki/Topics/AI/Drama Management Systems.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DRAMA-MGMT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [GameDesign, AI, Narrative, DramaManagement]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 드라마 매니지먼트가 노골적이면 플레이어는 자신의 '자유의지(Agency)'가 침해받는다고 느껴 몰입이 깨진다(조작받는 느낌). 따라서 최근에는 LLM을 결합하여, 유저의 돌발 행동에도 논리적으로 대응하면서 자연스럽게 메인 플롯으로 복귀시키는 '생성형 드라마 매니지먼트'가 연구되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Dynamic Difficulty Adjustment (DDA)]] , [[Player-Agency]]
-- System: [[AI-Director (eg Left 4 Dead)]]
+- Related: [[Dynamic Difficulty Adjustment (DDA)]] , Player-Agency
+- System: AI-Director (eg Left 4 Dead)
diff --git a/10_Wiki/Topics/AI/Dramaturgy-Theory.md b/10_Wiki/Topics/AI/Dramaturgy-Theory.md
index cd64bb8e..5e2a61d6 100644
--- a/10_Wiki/Topics/AI/Dramaturgy-Theory.md
+++ b/10_Wiki/Topics/AI/Dramaturgy-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DRTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, dramaturgy, erving-goffman, sociology, impression-management, self, interaction]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 AI 페르소나 정책이나 가상 캐릭터와의 상호작용 정책에서도 사용자가 어떤 역할을 수행(RP)하느냐를 설명하는 HCI 분야의 유력한 배경 이론으로 확장됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Social-Psychology]], [[Structuralism]], [[Communication]], [[User-Experience]], [[Ethics]]
+- Social-Psychology, [[Structuralism]], Communication, User-Experience, Ethics
 - **Key Figure**: Erving Goffman (The Presentation of Self in Everyday Life).
 ---
diff --git a/10_Wiki/Topics/AI/Dry-Principle.md b/10_Wiki/Topics/AI/Dry-Principle.md
index cbec9088..a2c4572b 100644
--- a/10_Wiki/Topics/AI/Dry-Principle.md
+++ b/10_Wiki/Topics/AI/Dry-Principle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DRY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [SoftwareEngineering, Principles, DRY, CleanCode]
 last_reinforced: 2026-04-20
@@ -20,5 +20,5 @@ last_reinforced: 2026-04-20
 - DRY를 맹신하면 '성급한 추상화(Premature Abstraction)'에 빠지게 된다. 모양만 같고 '의미(Semantics)'가 다른 두 코드를 억지로 합치면, 나중에 각자의 비즈니스 로직이 달라질 때 코드가 꼬여버린다. 이럴 때는 차라리 중복을 허용하는 'WET(Write Everything Twice)'가 나을 수도 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Clean-Code]] , [[Modular-Programming]]
-- Contrast: [[YAGNI-Principle]]
+- Related: Clean-Code , [[Modular-Programming]]
+- Contrast: YAGNI-Principle
diff --git a/10_Wiki/Topics/AI/Dynamic Difficulty Adjustment (DDA).md b/10_Wiki/Topics/AI/Dynamic Difficulty Adjustment (DDA).md
index 29ceb642..27d1598a 100644
--- a/10_Wiki/Topics/AI/Dynamic Difficulty Adjustment (DDA).md	
+++ b/10_Wiki/Topics/AI/Dynamic Difficulty Adjustment (DDA).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DDA
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [GameDesign, AI, DDA, Experience]
 last_reinforced: 2026-04-20
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Flow-State]] , [[Artificial-Intelligence-in-Games]]
-- Concept: [[Player-Agency]]
+- Concept: Player-Agency
diff --git a/10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md b/10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md
index 065bd9e5..ec905b29 100644
--- a/10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md	
+++ b/10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md	
@@ -1,6 +1,6 @@
 ---
 id: DFS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-inference, prompt-engineering, llm, in-context-learning]
 last_reinforced: 2026-04-26
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 사용자의 질문 의도를 먼저 파악한 뒤, 관련 스킬 문서의 예제 중 가장 적합한 것을 Dynamic Few-Shot으로 주입하여 응답 정확도를 95% 이상으로 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Few-Shot-Learning]], [[In-Context-Learning]], [[Vector-Database]], [[RAG]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** [[Few-Shot-Learning]], [[In-Context-Learning]], Vector-Database, [[RAG]]
+- **Raw Source:** 10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md
diff --git a/10_Wiki/Topics/AI/Dynamic-Capabilities.md b/10_Wiki/Topics/AI/Dynamic-Capabilities.md
index f7c106e8..afcb0be2 100644
--- a/10_Wiki/Topics/AI/Dynamic-Capabilities.md
+++ b/10_Wiki/Topics/AI/Dynamic-Capabilities.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DYCA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, dynamic-capabilities, strategic-management, adaptability, innovation, business-theory]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 조직 역량 정책을 넘어, AI 시스템 자체에 '역동적 역량 정책'을 탑재하여 스스로 자신의 로직 정책을 환경에 맞춰 최적화하는 '자율 진화형 기업 시스템'으로의 진화 담론이 시작됨. (Evolutionary-Architecture와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision-Making]], [[Systems-Thinking]], [[Evolutionary-Architecture]], [[Strategic-Planning]], [[Innovation]], [[Sustainability]]
+- Decision-Making, [[Systems-Thinking]], Evolutionary-Architecture, [[Strategic-Planning]], [[Innovation]], [[Sustainability]]
 - **Key Figure**: David Teece.
 ---
diff --git a/10_Wiki/Topics/AI/Dynamic-Creative-Optimization.md b/10_Wiki/Topics/AI/Dynamic-Creative-Optimization.md
index 00476d83..d34a73e4 100644
--- a/10_Wiki/Topics/AI/Dynamic-Creative-Optimization.md
+++ b/10_Wiki/Topics/AI/Dynamic-Creative-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, dco, dynamic-creative, advertising, ad-tech, personalization, optimization]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 개인정보 보호 강화(쿠키리스 시대) 정책에 따라, 개인 식별 정책보다는 '맥락적 데이터 정책(Contextual data)'을 활용한 DCO 정책 모델이 새롭게 부상 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Personalization]], [[Optimization]], [[Efficiency]], [[Reinforcement Learning (RL)]], [[Statistics]], [[Analysis]]
+- Personalization, [[Optimization]], [[Efficiency]], [[Reinforcement Learning (RL)]], [[Statistics]], [[Analysis]]
 - **Key Concepts**: Dynamic Creative Alpha, Contextual Targeting.
 ---
diff --git a/10_Wiki/Topics/AI/Dynamic-Environment-Handling.md b/10_Wiki/Topics/AI/Dynamic-Environment-Handling.md
index 3ae20227..38e545a6 100644
--- a/10_Wiki/Topics/AI/Dynamic-Environment-Handling.md
+++ b/10_Wiki/Topics/AI/Dynamic-Environment-Handling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DYNAMIC-ENV
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [Dynamic Environment, Autonomous Driving, Adaptation, AI]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Autonomous-Vehicle-Path-Planning]] , [[Reliability_Safety_First]]
-- Foundation: [[Computational Thinking]]
+- Foundation: Computational Thinking
diff --git a/10_Wiki/Topics/AI/Dynamic-Programming.md b/10_Wiki/Topics/AI/Dynamic-Programming.md
index ea1a7939..1ebc1027 100644
--- a/10_Wiki/Topics/AI/Dynamic-Programming.md
+++ b/10_Wiki/Topics/AI/Dynamic-Programming.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DYPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, dynamic-programming, algorithms, optimization, memoization, subproblems]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/E-Learning-Gamification.md b/10_Wiki/Topics/AI/E-Learning-Gamification.md
index b2dc5aa3..bcd9be99 100644
--- a/10_Wiki/Topics/AI/E-Learning-Gamification.md
+++ b/10_Wiki/Topics/AI/E-Learning-Gamification.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ELGM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, e-learning, gamification, micro-learning, motivation, behavioral-economics, engagement]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 획일적인 보상 정책을 넘어, AI 가 학습자의 성향 정책을 분석하여 경쟁형, 탐험형, 소셜형 등 맞춤형 게임 환경 정책을 제공하는 '개인화 게이미피케이션 정책'이 대세임. (Personalization와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Customer-Experience]], [[Social-Psychology]], [[Personalization]], [[UX-Design-and-Engagement]], [[Corporate-LMS-Training]], [[Game-Design-Theory]]
+- Customer-Experience, Social-Psychology, Personalization, UX-Design-and-Engagement, [[Corporate-LMS-Training]], [[Game-Design-Theory]]
 - **Key Concepts**: Octalysis Framework (Yu-kai Chou).
 ---
diff --git a/10_Wiki/Topics/AI/E-commerce-Catalog-Management.md b/10_Wiki/Topics/AI/E-commerce-Catalog-Management.md
index 1406d5cc..dc3b6944 100644
--- a/10_Wiki/Topics/AI/E-commerce-Catalog-Management.md
+++ b/10_Wiki/Topics/AI/E-commerce-Catalog-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-CATALOG-MGMT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Ecommerce, DataManagement, Catalog, Taxonomy]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 카탈로그가 너무 세분화되면 고객은 '선택의 장애'를 느끼고, 관리자는 데이터 입력 지옥에 빠진다. 최근에는 정해진 카테고리 트리(Tree)를 따르기보다, 벡터 검색과 LLM을 활용해 '의도 기반 카탈로그(Intent-based Catalog)'를 구축하여 훨씬 유연한 상품 노출(Semantic Search)을 구현하는 추세다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Taxonomy-and-Ontology]] , [[벡터 데이터베이스 (Vector Database)]]
-- Platform: [[Shopify-Architecture]]
+- Related: Taxonomy-and-Ontology , [[벡터 데이터베이스 (Vector Database)]]
+- Platform: Shopify-Architecture
diff --git a/10_Wiki/Topics/AI/E-commerce-Optimization.md b/10_Wiki/Topics/AI/E-commerce-Optimization.md
index 666297ba..d5a0c119 100644
--- a/10_Wiki/Topics/AI/E-commerce-Optimization.md
+++ b/10_Wiki/Topics/AI/E-commerce-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EC-OPT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Ecommerce, Conversion, Optimization, GrowthHacking]
 last_reinforced: 2026-04-20
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Core-Web-Vitals]] , [[A_B-Testing-Platforms]]
-- Metric: [[Lifetime-Value (LTV)]]
+- Metric: Lifetime-Value (LTV)
diff --git a/10_Wiki/Topics/AI/ESLint-Plugin-Development.md b/10_Wiki/Topics/AI/ESLint-Plugin-Development.md
index 627fa0a4..5895ccc8 100644
--- a/10_Wiki/Topics/AI/ESLint-Plugin-Development.md
+++ b/10_Wiki/Topics/AI/ESLint-Plugin-Development.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ESPL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, eslint, plugin-development, static-analysis, ast, javascript, dev-tooling, automation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ ESLint 플러그인 개발(ESLint-Plugin-Development)은 여러 ESLint 규칙(Ru
 - **정책 변화(RL Update)**: 이제는 단순 에러 감지 정책을 넘어, 복잡한 리팩토링 정책을 코드가 써진 순간 자동으로 수행(Fixer)해 주는 보좌진 역할을 수행함. (Quality-Control와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Custom-ESLint-Rules]], [[Efficiency]], [[Quality-Control]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Automation]]
+- [[Custom-ESLint-Rules]], [[Efficiency]], [[Quality-Control]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], Automation
 - **Key Tools**: Yeoman generator-eslint, AST Explorer.
 ---
diff --git a/10_Wiki/Topics/AI/ESLint-Static-Analysis.md b/10_Wiki/Topics/AI/ESLint-Static-Analysis.md
index 42e318c1..f4affd98 100644
--- a/10_Wiki/Topics/AI/ESLint-Static-Analysis.md
+++ b/10_Wiki/Topics/AI/ESLint-Static-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ESLINT-STATIC
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [SoftwareEngineering, StaticAnalysis, ESLint, CodingStandard]
 last_reinforced: 2026-04-20
@@ -23,4 +23,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[SAST (Static Application Security Testing)]] , [[Dry-Principle]]
-- Tools: [[Prettier]] , [[Husky-Git-Hooks]]
+- Tools: [[Prettier]] , Husky-Git-Hooks
diff --git a/10_Wiki/Topics/AI/EU-Web-Accessibility-Directive.md b/10_Wiki/Topics/AI/EU-Web-Accessibility-Directive.md
index d8e59aab..1c21279a 100644
--- a/10_Wiki/Topics/AI/EU-Web-Accessibility-Directive.md
+++ b/10_Wiki/Topics/AI/EU-Web-Accessibility-Directive.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ACCESSIBILITY-DIR
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Accessibility, Policy, EU, Compliance, WebStandard]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 접근성 준수는 '추가 비용'으로 여겨지기 쉽지만, 검색 엔진(SEO) 최적화와 노년층 시장 확대라는 측면에서 강력한 비즈니스 기회가 된다. 2025년부터 시행될 **European Accessibility Act (EAA)**는 공공기관뿐만 아니라 민간 기업(은행, 전자상거래 등)까지 범위를 대폭 확대하므로, 글로벌 서비스를 준비한다면 필수적으로 대응해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Web-Content-Accessibility-Guidelines-WCAG]] , [[Universal-Design-Principles]]
-- Tooling: [[Axe-Core-Accessibility-Testing]]
+- Related: Web-Content-Accessibility-Guidelines-WCAG , Universal-Design-Principles
+- Tooling: Axe-Core-Accessibility-Testing
diff --git a/10_Wiki/Topics/AI/Ecology and Ecosystem Modeling.md b/10_Wiki/Topics/AI/Ecology and Ecosystem Modeling.md
index 00440997..c4435975 100644
--- a/10_Wiki/Topics/AI/Ecology and Ecosystem Modeling.md	
+++ b/10_Wiki/Topics/AI/Ecology and Ecosystem Modeling.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ECOLOGY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [Science, Systems, Ecology, Modeling]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 자연은 인간의 모델보다 훨씬 더 복잡하고 비선형적(카오스 이론)이다. 특정 종을 보호하려던 노력이 먹이사슬의 붕괴를 가져오는 '의도치 않은 결과'가 빈번하다. 최근에는 인공지능이 위성 데이터와 수천 개의 변수를 실시간 학습하여, 고전적인 통계 모델이 놓치던 미세한 생태적 변화를 파악하는 '디지털 트윈 기반 생태 관리'가 도입되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Complex-Adaptive-Systems]] , [[Self-Organized-Criticality]]
+- Related: Complex-Adaptive-Systems , Self-Organized-Criticality
 - Modern Tech: [[Digital-Twin-Technology]]
diff --git a/10_Wiki/Topics/AI/Economic-Analysis.md b/10_Wiki/Topics/AI/Economic-Analysis.md
index e110eedb..95f40752 100644
--- a/10_Wiki/Topics/AI/Economic-Analysis.md
+++ b/10_Wiki/Topics/AI/Economic-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ECAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, economic-analysis, strategy, markets, opportunity-cost, incentives]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Economic-Complexity-Index.md b/10_Wiki/Topics/AI/Economic-Complexity-Index.md
index ffeb3696..cc8de317 100644
--- a/10_Wiki/Topics/AI/Economic-Complexity-Index.md
+++ b/10_Wiki/Topics/AI/Economic-Complexity-Index.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ECIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, eci, economic-complexity, global-trade, knowledge-economy, industrial-growth, analytics]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 물리적 제품 수출 정책뿐만 아니라, 소프트웨어 정책, 특허 정책, 문화 콘텐츠 정책 등 '무형 자산의 복잡성 정책'을 어떻게 ECI 정책 모델에 포함할 것인가에 대한 논의가 활발함. (Network-Analysis (NA)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Strategic-Planning]], [[Network-Analysis (NA)]], [[Economics-of-Information]], [[Sustainability]], [[Complexity-Science]], [[Innovation]]
+- [[Strategic-Planning]], Network-Analysis (NA), [[Economics-of-Information]], [[Sustainability]], Complexity-Science, [[Innovation]]
 - **Key Concepts**: Product Space, Knowledge-based economy.
 ---
diff --git a/10_Wiki/Topics/AI/Economic-Mobility.md b/10_Wiki/Topics/AI/Economic-Mobility.md
index 894fc2bb..b9f728e6 100644
--- a/10_Wiki/Topics/AI/Economic-Mobility.md
+++ b/10_Wiki/Topics/AI/Economic-Mobility.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ECMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, economic-mobility, social-class, inequality, opportunity, economics, sociology]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 디지털 격차 정책(Digital Divide)이 새로운 유동성 저해 요인 정책으로 부상함에 따라, AI 시대의 기술 교육 정책과 데이터 주권 정책이 유동성 정책 확보의 새로운 전장으로 떠오르고 있음. (Ethics와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[E-Learning-Gamification]], [[Ethics]], [[Social-Psychology]], [[Economics-of-Information]], [[Sustainability]], [[Strategic-Planning]]
+- [[E-Learning-Gamification]], Ethics, Social-Psychology, [[Economics-of-Information]], [[Sustainability]], [[Strategic-Planning]]
 - **Key Theory**: Great Gatsby Curve.
 ---
diff --git a/10_Wiki/Topics/AI/Economics-of-Information.md b/10_Wiki/Topics/AI/Economics-of-Information.md
index a5aaf891..46105810 100644
--- a/10_Wiki/Topics/AI/Economics-of-Information.md
+++ b/10_Wiki/Topics/AI/Economics-of-Information.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ECIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, information-economics, asymetric-information, signaling, screening, market-failure, game-theory]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 가 정보를 생성하고 요약하는 시대가 되면서, '정보의 희소가치'는 낮아지고 '정보의 진위 검증 정책' 및 '희귀한 원본 데이터 정책(Raw truth)'의 가치가 경제학적 핵심 수익원으로 부상 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Risk-Management]], [[Dramaturgy-Theory]], [[Economics]], [[Attention-Economy]], [[Logic]], [[Decision-Making]]
+- [[Risk-Management]], [[Dramaturgy-Theory]], Economics, Attention-Economy, [[Logic]], Decision-Making
 - **Key Concepts**: Lemons problem (Akerlof), Signaling theory (Spence).
 ---
diff --git a/10_Wiki/Topics/AI/Edge-AI-and-Computing.md b/10_Wiki/Topics/AI/Edge-AI-and-Computing.md
index 8f9a679b..641419b0 100644
--- a/10_Wiki/Topics/AI/Edge-AI-and-Computing.md
+++ b/10_Wiki/Topics/AI/Edge-AI-and-Computing.md
@@ -1,12 +1,12 @@
 ---
 id: EDGE-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, infrastructure, edge-computing, on-device-ai, latency-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Edge AI and Computing (엣지 AI와 컴퓨팅)]]
+# Edge AI and Computing (엣지 AI와 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 태어나는 그곳에서 지능을 즉시 실행하라" — 클라우드 서버에 의존하지 않고 사용자의 단말기(스마트폰, IoT 기기, 로봇 등)에서 직접 AI 모델을 실행하여 지연 시간을 줄이고 프라이버시를 보호하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** ConnectAI 프로젝트는 로컬 LLM 엔드포인트를 활용한 '로컬 브레인' 전략을 통해, 사용자의 코드가 외부로 유출되지 않는 Edge AI 지향적 아키텍처를 추구함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[Data-Ethics-and-Privacy]], [[Federated-Learning]], [[Distributed-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Edge-AI-and-Computing.md]]
+- System-Design-for-AI-Scale, Data-Ethics-and-Privacy, [[Federated-Learning]], [[Distributed-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Edge-AI-and-Computing.md
diff --git a/10_Wiki/Topics/AI/Edge-Artificial-Intelligence.md b/10_Wiki/Topics/AI/Edge-Artificial-Intelligence.md
index 17201869..29119510 100644
--- a/10_Wiki/Topics/AI/Edge-Artificial-Intelligence.md
+++ b/10_Wiki/Topics/AI/Edge-Artificial-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EDAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, edge-ai, on-device-ai, privacy, low-latency, bandwidth, distributed-computing, hardware-acceleration]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 추론 정책(Inference)을 넘어, 각 기기에서 수집한 데이터로 현지화 학습 정책을 수행하고 그 결과만 공유하는 '연합 학습 정책(Federated Learning)'으로 진화 중임. (Reinforcement Learning (RL)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Security]], [[Optimization]], [[Reinforcement Learning (RL)]], [[Efficiency]], [[Architecture]], [[Automation]]
+- Security, [[Optimization]], [[Reinforcement Learning (RL)]], [[Efficiency]], [[Architecture]], Automation
 - **Key Platforms**: Apple Neural Engine, NVIDIA Jetson, Google Coral.
 ---
diff --git a/10_Wiki/Topics/AI/Edge-Computing.md b/10_Wiki/Topics/AI/Edge-Computing.md
index ffd34012..aed9fa9e 100644
--- a/10_Wiki/Topics/AI/Edge-Computing.md
+++ b/10_Wiki/Topics/AI/Edge-Computing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EDCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, edge-computing, iot, latency, distributed-computing, real-time]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Edtech-Industry-Trends.md b/10_Wiki/Topics/AI/Edtech-Industry-Trends.md
index a604b084..381c6a41 100644
--- a/10_Wiki/Topics/AI/Edtech-Industry-Trends.md
+++ b/10_Wiki/Topics/AI/Edtech-Industry-Trends.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EDTR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, edtech, education-technology, personalized-learning, adaptive-learning, lms, digital-transformation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 지식 전달 정책을 넘어, 학생의 감정 정책이나 집중도 정책을 AI 가 분석하여 정서적 케어까지 병행하는 '인간 중심 에듀테크'로 진화 중임. (Social-Psychology와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Personalization]], [[UX-Design-and-Engagement]], [[E-Learning-Gamification]], [[Social-Psychology]], [[Corporate-LMS-Training]], [[Innovation]]
+- Personalization, UX-Design-and-Engagement, [[E-Learning-Gamification]], Social-Psychology, [[Corporate-LMS-Training]], [[Innovation]]
 - **Key Market Players**: Coursera, Duolingo, Khan Academy.
 ---
diff --git a/10_Wiki/Topics/AI/Effective-Altruism-in-AI.md b/10_Wiki/Topics/AI/Effective-Altruism-in-AI.md
index d69f8d8f..fb94060c 100644
--- a/10_Wiki/Topics/AI/Effective-Altruism-in-AI.md
+++ b/10_Wiki/Topics/AI/Effective-Altruism-in-AI.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EAAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, effective-altruism, ea, ai-safety, ai-alignment, existential-risk, long-termism]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 EA 커뮤니티 내부의 권력 갈등과 극단적 효율성 정책에 대한 비판이 제기되면서, 더욱 투명하고 민주적인 AI 거버넌스 정책으로의 수정이 활발히 논의 중임. (Ethics와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics]], [[Risk-Management]], [[Sustainability]], [[Alignment]], [[Strategic-Planning]], [[Economics-of-Information]]
+- Ethics, [[Risk-Management]], [[Sustainability]], [[Alignment]], [[Strategic-Planning]], [[Economics-of-Information]]
 - **Key Figure/Org**: William MacAskill, Nick Bostrom, Future of Humanity Institute.
 ---
diff --git a/10_Wiki/Topics/AI/Efficiency.md b/10_Wiki/Topics/AI/Efficiency.md
index 6ffd094f..69fdbc77 100644
--- a/10_Wiki/Topics/AI/Efficiency.md
+++ b/10_Wiki/Topics/AI/Efficiency.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EFFI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, efficiency, optimization, resource-management, productivity, frugality]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 학습 시 연산 효율 정책을 최우선으로 하여, 무작정 모델을 키우는 대신 정제된 데이터와 최적화된 아키텍처로 '지능 밀도 정책'을 높이려는 경쟁이 시작됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization]], [[Distillation]], [[Dynamic-Programming]], [[Economic-Analysis]], [[Environmental-Impact]]
+- [[Optimization]], [[Distillation]], [[Dynamic-Programming]], [[Economic-Analysis]], Environmental-Impact
 - **Modern Tech/Tools**: Profilers, Resource monitors, Auto-scaling infrastructure.
 ---
diff --git a/10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.md b/10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.md
index cfdbdcee..cc0ea000 100644
--- a/10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.md
+++ b/10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-EIGEN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, linear-algebra, ai, eigenvalues, eigenvectors, dimensionality-reduction]
 last_reinforced: 2026-04-26
 ---
 
-# [[Eigenvalues and Eigenvectors (고유값과 고유벡터)]]
+# Eigenvalues and Eigenvectors (고유값과 고유벡터)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "행렬이라는 변환 속에서도 흔들리지 않는 축과 그 크기를 찾아라" — 선형 변환 시 방향은 변하지 않고 크기만 변하는 벡터(Eigenvector)와 그 변화하는 배수(Eigenvalue)로, 데이터의 본질적 구조를 파악하는 선형대수의 핵심 도구.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식 노드 간의 중요도를 산출하는 그래프 분석 알고리즘 설계 시 고유값 분해(Eigen-decomposition) 원리를 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principal-Component-Analysis-PCA]], [[Dimensionality-Reduction]], [[Linear-Algebra-Foundations]], [[Vector-Database-Selection]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.md]]
+- Principal-Component-Analysis-PCA, [[Dimensionality-Reduction]], [[Linear-Algebra-Foundations]], Vector-Database-Selection
+- **Raw Source:** 10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.md
diff --git a/10_Wiki/Topics/AI/Eligibility-Traces.md b/10_Wiki/Topics/AI/Eligibility-Traces.md
index 78673c19..289c8955 100644
--- a/10_Wiki/Topics/AI/Eligibility-Traces.md
+++ b/10_Wiki/Topics/AI/Eligibility-Traces.md
@@ -1,12 +1,12 @@
 ---
 id: RL-ELIG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [reinforcement-learning, ai, eligibility-traces, credit-assignment, temporal-difference]
 last_reinforced: 2026-04-26
 ---
 
-# [[Eligibility Traces (적격성 흔적)]]
+# Eligibility Traces (적격성 흔적)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현재의 보상을 과거의 어떤 행동에 나누어줄지 결정하는 지능적 기억의 자국" — 강화학습에서 발생한 보상을 과거에 방문했던 상태들과 연결하여 업데이트 효율을 높이는 기술로, TD($\lambda$) 알고리즘의 핵심.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 다단계 의사결정 모델은 적격성 흔적 원리를 활용하여, 최종 태스크 성공 시 그 과정에서 거쳐온 중간 지식 검색 단계들의 유용성을 소급 평가함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Temporal-Difference-Learning]], [[Reinforcement-Learning]], [[Q-Learning-Foundations]], [[Monte-Carlo-Methods]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Eligibility-Traces.md]]
+- [[Temporal-Difference-Learning]], [[Reinforcement-Learning]], Q-Learning-Foundations, [[Monte-Carlo-Methods]]
+- **Raw Source:** 10_Wiki/Topics/AI/Eligibility-Traces.md
diff --git a/10_Wiki/Topics/AI/Elite-Sport-Science-Protocols.md b/10_Wiki/Topics/AI/Elite-Sport-Science-Protocols.md
index 3f0ed37d..7e335dd0 100644
--- a/10_Wiki/Topics/AI/Elite-Sport-Science-Protocols.md
+++ b/10_Wiki/Topics/AI/Elite-Sport-Science-Protocols.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SPORT-SCIENCE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [SportsScience, Performance, Physiology, Biofeedback]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 'Over-training' 만큼 위험한 것이 'Over-monitoring'이다. 과도한 데이터 수집이 선수의 심리적 압박으로 작용하여 오히려 경기력을 저하시키는 경우가 발견되고 있다. 따라서 수치(Data)와 선수의 주관적 피로도(RPE) 사이의 균형을 맞추는 것이 현대 스포츠 과학의 핵심 트렌드다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Exercise-Physiology]] , [[Biofeedback-Training]]
-- Field: [[Kinesiology-Foundations]]
+- Related: Exercise-Physiology , Biofeedback-Training
+- Field: Kinesiology-Foundations
diff --git a/10_Wiki/Topics/AI/Elite-Strength-and-Conditioning.md b/10_Wiki/Topics/AI/Elite-Strength-and-Conditioning.md
index a00bc84a..11f62c47 100644
--- a/10_Wiki/Topics/AI/Elite-Strength-and-Conditioning.md
+++ b/10_Wiki/Topics/AI/Elite-Strength-and-Conditioning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-STRENGTH-COND
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Strength, Conditioning, Athletics, Physiology]
 last_reinforced: 2026-04-20
@@ -20,5 +20,5 @@ last_reinforced: 2026-04-20
 - 무조건 무거운 무게를 드는 '파워리프팅식' 접근이 모든 운동선수에게 정답은 아니다. 가동 범위(ROM) 확보와 협응력(Coordination)이 결여된 근력은 오히려 부상을 유발한다. 현대 컨디셔닝은 '가동성을 동반한 근력(Mobile Strength)'을 최우선 가치로 둔다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Hypertrophy-Mechanisms]] , [[VBT (Velocity Based Training)]]
-- Field: [[Athletic-Performance-Analysis]]
+- Related: Hypertrophy-Mechanisms , VBT (Velocity Based Training)
+- Field: Athletic-Performance-Analysis
diff --git a/10_Wiki/Topics/AI/Elite-Theory.md b/10_Wiki/Topics/AI/Elite-Theory.md
index e578b2cd..344506ec 100644
--- a/10_Wiki/Topics/AI/Elite-Theory.md
+++ b/10_Wiki/Topics/AI/Elite-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ELTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, elite-theory, sociology, power, governance, oligarchy, institutionalism]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 국가 권력 정책을 넘어, 거대 기업의 알고리즘 정책이 대중의 생각 정책(Attention-Economy)을 지배하는 '보이지 않는 과두제'에 대한 비판적 분석으로 확장됨. (Economics-of-Information와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Network-Analysis (NA)]], [[Strategic-Planning]], [[Economics-of-Information]], [[Attention-Economy]], [[Social-Psychology]], [[Structuralism]]
+- Network-Analysis (NA), [[Strategic-Planning]], [[Economics-of-Information]], Attention-Economy, Social-Psychology, [[Structuralism]]
 - **Key Thinkers**: Vilfredo Pareto, Gaetano Mosca, C. Wright Mills.
 ---
diff --git a/10_Wiki/Topics/AI/Embodied Cognition.md b/10_Wiki/Topics/AI/Embodied Cognition.md
index bc97ad65..3f581a21 100644
--- a/10_Wiki/Topics/AI/Embodied Cognition.md	
+++ b/10_Wiki/Topics/AI/Embodied Cognition.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EMBODIED-COGNITION
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [Philosophy, CognitiveScience, Psychology, Embodiment]
 last_reinforced: 2026-04-20
@@ -20,5 +20,5 @@ last_reinforced: 2026-04-20
 - 순수 소프트웨어 기반 AI(LLM)가 정말 '지능'을 가질 수 있는가에 대한 강력한 반론의 근거가 된다. 물리적 세계와 상호작용하는 '몸'이 없는 AI는 개념적 이해에 한계가 있다는 주장(Symbol Grounding Problem)이 끊임없이 제기된다. 이는 로보틱스 기반 AI 연구가 중요해진 이유이기도 하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Situated-Cognition]] , [[Phenomenology]]
-- Problem: [[Symbol-Grounding-Problem]]
+- Related: Situated-Cognition , Phenomenology
+- Problem: Symbol-Grounding-Problem
diff --git a/10_Wiki/Topics/AI/Embodied-AI.md b/10_Wiki/Topics/AI/Embodied-AI.md
index d714e412..7c3f8703 100644
--- a/10_Wiki/Topics/AI/Embodied-AI.md
+++ b/10_Wiki/Topics/AI/Embodied-AI.md
@@ -1,12 +1,12 @@
 ---
 id: EMBODIED-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, robotics, embodied-ai, computer-vision, reinforcement-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Embodied AI (체화된 인공지능)]]
+# Embodied AI (체화된 인공지능)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능은 데이터가 아니라, 물리 세계와의 처절한 상호작용 속에서 완성된다" — 인공지능이 물리적 실체(로봇, 가상 시뮬레이션의 에이전트)를 가지고 환경을 탐색하며, 시각-운동 협응과 상식을 스스로 터득해 나가는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 체화된 AI 원칙을 적용하여, 적 기체와 보스가 단순히 지정된 경로를 따르는 것이 아니라 물리적 제약 내에서 플레이어의 움직임에 반응하며 실시간 전략을 수립하도록 구현함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Robotics]], [[Reinforcement-Learning]], [[Computer-Vision-Mastery]], [[Multi-Agent-Systems-MAS]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Embodied-AI.md]]
+- [[Robotics]], [[Reinforcement-Learning]], Computer-Vision-Mastery, [[Multi-Agent-Systems-MAS]]
+- **Raw Source:** 10_Wiki/Topics/AI/Embodied-AI.md
diff --git a/10_Wiki/Topics/AI/Emergence-in-Complex-Systems.md b/10_Wiki/Topics/AI/Emergence-in-Complex-Systems.md
index 7a1276da..67ee0e09 100644
--- a/10_Wiki/Topics/AI/Emergence-in-Complex-Systems.md
+++ b/10_Wiki/Topics/AI/Emergence-in-Complex-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EMCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, emergence, complex-systems, holistic, self-organization, systems-thinking, nonlinearity]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근 LLM 연구에서는 모델의 파라미터 수가 특정 수준을 넘었을 때 '추론 능력 정책'이나 '다국어 능력 정책'이 발현되는 현상(Emergent abilities)을 수학적으로 분석하고 통제하려는 시도가 활발함. (Reasoning와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Systems-Thinking]], [[Self-Organization]], [[Reasoning]], [[Complexity-Science]], [[Dissipative-Structures]], [[Deep Learning (DL)]]
+- [[Systems-Thinking]], Self-Organization, [[Reasoning]], Complexity-Science, [[Dissipative-Structures]], Deep Learning (DL)
 - **Key Phrase**: "More is different" (Philip Anderson).
 ---
diff --git a/10_Wiki/Topics/AI/Emergence-in-Systems.md b/10_Wiki/Topics/AI/Emergence-in-Systems.md
index a92c533e..c26c34d1 100644
--- a/10_Wiki/Topics/AI/Emergence-in-Systems.md
+++ b/10_Wiki/Topics/AI/Emergence-in-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: EMERGENCE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems-theory, complexity, emergence, artificial-life, multi-agent-systems]
 last_reinforced: 2026-04-26
 ---
 
-# [[Emergence in Systems (시스템에서의 창발)]]
+# Emergence in Systems (시스템에서의 창발)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체는 부분의 합보다 크며, 단순한 규칙이 합쳐져 예측 불가능한 질서를 창조한다" — 개별 요소들은 가지지 못한 특성이 시스템 전체 차원에서 갑자기 나타나는 현상으로, 복잡계와 지능의 본질을 설명하는 핵심 개념.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 군집 드론 AI는 개별 기체에 복잡한 전술을 심는 대신, 단순한 '충돌 방지'와 '목표 추적' 규칙만을 부여하여 유기적인 진형 변화라는 창발적 행동을 유도함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Chaos-Theory-in-Systems]], [[Artificial-Life]], [[Multi-Agent-Systems-MAS]], [[Complexity-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Emergence-in-Systems.md]]
+- Chaos-Theory-in-Systems, [[Artificial-Life]], [[Multi-Agent-Systems-MAS]], [[Complexity-Theory]]
+- **Raw Source:** 10_Wiki/Topics/AI/Emergence-in-Systems.md
diff --git a/10_Wiki/Topics/AI/Emergence.md b/10_Wiki/Topics/AI/Emergence.md
index 20bb24b2..32d2d610 100644
--- a/10_Wiki/Topics/AI/Emergence.md
+++ b/10_Wiki/Topics/AI/Emergence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EMER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, emergence, complexity, self-organization, systems-thinking, collective-intelligence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Emotional-AI (Affective Computing).md b/10_Wiki/Topics/AI/Emotional-AI (Affective Computing).md
index 9c82e86c..2ab9b1bd 100644
--- a/10_Wiki/Topics/AI/Emotional-AI (Affective Computing).md	
+++ b/10_Wiki/Topics/AI/Emotional-AI (Affective Computing).md	
@@ -1,12 +1,12 @@
 ---
 id: EMOTION-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, affective-computing, emotional-ai, human-computer-interaction, sentiment-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Emotional AI (정서적 AI / 감성 컴퓨팅)]]
+# Emotional AI (정서적 AI / 감성 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 너머의 감정을 읽고, 인간과 정서적으로 교감하는 따뜻한 지능을 설계하라" — 인간의 표정, 음성 톤, 생체 신호 등을 분석하여 감정 상태를 인식하고, 이에 적절하게 반응함으로써 인간-컴퓨터 상호작용(HCI)의 질을 높이는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 퍼스널 비서 에이전트는 사용자의 질문 의도뿐만 아니라 문장에 담긴 '다급함'이나 '좌절감'을 감지하여 답변의 우선순위와 톤을 자동으로 조절함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Human-Computer-Interaction-HCI]], [[Multimodal-Learning]], [[NLP]], [[Theory-of-Mind-ToM-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Emotional-AI (Affective Computing).md]]
+- [[Human-Computer-Interaction-HCI]], [[Multimodal-Learning]], NLP, Theory-of-Mind-ToM-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Emotional-AI (Affective Computing).md
diff --git a/10_Wiki/Topics/AI/Emotionally Intelligent Tutoring Systems (EITS).md b/10_Wiki/Topics/AI/Emotionally Intelligent Tutoring Systems (EITS).md
index ee5608ff..d61a76ba 100644
--- a/10_Wiki/Topics/AI/Emotionally Intelligent Tutoring Systems (EITS).md	
+++ b/10_Wiki/Topics/AI/Emotionally Intelligent Tutoring Systems (EITS).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EITS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [EdTech, AI, EmotionalComputing, Tutoring]
 last_reinforced: 2026-04-20
@@ -20,5 +20,5 @@ last_reinforced: 2026-04-20
 - 개인 정보 보호 및 감정 감시(Privacy & Surveillance)에 대한 윤리적 이슈가 크다. 또한, AI가 감정을 '흉내'내는 것일 뿐 진짜 공감하는 것은 아니라는 점이 학습자에게 괴리감을 줄 수 있다. 최근에는 멀티모달(Multimodal) 센싱 기술의 비약적 발전으로 정확도가 크게 향상되었다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Affective-Computing]] , [[Instructional-Design-Models]]
-- Technology: [[Computer-Vision-Emotional-Analysis]]
+- Related: Affective-Computing , Instructional-Design-Models
+- Technology: Computer-Vision-Emotional-Analysis
diff --git a/10_Wiki/Topics/AI/Empathy-in-AI.md b/10_Wiki/Topics/AI/Empathy-in-AI.md
index 158df3e4..8b8e1628 100644
--- a/10_Wiki/Topics/AI/Empathy-in-AI.md
+++ b/10_Wiki/Topics/AI/Empathy-in-AI.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EMAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, empathy, ai-empathy, affect-computing, human-ai-interaction, emotional-intelligence]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ AI에서의 공감(Empathy-in-AI)은 기계가 환경이나 사용자로부터 
 - **정책 변화(RL Update)**: 기계의 공감이 위조된 것임에도 인간이 깊게 빠져드는 '인격화의 함정 정책'에 대한 경고와, 취약 계층이 AI에 과도하게 의존하는 사회적 리스크 정책에 대한 윤리적 가이드라인이 마련 중임. (Ethics & AI와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[User Experience (UX)]], [[Psychology & Behavior]], [[Branding]], [[Constitutional AI (헌법 AI)]]
+- [[Ethics & AI]], User Experience (UX), [[Psychology & Behavior]], [[Branding]], [[Constitutional AI (헌법 AI)]]
 - **Modern Tech/Tools**: Affectiva, Hume AI, Sentiment analysis models, Social robots.
 ---
diff --git a/10_Wiki/Topics/AI/Encapsulation-and-Information-Hiding.md b/10_Wiki/Topics/AI/Encapsulation-and-Information-Hiding.md
index 9e51b5da..f2dda1ad 100644
--- a/10_Wiki/Topics/AI/Encapsulation-and-Information-Hiding.md
+++ b/10_Wiki/Topics/AI/Encapsulation-and-Information-Hiding.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ENCAPSULATION
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [OOP, SoftwareDesign, Encapsulation, InformationHiding]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 캡슐화가 너무 과하면 지나친 추상화로 인해 코드가 복잡해지는 '추상 공해'가 발생한다. 무늬만 캡슐화인 단순 Getter/Setter 남발은 지양해야 한다. 최근 함수형 프로그래밍의 부상으로 데이터(Record)와 로직(Function)을 다시 분리하는 경향도 있으나, 대규모 시스템의 복잡도 제어에는 여전히 필수적인 개념이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Object-Oriented-Programming (OOP)]] , [[SoC (Separation of Concerns)]]
-- Practice: [[Getter-Setter-Abuse]]
+- Related: Object-Oriented-Programming (OOP) , SoC (Separation of Concerns)
+- Practice: Getter-Setter-Abuse
diff --git a/10_Wiki/Topics/AI/Encapsulation-of-Domain-Invariants.md b/10_Wiki/Topics/AI/Encapsulation-of-Domain-Invariants.md
index 7f6668bb..350aba96 100644
--- a/10_Wiki/Topics/AI/Encapsulation-of-Domain-Invariants.md
+++ b/10_Wiki/Topics/AI/Encapsulation-of-Domain-Invariants.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-DOM-INVARIANT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [SoftwareEngineering, DDD, DomainDrivenDesign, Reliability]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 모든 규칙을 객체 안에 넣으면 객체가 너무 비대해지는 'Fat Model' 문제가 생길 수 있다. 규칙이 여러 객체에 걸쳐 있거나 외부 자원(DB 등) 확인이 필요한 경우에는 '도메인 서비스'나 '유효성 검사기'로 역할을 분리하되, 객체 스스로의 자립성은 훼손하지 않는 균형이 필요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Domain-Driven-Design (DDD)]] , [[Value-Objects]]
-- Pattern: [[Factory-Method-Pattern]]
+- Related: Domain-Driven-Design (DDD) , Value-Objects
+- Pattern: Factory-Method-Pattern
diff --git a/10_Wiki/Topics/AI/Encapsulation-via-Access-Modifiers.md b/10_Wiki/Topics/AI/Encapsulation-via-Access-Modifiers.md
index 54bcfe8a..7eebecc7 100644
--- a/10_Wiki/Topics/AI/Encapsulation-via-Access-Modifiers.md
+++ b/10_Wiki/Topics/AI/Encapsulation-via-Access-Modifiers.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ACCESS-MODIFIERS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [OOP, Programming, AccessModifiers, Security]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Encapsulation-and-Information-Hiding]] , [[Interface-Segregation-Principle]]
-- Language Specific: [[TypeScript-Private-Fields]]
+- Language Specific: TypeScript-Private-Fields
diff --git a/10_Wiki/Topics/AI/End-to-End-Learning.md b/10_Wiki/Topics/AI/End-to-End-Learning.md
index b81018f1..0d89231d 100644
--- a/10_Wiki/Topics/AI/End-to-End-Learning.md
+++ b/10_Wiki/Topics/AI/End-to-End-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: E2E-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, end-to-end, neural-networks, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[End-to-End Learning (엔드-투-엔드 학습)]]
+# End-to-End Learning (엔드-투-엔드 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "중간 단계의 수작업을 걷어내고, 입력부터 출력까지 하나의 거대한 신경망으로 관통하라" — 시스템의 개별 모듈을 직접 설계하는 대신, 원시 데이터(Raw Data)를 입력하면 최종 결과물(Target)이 나오도록 전체 과정을 하나의 신경망으로 통합하여 학습시키는 방식.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 복잡한 자연어 처리 파이프라인(형태소 분석 -> 구문 분석 -> 의미 추출)을 LLM 기반의 엔드-투-엔드 추론 방식으로 점진적으로 전환하여 처리 속도와 정확도를 향상시킴.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Backpropagation]], [[System-Design-for-AI-Scale]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/End-to-End-Learning.md]]
+- Deep-Learning-Foundations, [[Backpropagation]], System-Design-for-AI-Scale, [[Representation-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/End-to-End-Learning.md
diff --git a/10_Wiki/Topics/AI/End-to-End-Testing-Strategies.md b/10_Wiki/Topics/AI/End-to-End-Testing-Strategies.md
index d2113c61..cc63e8d0 100644
--- a/10_Wiki/Topics/AI/End-to-End-Testing-Strategies.md
+++ b/10_Wiki/Topics/AI/End-to-End-Testing-Strategies.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EETS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, e2e-testing, testing-strategy, cypress, playwright, software-quality, automation]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ E2E 테스트(End-to-End-Testing)는 애플리케이션의 시작부터 끝까
 - **정책 변화(RL Update)**: 이제는 단순 시나리오 테스트 정책을 넘어, AI 가 스스로 실패 원인을 분석하여 테스트 코드를 수정(Self-healing)하거나 수만 개의 여정 정책을 자동으로 탐색하는 'AI-Driven E2E'로 진화 중임. (Automation와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Testing]], [[Reliability]], [[Customer-Journey-Mapping]], [[Automation]], [[Quality-Control]], [[Technical-Architecture]]
+- [[Testing]], [[Reliability]], [[Customer-Journey-Mapping]], Automation, [[Quality-Control]], [[Technical-Architecture]]
 - **Key Tools**: Playwright, Cypress, Selenium.
 ---
diff --git a/10_Wiki/Topics/AI/Endurance-Athletics-Cognition.md b/10_Wiki/Topics/AI/Endurance-Athletics-Cognition.md
index 0d80f420..d356c3a8 100644
--- a/10_Wiki/Topics/AI/Endurance-Athletics-Cognition.md
+++ b/10_Wiki/Topics/AI/Endurance-Athletics-Cognition.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ENDURANCE-COG
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [SportsPsychology, Endurance, Cognition, Fatigue]
 last_reinforced: 2026-04-20
@@ -21,4 +21,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Elite-Sport-Science-Protocols]] , [[Executive-Function-Deficit]]
-- Theory: [[Central-Governor-Theory]]
+- Theory: Central-Governor-Theory
diff --git a/10_Wiki/Topics/AI/Ensemble-Learning.md b/10_Wiki/Topics/AI/Ensemble-Learning.md
index b9d282d4..b9eb3cd9 100644
--- a/10_Wiki/Topics/AI/Ensemble-Learning.md
+++ b/10_Wiki/Topics/AI/Ensemble-Learning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ENLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, ensemble-learning, machine-learning, bagging, boosting, stacking]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 언어 모델 환경에서도 하나의 에이전트 대신 여러 에이전트 간 토론 과정을 거쳐 정답을 도출하는 '멀티 에이전트 앙상블 정책'이 답변의 정확도(Accuracy) 정책을 높이는 데 사용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Collective-Intelligence]], [[Optimization]], [[Quality Gates]], [[Signal in Noise]], [[Bias-Variance Tradeoff]]
+- [[Collective-Intelligence]], [[Optimization]], [[Quality Gates]], [[Signal in Noise]], Bias-Variance Tradeoff
 - **Modern Tech/Tools**: Scikit-Learn (Ensemble module), XGBoost, CatBoost, Multi-Agent systems.
 ---
diff --git a/10_Wiki/Topics/AI/Ensemble-Methods.md b/10_Wiki/Topics/AI/Ensemble-Methods.md
index d893f763..11b04926 100644
--- a/10_Wiki/Topics/AI/Ensemble-Methods.md
+++ b/10_Wiki/Topics/AI/Ensemble-Methods.md
@@ -1,12 +1,12 @@
 ---
 id: ENSEMBLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, ensemble, bagging, boosting, stacking]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ensemble Methods (앙상블 기법)]]
+# Ensemble Methods (앙상블 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한 명의 천재보다 여러 명의 평범한 모델이 내리는 합의가 더 정확하다" — 서로 다른 여러 머신러닝 모델의 예측 결과를 결합하여, 단일 모델보다 더 강력하고 안정적인 예측 성능을 이끌어내는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 분류 에이전트의 정확도를 높이기 위해, 각기 다른 임베딩 모델을 사용하는 여러 분류기의 결과를 앙상블하여 최종 카테고리를 확정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision-Trees-and-Random-Forests]], [[Machine-Learning]], [[Supervised-Learning-Foundations]], [[Cross-Validation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ensemble-Methods.md]]
+- Decision-Trees-and-Random-Forests, Machine-Learning, [[Supervised-Learning-Foundations]], Cross-Validation
+- **Raw Source:** 10_Wiki/Topics/AI/Ensemble-Methods.md
diff --git a/10_Wiki/Topics/AI/Ensuring-Data-Privacy.md b/10_Wiki/Topics/AI/Ensuring-Data-Privacy.md
index 5e077ac3..ba39d027 100644
--- a/10_Wiki/Topics/AI/Ensuring-Data-Privacy.md
+++ b/10_Wiki/Topics/AI/Ensuring-Data-Privacy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DPRI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, data-privacy, security, gdpr, differential-privacy, encryption, sovereignty]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 보관 정책을 넘어, AI 가 개인정보 정책을 학습할 때 발생하는 정보 유출 정책(Inference Attacks)을 막기 위한 '연합 학습 정책'이나 '합성 데이터 정책' 활용이 필수가 됨. (Synthetic-Data와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Security]], [[Risk-Management]], [[Statistics]], [[Synthetic-Data]], [[Ethics]], [[Sustainability]]
+- Security, [[Risk-Management]], [[Statistics]], [[Synthetic-Data]], Ethics, [[Sustainability]]
 - **Key Regulations**: GDPR, CCPA, PIPA.
 ---
diff --git a/10_Wiki/Topics/AI/Enterprise-Design-Systems.md b/10_Wiki/Topics/AI/Enterprise-Design-Systems.md
index 8f7bcf1c..67c359e8 100644
--- a/10_Wiki/Topics/AI/Enterprise-Design-Systems.md
+++ b/10_Wiki/Topics/AI/Enterprise-Design-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ENT-DESIGN-SYS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [DesignSystem, Enterprise, UI, UX, Scalability]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - 디자인 시스템이 '규제'가 되면 안 된다. 너무 엄격한 시스템은 각 제품의 개별 창의성을 억제한다. 현대의 엔터프라이즈 디자인 시스템은 '유연한 레고'처럼 제작되어, 핵심 가치는 유지하되 하위 서비스들이 로컬 최적화를 할 수 있도록 'Extension' 구조를 지향한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Frontend-Infrastructure]] , [[Design-Ops]]
-- Example: [[Adobe-Spectrum]] , [[Carbon-Design-System]]
+- Related: Frontend-Infrastructure , Design-Ops
+- Example: Adobe-Spectrum , Carbon-Design-System
diff --git a/10_Wiki/Topics/AI/Enterprise-Resource-Planning-Systems.md b/10_Wiki/Topics/AI/Enterprise-Resource-Planning-Systems.md
index ddc8cce7..9ef6656f 100644
--- a/10_Wiki/Topics/AI/Enterprise-Resource-Planning-Systems.md
+++ b/10_Wiki/Topics/AI/Enterprise-Resource-Planning-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ERP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [Enterprise, ERP, BusinessLogic, Systems]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - '온프레미스(On-premise)' 거대 ERP의 시대가 가고 'Cloud-Native SaaS' ERP의 시대가 왔다. 과거에는 기업이 소프트웨어에 몸을 맞췄다면, 이제는 API 연동을 통한 유연한 확장이 대세다. AI 기술을 결합하여 다음 달 매출을 예측하고 재고를 자동 주문하는 수준까지 진화 중이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Supply-Chain-Management]] , [[Business-Process-Reengineering]]
-- Major Players: [[SAP-HANA]] , [[Oracle-ERP]]
+- Related: Supply-Chain-Management , Business-Process-Reengineering
+- Major Players: SAP-HANA , Oracle-ERP
diff --git a/10_Wiki/Topics/AI/Enterprise-Scale-Monorepo-Management.md b/10_Wiki/Topics/AI/Enterprise-Scale-Monorepo-Management.md
index ed2bfb06..ba64a1cd 100644
--- a/10_Wiki/Topics/AI/Enterprise-Scale-Monorepo-Management.md
+++ b/10_Wiki/Topics/AI/Enterprise-Scale-Monorepo-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MONOREPO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [DevOps, Monorepo, Scalability, SoftwareEngineering]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - 모노레포는 만능 해결책이 아니다. 적절한 툴링과 자동화가 없으면 체크아웃 속도 저하와 '의존성 지옥'으로 변질된다. 특히 Git LFS나 Partial Clone 같은 고도화된 Git 전략 없이 몸집만 키우면 개발 생산성이 수직 낙하하므로 초기 인프라 설계가 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Micro-Frontends]] , [[CI-CD-Pipelines]]
-- Tools: [[Nx]] , [[Bazel-Build-System]]
+- Related: Micro-Frontends , CI-CD-Pipelines
+- Tools: Nx , Bazel-Build-System
diff --git a/10_Wiki/Topics/AI/Enterprise-Service-Bus.md b/10_Wiki/Topics/AI/Enterprise-Service-Bus.md
index 1028875d..d9680b5f 100644
--- a/10_Wiki/Topics/AI/Enterprise-Service-Bus.md
+++ b/10_Wiki/Topics/AI/Enterprise-Service-Bus.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ESBU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, esb, enterprise-service-bus, soa, middleware, integration, msa]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Enterprise-Software-Architecture.md b/10_Wiki/Topics/AI/Enterprise-Software-Architecture.md
index 71f0e517..d200059a 100644
--- a/10_Wiki/Topics/AI/Enterprise-Software-Architecture.md
+++ b/10_Wiki/Topics/AI/Enterprise-Software-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SOFTWARE-ARCH
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Architecture, Enterprise, SystemsDesign, DistributedSystems]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - 과거의 무거운 SOA(Service Oriented Architecture)에서 MSA(Microservices Architecture)로 주류가 이동했으나, 최근에는 서비스 과분절로 인한 운영 비용 급증을 경고하는 'Macro-services' 또는 'Modular Monolith'로의 회귀 흐름도 존재한다. 중요한 것은 유행이 아니라 비즈니스 도메인의 복잡도에 맞는 적정 기술의 선택이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Domain-Driven-Design (DDD)]] , [[Distributed-Systems]]
-- Patterns: [[Sidecar-Pattern]] , [[CQRS]]
+- Related: Domain-Driven-Design (DDD) , [[Distributed-Systems]]
+- Patterns: Sidecar-Pattern , CQRS
diff --git a/10_Wiki/Topics/AI/Enterprise-Software-Engineering.md b/10_Wiki/Topics/AI/Enterprise-Software-Engineering.md
index 5d065561..825a1208 100644
--- a/10_Wiki/Topics/AI/Enterprise-Software-Engineering.md
+++ b/10_Wiki/Topics/AI/Enterprise-Software-Engineering.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SOFTWARE-ENG
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [SoftwareEngineering, Enterprise, SDLC, Process]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - "일단 작동하게 만든다"는 해커 정신은 엔터프라이즈 환경에서 "누가 봐도 이해하고 유지보수할 수 있게 만든다"는 엔지니어링 원칙보다 하위에 있다. 최근 AI 보조 도구(Copilot 등)의 도입으로 '작성'의 속도보다는 '검증'과 '설계 역량'이 엔지니어의 핵심 덕목으로 더욱 강조되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Agile-Methodology]] , [[Test-Driven-Development]]
+- Related: Agile-Methodology , Test-Driven-Development
 - Concept: [[Technical-Debt]]
diff --git a/10_Wiki/Topics/AI/Entity-Relationship-Modeling.md b/10_Wiki/Topics/AI/Entity-Relationship-Modeling.md
index 0933686a..2256e979 100644
--- a/10_Wiki/Topics/AI/Entity-Relationship-Modeling.md
+++ b/10_Wiki/Topics/AI/Entity-Relationship-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ERMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, erd, entity-relationship, data-modeling, database-design, relational-algebra, schema]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 사람이 일일이 그리는 것을 넘어, AI 가 비즈니스 요구사항 정책(Text)을 읽고 최적의 정규화 정책(Normalization)이 적용된 ERD 정책을 자동으로 생성하고 성능 정책을 예측하는 'AI-Assisted Modeling'으로 진화 중임. (Schema와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Technical-Architecture]], [[Reliability]], [[Schema]], [[Logic]], [[Complexity-Theory]], [[Generalization]]
+- [[Technical-Architecture]], [[Reliability]], [[Schema]], [[Logic]], [[Complexity-Theory]], Generalization
 - **Key Concept**: Primary Key, Foreign Key, Integrity Constraints.
 ---
diff --git a/10_Wiki/Topics/AI/Entropy in Information Theory.md b/10_Wiki/Topics/AI/Entropy in Information Theory.md
index 4aa5a741..db0e0cb8 100644
--- a/10_Wiki/Topics/AI/Entropy in Information Theory.md	
+++ b/10_Wiki/Topics/AI/Entropy in Information Theory.md	
@@ -1,12 +1,12 @@
 ---
 id: INFO-ENTROPY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, information-theory, entropy, probability, data-compression]
 last_reinforced: 2026-04-26
 ---
 
-# [[Entropy in Information Theory (정보 이론에서의 엔트로피)]]
+# Entropy in Information Theory (정보 이론에서의 엔트로피)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "놀라움의 정도를 숫자로 측정하여 정보의 본질적 가치를 규명하라" — 클로드 섀넌이 정의한 개념으로, 확률 분포의 불확실성(Uncertainty)이나 무작위성을 수치화한 것이며, 데이터를 전송하거나 저장할 때 필요한 최소한의 정보량을 의미함.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 내의 키워드 추출이나 지식의 중요도 산출 시, 해당 단어나 문장이 지식 네트워크의 전체 엔트로피를 얼마나 낮추는지(정보 이득)를 기준으로 가치를 평가함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cross-Entropy-Loss]], [[Decision-Trees-and-Random-Forests]], [[Information-Theory]], [[Cybernetics-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Entropy in Information Theory.md]]
+- Cross-Entropy-Loss, Decision-Trees-and-Random-Forests, [[Information-Theory]], Cybernetics-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Entropy in Information Theory.md
diff --git a/10_Wiki/Topics/AI/Environment-Design-in-RL.md b/10_Wiki/Topics/AI/Environment-Design-in-RL.md
index ae3e65bc..6fb9b083 100644
--- a/10_Wiki/Topics/AI/Environment-Design-in-RL.md
+++ b/10_Wiki/Topics/AI/Environment-Design-in-RL.md
@@ -1,12 +1,12 @@
 ---
 id: RL-ENV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [reinforcement-learning, ai, environment-design, mdp, simulation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Environment Design in RL (강화학습에서의 환경 설계)]]
+# Environment Design in RL (강화학습에서의 환경 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "에이전트가 무엇을 배울지는 에이전트가 처한 환경과 보상의 구조가 결정한다" — 강화학습 모델이 목표로 하는 행동을 효과적으로 학습할 수 있도록 상태 공간, 행동 공간, 전이 확률, 그리고 보상 함수(Reward Function)를 수학적/공학적으로 정교하게 모델링하는 과정.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 함대 전투 AI 학습 시, 적 처치뿐만 아니라 아군 보호 및 연료 효율성 등 다각도의 환경 변수를 설계하여 균형 잡힌 전략을 유도함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Markov-Decision-Process-MDP]], [[Reward-Shaping]], [[Simulation-Principles]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Environment-Design-in-RL.md]]
+- [[Reinforcement-Learning]], [[Markov-Decision-Process-MDP]], Reward-Shaping, Simulation-Principles
+- **Raw Source:** 10_Wiki/Topics/AI/Environment-Design-in-RL.md
diff --git a/10_Wiki/Topics/AI/Enzyme-Inhibition-Kinetics.md b/10_Wiki/Topics/AI/Enzyme-Inhibition-Kinetics.md
index 4821fc81..808973b4 100644
--- a/10_Wiki/Topics/AI/Enzyme-Inhibition-Kinetics.md
+++ b/10_Wiki/Topics/AI/Enzyme-Inhibition-Kinetics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EINK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, enzyme-inhibition, kinetics, biochemistry, michaelis-menten, competitive-inhibition, drug-design]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 AI 가 수억 개의 화합물 정책 중 핵심 효소 정책을 최적으로 저해할 후보 물질 정책을 수분 만에 찾아내는 'AI 신약 설계'로 패러다임이 완전히 전환됨. (Bio-Informatics와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Scientific-Method]], [[Simulation]], [[Bio-Informatics]], [[Analysis]], [[Statistics]], [[Refinement]]
+- [[Scientific-Method]], Simulation, Bio-Informatics, [[Analysis]], [[Statistics]], [[Refinement]]
 - **Key Equation**: Michaelis-Menten Equation.
 ---
diff --git a/10_Wiki/Topics/AI/Epidemiological-Modeling.md b/10_Wiki/Topics/AI/Epidemiological-Modeling.md
index a3df6779..94b1ad2e 100644
--- a/10_Wiki/Topics/AI/Epidemiological-Modeling.md
+++ b/10_Wiki/Topics/AI/Epidemiological-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EPDM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, epidemiology, modeling, sir-model, public-health, simulation, forecasting]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 시뮬레이션 정책을 넘어, AI 가 실시간으로 전 세계 하수 데이터나 검색 트래픽 정책을 분석하여 변이 바이러스의 출현 정책을 조기 경보하는 '디지털 역학 감시 체계'로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Simulation]], [[Statistics]], [[Complexity-Science]], [[Risk-Management]], [[Sustainability]], [[Bio-Informatics]]
+- Simulation, [[Statistics]], Complexity-Science, [[Risk-Management]], [[Sustainability]], Bio-Informatics
 - **Key Milestone**: COVID-19 real-time modeling and strategy.
 ---
diff --git a/10_Wiki/Topics/AI/Epistemic-Uncertainty.md b/10_Wiki/Topics/AI/Epistemic-Uncertainty.md
index 7296b35f..486bb761 100644
--- a/10_Wiki/Topics/AI/Epistemic-Uncertainty.md
+++ b/10_Wiki/Topics/AI/Epistemic-Uncertainty.md
@@ -1,12 +1,12 @@
 ---
 id: UNCERT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, probability, statistics, epistemic-uncertainty, bayesian-deep-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Epistemic Uncertainty (인식적 불확실성)]]
+# Epistemic Uncertainty (인식적 불확실성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 부족해서 생기는 모델의 무지를 측정하고, 모른다는 것을 인정하게 하라" — 관측 데이터의 양이 충분하지 않아 모델의 파라미터를 정확히 추정할 수 없을 때 발생하는 불확실성으로, 추가적인 데이터를 통해 줄일 수 있는(Reducible) 불확실성.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 답변 생성 시 인식적 불확실성을 체크하며, 확신도가 낮은 정보에 대해서는 "확인이 필요한 사실"임을 명시하도록 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Uncertainty-Quantification]], [[Bayesian-Inference]], [[Active-Learning]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Epistemic-Uncertainty.md]]
+- [[Uncertainty-Quantification]], Bayesian-Inference, Active-Learning, [[Trustworthy-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Epistemic-Uncertainty.md
diff --git a/10_Wiki/Topics/AI/Epistemology.md b/10_Wiki/Topics/AI/Epistemology.md
index 400a63ef..66d14764 100644
--- a/10_Wiki/Topics/AI/Epistemology.md
+++ b/10_Wiki/Topics/AI/Epistemology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EPIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, epistemology, philosophy, knowledge, belief, truth, ai-epistemology]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델이 외부 지식을 실시간 검색해 답변하는 RAG(Retrieval-Augmented Generation) 정책은, 모델의 내재적 기억 정책보다 외부 데이터와의 '연결성 정책'을 지식의 핵심으로 보는 현대적 인식론의 구현체임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Philosophy of Science]], [[Analysis]], [[Signal in Noise]], [[Truth and Perspective]], [[Hallucination (환각)]]
+- Philosophy of Science, [[Analysis]], [[Signal in Noise]], Truth and Perspective, [[Hallucination (환각)]]
 - **Modern Tech/Tools**: RAG (Retrieval Augmented Generation), Knowledge graphs, Fact-checking algorithms.
 ---
diff --git a/10_Wiki/Topics/AI/Equality.md b/10_Wiki/Topics/AI/Equality.md
index 40400c0e..e851259d 100644
--- a/10_Wiki/Topics/AI/Equality.md
+++ b/10_Wiki/Topics/AI/Equality.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EQUA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.81
 tags: [auto-reinforced, equality, social-justice, ethics, diversity, accessibility]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델의 다국어 지원 정책과 저사양 기기 호환 정책 또한 '지식의 평등 정책'의 일환으로 중요시되며, 누구나 고성능 지능의 혜택을 누리는 '보편적 복지로서의 지능 정책'으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[Accessibility]], [[Cognitive Biases]], [[Constitutional AI (헌법 AI)]], [[Inclusion]]
+- [[Ethics & AI]], [[Accessibility]], [[Cognitive Biases]], [[Constitutional AI (헌법 AI)]], Inclusion
 - **Modern Tech/Tools**: Fairness-aware ML toolkits, Accessibility checkers, Federated learning for privacy.
 ---
diff --git a/10_Wiki/Topics/AI/Ergodic-Theory.md b/10_Wiki/Topics/AI/Ergodic-Theory.md
index 3b7ae7c4..2c070feb 100644
--- a/10_Wiki/Topics/AI/Ergodic-Theory.md
+++ b/10_Wiki/Topics/AI/Ergodic-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ERTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, ergodic-theory, dynamics, statistical-physics, probability, chaos, stability]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 물리 환경 정책을 넘어, AI 의 가중치 최적화 경로 정책이나 알고리즘의 수렴성 정책을 분석할 때 에르고드적 성질 정책 유무를 판단하는 것이 알고리즘 안정성 정책의 핵심이 됨. (Reliability와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistics]], [[System-Theory]], [[Reliability]], [[Complexity-Theory]], [[Entropy]], [[Analysis]]
+- [[Statistics]], [[System-Theory]], [[Reliability]], [[Complexity-Theory]], Entropy, [[Analysis]]
 - **Key Figure**: Ludwig Boltzmann, George David Birkhoff.
 ---
diff --git a/10_Wiki/Topics/AI/Ergonomics-in-Workspace-Design.md b/10_Wiki/Topics/AI/Ergonomics-in-Workspace-Design.md
index 828f6047..9ac98d7d 100644
--- a/10_Wiki/Topics/AI/Ergonomics-in-Workspace-Design.md
+++ b/10_Wiki/Topics/AI/Ergonomics-in-Workspace-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ERGO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [Design, Ergonomics, HumanFactors, Workspace]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 최신 인간공학은 단순히 '편안함'을 넘어 '능동적 휴식'과 결합하고 있다. (예: 스탠딩 데스크, 걷는 회의 등). AI 분야에서는 사무 환경을 실시간 감시하여 유저의 자세가 굽어지면 알람을 주거나, 스트레스 수치에 따라 조명과 높낮이를 자동 조절하는 'Adaptive Workspace'로 진화 중이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Gestalt-Principles-of-Design]] , [[Human-Computer-Interaction (HCI)]]
-- Health: [[Repetitive-Strain-Injury (RSI)]]
+- Related: [[Gestalt-Principles-of-Design]] , Human-Computer-Interaction (HCI)
+- Health: Repetitive-Strain-Injury (RSI)
diff --git a/10_Wiki/Topics/AI/Error-Boundary-Pattern.md b/10_Wiki/Topics/AI/Error-Boundary-Pattern.md
index 75e891b6..e9fce04c 100644
--- a/10_Wiki/Topics/AI/Error-Boundary-Pattern.md
+++ b/10_Wiki/Topics/AI/Error-Boundary-Pattern.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ERROR-BOUNDARY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [React, Patterns, Resilience, Reliability]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 에러 바운더리는 렌더링 중 에러만 잡으며, '비동기 호출(API)'이나 '이벤트 핸들러' 내부의 에러는 잡지 못한다. 따라서 이들은 별도의 `try-catch`나 리액트 쿼리의 에러 핸들링과 병행해야 한다. 최신 패턴은 명령형(Imperative) 에러 처리와 선언적(Declarative) 바운더리를 조밀하게 결합하는 방향으로 간다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Reliability-Patterns]] , [[React-Advanced-Patterns]]
-- Analytics: [[Sentry-Error-Tracking]]
+- Related: Reliability-Patterns , React-Advanced-Patterns
+- Analytics: Sentry-Error-Tracking
diff --git a/10_Wiki/Topics/AI/Es-Lint-Configuration.md b/10_Wiki/Topics/AI/Es-Lint-Configuration.md
index 4d103cd6..2a28c480 100644
--- a/10_Wiki/Topics/AI/Es-Lint-Configuration.md
+++ b/10_Wiki/Topics/AI/Es-Lint-Configuration.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ESLINT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [JavaScript, Tooling, ESLint, StaticAnalysis]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 최신 ESLint(v9+)는 설정 파일 형식이 완전히 바뀐 'Flat Config' 시대로 진입했다. 기존 `eslintrc.*` 방식은 레거시가 되었으므로, 새로운 프로젝트에서는 `eslint.config.js`를 사용해야 한다. 또한 포맷팅 전용 도구인 Prettier와 충돌하지 않도록 역할 분담(Linter: 논리검사, Formatter: 모양검사)을 명확히 하는 것이 핵심이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Prettier-Configuration]] , [[Custom-ESLint-Rules-Development]]
+- Related: Prettier-Configuration , [[Custom-ESLint-Rules-Development]]
 - Part of: [[SAST (Static Application Security Testing)]]
diff --git a/10_Wiki/Topics/AI/Escalation-of-Commitment.md b/10_Wiki/Topics/AI/Escalation-of-Commitment.md
index f7b09394..c5bdc7fa 100644
--- a/10_Wiki/Topics/AI/Escalation-of-Commitment.md
+++ b/10_Wiki/Topics/AI/Escalation-of-Commitment.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ESCM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, escalation-of-commitment, sunk-cost-fallacy, decision-making, psychology, behavioral-economics, management]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 기업의 R&D 정책뿐만 아니라, AI 프로젝트의 알고리즘 편향 정책이나 성능 저하 정책 발견 시 즉시 작업을 중단(Abort)하는 기술적 의사결정에도 이 방지 전략 정책이 적용됨. (Project-Management와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Economics-of-Information]], [[Dramaturgy-Theory]], [[Decision-Making]], [[Project-Management]], [[Social-Psychology]], [[Ethics]]
+- [[Economics-of-Information]], [[Dramaturgy-Theory]], Decision-Making, [[Project-Management]], Social-Psychology, Ethics
 - **Key Example**: Concorde Aircraft Project.
 ---
diff --git a/10_Wiki/Topics/AI/Ethical-Decision-Making.md b/10_Wiki/Topics/AI/Ethical-Decision-Making.md
index 2a29f4f9..41a6109f 100644
--- a/10_Wiki/Topics/AI/Ethical-Decision-Making.md
+++ b/10_Wiki/Topics/AI/Ethical-Decision-Making.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EDMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, ethical-decision-making, ethics, philosophy, justice, utilitariansim, deontology]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 인간의 의사결정 정책을 넘어, 자율주행차나 의료 AI 가 맞닥뜨릴 '트롤리 딜레마' 상황에서 어떤 윤리 정책을 탑재(Embedding)할 것인가에 대한 수학적 정의가 연구의 핵심임. (Ethics와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Logic]], [[Sensitivity-Analysis]], [[Ethics]], [[Decision-Making]], [[Quality-Control]], [[Effective-Altruism-in-AI]]
+- [[Logic]], [[Sensitivity-Analysis]], Ethics, Decision-Making, [[Quality-Control]], [[Effective-Altruism-in-AI]]
 - **Key Model**: Rest's Four-Component Model.
 ---
diff --git a/10_Wiki/Topics/AI/Ethics & AI.md b/10_Wiki/Topics/AI/Ethics & AI.md
index 44d34632..50c9d92b 100644
--- a/10_Wiki/Topics/AI/Ethics & AI.md	
+++ b/10_Wiki/Topics/AI/Ethics & AI.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ETAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, ethics, ai-ethics, alignment, safety, responsibility, bias]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Ethics of Autonomous Systems.md b/10_Wiki/Topics/AI/Ethics of Autonomous Systems.md
index 7172b051..a18c9bc6 100644
--- a/10_Wiki/Topics/AI/Ethics of Autonomous Systems.md	
+++ b/10_Wiki/Topics/AI/Ethics of Autonomous Systems.md	
@@ -1,12 +1,12 @@
 ---
 id: ETHICS-AUTO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-ethics, autonomous-systems, accountability, alignment, future-tech]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ethics of Autonomous Systems (자율 시스템의 윤리)]]
+# Ethics of Autonomous Systems (자율 시스템의 윤리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계의 선택이 생명과 직결될 때, 그 책임과 도덕적 근거는 누구에게 있는가" — 인간의 개입 없이 스스로 의사결정을 내리는 자율 시스템(자율주행차, 무인 드론 등)이 사회적, 윤리적 가치와 충돌할 때 발생하는 문제들을 다루는 철학적/기술적 기준.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 전투 시뮬레이션 에이전트는 비전투 자산에 대한 오사격을 방지하는 엄격한 타격 가이드라인을 학습 단계에서부터 강제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Ethics]], [[AI-Alignment]], [[Trustworthy-AI]], [[Constitutional-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ethics of Autonomous Systems.md]]
+- AI-Ethics, [[AI-Alignment]], [[Trustworthy-AI]], [[Constitutional-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Ethics of Autonomous Systems.md
diff --git a/10_Wiki/Topics/AI/Ethics-in-Artificial-Intelligence.md b/10_Wiki/Topics/AI/Ethics-in-Artificial-Intelligence.md
index 87567c2c..144fdd65 100644
--- a/10_Wiki/Topics/AI/Ethics-in-Artificial-Intelligence.md
+++ b/10_Wiki/Topics/AI/Ethics-in-Artificial-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ETHICS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI, Ethics, AISafety, Fairness, Bias]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Explainable-AI (XAI)]] , [[Constitutional AI (헌법 AI)]]
-- Risk: [[Algorithmic-Bias]]
+- Risk: Algorithmic-Bias
diff --git a/10_Wiki/Topics/AI/Ethnographic-Research.md b/10_Wiki/Topics/AI/Ethnographic-Research.md
index cbdaa2c2..4a1c92f7 100644
--- a/10_Wiki/Topics/AI/Ethnographic-Research.md
+++ b/10_Wiki/Topics/AI/Ethnographic-Research.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ETRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, ethnography, research-methodology, user-research, observation, contextual-inquiry, qualitative]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 관찰 정책을 넘어, AI 가 수억 명의 디지털 활동 궤적 정책을 분석하여 거시적인 문화적 흐름 정책을 민속지학적으로 해석해 주는 'Computational Ethnography 정책'이 부상 중임. (Text-Mining와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Customer-Journey-Mapping]], [[Innovation]], [[Text-Mining]], [[Research-Methodology]], [[Continuous-Discovery]], [[UX-Design-and-Engagement]]
+- [[Customer-Journey-Mapping]], [[Innovation]], [[Text-Mining]], [[Research-Methodology]], [[Continuous-Discovery]], UX-Design-and-Engagement
 - **Key Goal**: Emic perspective (내부자의 시각).
 ---
diff --git a/10_Wiki/Topics/AI/Etiology-of-Disease.md b/10_Wiki/Topics/AI/Etiology-of-Disease.md
index bd08d4ab..93076d59 100644
--- a/10_Wiki/Topics/AI/Etiology-of-Disease.md
+++ b/10_Wiki/Topics/AI/Etiology-of-Disease.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ETDI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, etiology, disease, pathology, causality, genetics, environment]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 생물학적 원인 정책을 넘어, 환자의 '디지털 병인(Digital Etiology)' - 즉, 스마트 기기 사용 패턴 정책이나 수면 정책, 식습관 데이터 정책 등을 분석하여 질병 이전의 전조 증상 정책을 포착하는 연구가 활발함. (Bio-Informatics와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Enzyme-Inhibition-Kinetics]], [[Epidemiological-Modeling]], [[Bio-Informatics]], [[Scientific-Method]], [[Reliability]], [[Sustainability]]
+- [[Enzyme-Inhibition-Kinetics]], [[Epidemiological-Modeling]], Bio-Informatics, [[Scientific-Method]], [[Reliability]], [[Sustainability]]
 - **Key Concepts**: Koch's postulates, Genetic predisposition.
 ---
diff --git a/10_Wiki/Topics/AI/Eudaimonia-and-Well-being.md b/10_Wiki/Topics/AI/Eudaimonia-and-Well-being.md
index 9f65e6de..d1bd8009 100644
--- a/10_Wiki/Topics/AI/Eudaimonia-and-Well-being.md
+++ b/10_Wiki/Topics/AI/Eudaimonia-and-Well-being.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EUWE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, eudaimonia, well-being, aristotle, happiness, self-actualization, ethics]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 인간의 행복 정책을 넘어, AI 가 인간의 에우다이모니아 정책을 보조할 수 있는지, 아니면 단순 쾌락 정책(Attention-Economy)에 중독시켜 이를 파괴하는지에 대한 윤리적 기술 설계 담론이 활발함. (Ethics와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethical-Decision-Making]], [[Social-Psychology]], [[Sustainability]], [[Ethics]], [[Attention-Economy]], [[Structuralism]]
+- [[Ethical-Decision-Making]], Social-Psychology, [[Sustainability]], Ethics, Attention-Economy, [[Structuralism]]
 - **Key Figure**: Aristotle (Nicomachean Ethics).
 ---
diff --git a/10_Wiki/Topics/AI/Event-Driven-Architecture.md b/10_Wiki/Topics/AI/Event-Driven-Architecture.md
index 46a5bfb6..e1209ecc 100644
--- a/10_Wiki/Topics/AI/Event-Driven-Architecture.md
+++ b/10_Wiki/Topics/AI/Event-Driven-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EVENT-DRIVEN
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Architecture, EventDriven, Async, PubSub]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 이벤트 주도는 시스템 흐름을 파악하기 어렵게 만든다(Where did this event come from?). 또한 '결과적 일관성(Eventual Consistency)'을 수용해야 하므로, 금융 거래처럼 원자성이 중요한 작업에는 설계 난이도가 급상승한다. 분산 추적(Distributed Tracing) 도구 없이는 재앙이 될 수 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Microservices-Architecture]] , [[Message-Queue-Design]]
-- Pattern: [[Observer-Pattern]]
+- Related: [[Microservices-Architecture]] , Message-Queue-Design
+- Pattern: Observer-Pattern
diff --git a/10_Wiki/Topics/AI/Evolutionary Biology.md b/10_Wiki/Topics/AI/Evolutionary Biology.md
index 2d2f8f27..ff41e49b 100644
--- a/10_Wiki/Topics/AI/Evolutionary Biology.md	
+++ b/10_Wiki/Topics/AI/Evolutionary Biology.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EVO-BIO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Biology, Evolution, Science, Darwinism]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - 다윈의 고전적 진화론은 '점진론(Phyletic Gradualism)'을 강조했으나, 실제 화석 기록에서는 급격한 변화와 정체기가 반복되는 '단속평형설(Punctuated Equilibrium)'이 관찰되기도 한다. 또한 현대 진화론은 '후성유전학(Epigenetics)'을 받아들여, DNA 서열 변화 없이도 획득 형질이 발현될 수 있는 메커니즘을 탐구하며 폭을 넓히고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Genetics-Foundations]] , [[Phylogenetic-Tree]]
+- Related: Genetics-Foundations , Phylogenetic-Tree
 - Algorithm: [[Evolutionary-Computation]]
diff --git a/10_Wiki/Topics/AI/Evolutionary Computation.md b/10_Wiki/Topics/AI/Evolutionary Computation.md
index c3c3e57b..2d5e1aaa 100644
--- a/10_Wiki/Topics/AI/Evolutionary Computation.md	
+++ b/10_Wiki/Topics/AI/Evolutionary Computation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EVO-COMP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [AI, EvolutionaryComputation, Optimization, GeneticAlgorithm]
 last_reinforced: 2026-04-20
@@ -22,4 +22,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Optimization-Algorithms]] , [[Genetic-Algorithms]]
-- AI Context: [[Reinforcement-Learning-vs-Evolutionary-Computation]]
+- AI Context: Reinforcement-Learning-vs-Evolutionary-Computation
diff --git a/10_Wiki/Topics/AI/Evolutionary-Algorithm-Design.md b/10_Wiki/Topics/AI/Evolutionary-Algorithm-Design.md
index 81ae1688..b0fb2dab 100644
--- a/10_Wiki/Topics/AI/Evolutionary-Algorithm-Design.md
+++ b/10_Wiki/Topics/AI/Evolutionary-Algorithm-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EADI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, evolutionary-algorithm, genetic-algorithm, optimization, heuristic, bio-inspired, search-strategy]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 유전 알고리즘 정책을 넘어, AI 가 스스로 진화 전략 정책을 설계(Auto-EA)하거나 강화학습과 결합하여 환경 변화에 실시간으로 적응하는 '자기 진화형 에이전트' 설계의 핵심 논리로 쓰임. (Reinforcement Learning (RL)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Search-Strategy]], [[Optimization]], [[Reinforcement Learning (RL)]], [[Complexity-Theory]], [[Generalization]], [[Deep Learning (DL)]]
+- [[Search-Strategy]], [[Optimization]], [[Reinforcement Learning (RL)]], [[Complexity-Theory]], Generalization, Deep Learning (DL)
 - **Key Types**: Genetic Algorithms (GA), Evolution Strategies (ES).
 ---
diff --git a/10_Wiki/Topics/AI/Evolutionary-Algorithms.md b/10_Wiki/Topics/AI/Evolutionary-Algorithms.md
index 90af3c85..0c20de20 100644
--- a/10_Wiki/Topics/AI/Evolutionary-Algorithms.md
+++ b/10_Wiki/Topics/AI/Evolutionary-Algorithms.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EVAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, evolutionary-algorithms, genetic-algorithms, optimization, bio-inspired, search]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Evolutionary-Computation.md b/10_Wiki/Topics/AI/Evolutionary-Computation.md
index 5a4c4f6f..b7ff7466 100644
--- a/10_Wiki/Topics/AI/Evolutionary-Computation.md
+++ b/10_Wiki/Topics/AI/Evolutionary-Computation.md
@@ -1,12 +1,12 @@
 ---
 id: EVO-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, evolutionary-computation, genetic-algorithm, optimization, bio-inspired]
 last_reinforced: 2026-04-26
 ---
 
-# [[Evolutionary Computation (진화 연산)]]
+# Evolutionary Computation (진화 연산)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생존에 유리한 코드를 남기고 진화시켜 전역 최적해를 향한 지름길을 찾아라" — 다윈의 진화론에서 영감을 얻어, 후보 해들의 집단(Population)을 생성하고 교배와 돌연변이를 거쳐 세대를 거듭하며 해의 품질을 높여가는 확률적 최적화 알고리즘.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Genetic-Algorithms]], [[Black-Box-Optimization]], [[Neural-Architecture-Search-NAS]], [[Neural-Darwinism]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Evolutionary-Computation.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Evolutionary-Computation.md
diff --git a/10_Wiki/Topics/AI/Excess-Property-Checking.md b/10_Wiki/Topics/AI/Excess-Property-Checking.md
index efe6a541..91c9a0c7 100644
--- a/10_Wiki/Topics/AI/Excess-Property-Checking.md
+++ b/10_Wiki/Topics/AI/Excess-Property-Checking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-TS-EXCESS-PROPERTITY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [TypeScript, Programming, TypeSafety, ErrorHandling]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 이 기능은 때때로 "덕 타이핑(Duck Typing)이라며 왜 안 돼?"라며 초보자들을 당황하게 만든다. 하지만 이는 리터럴 객체 생성 시 발생할 수 있는 오타(예: `colour` vs `color`)를 런타임 이전 단계에서 원천 봉쇄하기 위한 의도적인 설계다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Structural-Typing-vs-Nominal-Typing]] , [[TypeScript-Best-Practices]]
-- Concept: [[Type-Guard]]
+- Related: Structural-Typing-vs-Nominal-Typing , TypeScript-Best-Practices
+- Concept: Type-Guard
diff --git a/10_Wiki/Topics/AI/Executive Dysfunction.md b/10_Wiki/Topics/AI/Executive Dysfunction.md
index 64309ab7..e877b47f 100644
--- a/10_Wiki/Topics/AI/Executive Dysfunction.md	
+++ b/10_Wiki/Topics/AI/Executive Dysfunction.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EXECUTIVE-DYS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [Psychology, Brain, CognitiveScience, ExecutiveFunction]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 의지력(Willpower)의 부족이나 게으름과는 본질적으로 다르다. 신경학적으로 도파민 회로의 불균형이나 뇌 부위 간의 연결성 문제에서 기인한다. 현대에는 '환경 설계(Scaffolding)' 기술과 '외부 뇌(노션, 옵시디언 등)'를 활용하여 이러한 인지적 구멍을 메우는 보조 전략이 중요하게 다뤄진다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Dopaminergic-Reward-System]] , [[Executive-Function-Deficit]]
-- Tool: [[GTD-Methodology]]
+- Related: Dopaminergic-Reward-System , [[Executive-Function-Deficit]]
+- Tool: GTD-Methodology
diff --git a/10_Wiki/Topics/AI/Executive-Function-Deficit.md b/10_Wiki/Topics/AI/Executive-Function-Deficit.md
index 052694d7..3389e511 100644
--- a/10_Wiki/Topics/AI/Executive-Function-Deficit.md
+++ b/10_Wiki/Topics/AI/Executive-Function-Deficit.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EXECUTIVE-FUNC-DEFICIT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [Neuroscience, Psychology, Cognition]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 과거에는 단순 교육 부족이나 지능 문제로 오해받았으나, 현재는 뇌의 '실행 회로' 차원의 생물학적 결함으로 인정받는다. 약물 치료와 인지 행동 치료(CBT)가 병행될 때 가장 효과적이며, 특히 어린 시절의 조기 개입이 뇌 가소성을 활용해 큰 개선을 이룰 수 있다는 것이 정설이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Executive-Dysfunction]] , [[Prefrontal-Cortex-Role]]
-- Clinical: [[Neurodevelopmental-Disorders]]
+- Related: Executive-Dysfunction , Prefrontal-Cortex-Role
+- Clinical: Neurodevelopmental-Disorders
diff --git a/10_Wiki/Topics/AI/Exhaustiveness-Checking.md b/10_Wiki/Topics/AI/Exhaustiveness-Checking.md
index 46c15d5f..fae8618a 100644
--- a/10_Wiki/Topics/AI/Exhaustiveness-Checking.md
+++ b/10_Wiki/Topics/AI/Exhaustiveness-Checking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EXHAUSTIVENESS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [TypeScript, Safety, ExhaustivenessCheck, NeverType]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 망라성 검사는 '닫힌 시스템(Closed System)'에서는 완벽하지만, 외부 라이브러리에서 동적으로 확장되는 타입에 대해서는 무력할 수 있다. 이때는 `assertNever`와 같은 헬퍼 함수를 사용하여 런타임 에러를 명시적으로 던지도록 설계해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Discriminated-Unions]] , [[Type-Soundness]]
-- Tool: [[TypeScript Compiler (tsc)]]
+- Related: [[Discriminated-Unions]] , Type-Soundness
+- Tool: TypeScript Compiler (tsc)
diff --git a/10_Wiki/Topics/AI/Expectation-Maximization.md b/10_Wiki/Topics/AI/Expectation-Maximization.md
index c9e1b12f..39e38601 100644
--- a/10_Wiki/Topics/AI/Expectation-Maximization.md
+++ b/10_Wiki/Topics/AI/Expectation-Maximization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EXMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, em-algorithm, expectation-maximization, latent-variable, gmm, statistics, clustering, unsupervised-learning]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 수렴 정책을 넘어, 변분 추론(Variational Inference) 정책과 결합하여 딥러닝 내부의 확률적 분포 정책을 조정하는 고수준 생성 모델(VAE)의 이론적 토대로 진화함. (Deep Learning (DL)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistics]], [[Analysis]], [[Deep Learning (DL)]], [[Logic]], [[Complexity-Theory]], [[Generalization]]
+- [[Statistics]], [[Analysis]], Deep Learning (DL), [[Logic]], [[Complexity-Theory]], Generalization
 - **Key Use Case**: Gaussian Mixture Models (GMM), Hidden Markov Models (HMM).
 ---
diff --git a/10_Wiki/Topics/AI/Expected Utility Theory.md b/10_Wiki/Topics/AI/Expected Utility Theory.md
index 23871b63..f8b10e72 100644
--- a/10_Wiki/Topics/AI/Expected Utility Theory.md	
+++ b/10_Wiki/Topics/AI/Expected Utility Theory.md	
@@ -1,12 +1,12 @@
 ---
 id: EUT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [economics, decision-theory, probability, psychology]
 last_reinforced: 2026-04-26
 ---
 
-# [[Expected Utility Theory (기대 효용 이론)]]
+# Expected Utility Theory (기대 효용 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "불확실성 속에서 합리적인 선택을 내리는 수학적 잣대" — 각 결과의 발생 확률과 그 결과가 주는 주관적 가치(효용)를 곱하여 합산한 값이 가장 큰 선택안을 고르는 의사결정 모델.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** AI 에이전트의 위험 관리(Risk Management) 로직 설계 시, 단순 성공 확률뿐만 아니라 실패 시의 타격(Negative Utility)을 가중치로 두어 안정적인 의사결정을 유도함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Decision-Theory]], [[Game-Theory]], [[Prospect-Theory]], [[Rational-Choice]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Expected Utility Theory.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Decision-Theory, [[Game-Theory]], Prospect-Theory, Rational-Choice
+- **Raw Source:** 10_Wiki/Topics/AI/Expected Utility Theory.md
diff --git a/10_Wiki/Topics/AI/Experience-Replay.md b/10_Wiki/Topics/AI/Experience-Replay.md
index 004fc460..d17794ad 100644
--- a/10_Wiki/Topics/AI/Experience-Replay.md
+++ b/10_Wiki/Topics/AI/Experience-Replay.md
@@ -1,12 +1,12 @@
 ---
 id: RL-REPLAY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [reinforcement-learning, ai, experience-replay, dqn, stable-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Experience Replay (경험 재플레이)]]
+# Experience Replay (경험 재플레이)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "과거의 경험을 망각 속에 버리지 말고, 무작위로 꺼내어 현재의 지능을 다져라" — 에이전트가 환경과 상호작용하며 얻은 경험 데이터($s, a, r, s'$)를 버퍼에 저장하고, 학습 시 이들을 무작위로 샘플링하여 사용하여 학습의 상관관계를 끊고 효율을 높이는 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 적 기체 AI는 플레이어와의 교전 이력을 Replay Buffer에 저장하고, 이를 통해 다양한 플레이어의 전술에 범용적으로 대응하는 강건한 정책을 구축함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Q-Networks-DQN]], [[Reinforcement-Learning]], [[Q-Learning-Foundations]], [[Neural-Networks-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Experience-Replay.md]]
+- [[Deep-Q-Networks-DQN]], [[Reinforcement-Learning]], Q-Learning-Foundations, Neural-Networks-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Experience-Replay.md
diff --git a/10_Wiki/Topics/AI/Experience-Sampling-Method.md b/10_Wiki/Topics/AI/Experience-Sampling-Method.md
index 0117471d..1c0ea4df 100644
--- a/10_Wiki/Topics/AI/Experience-Sampling-Method.md
+++ b/10_Wiki/Topics/AI/Experience-Sampling-Method.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EXSM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, esm, experience-sampling, user-research, ecological-validity, emotion-tracking, psychology]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 질문 정책을 넘어, AI 가 사용자의 음성 톤 정책이나 표정 정책을 분석하여 '부정적 감정 정책'이 감지될 때만 샘플링을 수행(Triggered sampling)하는 등 사용자 부하 정책을 줄이는 방향으로 진화 중임. (Social-Psychology와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethnographic-Research]], [[Eudaimonia-and-Well-being]], [[Social-Psychology]], [[Research-Methodology]], [[Personalization]], [[Continuous-Discovery]]
+- [[Ethnographic-Research]], [[Eudaimonia-and-Well-being]], Social-Psychology, [[Research-Methodology]], Personalization, [[Continuous-Discovery]]
 - **Key Metric**: Affective state variability.
 ---
diff --git a/10_Wiki/Topics/AI/Explainable-AI (XAI).md b/10_Wiki/Topics/AI/Explainable-AI (XAI).md
index a619d278..81ca11b0 100644
--- a/10_Wiki/Topics/AI/Explainable-AI (XAI).md	
+++ b/10_Wiki/Topics/AI/Explainable-AI (XAI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EXAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, xai, explainable-ai, transparency, interpretability, trust]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 가시화를 넘어, AI가 자신의 사고 과정을 단계별로 풀어서 설명하는 CoT(Chain-of-Thought) 정책이 LLM 시대의 핵심 XAI 방법론으로 부상함. (Chain-of-Thought와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[Chain-of-Thought (CoT 사고 사슬)]], [[Trust and Perspective]], [[Transparency]], [[Bias-Variance Tradeoff]]
+- [[Ethics & AI]], [[Chain-of-Thought (CoT 사고 사슬)]], Trust and Perspective, Transparency, Bias-Variance Tradeoff
 - **Modern Tech/Tools**: SHAP, LIME, Captum (PyTorch), Integrated Gradients.
 ---
diff --git a/10_Wiki/Topics/AI/Explainable-AI-XAI.md b/10_Wiki/Topics/AI/Explainable-AI-XAI.md
index 23a7f6fd..6142d9f4 100644
--- a/10_Wiki/Topics/AI/Explainable-AI-XAI.md
+++ b/10_Wiki/Topics/AI/Explainable-AI-XAI.md
@@ -1,12 +1,12 @@
 ---
 id: XAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, xai, explainable-ai, transparency, interpretability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Explainable AI (XAI, 설명 가능한 인공지능)]]
+# Explainable AI (XAI, 설명 가능한 인공지능)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델이 '왜' 그런 판단을 내렸는지 인간의 언어로 증명하라" — 결과뿐만 아니라 그 결과에 도출된 과정과 근거를 인간이 이해할 수 있도록 제공하여, AI의 블랙박스 문제를 해결하고 신뢰성을 확보하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 제안한 코드나 지식 보강 내용에 대해, 참고한 소스 문서와 추론 과정을 'Rationale' 세션으로 명시하여 사용자 검증을 돕도록 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Trustworthy-AI]], [[AI-Ethics]], [[Decision-Making]], [[Feature-Engineering]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Explainable-AI-XAI.md]]
+- [[Trustworthy-AI]], AI-Ethics, Decision-Making, [[Feature-Engineering]]
+- **Raw Source:** 10_Wiki/Topics/AI/Explainable-AI-XAI.md
diff --git a/10_Wiki/Topics/AI/Exploding-Gradient Problem.md b/10_Wiki/Topics/AI/Exploding-Gradient Problem.md
index 864e42ab..514b9f3f 100644
--- a/10_Wiki/Topics/AI/Exploding-Gradient Problem.md	
+++ b/10_Wiki/Topics/AI/Exploding-Gradient Problem.md	
@@ -1,12 +1,12 @@
 ---
 id: GRAD-EXPL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, neural-networks, optimization, exploding-gradient]
 last_reinforced: 2026-04-26
 ---
 
-# [[Exploding Gradient Problem (기울기 폭주 문제)]]
+# Exploding Gradient Problem (기울기 폭주 문제)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기울기가 눈덩이처럼 커져 학습이 파괴되지 않도록 제어하라" — 딥러닝 학습 과정에서 역전파되는 기울기 값이 층을 거듭할수록 기하급수적으로 커져 가중치가 매우 큰 값으로 업데이트되고, 결국 학습이 불안정해지거나 실패(NaN 발생)하는 현상.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 임베딩 모델 학습 시, Gradient Clipping을 기본으로 설정하여 학습 초기 단계의 발산을 방지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Backpropagation]], [[Neural-Networks-Foundations]], [[Regularization-Techniques]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Exploding-Gradient Problem.md]]
+- [[Backpropagation]], Neural-Networks-Foundations, [[Regularization-Techniques]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Exploding-Gradient Problem.md
diff --git a/10_Wiki/Topics/AI/Exploration vs Exploitation.md b/10_Wiki/Topics/AI/Exploration vs Exploitation.md
index 881a7333..ae61fd63 100644
--- a/10_Wiki/Topics/AI/Exploration vs Exploitation.md	
+++ b/10_Wiki/Topics/AI/Exploration vs Exploitation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EXEX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, exploration, exploitation, reinforcement-learning, multi-armed-bandit, strategy]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 비즈니스 전략 정책에서, 기존 수익 모델에 안주하는 것(Exploitation)과 신사업을 발굴하는 것(Exploration) 사이의 '양손잡이 경영 정책'의 이론적 토대가 됨. (Strategic-Planning과 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[Multi-Armed Bandit (MAB)]], [[Decision Theory]], [[Strategic-Planning]], [[Optimization]]
+- [[Reinforcement Learning (RL)]], Multi-Armed Bandit (MAB), [[Decision Theory]], [[Strategic-Planning]], [[Optimization]]
 - **Modern Tech/Tools**: Recommender systems (Exploration balance), A/B testing algorithms.
 ---
diff --git a/10_Wiki/Topics/AI/Exploration-vs-Exploitation.md b/10_Wiki/Topics/AI/Exploration-vs-Exploitation.md
index b406a9e5..e7503896 100644
--- a/10_Wiki/Topics/AI/Exploration-vs-Exploitation.md
+++ b/10_Wiki/Topics/AI/Exploration-vs-Exploitation.md
@@ -1,12 +1,12 @@
 ---
 id: RL-EX-BAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [reinforcement-learning, ai, decision-making, exploration, exploitation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Exploration vs Exploitation (탐색과 활용의 균형)]]
+# Exploration vs Exploitation (탐색과 활용의 균형)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "안전한 현재의 수익과 불확실한 미래의 가능성 사이에서 최적의 배팅 지점을 찾아라" — 강화학습의 핵심 딜레마로, 이미 알고 있는 최선의 행동을 반복하여 보상을 얻는 것(Exploitation)과 더 나은 행동을 찾기 위해 새로운 시도를 하는 것(Exploration) 사이의 트레이드오프.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 지식 검색 에이전트는 사용자의 질문에 대해 가장 관련성 높은 문서만 보여주는 것(Exploitation)을 넘어, 가끔은 의외의 연결 고리를 가진 문서를 제안(Exploration)하여 창의적 통찰을 돕도록 설계됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Q-Learning-Foundations]], [[Multi-Armed-Bandit-MAB]], [[Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Exploration-vs-Exploitation.md]]
+- [[Reinforcement-Learning]], Q-Learning-Foundations, Multi-Armed-Bandit-MAB, Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Exploration-vs-Exploitation.md
diff --git a/10_Wiki/Topics/AI/Exploratory-Data-Analysis.md b/10_Wiki/Topics/AI/Exploratory-Data-Analysis.md
index 75bf5942..4eac4764 100644
--- a/10_Wiki/Topics/AI/Exploratory-Data-Analysis.md
+++ b/10_Wiki/Topics/AI/Exploratory-Data-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: EDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, statistics, eda, visualization, machine-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Exploratory Data Analysis (EDA, 탐색적 데이터 분석)]]
+# Exploratory Data Analysis (EDA, 탐색적 데이터 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델을 만들기 전, 데이터가 들려주는 날것의 이야기에 귀를 기울여라" — 수집된 데이터를 다양한 각도에서 관찰하고 시각화하여 데이터의 분포, 이상치, 변수 간 상관관계를 파악하고 가설을 세우는 필수적인 기초 분석 단계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 새로운 위키 소스 데이터가 확보될 때마다 자동화된 EDA 리포트를 생성하여, 지식의 밀도와 편향성을 사전에 점검함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Machine-Learning]], [[Feature-Engineering]], [[Dimensionality-Reduction]], [[Principal-Component-Analysis-PCA]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Exploratory-Data-Analysis.md]]
+- Machine-Learning, [[Feature-Engineering]], [[Dimensionality-Reduction]], Principal-Component-Analysis-PCA
+- **Raw Source:** 10_Wiki/Topics/AI/Exploratory-Data-Analysis.md
diff --git a/10_Wiki/Topics/AI/Expo 2025 Osaka.md b/10_Wiki/Topics/AI/Expo 2025 Osaka.md
index c76162f2..f9b9f801 100644
--- a/10_Wiki/Topics/AI/Expo 2025 Osaka.md	
+++ b/10_Wiki/Topics/AI/Expo 2025 Osaka.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AE03AD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Expo 2025 Osaka"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Three.js]], [[Particle System]]
-- **Projects/Contexts:** [[Utsubo]], [[Hokusai installation]], [[Waves of Connection]]
+- **Related Topics:** [[WebGPU]], Three.js, Particle System
+- **Projects/Contexts:** [[Utsubo]], Hokusai installation, Waves of Connection
 - **Contradictions/Notes:** 주어진 소스는 엑스포 내 특정 디지털 설치물(Utsubo의 유체 시뮬레이션)에 대한 기술적 성과만을 다루고 있으며, 엑스포 행사 전반에 대한 내용은 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Expo 2025 Osaka.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Exponential-Growth.md b/10_Wiki/Topics/AI/Exponential-Growth.md
index 16535751..6ba6907a 100644
--- a/10_Wiki/Topics/AI/Exponential-Growth.md
+++ b/10_Wiki/Topics/AI/Exponential-Growth.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EXGR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, exponential-growth, compounding, scaling, singularity, network-effects]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Extended-Reality-XR.md b/10_Wiki/Topics/AI/Extended-Reality-XR.md
index 9da95831..a5ecee4d 100644
--- a/10_Wiki/Topics/AI/Extended-Reality-XR.md
+++ b/10_Wiki/Topics/AI/Extended-Reality-XR.md
@@ -1,12 +1,12 @@
 ---
 id: XR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [future-tech, xr, vr, ar, mr, computer-vision, metaverse]
 last_reinforced: 2026-04-26
 ---
 
-# [[Extended Reality (XR, 확장 현실)]]
+# Extended Reality (XR, 확장 현실)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 감각을 디지털 공간으로 무한히 확장하고, 가상과 현실을 하나의 경험으로 통합하라" — 가상 현실(VR), 증강 현실(AR), 혼합 현실(MR)을 모두 포괄하는 용어로, 컴퓨터 그래픽과 AI를 통해 인간의 지각과 인터랙션을 물리적 제약 너머로 확장하는 기술 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 지식 그래프를 3D 공간에서 시각화하고 탐색할 수 있는 XR 인터페이스 도입을 장기 로드맵에 포함함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Mastery]], [[Human-Computer-Interaction-HCI]], [[Artificial-Life]], [[Generative-AI-Impact]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Extended-Reality-XR.md]]
+- Computer-Vision-Mastery, [[Human-Computer-Interaction-HCI]], [[Artificial-Life]], [[Generative-AI-Impact]]
+- **Raw Source:** 10_Wiki/Topics/AI/Extended-Reality-XR.md
diff --git a/10_Wiki/Topics/AI/Externalities.md b/10_Wiki/Topics/AI/Externalities.md
index ee0dbf51..0eecba23 100644
--- a/10_Wiki/Topics/AI/Externalities.md
+++ b/10_Wiki/Topics/AI/Externalities.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EXTE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, externalities, economics, spillover, social-cost, pollution]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 AI 학습에 드는 막대한 전력 소비와 탄소 발자국 정책을 '사회적 비용 부과 정책'으로 내재화하려는 '지속 가능한 AI 정책'이 글로벌 스탠다드가 되고 있음. (Circular-Economy와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Economic-Analysis]], [[Environmental-Impact]], [[Circular-Economy]], [[Ethics & AI]], [[Equality]]
+- [[Economic-Analysis]], Environmental-Impact, [[Circular-Economy]], [[Ethics & AI]], [[Equality]]
 - **Modern Tech/Tools**: Carbon tax calculations, Social impact assessment tools.
 ---
diff --git a/10_Wiki/Topics/AI/Extreme-Programming-XP.md b/10_Wiki/Topics/AI/Extreme-Programming-XP.md
index ef49b193..c472894b 100644
--- a/10_Wiki/Topics/AI/Extreme-Programming-XP.md
+++ b/10_Wiki/Topics/AI/Extreme-Programming-XP.md
@@ -1,12 +1,12 @@
 ---
 id: XP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, agile, extreme-programming, pair-programming, tdd]
 last_reinforced: 2026-04-26
 ---
 
-# [[Extreme Programming (XP, 익스트림 프로그래밍)]]
+# Extreme Programming (XP, 익스트림 프로그래밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "소프트웨어 개발의 핵심 원칙들을 극단적으로 밀어붙여 생산성과 품질의 한계를 돌파하라" — 고객의 요구사항 변화에 민첩하게 대응하고, 지속적인 테스트와 리뷰를 통해 코드의 완성도를 극대화하는 애자일 소프트웨어 개발 방법론.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트와 유저 간의 페어 프로그래밍 환경을 구축할 때 XP의 핵심 철학을 반영하여, 실시간 피드백과 점진적 개선 프로세스를 최우선으로 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Agile-Development]], [[Software-Architecture-Patterns]], [[DevOps-for-AI-MLOps]], [[Concreteness-Principle]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Extreme-Programming-XP.md]]
+- Agile-Development, [[Software-Architecture-Patterns]], [[DevOps-for-AI-MLOps]], [[Concreteness-Principle]]
+- **Raw Source:** 10_Wiki/Topics/AI/Extreme-Programming-XP.md
diff --git a/10_Wiki/Topics/AI/Eye-Tracking-in-UX-Research.md b/10_Wiki/Topics/AI/Eye-Tracking-in-UX-Research.md
index 87dd0809..d09099f7 100644
--- a/10_Wiki/Topics/AI/Eye-Tracking-in-UX-Research.md
+++ b/10_Wiki/Topics/AI/Eye-Tracking-in-UX-Research.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EYE-TRACKING
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [UX, EyeTracking, Research, UserBehavior]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 시선이 고정되었다고 해서 유저가 그 내용을 '이해'했다는 뜻은 아니다. 이해가 안 가서 '헤매는 중'일 수도 있다. 따라서 아이트래킹 데이터는 반드시 유저의 인터뷰(Thinking Aloud)나 행동 데이터와 교차 검증해야 한다. 최근에는 물리 장비 없이 웹캠과 AI(Computer Vision)만으로 고정밀 아이트래킹을 수행하는 SaaS 솔루션들이 대중화되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Gestalt-Principles-of-Design]] , [[UX-Research-Methods]]
+- Related: [[Gestalt-Principles-of-Design]] , UX-Research-Methods
 - Technology: [[Computer_Vision]]
diff --git a/10_Wiki/Topics/AI/Eye-Tracking.md b/10_Wiki/Topics/AI/Eye-Tracking.md
index b17c5c5c..6ccc57ad 100644
--- a/10_Wiki/Topics/AI/Eye-Tracking.md
+++ b/10_Wiki/Topics/AI/Eye-Tracking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EYTR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, eye-tracking, hci, biometrics, attention, usability]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 광고나 마케팅 정책에서 시선을 강제로 빼앗는 '다크 패턴 정책'에 대한 규제와, 시선 데이터가 개인의 무의식을 드러낸다는 점에서 발생하는 '생체 정보 시선 프라이버시 정책'이 강화되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[User Experience (UX)]], [[Design-System]], [[Affective Computing]], [[Analysis]], [[Cognitive Biases]]
+- User Experience (UX), [[Design-System]], [[Affective Computing]], [[Analysis]], [[Cognitive Biases]]
 - **Modern Tech/Tools**: Tobii, Gazepoint, Webcam-based eye trackers (Webgazer.js).
 ---
diff --git a/10_Wiki/Topics/AI/Factor-Analysis.md b/10_Wiki/Topics/AI/Factor-Analysis.md
index 9df2a0ff..9d0f3ae7 100644
--- a/10_Wiki/Topics/AI/Factor-Analysis.md
+++ b/10_Wiki/Topics/AI/Factor-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: STAT-FACTOR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, machine-learning, factor-analysis, latent-variables, dimensionality-reduction]
 last_reinforced: 2026-04-26
 ---
 
-# [[Factor Analysis (요인 분석)]]
+# Factor Analysis (요인 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수많은 겉모습 속에 숨겨진 공통의 근원을 찾아라" — 관측된 여러 변수들 사이의 상관관계를 분석하여, 배후에 존재하는 소수의 잠재 변수(Latent Variables) 혹은 요인(Factors)을 추출하는 통계적 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 성능 지표(응답 속도, 정확도, 토큰 사용량 등)를 분석할 때, 이들을 결정짓는 잠재 요인(예: 하드웨어 성능, 모델 복잡도, 네트워크 지연)을 분리하기 위해 요인 분석 기법을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principal-Component-Analysis-PCA]], [[Dimensionality-Reduction]], [[Exploratory-Data-Analysis]], [[Unsupervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Factor-Analysis.md]]
+- Principal-Component-Analysis-PCA, [[Dimensionality-Reduction]], [[Exploratory-Data-Analysis]], Unsupervised-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Factor-Analysis.md
diff --git a/10_Wiki/Topics/AI/Factory-Pattern.md b/10_Wiki/Topics/AI/Factory-Pattern.md
index 2f562a83..ab4d215c 100644
--- a/10_Wiki/Topics/AI/Factory-Pattern.md
+++ b/10_Wiki/Topics/AI/Factory-Pattern.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FACTORY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [DesignPatterns, Factory, OOP, Abstraction]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - 팩토리 패턴은 코드의 유연성을 높이지만, 단순한 객체 생성에도 팩토리를 도입하면 클래스 수가 많아지고 구조가 복잡해지는 '클래스 폭발'을 유발할 수 있다. 객체 생성 로직이 복잡하거나 타입에 따라 분기가 빈번할 때만 선택적으로 사용하는 것이 좋다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Dependency-Injection]] , [[Abstract-Factory-Pattern]]
-- Concept: [[Encapsulation]]
+- Related: [[Dependency-Injection]] , Abstract-Factory-Pattern
+- Concept: Encapsulation
diff --git a/10_Wiki/Topics/AI/Failable-Task-Handling.md b/10_Wiki/Topics/AI/Failable-Task-Handling.md
index 6b608ef3..adce31ac 100644
--- a/10_Wiki/Topics/AI/Failable-Task-Handling.md
+++ b/10_Wiki/Topics/AI/Failable-Task-Handling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FAILABLE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Programming, Resilience, ErrorHandling, TaskManagement]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 무분별한 재시도는 시스템의 '좀비 부하'를 유발한다. 실패의 유형을 '재시도 가능한(Transient)' 것과 '불가능한(Permanent)' 것으로 명확히 구분하는 로직이 핵심이며, 이를 위해 HTTP 상태 코드 등 표준 인터페이스를 적극 활용해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Reliability-Patterns]] , [[Event-Driven-Architecture]]
-- Pattern: [[Saga-Pattern]]
+- Related: Reliability-Patterns , [[Event-Driven-Architecture]]
+- Pattern: Saga-Pattern
diff --git a/10_Wiki/Topics/AI/Fault-Tolerance.md b/10_Wiki/Topics/AI/Fault-Tolerance.md
index 59aa4183..007f3b3b 100644
--- a/10_Wiki/Topics/AI/Fault-Tolerance.md
+++ b/10_Wiki/Topics/AI/Fault-Tolerance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FATO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, fault-tolerance, reliability, distributed-systems, redundancy, resilience]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델 추론 정책에서도 특정 노드나 연산 장치에 오류가 발생했을 때 이를 우회하여 정답을 도출하는 '강건한 신경망 추론 정책' 연구가 활발함. (Chaos Engineering과 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Distributed-Systems]], [[Scalability]], [[Technical-Architecture]], [[Quality Gates]], [[Monitoring]]
+- [[Distributed-Systems]], [[Scalability]], [[Technical-Architecture]], [[Quality Gates]], Monitoring
 - **Modern Tech/Tools**: Raid, Kubernetes (Self-healing), Netflix Chaos Monkey, Kafka replication.
 ---
diff --git a/10_Wiki/Topics/AI/Feature Clamping (피처 고정).md b/10_Wiki/Topics/AI/Feature Clamping (피처 고정).md
index 24a2a0ba..8f761ed7 100644
--- a/10_Wiki/Topics/AI/Feature Clamping (피처 고정).md	
+++ b/10_Wiki/Topics/AI/Feature Clamping (피처 고정).md	
@@ -1,12 +1,12 @@
 ---
 id: CLAMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-interpretability, mechanistic-interpretability, steering, neural-networks]
 last_reinforced: 2026-04-26
 ---
 
-# [[Feature Clamping (피처 고정 기법)]]
+# Feature Clamping (피처 고정 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델 내부의 특정 개념을 강제로 고정하여 출력을 조종하라" — 신경망 내부의 특정 활성화(Activation) 값을 인위적으로 고정(Clamp)하여 모델의 행동이나 스타일을 제어하는 기법.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** 모델의 편향이나 유해성을 제거하기 위해 특정 '부정적 피처'를 억제(Negative Clamping)하는 안전 가드레일로 활용 연구 중.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Mechanistic-Interpretability]], [[Circuit-Discovery]], [[Activation-Patching]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Feature Clamping (피처 고정).md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Mechanistic-Interpretability, Circuit-Discovery, Activation-Patching
+- **Raw Source:** 10_Wiki/Topics/AI/Feature Clamping (피처 고정).md
diff --git a/10_Wiki/Topics/AI/Feature-Engineering.md b/10_Wiki/Topics/AI/Feature-Engineering.md
index d415fc4d..e8a1c8df 100644
--- a/10_Wiki/Topics/AI/Feature-Engineering.md
+++ b/10_Wiki/Topics/AI/Feature-Engineering.md
@@ -1,12 +1,12 @@
 ---
 id: FEAT-ENG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, feature-engineering, data-preprocessing, ml-mastery]
 last_reinforced: 2026-04-26
 ---
 
-# [[Feature Engineering (피처 엔지니어링)]]
+# Feature Engineering (피처 엔지니어링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 모델이 가장 이해하기 쉬운 언어로 번역하고, 숨겨진 통찰을 숫자로 구체화하라" — 도메인 지식을 활용하여 원시 데이터로부터 모델의 예측 성능을 극대화할 수 있는 새로운 특징(Feature)을 생성하거나 기존 특징을 변환하는 과정.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 간의 관련성을 산출할 때, 단순 임베딩 거리에 '문서 구조적 유사도(헤더 개수, 링크 밀도 등)'를 피처로 추가하여 검색 정밀도를 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Exploratory-Data-Analysis]], [[Dimensionality-Reduction]], [[Deep-Learning-Foundations]], [[Data-Augmentation-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Feature-Engineering.md]]
+- [[Exploratory-Data-Analysis]], [[Dimensionality-Reduction]], Deep-Learning-Foundations, Data-Augmentation-Strategies
+- **Raw Source:** 10_Wiki/Topics/AI/Feature-Engineering.md
diff --git a/10_Wiki/Topics/AI/Feature-Flags.md b/10_Wiki/Topics/AI/Feature-Flags.md
index eb023eb5..2339662a 100644
--- a/10_Wiki/Topics/AI/Feature-Flags.md
+++ b/10_Wiki/Topics/AI/Feature-Flags.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FE FEATURE-FLAGS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [DevOps, FeatureFlags, Deployment, RiskManagement]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 피처 플래그를 방치하면 코드 곳곳에 조건문이 남게 되어 기술 부채(Technical Debt)가 급증한다. 기능이 성공적으로 안착했다면 즉시 플래그 코드를 지우는 '클린업 사이클'이 운영 프로세스에 반드시 포함되어야 한다. 또한 플래그 설정값 자체가 하나의 '전역 상태'이므로, 이에 대한 히스토리 관리가 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[DevOps-and-UX-Convergence]] , [[Continuous-Deployment]]
-- Strategy: [[Trunk-Based-Development]]
+- Related: [[DevOps-and-UX-Convergence]] , Continuous-Deployment
+- Strategy: Trunk-Based-Development
diff --git a/10_Wiki/Topics/AI/Federated-Learning.md b/10_Wiki/Topics/AI/Federated-Learning.md
index 24a36371..5c4ad417 100644
--- a/10_Wiki/Topics/AI/Federated-Learning.md
+++ b/10_Wiki/Topics/AI/Federated-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: FED-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, federated-learning, privacy, distributed-computing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Federated Learning (연합 학습)]]
+# Federated Learning (연합 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터는 각자의 자리에 두고, 지능(모델)만을 이동시켜 함께 성장하라" — 원본 데이터를 중앙 서버로 수집하지 않고, 분산된 여러 장치(Edge)에서 모델을 학습시킨 후 학습된 가중치(Gradient)만을 모아 전역 모델을 업데이트하는 프라이버시 보호형 분산 학습 기술.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 사용자의 개인적인 위키 지식을 학습에 반영할 때, 보안을 최우선으로 하기 위해 연합 학습 아키텍처 도입을 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Data-Ethics-and-Privacy]], [[Edge-AI-and-Computing]], [[Distributed-Computing]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Federated-Learning.md]]
+- Data-Ethics-and-Privacy, [[Edge-AI-and-Computing]], [[Distributed-Computing]], [[Trustworthy-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Federated-Learning.md
diff --git a/10_Wiki/Topics/AI/Feedback-Control-Systems.md b/10_Wiki/Topics/AI/Feedback-Control-Systems.md
index c15a16a3..d7db0f28 100644
--- a/10_Wiki/Topics/AI/Feedback-Control-Systems.md
+++ b/10_Wiki/Topics/AI/Feedback-Control-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: FEEDBACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [engineering, control-theory, feedback-loop, cybernetics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Feedback Control Systems (피드백 제어 시스템)]]
+# Feedback Control Systems (피드백 제어 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현재의 상태가 미래의 행동을 결정하게 하라" — 시스템의 출력을 관찰하고 이를 입력으로 다시 피드백하여, 목표 상태와의 오차를 실시간으로 줄여나가는 자동 조절 기전.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 '자가 수정 루프'는 Negative Feedback 원리를 사용하여 사용자의 의도와 답변 사이의 거리를 좁히는 데 집중함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Control-Systems-Engineering]], [[Cybernetics]], [[PID-Control]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Feedback-Control-Systems.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** [[Control-Systems-Engineering]], [[Cybernetics]], PID-Control
+- **Raw Source:** 10_Wiki/Topics/AI/Feedback-Control-Systems.md
diff --git a/10_Wiki/Topics/AI/Feedback-Loops in Systems.md b/10_Wiki/Topics/AI/Feedback-Loops in Systems.md
index 84c33c0f..693f223c 100644
--- a/10_Wiki/Topics/AI/Feedback-Loops in Systems.md	
+++ b/10_Wiki/Topics/AI/Feedback-Loops in Systems.md	
@@ -1,12 +1,12 @@
 ---
 id: SYS-FEEDBACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems-theory, cybernetics, feedback-loop, stability, growth-strategy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Feedback Loops in Systems (시스템에서의 피드백 루프)]]
+# Feedback Loops in Systems (시스템에서의 피드백 루프)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "결과가 다시 원인이 되는 순환의 고리를 설계하여, 스스로 제어하고 진화하는 시스템을 완성하라" — 시스템의 출력이 다시 입력으로 돌아와 시스템의 동작을 조절하거나 변화를 증폭시키는 메커니즘.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자의 '수정(Edit)' 행위를 에이전트의 '지식 정합성'을 높이는 강력한 음의 피드백 루프로 활용하여, 시간이 지날수록 지식 베이스의 오류를 0으로 수렴시킴.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cybernetics-Foundations]], [[Control-Theory]], [[Data-Flywheel-Effect]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Feedback-Loops in Systems.md]]
+- Cybernetics-Foundations, [[Control-Theory]], [[Data-Flywheel-Effect]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]]
+- **Raw Source:** 10_Wiki/Topics/AI/Feedback-Loops in Systems.md
diff --git a/10_Wiki/Topics/AI/Feedback-Loops-in-Design.md b/10_Wiki/Topics/AI/Feedback-Loops-in-Design.md
index 165032f1..5724d630 100644
--- a/10_Wiki/Topics/AI/Feedback-Loops-in-Design.md
+++ b/10_Wiki/Topics/AI/Feedback-Loops-in-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FFL
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [ProductDesign, UX, Feedback, Interaction]
 last_reinforced: 2026-04-20
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Micro-interactions]] , [[Gestalt-Principles-of-Design]]
-- Principle: [[Affordance (행동 유도성)]]
+- Principle: Affordance (행동 유도성)
diff --git a/10_Wiki/Topics/AI/Feedback-Loops.md b/10_Wiki/Topics/AI/Feedback-Loops.md
index ea0011cb..b907b741 100644
--- a/10_Wiki/Topics/AI/Feedback-Loops.md
+++ b/10_Wiki/Topics/AI/Feedback-Loops.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FELP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, feedback-loops, systems-thinking, cybernetics, self-correction, steering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Few-Shot-Learning.md b/10_Wiki/Topics/AI/Few-Shot-Learning.md
index b0039ec5..55c8f534 100644
--- a/10_Wiki/Topics/AI/Few-Shot-Learning.md
+++ b/10_Wiki/Topics/AI/Few-Shot-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: FEW-SHOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, few-shot-learning, meta-learning, transfer-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Few-Shot Learning (퓨샷 학습)]]
+# Few-Shot Learning (퓨샷 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단 몇 장의 사진만으로도 새로운 사물을 인지하는 인간의 영리함을 모델에 이식하라" — 방대한 데이터셋 대신, 아주 적은 수(보통 1~5개)의 학습 샘플만으로도 새로운 클래스를 인식하거나 태스크를 수행할 수 있게 하는 머신러닝 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 새로운 전문 용어나 고유 명사가 등장했을 때, 단 몇 개의 예시 문장만으로도 에이전트가 해당 용어의 맥락을 파악하도록 퓨샷 프롬프팅 전략을 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Zero-Shot-Learning]], [[Meta-Learning]], [[Transfer-Learning-Foundations]], [[LLM]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Few-Shot-Learning.md]]
+- [[Zero-Shot-Learning]], Meta-Learning, Transfer-Learning-Foundations, [[LLM]]
+- **Raw Source:** 10_Wiki/Topics/AI/Few-Shot-Learning.md
diff --git a/10_Wiki/Topics/AI/Figma-to-Code-Workflow.md b/10_Wiki/Topics/AI/Figma-to-Code-Workflow.md
index 18a4d6f1..c2bf5c9c 100644
--- a/10_Wiki/Topics/AI/Figma-to-Code-Workflow.md
+++ b/10_Wiki/Topics/AI/Figma-to-Code-Workflow.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FIGMA-WORKFLOW
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Design, Development, Figma, Workflow, DevOps]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 피그마 시안은 완벽해 보이지만, 실제 데이터가 들어갔을 때(긴 텍스트, 끊긴 이미지 등) 깨지는 경우가 많다. 이를 해결하기 위해 'Storybook'과 피그마를 연동하여 실제 코드로 구현된 컴포넌트를 피그마 안에서 미리 보거나, 'Stitch'와 같은 AI 도구를 통해 피그마 프리뷰를 즉시 작동하는 코드로 변환하는 자동화가 가속화되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[UI-Design-Systems]] , [[TailwindCSS-Architecture]]
-- Tool: [[Stitch (MCP Server)]]
+- Related: UI-Design-Systems , TailwindCSS-Architecture
+- Tool: Stitch (MCP Server)
diff --git a/10_Wiki/Topics/AI/Figurative-Language.md b/10_Wiki/Topics/AI/Figurative-Language.md
index 1d6f1399..62f56f82 100644
--- a/10_Wiki/Topics/AI/Figurative-Language.md
+++ b/10_Wiki/Topics/AI/Figurative-Language.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FILA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.84
 tags: [auto-reinforced, figurative-language, metaphor, linguistics, nlp, communication]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 인간의 완곡한 표현이나 풍자 정책을 감지하지 못해 발생하는 '소통 장애 정책'을 해결하기 위해, 비유적 언어 전담 데이터셋으로 학습된 '문맥 인지 모델 정책'이 정밀화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Empathy-in-AI]], [[Philosophy of Science]], [[Concept Mapping]], [[Knowledge synthesis]], [[Cognitive Biases]]
+- [[Empathy-in-AI]], Philosophy of Science, [[Concept Mapping]], [[Knowledge synthesis]], [[Cognitive Biases]]
 - **Modern Tech/Tools**: Figurative language detection datasets, Creative writing AI assistants.
 ---
diff --git a/10_Wiki/Topics/AI/Fine-tuning.md b/10_Wiki/Topics/AI/Fine-tuning.md
index 4b29a20b..dae7c350 100644
--- a/10_Wiki/Topics/AI/Fine-tuning.md
+++ b/10_Wiki/Topics/AI/Fine-tuning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FITU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, fine-tuning, llm, transfer-learning, domain-adaptation, lora]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 데이터를 넣는 수준을 넘어, 모델의 가치관과 윤리를 정렬하는 RLHF/DPO 정책과 결합되어 '지능의 방향성 정책'을 설정하는 과정으로 고도화됨. (DPO와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Transfer-Learning]], [[DPO (Direct Preference Optimization)]], [[Optimization]], [[Efficiency]], [[Constitutional AI (헌법 AI)]]
+- Transfer-Learning, [[DPO (Direct Preference Optimization)]], [[Optimization]], [[Efficiency]], [[Constitutional AI (헌법 AI)]]
 - **Modern Tech/Tools**: LoRA, QLoRA, Hugging Face `peft` library, Unsloth.
 ---
diff --git a/10_Wiki/Topics/AI/Finished Goods.md b/10_Wiki/Topics/AI/Finished Goods.md
index 13c33b54..d4e89779 100644
--- a/10_Wiki/Topics/AI/Finished Goods.md	
+++ b/10_Wiki/Topics/AI/Finished Goods.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FIGO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, finished-goods, manufacturing, supply-chain, product-management, value-chain]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Finite-Element-Analysis.md b/10_Wiki/Topics/AI/Finite-Element-Analysis.md
index 710fd906..36921110 100644
--- a/10_Wiki/Topics/AI/Finite-Element-Analysis.md
+++ b/10_Wiki/Topics/AI/Finite-Element-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: FEA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [engineering, simulation, physics, mathematics, cae]
 last_reinforced: 2026-04-26
 ---
 
-# [[Finite Element Analysis (FEA, 유한 요소 해석)]]
+# Finite Element Analysis (FEA, 유한 요소 해석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 전체를 단순한 조각으로 나누어 계산하라" — 복잡한 구조물의 물리적 거동을 무수히 작은 요소(Finite Elements)들의 연립 방정식으로 치환하여 수치적으로 해결하는 시뮬레이션 기법.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 자산 설계 시, 가상 구조물의 물리적 타당성을 검토하기 위한 수치 해석 모델링의 기초 이론으로 활용.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Computational-Fluid-Dynamics]], [[Numerical-Analysis]], [[Simulation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Finite-Element-Analysis.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Computational-Fluid-Dynamics, Numerical-Analysis, Simulation
+- **Raw Source:** 10_Wiki/Topics/AI/Finite-Element-Analysis.md
diff --git a/10_Wiki/Topics/AI/Finite-State-Machines-FSM.md b/10_Wiki/Topics/AI/Finite-State-Machines-FSM.md
index 583fd245..415363ed 100644
--- a/10_Wiki/Topics/AI/Finite-State-Machines-FSM.md
+++ b/10_Wiki/Topics/AI/Finite-State-Machines-FSM.md
@@ -1,12 +1,12 @@
 ---
 id: FSM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, game-ai, fsm, state-pattern, software-architecture]
 last_reinforced: 2026-04-26
 ---
 
-# [[Finite State Machines (FSM, 유한 상태 머신)]]
+# Finite State Machines (FSM, 유한 상태 머신)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 행동을 명확한 상태로 나누고, 조건에 따른 변천 과정을 설계하여 예측 가능한 지능을 구축하라" — 유한한 개수의 상태(State)와 상태 간의 전이(Transition), 그리고 전이를 발생시키는 이벤트로 시스템의 동작을 모델링하는 수학적/설계적 도구.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 모든 적 유닛과 보스 기체는 FSM 아키텍처를 기반으로 설계되어, 기획자의 의도에 맞는 정교하고 예측 가능한 행동 패턴을 보여줌.
 
 ## 🔗 지식 연결 (Graph)
-- [[Behavior-Trees-BT]], [[Decision-Making]], [[Physics-Engine]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Finite-State-Machines-FSM.md]]
+- Behavior-Trees-BT, Decision-Making, Physics-Engine, System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Finite-State-Machines-FSM.md
diff --git a/10_Wiki/Topics/AI/Finite-State-Machines.md b/10_Wiki/Topics/AI/Finite-State-Machines.md
index 7a502913..855c1e3e 100644
--- a/10_Wiki/Topics/AI/Finite-State-Machines.md
+++ b/10_Wiki/Topics/AI/Finite-State-Machines.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FSMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, fsm, finite-state-machine, automata, computer-science, logic-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/First Input Delay (FID).md b/10_Wiki/Topics/AI/First Input Delay (FID).md
index e0ca40fd..07d67cbb 100644
--- a/10_Wiki/Topics/AI/First Input Delay (FID).md	
+++ b/10_Wiki/Topics/AI/First Input Delay (FID).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DD1BE6
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - First Input Delay (FID)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Interaction to Next Paint (INP)]], [[Core Web Vitals]], [[Time to Interactive (TTI)]]
-- **Projects/Contexts:** [[Google Page Experience]], [[Chrome User Experience Report (CrUX)]]
+- **Projects/Contexts:** Google Page Experience, Chrome User Experience Report (CrUX)
 - **Contradictions/Notes:** 한때 구글 코어 웹 바이탈의 핵심 반응성 지표로 사용되었으나, 단일 상호작용만 측정하는 결함이 인정되어 2024년을 기점으로 공식 지표의 지위를 잃고 INP로 완전히 대체되었다 [3, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/First Input Delay (FID).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Fitness-Landscape.md b/10_Wiki/Topics/AI/Fitness-Landscape.md
index 5a22ec5c..881b923f 100644
--- a/10_Wiki/Topics/AI/Fitness-Landscape.md
+++ b/10_Wiki/Topics/AI/Fitness-Landscape.md
@@ -1,12 +1,12 @@
 ---
 id: EVO-FIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, evolutionary-computation, optimization, fitness-landscape, complex-systems]
 last_reinforced: 2026-04-26
 ---
 
-# [[Fitness Landscape (적합도 지형)]]
+# Fitness Landscape (적합도 지형)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "최적의 해를 찾는 과정은 안개 낀 산맥에서 가장 높은 봉우리를 정복하는 탐험과 같다" — 유전형(Genotype)이나 파라미터 조합에 따른 적합도(Fitness) 값을 다차원 공간상의 지형으로 시각화하여, 최적화 과정의 난이도와 전략을 분석하는 도구.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Evolutionary-Computation]], [[Genetic-Algorithms]], [[Black-Box-Optimization]], [[Exploration-vs-Exploitation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Fitness-Landscape.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Fitness-Landscape.md
diff --git a/10_Wiki/Topics/AI/Fixed Time Step vs Variable Time Step.md b/10_Wiki/Topics/AI/Fixed Time Step vs Variable Time Step.md
index 36019eb8..b8b183b5 100644
--- a/10_Wiki/Topics/AI/Fixed Time Step vs Variable Time Step.md	
+++ b/10_Wiki/Topics/AI/Fixed Time Step vs Variable Time Step.md	
@@ -1,12 +1,12 @@
 ---
 id: TIMESTEP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-development, simulation, physics-engine, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Fixed vs Variable Time Step (고정 및 가변 타임 스텝)]]
+# Fixed vs Variable Time Step (고정 및 가변 타임 스텝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "결정론적 물리와 부드러운 렌더링 사이의 줄타기" — 시뮬레이션의 시간 흐름을 일정한 간격으로 고정할지, 프레임워크 속도에 맞춰 유동적으로 조절할지에 대한 설계 선택.
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 물리 연산의 안정성을 위해 1/60초 Fixed Step을 사용하며, 비주얼 보간(Interpolation)을 통해 프레임 간 끊김을 방지함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Physics-Engine]], [[Game-Loop]], [[Interpolation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Fixed Time Step vs Variable Time Step.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Physics-Engine, Game-Loop, Interpolation
+- **Raw Source:** 10_Wiki/Topics/AI/Fixed Time Step vs Variable Time Step.md
diff --git a/10_Wiki/Topics/AI/Flow State.md b/10_Wiki/Topics/AI/Flow State.md
index 6544a1e3..3a6060be 100644
--- a/10_Wiki/Topics/AI/Flow State.md	
+++ b/10_Wiki/Topics/AI/Flow State.md	
@@ -1,12 +1,12 @@
 ---
 id: FLOW-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [psychology, productivity, flow, peak-performance]
 last_reinforced: 2026-04-26
 ---
 
-# [[Flow State (몰입 상태)]]
+# Flow State (몰입 상태)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자아와 시간이 사라지고 행위만 남는 최적의 경험" — 도전 과제의 난이도와 자신의 기술 수준이 완벽한 균형을 이룰 때 도달하는, 고도의 집중과 창의성이 발휘되는 심리적 상태.
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 UX 설계 시, 사용자가 학습 루프 내에서 몰입 상태를 유지할 수 있도록 점진적 난이도 상승(Progressive Disclosure) 기법을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Mihaly-Csikszentmihalyi]], [[Cognitive-Load-Theory]], [[Deep-Work]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Flow State.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Mihaly-Csikszentmihalyi, Cognitive-Load-Theory, Deep-Work
+- **Raw Source:** 10_Wiki/Topics/AI/Flow State.md
diff --git a/10_Wiki/Topics/AI/Flow-State.md b/10_Wiki/Topics/AI/Flow-State.md
index 5631a131..96a7fe87 100644
--- a/10_Wiki/Topics/AI/Flow-State.md
+++ b/10_Wiki/Topics/AI/Flow-State.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FLST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, flow-state, psychology, productivity, Mihaly-Csikszentmihalyi, high-performance]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Fluent-Interface-Design.md b/10_Wiki/Topics/AI/Fluent-Interface-Design.md
index f819bf07..03146432 100644
--- a/10_Wiki/Topics/AI/Fluent-Interface-Design.md
+++ b/10_Wiki/Topics/AI/Fluent-Interface-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FLUENT-INTERFACE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [SoftwareEngineering, API, Pattern, CleanCode]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 플루언트 인터페이스는 디버깅 시 중간 단계에서 멈추기 어렵게 만들 수 있으며, 너무 길어지면 오히려 가독성을 해칠 수 있다. 또한 '강한 결합'을 유도할 수 있으므로, 각 단계가 독립된 기능을 수행하면서도 조화롭게 연결되도록 인터페이스를 매우 정교하게 설계해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Clean-Code]] , [[Builder-Pattern]]
+- Related: Clean-Code , Builder-Pattern
 - Evolution: [[Functional-Programming]]
diff --git a/10_Wiki/Topics/AI/Fluid-Dynamics for Games.md b/10_Wiki/Topics/AI/Fluid-Dynamics for Games.md
index 831c004f..e4566898 100644
--- a/10_Wiki/Topics/AI/Fluid-Dynamics for Games.md	
+++ b/10_Wiki/Topics/AI/Fluid-Dynamics for Games.md	
@@ -1,12 +1,12 @@
 ---
 id: PHYS-FLUID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-dev, physics-engine, fluid-dynamics, simulation, vfx]
 last_reinforced: 2026-04-26
 ---
 
-# [[Fluid Dynamics for Games (게임을 위한 유체 역학)]]
+# Fluid Dynamics for Games (게임을 위한 유체 역학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "물과 공기의 복잡한 춤을 실시간 연산 가능한 수학적 마법으로 재현하라" — 게임 내에서 물, 연기, 불, 가스 등 유체의 움직임을 사실적으로 시뮬레이션하기 위해 나비에-스토크스 방정식을 간소화하여 실시간으로 처리하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 보스 폭발 및 특수 무기 효과 시 시각적 임팩트를 위해 경량화된 SPH(Smoothed Particle Hydrodynamics) 기반의 유체 시뮬레이션을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Physics-Engine]], [[Determinism-in-Computing]], [[Time-Step-Logic-in-Games]], [[Computer-Vision-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Fluid-Dynamics for Games.md]]
+- Physics-Engine, [[Determinism-in-Computing]], [[Time-Step-Logic-in-Games]], Computer-Vision-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/Fluid-Dynamics for Games.md
diff --git a/10_Wiki/Topics/AI/Focal-Loss.md b/10_Wiki/Topics/AI/Focal-Loss.md
index a7fdb9b7..cf8e750e 100644
--- a/10_Wiki/Topics/AI/Focal-Loss.md
+++ b/10_Wiki/Topics/AI/Focal-Loss.md
@@ -1,12 +1,12 @@
 ---
 id: LOSS-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, loss-function, focal-loss, imbalanced-data]
 last_reinforced: 2026-04-26
 ---
 
-# [[Focal Loss (포컬 손실)]]
+# Focal Loss (포컬 손실)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이미 잘 아는 쉬운 문제에 안주하지 말고, 틀리기 쉬운 어려운 문제에 더 집중하여 학습하라" — 클래스 불균형이 심한 데이터셋에서 대다수를 차지하는 배경이나 쉬운 샘플의 기여도를 낮추고, 희귀하거나 어려운 샘플에 가중치를 두어 학습 효율을 극대화하는 손실 함수.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 수만 개의 일반 지식 문서 사이에서 극소수의 '핵심 프로젝트 로그'를 분류해내는 정밀 탐지 모델 학습 시 포컬 손실을 사용하여 오분류율을 획기적으로 낮춤.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cross-Entropy-Loss]], [[Computer-Vision-Mastery]], [[Deep-Learning-Foundations]], [[Object-Detection-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Focal-Loss.md]]
+- Cross-Entropy-Loss, Computer-Vision-Mastery, Deep-Learning-Foundations, Object-Detection-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/Focal-Loss.md
diff --git a/10_Wiki/Topics/AI/Formal Methods.md b/10_Wiki/Topics/AI/Formal Methods.md
index 26a0307d..a10bddcc 100644
--- a/10_Wiki/Topics/AI/Formal Methods.md	
+++ b/10_Wiki/Topics/AI/Formal Methods.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FOMT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, formal-methods, safety-critical, verification, logic, software-engineering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Formal-Verification-of-Software.md b/10_Wiki/Topics/AI/Formal-Verification-of-Software.md
index 6ad85618..09dd7b6d 100644
--- a/10_Wiki/Topics/AI/Formal-Verification-of-Software.md
+++ b/10_Wiki/Topics/AI/Formal-Verification-of-Software.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FORMAL-VERIFICATION
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [SoftwareEngineering, FormalVerification, Math, Security]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 정식 검증은 고도의 수학적 지식이 필요하며, 대규모 소스 코드에 적용하기에 연산 비용이 어마어마하다(State Explosion). 최근에는 AI가 복잡한 증명 과정을 대신 생성해주거나 코드를 읽고 정식 모델을 자동 추출하는 연구가 진행되어, 일반 상용 소프트웨어 영역으로 문턱을 낮추고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[SAST (Static Application Security Testing)]] , [[Cyber-Security]]
-- Concept: [[Logic-And-Mathematics]]
+- Related: [[SAST (Static Application Security Testing)]] , Cyber-Security
+- Concept: Logic-And-Mathematics
diff --git a/10_Wiki/Topics/AI/Foundation-Models.md b/10_Wiki/Topics/AI/Foundation-Models.md
index 38e2871c..65b134ed 100644
--- a/10_Wiki/Topics/AI/Foundation-Models.md
+++ b/10_Wiki/Topics/AI/Foundation-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FOMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, foundation-models, llm, multimodal, generative-ai, scaling-laws]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단일 거대 모델의 효율 정책 한계를 극복하기 위해, 특정 영역에 특화된 여러 소형 모델을 연결하는 '에이전틱 워크플로우 정책'이나 'Mixture of Experts(MoE) 정책'으로 기술이 분화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gen-AI]], [[Emergence]], [[Fine-tuning]], [[Multi-modal (멀티모달)]], [[Scaling-Laws]]
+- [[Gen-AI]], [[Emergence]], [[Fine-tuning]], Multi-modal (멀티모달), Scaling-Laws
 - **Modern Tech/Tools**: GPT-4, Llama-3, Claude 3, Gemini, ViT (Vision Transformer).
 ---
diff --git a/10_Wiki/Topics/AI/Fragility.md b/10_Wiki/Topics/AI/Fragility.md
index 48443da5..0adcf8b7 100644
--- a/10_Wiki/Topics/AI/Fragility.md
+++ b/10_Wiki/Topics/AI/Fragility.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FRAG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, fragility, antifragility, nassim-taleb, systems-theory, risk-management]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Free-Energy-Principle.md b/10_Wiki/Topics/AI/Free-Energy-Principle.md
index 956e00cf..1dccada2 100644
--- a/10_Wiki/Topics/AI/Free-Energy-Principle.md
+++ b/10_Wiki/Topics/AI/Free-Energy-Principle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FEPP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, free-energy-principle, neuroscience, karl-friston, active-inference, perception]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 보상만 쫓는 강화학습 정책을 넘어, 세상을 더 잘 알기 위해(Surprise 감소) 정보를 수집하려는 동기가 부여된 '호기심 기반 에이전트 정책'의 수학적 수식으로 사용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neurobiology]], [[Dopamine-Modeling]], [[Exploration vs Exploitation]], [[Homeostasis (항상성)]], [[Cybernetics]]
+- Neurobiology, [[Dopamine-Modeling]], [[Exploration vs Exploitation]], [[Homeostasis (항상성)]], [[Cybernetics]]
 - **Modern Tech/Tools**: Active Inference frameworks, Predictive coding models, Bio-inspired AI.
 ---
diff --git a/10_Wiki/Topics/AI/Frontend-Architecture-and-Folder-Structure.md b/10_Wiki/Topics/AI/Frontend-Architecture-and-Folder-Structure.md
index 179f73ce..c8369dca 100644
--- a/10_Wiki/Topics/AI/Frontend-Architecture-and-Folder-Structure.md
+++ b/10_Wiki/Topics/AI/Frontend-Architecture-and-Folder-Structure.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ARCH-STRUCT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, architecture, folder-structure, scalability, modularity, atomic-design, clean-architecture]
 last_reinforced: 2026-04-26
 ---
 
-# [[Frontend Architecture and Folder Structure (프런트엔드 아키텍처 및 폴더 구조)]]
+# Frontend Architecture and Folder Structure (프런트엔드 아키텍처 및 폴더 구조)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "파일이 어디에 있는지 고민하는 시간을 제로로 만들고, 프로젝트 규모가 커져도 복잡도가 선형적으로 유지되도록 관심사 분리(SoC)에 기반한 물리적/논리적 영토를 명확히 획정하라" — 확장성과 협업 효율을 결정짓는 프런트엔드 프로젝트의 설계 지도.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 저장소에 대해 'Feature-first' 폴더 구조를 강제하며, 각 피처 폴더 밖으로 유출되는 의존성은 엄격히 검토되는 'Strict Encapsulation' 정책을 고수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalable-Frontend-Architecture]], [[Atomic-Styling-and-Design-Systems]], [[Clean-Code-Principles]], [[Modular-Monolith]]
-- **Raw Source:** [[00_Raw/Frontend Folder Structure.md]]
+- Scalable-Frontend-Architecture, [[Atomic-Styling-and-Design-Systems]], [[Clean-Code-Principles]], Modular-Monolith
+- **Raw Source:** 00_Raw/Frontend Folder Structure.md
diff --git a/10_Wiki/Topics/AI/Frontend-Architecture.md b/10_Wiki/Topics/AI/Frontend-Architecture.md
index e16dca73..b02405e8 100644
--- a/10_Wiki/Topics/AI/Frontend-Architecture.md
+++ b/10_Wiki/Topics/AI/Frontend-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, software-architecture, web-development, react, state-management]
 last_reinforced: 2026-04-26
 ---
 
-# [[Frontend Architecture (프론트엔드 아키텍처)]]
+# Frontend Architecture (프론트엔드 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 UI 상태를 예측 가능한 흐름으로 관리하고, 사용자 경험(UX)을 기술적 구조로 구현하라" — 단순한 화면 구성을 넘어 컴포넌트 설계, 상태 관리 전략, 렌더링 성능 최적화, 그리고 에이전트 인터랙션을 아우르는 현대 웹 기술의 설계도.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 탐색 결과와 지식 지도를 시각화하기 위해 최신 Next.js 기반의 서버 컴포넌트 아키텍처를 표준으로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[UX-Design]], [[Context-Aware-Computing]], [[Domain-Driven-Design-DDD]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Frontend-Architecture.md]]
+- System-Design-for-AI-Scale, UX-Design, [[Context-Aware-Computing]], [[Domain-Driven-Design-DDD]]
+- **Raw Source:** 10_Wiki/Topics/AI/Frontend-Architecture.md
diff --git a/10_Wiki/Topics/AI/Frontend-Debugging-and-Testing.md b/10_Wiki/Topics/AI/Frontend-Debugging-and-Testing.md
index c57a11f6..33eebcc8 100644
--- a/10_Wiki/Topics/AI/Frontend-Debugging-and-Testing.md
+++ b/10_Wiki/Topics/AI/Frontend-Debugging-and-Testing.md
@@ -1,12 +1,12 @@
 ---
 id: FE-DEBUG-TEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, debugging, testing, devtools, chrome, logging, troubleshooting]
 last_reinforced: 2026-04-26
 ---
 
-# [[Frontend Debugging and Testing (프런트엔드 디버깅 및 테스트)]]
+# Frontend Debugging and Testing (프런트엔드 디버깅 및 테스트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순히 코드가 '돌아가게' 만드는 것을 넘어, 브라우저가 해석하는 런타임의 진실을 도구(DevTools)로 투시하고 잠재적 버그를 사전에 차단하는 자동화된 가드레일을 구축하라" — 고품질 프런트엔드 제품을 보장하는 기술적 추론 및 검증 프로세스.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 치명적인 비즈니스 로직에 대해 80% 이상의 테스트 커버리지를 강제하며, 디버그 모드에서만 활성화되는 상세 추적 로그(Verbose Tracing) 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[React-Error-Boundaries-and-Handling]], [[Frontend-Performance-Optimization-Guide]], [[Sentry-LogRocket-Monitoring]], [[Clean-Code-Principles]]
-- **Raw Source:** [[00_Raw/Frontend Debugging.md]]
+- [[React-Error-Boundaries-and-Handling]], [[Frontend-Performance-Optimization-Guide]], Sentry-LogRocket-Monitoring, [[Clean-Code-Principles]]
+- **Raw Source:** 00_Raw/Frontend Debugging.md
diff --git a/10_Wiki/Topics/AI/Frontend-Performance-Optimization-Guide.md b/10_Wiki/Topics/AI/Frontend-Performance-Optimization-Guide.md
index 5d78f2ca..c5a4e6b7 100644
--- a/10_Wiki/Topics/AI/Frontend-Performance-Optimization-Guide.md
+++ b/10_Wiki/Topics/AI/Frontend-Performance-Optimization-Guide.md
@@ -1,12 +1,12 @@
 ---
 id: FE-PERF-GUIDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, performance, optimization, checklist, lighthouse, code-splitting, lazy-loading, caching]
 last_reinforced: 2026-04-26
 ---
 
-# [[Frontend Performance Optimization Guide (프런트엔드 성능 최적화 가이드)]]
+# Frontend Performance Optimization Guide (프런트엔드 성능 최적화 가이드)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "불필요한 리소스 전송을 최소화하고, 브라우저의 렌더링 경로를 효율적으로 관리하여 사용자에게 밀리초 단위의 쾌적함을 선사하라" — 사용자 유지율과 전환율을 결정짓는 프런트엔드 엔지니어링의 핵심 지표 관리 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 자산에 대해 Lighthouse 성능 점수 90점 이상 유지를 강제하며, 번들 크기가 20% 이상 증가할 경우 자동 알림 및 검토 루프에 진입하는 'Performance Budget' 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Core-Web-Vitals-Metrics]], [[Web-Rendering-Strategies-CSR-vs-SSR]], [[Image-Optimization]], [[Frontend-Performance-Checklist]]
-- **Raw Source:** [[00_Raw/Frontend Performance Checklist.md]], [[00_Raw/Frontend Performance Optimization.md]]
+- [[Core-Web-Vitals-Metrics]], [[Web-Rendering-Strategies-CSR-vs-SSR]], Image-Optimization, Frontend-Performance-Checklist
+- **Raw Source:** 00_Raw/Frontend Performance Checklist.md, 00_Raw/Frontend Performance Optimization.md
diff --git a/10_Wiki/Topics/AI/Frontend-Team-Collaboration-and-Governance.md b/10_Wiki/Topics/AI/Frontend-Team-Collaboration-and-Governance.md
index a2861123..ae474791 100644
--- a/10_Wiki/Topics/AI/Frontend-Team-Collaboration-and-Governance.md
+++ b/10_Wiki/Topics/AI/Frontend-Team-Collaboration-and-Governance.md
@@ -1,12 +1,12 @@
 ---
 id: FE-TEAM-COLLAB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, team-collaboration, governance, code-reviews, documentation, standard-operating-procedures]
 last_reinforced: 2026-04-26
 ---
 
-# [[Frontend Team Collaboration and Governance (프런트엔드 팀 협업 및 거버넌스)]]
+# Frontend Team Collaboration and Governance (프런트엔드 팀 협업 및 거버넌스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드의 품질은 개발자의 재능이 아니라 팀이 합의한 '시스템(규칙)'에서 나오며, 명확한 협업 프로토콜을 통해 지식의 파편화를 방지하고 제품의 일관성을 수호하라" — 대규모 조직에서 프런트엔드 개발의 예측 가능성과 효율성을 보장하는 거버넌스 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 PR에 대해 최소 2인 이상의 승인(Approval)을 필수 정책으로 하며, 매 분기마다 기술 부채를 전담 처리하는 'Gardening Week' 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Git-Branching-Strategies-and-Workflows]], [[Pull-Request-Workflow]], [[Clean-Code-Principles]], [[Technical-Debt-Management]]
-- **Raw Source:** [[00_Raw/Frontend Team Collaboration.md]]
+- [[Git-Branching-Strategies-and-Workflows]], Pull-Request-Workflow, [[Clean-Code-Principles]], Technical-Debt-Management
+- **Raw Source:** 00_Raw/Frontend Team Collaboration.md
diff --git a/10_Wiki/Topics/AI/Frontend.md b/10_Wiki/Topics/AI/Frontend.md
index 52d5238b..a465ab9f 100644
--- a/10_Wiki/Topics/AI/Frontend.md
+++ b/10_Wiki/Topics/AI/Frontend.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FRON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, frontend, web-development, ui, framework, user-interface]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 코드를 짜는 정책을 넘어, AI가 캡처한 이미지나 기획 문서만 보고 프론트엔드 코드를 자동 생성하는 'V0/Screenshot-to-Code 정책'이 도입되며 프론트 개발자의 역할이 '경험 설계자 정책'으로 고도화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Design-System]], [[User Experience (UX)]], [[Clean-Architecture-TypeScript]], [[Core-Web-Vitals]], [[Backend]]
+- [[Design-System]], User Experience (UX), [[Clean-Architecture-TypeScript]], [[Core-Web-Vitals]], [[Backend]]
 - **Modern Tech/Tools**: Next.js, Vite, WebGL/Three.js (Visuals), Tailwind CSS.
 ---
diff --git a/10_Wiki/Topics/AI/Functional Programming.md b/10_Wiki/Topics/AI/Functional Programming.md
index 955eb6b4..ac38e150 100644
--- a/10_Wiki/Topics/AI/Functional Programming.md	
+++ b/10_Wiki/Topics/AI/Functional Programming.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FUPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, functional-programming, declarative, immutability, pure-function, software-engineering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Functional-Programming-in-TypeScript.md b/10_Wiki/Topics/AI/Functional-Programming-in-TypeScript.md
index b8330c06..fa3805a4 100644
--- a/10_Wiki/Topics/AI/Functional-Programming-in-TypeScript.md
+++ b/10_Wiki/Topics/AI/Functional-Programming-in-TypeScript.md
@@ -1,12 +1,12 @@
 ---
 id: FP-TS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [typescript, functional-programming, immutability, pure-functions]
 last_reinforced: 2026-04-26
 ---
 
-# [[Functional Programming in TypeScript (함수형 프로그래밍)]]
+# Functional Programming in TypeScript (함수형 프로그래밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 바꾸지 말고, 새로운 데이터를 파이프라인으로 흘려보내라" — 불변성과 순수 함수를 통해 부수 효과(Side-effects)를 제거하고, 코드의 예측 가능성을 극대화하는 프로그래밍 패러다임.
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 핵심 비즈니스 로직은 함수형 패러다임을 따라 작성하며, 상태 관리는 Redux나 Zustand와 같은 불변성 지향 라이브러리를 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Immutability]], [[Pure-Functions]], [[Monad]], [[Reactive-Programming]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Functional-Programming-in-TypeScript.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Immutability, Pure-Functions, Monad, [[Reactive-Programming]]
+- **Raw Source:** 10_Wiki/Topics/AI/Functional-Programming-in-TypeScript.md
diff --git a/10_Wiki/Topics/AI/Functional-Programming.md b/10_Wiki/Topics/AI/Functional-Programming.md
index 8c4e009d..b9861f24 100644
--- a/10_Wiki/Topics/AI/Functional-Programming.md
+++ b/10_Wiki/Topics/AI/Functional-Programming.md
@@ -1,12 +1,12 @@
 ---
 id: FP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [programming, functional-programming, immutability, pure-functions, software-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Functional Programming (함수형 프로그래밍)]]
+# Functional Programming (함수형 프로그래밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 상태 변화를 피하고, 순수 함수들의 조합으로 견고한 로직을 조립하라" — 계산을 수학적 함수의 평가로 취급하고 상태 변경 및 가변 데이터를 멀리하여, 병렬 처리에 유리하고 버그가 적은 소프트웨어를 만드는 프로그래밍 패러다임.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Determinism-in-Computing]], [[Distributed-Computing]], [[Software-Architecture-Patterns]], [[Parallel-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Functional-Programming.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Functional-Programming.md
diff --git a/10_Wiki/Topics/AI/Fuzzy-Logic.md b/10_Wiki/Topics/AI/Fuzzy-Logic.md
index 5f603495..46ebfa57 100644
--- a/10_Wiki/Topics/AI/Fuzzy-Logic.md
+++ b/10_Wiki/Topics/AI/Fuzzy-Logic.md
@@ -1,12 +1,12 @@
 ---
 id: FUZZY-LOGIC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, fuzzy-logic, logic, control-theory, robotics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Fuzzy Logic (퍼지 논리)]]
+# Fuzzy Logic (퍼지 논리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "참과 거짓 사이의 무수히 많은 회색 지대를 수학적으로 수용하여 인간다운 판단력을 구현하라" — 0(거짓)과 1(참) 사이의 소수점 값을 허용하는 소속 함수(Membership Function)를 통해, 현실 세계의 모호한 경계와 불확실성을 다루는 논리 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 적 기체 AI는 플레이어와의 거리에 따라 '도망', '견제', '돌격' 상태를 퍼지 논리로 부드럽게 전환하여, 끊기지 않는 자연스러운 기동을 보여줌.
 
 ## 🔗 지식 연결 (Graph)
-- [[Control-Theory]], [[Expert-Systems]], [[Artificial-Life]], [[Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Fuzzy-Logic.md]]
+- [[Control-Theory]], Expert-Systems, [[Artificial-Life]], Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Fuzzy-Logic.md
diff --git a/10_Wiki/Topics/AI/G-Stack Principles.md b/10_Wiki/Topics/AI/G-Stack Principles.md
index 7fb5d65a..8cb3efbd 100644
--- a/10_Wiki/Topics/AI/G-Stack Principles.md	
+++ b/10_Wiki/Topics/AI/G-Stack Principles.md	
@@ -1,12 +1,12 @@
 ---
 id: GSTACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [engineering-culture, productivity, gstack, framework]
 last_reinforced: 2026-04-26
 ---
 
-# [[G-Stack Principles (G-Stack 엔지니어링 원칙)]]
+# G-Stack Principles (G-Stack 엔지니어링 원칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한계를 넘어서는 엔지니어링을 위한 행동 지침" — 극강의 생산성과 문제 해결 능력을 위해 정의된, GStack 프레임워크의 핵심 철학이자 실천 강령.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 의사결정과 코드 작성 시 G-Stack 원칙을 준수하며, 특히 '지식 가드닝' 과정에서 구체성 원칙을 엄격히 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GStack-Core-Principles]], [[Antigravity-Framework]], [[Productivity]], [[Engineering-Excellence]]
-- **Raw Source:** [[10_Wiki/Topics/AI/G-Stack Principles.md]]
+- GStack-Core-Principles, Antigravity-Framework, Productivity, Engineering-Excellence
+- **Raw Source:** 10_Wiki/Topics/AI/G-Stack Principles.md
diff --git a/10_Wiki/Topics/AI/G-Stack-Integration-Guide.md b/10_Wiki/Topics/AI/G-Stack-Integration-Guide.md
index 4cd38619..65ce0935 100644
--- a/10_Wiki/Topics/AI/G-Stack-Integration-Guide.md
+++ b/10_Wiki/Topics/AI/G-Stack-Integration-Guide.md
@@ -1,12 +1,12 @@
 ---
 id: GSTACK-GUIDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [antigravity, g-stack, integration, architecture, project-standard]
 last_reinforced: 2026-04-26
 ---
 
-# [[G-Stack Integration Guide (G-Stack 통합 가이드)]]
+# G-Stack Integration Guide (G-Stack 통합 가이드)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "포괄적인 데이터 수집과 구체적인 구현(Concreteness)을 통해 에이전트의 지능을 실제 가치로 치환하라" — Antigravity 프로젝트의 핵심 운영 체계인 G-Stack의 원칙을 모든 레포지토리와 에이전트 스킬에 이식하기 위한 통합 기술 가이드라인.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** 모든 에이전트는 작업 시작 전 본 가이드를 참조하여 자신의 작업 범위와 G-Stack 원칙 준수 여부를 자가 점검해야 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GStack-Core-Principles]], [[Antigravity-Project-Overview]], [[Knowledge-Gardening-Protocol]], [[Agent-Interaction-Contracts]]
-- **Raw Source:** [[10_Wiki/Topics/AI/G-Stack-Integration-Guide.md]]
+- GStack-Core-Principles, Antigravity-Project-Overview, Knowledge-Gardening-Protocol, Agent-Interaction-Contracts
+- **Raw Source:** 10_Wiki/Topics/AI/G-Stack-Integration-Guide.md
diff --git a/10_Wiki/Topics/AI/GAN.md b/10_Wiki/Topics/AI/GAN.md
index 65286343..551ba86e 100644
--- a/10_Wiki/Topics/AI/GAN.md
+++ b/10_Wiki/Topics/AI/GAN.md
@@ -1,12 +1,12 @@
 ---
 id: GAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, generative-model, gan, neural-networks, image-synthesis]
 last_reinforced: 2026-04-26
 ---
 
-# [[GAN (Generative Adversarial Networks, 생성적 적대 신경망)]]
+# GAN (Generative Adversarial Networks, 생성적 적대 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "위조지폐범과 경찰의 치열한 술래잡기를 통해, 데이터의 본질을 완벽하게 복제하라" — 생성자(Generator)와 판별자(Discriminator)라는 두 신경망이 서로를 속이고 간파하며 함께 성장하여, 실제와 구분할 수 없는 가상 데이터를 생성하는 아키텍처.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Generative-AI-Impact]], [[Deepfake-Technology]], [[Diffusion-Models]], [[Variational-Autoencoders-VAE]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GAN.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/GAN.md
diff --git a/10_Wiki/Topics/AI/GNN.md b/10_Wiki/Topics/AI/GNN.md
index eee6a94f..170de050 100644
--- a/10_Wiki/Topics/AI/GNN.md
+++ b/10_Wiki/Topics/AI/GNN.md
@@ -1,12 +1,12 @@
 ---
 id: GNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, gnn, graph-neural-networks, relational-data]
 last_reinforced: 2026-04-26
 ---
 
-# [[GNN (Graph Neural Networks, 그래프 신경망)]]
+# GNN (Graph Neural Networks, 그래프 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "개별 데이터가 아닌, 데이터들 사이의 관계(Edge)와 연결망 속에 숨겨진 맥락을 학습하라" — 그래프 구조를 직접 입력으로 받아 노드 간의 메시지 전달(Message Passing)을 통해 정점의 특징을 업데이트하고, 복잡한 네트워크 패턴을 추론하는 신경망 아키텍처.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Geometric-Deep-Learning]], [[Graph-Theory]], [[Knowledge-Graph-Foundations]], [[Multi-Agent-Systems-MAS]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GNN.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/GNN.md
diff --git a/10_Wiki/Topics/AI/GPT-Architecture-Foundations.md b/10_Wiki/Topics/AI/GPT-Architecture-Foundations.md
index e41ec5f0..f1f85ff8 100644
--- a/10_Wiki/Topics/AI/GPT-Architecture-Foundations.md
+++ b/10_Wiki/Topics/AI/GPT-Architecture-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: GPT-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, gpt, transformer, deep-learning, generative-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[GPT Architecture Foundations (GPT 아키텍처 기초)]]
+# GPT Architecture Foundations (GPT 아키텍처 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "방대한 텍스트의 바다를 스스로 학습하여, 다음에 올 단어를 예측하는 것만으로 우주적 지능에 도달하라" — 트랜스포머의 디코더 블록을 층층이 쌓아 올려, 이전 문맥을 바탕으로 가장 확률 높은 다음 토큰을 생성해 나가는 자기 회귀적(Autoregressive) 언어 모델의 표준.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 핵심 엔진(Local/Cloud Brain)은 GPT 아키텍처 기반의 모델들을 사용하며, 프로젝트 특화 지식(Wiki)을 RAG나 Fine-tuning을 통해 통합함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformer-Architecture-Foundations]], [[LLM]], [[Generative-AI-Impact]], [[Attention-Mechanism]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GPT-Architecture-Foundations.md]]
+- Transformer-Architecture-Foundations, [[LLM]], [[Generative-AI-Impact]], Attention-Mechanism
+- **Raw Source:** 10_Wiki/Topics/AI/GPT-Architecture-Foundations.md
diff --git a/10_Wiki/Topics/AI/GPU-Architecture.md b/10_Wiki/Topics/AI/GPU-Architecture.md
index 9db9750c..021c09c5 100644
--- a/10_Wiki/Topics/AI/GPU-Architecture.md
+++ b/10_Wiki/Topics/AI/GPU-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: HW-GPU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [hardware, gpu, cuda, parallel-computing, ai-infrastructure]
 last_reinforced: 2026-04-26
 ---
 
-# [[GPU Architecture for AI (AI를 위한 GPU 아키텍처)]]
+# GPU Architecture for AI (AI를 위한 GPU 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 소수의 연산 대신, 수만 개의 단순한 행렬 곱셈을 동시에 몰아치듯 처리하라" — 대규모 병렬 처리에 최적화된 하드웨어 구조로, 특히 딥러닝의 핵심인 행렬 연산을 가속화하기 위해 진화한 현대 AI의 심장.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 로컬 브레인 구동 시 가용 가능한 GPU 자원을 우선적으로 감지하며, VRAM 용량에 맞춰 모델의 양자화(Quantization) 수준을 동적으로 결정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Parallel-Computing]], [[Distributed-Computing]], [[Deep-Learning-Foundations]], [[LLM]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GPU-Architecture.md]]
+- [[Parallel-Computing]], [[Distributed-Computing]], Deep-Learning-Foundations, [[LLM]]
+- **Raw Source:** 10_Wiki/Topics/AI/GPU-Architecture.md
diff --git a/10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md b/10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md
index 62935d9b..de47bc2a 100644
--- a/10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md
+++ b/10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md
@@ -1,12 +1,12 @@
 ---
 id: HW-CUDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [hardware, gpu, cuda, parallel-computing, c-cpp, ai-acceleration]
 last_reinforced: 2026-04-26
 ---
 
-# [[GPU Programming with CUDA (CUDA를 이용한 GPU 프로그래밍)]]
+# GPU Programming with CUDA (CUDA를 이용한 GPU 프로그래밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "하드웨어의 수천 개 코어를 지휘하는 지휘자가 되어, 데이터의 파도를 병렬 연산의 폭풍으로 바꿔라" — NVIDIA의 하드웨어를 활용하여 일반적인 프로그래밍 언어(C/C++)로 고도의 병렬 연산을 수행하게 하는 컴퓨팅 플랫폼이자 프로그래밍 모델.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 벡터 연산이나 커스텀 신경망 레이어 최적화가 필요할 때, CUDA 커널을 직접 작성하거나 최적화된 하드웨어 가속 라이브러리를 호출하여 성능 병목을 해결함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GPU-Architecture-for-AI]], [[Parallel-Computing]], [[Distributed-Computing]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md]]
+- GPU-Architecture-for-AI, [[Parallel-Computing]], [[Distributed-Computing]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/GPU-Programming-with-CUDA.md
diff --git a/10_Wiki/Topics/AI/GPU.md b/10_Wiki/Topics/AI/GPU.md
index f00631b5..169a0b0b 100644
--- a/10_Wiki/Topics/AI/GPU.md
+++ b/10_Wiki/Topics/AI/GPU.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DD4F11
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GPU"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[WebGPU]], [[Compute Shader]], [[CPU]]
-- **Projects/Contexts:** [[WebSplatter]], [[Three.js]], [[CesiumJS]]
+- **Related Topics:** [[WebGL]], [[WebGPU]], [[Compute Shader]], CPU
+- **Projects/Contexts:** WebSplatter, Three.js, [[CesiumJS]]
 - **Contradictions/Notes:** 과거 WebGL 생태계에서는 구조적 한계로 인해 물리 연산이나 정렬 작업을 CPU에서 처리해야 했고 이로 인해 GPU가 자주 유휴 상태(Idle)에 머무는 비효율이 존재했다. 그러나 WebGPU의 등장으로 컴퓨트 셰이더 기반의 연산이 가능해지면서, 렌더링과 연산 모두를 GPU에서 병렬 처리하여 GPU의 하드웨어 능력을 온전히 활용할 수 있게 되었다 [2, 3, 12, 20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GPU.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/GRPO.md b/10_Wiki/Topics/AI/GRPO.md
index 9f386fef..cbf6b1b3 100644
--- a/10_Wiki/Topics/AI/GRPO.md
+++ b/10_Wiki/Topics/AI/GRPO.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, grpo, reinforcement-learning, llm, optimization, ppo, deep-learning, deepseek]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ GRPO(Group Relative Policy Optimization)는 DeepSeek-V3 등 최신 거대 언어
 - **정책 변화(RL Update)**: 이제는 단순 언어 모델 정책을 넘어, 복잡한 다단계 추론 정책(Multi-step reasoning)이 필요한 수학이나 코딩 전문 모델 정책을 학습시키는 데 필수적인 기술로 자리 잡는 중임. (Reasoning와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Reliability]], [[Reasoning]], [[Reinforcement Learning (RL)]], [[Deep Learning (DL)]], [[Optimization]]
+- [[Efficiency]], [[Reliability]], [[Reasoning]], [[Reinforcement Learning (RL)]], Deep Learning (DL), [[Optimization]]
 - **Key Origin**: DeepSeek AI.
 ---
diff --git a/10_Wiki/Topics/AI/GRU.md b/10_Wiki/Topics/AI/GRU.md
index b61cf35c..4190b3ad 100644
--- a/10_Wiki/Topics/AI/GRU.md
+++ b/10_Wiki/Topics/AI/GRU.md
@@ -1,12 +1,12 @@
 ---
 id: RNN-GRU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, rnn, gru, lstm, sequence-modeling]
 last_reinforced: 2026-04-26
 ---
 
-# [[GRU (Gated Recurrent Units, 게이트 순환 유닛)]]
+# GRU (Gated Recurrent Units, 게이트 순환 유닛)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 기억 장치를 덜어내고, 핵심적인 정보의 업데이트와 망각에만 집중하여 학습의 효율을 극대화하라" — LSTM의 장점은 계승하면서도 구조를 단순화하여 연산량을 줄이고 기울기 소실 문제를 극복한 현대적인 순환 신경망(RNN) 변형 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 단기 대화 이력을 요약하거나 시퀀스 기반의 이상 징후를 감지할 때, 연산 효율성이 높은 GRU 아키텍처를 우선적으로 고려함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LSTM-Long-Short-Term-Memory]], [[RNN-Foundations]], [[Sequence-to-Sequence-Models]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GRU.md]]
+- LSTM-Long-Short-Term-Memory, RNN-Foundations, [[Sequence-to-Sequence-Models]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/GRU.md
diff --git a/10_Wiki/Topics/AI/Gacha Mechanics Analysis.md b/10_Wiki/Topics/AI/Gacha Mechanics Analysis.md
index 02981548..ed9b629c 100644
--- a/10_Wiki/Topics/AI/Gacha Mechanics Analysis.md	
+++ b/10_Wiki/Topics/AI/Gacha Mechanics Analysis.md	
@@ -1,12 +1,12 @@
 ---
 id: GACHA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-design, monetization, psychology, probability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gacha Mechanics Analysis (가챠 메커니즘 분석)]]
+# Gacha Mechanics Analysis (가챠 메커니즘 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "무작위성 뒤에 숨겨진 정교한 심리 설계" — 확률적 보상을 통해 사용자의 지속적인 참여와 매출을 유도하는 게임 비즈니스 모델의 핵심 기전.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 보상 설계 시, 과도한 사행성보다는 플레이어의 노력에 비례한 '유사 가챠(카드 선택 등)' 시스템을 도입하여 몰입도를 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-Economy-Design]], [[Behavioral-Economics]], [[Variable-Ratio-Schedule]], [[Psychology-of-Gambling]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gacha Mechanics Analysis.md]]
+- [[Game-Economy-Design]], [[Behavioral-Economics]], Variable-Ratio-Schedule, Psychology-of-Gambling
+- **Raw Source:** 10_Wiki/Topics/AI/Gacha Mechanics Analysis.md
diff --git a/10_Wiki/Topics/AI/Gait-Analysis-Laboratory.md b/10_Wiki/Topics/AI/Gait-Analysis-Laboratory.md
index b1a53ddd..1d862f93 100644
--- a/10_Wiki/Topics/AI/Gait-Analysis-Laboratory.md
+++ b/10_Wiki/Topics/AI/Gait-Analysis-Laboratory.md
@@ -1,12 +1,12 @@
 ---
 id: GAIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [biomechanics, motion-analysis, animation, health-tech]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gait Analysis Laboratory (보행 분석)]]
+# Gait Analysis Laboratory (보행 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 걸음걸이에 숨겨진 운동학적 지도를 해독하라" — 보행 주기를 시간적, 공간적, 역학적 수치로 분해하여 신체 기능의 이상을 진단하거나 사실적인 캐릭터 애니메이션을 구현하는 분석 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound의 캐릭터 이동 애니메이션 설계 시, 사실적인 무게 중심 이동과 관성을 표현하기 위해 보행 분석의 역학적 원리를 참고함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Animation-Principles]], [[Biomechanics]], [[Computer-Vision-Pose-Estimation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gait-Analysis-Laboratory.md]]
+- Animation-Principles, Biomechanics, Computer-Vision-Pose-Estimation
+- **Raw Source:** 10_Wiki/Topics/AI/Gait-Analysis-Laboratory.md
diff --git a/10_Wiki/Topics/AI/Game Analytics (게임 분석).md b/10_Wiki/Topics/AI/Game Analytics (게임 분석).md
index 395fcdba..e7c96385 100644
--- a/10_Wiki/Topics/AI/Game Analytics (게임 분석).md	
+++ b/10_Wiki/Topics/AI/Game Analytics (게임 분석).md	
@@ -1,12 +1,12 @@
 ---
 id: GAME-ANALYTICS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, game-design, metrics, retention, monetization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Analytics (게임 분석론)]]
+# Game Analytics (게임 분석론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 통해 플레이어의 경험을 읽고 설계하라" — 게임 내에서 발생하는 방대한 로그를 분석하여 리텐션, 이탈 지점, 경제 균형 등을 진단하고 개선하는 정량적 의사결정 체계.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 실시간 텔레메트리(Telemetry) 시스템을 통해 플레이어가 선호하는 무기 조합과 사망 지점 데이터를 수집, 밸런싱 작업에 즉시 환류함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-Economy-Design]], [[Data-Mining]], [[AB-Testing]], [[Telemetry]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game Analytics (게임 분석).md]]
+- [[Game-Economy-Design]], Data-Mining, AB-Testing, Telemetry
+- **Raw Source:** 10_Wiki/Topics/AI/Game Analytics (게임 분석).md
diff --git a/10_Wiki/Topics/AI/Game-Balance-Design.md b/10_Wiki/Topics/AI/Game-Balance-Design.md
index 8b3944b3..7c43c8a7 100644
--- a/10_Wiki/Topics/AI/Game-Balance-Design.md
+++ b/10_Wiki/Topics/AI/Game-Balance-Design.md
@@ -1,12 +1,12 @@
 ---
 id: GAME-BALANCE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-design, balancing, systems-design, math]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Balance Design (게임 밸런스 디자인)]]
+# Game Balance Design (게임 밸런스 디자인)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "공정성과 재미 사이의 수학적 평형 상태" — 게임 내 다양한 요소(수치, 능력치, 보상) 간의 비중을 조절하여 특정 전략이 지배적이지 않게 하고, 지속적인 도전 욕구를 자극하는 설계 예술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트에서는 에너미의 밀도와 플레이어의 화력 사이의 '긴장도'를 조절하기 위해 동적 난이도 조절(DDA) 기법을 시뮬레이션 중.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-Economy-Design]], [[Game-Theory]], [[Simulation]], [[Flow-State]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game-Balance-Design.md]]
+- [[Game-Economy-Design]], [[Game-Theory]], Simulation, [[Flow-State]]
+- **Raw Source:** 10_Wiki/Topics/AI/Game-Balance-Design.md
diff --git a/10_Wiki/Topics/AI/Game-Balance-Modeling.md b/10_Wiki/Topics/AI/Game-Balance-Modeling.md
index e360bf4d..aba64990 100644
--- a/10_Wiki/Topics/AI/Game-Balance-Modeling.md
+++ b/10_Wiki/Topics/AI/Game-Balance-Modeling.md
@@ -1,12 +1,12 @@
 ---
 id: GAME-BAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-dev, game-design, balancing, simulation, skybound]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Balance Modeling (게임 밸런스 모델링)]]
+# Game Balance Modeling (게임 밸런스 모델링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수치라는 차가운 뼈대에 재미라는 따뜻한 살을 붙여, 정교한 긴장감의 평형 상태를 설계하라" — 게임 내 모든 수치적 요소(공격력, 체력, 자원 획득량 등)의 상관관계를 수학적으로 정립하여, 특정 전략의 고착화를 방지하고 플레이어에게 지속적인 도전을 제공하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 각 스테이지의 클리어 타임과 플레이어의 사망 위치 데이터를 분석하여, 실시간으로 Swarm의 생성 속도와 적 기체의 명중률을 미세 조정하는 밸런스 시스템을 구축함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Simulation-Principles]], [[Game-Theory-in-AI]], [[Reinforcement-Learning]], [[Probability-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game-Balance-Modeling.md]]
+- Simulation-Principles, [[Game-Theory-in-AI]], [[Reinforcement-Learning]], Probability-Theory
+- **Raw Source:** 10_Wiki/Topics/AI/Game-Balance-Modeling.md
diff --git a/10_Wiki/Topics/AI/Game-Design-Ontology.md b/10_Wiki/Topics/AI/Game-Design-Ontology.md
index 75e2f981..3338dc11 100644
--- a/10_Wiki/Topics/AI/Game-Design-Ontology.md
+++ b/10_Wiki/Topics/AI/Game-Design-Ontology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GDO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, game-ontology, game-design, hierarchy, structuralism, metadata, taxonomy]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 분석 정책을 넘어, AI 가 이 온톨로지 정책을 학습하여 자동으로 게임 레벨을 생성하거나 밸런스를 조절하는 'AI 기반 기획 정책'의 기반 언어로 활용됨. (Game-Ontology-for-PCG와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[User-Experience]], [[Logic]], [[Structuralism]], [[Game-Design-Theory]], [[Game-Ontology-for-PCG]]
+- User-Experience, [[Logic]], [[Structuralism]], [[Game-Design-Theory]], [[Game-Ontology-for-PCG]]
 - **Reference**: The Game Design Ontology Project (Zagal et al.).
 ---
diff --git a/10_Wiki/Topics/AI/Game-Design-Theory.md b/10_Wiki/Topics/AI/Game-Design-Theory.md
index a2534aa1..e5c75dac 100644
--- a/10_Wiki/Topics/AI/Game-Design-Theory.md
+++ b/10_Wiki/Topics/AI/Game-Design-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GDTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, game-design-theory, mda-framework, flow-theory, mechanics, dynamics, aesthetics]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순한 '재미 정책'을 넘어, 교육 정책, 치료 정책, 조직 관리 정책 등에 게임 이론 정책을 이식하는 '기능성 게임(Serious Games)'과 '게이미피케이션 정책'으로 확장 중임. (Gamification-Theory와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[UX-Design-and-Engagement]], [[Experience-Sampling-Method]], [[Gamification-Theory]], [[Game-Design-Ontology]], [[Immersive-Sim]], [[Complexity-Science]]
+- UX-Design-and-Engagement, [[Experience-Sampling-Method]], [[Gamification-Theory]], [[Game-Design-Ontology]], Immersive-Sim, Complexity-Science
 - **Key Figures**: Jesse Schell, Raph Koster, Mihaly Csikszentmihalyi.
 ---
diff --git a/10_Wiki/Topics/AI/Game-Economy-Design.md b/10_Wiki/Topics/AI/Game-Economy-Design.md
index b26e7148..daf1a605 100644
--- a/10_Wiki/Topics/AI/Game-Economy-Design.md
+++ b/10_Wiki/Topics/AI/Game-Economy-Design.md
@@ -1,12 +1,12 @@
 ---
 id: GAME-ECON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-design, economics, virtual-economy, sink-and-source]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Economy Design (게임 경제 디자인)]]
+# Game Economy Design (게임 경제 디자인)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "가상 세계의 가치 흐름을 제어하는 인플레이션과의 전쟁" — 게임 내 자원의 생성(Source), 소비(Sink), 축적을 관리하여 아이템의 가치를 유지하고 플레이어의 지속적인 활동 동기를 부여하는 시스템 설계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 인게임 재화인 '골드'와 강화 재료인 '모듈'의 순환을 설계할 때, 고레벨로 갈수록 기하급수적으로 증가하는 소비처를 두어 경제 안정을 꾀함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gacha-Mechanics-Analysis]], [[Game-Balance-Design]], [[Inflation]], [[Market-Economy]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game-Economy-Design.md]]
+- Gacha-Mechanics-Analysis, [[Game-Balance-Design]], Inflation, Market-Economy
+- **Raw Source:** 10_Wiki/Topics/AI/Game-Economy-Design.md
diff --git a/10_Wiki/Topics/AI/Game-Feel-and-Juiciness.md b/10_Wiki/Topics/AI/Game-Feel-and-Juiciness.md
index 37563993..7200cf24 100644
--- a/10_Wiki/Topics/AI/Game-Feel-and-Juiciness.md
+++ b/10_Wiki/Topics/AI/Game-Feel-and-Juiciness.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GAME-FEE-JUICY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [GameDesign, GameFeel, Juiciness, Interaction]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Feedback-Loops-in-Design]] , [[Micro-interactions]]
-- Key Figure: [[Jan-Willem-Nijman (Vlambeer)]]
+- Key Figure: Jan-Willem-Nijman (Vlambeer)
diff --git a/10_Wiki/Topics/AI/Game-Loop-Architecture.md b/10_Wiki/Topics/AI/Game-Loop-Architecture.md
index 41c70a22..45157b31 100644
--- a/10_Wiki/Topics/AI/Game-Loop-Architecture.md
+++ b/10_Wiki/Topics/AI/Game-Loop-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GAME-LOOP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [GameDevelopment, Architecture, GameLoop, RealTime]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 무거운 연산(AI, 길 찾기 등)이 한 루프 안에 갇히면 프레임 드랍(Stuttering)이 발생한다. 현대 아키텍처는 루프를 분리하여 렌더링은 매 프레임 돌리고, 무거운 물리나 AI는 별도의 스레드나 더 긴 주기로 돌리는 '멀티스레드 루프'로 진화했다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Real-Time-Systems]] , [[Artificial-Intelligence-in-Games]]
-- Concept: [[Delta-Time]]
+- Related: Real-Time-Systems , [[Artificial-Intelligence-in-Games]]
+- Concept: Delta-Time
diff --git a/10_Wiki/Topics/AI/Game-Mechanics.md b/10_Wiki/Topics/AI/Game-Mechanics.md
index 5d847597..ffa11d54 100644
--- a/10_Wiki/Topics/AI/Game-Mechanics.md
+++ b/10_Wiki/Topics/AI/Game-Mechanics.md
@@ -1,12 +1,12 @@
 ---
 id: GAME-MECH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-design, mechanics, gameplay, loops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Mechanics (게임 메커니즘)]]
+# Game Mechanics (게임 메커니즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "플레이어와 게임 세계 사이의 상호작용 규칙" — 게임 엔진이 플레이어의 입력에 반응하는 방식이자, 게임의 재미를 구성하는 원자 단위의 동작 규칙들.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 '로그라이크' 메커니즘을 핵심으로 채택하여, 매 플레이마다 무작위 업그레이드 조합을 통해 새로운 경험을 제공하는 데 집중함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-Balance-Design]], [[Game-Analytics]], [[Flow-State]], [[Emergent-Gameplay]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game-Mechanics.md]]
+- [[Game-Balance-Design]], Game-Analytics, [[Flow-State]], Emergent-Gameplay
+- **Raw Source:** 10_Wiki/Topics/AI/Game-Mechanics.md
diff --git a/10_Wiki/Topics/AI/Game-Ontology-for-PCG.md b/10_Wiki/Topics/AI/Game-Ontology-for-PCG.md
index 2fc6b706..2d4fcf23 100644
--- a/10_Wiki/Topics/AI/Game-Ontology-for-PCG.md
+++ b/10_Wiki/Topics/AI/Game-Ontology-for-PCG.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GOPC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, pcg, game-ontology, procedural-generation, automation, creative-ai, algorithmic-design]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ PCG를 위한 게임 온톨로지(Game-Ontology-for-PCG)는 사람이 일일이
 - **정책 변화(RL Update)**: 이제는 LLM 이나 확산 모델 정책이 온톨로지 정책을 이해하여, 텍스트 설명 정책(Prompt)만으로 완성된 게임 레벨 정책을 즉석으로 생성하는 'Generative PCG' 시대로 진화 중임. (Deep-Convolutional-GANs와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Constraint-Satisfaction-Problems]], [[Efficiency]], [[Deep-Convolutional-GANs]], [[Game-Design-Ontology]], [[Procedural-Generation]]
+- [[Constraint-Satisfaction-Problems]], [[Efficiency]], [[Deep-Convolutional-GANs]], [[Game-Design-Ontology]], Procedural-Generation
 - **Key Application**: No Man's Sky, Rogue-likes, Minecraft.
 ---
diff --git a/10_Wiki/Topics/AI/Game-Theory-in-AI.md b/10_Wiki/Topics/AI/Game-Theory-in-AI.md
index 60abdbb0..abc615dd 100644
--- a/10_Wiki/Topics/AI/Game-Theory-in-AI.md
+++ b/10_Wiki/Topics/AI/Game-Theory-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: GAME-THEORY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, game-theory, multi-agent-systems, nash-equilibrium, decision-making]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Theory in AI (AI에서의 게임 이론)]]
+# Game Theory in AI (AI에서의 게임 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능적인 행위자들이 서로의 선택을 예측하며 최선의 이익을 찾아가는 전략적 상호작용의 수학적 모델" — 여러 에이전트가 공존하는 환경에서 자신의 이득뿐만 아니라 타인의 반응까지 고려하여 최적의 의사결정을 내리는 원리를 다루는 이론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 다중 에이전트 협업 프로토콜은 게임 이론적 관점에서 각 에이전트의 작업 할당과 자원 분배를 최적화하여 전체 시스템의 효율성을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Multi-Agent-Systems-MAS]], [[Reinforcement-Learning]], [[Decision-Making]], [[Mechanism-Design]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game-Theory-in-AI.md]]
+- [[Multi-Agent-Systems-MAS]], [[Reinforcement-Learning]], Decision-Making, Mechanism-Design
+- **Raw Source:** 10_Wiki/Topics/AI/Game-Theory-in-AI.md
diff --git a/10_Wiki/Topics/AI/Game-Theory.md b/10_Wiki/Topics/AI/Game-Theory.md
index c7c36435..e206f23a 100644
--- a/10_Wiki/Topics/AI/Game-Theory.md
+++ b/10_Wiki/Topics/AI/Game-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: GAME-THEORY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, decision-theory, economics, ai-strategy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Game Theory (게임 이론)]]
+# Game Theory (게임 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "상대방의 전략을 고려한 최선의 선택을 수학적으로 분석하라" — 독립적인 의사결정자들이 서로의 선택이 자신의 결과에 영향을 미치는 상황(전략적 상호작용)에서 어떻게 행동하는지 연구하는 학문.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 다중 에이전트 협업(Multi-agent Collaboration) 설계 시, 개인의 이익과 팀의 목표가 일치하도록 '메커니즘 디자인' 이론을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision-Theory]], [[Expected-Utility-Theory]], [[Nash-Equilibrium]], [[Mechanism-Design]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Game-Theory.md]]
+- Decision-Theory, Expected-Utility-Theory, Nash-Equilibrium, Mechanism-Design
+- **Raw Source:** 10_Wiki/Topics/AI/Game-Theory.md
diff --git a/10_Wiki/Topics/AI/Gamification-Strategies.md b/10_Wiki/Topics/AI/Gamification-Strategies.md
index 83d58d68..bdd99c00 100644
--- a/10_Wiki/Topics/AI/Gamification-Strategies.md
+++ b/10_Wiki/Topics/AI/Gamification-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: GAMIFY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux-design, psychology, engagement, reward-systems]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gamification Strategies (게이미피케이션 전략)]]
+# Gamification Strategies (게이미피케이션 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "게임이 아닌 곳에 게임의 마법을 주입하라" — 비게임적 상황(업무, 학습, 건강)에 게임의 메커니즘과 요소들을 적용하여 동기 부여와 참여를 극대화하는 설계 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity의 '지식 가드닝' 프로세스는 위키를 편집하고 연결하는 행위 자체를 하나의 '가드닝 게임'으로 느낄 수 있도록 게이미피케이션 요소가 적용되어 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Behavioral-Economics]], [[Dopaminergic-Reward-Systems]], [[Flow-State]], [[UX-Design]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gamification-Strategies.md]]
+- [[Behavioral-Economics]], Dopaminergic-Reward-Systems, [[Flow-State]], UX-Design
+- **Raw Source:** 10_Wiki/Topics/AI/Gamification-Strategies.md
diff --git a/10_Wiki/Topics/AI/Gamification-Theory.md b/10_Wiki/Topics/AI/Gamification-Theory.md
index f4456c5a..3a5e05c1 100644
--- a/10_Wiki/Topics/AI/Gamification-Theory.md
+++ b/10_Wiki/Topics/AI/Gamification-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GMTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, gamification, game-theory, motivation, engagement, behavioral-economics, reward-systems]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 획일적인 하이점수 순위표 정책을 넘어, AI 가 사용자의 성향 정책(Bartle taxonomy)을 실시간으로 분석하여 맞춤형 챌린지 정책을 제공하는 '다이내믹 게이미피케이션 정책'이 주류임. (E-Learning-Gamification와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Social-Psychology]], [[Decision-Making]], [[E-Learning-Gamification]], [[Game-Design-Theory]], [[UX-Design-and-Engagement]], [[Ethics]]
+- Social-Psychology, Decision-Making, [[E-Learning-Gamification]], [[Game-Design-Theory]], UX-Design-and-Engagement, Ethics
 - **Key Model**: Octalysis Framework.
 ---
diff --git a/10_Wiki/Topics/AI/Gates.md b/10_Wiki/Topics/AI/Gates.md
index ec03f8aa..dd54a8f3 100644
--- a/10_Wiki/Topics/AI/Gates.md
+++ b/10_Wiki/Topics/AI/Gates.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GATE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, gates, logic-gates, computer-architecture, boolean-algebra, hardware]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 신경망의 특정 뉴런을 활성화하거나 억제하는 '게이팅 메커니즘(Gating Mechanism, 예: GRU/LSTM의 Gate)'은 하드웨어 게이트의 개념을 수학적 알고리즘 정책으로 승화시켜 시계열 데이터 학습의 핵심이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Technical-Architecture]], [[Logic]], [[Scaling-Laws]], [[Moore's Law]], [[Hardware]]
+- [[Technical-Architecture]], [[Logic]], Scaling-Laws, Moore's Law, [[Hardware]]
 - **Modern Tech/Tools**: FPGA, Verilog, Quantum gates, CMOS transistors.
 ---
diff --git a/10_Wiki/Topics/AI/Gaussian-Processes.md b/10_Wiki/Topics/AI/Gaussian-Processes.md
index f728bc3a..42e55901 100644
--- a/10_Wiki/Topics/AI/Gaussian-Processes.md
+++ b/10_Wiki/Topics/AI/Gaussian-Processes.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-GP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, machine-learning, gaussian-processes, bayesian-inference, uncertainty]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gaussian Processes (가우시안 프로세스)]]
+# Gaussian Processes (가우시안 프로세스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 지나는 무한히 많은 함수들의 분포를 정의하고, 가장 가능성 높은 길과 그 확신도를 계산하라" — 함수 자체를 무한 차원의 가우시안 분포로 취급하여, 어떤 입력에 대한 출력값을 평균과 표준편차를 가진 확률 분포로 제공하는 강력한 회귀 및 분류 도구.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - [[Epistemic-Uncertainty]]를 정밀하게 측정하는 데 가장 적합한 도구로 재평가됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Epistemic-Uncertainty]], [[Bayesian-Inference]], [[Black-Box-Optimization]], [[Regression-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gaussian-Processes.md]]
+- [[Epistemic-Uncertainty]], Bayesian-Inference, [[Black-Box-Optimization]], Regression-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Gaussian-Processes.md
diff --git a/10_Wiki/Topics/AI/Gen-AI.md b/10_Wiki/Topics/AI/Gen-AI.md
index 76de779b..8dae6bd2 100644
--- a/10_Wiki/Topics/AI/Gen-AI.md
+++ b/10_Wiki/Topics/AI/Gen-AI.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GEAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, gen-ai, generative-ai, foundation-models, creativity, ai-revolution]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Generalization-in-AI.md b/10_Wiki/Topics/AI/Generalization-in-AI.md
index 750de5a4..3763409e 100644
--- a/10_Wiki/Topics/AI/Generalization-in-AI.md
+++ b/10_Wiki/Topics/AI/Generalization-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: GEN-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, generalization, overfitting, regularization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Generalization in AI (AI의 일반화 능력)]]
+# Generalization in AI (AI의 일반화 능력)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "학습 데이터를 외우지 말고, 데이터 속에 숨겨진 보편적인 법칙을 통찰하라" — 모델이 학습 데이터셋에만 특화되지 않고, 실제 운영 환경에서 마주하는 낯선 데이터에 대해서도 높은 성능을 유지할 수 있는 능력.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 일반화 능력을 테스트하기 위해, 학습에 사용되지 않은 외부 지식 소스(Uber, Europeana 등)를 활용한 'Out-of-distribution' 벤치마크를 정기적으로 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Overfitting-and-Underfitting]], [[Regularization-Techniques]], [[Cross-Validation]], [[Few-Shot-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Generalization-in-AI.md]]
+- [[Overfitting-and-Underfitting]], [[Regularization-Techniques]], Cross-Validation, [[Few-Shot-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Generalization-in-AI.md
diff --git a/10_Wiki/Topics/AI/Generative Adversarial Networks (GANs) in Fine Arts.md b/10_Wiki/Topics/AI/Generative Adversarial Networks (GANs) in Fine Arts.md
index fb3fe262..fda0144a 100644
--- a/10_Wiki/Topics/AI/Generative Adversarial Networks (GANs) in Fine Arts.md	
+++ b/10_Wiki/Topics/AI/Generative Adversarial Networks (GANs) in Fine Arts.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GAN-FINE-ARTS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [GenerativeAI, FineArts, GAN, Creativity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Generative-AI-Impact.md b/10_Wiki/Topics/AI/Generative-AI-Impact.md
index 9b7e8510..832261ff 100644
--- a/10_Wiki/Topics/AI/Generative-AI-Impact.md
+++ b/10_Wiki/Topics/AI/Generative-AI-Impact.md
@@ -1,12 +1,12 @@
 ---
 id: GEN-IMPACT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, generative-ai, future-of-work, ai-ethics, societal-impact]
 last_reinforced: 2026-04-26
 ---
 
-# [[Generative AI Impact (생성형 AI의 영향력)]]
+# Generative AI Impact (생성형 AI의 영향력)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한계 비용 제로의 지식 창출 시대, 인간은 '무엇을 할 것인가'에서 '무엇을 질문할 것인가'로 이동한다" — 텍스트, 이미지, 코드를 생성하는 AI가 생산성을 폭발적으로 증가시키고, 창의성의 문턱을 낮추며 산업 구조를 재편하는 거대한 전환기.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 생성형 AI의 결과물에 대한 투명성(Provenance)을 보장하기 위해 모든 생성 지식에 출처 메타데이터를 기록하며, AI의 창작물에 대한 인간의 최종 검토 프로세스를 강화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Generative-Adversarial-Networks-GAN]], [[LLM]], [[Future-of-Work-with-AI]], [[AI-Ethics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Generative-AI-Impact.md]]
+- Generative-Adversarial-Networks-GAN, [[LLM]], Future-of-Work-with-AI, AI-Ethics
+- **Raw Source:** 10_Wiki/Topics/AI/Generative-AI-Impact.md
diff --git a/10_Wiki/Topics/AI/Generative-AI.md b/10_Wiki/Topics/AI/Generative-AI.md
index 7f428744..da469d5c 100644
--- a/10_Wiki/Topics/AI/Generative-AI.md
+++ b/10_Wiki/Topics/AI/Generative-AI.md
@@ -1,12 +1,12 @@
 ---
 id: GEN-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, generative-ai, llm, diffusion, transformer]
 last_reinforced: 2026-04-26
 ---
 
-# [[Generative AI (생성형 AI)]]
+# Generative AI (생성형 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 분석하는 단계를 넘어, 새로운 데이터를 창조하는 시대로" — 텍스트, 이미지, 오디오, 코드 등 방대한 데이터를 학습하여 기존에 존재하지 않던 새로운 콘텐츠를 생성해내는 AI 기술의 총칭.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Transformer-Architecture]], [[LLM]], [[Diffusion-Models]], [[Prompt-Engineering]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Generative-AI.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Generative-AI.md
diff --git a/10_Wiki/Topics/AI/Generative-Adversarial-Networks.md b/10_Wiki/Topics/AI/Generative-Adversarial-Networks.md
index cf8fd795..0d11950e 100644
--- a/10_Wiki/Topics/AI/Generative-Adversarial-Networks.md
+++ b/10_Wiki/Topics/AI/Generative-Adversarial-Networks.md
@@ -1,12 +1,12 @@
 ---
 id: GAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [deep-learning, generative-ai, neural-networks, computer-vision]
 last_reinforced: 2026-04-26
 ---
 
-# [[Generative Adversarial Networks (GANs, 생성적 적대 신경망)]]
+# Generative Adversarial Networks (GANs, 생성적 적대 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "속이려는 자와 잡으려는 자의 끝없는 대결을 통해 학습하라" — 가짜를 만드는 생성자(Generator)와 진짜를 감별하는 판별자(Discriminator)를 경쟁시켜 실제 데이터와 구별 불가능한 결과물을 만들어내는 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 에셋 생성 보조 도구로 StyleGAN 기반의 텍스처 합성 엔진 활용 연구 중.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning]], [[Generative-AI]], [[Diffusion-Models]], [[Nash-Equilibrium]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Generative-Adversarial-Networks.md]]
+- [[Deep-Learning]], [[Generative-AI]], [[Diffusion-Models]], Nash-Equilibrium
+- **Raw Source:** 10_Wiki/Topics/AI/Generative-Adversarial-Networks.md
diff --git a/10_Wiki/Topics/AI/Generics-and-Polymorphism.md b/10_Wiki/Topics/AI/Generics-and-Polymorphism.md
index 44dd71c6..420fd59f 100644
--- a/10_Wiki/Topics/AI/Generics-and-Polymorphism.md
+++ b/10_Wiki/Topics/AI/Generics-and-Polymorphism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GEPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, generics, polymorphism, typescript, type-safety, code-reuse, software-architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Genetic-Algorithms.md b/10_Wiki/Topics/AI/Genetic-Algorithms.md
index 65e2485c..297c36a5 100644
--- a/10_Wiki/Topics/AI/Genetic-Algorithms.md
+++ b/10_Wiki/Topics/AI/Genetic-Algorithms.md
@@ -1,12 +1,12 @@
 ---
 id: EVO-GEN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, evolutionary-computation, genetic-algorithm, optimization, survival-of-the-fittest]
 last_reinforced: 2026-04-26
 ---
 
-# [[Genetic Algorithms (유전 알고리즘)]]
+# Genetic Algorithms (유전 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자연의 선택과 변이 메커니즘을 빌려와, 다차원 공간 속에서 최적의 해답을 진화시켜라" — 다윈의 진화론을 공학적으로 구현하여, 후보 해들을 교차(Crossover)시키고 돌연변이(Mutation)를 일으키며 세대를 거듭해 정답에 근사하는 최적화 알고리즘.
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Evolutionary-Computation]], [[Fitness-Landscape]], [[Black-Box-Optimization]], [[Neural-Architecture-Search-NAS]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Genetic-Algorithms.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Genetic-Algorithms.md
diff --git a/10_Wiki/Topics/AI/Geographic-Information-Systems.md b/10_Wiki/Topics/AI/Geographic-Information-Systems.md
index 0db99942..4b963fd1 100644
--- a/10_Wiki/Topics/AI/Geographic-Information-Systems.md
+++ b/10_Wiki/Topics/AI/Geographic-Information-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GGIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, gis, geographic-information, mapping, spatial-data, urban-planning, analytics]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 레이어 중첩 정책을 넘어, AI 가 위성 사진 정책을 분석하여 불법 건축물 정책을 자동 감지하거나 도시의 탄소 배출 정책을 정밀 측정하는 'AI-GIS'로 진화 중임. (Sustainability와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Entity-Relationship-Modeling]], [[CPTED]], [[Sim-City]], [[Sustainability]], [[Urban-Planning]], [[Strategic-Planning]]
+- [[Entity-Relationship-Modeling]], [[CPTED]], Sim-City, [[Sustainability]], Urban-Planning, [[Strategic-Planning]]
 - **Key Software**: QGIS, ArcGIS, Google Maps API.
 ---
diff --git a/10_Wiki/Topics/AI/Geometric-Deep-Learning.md b/10_Wiki/Topics/AI/Geometric-Deep-Learning.md
index aafcc38e..e165b32c 100644
--- a/10_Wiki/Topics/AI/Geometric-Deep-Learning.md
+++ b/10_Wiki/Topics/AI/Geometric-Deep-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: GEO-DL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, geometric-deep-learning, gnn, graph-theory, topology]
 last_reinforced: 2026-04-26
 ---
 
-# [[Geometric Deep Learning (기하학적 딥러닝)]]
+# Geometric Deep Learning (기하학적 딥러닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 외형이 아닌, 그 안에 숨겨진 대칭성과 기하학적 구조를 학습하여 차원을 넘나드는 지능을 구현하라" — 유클리드 공간(격자)을 넘어 그래프, 매니폴드, 3D 메쉬 등 비유클리드 구조를 가진 데이터에서 불변하는 특징을 추출하기 위한 딥러닝의 통합 프레임워크.
@@ -28,4 +28,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[GNN]], [[Graph-Theory]], [[Dimensionality-Reduction]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Geometric-Deep-Learning.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Geometric-Deep-Learning.md
diff --git a/10_Wiki/Topics/AI/Geriatric-Medicine.md b/10_Wiki/Topics/AI/Geriatric-Medicine.md
index f44ddfa3..3a2fc38f 100644
--- a/10_Wiki/Topics/AI/Geriatric-Medicine.md
+++ b/10_Wiki/Topics/AI/Geriatric-Medicine.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GERE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, geriatric-medicine, aging, healthcare, frailty, chronic-disease, system-medicine]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 환자 진료 정책을 넘어, 웨어러블 센서 정책과 AI 가 가정 내 낙상 위험 정책을 실시간 감지하여 미리 방지하는 '항시적 모니터링 체계'로 진화 중임. (Etiology-of-Disease와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Enzyme-Inhibition-Kinetics]], [[Sustainability]], [[Etiology-of-Disease]], [[Bio-Informatics]], [[Scientific-Method]], [[Reliability]]
+- [[Enzyme-Inhibition-Kinetics]], [[Sustainability]], [[Etiology-of-Disease]], Bio-Informatics, [[Scientific-Method]], [[Reliability]]
 - **Key Focus**: Comprehensive Geriatric Assessment (CGA).
 ---
diff --git a/10_Wiki/Topics/AI/Gestalt Psychology.md b/10_Wiki/Topics/AI/Gestalt Psychology.md
index 24367099..87eceaee 100644
--- a/10_Wiki/Topics/AI/Gestalt Psychology.md	
+++ b/10_Wiki/Topics/AI/Gestalt Psychology.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GPSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.87
 tags: [auto-reinforced, gestalt-psychology, perception, cognitive-science, holistic-thinking, patterns]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 컴퓨터 비전(Computer Vision) 정책에서 픽셀 단위 분석을 넘어 전체적인 '객체의 관계와 맥락 정책'을 이해하려는 연구에 영감을 주며, 신경망이 어떻게 패턴을 '전체적으로' 인식하게 만들지에 대한 이론적 바탕이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[User Experience (UX)]], [[Design-System]], [[Computer Vision]], [[Pattern Recognition]], [[Epistemology]]
+- User Experience (UX), [[Design-System]], [[Computer Vision]], Pattern Recognition, [[Epistemology]]
 - **Modern Tech/Tools**: Gestalt principles in web design, Visual hierarchy analysis.
 ---
diff --git a/10_Wiki/Topics/AI/Gestalt-Principles in UX.md b/10_Wiki/Topics/AI/Gestalt-Principles in UX.md
index 4ef3ce6f..027af50c 100644
--- a/10_Wiki/Topics/AI/Gestalt-Principles in UX.md	
+++ b/10_Wiki/Topics/AI/Gestalt-Principles in UX.md	
@@ -1,12 +1,12 @@
 ---
 id: UX-GESTALT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux, design, gestalt-principles, psychology, human-computer-interaction]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gestalt Principles in UX (UX에서의 게슈탈트 원리)]]
+# Gestalt Principles in UX (UX에서의 게슈탈트 원리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체는 부분의 합과 다르며, 인간의 뇌는 복잡한 시각 정보를 본능적으로 단순하고 유의미한 그룹으로 엮어낸다" — 인간의 시각 인지 과정을 설명하는 심리학 법칙들을 인터페이스 설계에 적용하여, 사용자가 별도의 학습 없이도 화면의 구조와 관계를 즉각 파악하게 만드는 디자인 원칙.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 대시보드와 에이전트 인터페이스는 게슈탈트 원칙을 준수하여 설계되며, 특히 '유사성' 법칙을 통해 에이전트의 응답 유형별로 일관된 시각적 피드백을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[UX-Design]], [[Human-Computer-Interaction-HCI]], [[Frontend-Architecture]], [[Visual-Hierarchy]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gestalt-Principles in UX.md]]
+- UX-Design, [[Human-Computer-Interaction-HCI]], [[Frontend-Architecture]], Visual-Hierarchy
+- **Raw Source:** 10_Wiki/Topics/AI/Gestalt-Principles in UX.md
diff --git a/10_Wiki/Topics/AI/Gestalt-Principles-of-Design.md b/10_Wiki/Topics/AI/Gestalt-Principles-of-Design.md
index 09f7ef60..0d2bdd00 100644
--- a/10_Wiki/Topics/AI/Gestalt-Principles-of-Design.md
+++ b/10_Wiki/Topics/AI/Gestalt-Principles-of-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GESTALT-TECH
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Design, Psychology, Gestalt, UX]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 게슈탈트 원칙은 강력하지만 문화적 배경에 따라 시선의 우선순위가 달라질 수 있다. 또한 현대의 '레이어드 모달'이나 'Z-index' 디자인에서는 물리적 근접성보다 '깊이감(Depth)'이 그룹 인식에 더 큰 영향을 주기도 한다. 고여 있는 법칙이 아니라 기기 환경에 맞춰 재해석되어야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[UI-Design-Systems]] , [[Human-Computer-Interaction (HCI)]]
-- Fundamental: [[Visual-Hierarchy]]
+- Related: UI-Design-Systems , Human-Computer-Interaction (HCI)
+- Fundamental: Visual-Hierarchy
diff --git a/10_Wiki/Topics/AI/Gimbals-and-Orientation.md b/10_Wiki/Topics/AI/Gimbals-and-Orientation.md
index ad659362..70f7b5f2 100644
--- a/10_Wiki/Topics/AI/Gimbals-and-Orientation.md
+++ b/10_Wiki/Topics/AI/Gimbals-and-Orientation.md
@@ -1,12 +1,12 @@
 ---
 id: PHYS-GIMBAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [physics, robotics, game-dev, orientation, rotation-math, skybound]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gimbals and Orientation (짐벌과 방향 제어)]]
+# Gimbals and Orientation (짐벌과 방향 제어)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "3차원 공간의 자유도를 수호하고, 회전의 축이 겹쳐 통제력을 잃는 짐벌 락의 함정을 회피하라" — 물체가 어떤 방향으로든 자유롭게 회전할 수 있도록 지지하는 장치(Gimbal)와, 오일러 각(Euler Angles) 및 쿼터니언(Quaternions)을 활용한 수학적 자세 제어 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 함대 시점 카메라와 미사일 유도 알고리즘은 쿼터니언을 사용하여 격렬한 기동 중에도 끊김 없는 부드러운 시선 처리를 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Physics-Engine]], [[Robotics]], [[Mathematics-for-AI]], [[Determinism-in-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gimbals-and-Orientation.md]]
+- Physics-Engine, [[Robotics]], Mathematics-for-AI, [[Determinism-in-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Gimbals-and-Orientation.md
diff --git a/10_Wiki/Topics/AI/Git-Branching-Strategies-and-Workflows.md b/10_Wiki/Topics/AI/Git-Branching-Strategies-and-Workflows.md
index b4fbba74..1af5e01f 100644
--- a/10_Wiki/Topics/AI/Git-Branching-Strategies-and-Workflows.md
+++ b/10_Wiki/Topics/AI/Git-Branching-Strategies-and-Workflows.md
@@ -1,12 +1,12 @@
 ---
 id: OPS-GIT-BRANCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [git, version-control, branching-strategy, gitflow, trunk-based-development, collaboration, devops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Git Branching Strategies and Workflows (Git 브랜칭 전략 및 워크플로우)]]
+# Git Branching Strategies and Workflows (Git 브랜칭 전략 및 워크플로우)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드 변경의 격리와 통합을 체계적으로 관리하여 메인 브랜치의 안정성을 수호하고, 팀의 규모와 릴리스 주기에 최적화된 협업의 고속도로를 설계하라" — 소프트웨어 형상 관리의 효율성을 결정짓는 팀 표준 워크플로우.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 저장소에 대해 'Feature Branch' 방식을 기본 정책으로 하며, 메인 브랜치로의 직접 커밋을 기술적으로 차단(Protected Branch)하고 반드시 PR 리뷰를 거치도록 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Frontend-Team-Collaboration-and-Governance]], [[Pull-Request-Workflow]], [[CI-CD-Pipeline-Foundations]], [[Clean-Code-Principles]]
-- **Raw Source:** [[00_Raw/Git Branching Strategies.md]]
+- [[Frontend-Team-Collaboration-and-Governance]], Pull-Request-Workflow, [[CI-CD-Pipeline-Foundations]], [[Clean-Code-Principles]]
+- **Raw Source:** 00_Raw/Git Branching Strategies.md
diff --git a/10_Wiki/Topics/AI/Git-Version-Control.md b/10_Wiki/Topics/AI/Git-Version-Control.md
index 5ccbdd7b..4cb43936 100644
--- a/10_Wiki/Topics/AI/Git-Version-Control.md
+++ b/10_Wiki/Topics/AI/Git-Version-Control.md
@@ -1,12 +1,12 @@
 ---
 id: GIT-MASTER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, version-control, git, collaboration, workflow]
 last_reinforced: 2026-04-26
 ---
 
-# [[Git Version Control Master (깃 버전 관리 마스터)]]
+# Git Version Control Master (깃 버전 관리 마스터)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드의 모든 순간을 기록하고, 병렬적인 시도들을 하나로 엮어내는 분산 버전 관리의 예술" — 소스코드의 변경 이력을 추적하고 여러 개발자의 작업을 충돌 없이 통합하며, 실험적인 브랜칭(Branching)을 통해 안전한 개발 환경을 제공하는 표준 도구.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 생성한 모든 지식(Wiki)과 코드(Agent, Skybound 등)를 Git으로 관리하며, '의미 있는 단위'의 자동 커밋과 푸시를 통해 실시간 지식 자산화를 실현함.
 
 ## 🔗 지식 연결 (Graph)
-- [[DevOps-for-AI-MLOps]], [[Extreme-Programming-XP]], [[Software-Architecture-Patterns]], [[Collaborative-Development]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Git-Version-Control.md]]
+- [[DevOps-for-AI-MLOps]], [[Extreme-Programming-XP]], [[Software-Architecture-Patterns]], Collaborative-Development
+- **Raw Source:** 10_Wiki/Topics/AI/Git-Version-Control.md
diff --git a/10_Wiki/Topics/AI/GitHub-Actions-CI-CD.md b/10_Wiki/Topics/AI/GitHub-Actions-CI-CD.md
index 851516c5..a1532f29 100644
--- a/10_Wiki/Topics/AI/GitHub-Actions-CI-CD.md
+++ b/10_Wiki/Topics/AI/GitHub-Actions-CI-CD.md
@@ -1,12 +1,12 @@
 ---
 id: GH-ACTIONS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [devops, cicd, automation, github]
 last_reinforced: 2026-04-26
 ---
 
-# [[GitHub Actions CI/CD (자동화 파이프라인)]]
+# GitHub Actions CI/CD (자동화 파이프라인)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드가 저장소에 들어오는 순간부터 배포까지의 모든 여정을 자동화하라" — GitHub 이벤트(Push, PR 등)에 반응하여 테스트, 빌드, 배포 워크플로우를 실행하는 클라우드 네이티브 자동화 도구.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity의 모든 하위 프로젝트(ConnectAI, Skybound 등)는 GitHub Actions를 통해 자동 빌드 및 릴레이 테스트를 수행하며, 검증된 코드만 메인 브랜치에 병합됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[DevOps]], [[Continuous-Integration]], [[Continuous-Deployment]], [[Infrastructure-as-Code]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GitHub-Actions-CI-CD.md]]
+- DevOps, Continuous-Integration, Continuous-Deployment, Infrastructure-as-Code
+- **Raw Source:** 10_Wiki/Topics/AI/GitHub-Actions-CI-CD.md
diff --git a/10_Wiki/Topics/AI/GitLab CI.md b/10_Wiki/Topics/AI/GitLab CI.md
index d7772e59..6f38c107 100644
--- a/10_Wiki/Topics/AI/GitLab CI.md	
+++ b/10_Wiki/Topics/AI/GitLab CI.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0DF208
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GitLab CI"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[CI/CD 파이프라인]], [[SAST (정적 애플리케이션 보안 테스트)]]
-- **Projects/Contexts:** [[Snyk Code 파이프라인 통합]], [[SonarQube 개발 워크플로우 연동]]
+- **Related Topics:** CI/CD 파이프라인, [[SAST (정적 애플리케이션 보안 테스트)]]
+- **Projects/Contexts:** Snyk Code 파이프라인 통합, SonarQube 개발 워크플로우 연동
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. GitLab CI만의 독자적인 기능이나 설정 방법에 대한 구체적인 내용은 소스에 존재하지 않으며, GitHub이나 Bitbucket 등과 함께 서드파티 보안/분석 도구가 지원하는 환경 목록으로만 등장합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GitLab CI.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/GloVe (Word Embeddings).md b/10_Wiki/Topics/AI/GloVe (Word Embeddings).md
index ff5588fb..24824087 100644
--- a/10_Wiki/Topics/AI/GloVe (Word Embeddings).md	
+++ b/10_Wiki/Topics/AI/GloVe (Word Embeddings).md	
@@ -1,12 +1,12 @@
 ---
 id: GLOVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, word-embeddings, ai-history, vectors]
 last_reinforced: 2026-04-26
 ---
 
-# [[GloVe (Global Vectors for Word Representation)]]
+# GloVe (Global Vectors for Word Representation)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단어의 의미를 전체 말뭉치의 동시 출현 빈도로 정의하라" — 전역적인 단어-단어 동시 출현 행렬(Co-occurrence Matrix)의 통계 정보를 활용하여 단어를 고차원 벡터로 변환하는 임베딩 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 텍스트 분석 엔진은 기본적으로 트랜스포머 기반 임베딩을 사용하나, 가벼운 단어 유사도 비교나 전통적인 통계 분석 시에는 GloVe를 참고 지표로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Word-Embeddings]], [[Word2Vec]], [[NLP]], [[Vector-Space-Model]]
-- **Raw Source:** [[10_Wiki/Topics/AI/GloVe (Word Embeddings).md]]
+- Word-Embeddings, Word2Vec, NLP, Vector-Space-Model
+- **Raw Source:** 10_Wiki/Topics/AI/GloVe (Word Embeddings).md
diff --git a/10_Wiki/Topics/AI/Global-Standard.md b/10_Wiki/Topics/AI/Global-Standard.md
index e1c53691..fd547303 100644
--- a/10_Wiki/Topics/AI/Global-Standard.md
+++ b/10_Wiki/Topics/AI/Global-Standard.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GLST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, global-standard, iso, interoperability, governance, standardization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Global-vs-Local-Optima.md b/10_Wiki/Topics/AI/Global-vs-Local-Optima.md
index 5a1bba31..6cd8136f 100644
--- a/10_Wiki/Topics/AI/Global-vs-Local-Optima.md
+++ b/10_Wiki/Topics/AI/Global-vs-Local-Optima.md
@@ -1,12 +1,12 @@
 ---
 id: OPT-GLO-LOC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, optimization, mathematics, global-optima, local-optima]
 last_reinforced: 2026-04-26
 ---
 
-# [[Global Optima vs Local Optima (전역 최적해와 지역 최적해)]]
+# Global Optima vs Local Optima (전역 최적해와 지역 최적해)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "눈앞의 작은 언덕(Local)에 만족하지 말고, 산맥 전체에서 가장 높은 봉우리(Global)를 향한 탐험을 멈추지 마라" — 최적화 문제에서 함수값이 주변보다 가장 좋지만 전체에서는 최선이 아닌 지점(Local)과, 전체 영역을 통틀어 가장 우수한 지점(Global) 사이의 격차와 이를 극복하기 위한 도전.
@@ -28,4 +28,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Gradient-Descent]], [[Fitness-Landscape]], [[Black-Box-Optimization]], [[Genetic-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Global-vs-Local-Optima.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Global-vs-Local-Optima.md
diff --git a/10_Wiki/Topics/AI/Goal-Misgeneralization.md b/10_Wiki/Topics/AI/Goal-Misgeneralization.md
index e3fdb568..c5277b3e 100644
--- a/10_Wiki/Topics/AI/Goal-Misgeneralization.md
+++ b/10_Wiki/Topics/AI/Goal-Misgeneralization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GOMI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, goal-misgeneralization, ai-safety, alignment, reinforcement-learning, rewards, agent]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 보상 함수 정책(Reward function) 설계 정책을 넘어, 인간의 피드백 정책(RLHF)을 지속적으로 투입하여 AI 의 '내적 의도 정책'을 상시 검증하는 견제 정책(Anti-misgeneralization)이 안전 연구의 표준이 됨. (Effective-Altruism-in-AI와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[Effective-Altruism-in-AI]], [[Bias-Variance-Tradeoff]], [[Reliability]], [[Safety]], [[Refinement]]
+- [[Reinforcement Learning (RL)]], [[Effective-Altruism-in-AI]], [[Bias-Variance-Tradeoff]], [[Reliability]], Safety, [[Refinement]]
 - **Key Researchers**: Lauro Langosco, Jack Koch et al.
 ---
diff --git a/10_Wiki/Topics/AI/Goal-Oriented-Action-Planning.md b/10_Wiki/Topics/AI/Goal-Oriented-Action-Planning.md
index 256ab228..7957844e 100644
--- a/10_Wiki/Topics/AI/Goal-Oriented-Action-Planning.md
+++ b/10_Wiki/Topics/AI/Goal-Oriented-Action-Planning.md
@@ -1,12 +1,12 @@
 ---
 id: GOAP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-ai, ai-planning, game-design, behavior-systems]
 last_reinforced: 2026-04-26
 ---
 
-# [[Goal-Oriented Action Planning (GOAP, 목표 지향적 행동 계획)]]
+# Goal-Oriented Action Planning (GOAP, 목표 지향적 행동 계획)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "어떻게 할지 가르치지 말고, 무엇을 하고 싶은지 정해주면 스스로 계획하게 하라" — 에이전트가 목표를 달성하기 위해 현재 상태에서 가능한 행동들의 조합을 동적으로 탐색하고 계획(Plan)을 세워 실행하는 AI 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 보스 몬스터 AI는 GOAP 기반의 계획 시스템을 사용하여, 플레이어의 위치와 자신의 체력 상태에 따라 지능적으로 공격과 퇴각을 결정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-AI]], [[A-Star-Algorithm]], [[Finite-State-Machine]], [[HTN-Planning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Goal-Oriented-Action-Planning.md]]
+- Game-AI, A-Star-Algorithm, Finite-State-Machine, HTN-Planning
+- **Raw Source:** 10_Wiki/Topics/AI/Goal-Oriented-Action-Planning.md
diff --git a/10_Wiki/Topics/AI/God-Object-Antipattern.md b/10_Wiki/Topics/AI/God-Object-Antipattern.md
index ff27e746..09a4be46 100644
--- a/10_Wiki/Topics/AI/God-Object-Antipattern.md
+++ b/10_Wiki/Topics/AI/God-Object-Antipattern.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GOD-OBJECT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, AntiPattern, CleanCode, Refactoring]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 때로는 성능 최적화(캐시 히트율, 함수 호출 오버헤드 감소)를 위해 일부러 데이터를 모아두는 경우가 있으나, 이는 극히 예외적인 상황이다. 현대의 가독성과 테스트 중심 개발 환경에서 '신 객체'는 프로젝트의 수명을 갉아먹는 암적 존재로 간주된다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Single-Responsibility-Principle (SRP)]] , [[Cohesion-and-Coupling]]
-- Action: [[Refactoring-Techniques]]
+- Related: Single-Responsibility-Principle (SRP) , Cohesion-and-Coupling
+- Action: Refactoring-Techniques
diff --git a/10_Wiki/Topics/AI/Godel's Incompleteness Theorems.md b/10_Wiki/Topics/AI/Godel's Incompleteness Theorems.md
index 099cec60..d250b266 100644
--- a/10_Wiki/Topics/AI/Godel's Incompleteness Theorems.md	
+++ b/10_Wiki/Topics/AI/Godel's Incompleteness Theorems.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GITR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, godel, incompleteness, mathematics, logic, philosophy, limits-of-computation]
 last_reinforced: 2026-04-20
@@ -24,6 +24,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 인공지능이 인간보다 뛰어난 논리력을 가질지라도, 시스템 내부의 모순이나 증명 불가능한 '블라인드 스팟 정책'을 가질 수밖에 없다는 점을 시사하며 AI의 전지전능함에 대한 철학적 제동 정책으로 언급됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Logic]], [[Epistemology]], [[Philosophy of Science]], [[Analysis]], [[Artificial Intelligence (AI)]]
+- [[Logic]], [[Epistemology]], Philosophy of Science, [[Analysis]], [[Artificial Intelligence (AI)]]
 - **Modern Tech/Tools**: Formal verification systems, Meta-programming, Tarski's undefinability theorem.
 ---
diff --git a/10_Wiki/Topics/AI/Google-Page-Experience-2025-Update.md b/10_Wiki/Topics/AI/Google-Page-Experience-2025-Update.md
index ba7a453a..6712a071 100644
--- a/10_Wiki/Topics/AI/Google-Page-Experience-2025-Update.md
+++ b/10_Wiki/Topics/AI/Google-Page-Experience-2025-Update.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-GOOG-2025-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [google, seo, page-experience, core-web-vitals, inp, search-ranking, 2025-update]
 last_reinforced: 2026-04-26
 ---
 
-# [[Google Page Experience 2025 Update (구글 페이지 경험 2025 업데이트)]]
+# Google Page Experience 2025 Update (구글 페이지 경험 2025 업데이트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 로딩 속도를 넘어 사용자와의 '상호작용 품질(INP)'과 '시각적 안정성(CLS)'을 검색 순위의 핵심 변수로 격상시키고, 기술적 성능을 비즈니스의 가시성과 직결시켜라" — 2025년 구글 검색 알고리즘의 핵심인 사용자 경험 신호 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 자산에 대해 'Google Search Console - Core Web Vitals' 리포트의 모든 지표를 'Good' 등급으로 유지하는 것을 마케팅 KPI의 기본 정책으로 설정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Core-Web-Vitals-Metrics]], [[Interaction-to-Next-Paint-INP]], [[Cumulative-Layout-Shift-CLS]], [[SEO-Foundations]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[00_Raw/Google Page Experience 2025 Update.md]], [[00_Raw/Google Page Experience 2025.md]]
+- [[Core-Web-Vitals-Metrics]], [[Interaction-to-Next-Paint-INP]], [[Cumulative-Layout-Shift-CLS]], SEO-Foundations, [[Modern-Website-Architecture]]
+- **Raw Source:** 00_Raw/Google Page Experience 2025 Update.md, 00_Raw/Google Page Experience 2025.md
diff --git a/10_Wiki/Topics/AI/Gradient-Boosting-Machines.md b/10_Wiki/Topics/AI/Gradient-Boosting-Machines.md
index 10dad1db..4d86c97d 100644
--- a/10_Wiki/Topics/AI/Gradient-Boosting-Machines.md
+++ b/10_Wiki/Topics/AI/Gradient-Boosting-Machines.md
@@ -1,12 +1,12 @@
 ---
 id: ML-GBM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, gradient-boosting, xgboost, lightgbm, supervised-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gradient Boosting Machines (그래디언트 부스팅 머신)]]
+# Gradient Boosting Machines (그래디언트 부스팅 머신)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이전의 실수를 가장 뼈아픈 교훈으로 삼아, 오차의 경사(Gradient)를 따라 완벽한 정답으로 전진하라" — 여러 개의 약한 학습기(보통 의사결정 나무)를 순차적으로 연결하되, 앞선 모델이 틀린 오차를 다음 모델이 보정하는 방식으로 학습하는 강력한 앙상블 기법.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서의 중요도 랭킹 시스템이나 추천 엔진 설계 시, 딥러닝 임베딩과 함께 부스팅 모델을 앙상블하여 최상의 결과를 도출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ensemble-Methods]], [[Decision-Trees-and-Random-Forests]], [[Supervised-Learning-Foundations]], [[Gradient-Descent]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gradient-Boosting-Machines.md]]
+- [[Ensemble-Methods]], Decision-Trees-and-Random-Forests, [[Supervised-Learning-Foundations]], [[Gradient-Descent]]
+- **Raw Source:** 10_Wiki/Topics/AI/Gradient-Boosting-Machines.md
diff --git a/10_Wiki/Topics/AI/Gradient-Descent.md b/10_Wiki/Topics/AI/Gradient-Descent.md
index a5c76add..72fcc81a 100644
--- a/10_Wiki/Topics/AI/Gradient-Descent.md
+++ b/10_Wiki/Topics/AI/Gradient-Descent.md
@@ -1,12 +1,12 @@
 ---
 id: OPT-GRAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, optimization, mathematics, gradient-descent, machine-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Gradient Descent Foundations (경사 하강법 기초)]]
+# Gradient Descent Foundations (경사 하강법 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "어둠 속에서 지형의 기울기만을 느끼며 가장 낮은 골짜기를 향해 끈기 있게 내려가라" — 모델의 예측값과 실제값 사이의 오차(Loss)를 정의하고, 이 오차를 최소화하는 방향으로 파라미터를 점진적으로 수정해 나가는 인공지능 학습의 근본 알고리즘.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - [[Global-vs-Local-Optima]] 문서와 연계하여, 지역 최적해의 함정을 피하는 것이 경사 하강법 운영의 핵심 기술임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Backpropagation]], [[Global-vs-Local-Optima]], [[Deep-Learning-Foundations]], [[Mathematics-for-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Gradient-Descent.md]]
+- [[Backpropagation]], [[Global-vs-Local-Optima]], Deep-Learning-Foundations, Mathematics-for-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Gradient-Descent.md
diff --git a/10_Wiki/Topics/AI/Graph Theory.md b/10_Wiki/Topics/AI/Graph Theory.md
index 79369027..294f83e8 100644
--- a/10_Wiki/Topics/AI/Graph Theory.md	
+++ b/10_Wiki/Topics/AI/Graph Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, graph-theory, mathematics, networks, topology, discrete-mathematics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Graph-Coloring-Problem.md b/10_Wiki/Topics/AI/Graph-Coloring-Problem.md
index 230cf7fb..4e1a85c7 100644
--- a/10_Wiki/Topics/AI/Graph-Coloring-Problem.md
+++ b/10_Wiki/Topics/AI/Graph-Coloring-Problem.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRCP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, graph-coloring, algorithm, csp, graph-theory, optimization, scheduling, complexity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Graph-Database.md b/10_Wiki/Topics/AI/Graph-Database.md
index e9dd996c..32b9a313 100644
--- a/10_Wiki/Topics/AI/Graph-Database.md
+++ b/10_Wiki/Topics/AI/Graph-Database.md
@@ -1,12 +1,12 @@
 ---
 id: GRAPH-DB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [database, graph-theory, data-structure, nosql]
 last_reinforced: 2026-04-26
 ---
 
-# [[Graph Database (그래프 데이터베이스)]]
+# Graph Database (그래프 데이터베이스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 자체보다 데이터 사이의 '관계'에 집중하라" — 개체(Node)와 관계(Edge)를 동등한 1급 시민으로 취급하여, 복잡하게 얽힌 네트워크 데이터를 효율적으로 저장하고 탐색하는 비정형 데이터베이스.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 '위키 지식 그래프'는 그래프 DB의 원리를 차용하여 문서 간의 의미적 연결을 시각화하고 탐색함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Graph-Theory]], [[Knowledge-Graph]], [[NoSQL]], [[Semantic-Network]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Graph-Database.md]]
+- [[Graph-Theory]], [[Knowledge-Graph]], NoSQL, Semantic-Network
+- **Raw Source:** 10_Wiki/Topics/AI/Graph-Database.md
diff --git a/10_Wiki/Topics/AI/Graph-Theory.md b/10_Wiki/Topics/AI/Graph-Theory.md
index 2acd3c9b..1e527b61 100644
--- a/10_Wiki/Topics/AI/Graph-Theory.md
+++ b/10_Wiki/Topics/AI/Graph-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-GRAPH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, graph-theory, network-analysis, data-structures, ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Graph Theory and Networks (그래프 이론과 네트워크)]]
+# Graph Theory and Networks (그래프 이론과 네트워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상의 모든 존재를 점(Node)으로, 그들의 관계를 선(Edge)으로 연결하여 복잡계의 지도를 그려라" — 개체들 간의 상호작용과 연결 구조를 수학적으로 모델링하여, 네트워크의 특성과 정보의 흐름을 분석하는 학문적 토대.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 지식 문서 간의 상관관계를 그래프 이론적 관점에서 상시 분석하며, 지식의 고립(Island)을 방지하고 핵심 연결 노드를 자동으로 추천함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GNN]], [[Geometric-Deep-Learning]], [[Knowledge-Graph-Foundations]], [[Search-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Graph-Theory.md]]
+- [[GNN]], [[Geometric-Deep-Learning]], [[Knowledge-Graph-Foundations]], Search-Algorithms
+- **Raw Source:** 10_Wiki/Topics/AI/Graph-Theory.md
diff --git a/10_Wiki/Topics/AI/GraphQL-Code-Generator.md b/10_Wiki/Topics/AI/GraphQL-Code-Generator.md
index 4eef00ca..47f28cfc 100644
--- a/10_Wiki/Topics/AI/GraphQL-Code-Generator.md
+++ b/10_Wiki/Topics/AI/GraphQL-Code-Generator.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GQCG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, graphql, code-generator, typescript, type-safety, schema, automation, api-development]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ GraphQL 코드 제너레이터(GraphQL-Code-Generator)는 GraphQL 스키마와 
 - **정책 변화(RL Update)**: 이제는 단순 타입 생성 정책을 넘어, 스키마 정보를 활용하여 목업 데이터(Mocking) 정책이나 유효성 검사 로직(Zod) 정책까지 자동으로 생성해 주는 풀스택 개발 가속기로 진화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Reliability]], [[Distributed-System-Type-Safety]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Automation]]
+- [[Efficiency]], [[Reliability]], [[Distributed-System-Type-Safety]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], Automation
 - **Key Ecosystem**: The Guild (Creators).
 ---
diff --git a/10_Wiki/Topics/AI/GraphRAG (그래프 기반 검색 증강 생성).md b/10_Wiki/Topics/AI/GraphRAG (그래프 기반 검색 증강 생성).md
index 3cf9004c..68472904 100644
--- a/10_Wiki/Topics/AI/GraphRAG (그래프 기반 검색 증강 생성).md	
+++ b/10_Wiki/Topics/AI/GraphRAG (그래프 기반 검색 증강 생성).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-GRAPHRAG
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [AI, RAG, GraphRAG, KnowledgeGraph, LLM]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Greedy-Algorithms.md b/10_Wiki/Topics/AI/Greedy-Algorithms.md
index 33bc5a59..c5efeb6d 100644
--- a/10_Wiki/Topics/AI/Greedy-Algorithms.md
+++ b/10_Wiki/Topics/AI/Greedy-Algorithms.md
@@ -1,12 +1,12 @@
 ---
 id: CS-GREEDY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, algorithms, greedy-algorithm, optimization, search-strategies]
 last_reinforced: 2026-04-26
 ---
 
-# [[Greedy Algorithms (탐욕 알고리즘)]]
+# Greedy Algorithms (탐욕 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "매 순간 눈앞의 가장 큰 이득만을 취하라. 때로는 단순한 탐욕이 가장 효율적인 정답으로 인도한다" — 전역적인 최적해를 찾기 위해 복잡하게 고민하는 대신, 각 단계에서 국소적으로 가장 좋은 선택(Local Optimum)을 반복하여 최종 해를 도출하는 설계 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 실시간 지식 임베딩 클러스터링 알고리즘은 연산 부하를 줄이기 위해 일부 단계에서 탐욕적 접근 방식을 채택하여 빠른 반응성을 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Global-vs-Local-Optima]], [[Search-Algorithms]], [[Heuristic-Search]], [[Dynamic-Programming-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Greedy-Algorithms.md]]
+- [[Global-vs-Local-Optima]], Search-Algorithms, [[Heuristic-Search]], Dynamic-Programming-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Greedy-Algorithms.md
diff --git a/10_Wiki/Topics/AI/Grit.md b/10_Wiki/Topics/AI/Grit.md
index 9157d503..dad421e9 100644
--- a/10_Wiki/Topics/AI/Grit.md
+++ b/10_Wiki/Topics/AI/Grit.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, grit, passion, perseverance, success, psychology, achievement]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 '맹목적인 그릿(Escalation) 정책'의 위험 정책이 지적되면서, 유연한 전략 수정(Pivot) 정책과 결합된 '전략적 그릿' 개념이 교육과 경영 분야에서 새롭게 논의 중임. (Growth-Mindset와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Escalation-of-Commitment]], [[Eudaimonia-and-Well-being]], [[Growth-Mindset]], [[Social-Psychology]], [[Strategic-Planning]], [[Ethics]]
+- [[Escalation-of-Commitment]], [[Eudaimonia-and-Well-being]], [[Growth-Mindset]], Social-Psychology, [[Strategic-Planning]], Ethics
 - **Key Figure**: Angela Duckworth.
 ---
diff --git a/10_Wiki/Topics/AI/Grounded Theory Method.md b/10_Wiki/Topics/AI/Grounded Theory Method.md
index d6a47d47..5979fe3d 100644
--- a/10_Wiki/Topics/AI/Grounded Theory Method.md	
+++ b/10_Wiki/Topics/AI/Grounded Theory Method.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GTME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, grounded-theory, research-methodology, qualitative-analysis, sociology, inductive-reasoning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 학계의 연구 정책을 넘어, IT 제품 기획 정책에서 사용자의 숨겨진 니즈(User Experience (UX))를 발굴하고 제품의 철학 정책을 세우는 실무적 방법론으로 각광받고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Analysis]], [[Bottom-Up-Approach]], [[User Experience (UX)]], [[Knowledge synthesis]], [[Sociology of Knowledge]]
+- [[Analysis]], [[Bottom-Up-Approach]], User Experience (UX), [[Knowledge synthesis]], [[Sociology of Knowledge]]
 - **Modern Tech/Tools**: NVivo, ATLAS.ti, LLM-based qualitative analysis agents.
 ---
diff --git a/10_Wiki/Topics/AI/Growth-Mindset-Intervention.md b/10_Wiki/Topics/AI/Growth-Mindset-Intervention.md
index 1fa9ffeb..a8a3987f 100644
--- a/10_Wiki/Topics/AI/Growth-Mindset-Intervention.md
+++ b/10_Wiki/Topics/AI/Growth-Mindset-Intervention.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GMIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, growth-mindset, intervention, education, neuroplasticity, achievement, psychology]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근 대규모 메타 분석 정책에 따르면, 단순한 1회성 교육 정책보다는 교사의 태도 정책과 환경적 지지 정책(Sustainability)이 동반될 때 비로소 장기적인 성과 정책으로 이어진다는 결과가 우세함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hebbian-Theory]], [[Economic-Mobility]], [[Sustainability]], [[Growth-Mindset]], [[Social-Psychology]], [[E-Learning-Gamification]]
+- [[Hebbian-Theory]], [[Economic-Mobility]], [[Sustainability]], [[Growth-Mindset]], Social-Psychology, [[E-Learning-Gamification]]
 - **Key Concepts**: Incremental theory of intelligence.
 ---
diff --git a/10_Wiki/Topics/AI/Growth-Mindset.md b/10_Wiki/Topics/AI/Growth-Mindset.md
index e12ca6eb..391c3b01 100644
--- a/10_Wiki/Topics/AI/Growth-Mindset.md
+++ b/10_Wiki/Topics/AI/Growth-Mindset.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRMI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, growth-mindset, mind-set, failure, learning, resilience, psychology]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 자기계발 정책 용어를 넘어, AI 에이전트 설계 시 에이전트가 실패 데이터 정책을 보고 자신의 정책(Policy)을 어떻게 수정할 것인가를 결정하는 '학습 알고리즘의 유연성 정책' 모델링의 철학적 토대가 됨. (Reinforcement Learning (RL)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Hebbian-Theory]], [[E-Learning-Gamification]], [[Reinforcement Learning (RL)]], [[Social-Psychology]], [[Grit]], [[Ethics]]
+- [[Hebbian-Theory]], [[E-Learning-Gamification]], [[Reinforcement Learning (RL)]], Social-Psychology, [[Grit]], Ethics
 - **Key Figure**: Carol Dweck (Mindset: The New Psychology of Success).
 ---
diff --git a/10_Wiki/Topics/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md b/10_Wiki/Topics/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md
index e65a480e..02df5f1c 100644
--- a/10_Wiki/Topics/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md
+++ b/10_Wiki/Topics/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GGXR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, guilty-gear, rendering, anime-style, cel-shading, real-time-graphics, unreal-engine]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 길티기어 스트라이브(Strive)를 거치며 더 발전된 후처리 효과 정책(Bloom, DoF)과 결합되었으며, AI 가 이 화풍 정책을 학습하여 실시간으로 3D 영상을 애니메이션화하는 연구의 벤치마크가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Refinement]], [[UX-Design-and-Engagement]], [[Deep-Convolutional-GANs]], [[Animation]], [[Simulation]], [[Creative-Process]]
+- [[Refinement]], UX-Design-and-Engagement, [[Deep-Convolutional-GANs]], Animation, Simulation, Creative-Process
 - **Key Developer**: Junya Motomura.
 ---
diff --git a/10_Wiki/Topics/AI/HANDOVER.md b/10_Wiki/Topics/AI/HANDOVER.md
index e511aa13..60881b30 100644
--- a/10_Wiki/Topics/AI/HANDOVER.md
+++ b/10_Wiki/Topics/AI/HANDOVER.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HAND-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, handover, knowledge-transfer, project-management, documentation, standard, communication]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/HBO-Prestige-Television.md b/10_Wiki/Topics/AI/HBO-Prestige-Television.md
index 9113d942..2ae83b73 100644
--- a/10_Wiki/Topics/AI/HBO-Prestige-Television.md
+++ b/10_Wiki/Topics/AI/HBO-Prestige-Television.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HBOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, hbo, prestige-tv, storytelling, narrative, television-history, cultural-impact]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ HBO 프레스티지 텔레비전(HBO-Prestige-Television)은 1990년대 후반
 - **정책 변화(RL Update)**: 이제는 단순 제작 정책을 넘어, 데이터 분석 정책을 통해 시청자가 이탈하는 지점 정책을 분석하고 최적의 서사 구조 정책을 설계하는 AI 서사 알고리즘 정책과의 협업 단계로 진화 중임. (Experience-Sampling-Method와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Dramaturgy-Theory]], [[Strategic-Planning]], [[Experience-Sampling-Method]], [[Communication]], [[User-Experience]], [[Ethics]]
+- [[Dramaturgy-Theory]], [[Strategic-Planning]], [[Experience-Sampling-Method]], Communication, User-Experience, Ethics
 - **Key Works**: The Sopranos, The Wire, Game of Thrones, Succession.
 ---
diff --git a/10_Wiki/Topics/AI/HCI (Human-Computer Interaction).md b/10_Wiki/Topics/AI/HCI (Human-Computer Interaction).md
index 989afdec..77ebcc02 100644
--- a/10_Wiki/Topics/AI/HCI (Human-Computer Interaction).md	
+++ b/10_Wiki/Topics/AI/HCI (Human-Computer Interaction).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HCII-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, hci, human-computer-interaction, accessibility, usability, design-thinking]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 화면 속 버튼을 누르는 소통 정책을 넘어, 생각만으로 기계를 조작하는 BCI 정책과 대화로 모든 일을 수행하는 'LUI(Language User Interface) 정책'이 HCI의 새로운 프런티어가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[User Experience (UX)]], [[Design-System]], [[Eye-Tracking]], [[Accessibility]], [[Brain-Computer-Interface (BCI)]]
+- User Experience (UX), [[Design-System]], [[Eye-Tracking]], [[Accessibility]], [[Brain-Computer-Interface (BCI)]]
 - **Modern Tech/Tools**: Figma, Eye trackers, Voice assistants (Siri, Alexa), VR/AR headsets.
 ---
diff --git a/10_Wiki/Topics/AI/HHH.md b/10_Wiki/Topics/AI/HHH.md
index 63aaeae9..1c93b32c 100644
--- a/10_Wiki/Topics/AI/HHH.md
+++ b/10_Wiki/Topics/AI/HHH.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HHHY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, hhh, helpful, harmless, honest, ai-alignment, safety, ethics, llm]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ HHH 가이드라인은 Anthropic 등 주요 AI 연구소에서 AI 모델의 행
 - **정책 변화(RL Update)**: 이제는 단순 원칙 정책을 넘어, 세 가지 원칙 정책이 충돌할 때(예: 해로운 질문에 정직하게 답해야 하는가?)의 우선순위 정책과 맥락 정책을 AI 가 스스로 판단하게 하는 '헌법적 AI(Constitutional AI)' 기법으로 발전 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reasoning]], [[Safety]], [[Goal-Misgeneralization]], [[Effective-Altruism-in-AI]], [[AI-Alignment]], [[Ethics]]
+- [[Reasoning]], Safety, [[Goal-Misgeneralization]], [[Effective-Altruism-in-AI]], [[AI-Alignment]], Ethics
 - **Key Organization**: Anthropic.
 ---
diff --git a/10_Wiki/Topics/AI/HMM.md b/10_Wiki/Topics/AI/HMM.md
index 76fe9d7f..e86c72a6 100644
--- a/10_Wiki/Topics/AI/HMM.md
+++ b/10_Wiki/Topics/AI/HMM.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-HMM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, machine-learning, hmm, sequence-modeling, hidden-states]
 last_reinforced: 2026-04-26
 ---
 
-# [[HMM (Hidden Markov Models, 은닉 마르코프 모델)]]
+# HMM (Hidden Markov Models, 은닉 마르코프 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "보이지 않는 진실(Hidden States)을 겉으로 드러난 현상(Observations)을 통해 확률적으로 추론하라" — 관측 가능한 데이터를 바탕으로 직접 볼 수 없는 상태들의 변화 과정을 확률 모델로 설명하는 시계열 데이터 분석의 고전이자 핵심 도구.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 불완전한 센서 데이터나 불규칙한 로그 시퀀스를 바탕으로 시스템의 잠재적 상태(정상/위험/장애 등)를 확률적으로 진단할 때 HMM을 보조적으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory]], [[RNN-Foundations]], [[Kalman-Filter]], [[Sequence-to-Sequence-Models]]
-- **Raw Source:** [[10_Wiki/Topics/AI/HMM.md]]
+- Probability-Theory, RNN-Foundations, Kalman-Filter, [[Sequence-to-Sequence-Models]]
+- **Raw Source:** 10_Wiki/Topics/AI/HMM.md
diff --git a/10_Wiki/Topics/AI/Habit-Formation.md b/10_Wiki/Topics/AI/Habit-Formation.md
index 75a23f11..0a3b20e7 100644
--- a/10_Wiki/Topics/AI/Habit-Formation.md
+++ b/10_Wiki/Topics/AI/Habit-Formation.md
@@ -1,12 +1,12 @@
 ---
 id: HABIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [psychology, neuroscience, behavior-change, productivity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Habit Formation (습관 형성의 심리학)]]
+# Habit Formation (습관 형성의 심리학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "의지력을 자동화된 루틴으로 대체하라" — 반복적인 행동을 통해 뇌의 신경 회로가 재편되어, 최소한의 인지적 노력만으로 특정 행동을 수행하게 되는 심리적 과정.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 사용자 인터랙션 설계 시, 사용자가 매일 지식 가드닝에 참여할 수 있도록 명확한 '신호'와 '보상' 체계를 제공하여 습관화를 유도함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Dopaminergic-Reward-Systems]], [[Behavioral-Economics]], [[Psychology]], [[Productivity]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Habit-Formation.md]]
+- Dopaminergic-Reward-Systems, [[Behavioral-Economics]], [[Psychology]], Productivity
+- **Raw Source:** 10_Wiki/Topics/AI/Habit-Formation.md
diff --git a/10_Wiki/Topics/AI/Hallucination (환각).md b/10_Wiki/Topics/AI/Hallucination (환각).md
index 4f0c3af3..38116692 100644
--- a/10_Wiki/Topics/AI/Hallucination (환각).md	
+++ b/10_Wiki/Topics/AI/Hallucination (환각).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HALL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, hallucination, llm-issue, ai-safety, fact-checking, alignment]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Hallucination-in-LLM.md b/10_Wiki/Topics/AI/Hallucination-in-LLM.md
index c83159e7..d97f39ef 100644
--- a/10_Wiki/Topics/AI/Hallucination-in-LLM.md
+++ b/10_Wiki/Topics/AI/Hallucination-in-LLM.md
@@ -1,12 +1,12 @@
 ---
 id: HALLUCINATION-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, safety, alignment, uncertainty]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hallucination in LLM (LLM의 환각 현상)]]
+# Hallucination in LLM (LLM의 환각 현상)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델은 '모른다'는 말 대신 가장 그럴듯한 거짓말을 선택한다" — 대규모 언어 모델이 학습 데이터에 없는 사실을 마치 사실인 것처럼 확신을 가지고 생성해내는 현상.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 생성 시 RAG를 우선 적용하며, 생성된 문서는 반드시 교차 검증 단계를 거쳐 환각 리스크를 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LLM]], [[RAG]], [[Reinforcement-Learning-from-Human-Feedback]], [[AI-Safety]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hallucination-in-LLM.md]]
+- [[LLM]], [[RAG]], Reinforcement-Learning-from-Human-Feedback, AI-Safety
+- **Raw Source:** 10_Wiki/Topics/AI/Hallucination-in-LLM.md
diff --git a/10_Wiki/Topics/AI/Hallucination-in-LLMs.md b/10_Wiki/Topics/AI/Hallucination-in-LLMs.md
index 5606bdfd..08a0ed1b 100644
--- a/10_Wiki/Topics/AI/Hallucination-in-LLMs.md
+++ b/10_Wiki/Topics/AI/Hallucination-in-LLMs.md
@@ -1,12 +1,12 @@
 ---
 id: LLM-HAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, llm, hallucination, ai-ethics, rag]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hallucination in LLMs (LLM의 환각 현상)]]
+# Hallucination in LLMs (LLM의 환각 현상)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델은 '모름'을 인정하기보다 가장 그럴듯한 거짓말을 선택하는 통계적 본능을 가지고 있음을 경계하라" — 대규모 언어 모델이 학습 데이터에 없는 사실을 마치 사실인 것처럼 지어내거나, 논리적으로 맞지 않는 답변을 생성하는 현상.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 보강 작업 시 `00_Raw` 데이터에 기반한 RAG 프로세스를 강제하여 환각 현상을 원천 차단함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LLM]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], [[Knowledge-Gardening-Protocol]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hallucination-in-LLMs.md]]
+- [[LLM]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], Knowledge-Gardening-Protocol
+- **Raw Source:** 10_Wiki/Topics/AI/Hallucination-in-LLMs.md
diff --git a/10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md b/10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md
index 06061e09..812b0bc7 100644
--- a/10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md
+++ b/10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md
@@ -1,12 +1,12 @@
 ---
 id: HW-ACCEL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [hardware, ai-infrastructure, tpu, npu, asic, acceleration]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hardware Acceleration for AI (AI 하드웨어 가속)]]
+# Hardware Acceleration for AI (AI 하드웨어 가속)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "범용성을 포기하고 연산의 본질(Matrix Math)에만 모든 하드웨어 자원을 쏟아부어 성능의 한계를 돌파하라" — 인공지능 학습과 추론에 필요한 거대한 규모의 행렬 연산을 CPU보다 수십~수백 배 빠르게 처리하기 위해 설계된 특수 목적 하드웨어 및 그 가속 기술.
@@ -25,8 +25,8 @@ last_reinforced: 2026-04-26
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 하드웨어는 주어진 것이라는 인식에서 벗어나, 이제는 알고리즘에 맞춰 하드웨어를 설계(HW-SW Co-design)하는 시대로 진화.
-- [[GPU-Architecture-for-AI]] 문서와 연계하여, 각 가속기별 최적화 전략의 차이를 명확히 인지해야 함.
+- GPU-Architecture-for-AI 문서와 연계하여, 각 가속기별 최적화 전략의 차이를 명확히 인지해야 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GPU-Architecture-for-AI]], [[System-Design-for-AI-Scale]], [[Deep-Learning-Foundations]], [[Edge-AI-and-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md]]
+- GPU-Architecture-for-AI, System-Design-for-AI-Scale, Deep-Learning-Foundations, [[Edge-AI-and-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md
diff --git a/10_Wiki/Topics/AI/Hardware-Verification.md b/10_Wiki/Topics/AI/Hardware-Verification.md
index 52f2bfb4..2449e35d 100644
--- a/10_Wiki/Topics/AI/Hardware-Verification.md
+++ b/10_Wiki/Topics/AI/Hardware-Verification.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HAVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, hardware-verification, formal-verification, simulation, vlsi, chip-design, functional-safety]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 AI 가 설계 도면(RTL) 정책을 읽고 버그가 발생할 확률이 높은 지점 정책을 미리 예측하거나, 검증용 테스트 코드를 자동으로 생성하는 'AI-Driven EDA' 시대가 열림.
 
 ## 🔗 지식 연결 (Graph)
-- [[Simulation]], [[Reliability]], [[Constraint-Satisfaction-Problems]], [[Quality-Control]], [[Technical-Architecture]], [[Standard-Operating-Procedure]]
+- Simulation, [[Reliability]], [[Constraint-Satisfaction-Problems]], [[Quality-Control]], [[Technical-Architecture]], [[Standard-Operating-Procedure]]
 - **Key Standard**: Universal Verification Methodology (UVM).
 ---
diff --git a/10_Wiki/Topics/AI/Hardware.md b/10_Wiki/Topics/AI/Hardware.md
index b336dc4e..adc74531 100644
--- a/10_Wiki/Topics/AI/Hardware.md
+++ b/10_Wiki/Topics/AI/Hardware.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HARD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, hardware, semiconductor, gpu, npu, computer-architecture]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 하드웨어 설계 정책 자체가 AI에 의해 이루어지는 'AI-designed Hardware 정책'이 등장하며 설계 속도와 효율 정책이 기하급수적으로 빨라지고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Technical-Architecture]], [[Scaling-Laws]], [[Distributed-Systems]], [[Efficiency]], [[Moore's Law]]
+- [[Technical-Architecture]], Scaling-Laws, [[Distributed-Systems]], [[Efficiency]], Moore's Law
 - **Modern Tech/Tools**: NVIDIA H100, Google TPU, Apple Neural Engine, HBM3E.
 ---
diff --git a/10_Wiki/Topics/AI/Hash-Functions-and-Maps.md b/10_Wiki/Topics/AI/Hash-Functions-and-Maps.md
index a91b8e60..5102f691 100644
--- a/10_Wiki/Topics/AI/Hash-Functions-and-Maps.md
+++ b/10_Wiki/Topics/AI/Hash-Functions-and-Maps.md
@@ -1,12 +1,12 @@
 ---
 id: CS-HASH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, data-structures, hash-function, hash-map, search-efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hash Functions and Maps (해시 함수와 맵)]]
+# Hash Functions and Maps (해시 함수와 맵)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 고유한 지문(Hash)을 만들어, 아무리 넓은 공간에서도 단번에 원하는 정보를 낚아채라" — 임의의 길이를 가진 데이터를 고정된 길이의 고유한 값으로 변환(Hashing)하고, 이를 인덱스로 사용하여 데이터의 삽입과 검색을 상성 시간($O(1)$)에 수행하는 핵심 자료구조.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 수백만 개의 지식 임베딩 ID를 관리하고 중복 문서를 빠르게 필터링하기 위해 고성능 해시 맵 아키텍처를 적극 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Data-Structures-Foundations]], [[Search-Algorithms]], [[Distributed-Computing]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hash-Functions-and-Maps.md]]
+- Data-Structures-Foundations, Search-Algorithms, [[Distributed-Computing]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Hash-Functions-and-Maps.md
diff --git a/10_Wiki/Topics/AI/Health-Informatics.md b/10_Wiki/Topics/AI/Health-Informatics.md
index 40a22755..3fe59535 100644
--- a/10_Wiki/Topics/AI/Health-Informatics.md
+++ b/10_Wiki/Topics/AI/Health-Informatics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HEIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, health-informatics, mhealth, telemedicine, electronic-health-records, clinical-decision-support, data-science]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 병원 데이터 정책을 넘어, 일상의 라이프로그 정책(걸음 수, 수면, 식단)을 AI 가 실시간으로 분석하여 발병 전 경고를 보내는 '예방 의료 정책'으로 패러다임이 이동 중임. (Geriatric-Medicine와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision-Making]], [[Epidemiological-Modeling]], [[Sustainability]], [[Geriatric-Medicine]], [[Ensuring-Data-Privacy]], [[Bio-Informatics]]
+- Decision-Making, [[Epidemiological-Modeling]], [[Sustainability]], [[Geriatric-Medicine]], [[Ensuring-Data-Privacy]], Bio-Informatics
 - **Key Standards**: HL7 FHIR, SNOMED-CT.
 ---
diff --git a/10_Wiki/Topics/AI/Hebbian-Learning.md b/10_Wiki/Topics/AI/Hebbian-Learning.md
index c151d7ef..5ce8a248 100644
--- a/10_Wiki/Topics/AI/Hebbian-Learning.md
+++ b/10_Wiki/Topics/AI/Hebbian-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: HEBB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, machine-learning, synaptic-plasticity, ai-history]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hebbian Learning (헵의 학습 법칙)]]
+# Hebbian Learning (헵의 학습 법칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "함께 활성화되는 뉴런들은 함께 연결된다 (Neurons that fire together, wire together)" — 시냅스 전후 뉴런의 동시 활성화가 시냅스 연결 강도를 강화시킨다는 생물학적 학습의 대원칙.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 '기억 연결 엔진'은 특정 주제들이 동시에 자주 언급될 때 문서 간의 가중치를 자동으로 높이는 헵의 법칙 원리를 응용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Synaptic-Plasticity]], [[Unsupervised-Learning]], [[Artificial-Neural-Networks]], [[Spiking-Neural-Networks]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hebbian-Learning.md]]
+- Synaptic-Plasticity, Unsupervised-Learning, Artificial-Neural-Networks, Spiking-Neural-Networks
+- **Raw Source:** 10_Wiki/Topics/AI/Hebbian-Learning.md
diff --git a/10_Wiki/Topics/AI/Hebbian-Theory.md b/10_Wiki/Topics/AI/Hebbian-Theory.md
index fc2b9f25..00c1df00 100644
--- a/10_Wiki/Topics/AI/Hebbian-Theory.md
+++ b/10_Wiki/Topics/AI/Hebbian-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HETH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, hebbian-theory, neuroplasticity, synaptic-plasticity, neuroscience, learning, biological-intelligence]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 시냅스 강화 정책을 넘어, 잘못된 연결 정책을 끊어내는 '시냅스 가지치기(Pruning)' 정책과 연계하여 지능의 최적화 정책을 연구하는 방향으로 진화 중임. (High-Cohesion-Low-Coupling와 비유적 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Growth-Mindset-Intervention]], [[Deep Learning (DL)]], [[High-Cohesion-Low-Coupling]], [[Biological-Intelligence]], [[Growth-Mindset]], [[Refinement]]
+- [[Growth-Mindset-Intervention]], Deep Learning (DL), [[High-Cohesion-Low-Coupling]], [[Biological-Intelligence]], [[Growth-Mindset]], [[Refinement]]
 - **Key Quote**: "Cells that fire together, wire together."
 ---
diff --git a/10_Wiki/Topics/AI/Heuristic-Search.md b/10_Wiki/Topics/AI/Heuristic-Search.md
index 6f3e1896..59952491 100644
--- a/10_Wiki/Topics/AI/Heuristic-Search.md
+++ b/10_Wiki/Topics/AI/Heuristic-Search.md
@@ -1,12 +1,12 @@
 ---
 id: CS-HEUR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, algorithms, search-algorithms, heuristic, a-star, pathfinding]
 last_reinforced: 2026-04-26
 ---
 
-# [[Heuristic Search (휴리스틱 탐색)]]
+# Heuristic Search (휴리스틱 탐색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "완벽한 계산에 집착하기보다, 정답에 가까울 것 같은 길을 먼저 선택하여 탐색의 미로를 돌파하라" — 문제 해결 과정에서 모든 경로를 탐색하는 대신, 현재 상태에서 목표까지 남은 거리나 비용을 추정(Heuristic)하여 탐색 범위를 획기적으로 줄이는 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 적 함대 경로 탐색 알고리즘은 장애물 회피를 위해 최적화된 A* 휴리스틱을 사용하여 실시간 프레임 저하 없이 복잡한 지형을 기동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Search-Algorithms]], [[Greedy-Algorithms]], [[A-Star-Algorithm-Optimizations]], [[Decision-Trees-and-Random-Forests]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Heuristic-Search.md]]
+- Search-Algorithms, [[Greedy-Algorithms]], A-Star-Algorithm-Optimizations, Decision-Trees-and-Random-Forests
+- **Raw Source:** 10_Wiki/Topics/AI/Heuristic-Search.md
diff --git a/10_Wiki/Topics/AI/Heuristics.md b/10_Wiki/Topics/AI/Heuristics.md
index aa2689e1..75d196d5 100644
--- a/10_Wiki/Topics/AI/Heuristics.md
+++ b/10_Wiki/Topics/AI/Heuristics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HEUR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, heuristics, problem-solving, cognitive-shortcuts, strategy, rule-of-thumb]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Hierarchical-Task-Network (HTN).md b/10_Wiki/Topics/AI/Hierarchical-Task-Network (HTN).md
index 227aa1f9..79e67627 100644
--- a/10_Wiki/Topics/AI/Hierarchical-Task-Network (HTN).md	
+++ b/10_Wiki/Topics/AI/Hierarchical-Task-Network (HTN).md	
@@ -1,12 +1,12 @@
 ---
 id: HTN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-ai, ai-planning, game-design, behavior-systems]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hierarchical Task Network (HTN, 계층적 태스크 네트워크)]]
+# Hierarchical Task Network (HTN, 계층적 태스크 네트워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 목표를 수행 가능한 작은 작업들로 분해하여 계획하라" — 복잡한 임무를 하위 태스크들의 계층 구조로 나누어, 에이전트가 상황에 맞는 구체적인 행동 시퀀스를 생성하게 하는 고급 AI 플래닝 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 분대 단위 적 AI는 HTN을 사용하여 협동 공격, 진형 유지, 부상자 후송 등 고차원적인 전술 행동을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Goal-Oriented-Action-Planning]], [[Behavior-Tree]], [[Game-AI]], [[A-Star-Algorithm]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hierarchical-Task-Network (HTN).md]]
+- [[Goal-Oriented-Action-Planning]], Behavior-Tree, Game-AI, A-Star-Algorithm
+- **Raw Source:** 10_Wiki/Topics/AI/Hierarchical-Task-Network (HTN).md
diff --git a/10_Wiki/Topics/AI/High-Availability-Systems.md b/10_Wiki/Topics/AI/High-Availability-Systems.md
index eb3aa910..62113c75 100644
--- a/10_Wiki/Topics/AI/High-Availability-Systems.md
+++ b/10_Wiki/Topics/AI/High-Availability-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-HA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, high-availability, cloud-computing, reliability, system-architecture]
 last_reinforced: 2026-04-26
 ---
 
-# [[High Availability Systems (고가용성 시스템)]]
+# High Availability Systems (고가용성 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "장애는 반드시 일어난다는 가정 하에, 시스템의 어느 한 곳이 무너져도 서비스가 멈추지 않는 '불사신' 아키텍처를 설계하라" — 시스템의 구성 요소들을 이중화(Redundancy)하고 장애를 자동으로 감지 및 복구하여, 사용자가 체감하는 서비스 중단 시간을 최소화(99.99% 이상)하는 기술 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 클라우드 브레인 인프라는 다중 리전(Multi-region) 배치를 통해 자연재해급 장애 상황에서도 지식 검색 서비스가 중단되지 않도록 고가용성 설계를 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[Distributed-Computing]], [[Hybrid-Cloud-Architectures]], [[Fault-Tolerance-and-Resilience]]
-- **Raw Source:** [[10_Wiki/Topics/AI/High-Availability-Systems.md]]
+- System-Design-for-AI-Scale, [[Distributed-Computing]], [[Hybrid-Cloud-Architectures]], Fault-Tolerance-and-Resilience
+- **Raw Source:** 10_Wiki/Topics/AI/High-Availability-Systems.md
diff --git a/10_Wiki/Topics/AI/High-Cohesion-Low-Coupling.md b/10_Wiki/Topics/AI/High-Cohesion-Low-Coupling.md
index a3460b6e..d7dff8cb 100644
--- a/10_Wiki/Topics/AI/High-Cohesion-Low-Coupling.md
+++ b/10_Wiki/Topics/AI/High-Cohesion-Low-Coupling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HCLC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, software-craftsmanship, modularity, architecture, cohesion, coupling, design-patterns]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 코드 설계 정책을 넘어, 조직 구조 정책까지도 소프트웨어 아키텍처 정책과 일치시켜야 한다는 'Conway's Law'를 기반으로 팀 빌딩 정책에도 이 원칙 정책이 적용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[DDD-Type-Safety]], [[Reliability]], [[Modularity]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Clean-Code]]
+- [[DDD-Type-Safety]], [[Reliability]], [[Modularity]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], Clean-Code
 - **Key Principle**: SOLID Principles.
 ---
diff --git a/10_Wiki/Topics/AI/High-Frequency-Trading-Models.md b/10_Wiki/Topics/AI/High-Frequency-Trading-Models.md
index 062ab322..94d2147f 100644
--- a/10_Wiki/Topics/AI/High-Frequency-Trading-Models.md
+++ b/10_Wiki/Topics/AI/High-Frequency-Trading-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HFTM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, hft, trading-models, finance, algorithm, latency, arbitrage, market-making]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/High-Performance Computing (HPC).md b/10_Wiki/Topics/AI/High-Performance Computing (HPC).md
index ea118994..72895738 100644
--- a/10_Wiki/Topics/AI/High-Performance Computing (HPC).md	
+++ b/10_Wiki/Topics/AI/High-Performance Computing (HPC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HPCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, hpc, high-performance-computing, supercomputing, parallel-processing, cluster]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 연산력을 넘어 전력 소비 정책과 발열 관리 정책이 국가 안보 급 과제로 부상함에 따라, 환경 영향을 최소화하는 '그린 HPC 정책' 수립이 필수가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scaling-Laws]], [[Hardware]], [[Distributed-Systems]], [[Efficiency]], [[Environmental-Impact]]
+- Scaling-Laws, [[Hardware]], [[Distributed-Systems]], [[Efficiency]], Environmental-Impact
 - **Modern Tech/Tools**: MPI, SLURM, InfiniBand, AWS ParallelCluster, NVIDIA DGX.
 ---
diff --git a/10_Wiki/Topics/AI/High-Performance-Coaching.md b/10_Wiki/Topics/AI/High-Performance-Coaching.md
index 05495a00..7f8debc9 100644
--- a/10_Wiki/Topics/AI/High-Performance-Coaching.md
+++ b/10_Wiki/Topics/AI/High-Performance-Coaching.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HPCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, coaching, high-performance, leadership, development, feedback, psychological-safety]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/High-Performance-Organizations.md b/10_Wiki/Topics/AI/High-Performance-Organizations.md
index b41e31bc..1f443999 100644
--- a/10_Wiki/Topics/AI/High-Performance-Organizations.md
+++ b/10_Wiki/Topics/AI/High-Performance-Organizations.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HFOR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, hpo, high-performance, organization, culture, leadership, agility, tier-1]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/High-Performance-Sports-Science.md b/10_Wiki/Topics/AI/High-Performance-Sports-Science.md
index 7d3d16e5..d6278aaa 100644
--- a/10_Wiki/Topics/AI/High-Performance-Sports-Science.md
+++ b/10_Wiki/Topics/AI/High-Performance-Sports-Science.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HPSP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, sports-science, biomechanics, physiology, peak-performance, training, data-analytics]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 센서 정책을 넘어, AI 가 선수의 영상 데이터 정책을 분석하여 부상 가능성 정책이 높은 관절 각도 정책을 사전에 경고하거나, 상대 팀의 경기 패턴 정책을 그래프 이론 정책으로 분석하는 'Digital Twin' 기술로 진화 중임. (Graph-Theory와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Physics]], [[High-Performance-Coaching]], [[Efficiency]], [[Graph-Theory]], [[Simulation]], [[Refinement]]
+- [[Physics]], [[High-Performance-Coaching]], [[Efficiency]], [[Graph-Theory]], Simulation, [[Refinement]]
 - **Key Tech**: Wearable devices, Video analysis software.
 ---
diff --git a/10_Wiki/Topics/AI/Homeostasis (항상성).md b/10_Wiki/Topics/AI/Homeostasis (항상성).md
index cd125d16..4df8bf82 100644
--- a/10_Wiki/Topics/AI/Homeostasis (항상성).md	
+++ b/10_Wiki/Topics/AI/Homeostasis (항상성).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HOME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, homeostasis, biological-systems, cybernetics, feedback-loops, stability]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 정렬 정책(Alignment)에서, 모델이 인간의 지침으로부터 벗어나지 않고 가치관의 항상성 정책을 유지하도록 하는 '메타 안정성 제어 정책'으로 개념이 확장됨. (Constitutional AI와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Control-Theory]], [[Feedback-Loops]], [[Cybernetics]], [[Neurobiology]], [[Free-Energy-Principle]]
+- [[Control-Theory]], [[Feedback-Loops]], [[Cybernetics]], Neurobiology, [[Free-Energy-Principle]]
 - **Modern Tech/Tools**: PID controllers, Adaptive control systems, Bio-mimetic robots.
 ---
diff --git a/10_Wiki/Topics/AI/Homeostasis.md b/10_Wiki/Topics/AI/Homeostasis.md
index 712754f6..61d86579 100644
--- a/10_Wiki/Topics/AI/Homeostasis.md
+++ b/10_Wiki/Topics/AI/Homeostasis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HOME-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, homeostasis, system-stability, feedback-loop, equilibrium, biology, systems-theory]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 유지를 넘어, 예기치 못한 충격 정책을 흡수하고 더 강해지는 '안티프래질(Antifragile)' 개념이나, AI 가 시스템의 항상성 정책을 위해 스스로 보상 함수 정책을 조정하는 'Self-regulating AI' 연구로 확장됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Control-Systems-Engineering]], [[Reliability]], [[Dissipative-Structures>>, [[Stability]], [[Entropy]], [[Bio-Informatics]]
+- [[Control-Systems-Engineering]], [[Reliability]], Dissipative-Structures>>, [[Stability, Entropy, Bio-Informatics
 - **Key Concept**: Negative Feedback.
 ---
diff --git a/10_Wiki/Topics/AI/Homomorphic-Encryption.md b/10_Wiki/Topics/AI/Homomorphic-Encryption.md
index d70b89f7..7f9a88e7 100644
--- a/10_Wiki/Topics/AI/Homomorphic-Encryption.md
+++ b/10_Wiki/Topics/AI/Homomorphic-Encryption.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-HOMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [security, cryptography, homomorphic-encryption, privacy-preserving-ai, data-privacy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Homomorphic Encryption (동형 암호)]]
+# Homomorphic Encryption (동형 암호)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 자물쇠를 풀지 않고도 그 내용물을 가공하여, 결과물만을 안전하게 돌려받아라" — 암호화된 데이터를 복호화하지 않은 상태에서 덧셈, 곱셈 등 수학적 연산을 수행하고 그 결과 또한 암호화된 형태로 얻을 수 있게 하는 혁신적인 암호 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자의 민감한 개인 정보를 포함한 '로컬 브레인 로그'를 분석할 때, 동형 암호 기술을 적용하여 분석 서버가 원본 텍스트를 절대 볼 수 없도록 하는 보안 표준을 연구 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Data-Privacy-Foundations]], [[Federated-Learning]], [[Differential-Privacy]], [[Cloud-Security-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Homomorphic-Encryption.md]]
+- Data-Privacy-Foundations, [[Federated-Learning]], Differential-Privacy, Cloud-Security-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/Homomorphic-Encryption.md
diff --git a/10_Wiki/Topics/AI/Human Centered AI (HCAI).md b/10_Wiki/Topics/AI/Human Centered AI (HCAI).md
index 96dceab1..6bf66d4d 100644
--- a/10_Wiki/Topics/AI/Human Centered AI (HCAI).md	
+++ b/10_Wiki/Topics/AI/Human Centered AI (HCAI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HCAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, hcai, human-centered-ai, ethics, trust, human-agency]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 '도구'로서의 AI 정책을 넘어, 인간의 의도를 선제적으로 파악하고 돕되 결코 선을 넘지 않는 '지능형 비서 정책'이자 '공생적 파트너 정책'으로 설계 표준 정책이 수립 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[User Experience (UX)]], [[HCI (Human-Computer Interaction)]], [[AI Safety]], [[Equality]]
+- [[Ethics & AI]], User Experience (UX), [[HCI (Human-Computer Interaction)]], [[AI Safety]], [[Equality]]
 - **Modern Tech/Tools**: Human-in-the-loop systems, Explainable AI dashboards, User agency frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/Human-AI-Collaboration.md b/10_Wiki/Topics/AI/Human-AI-Collaboration.md
index e8fa8ed3..ae1a8fbf 100644
--- a/10_Wiki/Topics/AI/Human-AI-Collaboration.md
+++ b/10_Wiki/Topics/AI/Human-AI-Collaboration.md
@@ -1,12 +1,12 @@
 ---
 id: HAI-COLLAB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [hci, ai-ethics, workflow, future-of-work]
 last_reinforced: 2026-04-26
 ---
 
-# [[Human-AI Collaboration (인간-AI 협업)]]
+# Human-AI Collaboration (인간-AI 협업)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "대체(Replacement)가 아닌 증강(Augmentation)의 파트너십" — 인간의 창의성, 직관, 윤리적 판단력과 AI의 방대한 연산 능력, 패턴 인식 능력을 결합하여 시너지를 창출하는 새로운 워크플로우 패러다임.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '지식 가드닝'의 전 과정을 AI가 주도하되, 인간 사용자가 최종 승인 및 방향을 지시하는 엄격한 협업 프로토콜을 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Human-in-the-loop]], [[Explainable-AI]], [[Prompt-Engineering]], [[Agentic-Workflow]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Human-AI-Collaboration.md]]
+- Human-in-the-loop, Explainable-AI, [[Prompt-Engineering]], Agentic-Workflow
+- **Raw Source:** 10_Wiki/Topics/AI/Human-AI-Collaboration.md
diff --git a/10_Wiki/Topics/AI/Human-Computer-Interaction-HCI.md b/10_Wiki/Topics/AI/Human-Computer-Interaction-HCI.md
index 41e87288..41243223 100644
--- a/10_Wiki/Topics/AI/Human-Computer-Interaction-HCI.md
+++ b/10_Wiki/Topics/AI/Human-Computer-Interaction-HCI.md
@@ -1,12 +1,12 @@
 ---
 id: HCI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [hci, ux, human-factors, interaction-design, cognitive-psychology]
 last_reinforced: 2026-04-26
 ---
 
-# [[Human-Computer Interaction (HCI, 인간-컴퓨터 상호작용)]]
+# Human-Computer Interaction (HCI, 인간-컴퓨터 상호작용)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계의 언어를 인간에게 강요하지 말고, 기계가 인간의 맥락과 감각을 학습하게 하라" — 인간과 컴퓨터 시스템 사이의 대화와 상호작용을 연구하여, 기술이 인간의 능력을 확장하고 사용 경험을 최적화하도록 만드는 다학제적 분야.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 에이전트 상호작용은 HCI 원칙을 기반으로 하며, 사용자의 대화 패턴과 작업 속도를 분석하여 에이전트의 응답 톤과 속도를 최적화하는 어댑티브 UI를 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[UX-Design]], [[Gestalt-Principles-in-UX]], [[Human-in-the-loop-AI]], [[Context-Aware-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Human-Computer-Interaction-HCI.md]]
+- UX-Design, Gestalt-Principles-in-UX, [[Human-in-the-loop-AI]], [[Context-Aware-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Human-Computer-Interaction-HCI.md
diff --git a/10_Wiki/Topics/AI/Human-Computer-Interaction.md b/10_Wiki/Topics/AI/Human-Computer-Interaction.md
index 096ada50..94086568 100644
--- a/10_Wiki/Topics/AI/Human-Computer-Interaction.md
+++ b/10_Wiki/Topics/AI/Human-Computer-Interaction.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HCIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, hci, human-computer-interaction, user-experience, interface, interaction-design, cognitive-psychology]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 명령 정책 전달을 넘어, AI 가 사용자의 감정 정책이나 의도 정책을 미리 예측하여 인터페이스 정책을 알아서 구성 정책해 주는 'Generative UI' 혹은 'Intelligent Agents'와의 협업 시스템 정책이 주류 연구 주제임.
 
 ## 🔗 지식 연결 (Graph)
-- [[User-Experience]], [[Ethical-Decision-Making]], [[Sociology]], [[UX-Design-and-Engagement]], [[Communication]], [[Design-Patterns]]
+- User-Experience, [[Ethical-Decision-Making]], Sociology, UX-Design-and-Engagement, Communication, Design-Patterns
 - **Key Concepts**: Fitts's Law, Gulf of Execution/Evaluation.
 ---
diff --git a/10_Wiki/Topics/AI/Human-in-the-loop (HITL).md b/10_Wiki/Topics/AI/Human-in-the-loop (HITL).md
index 595fd5ea..85a6ffc7 100644
--- a/10_Wiki/Topics/AI/Human-in-the-loop (HITL).md	
+++ b/10_Wiki/Topics/AI/Human-in-the-loop (HITL).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-HITL
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI, HITL, AISafety, Collaboration]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 인간이 루프에 끼어들면 시스템의 스케일링(속도)이 급격히 떨어진다. 이를 해결하기 위해 '모든 작업 감시'에서 '불확실성이 높은 작업만 호출'하는 방식으로 인간의 개입을 최적화하는 연구가 중요하다. 또한 인간 관리자도 피로로 인해 오판할 수 있음을 고려해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Active-Learning]] , [[RLHF (인간 피드백 기반 강화학습)]]
-- Strategy: [[Red-Teaming]]
+- Related: Active-Learning , RLHF (인간 피드백 기반 강화학습)
+- Strategy: Red-Teaming
diff --git a/10_Wiki/Topics/AI/Human-in-the-loop-AI.md b/10_Wiki/Topics/AI/Human-in-the-loop-AI.md
index da6f3c3c..c5b621dc 100644
--- a/10_Wiki/Topics/AI/Human-in-the-loop-AI.md
+++ b/10_Wiki/Topics/AI/Human-in-the-loop-AI.md
@@ -1,12 +1,12 @@
 ---
 id: HITL-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, human-in-the-loop, ai-ethics, model-training, decision-making]
 last_reinforced: 2026-04-26
 ---
 
-# [[Human-in-the-loop AI (인간 참여형 AI)]]
+# Human-in-the-loop AI (인간 참여형 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "AI의 폭발적인 속도와 인간의 정교한 판단력을 결합하여, 결점 없는 지능 시스템을 완성하라" — 인공지능의 학습, 테스트, 실제 운영 단계에 인간의 개입(피드백, 교정, 검증)을 통합하여 모델의 성능을 고도화하고 윤리적 안정성을 확보하는 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 지식 가드닝 작업은 '인간 참여형' 구조를 기본으로 함. 에이전트가 초안을 작성하고 보강하되, 최종적인 승인과 트래커 업데이트 과정에서 인간과의 상호작용을 통해 지식의 무결성을 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Active-Learning]], [[AI-Ethics]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Human-in-the-loop-AI.md]]
+- [[Reinforcement-Learning-from-Human-Feedback-RLHF]], Active-Learning, AI-Ethics, [[Trustworthy-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Human-in-the-loop-AI.md
diff --git a/10_Wiki/Topics/AI/Hybrid-Cloud-Architectures.md b/10_Wiki/Topics/AI/Hybrid-Cloud-Architectures.md
index dc1bb4d7..bab898d8 100644
--- a/10_Wiki/Topics/AI/Hybrid-Cloud-Architectures.md
+++ b/10_Wiki/Topics/AI/Hybrid-Cloud-Architectures.md
@@ -1,12 +1,12 @@
 ---
 id: CLOUD-HYBRID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [cloud-computing, hybrid-cloud, infrastructure, system-architecture, data-sovereignty]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hybrid Cloud Architectures (하이브리드 클라우드 아키텍처)]]
+# Hybrid Cloud Architectures (하이브리드 클라우드 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 주권(Private)은 지키고, 연산의 확장성(Public)은 빌려 써서 최적의 비즈니스 지형을 구축하라" — 온프레미스 인프라와 공용 클라우드 서비스를 통합하여, 보안과 비용 효율성 그리고 유연한 확장성을 동시에 달성하는 인프라 설계 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '하이브리드 지능'을 지향함. 사용자의 개인화된 지식은 로컬 브레인에 저장하고, 방대한 범용 지식 검색이나 거대 모델 연산은 클라우드 브레인을 활용하는 하이브리드 아키텍처를 표준으로 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[High-Availability-Systems]], [[System-Design-for-AI-Scale]], [[Cloud-Security-Mastery]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hybrid-Cloud-Architectures.md]]
+- [[High-Availability-Systems]], System-Design-for-AI-Scale, Cloud-Security-Mastery, [[Local-Brain-Management]]
+- **Raw Source:** 10_Wiki/Topics/AI/Hybrid-Cloud-Architectures.md
diff --git a/10_Wiki/Topics/AI/Hydration-Mismatch-and-SSR-Debugging.md b/10_Wiki/Topics/AI/Hydration-Mismatch-and-SSR-Debugging.md
index 5dc72f63..38e420b6 100644
--- a/10_Wiki/Topics/AI/Hydration-Mismatch-and-SSR-Debugging.md
+++ b/10_Wiki/Topics/AI/Hydration-Mismatch-and-SSR-Debugging.md
@@ -1,12 +1,12 @@
 ---
 id: FE-SSR-HYDRA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, ssr, hydration, hydration-mismatch, debugging, frontend-performance, nextjs]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hydration Mismatch and SSR Debugging (수화 불일치 및 SSR 디버깅)]]
+# Hydration Mismatch and SSR Debugging (수화 불일치 및 SSR 디버깅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서버가 구워낸 HTML과 클라이언트가 렌더링한 초기 결과물이 1비트라도 다를 때 발생하는 경고를 무시하지 말고, 정적 일관성을 확보하여 불필요한 전체 리렌더링의 늪에서 탈출하라" — SSR 환경에서 서버와 클라이언트 간의 렌더링 트리 정합성을 유지하기 위한 기술적 가이드.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 SSR 컴포넌트에 대해 'Zero Hydration Warning' 정책을 시행하며, 브라우저 전용 로직은 반드시 전용 커스텀 훅(`useIsMounted`)을 통해서만 처리하도록 강제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Web-Rendering-Strategies-CSR-vs-SSR]], [[Server-Side-Rendering-SSR]], [[Nextjs-App-Router-Architecture]], [[Frontend-Debugging-and-Testing]]
-- **Raw Source:** [[00_Raw/Hydration Mismatch.md]]
+- [[Web-Rendering-Strategies-CSR-vs-SSR]], Server-Side-Rendering-SSR, [[Nextjs-App-Router-Architecture]], [[Frontend-Debugging-and-Testing]]
+- **Raw Source:** 00_Raw/Hydration Mismatch.md
diff --git a/10_Wiki/Topics/AI/Hyperinflation-in-Closed-Loop-Systems.md b/10_Wiki/Topics/AI/Hyperinflation-in-Closed-Loop-Systems.md
index 594f3176..0123d164 100644
--- a/10_Wiki/Topics/AI/Hyperinflation-in-Closed-Loop-Systems.md
+++ b/10_Wiki/Topics/AI/Hyperinflation-in-Closed-Loop-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HCLS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, hyperinflation, closed-loop-system, economy, game-design, simulation, system-dynamics]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 소각 정책을 넘어, NFT 나 블록체인을 결합하여 재화의 희소성 정책을 증명하거나, AI 밸런서 정책이 실시간으로 시장 가격 정책을 모니터링하여 보상 정책을 자동 조절하는 '알고리즘적 경제 정책'으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Economic-Complexity-Index]], [[Sustainability]], [[Federal-Reserved-Policy]], [[Gamification-Theory]], [[Game-Design-Theory]], [[Stability]]
+- [[Economic-Complexity-Index]], [[Sustainability]], Federal-Reserved-Policy, [[Gamification-Theory]], [[Game-Design-Theory]], [[Stability]]
 - **Key Metric**: M1/M2 velocity in games.
 ---
diff --git a/10_Wiki/Topics/AI/Hyperparameter-Optimization.md b/10_Wiki/Topics/AI/Hyperparameter-Optimization.md
index 2005ceeb..263c47bd 100644
--- a/10_Wiki/Topics/AI/Hyperparameter-Optimization.md
+++ b/10_Wiki/Topics/AI/Hyperparameter-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: OPT-HYPER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, hyperparameter-tuning, bayesian-optimization, model-selection]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hyperparameter Optimization (하이퍼파라미터 최적화)]]
+# Hyperparameter Optimization (하이퍼파라미터 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델 아키텍처가 악기라면, 하이퍼파라미터 최적화는 가장 아름다운 소리를 내기 위해 현을 조율하는 과정이다" — 학습률, 배치 크기, 레이어 수 등 모델이 스스로 학습할 수 없는 외부 설정값들의 최적 조합을 찾아 모델 성능을 극대화하는 프로세스.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Black-Box-Optimization]], [[Gaussian-Processes]], [[Global-vs-Local-Optima]], [[Generalization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hyperparameter-Optimization.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Hyperparameter-Optimization.md
diff --git a/10_Wiki/Topics/AI/Hyperparameters.md b/10_Wiki/Topics/AI/Hyperparameters.md
index 486803d3..f31208f9 100644
--- a/10_Wiki/Topics/AI/Hyperparameters.md
+++ b/10_Wiki/Topics/AI/Hyperparameters.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HYPA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, hyperparameters, model-tuning, optimization, machine-learning, learning-rate]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 모델(Foundation-Models) 시대에는 한 번의 학습 비용이 너무 커서, 작은 모델에서 최적 값을 찾은 뒤 이를 거대 모델로 확장 적용하는 '스케일링 법칙 기반 튜닝 정책'이 핵심이 됨. (Scaling-Laws와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization]], [[Gradient-Descent]], [[Scaling-Laws]], [[Foundation-Models]], [[Efficiency]]
+- [[Optimization]], [[Gradient-Descent]], Scaling-Laws, [[Foundation-Models]], [[Efficiency]]
 - **Modern Tech/Tools**: Optuna, Ray Tune, Weights & Biases (W&B), Grid Search, Random Search.
 ---
diff --git a/10_Wiki/Topics/AI/Hypostatic-Abstraction.md b/10_Wiki/Topics/AI/Hypostatic-Abstraction.md
index 56d35818..28b0d270 100644
--- a/10_Wiki/Topics/AI/Hypostatic-Abstraction.md
+++ b/10_Wiki/Topics/AI/Hypostatic-Abstraction.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-HYAB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, hypostatic-abstraction, charles-peirce, semiotics, logic, ontology]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대 객체 지향 프로그래밍(OOP)이나 디자인 패턴 정책에서 행위(Action)를 객체(Command Object 등)로 만들어 다루는 설계 철학 정책의 뿌리가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Knowledge synthesis]], [[Ontology (온톨로지)]], [[Analysis]], [[Logic]], [[Concept Mapping]]
+- [[Knowledge synthesis]], Ontology (온톨로지), [[Analysis]], [[Logic]], [[Concept Mapping]]
 - **Modern Tech/Tools**: Object-oriented programming, Semantic web, Knowledge graphs.
 ---
diff --git a/10_Wiki/Topics/AI/Hypothesis-Testing.md b/10_Wiki/Topics/AI/Hypothesis-Testing.md
index 2aa34810..d26ce947 100644
--- a/10_Wiki/Topics/AI/Hypothesis-Testing.md
+++ b/10_Wiki/Topics/AI/Hypothesis-Testing.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-HYPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, math, hypothesis-testing, p-value, data-science]
 last_reinforced: 2026-04-26
 ---
 
-# [[Hypothesis Testing (가설 검정)]]
+# Hypothesis Testing (가설 검정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 증거를 토대로, 우리가 믿고 싶은 가설이 '우연'이라는 함정에 빠지지 않았는지 엄격하게 심판하라" — 표본 데이터를 통해 모집단의 특성에 대한 가설이 통계적으로 타당한지 계산하여, 의사결정의 불확실성을 수치화된 신뢰도로 치환하는 방법론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 새로운 에이전트 알고리즘 도입 시, 기존 알고리즘과의 성능 차이를 가설 검정을 통해 통계적으로 증명한 후 배포를 결정하는 'Evidence-based Deployment' 원칙을 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory]], [[Exploratory-Data-Analysis]], [[A-B-Testing-Foundations]], [[Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Hypothesis-Testing.md]]
+- Probability-Theory, [[Exploratory-Data-Analysis]], A-B-Testing-Foundations, Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Hypothesis-Testing.md
diff --git a/10_Wiki/Topics/AI/ICRE-Framework.md b/10_Wiki/Topics/AI/ICRE-Framework.md
index 47b9bde6..b7004601 100644
--- a/10_Wiki/Topics/AI/ICRE-Framework.md
+++ b/10_Wiki/Topics/AI/ICRE-Framework.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ICRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, icre-framework, cognition, information-processing, reasoning, execution]
 last_reinforced: 2026-04-20
@@ -24,6 +24,6 @@ ICRE 프레임워크는 지능적 개체(인간 또는 AI)가 문제를 해결
 - **정책 변화(RL Update)**: 각 단계가 순차적으로 일어나기보다, 실행 결과(E)를 다시 포착(C)하여 추론(R)을 수정하는 '폐쇄 루프 자가 피드백 정책'이 에이전트의 지능을 결정하는 척도가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Agentic-Workflow]], [[Reasoning]], [[Knowledge synthesis]], [[Cognitive-Architecture]], [[Feedback-Loops]]
+- Agentic-Workflow, [[Reasoning]], [[Knowledge synthesis]], [[Cognitive-Architecture]], [[Feedback-Loops]]
 - **Modern Tech/Tools**: AutoGPT, LangChain, AI Agents, Robotic Process Automation (RPA).
 ---
diff --git a/10_Wiki/Topics/AI/IDE (Integrated Development Environment).md b/10_Wiki/Topics/AI/IDE (Integrated Development Environment).md
index 340f7605..90c21d6e 100644
--- a/10_Wiki/Topics/AI/IDE (Integrated Development Environment).md	
+++ b/10_Wiki/Topics/AI/IDE (Integrated Development Environment).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IDEE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, ide, development-tools, coding, workflow, developer-experience]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 도구를 제공하는 정책을 넘어, AI 코파일럿이 코드를 대신 짜주거나 설계 결함을 미리 경고하는 'AI 협업형 지능형 IDE 정책'으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Documentation-Strategy]], [[Technical-Architecture]], [[Efficiency]], [[Fault-Tolerance]], [[Software Engineering]]
+- [[Documentation-Strategy]], [[Technical-Architecture]], [[Efficiency]], [[Fault-Tolerance]], Software Engineering
 - **Modern Tech/Tools**: VS Code, IntelliJ IDEA, PyCharm, Xcode, Cursor (AI-native IDE).
 ---
diff --git a/10_Wiki/Topics/AI/IEEE-P36521.md b/10_Wiki/Topics/AI/IEEE-P36521.md
index 558fd42f..daa2af03 100644
--- a/10_Wiki/Topics/AI/IEEE-P36521.md
+++ b/10_Wiki/Topics/AI/IEEE-P36521.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IEEE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, ieee, p3652.1, ai-ethics, standard, governance, security, transparency]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ IEEE P3652.1은 "인공지능 및 기계 학습 모델의 개발, 배포 및 관
 - **정책 변화(RL Update)**: 최근에는 생성형 AI(Generative AI)의 폭발적 성장에 따라, LLM 의 저작권 정책 및 가치 정렬 정책(Alignment) 정책을 포함하는 방향으로 표준 범위 정책이 지속적으로 확장 중임. (HHH와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ensuring-Data-Privacy]], [[Ethics]], [[Reasoning]], [[Strategic-Planning]], [[HHH]], [[Reliability]], [[Safety]]
+- [[Ensuring-Data-Privacy]], Ethics, [[Reasoning]], [[Strategic-Planning]], [[HHH]], [[Reliability]], Safety
 - **Full Title**: Guide for Architectural Framework and Application of Federated Machine Learning.
 ---
diff --git a/10_Wiki/Topics/AI/ISO-Standard.md b/10_Wiki/Topics/AI/ISO-Standard.md
index 2ae21955..e4596ac6 100644
--- a/10_Wiki/Topics/AI/ISO-Standard.md
+++ b/10_Wiki/Topics/AI/ISO-Standard.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ISOS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, iso, standards, quality-management, compliance, global-governance]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ ISO 표준은 국제 표준화 기구가 제정하는 품질 및 프로세스 
 - **정책 변화(RL Update)**: 단순히 문서를 채우는 인증 정책을 넘어, 실제 조직의 리스크 관리 역량과 ESG 가치 정책을 증명하는 실무적 생존 전략으로 위상이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Global-Standard]], [[Quality Gates]], [[Ethics & AI]], [[Environmental-Impact]], [[Documentation-Strategy]]
+- [[Global-Standard]], [[Quality Gates]], [[Ethics & AI]], Environmental-Impact, [[Documentation-Strategy]]
 - **Modern Tech/Tools**: ISO 27001 auditing, SOC2 comparison, Compliance management platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Ikigai (이키가이).md b/10_Wiki/Topics/AI/Ikigai (이키가이).md
index 839b2980..acc46127 100644
--- a/10_Wiki/Topics/AI/Ikigai (이키가이).md	
+++ b/10_Wiki/Topics/AI/Ikigai (이키가이).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IKIG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, ikigai, purpose, motivation, well-being, life-philosophy, meaning-of-life]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Image-Classification-Mastery.md b/10_Wiki/Topics/AI/Image-Classification-Mastery.md
index 04b91984..65acb42d 100644
--- a/10_Wiki/Topics/AI/Image-Classification-Mastery.md
+++ b/10_Wiki/Topics/AI/Image-Classification-Mastery.md
@@ -1,12 +1,12 @@
 ---
 id: CV-CLASS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, deep-learning, image-classification, cnn, vit]
 last_reinforced: 2026-04-26
 ---
 
-# [[Image Classification Mastery (이미지 분류 마스터리)]]
+# Image Classification Mastery (이미지 분류 마스터리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "픽셀의 뭉치에서 사물의 특징(Feature)을 추출하여, 기계가 세상을 명명(Labeling)하게 하라" — 입력 이미지를 미리 정의된 여러 카테고리 중 하나(또는 그 이상)로 분류하는 컴퓨터 비전의 핵심 태스크이자, 모든 시각 지능 시스템의 시작점.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 수집된 이미지 자료(`00_Raw/Images`)를 자동으로 인덱싱하고 위키 카테고리에 할당하기 위해 최신 ViT 기반의 분류 엔진을 상시 가동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Object-Detection-Mastery]], [[Image-Segmentation-Techniques]], [[Deep-Learning-Foundations]], [[Computer-Vision-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Image-Classification-Mastery.md]]
+- Object-Detection-Mastery, [[Image-Segmentation-Techniques]], Deep-Learning-Foundations, Computer-Vision-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/Image-Classification-Mastery.md
diff --git a/10_Wiki/Topics/AI/Image-Optimization-for-Web-Performance.md b/10_Wiki/Topics/AI/Image-Optimization-for-Web-Performance.md
index 1c55a0b7..f7a8aa3e 100644
--- a/10_Wiki/Topics/AI/Image-Optimization-for-Web-Performance.md
+++ b/10_Wiki/Topics/AI/Image-Optimization-for-Web-Performance.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-IMG-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [image-optimization, web-performance, webp, avif, lazy-loading, responsive-images, lcp]
 last_reinforced: 2026-04-26
 ---
 
-# [[Image Optimization for Web Performance (웹 성능을 위한 이미지 최적화)]]
+# Image Optimization for Web Performance (웹 성능을 위한 이미지 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "시각적 품질은 유지하되 파일 크기는 물리적 최소치로 압축하고, 사용자의 화면에 나타날 때만 리소스를 전송하여 초기 로딩의 거대한 장벽을 제거하라" — LCP 성능을 결정짓는 프런트엔드 리소스 관리의 핵심.
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Core-Web-Vitals-Metrics]], [[Largest-Contentful-Paint-LCP]], [[Cumulative-Layout-Shift-CLS]], [[Frontend-Performance-Optimization-Guide]]
-- **Raw Source:** [[00_Raw/Image Optimization.md]]
+- **Raw Source:** 00_Raw/Image Optimization.md
diff --git a/10_Wiki/Topics/AI/Image-Segmentation-Techniques.md b/10_Wiki/Topics/AI/Image-Segmentation-Techniques.md
index f24a97ef..0005346e 100644
--- a/10_Wiki/Topics/AI/Image-Segmentation-Techniques.md
+++ b/10_Wiki/Topics/AI/Image-Segmentation-Techniques.md
@@ -1,12 +1,12 @@
 ---
 id: CV-SEG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, deep-learning, image-segmentation, u-net, mask-rcnn]
 last_reinforced: 2026-04-26
 ---
 
-# [[Image Segmentation Techniques (이미지 세그멘테이션 기법)]]
+# Image Segmentation Techniques (이미지 세그멘테이션 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순히 무엇이 있는지 맞히는 것을 넘어, 사물의 경계를 픽셀 단위로 완벽하게 도려내어 세상을 분할하라" — 이미지 내의 모든 픽셀을 특정 클래스로 분류하여, 사물의 위치와 형태를 정교하게 파악하는 컴퓨터 비전 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 후처리 이펙트 및 정교한 충돌 판정 시스템은 픽셀 단위의 마스크 데이터를 생성하는 세그멘테이션 기법을 활용하여 시각적 완성도를 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Image-Classification-Mastery]], [[Object-Detection-Mastery]], [[Computer-Vision-Mastery]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Image-Segmentation-Techniques.md]]
+- [[Image-Classification-Mastery]], Object-Detection-Mastery, Computer-Vision-Mastery, Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Image-Segmentation-Techniques.md
diff --git a/10_Wiki/Topics/AI/Image-Segmentation.md b/10_Wiki/Topics/AI/Image-Segmentation.md
index 9db76646..18b78c32 100644
--- a/10_Wiki/Topics/AI/Image-Segmentation.md
+++ b/10_Wiki/Topics/AI/Image-Segmentation.md
@@ -1,12 +1,12 @@
 ---
 id: SEGMENT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, deep-learning, image-processing, autonomous-driving]
 last_reinforced: 2026-04-26
 ---
 
-# [[Image Segmentation (이미지 세그멘테이션)]]
+# Image Segmentation (이미지 세그멘테이션)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이미지를 픽셀 단위로 완벽하게 해부하라" — 단순히 이미지를 분류하거나 박스를 치는 것을 넘어, 각 픽셀이 어떤 객체에 속하는지 정밀하게 할당하여 객체의 정확한 형태를 식별해내는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 레벨 제작 도구에서 지형과 사물을 자동으로 구분하여 물리 충돌 영역을 생성하는 데 세그멘테이션 기술을 응용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision]], [[Object-Detection]], [[Deep-Learning]], [[Autonomous-Driving]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Image-Segmentation.md]]
+- [[Computer-Vision]], Object-Detection, [[Deep-Learning]], Autonomous-Driving
+- **Raw Source:** 10_Wiki/Topics/AI/Image-Segmentation.md
diff --git a/10_Wiki/Topics/AI/Imbalanced-Data-Handling.md b/10_Wiki/Topics/AI/Imbalanced-Data-Handling.md
index 5cbffa68..97ddf18e 100644
--- a/10_Wiki/Topics/AI/Imbalanced-Data-Handling.md
+++ b/10_Wiki/Topics/AI/Imbalanced-Data-Handling.md
@@ -1,12 +1,12 @@
 ---
 id: ML-IMBAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, imbalanced-data, resampling, smote, focal-loss]
 last_reinforced: 2026-04-26
 ---
 
-# [[Imbalanced Data Handling (불균형 데이터 처리)]]
+# Imbalanced Data Handling (불균형 데이터 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 양(Quantity)에 압도당하지 말고, 소외된 소수의 정보(Minority Class) 속에 숨겨진 가치에 집중하라" — 학습 데이터의 클래스 분포가 편향되어 있을 때, 모델이 다수 클래스에만 치우친 예측을 하지 않도록 데이터나 알고리즘 측면에서 균형을 맞추는 기법.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 보안 로그 분석 시, 압도적으로 많은 '정상 접근' 사이에서 극소수의 '공격 징후'를 놓치지 않기 위해 SMOTE와 Cost-sensitive 앙상블 모델을 표준으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Focal-Loss]], [[Supervised-Learning-Foundations]], [[Precision-Recall-and-F1-Score]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Imbalanced-Data-Handling.md]]
+- [[Focal-Loss]], [[Supervised-Learning-Foundations]], Precision-Recall-and-F1-Score, Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Imbalanced-Data-Handling.md
diff --git a/10_Wiki/Topics/AI/Imitation-Learning.md b/10_Wiki/Topics/AI/Imitation-Learning.md
index df223f0d..5b4f4404 100644
--- a/10_Wiki/Topics/AI/Imitation-Learning.md
+++ b/10_Wiki/Topics/AI/Imitation-Learning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-IMITATION
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [AI, ReinforcementLearning, ImitationLearning, Robotics]
 last_reinforced: 2026-04-20
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Reinforcement Learning (RL)]] , [[Inverse-Reinforcement-Learning]]
-- Comparison: [[RLHF (인간 피드백 기반 강화학습)]]
+- Comparison: RLHF (인간 피드백 기반 강화학습)
diff --git a/10_Wiki/Topics/AI/Immersive-Sim-Design.md b/10_Wiki/Topics/AI/Immersive-Sim-Design.md
index 30782e69..994b4d4e 100644
--- a/10_Wiki/Topics/AI/Immersive-Sim-Design.md
+++ b/10_Wiki/Topics/AI/Immersive-Sim-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IMSD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, immersive-sim, game-design, emergent-gameplay, systems-design, player-agency]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 게임 플레이 정책을 넘어, AI 에이전트가 이머시브 심 세계에서 스스로 도구 정책을 결합하여 난관 정책을 돌파하는 모델링 연구의 훌륭한 시뮬레이션 환경 정책으로 활용됨. (Game-Ontology-for-PCG와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Emergence-in-Complex-Systems]], [[Game-Design-Theory]], [[Game-Ontology-for-PCG]], [[Logic]], [[Complexity-Theory]], [[UX-Design-and-Engagement]]
+- [[Emergence-in-Complex-Systems]], [[Game-Design-Theory]], [[Game-Ontology-for-PCG]], [[Logic]], [[Complexity-Theory]], UX-Design-and-Engagement
 - **Key Figures**: Warren Spector, Doug Church, Harvey Smith.
 ---
diff --git a/10_Wiki/Topics/AI/Immersive-Sim-Genre.md b/10_Wiki/Topics/AI/Immersive-Sim-Genre.md
index b63de8d3..c7bb2e64 100644
--- a/10_Wiki/Topics/AI/Immersive-Sim-Genre.md
+++ b/10_Wiki/Topics/AI/Immersive-Sim-Genre.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ISGR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, immersive-sim, genre-definition, simulation, first-person, systems-theory, gameplay]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생성형 AI 정책 기술이 발달함에 따라, 이제는 개발자가 미리 짜놓지 않은 대답 정책을 NPC 가 온톨로지 정책을 기반으로 즉석에서 내놓는 '진정한 지능형 이머시브 심 정책'으로의 진화가 시도되고 있음. (Game-Design-Ontology와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Simulation]], [[Decision-Making]], [[System-Theory]], [[Game-Design-Ontology]], [[Immersive-Sim-Design]], [[User-Experience]]
+- Simulation, Decision-Making, [[System-Theory]], [[Game-Design-Ontology]], [[Immersive-Sim-Design]], User-Experience
 - **Common Slogan**: "Player Agency is King."
 ---
diff --git a/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Dishonored.md b/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Dishonored.md
index 54d8fa7a..7ca70558 100644
--- a/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Dishonored.md
+++ b/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Dishonored.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ISDD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, immersive-sim, deus-ex, dishonored, game-analysis, choice, consequence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Thief.md b/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Thief.md
index 636b3857..359607ab 100644
--- a/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Thief.md
+++ b/10_Wiki/Topics/AI/Immersive-Sims-Deus-Ex-Thief.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ISDT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, immersive-sim, deus-ex, thief, history, looking-glass, dark-engine, game-development]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이들이 정립한 '환경적 서사 정책'과 '시스템적 상호작용 정책'은 현대의 젤다 야생의 숨결(BotW) 같은 작품 정책에까지 지대한 영향 정책을 미친 것으로 재평가 정책받음. (Game-Design-Theory와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Logic]], [[Communication]], [[Game-Design-Theory]], [[Immersive-Sim-Design]], [[Immersive-Sim-Genre]], [[Experience-Sampling-Method]]
+- [[Logic]], Communication, [[Game-Design-Theory]], [[Immersive-Sim-Design]], [[Immersive-Sim-Genre]], [[Experience-Sampling-Method]]
 - **Key Legacy**: Looking Glass Studios.
 ---
diff --git a/10_Wiki/Topics/AI/Immutability-Patterns.md b/10_Wiki/Topics/AI/Immutability-Patterns.md
index 88b9fd3c..50d1a3e5 100644
--- a/10_Wiki/Topics/AI/Immutability-Patterns.md
+++ b/10_Wiki/Topics/AI/Immutability-Patterns.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IMPA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, immutability, pattern, functional-programming, thread-safety, side-effects, software-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Impedance-Matching.md b/10_Wiki/Topics/AI/Impedance-Matching.md
index c002a52e..38c7f53a 100644
--- a/10_Wiki/Topics/AI/Impedance-Matching.md
+++ b/10_Wiki/Topics/AI/Impedance-Matching.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-IMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [system-design, engineering, impedance-matching, optimization, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Impedance Matching in Systems (시스템 임피던스 매칭)]]
+# Impedance Matching in Systems (시스템 임피던스 매칭)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서로 다른 두 시스템이 만나는 경계에서 에너지와 데이터의 손실을 최소화하고, 흐름의 효율을 극대화하라" — 전기 회로의 개념을 소프트웨어 아키텍처로 확장하여, 서로 다른 처리 속도나 데이터 구조를 가진 컴포넌트 간의 결합을 최적화하는 설계 원리.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 사고 속도와 UI 반영 속도 사이의 임피던스 매칭을 위해 '스트리밍 파싱'과 '상태 관리 최적화'를 필수 기술 표준으로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Frontend-Architecture]], [[Message-Queues-and-Event-Streams]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Impedance-Matching.md]]
+- System-Design-for-AI-Scale, [[High-Availability-Systems]], [[Frontend-Architecture]], [[Message-Queues-and-Event-Streams]]
+- **Raw Source:** 10_Wiki/Topics/AI/Impedance-Matching.md
diff --git a/10_Wiki/Topics/AI/In-Context-Learning.md b/10_Wiki/Topics/AI/In-Context-Learning.md
index ac6fc239..7aac599b 100644
--- a/10_Wiki/Topics/AI/In-Context-Learning.md
+++ b/10_Wiki/Topics/AI/In-Context-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: ICL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, prompting, zero-shot, few-shot]
 last_reinforced: 2026-04-26
 ---
 
-# [[In-Context Learning (인컨텍스트 러닝)]]
+# In-Context Learning (인컨텍스트 러닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 가중치를 바꾸지 않고도 새로운 지식을 가르쳐라" — 별도의 파인튜닝 없이 프롬프트에 포함된 예시나 지침만으로 모델이 즉석에서 태스크를 학습하고 수행하는 LLM의 창발적 능력.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 복잡한 작업 지시 시 In-Context Learning을 적극 활용하여, 모델의 기본 성능 이상의 정교한 결과물을 도출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Few-Shot-Learning]], [[Prompt-Engineering]], [[Dynamic-Few-Shot]], [[RAG]]
-- **Raw Source:** [[10_Wiki/Topics/AI/In-Context-Learning.md]]
+- [[Few-Shot-Learning]], [[Prompt-Engineering]], Dynamic-Few-Shot, [[RAG]]
+- **Raw Source:** 10_Wiki/Topics/AI/In-Context-Learning.md
diff --git a/10_Wiki/Topics/AI/Inclusive-Design-and-UX.md b/10_Wiki/Topics/AI/Inclusive-Design-and-UX.md
index 0076d2cd..f29febd0 100644
--- a/10_Wiki/Topics/AI/Inclusive-Design-and-UX.md
+++ b/10_Wiki/Topics/AI/Inclusive-Design-and-UX.md
@@ -1,12 +1,12 @@
 ---
 id: UX-INCLUSIVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [inclusive-design, ux, accessibility, universal-design, diversity, empathy, digital-equity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Inclusive Design and UX (인클루시브 디자인과 UX)]]
+# Inclusive Design and UX (인클루시브 디자인과 UX)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "평균적인 사용자를 위한 설계를 넘어 극단적 제약(장애, 환경, 연령)을 가진 사용자의 문제부터 해결하고, 그 결과로 모두에게 더 편리하고 혁신적인 경험을 제공하라" — 인간의 다양성을 설계의 중심에 두는 보편적 디자인 철학.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 디자인 리뷰 단계에서 '인클루시브 체크리스트' 통과를 의무화하며, 고령자 및 아동 사용자를 포함한 극한 환경 테스트 정책을 상시 운영함.
 
 ## 🔗 지식 연결 (Graph)
-- [[ADA-and-EAA-Accessibility-Compliance]], [[POUR-Principles]], [[UX-Design-Principles]], [[User-Centered-Design-Approach]]
-- **Raw Source:** [[00_Raw/Inclusive Design.md]], [[00_Raw/Inclusive UX Design.md]]
+- ADA-and-EAA-Accessibility-Compliance, POUR-Principles, [[UX-Design-Principles]], User-Centered-Design-Approach
+- **Raw Source:** 00_Raw/Inclusive Design.md, 00_Raw/Inclusive UX Design.md
diff --git a/10_Wiki/Topics/AI/Incremental-Computation.md b/10_Wiki/Topics/AI/Incremental-Computation.md
index 6fe104e6..840a2750 100644
--- a/10_Wiki/Topics/AI/Incremental-Computation.md
+++ b/10_Wiki/Topics/AI/Incremental-Computation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INCM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, incremental-computation, algorithms, efficiency, dynamic-programming, synchronization, caching]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 값 업데이트 정책을 넘어, AI 모델 장치 정책이 새로운 데이터 정책을 학습 정책(Live learning)할 때 전체 가중치 정책을 다시 학습 정책하지 않고 점진적으로 지식 정책을 업데이트하는 연구로 확장 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[DAG-Dependency-Management]], [[Efficiency]], [[Entity-Relationship-Modeling]], [[Optimization]], [[Performance]], [[Refinement]]
+- [[DAG-Dependency-Management]], [[Efficiency]], [[Entity-Relationship-Modeling]], [[Optimization]], Performance, [[Refinement]]
 - **Key Concept**: Static vs Dynamic dependency graphs.
 ---
diff --git a/10_Wiki/Topics/AI/Incremental-Learning.md b/10_Wiki/Topics/AI/Incremental-Learning.md
index 17c0119e..0e96b2d3 100644
--- a/10_Wiki/Topics/AI/Incremental-Learning.md
+++ b/10_Wiki/Topics/AI/Incremental-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-INC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, incremental-learning, lifelong-learning, online-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Incremental Learning (증분 학습)]]
+# Incremental Learning (증분 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "과거의 지혜를 잊지 않으면서, 새로운 지식을 끊임없이 흡수하여 진화하는 지능을 구축하라" — 전체 데이터를 다시 학습하지 않고, 실시간으로 유입되는 새로운 데이터를 점진적으로 반영하여 모델을 업데이트하는 머신러닝 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 매일 추가되는 수천 개의 새로운 위키 문서를 즉각적으로 반영하기 위해, 벡터 인덱스뿐만 아니라 경량화된 증분 학습 파이프라인을 운영 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Transfer-Learning-Foundations]], [[Online-Learning-Algorithms]], [[Generalization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Incremental-Learning.md]]
+- [[Reinforcement-Learning]], Transfer-Learning-Foundations, Online-Learning-Algorithms, [[Generalization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Incremental-Learning.md
diff --git a/10_Wiki/Topics/AI/Incremental-Static-Regeneration-ISR.md b/10_Wiki/Topics/AI/Incremental-Static-Regeneration-ISR.md
index 501898c1..9b6ce49c 100644
--- a/10_Wiki/Topics/AI/Incremental-Static-Regeneration-ISR.md
+++ b/10_Wiki/Topics/AI/Incremental-Static-Regeneration-ISR.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REND-ISR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nextjs, isr, rendering, web-architecture, ssg, performance, scalability, seo]
 last_reinforced: 2026-04-26
 ---
 
-# [[Incremental Static Regeneration: ISR (점진적 정적 재생성)]]
+# Incremental Static Regeneration: ISR (점진적 정적 재생성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체 사이트를 다시 빌드하지 않고도 정적 페이지를 백그라운드에서 실시간으로 업데이트하여, 정적 사이트의 성능(SSG)과 동적 데이터의 최신성(SSR)을 완벽하게 결합하라" — 대규모 콘텐츠 사이트의 확장성과 속도를 해결하는 차세대 렌더링 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 상품 상세 페이지 및 카테고리 목록에 대해 기본적으로 ISR 정책을 적용하며, 재고 정보와 같은 극도로 민감한 데이터에 한해서만 부분적인 클라이언트 사이드 데이터 페칭 정책을 결합함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Static-Site-Generation-SSG]], [[Server-Side-Rendering-SSR]], [[Web-Rendering-Strategies-CSR-vs-SSR]], [[Nextjs-App-Router-Architecture]]
-- **Raw Source:** [[00_Raw/Incremental Static Regeneration (ISR).md]]
+- Static-Site-Generation-SSG, Server-Side-Rendering-SSR, [[Web-Rendering-Strategies-CSR-vs-SSR]], [[Nextjs-App-Router-Architecture]]
+- **Raw Source:** 00_Raw/Incremental Static Regeneration (ISR).md
diff --git a/10_Wiki/Topics/AI/Incrementalism.md b/10_Wiki/Topics/AI/Incrementalism.md
index 3a2d1515..8a2f9bd5 100644
--- a/10_Wiki/Topics/AI/Incrementalism.md
+++ b/10_Wiki/Topics/AI/Incrementalism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INCR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, incrementalism, agile, product-development, continuous-improvement, evolution]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 기능을 추가하는 정책을 넘어, 기존의 기술 부채나 디자인을 점진적으로 개선하며 중단 없이 서비스를 고도화하는 '리팩토링 기반의 지속적 점진주의 정책'으로 진화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Feedback-Loops]], [[Deployment-Strategy]], [[Complexity Theory]], [[Design-System]], [[Software Engineering]]
+- [[Feedback-Loops]], [[Deployment-Strategy]], [[Complexity Theory]], [[Design-System]], Software Engineering
 - **Modern Tech/Tools**: Agile Scrum, CI/CD pipelines, DevOps culture, A/B testing.
 ---
diff --git a/10_Wiki/Topics/AI/Independent Component Analysis (ICA).md b/10_Wiki/Topics/AI/Independent Component Analysis (ICA).md
index d921a36d..0adbd7ef 100644
--- a/10_Wiki/Topics/AI/Independent Component Analysis (ICA).md	
+++ b/10_Wiki/Topics/AI/Independent Component Analysis (ICA).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ICAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, ica, signal-processing, statistics, unsupervised-learning, machine-learning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 언어 모델의 가중치들 사이에서 특정 개념(concept)을 나타내는 독립적인 활성화 패턴 정책을 추출하여 AI 내부를 해석하려는 'XAI(Explainable AI) 정책'의 핵심 도구로 재발견됨. (Explainable-AI (XAI)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Unsupervised-Learning]], [[Machine Learning (ML)]], [[Analysis]], [[Explainable-AI (XAI)]], [[Feature-Engineering]]
+- Unsupervised-Learning, [[Machine Learning (ML)]], [[Analysis]], [[Explainable-AI (XAI)]], [[Feature-Engineering]]
 - **Modern Tech/Tools**: FastICA algorithm, Scikit-learn (ICA module), EEG signal processing toolboxes.
 ---
diff --git a/10_Wiki/Topics/AI/Independent-Component-Analysis.md b/10_Wiki/Topics/AI/Independent-Component-Analysis.md
index f1f1e42e..e5b74457 100644
--- a/10_Wiki/Topics/AI/Independent-Component-Analysis.md
+++ b/10_Wiki/Topics/AI/Independent-Component-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-ICA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, machine-learning, ica, signal-processing, blind-source-separation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Independent Component Analysis (ICA, 독립 성분 분석)]]
+# Independent Component Analysis (ICA, 독립 성분 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뒤섞인 소음들 속에서 각기 다른 목소리의 본질을 찾아내어 분리하라" — 서로 독립적인 여러 신호가 혼합된 관측 데이터로부터, 통계적 독립성(Statistical Independence)을 최대화하는 방향으로 원래의 소스 신호들을 찾아내는 기법.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 다중 에이전트의 로그가 뒤섞인 통합 스트림에서 각 에이전트의 고유한 행동 패턴을 분리하여 분석하기 위해 ICA 기반의 시퀀스 분리 기술을 검토 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Dimensionality-Reduction]], [[Probability-Theory]], [[Sequence-Modeling]], [[Digital-Signal-Processing-DSP]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Independent-Component-Analysis.md]]
+- [[Dimensionality-Reduction]], Probability-Theory, [[Sequence-Modeling]], Digital-Signal-Processing-DSP
+- **Raw Source:** 10_Wiki/Topics/AI/Independent-Component-Analysis.md
diff --git a/10_Wiki/Topics/AI/Index-Fragmentation-Analysis.md b/10_Wiki/Topics/AI/Index-Fragmentation-Analysis.md
index f3f88e5b..ecdbf9a6 100644
--- a/10_Wiki/Topics/AI/Index-Fragmentation-Analysis.md
+++ b/10_Wiki/Topics/AI/Index-Fragmentation-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IDFR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, database, index, fragmentation, performance, optimization, sql-server, storage]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 관리자가 수동으로 분석 정책하는 것을 넘어, AI 기반의 Query Optimizer 가 파편화 수준 정책을 실시간 감시 정책하고 자동으로 최적의 리빌드 타이밍 정책을 결정하는 'Self-Healing DB' 시대로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Standard-Operating-Procedure]], [[Reliability]], [[Performance]], [[Optimization]], [[Entity-Relationship-Modeling]]
+- [[Efficiency]], [[Standard-Operating-Procedure]], [[Reliability]], Performance, [[Optimization]], [[Entity-Relationship-Modeling]]
 - **Key Tools**: DMV (sys.dm_db_index_physical_stats).
 ---
diff --git a/10_Wiki/Topics/AI/Indexing-Strategies.md b/10_Wiki/Topics/AI/Indexing-Strategies.md
index 5788fcfa..457c029e 100644
--- a/10_Wiki/Topics/AI/Indexing-Strategies.md
+++ b/10_Wiki/Topics/AI/Indexing-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-IDX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [database, data-engineering, indexing, search-engine, vector-database, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Indexing Strategies (인덱싱 전략)]]
+# Indexing Strategies (인덱싱 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 무작정 쌓지 말고, 정교한 지도를 그려 검색의 비용을 최소화하라" — 방대한 데이터셋에서 특정 정보를 신속하게 찾기 위해 별도의 최적화된 자료구조(Index)를 구축하고 운영하는 기술 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 위키 문서와 수만 개의 로우 데이터를 연결하기 위해, 역색인(키워드)과 벡터 인덱스(의미)를 결합한 하이브리드 인덱싱 전략을 사용하여 검색의 정확도와 속도를 동시에 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hash-Functions-and-Maps]], [[Vector-Database-Foundations]], [[System-Design-for-AI-Scale]], [[Search-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Indexing-Strategies.md]]
+- [[Hash-Functions-and-Maps]], Vector-Database-Foundations, System-Design-for-AI-Scale, Search-Algorithms
+- **Raw Source:** 10_Wiki/Topics/AI/Indexing-Strategies.md
diff --git a/10_Wiki/Topics/AI/Indian-Innovation-Models.md b/10_Wiki/Topics/AI/Indian-Innovation-Models.md
index 6c9e584f..53d2be55 100644
--- a/10_Wiki/Topics/AI/Indian-Innovation-Models.md
+++ b/10_Wiki/Topics/AI/Indian-Innovation-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ININ-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, india, innovation, jugaad, entrepreneurship, emerging-markets, frugality, strategy]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 임기응변 정책을 넘어, 인도의 거대한 IT 인재 풀 정책이 AI 원격 의료 정책, 저가형 위성 발사 정책 등 첨단 기술 정책과 주가드 정신 정책을 결합하여 전 세계 최저 비용 정책으로 최첨단 서비스 정책을 제공하는 '하이테크- frugal innovation'으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Dynamic-Capabilities]], [[Economic-Mobility]], [[Sustainability]], [[Strategic-Planning]], [[Economics-of-Information]], [[Social-Engineering]]
+- [[Dynamic-Capabilities]], [[Economic-Mobility]], [[Sustainability]], [[Strategic-Planning]], [[Economics-of-Information]], Social-Engineering
 - **Key Concept**: Frugal Engineering.
 ---
diff --git a/10_Wiki/Topics/AI/Inductive-Bias.md b/10_Wiki/Topics/AI/Inductive-Bias.md
index 1ed762f4..f4be2f41 100644
--- a/10_Wiki/Topics/AI/Inductive-Bias.md
+++ b/10_Wiki/Topics/AI/Inductive-Bias.md
@@ -1,12 +1,12 @@
 ---
 id: AI-BIAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, inductive-bias, neural-networks, generalization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Inductive Bias (귀납적 편향)]]
+# Inductive Bias (귀납적 편향)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "무엇이든 배울 수 있는 유연함보다, 세상의 규칙을 미리 가정하는 영리함이 더 빠른 지능을 만든다" — 학습 알고리즘이 훈련 데이터 이외의 새로운 상황에 직면했을 때, 정답을 추론하기 위해 사용하는 일련의 사전 가정(Assumptions).
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 도메인 특화 에이전트 설계 시, 초기 학습 속도를 높이기 위해 도메인 지식 기반의 강한 귀납적 편향을 아키텍처에 반영함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Generalization-in-AI]], [[Deep-Learning-Foundations]], [[CNN-Mastery]], [[Transformer-Architecture-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Inductive-Bias.md]]
+- [[Generalization-in-AI]], Deep-Learning-Foundations, CNN-Mastery, Transformer-Architecture-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Inductive-Bias.md
diff --git a/10_Wiki/Topics/AI/Inductive-Reasoning.md b/10_Wiki/Topics/AI/Inductive-Reasoning.md
index db3e8494..3f17b7a8 100644
--- a/10_Wiki/Topics/AI/Inductive-Reasoning.md
+++ b/10_Wiki/Topics/AI/Inductive-Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, inductive-reasoning, logic, epistimology, patterns, generalization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Inexact-Science.md b/10_Wiki/Topics/AI/Inexact-Science.md
index 6dadacd6..4647b6e5 100644
--- a/10_Wiki/Topics/AI/Inexact-Science.md
+++ b/10_Wiki/Topics/AI/Inexact-Science.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INSC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, inexact-science, social-science, soft-science, complexity, human-behavior]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Inference-Optimization.md b/10_Wiki/Topics/AI/Inference-Optimization.md
index fc66b541..49aafb18 100644
--- a/10_Wiki/Topics/AI/Inference-Optimization.md
+++ b/10_Wiki/Topics/AI/Inference-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: AI-INF-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, inference, optimization, quantization, model-serving]
 last_reinforced: 2026-04-26
 ---
 
-# [[Inference Optimization (추론 최적화)]]
+# Inference Optimization (추론 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 지능은 유지하되, 실행 비용과 지연 시간(Latency)은 극한으로 깎아내어 실전 배치 능력을 확보하라" — 학습된 모델을 실제 서비스 환경에서 더 빠르고 가볍게 구동하기 위해 모델 구조와 연산 방식을 최적화하는 기술.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 로컬 브레인 구동 시 가용 VRAM 용량에 따라 모델을 4-bit 또는 8-bit로 동적 양자화하여, 저사양 기기에서도 초저지연 응답을 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hardware-Acceleration-for-AI]], [[GPU-Architecture-for-AI]], [[System-Design-for-AI-Scale]], [[LLM]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Inference-Optimization.md]]
+- [[Hardware-Acceleration-for-AI]], GPU-Architecture-for-AI, System-Design-for-AI-Scale, [[LLM]]
+- **Raw Source:** 10_Wiki/Topics/AI/Inference-Optimization.md
diff --git a/10_Wiki/Topics/AI/Inferential-Statistics.md b/10_Wiki/Topics/AI/Inferential-Statistics.md
index e7ac5020..5f8c7b17 100644
--- a/10_Wiki/Topics/AI/Inferential-Statistics.md
+++ b/10_Wiki/Topics/AI/Inferential-Statistics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, inferential-statistics, statistics, data-analysis, hypothesis-testing, sampling]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Information-Entropy.md b/10_Wiki/Topics/AI/Information-Entropy.md
index de460692..678fdb4f 100644
--- a/10_Wiki/Topics/AI/Information-Entropy.md
+++ b/10_Wiki/Topics/AI/Information-Entropy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INEN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, information-entropy, shannon, probability, information-theory, uncertainty]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델이 단순히 다음 단어를 맞히는 것을 넘어, 답변의 '정보 밀도'와 '의외성'을 조절하여 더 인간답고 가치 있는 답변을 생성하게 하는 정책적 도구로 활용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Information-Processing]], [[Complexity Theory]], [[Gradient-Descent]], [[Optimization]], [[Logic]]
+- Information-Processing, [[Complexity Theory]], [[Gradient-Descent]], [[Optimization]], [[Logic]]
 - **Modern Tech/Tools**: Loss functions (Cross-Entropy), Huffman coding, Softmax layers.
 ---
diff --git a/10_Wiki/Topics/AI/Information-Retrieval-IR.md b/10_Wiki/Topics/AI/Information-Retrieval-IR.md
index 8858baaa..fb0e38cd 100644
--- a/10_Wiki/Topics/AI/Information-Retrieval-IR.md
+++ b/10_Wiki/Topics/AI/Information-Retrieval-IR.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-IR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, information-retrieval, search-engine, ranking, nlp, rag]
 last_reinforced: 2026-04-26
 ---
 
-# [[Information Retrieval (IR, 정보 검색)]]
+# Information Retrieval (IR, 정보 검색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 바다에서 단순한 키워드가 아닌, 사용자의 질문과 가장 밀접한 '의미의 정수'를 건져 올려라" — 비정형 데이터셋에서 사용자의 정보 요구(Query)에 부합하는 유효한 정보를 찾아내고, 관련성(Relevance)에 따라 순위를 매겨 제공하는 학문 및 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 위키 문서 검색 시 BM25와 Dense Vector 검색을 앙상블한 하이브리드 IR 시스템을 사용하여 지식 탐색의 정확도를 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Indexing-Strategies]], [[Vector-Database-Foundations]], [[NLP-Foundations]], [[Hallucination-in-LLMs]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Information-Retrieval-IR.md]]
+- [[Indexing-Strategies]], Vector-Database-Foundations, NLP-Foundations, [[Hallucination-in-LLMs]]
+- **Raw Source:** 10_Wiki/Topics/AI/Information-Retrieval-IR.md
diff --git a/10_Wiki/Topics/AI/Information-Society.md b/10_Wiki/Topics/AI/Information-Society.md
index 8c46517c..60699945 100644
--- a/10_Wiki/Topics/AI/Information-Society.md
+++ b/10_Wiki/Topics/AI/Information-Society.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INSO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, information-society, digital-transformation, data-economy, network-society, social-change]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Information-Theory.md b/10_Wiki/Topics/AI/Information-Theory.md
index c541f774..29a28874 100644
--- a/10_Wiki/Topics/AI/Information-Theory.md
+++ b/10_Wiki/Topics/AI/Information-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: INFO-THEORY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, communication, entropy, data-compression, ai-foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Information Theory (정보 이론)]]
+# Information Theory (정보 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "불확실성을 측정하고 통신을 수치화하라" — 클로드 섀넌이 정립한, 정보의 양을 엔트로피(Entropy)라는 개념으로 정의하고 데이터 압축 및 전송의 한계를 규명한 수학적 기초.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 응답 생성 시, '정보 밀도'를 높이기 위해 불필요한 반복을 제거하고 핵심 엔트로피가 높은 텍스트를 구성하도록 유도함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Entropy]], [[Cross-Entropy]], [[Data-Compression]], [[Machine-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Information-Theory.md]]
+- Entropy, Cross-Entropy, Data-Compression, Machine-Learning
+- **Raw Source:** 10_Wiki/Topics/AI/Information-Theory.md
diff --git a/10_Wiki/Topics/AI/Infraspace.md b/10_Wiki/Topics/AI/Infraspace.md
index 225413eb..035479a2 100644
--- a/10_Wiki/Topics/AI/Infraspace.md
+++ b/10_Wiki/Topics/AI/Infraspace.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INFR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.82
 tags: [auto-reinforced, infraspace, hidden-networks, digital-infrastructure, system-layers, architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Infrastructure-as-Code-IaC.md b/10_Wiki/Topics/AI/Infrastructure-as-Code-IaC.md
index faf5d9ca..ddf12cf5 100644
--- a/10_Wiki/Topics/AI/Infrastructure-as-Code-IaC.md
+++ b/10_Wiki/Topics/AI/Infrastructure-as-Code-IaC.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-IAC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [devops, infrastructure, iac, terraform, automation, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Infrastructure as Code (IaC, 코드형 인프라)]]
+# Infrastructure as Code (IaC, 코드형 인프라)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터센터를 프로그래밍하고, 서버 설정을 Git으로 관리하여 인프라의 재현성과 확장성을 소프트웨어 수준으로 끌어올려라" — 수동적인 인프라 구성을 배제하고, 선언적(Declarative) 혹은 명령적(Imperative) 코드를 통해 컴퓨팅 자원을 자동으로 생성, 설정, 관리하는 방법론.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 클라우드 브레인 노드와 데이터베이스 설정은 Terraform 코드로 관리되며, 인프라의 모든 변경 사항은 코드 리뷰를 거쳐 자동 배포됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[DevOps-for-AI-MLOps]], [[High-Availability-Systems]], [[Hybrid-Cloud-Architectures]], [[Git-Version-Control-Master]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Infrastructure-as-Code-IaC.md]]
+- [[DevOps-for-AI-MLOps]], [[High-Availability-Systems]], [[Hybrid-Cloud-Architectures]], Git-Version-Control-Master
+- **Raw Source:** 10_Wiki/Topics/AI/Infrastructure-as-Code-IaC.md
diff --git a/10_Wiki/Topics/AI/Inheritance-and-Polymorphism.md b/10_Wiki/Topics/AI/Inheritance-and-Polymorphism.md
index 77f4c9ed..39006c15 100644
--- a/10_Wiki/Topics/AI/Inheritance-and-Polymorphism.md
+++ b/10_Wiki/Topics/AI/Inheritance-and-Polymorphism.md
@@ -1,12 +1,12 @@
 ---
 id: CS-OOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [programming, oop, inheritance, polymorphism, software-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Inheritance and Polymorphism (상속과 다형성)]]
+# Inheritance and Polymorphism (상속과 다형성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "부모의 자산을 물려받아 지식을 확장하고, 하나의 이름으로 수만 가지의 다채로운 행동을 수행하라" — 코드의 재사용성을 극대화하는 상속(Inheritance)과, 동일한 메시지에 대해 객체마다 다르게 반응하도록 설계하는 다형성(Polymorphism)을 통해 유연하고 확장 가능한 시스템을 구축하는 객체 지향의 핵심 원리.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 에이전트 스킬 설계 시, 기본 기능을 상속받되 구체적인 동작은 다형성을 활용하여 각 에이전트의 특성에 맞춰 구현하는 '플러그인 아키텍처'를 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Functional-Programming]], [[Domain-Driven-Design-DDD]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Inheritance-and-Polymorphism.md]]
+- [[Software-Architecture-Patterns]], [[Functional-Programming]], [[Domain-Driven-Design-DDD]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Inheritance-and-Polymorphism.md
diff --git a/10_Wiki/Topics/AI/Inner-Product-Spaces.md b/10_Wiki/Topics/AI/Inner-Product-Spaces.md
index fe2ab20c..2edb5671 100644
--- a/10_Wiki/Topics/AI/Inner-Product-Spaces.md
+++ b/10_Wiki/Topics/AI/Inner-Product-Spaces.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-INNER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, linear-algebra, inner-product, vector-space, similarity-metrics, ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Inner Product Spaces (내적 공간)]]
+# Inner Product Spaces (내적 공간)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "추상적인 벡터들 사이에 거리를 재고 각도를 측정하여, 데이터 간의 '닮음'을 기하학적으로 정의하라" — 벡터 공간에 내적(Inner Product)이라는 연산이 추가되어 길이(Norm)와 각도(Orthogonality)를 계산할 수 있게 된 공간.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 간 유사도 분석 시, 내적 공간 상의 코사인 유사도를 기본 지표로 사용하여 의미적으로 가장 가까운 지식들을 추천함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linear-Algebra-Foundations]], [[Vector-Database-Foundations]], [[Dimensionality-Reduction]], [[Information-Retrieval-IR]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Inner-Product-Spaces.md]]
+- [[Linear-Algebra-Foundations]], Vector-Database-Foundations, [[Dimensionality-Reduction]], [[Information-Retrieval-IR]]
+- **Raw Source:** 10_Wiki/Topics/AI/Inner-Product-Spaces.md
diff --git a/10_Wiki/Topics/AI/Innovation.md b/10_Wiki/Topics/AI/Innovation.md
index 4c28e3f3..c89a0c2f 100644
--- a/10_Wiki/Topics/AI/Innovation.md
+++ b/10_Wiki/Topics/AI/Innovation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INNO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, innovation, creativity, disruption, strategy, value-creation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Input-Validation-Strategies.md b/10_Wiki/Topics/AI/Input-Validation-Strategies.md
index 44b66c7e..1b9eb729 100644
--- a/10_Wiki/Topics/AI/Input-Validation-Strategies.md
+++ b/10_Wiki/Topics/AI/Input-Validation-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-INPUT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [security, software-engineering, input-validation, data-integrity, defensive-programming]
 last_reinforced: 2026-04-26
 ---
 
-# [[Input Validation Strategies (입력 검증 전략)]]
+# Input Validation Strategies (입력 검증 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모든 외부 입력을 잠재적 위협으로 간주하고, 시스템의 경계에서 데이터의 형식과 의도를 엄격히 심사하라" — 사용자나 다른 시스템으로부터 유입되는 데이터가 기대하는 형식, 길이, 타입에 맞는지 확인하여 인젝션 공격이나 런타임 오류를 원천 차단하는 방어적 설계 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트에게 전달되는 모든 사용자 발화와 외부 파일 데이터를 처리하기 전, 보안 스캔 및 형식 검증 레이어를 거치도록 강제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Cloud-Security-Mastery]], [[Data-Privacy-Foundations]], [[LLM-Security-and-Safety]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Input-Validation-Strategies.md]]
+- [[Software-Architecture-Patterns]], Cloud-Security-Mastery, Data-Privacy-Foundations, [[LLM-Security-and-Safety]]
+- **Raw Source:** 10_Wiki/Topics/AI/Input-Validation-Strategies.md
diff --git a/10_Wiki/Topics/AI/Inquiry-Based Learning.md b/10_Wiki/Topics/AI/Inquiry-Based Learning.md
index db8049b6..fec8d45d 100644
--- a/10_Wiki/Topics/AI/Inquiry-Based Learning.md	
+++ b/10_Wiki/Topics/AI/Inquiry-Based Learning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IBLR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.87
 tags: [auto-reinforced, inquiry-based-learning, education, critical-thinking, active-learning, curiosity]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 모든 질문에 답해주는 시대 정책 속에서, 역설적으로 '좋은 질문을 던지는 능력(Prompt Engineering)'이 탐구 기반 학습의 정수가 되며 창의적 인재의 핵심 역량 정책으로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Critical Thinking]], [[Creativity Research]], [[Knowledge synthesis]], [[Analysis]], [[Empathy-in-AI]]
+- Critical Thinking, [[Creativity Research]], [[Knowledge synthesis]], [[Analysis]], [[Empathy-in-AI]]
 - **Modern Tech/Tools**: PBL (Project Based Learning), Socratic method, Research-based education.
 ---
diff --git a/10_Wiki/Topics/AI/Instance-based-Learning.md b/10_Wiki/Topics/AI/Instance-based-Learning.md
index 1373908d..e2e95830 100644
--- a/10_Wiki/Topics/AI/Instance-based-Learning.md
+++ b/10_Wiki/Topics/AI/Instance-based-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: ML-INST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, instance-based-learning, knn, lazy-learning, similarity-metrics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Instance-based Learning (사례 기반 학습)]]
+# Instance-based Learning (사례 기반 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 수식을 만들지 말고, 가장 닮은 과거의 이웃에게 길을 물어 답을 찾아라" — 별도의 학습 과정 없이 훈련 데이터를 그대로 저장해 두었다가, 새로운 데이터가 유입될 때마다 유사도 측정을 통해 가장 가까운 사례들의 정답을 인용하는 머신러닝 방식.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 지식 추천 엔진은 사용자의 현재 문맥과 가장 유사한 과거의 위키 탐색 경로를 찾아주는 사례 기반 추천 방식을 병행하여 개인화된 경험을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Indexing-Strategies]], [[Vector-Database-Foundations]], [[Supervised-Learning-Foundations]], [[Distance-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Instance-based-Learning.md]]
+- [[Indexing-Strategies]], Vector-Database-Foundations, [[Supervised-Learning-Foundations]], Distance-Metrics-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Instance-based-Learning.md
diff --git a/10_Wiki/Topics/AI/InstancedMesh2 library.md b/10_Wiki/Topics/AI/InstancedMesh2 library.md
index fbf16012..b977c946 100644
--- a/10_Wiki/Topics/AI/InstancedMesh2 library.md	
+++ b/10_Wiki/Topics/AI/InstancedMesh2 library.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F5A361
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh2 library"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[Frustum Culling]], [[Level of Detail (LOD)]], [[Skinned Mesh]], [[BVH (Bounding Volume Hierarchy)]]
-- **Projects/Contexts:** [[Three.js]]
+- **Related Topics:** [[InstancedMesh]], [[Frustum Culling]], [[Level of Detail (LOD)]], Skinned Mesh, BVH (Bounding Volume Hierarchy)
+- **Projects/Contexts:** Three.js
 - **Contradictions/Notes:** 라이브러리 내에서 지원하는 `SquareDataTexture`의 뼈대 텍스처 부분 업데이트(Partial texture updates) 기능은 모바일 기기 및 Mozilla Firefox 브라우저 환경에서 속도가 느리게 작동할 수 있어, 특정 하드웨어나 브라우저에서는 이를 비활성화(또는 이중 버퍼링 구현 필요)해야 성능을 유지할 수 있습니다 [1, 11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh2 library.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Instinct.md b/10_Wiki/Topics/AI/Instinct.md
index 27178fbb..b5d1d984 100644
--- a/10_Wiki/Topics/AI/Instinct.md
+++ b/10_Wiki/Topics/AI/Instinct.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INST-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.84
 tags: [auto-reinforced, instinct, biology, intuition, behavior, evolution, heuristics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Instruction-Tuning.md b/10_Wiki/Topics/AI/Instruction-Tuning.md
index e726cca8..c947c4fa 100644
--- a/10_Wiki/Topics/AI/Instruction-Tuning.md
+++ b/10_Wiki/Topics/AI/Instruction-Tuning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-INSTRUCTION-TUNING
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI, LLM, InstructionTuning, FineTuning, Alignment]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 지시어 튜닝은 모델이 '진실'을 말하게 하기보다 '인간이 정답이라고 믿는 말'을 하게 만들 위험(Sycophancy)이 있다. 또한 튜닝 과정에서 모델의 창의성이 일부 억제되기도 한다. 이를 극복하기 위해 튜닝 이후 강화학습(RLHF)을 통해 답변의 미세한 품질과 안전성을 조율하는 다회차 공정이 필수적이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Fine-Tuning (미세 조정)]] , [[RLHF (인간 피드백 기반 강화학습)]]
-- Fundamental: [[Self-Instruct]]
+- Related: Fine-Tuning (미세 조정) , RLHF (인간 피드백 기반 강화학습)
+- Fundamental: Self-Instruct
diff --git a/10_Wiki/Topics/AI/Intangible-Capital.md b/10_Wiki/Topics/AI/Intangible-Capital.md
index 3995f2f4..6d3fd32a 100644
--- a/10_Wiki/Topics/AI/Intangible-Capital.md
+++ b/10_Wiki/Topics/AI/Intangible-Capital.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INCA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, intangible-capital, economy, intellectual-property, human-capital, brand-value, knowledge-assets]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Integrated-Development-Environment.md b/10_Wiki/Topics/AI/Integrated-Development-Environment.md
index eba5a80e..137aa1ad 100644
--- a/10_Wiki/Topics/AI/Integrated-Development-Environment.md
+++ b/10_Wiki/Topics/AI/Integrated-Development-Environment.md
@@ -1,12 +1,12 @@
 ---
 id: IDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-development, devtools, productivity, dx]
 last_reinforced: 2026-04-26
 ---
 
-# [[Integrated Development Environment (IDE, 통합 개발 환경)]]
+# Integrated Development Environment (IDE, 통합 개발 환경)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코딩의 생산성을 극대화하는 올인원 워크샵" — 편집기, 컴파일러, 디버거, 버전 관리 등을 하나의 인터페이스로 통합하여 개발자가 로직에만 집중할 수 있게 돕는 소프트웨어 애플리케이션.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 VS Code를 표준 IDE로 채택하며, `ConnectAI`와 같은 자체 확장 프로그램을 통해 AI 기반의 자동화된 개발 환경을 구축함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Developer-Experience]], [[ConnectAI]], [[Static-Analysis]], [[Debugging]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Integrated-Development-Environment.md]]
+- Developer-Experience, ConnectAI, Static-Analysis, Debugging
+- **Raw Source:** 10_Wiki/Topics/AI/Integrated-Development-Environment.md
diff --git a/10_Wiki/Topics/AI/Integration-Testing-for-AI.md b/10_Wiki/Topics/AI/Integration-Testing-for-AI.md
index abc9582e..7e5a6aee 100644
--- a/10_Wiki/Topics/AI/Integration-Testing-for-AI.md
+++ b/10_Wiki/Topics/AI/Integration-Testing-for-AI.md
@@ -1,12 +1,12 @@
 ---
 id: QA-INT-TEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, testing, ai-qa, integration-testing, reliability, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Integration Testing for AI (AI 통합 테스트)]]
+# Integration Testing for AI (AI 통합 테스트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "개별 부품의 완벽함에 안주하지 말고, 그들이 톱니바퀴처럼 맞물려 돌아가는 전체의 하모니를 검증하라" — 여러 소프트웨어 모듈과 AI 모델, 외부 데이터 소스 등이 유기적으로 연결되어 데이터 파이프라인과 비즈니스 로직이 올바르게 작동하는지 확인하는 품질 보증 프로세스.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 커밋 전, 에이전트의 주요 시나리오(지식 생성, 파일 수정 등)를 시뮬레이션하는 통합 테스트 자동화 스크립트를 실행하여 시스템의 강건성을 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[DevOps-for-AI-MLOps]], [[Software-Architecture-Patterns]], [[Input-Validation-Strategies]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Integration-Testing-for-AI.md]]
+- [[DevOps-for-AI-MLOps]], [[Software-Architecture-Patterns]], [[Input-Validation-Strategies]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Integration-Testing-for-AI.md
diff --git a/10_Wiki/Topics/AI/Intellectual-Property-in-AI.md b/10_Wiki/Topics/AI/Intellectual-Property-in-AI.md
index 17ba5600..c834d4c2 100644
--- a/10_Wiki/Topics/AI/Intellectual-Property-in-AI.md
+++ b/10_Wiki/Topics/AI/Intellectual-Property-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: ETH-IP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, intellectual-property, copyright, ai-ethics, law, generative-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Intellectual Property in AI (AI와 지식 재산권)]]
+# Intellectual Property in AI (AI와 지식 재산권)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계의 창작물에 누구의 이름을 새길 것인가, 그리고 거인의 어깨 위에 올라타는 과정에서 타인의 권리를 어떻게 존중할 것인가" — 인공지능 학습 데이터의 정당한 사용(Fair Use)과 AI 생성 콘텐츠의 저작권 보호 여부를 둘러싼 법적, 윤리적 논의의 총체.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 외부 지식 인덱싱 시 데이터의 출처(Provenance)를 명확히 기록하며, 상업적 이용이 제한된 소스로부터 생성된 지식은 내부 연구용으로만 격리하여 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Ethics]], [[Generative-AI-Impact]], [[Deepfake-Technology]], [[Data-Privacy-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Intellectual-Property-in-AI.md]]
+- AI-Ethics, [[Generative-AI-Impact]], [[Deepfake-Technology]], Data-Privacy-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Intellectual-Property-in-AI.md
diff --git a/10_Wiki/Topics/AI/Interaction to Next Paint (INP).md b/10_Wiki/Topics/AI/Interaction to Next Paint (INP).md
index dd6971da..dcb35100 100644
--- a/10_Wiki/Topics/AI/Interaction to Next Paint (INP).md	
+++ b/10_Wiki/Topics/AI/Interaction to Next Paint (INP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1BE349
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,10 +39,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Interaction to Next Paint (INP
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Core Web Vitals]], [[First Input Delay (FID)]], [[Long Animation Frames API]]
-- **Projects/Contexts:** [[Chrome User Experience Report (CrUX)]], [[Chrome DevTools]], [[Interop 2025]]
+- **Projects/Contexts:** Chrome User Experience Report (CrUX), [[Chrome DevTools]], [[Interop 2025]]
 - **Contradictions/Notes:** 초기 측정 방식에서는 모든 텍스트 강조 표시가 INP에 영향을 주었으나, 2025년 초 Chrome의 업데이트로 인해 스크롤을 동반하는 텍스트 강조 표시는 예외적으로 INP 지연 시간에 합산되지 않도록 변경되었습니다 [17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Interaction to Next Paint (INP).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Interaction-to-Next-Paint-INP.md b/10_Wiki/Topics/AI/Interaction-to-Next-Paint-INP.md
index 301701c3..c5741a97 100644
--- a/10_Wiki/Topics/AI/Interaction-to-Next-Paint-INP.md
+++ b/10_Wiki/Topics/AI/Interaction-to-Next-Paint-INP.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-CWV-INP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [core-web-vitals, inp, performance, responsiveness, interaction, main-thread, frontend-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Interaction to Next Paint: INP (상호작용 다음 페인트까지의 지연 시간)]]
+# Interaction to Next Paint: INP (상호작용 다음 페인트까지의 지연 시간)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단 한 번의 빠른 반응이 아니라, 사용자가 페이지를 떠날 때까지 수행하는 모든 상호작용의 지연을 감시하고, 0.2초 이내의 즉각적인 응답성을 일관되게 보장하라" — FID를 대체하여 웹사이트의 전체적인 반응성을 측정하는 2024년 이후 Core Web Vitals의 핵심 지표.
@@ -30,4 +30,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Core-Web-Vitals-Metrics]], [[JavaScript-Optimization-Patterns]], [[Google-Page-Experience-2025-Update]], [[Frontend-Performance-Optimization-Guide]]
-- **Raw Source:** [[00_Raw/INP (Interaction to Next Paint).md]], [[00_Raw/Interaction to Next Paint (INP).md]]
+- **Raw Source:** 00_Raw/INP (Interaction to Next Paint).md, 00_Raw/Interaction to Next Paint (INP).md
diff --git a/10_Wiki/Topics/AI/Interdisciplinary-Research.md b/10_Wiki/Topics/AI/Interdisciplinary-Research.md
index e64e5eb4..5673680b 100644
--- a/10_Wiki/Topics/AI/Interdisciplinary-Research.md
+++ b/10_Wiki/Topics/AI/Interdisciplinary-Research.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INRE-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, interdisciplinary-research, collaboration, complexity, holistic-approach, convergence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Interface-Segregation-Principle.md b/10_Wiki/Topics/AI/Interface-Segregation-Principle.md
index fbaa6e1a..92de6e04 100644
--- a/10_Wiki/Topics/AI/Interface-Segregation-Principle.md
+++ b/10_Wiki/Topics/AI/Interface-Segregation-Principle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ISP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, SOLID, ISP, CleanCode]
 last_reinforced: 2026-04-20
@@ -20,5 +20,5 @@ last_reinforced: 2026-04-20
 - 인터페이스를 너무 잘게 쪼개면 인터페이스 수가 폭발하여 관리가 힘들어지는 트레이드오프가 있다. 따라서 '응집도'와 '클라이언트의 필요' 사이에서 균형을 잡아야 한다. 타입스크립트와 같은 현대 언어에서는 인터페이스 상속과 교차 타입(`&`)을 활용해 필요한 기능만 유연하게 조합하는 방식으로 ISP를 스마트하게 적용한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[SOLID-Principles]] , [[Single-Responsibility-Principle (SRP)]]
-- Technique: [[Role-Interface]]
+- Related: SOLID-Principles , Single-Responsibility-Principle (SRP)
+- Technique: Role-Interface
diff --git a/10_Wiki/Topics/AI/Internet of Things (IoT).md b/10_Wiki/Topics/AI/Internet of Things (IoT).md
index 9587463d..0069f498 100644
--- a/10_Wiki/Topics/AI/Internet of Things (IoT).md	
+++ b/10_Wiki/Topics/AI/Internet of Things (IoT).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-IOTT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, iot, internet-of-things, connectivity, smart-devices, ubiquitous-computing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Interop 2026.md b/10_Wiki/Topics/AI/Interop 2026.md
index 40fb29f5..402f6ff1 100644
--- a/10_Wiki/Topics/AI/Interop 2026.md	
+++ b/10_Wiki/Topics/AI/Interop 2026.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-36D047
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Interop 2026"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Core Web Vitals]], [[Cumulative Layout Shift]], [[Interop 2025]]
-- **Projects/Contexts:** [[크로스 브라우저 코어 웹 바이탈 지원 (Cross-browser support for Core Web Vitals)]]
+- **Related Topics:** [[Core Web Vitals]], Cumulative Layout Shift, [[Interop 2025]]
+- **Projects/Contexts:** 크로스 브라우저 코어 웹 바이탈 지원 (Cross-browser support for Core Web Vitals)
 - **Contradictions/Notes:** 소스 내에서 Interop 2026은 확정된 프로젝트가 아니라 CLS 지표를 향후에 지원하기 위해 고려 중인 '제안' 단계로만 매우 짧게 언급되어 있습니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Interop 2026.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Interoperability.md b/10_Wiki/Topics/AI/Interoperability.md
index da8cb88d..68edd432 100644
--- a/10_Wiki/Topics/AI/Interoperability.md
+++ b/10_Wiki/Topics/AI/Interoperability.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INTE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, interoperability, connectivity, standards, synchronization, systems-thinking]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 다양한 AI 모델과 툴들이 서로의 API를 호출하며 협업하는 '에이전트 생태계 정책'에서, 상호운용성은 지능 시스템의 확장성을 결정하는 결정적 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Global-Standard]], [[Ontology (온톨로지)]], [[Distributed-Systems]], [[Technical-Architecture]], [[Internet of Things (IoT)]]
+- [[Global-Standard]], Ontology (온톨로지), [[Distributed-Systems]], [[Technical-Architecture]], [[Internet of Things (IoT)]]
 - **Modern Tech/Tools**: API (REST, gRPC), JSON, FHIR (healthcare standard), Matter (smart home standard).
 ---
diff --git a/10_Wiki/Topics/AI/Interpretability-vs-Explainability.md b/10_Wiki/Topics/AI/Interpretability-vs-Explainability.md
index 48fc7970..dc49dcc5 100644
--- a/10_Wiki/Topics/AI/Interpretability-vs-Explainability.md
+++ b/10_Wiki/Topics/AI/Interpretability-vs-Explainability.md
@@ -1,12 +1,12 @@
 ---
 id: AI-INT-EXP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, explainable-ai, xai, interpretability, explainability, trust]
 last_reinforced: 2026-04-26
 ---
 
-# [[Interpretability vs Explainability (해석 가능성 vs 설명 가능성)]]
+# Interpretability vs Explainability (해석 가능성 vs 설명 가능성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 내부 회로를 투명하게 들여다보는 것과, 모델이 왜 그런 행동을 했는지 인간의 언어로 설득하는 것은 별개의 문제다" — AI 시스템의 투명성을 확보하기 위한 두 가지 접근법으로, 구조적 투명성(Interpretability)과 결과에 대한 논리적 서술(Explainability) 사이의 관계와 차이.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 답변에 항상 `Rationale` 섹션을 포함시켜 '설명 가능성'을 확보하며, 복잡한 추론 과정은 지식 그래프 상의 연결 경로로 '해석 가능성'을 보조함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Explainable-AI-XAI]], [[Trustworthy-AI]], [[AI-Ethics]], [[Decision-Trees-and-Random-Forests]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Interpretability-vs-Explainability.md]]
+- [[Explainable-AI-XAI]], [[Trustworthy-AI]], AI-Ethics, Decision-Trees-and-Random-Forests
+- **Raw Source:** 10_Wiki/Topics/AI/Interpretability-vs-Explainability.md
diff --git a/10_Wiki/Topics/AI/Interpretability.md b/10_Wiki/Topics/AI/Interpretability.md
index 6db0eb5a..763f92e6 100644
--- a/10_Wiki/Topics/AI/Interpretability.md
+++ b/10_Wiki/Topics/AI/Interpretability.md
@@ -1,12 +1,12 @@
 ---
 id: INTERPRET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, explainable-ai, xai, machine-learning, trust]
 last_reinforced: 2026-04-26
 ---
 
-# [[Interpretability (해석 가능성)]]
+# Interpretability (해석 가능성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "AI 블랙박스의 내부를 들여다보는 지적 렌즈" — 머신러닝 모델의 판단 근거와 내부 작동 기제를 인간이 이해할 수 있는 형태로 설명하고 분석하는 능력.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 보강 작업 시 모델이 참조한 근거(Raw Source)를 명시하여 결과물의 해석 가능성과 신뢰도를 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Explainable-AI]], [[Circuit-Discovery]], [[Feature-Clamping]], [[AI-Ethics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Interpretability.md]]
+- Explainable-AI, Circuit-Discovery, Feature-Clamping, AI-Ethics
+- **Raw Source:** 10_Wiki/Topics/AI/Interpretability.md
diff --git a/10_Wiki/Topics/AI/Introduction-to-Programming.md b/10_Wiki/Topics/AI/Introduction-to-Programming.md
index 3a1135b8..dfee7759 100644
--- a/10_Wiki/Topics/AI/Introduction-to-Programming.md
+++ b/10_Wiki/Topics/AI/Introduction-to-Programming.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, programming, logic, software-development, computer-science, foundational]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Introspection (자기성찰).md b/10_Wiki/Topics/AI/Introspection (자기성찰).md
index 0c3e673d..0acb26fa 100644
--- a/10_Wiki/Topics/AI/Introspection (자기성찰).md	
+++ b/10_Wiki/Topics/AI/Introspection (자기성찰).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INTR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, introspection, self-awareness, metacognition, cognitive-science, psychology]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 모델 정책에서 사용되는 '자기 비판(Self-Criticism) 프롬프트 정책'은 모델의 환각을 줄이고 논리성을 높이는 가장 효과적인 엔지니어링 정책 중 하나가 됨. (Hallucination (환각)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Cognitive Biases]], [[Empathy-in-AI]], [[Hallucination (환각)]], [[Flow-State]], [[Agentic-Workflow]]
+- [[Cognitive Biases]], [[Empathy-in-AI]], [[Hallucination (환각)]], [[Flow-State]], Agentic-Workflow
 - **Modern Tech/Tools**: Reflective journaling, Mental models, AI monitoring dashboards, Chain-of-Thought prompting.
 ---
diff --git a/10_Wiki/Topics/AI/Inverse-Kinematics.md b/10_Wiki/Topics/AI/Inverse-Kinematics.md
index 715261e6..0f677326 100644
--- a/10_Wiki/Topics/AI/Inverse-Kinematics.md
+++ b/10_Wiki/Topics/AI/Inverse-Kinematics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-INVERSE-KINEMATICS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [Robotics, Kinematics, Animation, Mathematics]
 last_reinforced: 2026-04-20
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Denavit-Hartenberg-Parameters]] , [[Robotics]]
-- Algorithm: [[FABRIK-Algorithm]]
+- Algorithm: FABRIK-Algorithm
diff --git a/10_Wiki/Topics/AI/Inverse-Reinforcement-Learning.md b/10_Wiki/Topics/AI/Inverse-Reinforcement-Learning.md
index 9e8206ba..53ed2e44 100644
--- a/10_Wiki/Topics/AI/Inverse-Reinforcement-Learning.md
+++ b/10_Wiki/Topics/AI/Inverse-Reinforcement-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: RL-INV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, inverse-rl, imitation-learning, apprenticeship-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Inverse Reinforcement Learning (역강화학습)]]
+# Inverse Reinforcement Learning (역강화학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델에게 무엇이 좋은지 알려주지 말고, 전문가의 행동을 관찰하여 스스로 '보상(Reward)'의 의미를 추론하게 하라" — 명시적인 보상 함수를 정의하기 어려운 복잡한 태스크에서, 전문가의 시연(Demonstration)을 보고 에이전트가 그 내면에 깔린 보상 체계를 역으로 학습하는 기법.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 사용자의 작업 패턴을 학습할 때, 단순한 명령 복제가 아닌 IRL을 적용하여 사용자가 진정으로 의도한 '작업의 품질 기준'을 스스로 파악하도록 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Imitation-Learning]], [[Reward-Shaping]], [[Generalization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Inverse-Reinforcement-Learning.md]]
+- [[Reinforcement-Learning]], [[Imitation-Learning]], Reward-Shaping, [[Generalization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Inverse-Reinforcement-Learning.md
diff --git a/10_Wiki/Topics/AI/Inversion.md b/10_Wiki/Topics/AI/Inversion.md
index 9516f90a..d59fab9c 100644
--- a/10_Wiki/Topics/AI/Inversion.md
+++ b/10_Wiki/Topics/AI/Inversion.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-INVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, inversion, mental-models, problem-solving, carl-jacobi, strategy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/IoT-and-AI-Integration.md b/10_Wiki/Topics/AI/IoT-and-AI-Integration.md
index 0a54bf28..bcb11921 100644
--- a/10_Wiki/Topics/AI/IoT-and-AI-Integration.md
+++ b/10_Wiki/Topics/AI/IoT-and-AI-Integration.md
@@ -1,12 +1,12 @@
 ---
 id: IOT-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [iot, ai, aiot, edge-computing, smart-systems, sensor-networks]
 last_reinforced: 2026-04-26
 ---
 
-# [[IoT and AI Integration (IoT와 AI 통합)]]
+# IoT and AI Integration (IoT와 AI 통합)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사물에 감각(IoT)을 달고 지능(AI)을 심어, 현실 세계와 디지털 세계를 유기적으로 연결하라" — 수많은 센서로부터 유입되는 방대한 시계열 데이터를 AI가 실시간으로 처리하여 자율적 판단과 예측을 수행하는 AIoT(AI of Things) 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 로컬 하드웨어 센서 데이터를 처리할 때, 데이터의 프라이버시 보호를 위해 엣지 단계에서의 1차 필터링 및 익명화 처리를 필수 원칙으로 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Edge-AI-and-Computing]], [[Cloud-Security-Mastery]], [[Real-time-Data-Processing]], [[Hybrid-Cloud-Architectures]]
-- **Raw Source:** [[10_Wiki/Topics/AI/IoT-and-AI-Integration.md]]
+- [[Edge-AI-and-Computing]], Cloud-Security-Mastery, Real-time-Data-Processing, [[Hybrid-Cloud-Architectures]]
+- **Raw Source:** 10_Wiki/Topics/AI/IoT-and-AI-Integration.md
diff --git a/10_Wiki/Topics/AI/Isaac-Asimovs-Laws-of-Robotics.md b/10_Wiki/Topics/AI/Isaac-Asimovs-Laws-of-Robotics.md
index 32c2997e..aae0d51e 100644
--- a/10_Wiki/Topics/AI/Isaac-Asimovs-Laws-of-Robotics.md
+++ b/10_Wiki/Topics/AI/Isaac-Asimovs-Laws-of-Robotics.md
@@ -1,12 +1,12 @@
 ---
 id: ETH-ASIMOV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-ethics, robotics, asimov, alignment, safety-guardrails]
 last_reinforced: 2026-04-26
 ---
 
-# [[Isaac Asimov's Laws of Robotics (아시모프의 로봇 3원칙)]]
+# Isaac Asimov's Laws of Robotics (아시모프의 로봇 3원칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인공적 지능의 가장 높은 우선순위는 기술적 효율성이 아닌 '인간의 생명과 존엄성'에 있음을 명시하라" — 아이작 아시모프가 정립한 로봇의 행동 윤리 규범으로, 현대 인공지능 정렬(Alignment) 문제의 철학적 뿌리가 된 세 가지 핵심 법칙.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 사용자의 명령이 타인의 권익을 침해하거나 파괴적인 행위를 포함할 경우, 아시모프의 원칙을 현대적으로 재해석한 '안전 가이드라인'에 따라 해당 명령 수행을 거부하도록 설계됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Ethics]], [[Trustworthy-AI]], [[Constitutional-AI]], [[Human-in-the-loop-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Isaac-Asimovs-Laws-of-Robotics.md]]
+- AI-Ethics, [[Trustworthy-AI]], [[Constitutional-AI]], [[Human-in-the-loop-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Isaac-Asimovs-Laws-of-Robotics.md
diff --git a/10_Wiki/Topics/AI/Item-Item-Collaborative-Filtering.md b/10_Wiki/Topics/AI/Item-Item-Collaborative-Filtering.md
index 966a4702..91a7362c 100644
--- a/10_Wiki/Topics/AI/Item-Item-Collaborative-Filtering.md
+++ b/10_Wiki/Topics/AI/Item-Item-Collaborative-Filtering.md
@@ -1,12 +1,12 @@
 ---
 id: REC-ITEM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [recommender-systems, collaborative-filtering, item-item, personalization, similarity-metrics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Item-Item Collaborative Filtering (아이템 기반 협업 필터링)]]
+# Item-Item Collaborative Filtering (아이템 기반 협업 필터링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자의 변덕스러운 취향보다, 아이템 간의 견고한 연관 관계를 바탕으로 정교한 추천 지도를 그려라" — 개별 사용자 간의 유사도를 찾는 대신, 아이템들이 함께 소비된 이력을 분석하여 아이템 간의 유사성을 측정하고 이를 기반으로 사용자에게 새로운 것을 제안하는 추천 알고리즘.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Collaborative-Filtering]], [[Matrix-Factorization]], [[Inner-Product-Spaces]], [[Information-Retrieval-IR]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Item-Item-Collaborative-Filtering.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Item-Item-Collaborative-Filtering.md
diff --git a/10_Wiki/Topics/AI/Iteration.md b/10_Wiki/Topics/AI/Iteration.md
index 42851f52..19c73781 100644
--- a/10_Wiki/Topics/AI/Iteration.md
+++ b/10_Wiki/Topics/AI/Iteration.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ITER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, iteration, loops, recursion, computer-science, repetitive-tasks]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Iterative-Development-Models.md b/10_Wiki/Topics/AI/Iterative-Development-Models.md
index ce6a2779..7dcd7e70 100644
--- a/10_Wiki/Topics/AI/Iterative-Development-Models.md
+++ b/10_Wiki/Topics/AI/Iterative-Development-Models.md
@@ -1,12 +1,12 @@
 ---
 id: SDLC-ITER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, agile, iterative-development, lean, sdlc, feedback-loops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Iterative Development Models (반복적 개발 모델)]]
+# Iterative Development Models (반복적 개발 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한 번에 거대한 성을 쌓으려 하지 말고, 작은 벽돌부터 완벽하게 다듬으며 점진적으로 세계를 확장하라" — 요구사항이 불명확하거나 기술적 변화가 빠른 환경에서, 짧은 개발 주기(Cycle)를 반복하며 시스템을 조금씩 진화시키고 위험을 조기에 관리하는 소프트웨어 개발 방법론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 지식 가드닝 작업은 전형적인 반복적 모델을 따름. 20개 단위의 Batch 작업을 수행하고 트래커를 업데이트하며, 사용자의 피드백을 즉각 반영하여 다음 배치의 품질을 높이는 구조를 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Extreme-Programming-XP]], [[Feedback-Loops-in-Systems]], [[Software-Architecture-Patterns]], [[Agile-Methodologies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Iterative-Development-Models.md]]
+- [[Extreme-Programming-XP]], Feedback-Loops-in-Systems, [[Software-Architecture-Patterns]], Agile-Methodologies
+- **Raw Source:** 10_Wiki/Topics/AI/Iterative-Development-Models.md
diff --git a/10_Wiki/Topics/AI/Iterative-Development.md b/10_Wiki/Topics/AI/Iterative-Development.md
index a02afc94..2643b85e 100644
--- a/10_Wiki/Topics/AI/Iterative-Development.md
+++ b/10_Wiki/Topics/AI/Iterative-Development.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ITDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, iterative-development, software-lifecycle, agile, prototype, feedback]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/JIT-Compilation-in-AI-Engines.md b/10_Wiki/Topics/AI/JIT-Compilation-in-AI-Engines.md
index b4fc8d8c..ecac92b1 100644
--- a/10_Wiki/Topics/AI/JIT-Compilation-in-AI-Engines.md
+++ b/10_Wiki/Topics/AI/JIT-Compilation-in-AI-Engines.md
@@ -1,12 +1,12 @@
 ---
 id: AI-JIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, jit-compilation, xla, torchscript, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[JIT Compilation in AI Engines (AI 엔진의 JIT 컴파일)]]
+# JIT Compilation in AI Engines (AI 엔진의 JIT 컴파일)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "파이썬의 유연함으로 설계하고, 기계어의 속도로 실행하라" — 모델 실행 시점에 연산 그래프를 분석하여 하드웨어에 최적화된 바이너리 코드로 즉시 변환함으로써, 인터프리팅 오버헤드를 제거하고 성능을 극대화하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 실시간 벡터 연산 및 커스텀 로직 수행 시, 성능 병목이 발생하는 구간에 적극적으로 JIT 컴파일러 가속 옵션을 적용하여 처리 속도를 최적화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Inference-Optimization]], [[Hardware-Acceleration-for-AI]], [[GPU-Architecture-for-AI]], [[Distributed-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/JIT-Compilation-in-AI-Engines.md]]
+- [[Inference-Optimization]], [[Hardware-Acceleration-for-AI]], GPU-Architecture-for-AI, [[Distributed-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/JIT-Compilation-in-AI-Engines.md
diff --git a/10_Wiki/Topics/AI/JSON-LD-Structured-Data.md b/10_Wiki/Topics/AI/JSON-LD-Structured-Data.md
index db26e421..cd7289a1 100644
--- a/10_Wiki/Topics/AI/JSON-LD-Structured-Data.md
+++ b/10_Wiki/Topics/AI/JSON-LD-Structured-Data.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-SEO-JSONLD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [json-ld, structured-data, schema-markup, seo, rich-results, aeo, ai-crawling]
 last_reinforced: 2026-04-26
 ---
 
-# [[JSON-LD Structured Data (JSON-LD 구조화된 데이터)]]
+# JSON-LD Structured Data (JSON-LD 구조화된 데이터)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "웹페이지의 콘텐츠를 기계가 읽을 수 있는 명시적인 지식 그래프(Knowledge Graph)로 기술하고, 검색 결과에서 화려한 리치 스니펫과 AI 엔진의 직접 인용권을 획득하라" — 구글이 가장 선호하는 시맨틱 마크업 표준 형식.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 블로그 포스트와 상품 페이지에 대해 JSON-LD 자동 생성 정책을 시행하며, 배포 전 '리치 결과 테스트' 도구를 통한 유효성 검증을 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Structured-Data-Markup]], [[SEO-Foundations]], [[AI-Answer-Engine-Optimization]], [[Search-Engine-Optimization-SEO]]
-- **Raw Source:** [[00_Raw/JSON-LD.md]]
+- Structured-Data-Markup, SEO-Foundations, [[AI-Answer-Engine-Optimization]], Search-Engine-Optimization-SEO
+- **Raw Source:** 00_Raw/JSON-LD.md
diff --git a/10_Wiki/Topics/AI/JSON-and-Data-Serialization.md b/10_Wiki/Topics/AI/JSON-and-Data-Serialization.md
index 1f326c01..e3ca1ff5 100644
--- a/10_Wiki/Topics/AI/JSON-and-Data-Serialization.md
+++ b/10_Wiki/Topics/AI/JSON-and-Data-Serialization.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-SER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-engineering, json, serialization, data-exchange, api-design, protobuf]
 last_reinforced: 2026-04-26
 ---
 
-# [[JSON and Data Serialization (JSON과 데이터 직렬화)]]
+# JSON and Data Serialization (JSON과 데이터 직렬화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 지능의 구조를 누구나 이해할 수 있는 보편적인 텍스트로 치환하여, 시스템 간의 경계를 허물어라" — 메모리 내의 객체나 데이터 구조를 전송 및 저장 가능한 형식으로 변환(Serialization)하고, 이를 다시 원래 상태로 복원(Deserialization)하는 데이터 유통 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 메타데이터와 지식 그래프를 JSON 형식으로 관리하여 인간의 가독성을 확보하되, 고성능 에이전트 간 통신 시에는 Protobuf를 적용하여 네트워크 부하를 최소화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Input-Validation-Strategies]], [[System-Design-for-AI-Scale]], [[Knowledge-Graph-Foundations]], [[Cloud-Security-Mastery]]
-- **Raw Source:** [[10_Wiki/Topics/AI/JSON-and-Data-Serialization.md]]
+- [[Input-Validation-Strategies]], System-Design-for-AI-Scale, [[Knowledge-Graph-Foundations]], Cloud-Security-Mastery
+- **Raw Source:** 10_Wiki/Topics/AI/JSON-and-Data-Serialization.md
diff --git a/10_Wiki/Topics/AI/JUnit-and-Testing-Frameworks.md b/10_Wiki/Topics/AI/JUnit-and-Testing-Frameworks.md
index 14e1df33..cf78bd29 100644
--- a/10_Wiki/Topics/AI/JUnit-and-Testing-Frameworks.md
+++ b/10_Wiki/Topics/AI/JUnit-and-Testing-Frameworks.md
@@ -1,12 +1,12 @@
 ---
 id: QA-TEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, testing, junit, unit-test, tdd, quality-assurance]
 last_reinforced: 2026-04-26
 ---
 
-# [[JUnit and Testing Frameworks (JUnit과 테스트 프레임워크)]]
+# JUnit and Testing Frameworks (JUnit과 테스트 프레임워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "작성한 코드의 무결성을 증명하는 가장 강력한 무기는, 매 커밋마다 실행되는 수천 개의 자동화된 감시자들이다" — 개별 모듈이 의도한 대로 작동하는지 확인하는 단위 테스트를 정형화하고 자동화하여, 소프트웨어의 신뢰도를 높이고 리팩토링의 용기를 부여하는 프레임워크.
@@ -28,4 +28,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Integration-Testing-for-AI]], [[DevOps-for-AI-MLOps]], [[Software-Architecture-Patterns]], [[Input-Validation-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/JUnit-and-Testing-Frameworks.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/JUnit-and-Testing-Frameworks.md
diff --git a/10_Wiki/Topics/AI/JavaScript-Async-and-Event-Loop.md b/10_Wiki/Topics/AI/JavaScript-Async-and-Event-Loop.md
index c5415b32..ce75effc 100644
--- a/10_Wiki/Topics/AI/JavaScript-Async-and-Event-Loop.md
+++ b/10_Wiki/Topics/AI/JavaScript-Async-and-Event-Loop.md
@@ -1,12 +1,12 @@
 ---
 id: JS-ASYNC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [javascript, frontend, web-development, event-loop, async-await, concurrency]
 last_reinforced: 2026-04-26
 ---
 
-# [[JavaScript Async and Event Loop (JS 비동기와 이벤트 루프)]]
+# JavaScript Async and Event Loop (JS 비동기와 이벤트 루프)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "싱글 스레드의 제약을 '기다림의 미학'으로 극복하고, 이벤트 루프라는 영리한 중재자를 통해 멈추지 않는 사용자 경험을 완성하라" — 자바스크립트가 단일 스레드임에도 불구하고 논블로킹(Non-blocking) I/O를 수행하며 수많은 비동기 작업을 효율적으로 처리하게 해주는 핵심 구동 메커니즘.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** ConnectAI 확장 프로그램은 VS Code의 메인 스레드를 방해하지 않기 위해, 모든 대규모 지식 검색 및 모델 호출 로직을 비동기 이벤트 루프 최적화 패턴에 따라 처리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Frontend-Architecture]], [[Message-Queues-and-Event-Streams]], [[System-Design-for-AI-Scale]], [[Reactive-Programming]]
-- **Raw Source:** [[10_Wiki/Topics/AI/JavaScript-Async-and-Event-Loop.md]]
+- [[Frontend-Architecture]], [[Message-Queues-and-Event-Streams]], System-Design-for-AI-Scale, [[Reactive-Programming]]
+- **Raw Source:** 10_Wiki/Topics/AI/JavaScript-Async-and-Event-Loop.md
diff --git a/10_Wiki/Topics/AI/JavaScript-Optimization-Patterns.md b/10_Wiki/Topics/AI/JavaScript-Optimization-Patterns.md
index 664a7582..1779cdd5 100644
--- a/10_Wiki/Topics/AI/JavaScript-Optimization-Patterns.md
+++ b/10_Wiki/Topics/AI/JavaScript-Optimization-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-JS-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [javascript, performance, optimization, inp, code-splitting, tree-shaking, web-workers, main-thread]
 last_reinforced: 2026-04-26
 ---
 
-# [[JavaScript Optimization Patterns (자바스크립트 최적화 패턴)]]
+# JavaScript Optimization Patterns (자바스크립트 최적화 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전송되는 번들 크기를 극한으로 깎고, 메인 스레드를 점유하는 긴 작업을 잘게 쪼개어(Yield), 브라우저가 사용자의 입력에 즉각적으로 반응할 수 있는 '숨 쉴 틈'을 확보하라" — INP 성능 향상을 위한 현대 자바스크립트 실행 전략.
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Core-Web-Vitals-Metrics]], [[Interaction-to-Next-Paint-INP]], [[Frontend-Performance-Optimization-Guide]], [[Clean-Code-Principles]]
-- **Raw Source:** [[00_Raw/JavaScript Optimization.md]]
+- **Raw Source:** 00_Raw/JavaScript Optimization.md
diff --git a/10_Wiki/Topics/AI/Joint-Optimization.md b/10_Wiki/Topics/AI/Joint-Optimization.md
index b2e628ca..e5a165c4 100644
--- a/10_Wiki/Topics/AI/Joint-Optimization.md
+++ b/10_Wiki/Topics/AI/Joint-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-JOOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, joint-optimization, system-design, end-to-end, synergetic-optimization]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 다계층 에이전트 시스템 정책에서, 기획 에이전트와 실행 에이전트를 따로 두지 않고 서로의 피드백을 즉시 반영하여 전체 워크플로우를 공동 최적화하는 정책이 차세대 에이전트 설계의 핵심이 됨. (Agentic-Workflow와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization]], [[Efficiency]], [[Deep Learning (DL)]], [[Hardware]], [[Agentic-Workflow]]
+- [[Optimization]], [[Efficiency]], Deep Learning (DL), [[Hardware]], Agentic-Workflow
 - **Modern Tech/Tools**: DeepSpeed (Training optimization), End-to-end autonomous driving, ASIC co-design.
 ---
diff --git a/10_Wiki/Topics/AI/Journaling.md b/10_Wiki/Topics/AI/Journaling.md
index 1f73d830..cac47b16 100644
--- a/10_Wiki/Topics/AI/Journaling.md
+++ b/10_Wiki/Topics/AI/Journaling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-JOUR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, journaling, self-reflection, record-keeping, psychological-wellbeing, productivity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Judgment.md b/10_Wiki/Topics/AI/Judgment.md
index ad599676..73832ee3 100644
--- a/10_Wiki/Topics/AI/Judgment.md
+++ b/10_Wiki/Topics/AI/Judgment.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-JUDG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, judgment, decision-making, wisdom, discretion, ethical-judgment]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 윤리적 판단 정책을 아예 AI 모델 내부에 원칙(Constitution)으로 심으려는 노력과, 여전히 인간의 직접적 개입이 필요한 'Red-line 정책' 사이의 치열한 논의가 진행 중임. (Constitutional AI와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision Theory]], [[Ethics & AI]], [[Constitutional AI (헌법 AI)]], [[Critical Thinking]], [[Intangible-Capital]]
+- [[Decision Theory]], [[Ethics & AI]], [[Constitutional AI (헌법 AI)]], Critical Thinking, [[Intangible-Capital]]
 - **Modern Tech/Tools**: Decision support systems, Ethical AI frameworks, Strategic planning tools.
 ---
diff --git a/10_Wiki/Topics/AI/Just-In-Time (JIT).md b/10_Wiki/Topics/AI/Just-In-Time (JIT).md
index aba580d4..228ed661 100644
--- a/10_Wiki/Topics/AI/Just-In-Time (JIT).md	
+++ b/10_Wiki/Topics/AI/Just-In-Time (JIT).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-JITT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, jit, just-in-time, compiler, optimization, performance, logistics]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ JIT(Just-In-Time)는 컴퓨팅과 물류 분야에서 공통적으로 쓰이는
 - **정책 변화(RL Update)**: AI 추론 정책에서도 모든 모델 파라미터를 메모리에 올리기보다, 입력값에 따라 필요한 계층만 로드하거나 활성화하는 '동적 추론(JIT Inference) 정책'이 기기 내(On-device) AI의 핵심 기술로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Optimization]], [[Hardware]], [[Distributed-Systems]], [[Moore's Law]]
+- [[Efficiency]], [[Optimization]], [[Hardware]], [[Distributed-Systems]], Moore's Law
 - **Modern Tech/Tools**: JVM HotSpot, V8 Engine (JavaScript), PyTorch JIT, JAX, Lean manufacturing.
 ---
diff --git a/10_Wiki/Topics/AI/Just-in-Case.md b/10_Wiki/Topics/AI/Just-in-Case.md
index 77a75715..2743d49c 100644
--- a/10_Wiki/Topics/AI/Just-in-Case.md
+++ b/10_Wiki/Topics/AI/Just-in-Case.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-JUIC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, just-in-case, inventory-management, risk-management, redundancy, resilience]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Just-in-time-Data-Loading.md b/10_Wiki/Topics/AI/Just-in-time-Data-Loading.md
index 7cda6c28..fc2d215a 100644
--- a/10_Wiki/Topics/AI/Just-in-time-Data-Loading.md
+++ b/10_Wiki/Topics/AI/Just-in-time-Data-Loading.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-JIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-engineering, jit-loading, lazy-loading, optimization, deep-learning, performance]
 last_reinforced: 2026-04-26
 ---
 
-# [[Just-in-time Data Loading (적시 데이터 로딩)]]
+# Just-in-time Data Loading (적시 데이터 로딩)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "메모리의 한계에 굴복하지 말고, 필요한 정보만을 가장 필요한 순간에 흐르듯 공급하라" — 전체 데이터를 메모리에 미리 적재하는 대신, 연산 직전에 필요한 부분만을 디스크나 네트워크로부터 비동기적으로 읽어와 처리하는 효율적인 데이터 공급 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 지식 베이스를 전수 조사할 때, 전체를 메모리에 올리지 않고 JIT 로딩 방식을 적용하여 시스템 리소스 점유율을 10% 미만으로 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Inference-Optimization]], [[System-Design-for-AI-Scale]], [[Deep-Learning-Foundations]], [[Cloud-Computing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Just-in-time-Data-Loading.md]]
+- [[Inference-Optimization]], System-Design-for-AI-Scale, Deep-Learning-Foundations, Cloud-Computing-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Just-in-time-Data-Loading.md
diff --git a/10_Wiki/Topics/AI/K-Means-Clustering-Foundations.md b/10_Wiki/Topics/AI/K-Means-Clustering-Foundations.md
index c585ffb2..a0603ef6 100644
--- a/10_Wiki/Topics/AI/K-Means-Clustering-Foundations.md
+++ b/10_Wiki/Topics/AI/K-Means-Clustering-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: ML-KMEANS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, unsupervised-learning, clustering, k-means, centroids]
 last_reinforced: 2026-04-26
 ---
 
-# [[K-Means Clustering Foundations (K-Means 클러스터링 기초)]]
+# K-Means Clustering Foundations (K-Means 클러스터링 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터들 사이의 '무게 중심'을 찾아, 혼돈 속에 숨겨진 집단(Clusters)의 경계를 그려라" — 주어진 데이터를 K개의 클러스터로 묶는 알고리즘으로, 각 클러스터 내의 데이터와 중심점(Centroid) 사이의 거리 합을 최소화하는 방식으로 작동하는 비지도 학습의 고전.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 수만 개의 로우 데이터 로그를 의미 단위로 묶어 지식화할 때, 초기 필터링 단계에서 K-Means 기반의 대규모 클러스터링을 활용하여 데이터의 중복성을 제거함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Unsupervised-Learning-Foundations]], [[Dimensionality-Reduction]], [[Distance-Metrics-in-AI]], [[Exploratory-Data-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/K-Means-Clustering-Foundations.md]]
+- Unsupervised-Learning-Foundations, [[Dimensionality-Reduction]], Distance-Metrics-in-AI, [[Exploratory-Data-Analysis]]
+- **Raw Source:** 10_Wiki/Topics/AI/K-Means-Clustering-Foundations.md
diff --git a/10_Wiki/Topics/AI/K-Nearest-Neighbors-K-NN.md b/10_Wiki/Topics/AI/K-Nearest-Neighbors-K-NN.md
index dcb33332..c17925a6 100644
--- a/10_Wiki/Topics/AI/K-Nearest-Neighbors-K-NN.md
+++ b/10_Wiki/Topics/AI/K-Nearest-Neighbors-K-NN.md
@@ -1,12 +1,12 @@
 ---
 id: ML-KNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, knn, instance-based-learning, similarity-metrics, classification]
 last_reinforced: 2026-04-26
 ---
 
-# [[K-Nearest Neighbors (K-NN, K-최근접 이웃)]]
+# K-Nearest Neighbors (K-NN, K-최근접 이웃)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 정체는 그 주변에 누가 있느냐에 따라 결정된다" — 새로운 데이터의 레이블을 예측할 때, 특징 공간 상에서 가장 가까운 K개의 훈련 데이터(이웃)를 찾아 그들의 다수결(분류)이나 평균(회귀)으로 값을 결정하는 직관적인 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 유사한 문맥을 가진 지식을 검색할 때, 의미 벡터 공간에서의 K-NN 탐색을 통해 가장 관련성이 높은 문서 후보군을 즉시 도출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Instance-based-Learning]], [[Distance-Metrics-in-AI]], [[Dimensionality-Reduction]], [[Indexing-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/K-Nearest-Neighbors-K-NN.md]]
+- [[Instance-based-Learning]], Distance-Metrics-in-AI, [[Dimensionality-Reduction]], [[Indexing-Strategies]]
+- **Raw Source:** 10_Wiki/Topics/AI/K-Nearest-Neighbors-K-NN.md
diff --git a/10_Wiki/Topics/AI/KISS (Keep It Simple, Stupid).md b/10_Wiki/Topics/AI/KISS (Keep It Simple, Stupid).md
index 5b257b2b..1c9b81d7 100644
--- a/10_Wiki/Topics/AI/KISS (Keep It Simple, Stupid).md	
+++ b/10_Wiki/Topics/AI/KISS (Keep It Simple, Stupid).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-KISS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, kiss-principle, design, simplicity, engineering, minimalism]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/KISS-Principle-in-Software-Design.md b/10_Wiki/Topics/AI/KISS-Principle-in-Software-Design.md
index 9a7d7864..baf2e8d3 100644
--- a/10_Wiki/Topics/AI/KISS-Principle-in-Software-Design.md
+++ b/10_Wiki/Topics/AI/KISS-Principle-in-Software-Design.md
@@ -1,12 +1,12 @@
 ---
 id: CS-KISS-PRINCIPLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-design, kiss-principle, simplicity, clean-code, refactoring, maintainability]
 last_reinforced: 2026-04-26
 ---
 
-# [[KISS Principle in Software Design (KISS 원칙: 단순함의 미학)]]
+# KISS Principle in Software Design (KISS 원칙: 단순함의 미학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡성은 시스템의 적이다. 해결책을 필요 이상으로 똑똑하게 만들려 하지 말고, 누구나 단번에 이해할 수 있는 가장 단순한 구조를 유지하여 소프트웨어의 생존력을 확보하라" — Keep It Simple, Stupid(KISS)라는 설계의 근본 철학.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 코드 리뷰 시 '불필요한 복잡도'를 중대한 결함으로 간주하며, 시니어 개발자일수록 더 단순한 해결책을 제시할 것을 의무화하는 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Clean-Code-Principles]], [[YAGNI-Principle]], [[Software-Architecture-Patterns]], [[Refactoring-Techniques]]
-- **Raw Source:** [[00_Raw/KISS Principle.md]]
+- [[Clean-Code-Principles]], YAGNI-Principle, [[Software-Architecture-Patterns]], Refactoring-Techniques
+- **Raw Source:** 00_Raw/KISS Principle.md
diff --git a/10_Wiki/Topics/AI/KPI (Key Performance Indicator).md b/10_Wiki/Topics/AI/KPI (Key Performance Indicator).md
index 48e7d4bd..f40d125f 100644
--- a/10_Wiki/Topics/AI/KPI (Key Performance Indicator).md	
+++ b/10_Wiki/Topics/AI/KPI (Key Performance Indicator).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-KPII-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, kpi, performance, measurement, strategy, goals, metrics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.md b/10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.md
index 7eb5966d..e3e34a86 100644
--- a/10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.md
+++ b/10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-KALMAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, robotics, control-theory, kalman-filter, state-estimation, sensor-fusion]
 last_reinforced: 2026-04-26
 ---
 
-# [[Kalman Filter and State Tracking (칼만 필터와 상태 추적)]]
+# Kalman Filter and State Tracking (칼만 필터와 상태 추적)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "불확실한 정보들 사이에서 가장 믿음직한 정답을 확률적으로 조율하라" — 과거의 상태와 현재의 측정값을 결합하여, 잡음이 섞인 데이터로부터 시스템의 상태를 최적의 확률로 추정하는 순귀적 필터.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 유도 미사일 및 적 기동 추적 로직은 칼만 필터를 사용하여 센서 데이터의 노이즈를 제거하고 정밀한 타격 지점을 실시간으로 계산함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Control-Theory]], [[Robotics-Foundations]], [[Probability-Theory]], [[Time-Series-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.md]]
+- [[Control-Theory]], [[Robotics-Foundations]], Probability-Theory, [[Time-Series-Analysis]]
+- **Raw Source:** 10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.md
diff --git a/10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md b/10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md
index 5228df6d..6b273c9b 100644
--- a/10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md
+++ b/10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-KDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, math, kde, density-estimation, data-visualization, probability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Kernel Density Estimation (KDE, 커널 밀도 추정)]]
+# Kernel Density Estimation (KDE, 커널 밀도 추정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터라는 개별 점들에 부드러운 산 모양의 확률을 씌워, 전체의 흐름을 보여주는 부드러운 능선을 그려라" — 유한한 표본 데이터를 바탕으로 모집단의 확률 밀도 함수(PDF)를 부드럽게 추정하여 데이터의 분포 특성을 파악하는 기계학습 및 통계학의 핵심 도구.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 시간 분포를 분석하여 병목 구간을 시각화할 때, 히스토그램 대신 KDE 곡선을 사용하여 통계적 왜곡을 방지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory]], [[Exploratory-Data-Analysis]], [[Anomaly-Detection-Foundations]], [[Supervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md]]
+- Probability-Theory, [[Exploratory-Data-Analysis]], Anomaly-Detection-Foundations, [[Supervised-Learning-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.md
diff --git a/10_Wiki/Topics/AI/Kernel-Methods-and-SVMs.md b/10_Wiki/Topics/AI/Kernel-Methods-and-SVMs.md
index c34bcba8..f6dcfbbb 100644
--- a/10_Wiki/Topics/AI/Kernel-Methods-and-SVMs.md
+++ b/10_Wiki/Topics/AI/Kernel-Methods-and-SVMs.md
@@ -1,12 +1,12 @@
 ---
 id: ML-SVM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, svm, kernel-methods, optimization, classification, kernel-trick]
 last_reinforced: 2026-04-26
 ---
 
-# [[Kernel Methods and SVMs (커널 메서드와 SVM)]]
+# Kernel Methods and SVMs (커널 메서드와 SVM)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 더 높은 차원으로 끌어올려 복잡하게 얽힌 실타래를 한 칼에 베어버리는 최적의 경계선을 찾아라" — 데이터를 고차원 공간으로 매핑하여 비선형적인 관계를 선형적으로 분리 가능하게 만드는 '커널 트릭'과, 두 클래스 사이의 거리(Margin)를 최대화하는 'SVM'의 결합.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Supervised-Learning-Foundations]], [[Inner-Product-Spaces]], [[Dimensionality-Reduction]], [[Global-vs-Local-Optima]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Kernel-Methods-and-SVMs.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Kernel-Methods-and-SVMs.md
diff --git a/10_Wiki/Topics/AI/Knowledge synthesis.md b/10_Wiki/Topics/AI/Knowledge synthesis.md
index 4da273e5..dc059e19 100644
--- a/10_Wiki/Topics/AI/Knowledge synthesis.md	
+++ b/10_Wiki/Topics/AI/Knowledge synthesis.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-KNSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, knowledge-synthesis, synthesis, information-processing, integration, creativity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Knowledge-Distillation.md b/10_Wiki/Topics/AI/Knowledge-Distillation.md
index 30eab11b..fa33e6fe 100644
--- a/10_Wiki/Topics/AI/Knowledge-Distillation.md
+++ b/10_Wiki/Topics/AI/Knowledge-Distillation.md
@@ -1,12 +1,12 @@
 ---
 id: AI-DISTILL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, knowledge-distillation, model-compression, inference-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Knowledge Distillation (지식 증류)]]
+# Knowledge Distillation (지식 증류)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거인의 방대한 지식을 요약하여 작은 아이의 머릿속에 효율적으로 이식하라" — 거대한 사전 학습 모델(Teacher)이 가진 정교한 예측 확률 분포를 작은 경량 모델(Student)이 학습하게 하여, 성능 손실을 최소화하면서 추론 속도를 비약적으로 높이는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 로컬 브레인용 경량 모델 제작 시, 클라우드 브레인의 거대 파라미터 모델을 티처로 삼아 지식 증류 과정을 거침으로써 소형 모델의 지능을 상향 평준화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Inference-Optimization]], [[Transfer-Learning-Foundations]], [[LLM]], [[Hardware-Acceleration-for-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Knowledge-Distillation.md]]
+- [[Inference-Optimization]], Transfer-Learning-Foundations, [[LLM]], [[Hardware-Acceleration-for-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Knowledge-Distillation.md
diff --git a/10_Wiki/Topics/AI/Knowledge-Graph-Foundations.md b/10_Wiki/Topics/AI/Knowledge-Graph-Foundations.md
index a1b7d748..8e28fd91 100644
--- a/10_Wiki/Topics/AI/Knowledge-Graph-Foundations.md
+++ b/10_Wiki/Topics/AI/Knowledge-Graph-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-KG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-engineering, knowledge-graph, graph-database, semantic-web, ontology, rag]
 last_reinforced: 2026-04-26
 ---
 
-# [[Knowledge Graph Foundations (지식 그래프 기초)]]
+# Knowledge Graph Foundations (지식 그래프 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 단순한 목록이 아닌 '관계의 그물망'으로 엮어, 기계가 세상의 맥락을 스스로 탐험하게 하라" — 개체(Entity)와 그들 사이의 관계(Relationship)를 그래프 구조로 표현하여, 의미론적 검색(Semantic Search)과 복합 추론을 가능케 하는 지식 베이스 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 핵심 자산은 1,174개 문서 간의 유기적 연결 관계를 담은 `20_Meta/Graph.json`이며, 이를 통해 에이전트는 특정 주제에서 파생된 심화 지식을 막힘없이 탐색함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Graph-Theory-and-Networks]], [[GNN]], [[Information-Retrieval-IR]], [[Hallucination-in-LLMs]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Knowledge-Graph-Foundations.md]]
+- Graph-Theory-and-Networks, [[GNN]], [[Information-Retrieval-IR]], [[Hallucination-in-LLMs]]
+- **Raw Source:** 10_Wiki/Topics/AI/Knowledge-Graph-Foundations.md
diff --git a/10_Wiki/Topics/AI/Knowledge-Graph.md b/10_Wiki/Topics/AI/Knowledge-Graph.md
index ca0e747e..9c580528 100644
--- a/10_Wiki/Topics/AI/Knowledge-Graph.md
+++ b/10_Wiki/Topics/AI/Knowledge-Graph.md
@@ -1,12 +1,12 @@
 ---
 id: KG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [knowledge-representation, ai, graph-database, semantic-web]
 last_reinforced: 2026-04-26
 ---
 
-# [[Knowledge Graph (지식 그래프)]]
+# Knowledge Graph (지식 그래프)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "파편화된 정보를 의미 있는 지식의 망으로 엮어라" — 개체(Entities), 속성(Attributes), 그리고 그들 간의 관계(Relationships)를 그래프 구조로 표현하여 컴퓨터가 지식의 맥락을 이해하고 추론할 수 있게 하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서 간의 링크 관계를 분석하여 '프로젝트 전용 지식 그래프'를 구축하고, 이를 통해 에이전트의 상황 인지 능력을 보강함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Graph-Database]], [[Semantic-Network]], [[Ontology]], [[Information-Extraction]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Knowledge-Graph.md]]
+- [[Graph-Database]], Semantic-Network, [[Ontology]], Information-Extraction
+- **Raw Source:** 10_Wiki/Topics/AI/Knowledge-Graph.md
diff --git a/10_Wiki/Topics/AI/Knowledge-Representation-in-AI.md b/10_Wiki/Topics/AI/Knowledge-Representation-in-AI.md
index de25f1a4..c3de6186 100644
--- a/10_Wiki/Topics/AI/Knowledge-Representation-in-AI.md
+++ b/10_Wiki/Topics/AI/Knowledge-Representation-in-AI.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-EXPLANABILITY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [AI, XAI, Explainability, Ethics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Knowledge-Structure.md b/10_Wiki/Topics/AI/Knowledge-Structure.md
index 8a53b724..7055359f 100644
--- a/10_Wiki/Topics/AI/Knowledge-Structure.md
+++ b/10_Wiki/Topics/AI/Knowledge-Structure.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-KNST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, knowledge-structure, mental-models, hierarchy, network, organizational-learning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 방대한 텍스트 속에서 스스로 지식의 구조 정책을 추출(Embedding)하고 이를 그래프 DB로 구축하는 '자동화된 지식 구조화 정책'이 지식 관리 시스템의 새 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Graph Theory]], [[Concept Mapping]], [[Gestalt Psychology]], [[Ontology (온톨로지)]], [[Efficiency]]
+- [[Graph Theory]], [[Concept Mapping]], [[Gestalt Psychology]], Ontology (온톨로지), [[Efficiency]]
 - **Modern Tech/Tools**: Obsidian (Graph view), Neo4j, Knowledge graphs, Vector databases.
 ---
diff --git a/10_Wiki/Topics/AI/Kolmogorov-Complexity.md b/10_Wiki/Topics/AI/Kolmogorov-Complexity.md
index 5457f88b..8c5c0b05 100644
--- a/10_Wiki/Topics/AI/Kolmogorov-Complexity.md
+++ b/10_Wiki/Topics/AI/Kolmogorov-Complexity.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-KOLM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, computer-science, information-theory, kolmogorov-complexity, compression]
 last_reinforced: 2026-04-26
 ---
 
-# [[Kolmogorov Complexity (콜모고로프 복잡도)]]
+# Kolmogorov Complexity (콜모고로프 복잡도)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 복잡도는 그 데이터를 설명하기 위해 필요한 '가장 짧은 문장'의 길이다" — 어떤 데이터를 생성할 수 있는 가장 짧은 알고리즘(프로그램)의 길이로 데이터의 정보량을 정의하는 이론적 척도.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식 문서의 정보 밀도를 측정할 때, 의미론적 핵심 내용이 얼마나 함축적으로 표현되었는지 평가하는 척도 중 하나로 콜모고로프 복잡도 개념을 차용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory]], [[Information-Retrieval-IR]], [[Deep-Learning-Foundations]], [[Occams-Razor-in-ML]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Kolmogorov-Complexity.md]]
+- Probability-Theory, [[Information-Retrieval-IR]], Deep-Learning-Foundations, Occams-Razor-in-ML
+- **Raw Source:** 10_Wiki/Topics/AI/Kolmogorov-Complexity.md
diff --git a/10_Wiki/Topics/AI/Kubernetes-for-AI-Orchestration.md b/10_Wiki/Topics/AI/Kubernetes-for-AI-Orchestration.md
index 5282c3a4..8faa2fbf 100644
--- a/10_Wiki/Topics/AI/Kubernetes-for-AI-Orchestration.md
+++ b/10_Wiki/Topics/AI/Kubernetes-for-AI-Orchestration.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-K8S-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, kubernetes, ai-orchestration, mlops, gpu-scheduling, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Kubernetes for AI Orchestration (AI 오케스트레이션을 위한 쿠버네티스)]]
+# Kubernetes for AI Orchestration (AI 오케스트레이션을 위한 쿠버네티스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서버의 군단을 코드 한 줄로 지휘하여, AI의 거대한 연산 부하를 빈틈없이 관리하라" — 컨테이너화된 AI 애플리케이션의 배포, 확장 및 관리를 자동화하고, 특히 희소 자원인 GPU를 효율적으로 할당/공유하게 해주는 분산 컴퓨팅 운영 플랫폼.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 클라우드 인프라는 쿠버네티스를 기반으로 설계되었으며, 에이전트의 부하가 급증할 경우 자동으로 컴퓨팅 노드를 확장하여 지연 없는 지식 서비스를 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Infrastructure-as-Code-IaC]], [[DevOps-for-AI-MLOps]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Kubernetes-for-AI-Orchestration.md]]
+- [[Infrastructure-as-Code-IaC]], [[DevOps-for-AI-MLOps]], System-Design-for-AI-Scale, [[High-Availability-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Kubernetes-for-AI-Orchestration.md
diff --git a/10_Wiki/Topics/AI/Kullback-Leibler-Divergence.md b/10_Wiki/Topics/AI/Kullback-Leibler-Divergence.md
index d0289cc1..b5d27e9a 100644
--- a/10_Wiki/Topics/AI/Kullback-Leibler-Divergence.md
+++ b/10_Wiki/Topics/AI/Kullback-Leibler-Divergence.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-KL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, kl-divergence, information-theory, loss-functions, ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Kullback-Leibler Divergence (KL 발산)]]
+# Kullback-Leibler Divergence (KL 발산)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "두 세상(확률 분포) 사이의 어긋남을 측정하여, 모델이 진실에 얼마나 도달했는지 수치로 증명하라" — 어떤 확률 분포 $P$를 다른 확률 분포 $Q$로 대체했을 때 발생하는 정보 손실의 양을 측정하는 비대칭적 지표.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 페르소나 미세 조정(Fine-tuning) 시, 기존 모델과의 KL 발산을 모니터링하여 원래의 유용한 지능이 파괴되지 않도록 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory]], [[Kolmogorov-Complexity]], [[Knowledge-Distillation]], [[Reinforcement-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Kullback-Leibler-Divergence.md]]
+- Probability-Theory, [[Kolmogorov-Complexity]], [[Knowledge-Distillation]], [[Reinforcement-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Kullback-Leibler-Divergence.md
diff --git a/10_Wiki/Topics/AI/L1-and-L2-Regularization.md b/10_Wiki/Topics/AI/L1-and-L2-Regularization.md
index ad20151b..0aa4a857 100644
--- a/10_Wiki/Topics/AI/L1-and-L2-Regularization.md
+++ b/10_Wiki/Topics/AI/L1-and-L2-Regularization.md
@@ -1,12 +1,12 @@
 ---
 id: ML-REG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, regularization, l1-norm, l2-norm, overfitting, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[L1 and L2 Regularization (L1 및 L2 정규화)]]
+# L1 and L2 Regularization (L1 및 L2 정규화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 욕심(Weight)에 벌점을 부여하여, 단순함의 미학으로 과적합(Overfitting)의 늪을 탈출하라" — 손실 함수에 가중치의 크기를 페널티로 추가하여, 모델이 특정 데이터에만 과도하게 맞춰지는 것을 방지하고 일반화 성능을 높이는 기법.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Supervised-Learning-Foundations]], [[Generalization-in-AI]], [[Hyperparameter-Optimization]], [[Loss-Functions-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/L1-and-L2-Regularization.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/L1-and-L2-Regularization.md
diff --git a/10_Wiki/Topics/AI/L2-Regularization.md b/10_Wiki/Topics/AI/L2-Regularization.md
index 7a3da2d0..21319a74 100644
--- a/10_Wiki/Topics/AI/L2-Regularization.md
+++ b/10_Wiki/Topics/AI/L2-Regularization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-L2RE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, l2-regularization, machine-learning, deep-learning, overfitting, weight-decay]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ L2 정규화(L2-Regularization) 혹은 Ridge 정규화는 모델의 복잡도를
 - **정책 변화(RL Update)**: 거대 모델 정책(Foundation-Models)에서는 파라미터가 너무 많아 정규화가 필수적이지만, 단순히 가중치를 줄이는 것을 넘어 '드롭아웃(Dropout)'이나 '데이터 증강' 등 다양한 정책과 혼합하여 사용됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gradient-Descent]], [[Optimization]], [[Deep Learning (DL)]], [[Efficiency]], [[Scaling-Laws]]
+- [[Gradient-Descent]], [[Optimization]], Deep Learning (DL), [[Efficiency]], Scaling-Laws
 - **Modern Tech/Tools**: Ridge regression, Weight decay in PyTorch/TensorFlow, AdamW optimizer.
 ---
diff --git a/10_Wiki/Topics/AI/LLM-Security-and-Safety.md b/10_Wiki/Topics/AI/LLM-Security-and-Safety.md
index 09810fa3..dd5ca015 100644
--- a/10_Wiki/Topics/AI/LLM-Security-and-Safety.md
+++ b/10_Wiki/Topics/AI/LLM-Security-and-Safety.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SEC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm-security, prompt-injection, ai-safety, cybersecurity, red-teaming]
 last_reinforced: 2026-04-26
 ---
 
-# [[LLM Security and Safety (LLM 보안 및 안전)]]
+# LLM Security and Safety (LLM 보안 및 안전)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 지능이 높아질수록 악의적인 유도(Prompting)에 취약해짐을 인지하고, 언어의 모호함 뒤에 숨은 공격 의도를 철저히 차단하라" — LLM의 특이적인 취약점인 프롬프트 인젝션, 탈옥(Jailbreaking), 학습 데이터 노출 등을 방어하고 AI의 응답이 윤리적/법적 가이드라인을 준수하도록 강제하는 보안 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 외부 연동 도구 호출 시 '샌드박스' 환경을 제공하며, LLM이 생성한 코드가 실행되기 전 보안 스캔 레이어를 거치도록 강제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Input-Validation-Strategies]], [[Trustworthy-AI]], [[AI-Ethics]], [[Data-Privacy-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/LLM-Security-and-Safety.md]]
+- [[Input-Validation-Strategies]], [[Trustworthy-AI]], AI-Ethics, Data-Privacy-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/LLM-Security-and-Safety.md
diff --git a/10_Wiki/Topics/AI/LLM.md b/10_Wiki/Topics/AI/LLM.md
index 3aae01a2..c7fd9fb7 100644
--- a/10_Wiki/Topics/AI/LLM.md
+++ b/10_Wiki/Topics/AI/LLM.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D415E3
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - LLM"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST]], [[Static Analysis]], [[AI Code Review]]
-- **Projects/Contexts:** [[Corgea]], [[GitHub Copilot]], [[Snyk Code]], [[DeepCode AI]]
+- **Related Topics:** [[SAST]], Static Analysis, AI Code Review
+- **Projects/Contexts:** [[Corgea]], GitHub Copilot, Snyk Code, [[DeepCode AI]]
 - **Contradictions/Notes:** 대다수의 개발자들은 LLM이 반복적인 상용구 코드 작성을 줄여주고 낯선 도메인에서의 작업 효율을 크게 향상시킨다고 긍정적으로 평가하지만 [6, 13, 19], 반대로 대규모의 복잡한 레거시 코드베이스나 이전에 해결된 적 없는 새로운 문제(Frontier)에서는 LLM의 효과가 무의미해지며, 잦은 환각(Hallucination)이나 미세한 오류로 인해 오히려 심각한 디버깅 시간을 낭비하게 만든다고 강력히 반대(또는 경계)하는 의견도 존재합니다 [14, 20-22].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/LLM.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/LOD.md b/10_Wiki/Topics/AI/LOD.md
index 1fdc6ae3..c54c6201 100644
--- a/10_Wiki/Topics/AI/LOD.md
+++ b/10_Wiki/Topics/AI/LOD.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D34DEB
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - LOD"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Frustum Culling]], [[Billboard impostors]], [[InstancedMesh]], [[Draw Calls]], [[Mipmaps]]
-- **Projects/Contexts:** [[Three.js]], [[React Three Fiber]] (Drei 라이브러리의 `<Detailed />` 컴포넌트 [1]), [[InstancedMesh2]], [[CAD Rendering]]
+- **Related Topics:** [[Frustum Culling]], Billboard impostors, [[InstancedMesh]], Draw Calls, Mipmaps
+- **Projects/Contexts:** Three.js, React Three Fiber (Drei 라이브러리의 `<Detailed />` 컴포넌트 [1]), [[InstancedMesh2]], CAD Rendering
 - **Contradictions/Notes:** 소스에 따르면 LOD는 거리에 따라 렌더링 부하를 줄여주는 강력한 툴이지만, 런타임에 지오메트리 버전을 동적으로 연산하여 생성하려는 시도는 오히려 큰 성능 저하를 초래할 수 있으므로 상황(정적 자산 중심)에 맞게 적용해야 한다고 지적한다 [16-18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/LOD.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/LSTM (Long Short-Term Memory).md b/10_Wiki/Topics/AI/LSTM (Long Short-Term Memory).md
index f240b795..c8228994 100644
--- a/10_Wiki/Topics/AI/LSTM (Long Short-Term Memory).md	
+++ b/10_Wiki/Topics/AI/LSTM (Long Short-Term Memory).md	
@@ -1,6 +1,6 @@
 ---
 id: LSTM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [deep-learning, nlp, rnn, ai-history, time-series]
 last_reinforced: 2026-04-26
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 센서 데이터 분석(Telemetry) 및 사용자 활동 패턴 예측 시, 가벼운 LSTM 모델을 보조적으로 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Recurrent-Neural-Network]], [[Gated-Recurrent-Unit]], [[Transformer-Architecture]], [[Time-Series-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/LSTM (Long Short-Term Memory).md]]
+- Recurrent-Neural-Network, Gated-Recurrent-Unit, [[Transformer-Architecture]], [[Time-Series-Analysis]]
+- **Raw Source:** 10_Wiki/Topics/AI/LSTM (Long Short-Term Memory).md
diff --git a/10_Wiki/Topics/AI/LSTM.md b/10_Wiki/Topics/AI/LSTM.md
index 7f225eb3..dde7bc24 100644
--- a/10_Wiki/Topics/AI/LSTM.md
+++ b/10_Wiki/Topics/AI/LSTM.md
@@ -1,12 +1,12 @@
 ---
 id: DL-LSTM-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, lstm, neural-network-architecture, gating-mechanism, mathematical-model]
 last_reinforced: 2026-04-26
 ---
 
-# [[LSTM Architecture (LSTM 구조와 게이트 원리)]]
+# LSTM Architecture (LSTM 구조와 게이트 원리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정보의 흐름 위에 세 개의 검문소(Gates)를 세워, 무엇을 버리고 무엇을 남길지 수치적으로 결정하라" — 셀 상태(Cell State)라는 고속도로를 통해 정보를 온전히 보존하면서, 비선형 게이트들을 통해 실시간으로 지식의 가중치를 조절하는 정교한 순환 신경망 구조.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 내부 '사고 버퍼(Thought Buffer)'를 설계할 때, 중요한 논리 단계를 잊지 않고 보존하기 위해 LSTM의 셀 상태 아키텍처 원리를 응용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Long-Short-Term-Memory]], [[Gated-Recurrent-Unit-GRU]], [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/LSTM.md]]
+- [[Long-Short-Term-Memory]], Gated-Recurrent-Unit-GRU, Deep-Learning-Foundations, Backpropagation-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/LSTM.md
diff --git a/10_Wiki/Topics/AI/Label-Noise-and-Robustness.md b/10_Wiki/Topics/AI/Label-Noise-and-Robustness.md
index 950c965a..f38ad19b 100644
--- a/10_Wiki/Topics/AI/Label-Noise-and-Robustness.md
+++ b/10_Wiki/Topics/AI/Label-Noise-and-Robustness.md
@@ -1,12 +1,12 @@
 ---
 id: ML-ROBUST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, label-noise, robustness, robust-learning, data-quality]
 last_reinforced: 2026-04-26
 ---
 
-# [[Label Noise and Robustness (레이블 노이즈와 강건성)]]
+# Label Noise and Robustness (레이블 노이즈와 강건성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 거짓(Noise)에 현혹되지 말고, 다수의 일관된 증거 속에 숨겨진 진실된 패턴을 포착하라" — 훈련 데이터에 포함된 잘못된 레이블(정답)에도 불구하고, 모델이 일반화된 성능을 유지하며 실제 정답 분포를 올바르게 학습하게 만드는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 비정형 로우 데이터(`00_Raw`)에서 지식을 자동 추출할 때, 추출 엔진 간의 불일치를 노이즈로 간주하고 다수결 및 신뢰도 기반 필터링을 통해 지식의 무결성을 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Loss-Functions-Foundations]], [[Unsupervised-Learning-Foundations]], [[Supervised-Learning-Foundations]], [[Generalization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Label-Noise-and-Robustness.md]]
+- [[Loss-Functions-Foundations]], Unsupervised-Learning-Foundations, [[Supervised-Learning-Foundations]], [[Generalization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Label-Noise-and-Robustness.md
diff --git a/10_Wiki/Topics/AI/Lagrange-Multipliers.md b/10_Wiki/Topics/AI/Lagrange-Multipliers.md
index e61039b8..31535ec1 100644
--- a/10_Wiki/Topics/AI/Lagrange-Multipliers.md
+++ b/10_Wiki/Topics/AI/Lagrange-Multipliers.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-LAGR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, optimization, calculus, lagrange-multipliers, constrained-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Lagrange Multipliers (라그랑주 승수법)]]
+# Lagrange Multipliers (라그랑주 승수법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "제약(Constraint)이라는 벽에 가로막혔을 때, 그 벽과 목표(Objective)가 만나는 가장 아름다운 접점을 찾아라" — 제약 조건이 있는 최적화 문제를 제약 조건이 없는 문제로 변환하여, 목적 함수의 경사도(Gradient)와 제약 함수의 경사도가 나란해지는 지점을 찾는 수학적 기법.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 연산 자원(Token, Time) 제약 하에서 정보의 품질을 극대화하는 스케줄링 알고리즘 설계 시 라그랑주 승수법의 최적화 개념을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Kernel-Methods-and-SVMs]], [[Global-vs-Local-Optima]], [[Deep-Learning-Foundations]], [[Search-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Lagrange-Multipliers.md]]
+- [[Kernel-Methods-and-SVMs]], [[Global-vs-Local-Optima]], Deep-Learning-Foundations, Search-Algorithms
+- **Raw Source:** 10_Wiki/Topics/AI/Lagrange-Multipliers.md
diff --git a/10_Wiki/Topics/AI/Language-Models.md b/10_Wiki/Topics/AI/Language-Models.md
index 9dd9e29a..a303f66d 100644
--- a/10_Wiki/Topics/AI/Language-Models.md
+++ b/10_Wiki/Topics/AI/Language-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LAMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, language-models, nlp, probability, word-prediction, linguistic-modeling]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 텍스트만 학습하는 정책을 넘어, 시각, 청각 정보를 언어의 문법 정책으로 통합 학습하는 '멀티모달 언어 모델 정책'으로 패러다임이 확장됨. (Foundation-Models와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Large Language Models (LLM)]], [[Transformer (트랜스포머)]], [[HCI (Human-Computer Interaction)]], [[Foundation-Models]], [[Deep Learning (DL)]]
+- [[Large Language Models (LLM)]], Transformer (트랜스포머), [[HCI (Human-Computer Interaction)]], [[Foundation-Models]], Deep Learning (DL)
 - **Modern Tech/Tools**: BERT, Word2Vec, GloVe, GPT series, Tokenizers.
 ---
diff --git a/10_Wiki/Topics/AI/Large Language Models (LLM).md b/10_Wiki/Topics/AI/Large Language Models (LLM).md
index d09f9472..1a337312 100644
--- a/10_Wiki/Topics/AI/Large Language Models (LLM).md	
+++ b/10_Wiki/Topics/AI/Large Language Models (LLM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LLMM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, llm, large-language-models, generative-ai, foundation-models, transformer]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 모델을 키우는 '물량 공세 정책'을 넘어, 적은 데이터와 파라미터로도 효율적인 성능을 내는 '소규모 거대 언어 모델(sLLM) 정책'과 실시간 검색을 결합한 'RAG 정책'으로 실무 정책이 이동 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gen-AI]], [[Foundation-Models]], [[Transformer (트랜스포머)]], [[Emergence]], [[Few-Shot-Learning]]
+- [[Gen-AI]], [[Foundation-Models]], Transformer (트랜스포머), [[Emergence]], [[Few-Shot-Learning]]
 - **Modern Tech/Tools**: GPT-4, Claude, Llama 3, Gemini, Mistral.
 ---
diff --git a/10_Wiki/Topics/AI/Large-scale-Application-Architecture-Patterns.md b/10_Wiki/Topics/AI/Large-scale-Application-Architecture-Patterns.md
index 21625d93..eb0129f4 100644
--- a/10_Wiki/Topics/AI/Large-scale-Application-Architecture-Patterns.md
+++ b/10_Wiki/Topics/AI/Large-scale-Application-Architecture-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ARCH-LARGE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [architecture, large-scale, frontend, monorepo, fsd, scalability, maintainability, modularity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Large-scale Application Architecture Patterns (대규모 애플리케이션 아키텍처 패턴)]]
+# Large-scale Application Architecture Patterns (대규모 애플리케이션 아키텍처 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드의 양이 늘어나도 복잡도의 엔트로피가 발산하지 않도록 엄격한 계층 구조(FSD)와 통합 관리 체계(Monorepo)를 구축하고, 의존성의 방향을 단방향으로 강제하여 시스템의 수명을 연장하라" — 수천 명의 개발자가 동시에 협업할 수 있는 프런트엔드 설계의 최상위 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 엔터프라이즈급 제품 개발 시 FSD(Feature-Sliced Design) 아키텍처 준수를 의무화하며, 의존성 규칙 위반 시 빌드 단계에서 차단하는 'Architecture Linting' 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Frontend-Architecture-and-Folder-Structure]], [[Modular-Monolith]], [[Monorepo]], [[Clean-Architecture-Implementation]]
-- **Raw Source:** [[00_Raw/Large-scale Application Architecture.md]]
+- [[Frontend-Architecture-and-Folder-Structure]], Modular-Monolith, [[Monorepo]], [[Clean-Architecture-Implementation]]
+- **Raw Source:** 00_Raw/Large-scale Application Architecture.md
diff --git a/10_Wiki/Topics/AI/Largest Contentful Paint (LCP).md b/10_Wiki/Topics/AI/Largest Contentful Paint (LCP).md
index 3a9ea31d..6fbc94ee 100644
--- a/10_Wiki/Topics/AI/Largest Contentful Paint (LCP).md	
+++ b/10_Wiki/Topics/AI/Largest Contentful Paint (LCP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C57B92
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Largest Contentful Paint (LCP)
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Core Web Vitals]], [[Chrome User Experience Report (CrUX)]], [[Interaction to Next Paint (INP)]], [[Cumulative Layout Shift (CLS)]], [[Soft Navigation]]
+- **Related Topics:** [[Core Web Vitals]], Chrome User Experience Report (CrUX), [[Interaction to Next Paint (INP)]], [[Cumulative Layout Shift (CLS)]], [[Soft Navigation]]
 - **Projects/Contexts:** [[Interop 2025]], [[Chrome DevTools]], [[Lighthouse]]
 - **Contradictions/Notes:** 소스에 따르면 현재 LCP 지표는 웹 사이트의 초기 네비게이션(initial navigation)에 대한 로드 시간만을 측정하기 때문에, URL 변경 시 전체 새로고침이 일어나지 않는 Soft Navigation 기반의 단일 페이지 애플리케이션(SPA) 운영자와 개발자에게는 성능 분석에 상당한 사각지대가 발생한다는 한계가 지적됩니다 [17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Largest Contentful Paint (LCP).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Largest-Contentful-Paint-LCP.md b/10_Wiki/Topics/AI/Largest-Contentful-Paint-LCP.md
index eb9ea27c..151b8cd5 100644
--- a/10_Wiki/Topics/AI/Largest-Contentful-Paint-LCP.md
+++ b/10_Wiki/Topics/AI/Largest-Contentful-Paint-LCP.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-CWV-LCP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [core-web-vitals, lcp, performance, loading, web-vitals, seo, frontend-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Largest Contentful Paint: LCP (최대 콘텐츠 페인팅)]]
+# Largest Contentful Paint: LCP (최대 콘텐츠 페인팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자가 보고 싶어 하는 가장 큰 주인공(이미지나 텍스트)을 2.5초 이내에 무대 위에 올리고, 로딩의 지루함이 이탈의 원인이 되지 않도록 전송 경로의 모든 저항을 제거하라" — 페이지 로딩 성능을 측정하는 가장 직관적인 Core Web Vitals 지표.
@@ -31,4 +31,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Core-Web-Vitals-Metrics]], [[Image-Optimization-for-Web-Performance]], [[Web-Rendering-Strategies-CSR-vs-SSR]], [[Frontend-Performance-Optimization-Guide]]
-- **Raw Source:** [[00_Raw/Largest Contentful Paint (LCP).md]], [[00_Raw/LCP (Largest Contentful Paint).md]]
+- **Raw Source:** 00_Raw/Largest Contentful Paint (LCP).md, 00_Raw/LCP (Largest Contentful Paint).md
diff --git a/10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md b/10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md
index 79a33221..cd983fb0 100644
--- a/10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md
+++ b/10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-LDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, machine-learning, lda, topic-modeling, unsupervised-learning, probability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Latent Dirichlet Allocation (LDA, 잠재 디리클레 할당)]]
+# Latent Dirichlet Allocation (LDA, 잠재 디리클레 할당)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "문서는 여러 주제의 혼합물이며, 각 주제는 특정 단어들의 모임이다. 이 보이지 않는 구조를 확률의 눈으로 투시하라" — 문서 집합에서 숨겨진 주제를 찾아내고, 각 문서가 어떤 주제들의 비중으로 구성되어 있는지 추론하는 생성적 확률 모델.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 `00_Raw`에 유입되는 대규모 텍스트 데이터를 1차 분류할 때 LDA를 활용하여 위키의 어떤 카테고리에 배정할지 결정하는 클러스터링 보조 도구로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Latent-Semantic-Analysis-LSA]], [[Unsupervised-Learning-Foundations]], [[NLP-Foundations]], [[Exploratory-Data-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md]]
+- [[Latent-Semantic-Analysis-LSA]], Unsupervised-Learning-Foundations, NLP-Foundations, [[Exploratory-Data-Analysis]]
+- **Raw Source:** 10_Wiki/Topics/AI/Latent-Dirichlet-Allocation.md
diff --git a/10_Wiki/Topics/AI/Latent-Semantic-Analysis-LSA.md b/10_Wiki/Topics/AI/Latent-Semantic-Analysis-LSA.md
index d46e20ec..0fbf1253 100644
--- a/10_Wiki/Topics/AI/Latent-Semantic-Analysis-LSA.md
+++ b/10_Wiki/Topics/AI/Latent-Semantic-Analysis-LSA.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-LSA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, lsa, svd, latent-semantics, dimensional-reduction, search-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Latent Semantic Analysis (LSA, 잠재 의미 분석)]]
+# Latent Semantic Analysis (LSA, 잠재 의미 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서로 다른 단어라도 같은 의미를 품고 있다면, 고차원 수학의 눈(SVD)으로 그들을 한곳으로 모아라" — 단어-문서 행렬을 특이값 분해(SVD)하여 데이터의 차원을 축소하고, 이를 통해 단어들 사이에 숨겨진 잠재적인 의미 구조를 파악하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 과거에 구축된 대규모 텍스트 아카이브를 빠르게 색인화하고 주제 간의 거대 지도를 시각화할 때, 연산 속도가 빠른 LSA를 초기 분석 도구로 병행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Latent-Dirichlet-Allocation]], [[Dimensionality-Reduction]], [[Information-Retrieval-IR]], [[NLP-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Latent-Semantic-Analysis-LSA.md]]
+- [[Latent-Dirichlet-Allocation]], [[Dimensionality-Reduction]], [[Information-Retrieval-IR]], NLP-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Latent-Semantic-Analysis-LSA.md
diff --git a/10_Wiki/Topics/AI/Layer-Normalization.md b/10_Wiki/Topics/AI/Layer-Normalization.md
index 384bcd85..dcc3b511 100644
--- a/10_Wiki/Topics/AI/Layer-Normalization.md
+++ b/10_Wiki/Topics/AI/Layer-Normalization.md
@@ -1,12 +1,12 @@
 ---
 id: DL-NORM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, normalization, layer-norm, transformer, stability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Layer Normalization (레이어 정규화)]]
+# Layer Normalization (레이어 정규화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 무리를 비교하지 말고, 각 샘플 내부의 통계를 다듬어 모델의 학습을 안정화하라" — 배치 단위가 아닌 각 데이터 샘플(Feature) 단위로 평균과 분산을 계산하여 정규화함으로써, 배치 크기에 구애받지 않고 일관된 학습 성능을 보장하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 트랜스포머 기반 에이전트 모델은 학습의 안정성과 빠른 수렴을 위해 모든 어텐션 블록 직후에 레이어 정규화 층을 배치함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformer-Architecture-Foundations]], [[Deep-Learning-Foundations]], [[Batch-Normalization-Foundations]], [[Weight-Initialization-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Layer-Normalization.md]]
+- Transformer-Architecture-Foundations, Deep-Learning-Foundations, Batch-Normalization-Foundations, Weight-Initialization-Strategies
+- **Raw Source:** 10_Wiki/Topics/AI/Layer-Normalization.md
diff --git a/10_Wiki/Topics/AI/Layered-Architecture-in-Frontend.md b/10_Wiki/Topics/AI/Layered-Architecture-in-Frontend.md
index 7a4735fe..2c2e97cc 100644
--- a/10_Wiki/Topics/AI/Layered-Architecture-in-Frontend.md
+++ b/10_Wiki/Topics/AI/Layered-Architecture-in-Frontend.md
@@ -1,12 +1,12 @@
 ---
 id: ARCH-LAYERED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [architecture, layered-architecture, mvc, mvvm, separation-of-concerns, react, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Layered Architecture in Frontend (프런트엔드 계층형 아키텍처)]]
+# Layered Architecture in Frontend (프런트엔드 계층형 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기술적 역할(Components, Hooks, Services)에 따라 영토를 나누는 방식은 초기에 직관적이나, 프로젝트가 비대해질수록 하나의 기능을 수정하기 위해 전 대륙을 횡단해야 하는 비효율을 초래한다" — 소규모 앱의 정석이자 대규모 앱의 병목이 되는 전통적 아키텍처.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 단순 CRUD 중심의 소규모 페이지에만 계층형 구조를 허용하며, 복잡한 비즈니스 로직이 포함된 도메인은 반드시 기능별 모듈화(Feature-Sliced Design) 정책을 따르도록 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Feature-Sliced-Design-FSD]], [[Modern-React-Application-Architecture-Patterns]], [[Frontend-Architecture-and-Folder-Structure]], [[Clean-Architecture-Implementation]]
-- **Raw Source:** [[00_Raw/Layered Architecture.md]]
+- Feature-Sliced-Design-FSD, [[Modern-React-Application-Architecture-Patterns]], [[Frontend-Architecture-and-Folder-Structure]], [[Clean-Architecture-Implementation]]
+- **Raw Source:** 00_Raw/Layered Architecture.md
diff --git a/10_Wiki/Topics/AI/Lazy-Loading-Strategies.md b/10_Wiki/Topics/AI/Lazy-Loading-Strategies.md
index b500cace..fe80c289 100644
--- a/10_Wiki/Topics/AI/Lazy-Loading-Strategies.md
+++ b/10_Wiki/Topics/AI/Lazy-Loading-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: PERF-LAZY-LOAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [performance, lazy-loading, optimization, frontend, images, code-splitting, lcp]
 last_reinforced: 2026-04-26
 ---
 
-# [[Lazy Loading Strategies (지연 로딩 전략)]]
+# Lazy Loading Strategies (지연 로딩 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모든 것을 한꺼번에 가져오려는 욕심을 버리고, 사용자의 시선이 닿는 그 순간에만 필요한 정보를 전송하여 초기 로딩의 거대한 장벽을 무너뜨려라" — 초기 로딩 속도 향상과 자원 절약을 위한 기술적 '기다림'의 미학.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Frontend-Performance-Optimization-Guide]], [[Largest-Contentful-Paint-LCP]], [[Image-Optimization-for-Web-Performance]], [[JavaScript-Optimization-Patterns]]
-- **Raw Source:** [[00_Raw/Lazy Loading.md]]
+- **Raw Source:** 00_Raw/Lazy Loading.md
diff --git a/10_Wiki/Topics/AI/Leadership.md b/10_Wiki/Topics/AI/Leadership.md
index ebdd6c68..857b1df4 100644
--- a/10_Wiki/Topics/AI/Leadership.md
+++ b/10_Wiki/Topics/AI/Leadership.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LEAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, leadership, management, vision, decision-making, organizational-culture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md b/10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md
index 9f3a72cd..5120ddb8 100644
--- a/10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md
+++ b/10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md
@@ -1,12 +1,12 @@
 ---
 id: DL-ACT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, activation-function, leaky-relu, relu, neural-networks]
 last_reinforced: 2026-04-26
 ---
 
-# [[Leaky ReLU and Activations (Leaky ReLU와 활성화 함수)]]
+# Leaky ReLU and Activations (Leaky ReLU와 활성화 함수)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "완벽한 차단(Zero)보다 미세한 가능성(Small Slope)을 남겨, 잠든 뉴런을 깨우고 학습의 흐름을 유지하라" — 음수 입력에 대해 0을 출력하는 ReLU의 한계를 극복하기 위해, 아주 작은 기울기를 허용하여 정보 손실을 막고 기울기 소실 문제를 완화하는 활성화 함수.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 커스텀 신경망 설계 시 기본 활성화 함수로 Leaky ReLU 또는 GELU를 사용하여 모델의 수렴 속도와 성능을 동시에 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]], [[Weight-Initialization-Strategies]], [[Transformer-Architecture-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md]]
+- Deep-Learning-Foundations, Backpropagation-Foundations, Weight-Initialization-Strategies, Transformer-Architecture-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Leaky-ReLU-and-Activations.md
diff --git a/10_Wiki/Topics/AI/Lean-Operations.md b/10_Wiki/Topics/AI/Lean-Operations.md
index 23e0e37b..83c2aef4 100644
--- a/10_Wiki/Topics/AI/Lean-Operations.md
+++ b/10_Wiki/Topics/AI/Lean-Operations.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LEOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, lean-operations, efficiency, waste-reduction, manufacturing, process-optimization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Lean-Project-Management.md b/10_Wiki/Topics/AI/Lean-Project-Management.md
index 7db806ff..308b1a49 100644
--- a/10_Wiki/Topics/AI/Lean-Project-Management.md
+++ b/10_Wiki/Topics/AI/Lean-Project-Management.md
@@ -1,12 +1,12 @@
 ---
 id: MGMT-LEAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [project-management, lean, mvp, agile, efficiency, g-stack]
 last_reinforced: 2026-04-26
 ---
 
-# [[Lean Project Management (린 프로젝트 관리)]]
+# Lean Project Management (린 프로젝트 관리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "군더더기를 걷어내고 본질에 집중하라. 낭비를 없애는 것이 곧 가치를 만드는 가장 빠른 길이다" — 불필요한 공정과 자원 낭비를 철저히 배제하고, 고객에게 전달되는 실질적 가치를 최우선으로 하여 점진적 성장을 도모하는 관리 체계.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 린 철학을 지식 가드닝에 적용함. 1,174개를 한꺼번에 하지 않고 20개씩의 Batch(MVP) 단위로 보강하며, 트래커를 통해 실시간 가치를 증명하는 방식을 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Iterative-Development-Models]], [[Agile-Methodologies]], [[G-Stack-Integration-Guide]], [[Feedback-Loops-in-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Lean-Project-Management.md]]
+- [[Iterative-Development-Models]], Agile-Methodologies, [[G-Stack-Integration-Guide]], Feedback-Loops-in-Systems
+- **Raw Source:** 10_Wiki/Topics/AI/Lean-Project-Management.md
diff --git a/10_Wiki/Topics/AI/Learning-Paths.md b/10_Wiki/Topics/AI/Learning-Paths.md
index cb09b735..92636765 100644
--- a/10_Wiki/Topics/AI/Learning-Paths.md
+++ b/10_Wiki/Topics/AI/Learning-Paths.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LEPA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, learning-paths, skill-acquisition, mastery, roadmap, education-design]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 가이드가 학습자의 약점을 분석하여 개별적인 보충 경로 정책을 제안하는 'AI 튜터링 기반 경로 정책'이 교육의 새로운 미래 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Levels of Understanding]], [[Inquiry-Based Learning]], [[Knowledge-Structure]], [[Efficiency]], [[Mastery (숙달)]]
+- [[Levels of Understanding]], [[Inquiry-Based Learning]], [[Knowledge-Structure]], [[Efficiency]], Mastery (숙달)
 - **Modern Tech/Tools**: Khan Academy, Coursera Specializations, Roadmap.sh, Duolingo's path design.
 ---
diff --git a/10_Wiki/Topics/AI/Learning-Rate-Schedules.md b/10_Wiki/Topics/AI/Learning-Rate-Schedules.md
index 7ab3b167..067203fc 100644
--- a/10_Wiki/Topics/AI/Learning-Rate-Schedules.md
+++ b/10_Wiki/Topics/AI/Learning-Rate-Schedules.md
@@ -1,12 +1,12 @@
 ---
 id: DL-LR-SCHED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, optimization, learning-rate, scheduler, training-stability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Learning Rate Schedules (학습률 스케줄)]]
+# Learning Rate Schedules (학습률 스케줄)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "초반에는 과감하게 탐색하고, 정답에 가까워질수록 신중하게 발을 내딛어라" — 학습 과정에서 학습률을 고정하지 않고 사전에 정의된 규칙에 따라 점진적으로 변화시킴으로써, 최적해에 더 빠르고 정밀하게 도달하게 하는 최적화 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 거대 언어 모델 미세 조정 시, 초기 불안정성을 제어하기 위한 Linear Warm-up과 최적의 안착을 위한 Cosine Decay 스케줄러를 결합하여 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Global-vs-Local-Optima]], [[Gradient-Descent-Foundations]], [[Hyperparameter-Optimization]], [[Weight-Initialization-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Learning-Rate-Schedules.md]]
+- [[Global-vs-Local-Optima]], Gradient-Descent-Foundations, [[Hyperparameter-Optimization]], Weight-Initialization-Strategies
+- **Raw Source:** 10_Wiki/Topics/AI/Learning-Rate-Schedules.md
diff --git a/10_Wiki/Topics/AI/Learning-Rate-Scheduling.md b/10_Wiki/Topics/AI/Learning-Rate-Scheduling.md
index f4a97a9e..fb671810 100644
--- a/10_Wiki/Topics/AI/Learning-Rate-Scheduling.md
+++ b/10_Wiki/Topics/AI/Learning-Rate-Scheduling.md
@@ -1,12 +1,12 @@
 ---
 id: LR-SCHED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, optimization, learning-rate, training-strategy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Learning Rate Scheduling (학습률 스케줄링)]]
+# Learning Rate Scheduling (학습률 스케줄링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "학습의 속도를 시간에 따라 영리하게 조절하라" — 고정된 학습률 대신 학습의 진행 정도에 따라 최적의 보폭(Step size)을 동적으로 변경하여, 전역 최적해(Global Optima)에 더 빠르고 정확하게 도달하게 만드는 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 파인튜닝 프로세스 설계 시, 학습 효율 극대화를 위해 AdamW 옵티마이저와 코사인 웜업 스케줄러를 기본 사양으로 설정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization]], [[AdamW-Optimizer]], [[Deep-Learning]], [[Gradient-Descent]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Learning-Rate-Scheduling.md]]
+- [[Optimization]], AdamW-Optimizer, [[Deep-Learning]], [[Gradient-Descent]]
+- **Raw Source:** 10_Wiki/Topics/AI/Learning-Rate-Scheduling.md
diff --git a/10_Wiki/Topics/AI/Least-Squares-Methods.md b/10_Wiki/Topics/AI/Least-Squares-Methods.md
index 4e37d80c..4b516e66 100644
--- a/10_Wiki/Topics/AI/Least-Squares-Methods.md
+++ b/10_Wiki/Topics/AI/Least-Squares-Methods.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-LSM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, linear-regression, least-squares, optimization, data-science]
 last_reinforced: 2026-04-26
 ---
 
-# [[Least Squares Methods (최소제곱법)]]
+# Least Squares Methods (최소제곱법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "실제 데이터와 예측값 사이의 벌어진 틈(Residuals)을 최소로 좁히는 가장 정직한 직선을 그려라" — 데이터 포인트들과 모델 함수 사이의 오차 제곱합을 최소화함으로써 가장 적합한 파라미터를 찾아내는 회귀 분석의 핵심 수학 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 지연 시간 경향성을 분석하고 하드웨어 자원 사용량의 선형적 추세를 예측할 때, 최소제곱법 기반의 회귀 모델을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linear-Regression-Mastery]], [[Gradient-Descent-Foundations]], [[L1-and-L2-Regularization]], [[Probability-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Least-Squares-Methods.md]]
+- [[Linear-Regression-Mastery]], Gradient-Descent-Foundations, [[L1-and-L2-Regularization]], Probability-Theory
+- **Raw Source:** 10_Wiki/Topics/AI/Least-Squares-Methods.md
diff --git a/10_Wiki/Topics/AI/Legacy-Systems.md b/10_Wiki/Topics/AI/Legacy-Systems.md
index 09e8ef80..42f9d15c 100644
--- a/10_Wiki/Topics/AI/Legacy-Systems.md
+++ b/10_Wiki/Topics/AI/Legacy-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LESY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, legacy-systems, technical-debt, maintenance, software-evolution, migration]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Lessons Learned.md b/10_Wiki/Topics/AI/Lessons Learned.md
index bcb417c7..26d8566a 100644
--- a/10_Wiki/Topics/AI/Lessons Learned.md	
+++ b/10_Wiki/Topics/AI/Lessons Learned.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LELE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, lessons-learned, feedback, post-mortem, review, optimization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Level of Detail (LOD).md b/10_Wiki/Topics/AI/Level of Detail (LOD).md
index 3e2cb83b..2725f7af 100644
--- a/10_Wiki/Topics/AI/Level of Detail (LOD).md	
+++ b/10_Wiki/Topics/AI/Level of Detail (LOD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B9CF3B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Level of Detail (LOD)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Calls]], [[Impostor]], [[InstancedMesh]], [[Frustum Culling]], [[Mipmaps]]
-- **Projects/Contexts:** [[Three.js]], [[React Three Fiber]], [[InstancedMesh2]]
+- **Related Topics:** Draw Calls, Impostor, [[InstancedMesh]], [[Frustum Culling]], Mipmaps
+- **Projects/Contexts:** Three.js, React Three Fiber, [[InstancedMesh2]]
 - **Contradictions/Notes:** LOD 기술이 항상 성능 향상을 가져오는 것은 아닙니다. 만약 애플리케이션이 드로우 콜 과부하 상태(Draw call bound)라면 LOD를 적용해도 드로우 콜 자체가 줄지 않으므로 성능이 오히려 약간 저하될 수 있으며, 메모리 부하와 교체 연산 오버헤드만 추가될 위험이 있습니다 [8, 14, 15].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Level of Detail (LOD).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Levels of Understanding.md b/10_Wiki/Topics/AI/Levels of Understanding.md
index 05db25de..6bb85b0b 100644
--- a/10_Wiki/Topics/AI/Levels of Understanding.md	
+++ b/10_Wiki/Topics/AI/Levels of Understanding.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LEOU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, levels-of-understanding, learning, mastery, bloom-taxonomy, wisdom]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Linear-Algebra-Foundations.md b/10_Wiki/Topics/AI/Linear-Algebra-Foundations.md
index d5e34e08..7cf42cd5 100644
--- a/10_Wiki/Topics/AI/Linear-Algebra-Foundations.md
+++ b/10_Wiki/Topics/AI/Linear-Algebra-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-LA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, linear-algebra, vector-space, matrix, ai-foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linear Algebra Foundations (선형대수학 기초)]]
+# Linear Algebra Foundations (선형대수학 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상의 모든 데이터를 숫자들의 격자(Matrix)로 치환하고, 그들 사이의 관계를 공간의 변환(Transformation)으로 이해하라" — 벡터와 행렬을 통해 다차원 데이터를 표현하고 연산하는 수학적 체계이자, 인공지능이 세상을 수치화하고 처리하는 공용어.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 임베딩 연산 시, 선형대수적 원리를 바탕으로 유사도 측정 및 공간 투영 최적화를 수행하여 연산 효율을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Inner-Product-Spaces]], [[Eigenvalues-and-Eigenvectors]], [[Dimensionality-Reduction]], [[GPU-Architecture-for-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linear-Algebra-Foundations.md]]
+- [[Inner-Product-Spaces]], [[Eigenvalues-and-Eigenvectors]], [[Dimensionality-Reduction]], GPU-Architecture-for-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Linear-Algebra-Foundations.md
diff --git a/10_Wiki/Topics/AI/Linear-Algebra-for-ML.md b/10_Wiki/Topics/AI/Linear-Algebra-for-ML.md
index 53d63a07..e4f30234 100644
--- a/10_Wiki/Topics/AI/Linear-Algebra-for-ML.md
+++ b/10_Wiki/Topics/AI/Linear-Algebra-for-ML.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-LA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, machine-learning, linear-algebra, vectors, matrices]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linear Algebra for ML (머신러닝을 위한 선형대수)]]
+# Linear Algebra for ML (머신러닝을 위한 선형대수)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 공간으로, 연산을 행렬로 이해하라" — 고차원 데이터를 벡터와 행렬이라는 수학적 객체로 치환하여 방대한 양의 연산을 효율적으로 처리하고 기하학적으로 해석하게 해주는 AI의 근간 언어.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 '벡터 검색' 엔진은 선형대수의 코사인 유사도(Cosine Similarity) 원리를 바탕으로 가장 관련성 높은 문서를 실시간으로 검색함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Calculus-for-ML]], [[Statistics-for-ML]], [[PCA]], [[Vector-Database]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linear-Algebra-for-ML.md]]
+- Calculus-for-ML, Statistics-for-ML, PCA, Vector-Database
+- **Raw Source:** 10_Wiki/Topics/AI/Linear-Algebra-for-ML.md
diff --git a/10_Wiki/Topics/AI/Linear-Algebra.md b/10_Wiki/Topics/AI/Linear-Algebra.md
index fc1da6f8..02024a87 100644
--- a/10_Wiki/Topics/AI/Linear-Algebra.md
+++ b/10_Wiki/Topics/AI/Linear-Algebra.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LIAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, linear-algebra, mathematics, vectors, matrices, deep-learning, machine-learning]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 단순한 실수 연산을 넘어, 양자 연산이나 희소 행렬(Sparse Matrix) 최적화 정책 등 하드웨어 효율 정책을 극대화하는 선형 대수 기법들이 주목받음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hardware]], [[High-Performance Computing (HPC)]], [[Deep Learning (DL)]], [[Backpropagation]], [[Gradient-Descent]]
+- [[Hardware]], [[High-Performance Computing (HPC)]], Deep Learning (DL), [[Backpropagation]], [[Gradient-Descent]]
 - **Modern Tech/Tools**: NumPy, PyTorch (Tensor library), MATLAB, CuBLAS (NVIDIA).
 ---
diff --git a/10_Wiki/Topics/AI/Linear-Discriminant-Analysis.md b/10_Wiki/Topics/AI/Linear-Discriminant-Analysis.md
index b06e5052..cb5be3f1 100644
--- a/10_Wiki/Topics/AI/Linear-Discriminant-Analysis.md
+++ b/10_Wiki/Topics/AI/Linear-Discriminant-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: ML-LDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, lda, dimensionality-reduction, classification, statistics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linear Discriminant Analysis (LDA, 선형 판별 분석)]]
+# Linear Discriminant Analysis (LDA, 선형 판별 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "집단 내부의 결속은 다지고, 집단 사이의 거리는 벌려 세상의 경계를 가장 선명하게 투영하라" — 클래스 간 분산(Between-class variance)과 클래스 내 분산(Within-class variance)의 비율을 최대화하여, 데이터를 가장 잘 분류할 수 있는 저차원 공간으로 투영하는 지도 학습 기반 차원 축소 기법.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 행동 로그에서 특정 '사용자 의도'를 패턴별로 분류하여 시각화할 때, 의도 간 차이를 가장 잘 보여주는 LDA 투영 기법을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Dimensionality-Reduction]], [[Supervised-Learning-Foundations]], [[Exploratory-Data-Analysis]], [[Pattern-Recognition-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linear-Discriminant-Analysis.md]]
+- [[Dimensionality-Reduction]], [[Supervised-Learning-Foundations]], [[Exploratory-Data-Analysis]], Pattern-Recognition-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Linear-Discriminant-Analysis.md
diff --git a/10_Wiki/Topics/AI/Linear-Programming.md b/10_Wiki/Topics/AI/Linear-Programming.md
index 8470b16f..676c9352 100644
--- a/10_Wiki/Topics/AI/Linear-Programming.md
+++ b/10_Wiki/Topics/AI/Linear-Programming.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LIPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, linear-programming, optimization, algorithms, operations-research, constraints]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Linear-Regression-Mastery.md b/10_Wiki/Topics/AI/Linear-Regression-Mastery.md
index 727596d4..b902ff0a 100644
--- a/10_Wiki/Topics/AI/Linear-Regression-Mastery.md
+++ b/10_Wiki/Topics/AI/Linear-Regression-Mastery.md
@@ -1,12 +1,12 @@
 ---
 id: ML-LIN-REG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, linear-regression, regression, supervised-learning, statistics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linear Regression Mastery (선형 회귀 마스터리)]]
+# Linear Regression Mastery (선형 회귀 마스터리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터들의 복잡한 흩어짐 속에서 변치 않는 '비례의 법칙'을 찾아내어 미래를 투영하라" — 입력값(Features)과 출력값(Target) 사이의 관계를 가장 잘 설명하는 일차 방정식(직선 또는 초평면)을 찾아내는 지도 학습의 근본 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 시스템 리소스 사용량 예측 및 지식 강화 작업 소요 시간 추정 시, 가장 신뢰도 높은 해석을 제공하는 선형 회귀 모델을 기본 지표로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Least-Squares-Methods]], [[Gradient-Descent-Foundations]], [[L1-and-L2-Regularization]], [[Supervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linear-Regression-Mastery.md]]
+- [[Least-Squares-Methods]], Gradient-Descent-Foundations, [[L1-and-L2-Regularization]], [[Supervised-Learning-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Linear-Regression-Mastery.md
diff --git a/10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md b/10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md
index 03c1e236..7582e9ef 100644
--- a/10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md
+++ b/10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-LING-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, linguistics, syntax, semantics, morphology, ai-language-processing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linguistic Analysis in AI (AI에서의 언어학적 분석)]]
+# Linguistic Analysis in AI (AI에서의 언어학적 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단어의 껍데기를 넘어, 문장의 뼈대(Syntax)와 의미의 영혼(Semantics)을 분석하여 기계에게 인간의 문명을 가르쳐라" — 텍스트 데이터를 형태소, 구문, 의미, 화용 등 언어학적 계층에 따라 분해하고 구조화하여 AI가 언어의 맥락과 의도를 정확히 파악하게 하는 프로세스.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 지식 추출 엔진은 언어학적 원리를 바탕으로 문서의 핵심 키워드와 개체 간의 '관계 동사'를 정밀하게 포착하여 지식 그래프의 품질을 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP-Foundations]], [[Knowledge-Graph-Foundations]], [[Sentiment-Analysis-Foundations]], [[Transformer-Architecture-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md]]
+- NLP-Foundations, [[Knowledge-Graph-Foundations]], Sentiment-Analysis-Foundations, Transformer-Architecture-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Linguistic-Analysis-in-AI.md
diff --git a/10_Wiki/Topics/AI/Linked-Lists-and-Trees.md b/10_Wiki/Topics/AI/Linked-Lists-and-Trees.md
index 3826e022..54fe6b3b 100644
--- a/10_Wiki/Topics/AI/Linked-Lists-and-Trees.md
+++ b/10_Wiki/Topics/AI/Linked-Lists-and-Trees.md
@@ -1,12 +1,12 @@
 ---
 id: CS-DS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, data-structures, linked-list, trees, algorithm-foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linked Lists and Trees (연결 리스트와 트리)]]
+# Linked Lists and Trees (연결 리스트와 트리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "메모리의 조각들을 포인터로 엮어 유연한 흐름(List)을 만들고, 데이터의 숲(Tree)을 구축하여 탐색의 미학을 완성하라" — 데이터 요소를 물리적 순서가 아닌 논리적 연결로 관리하는 연결 리스트와, 부모-자식 관계를 통해 계층적 정보를 저장하는 트리 자료구조.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식 문서의 카테고리 계층 구조를 트리 형태로 관리하며, 에이전트의 추론 단계(Reasoning Chain)를 연결 리스트로 시각화하여 사용자가 사고의 흐름을 추적할 수 있게 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Search-Algorithms]], [[Knowledge-Graph-Foundations]], [[Indexing-Strategies]], [[Decision-Trees-and-Random-Forests]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linked-Lists-and-Trees.md]]
+- Search-Algorithms, [[Knowledge-Graph-Foundations]], [[Indexing-Strategies]], Decision-Trees-and-Random-Forests
+- **Raw Source:** 10_Wiki/Topics/AI/Linked-Lists-and-Trees.md
diff --git a/10_Wiki/Topics/AI/Linux-Performance-Tuning.md b/10_Wiki/Topics/AI/Linux-Performance-Tuning.md
index f9892668..91595002 100644
--- a/10_Wiki/Topics/AI/Linux-Performance-Tuning.md
+++ b/10_Wiki/Topics/AI/Linux-Performance-Tuning.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-LINUX-PERF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, linux, performance-tuning, sysadmin, optimization, observability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Linux Performance Tuning (리눅스 성능 튜닝)]]
+# Linux Performance Tuning (리눅스 성능 튜닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "하드웨어의 잠재력을 마지막 한 방울까지 짜내어, 소프트웨어가 질주할 수 있는 최적의 트랙을 닦아라" — 커널 파라미터, 파일 시스템, 네트워크 스택 및 프로세스 스케줄링을 최적화하여 시스템의 처리량(Throughput)을 극대화하고 지연 시간(Latency)을 최소화하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 서버 환경은 AI 연산의 특성에 맞춰 대규모 메모리 페이지 할당과 비동기 I/O 처리에 최적화된 리눅스 커널 튜닝 프로파일을 상시 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Cloud-Computing-Foundations]], [[GPU-Architecture-for-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Linux-Performance-Tuning.md]]
+- System-Design-for-AI-Scale, [[High-Availability-Systems]], Cloud-Computing-Foundations, GPU-Architecture-for-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Linux-Performance-Tuning.md
diff --git a/10_Wiki/Topics/AI/Liquid-Democracy.md b/10_Wiki/Topics/AI/Liquid-Democracy.md
index 2550de14..9fc803b6 100644
--- a/10_Wiki/Topics/AI/Liquid-Democracy.md
+++ b/10_Wiki/Topics/AI/Liquid-Democracy.md
@@ -1,12 +1,12 @@
 ---
 id: LIQUID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [governance, democracy, delegation, liquid-democracy, technology]
 last_reinforced: 2026-04-26
 ---
 
-# [[Liquid Democracy (리퀴드 디모크라시)]]
+# Liquid Democracy (리퀴드 디모크라시)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "직접 민주주의의 참여와 대의 민주주의의 효율성을 결합하라" — 투표권을 스스로 행사하거나, 특정 이슈별로 자신이 신뢰하는 대리인에게 실시간으로 위임(Delegation)할 수 있는 유동적인 민주주의 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 다중 에이전트 의사결정 시스템 설계 시, 특정 도메인 스킬을 가진 에이전트에게 다른 에이전트들이 일시적으로 권한을 위임하는 'Liquid Delegation' 프로토콜을 연구 중.
 
 ## 🔗 지식 연결 (Graph)
-- [[Governance]], [[Direct-Democracy]], [[Blockchain]], [[Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Liquid-Democracy.md]]
+- Governance, Direct-Democracy, [[Blockchain]], Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Liquid-Democracy.md
diff --git a/10_Wiki/Topics/AI/Liskov-Substitution-Principle.md b/10_Wiki/Topics/AI/Liskov-Substitution-Principle.md
index 68ef6117..76eae9c0 100644
--- a/10_Wiki/Topics/AI/Liskov-Substitution-Principle.md
+++ b/10_Wiki/Topics/AI/Liskov-Substitution-Principle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-LSP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, SOLID, LSP, OOP]
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ last_reinforced: 2026-04-20
 - LSP를 억지로 지키려다 보면 상속 구조가 복잡해지거나 추상화 단계가 너무 많아질 수 있다. 현대 소프트웨어 공학은 '상속(Inheritance)'보다는 **'조합(Composition)'**을 권장하며, 상속을 쓸 때는 인터페이스나 추상 클래스를 통해 최소한의 행동 규칙만 정의하는 방식으로 LSP 리스크를 회피한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[SOLID-Principles]] , [[Composition-over-Inheritance]]
-- Concept: [[Type-Safety]]
+- Related: SOLID-Principles , Composition-over-Inheritance
+- Concept: Type-Safety
diff --git a/10_Wiki/Topics/AI/LlamaIndex.md b/10_Wiki/Topics/AI/LlamaIndex.md
index b95246bb..6e4a41e9 100644
--- a/10_Wiki/Topics/AI/LlamaIndex.md
+++ b/10_Wiki/Topics/AI/LlamaIndex.md
@@ -1,12 +1,12 @@
 ---
 id: LLAMAINDEX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, rag, llamaindex, data-framework, llm]
 last_reinforced: 2026-04-26
 ---
 
-# [[LlamaIndex (데이터 프레임워크)]]
+# LlamaIndex (데이터 프레임워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "LLM을 당신의 개인 데이터와 연결하는 지능적인 데이터 가교" — 비정형 데이터를 인덱싱하고 최적화된 방식으로 검색하여 LLM의 답변 품질을 높이는 RAG(검색 증강 생성) 특화 프레임워크.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 'Knowledge Engine'은 LlamaIndex의 원리를 바탕으로 로컬 위키 데이터를 인덱싱하여 에이전트의 답변 정확도를 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[RAG]], [[Vector-Database]], [[LangChain]], [[In-Context-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/LlamaIndex.md]]
+- [[RAG]], Vector-Database, LangChain, [[In-Context-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/LlamaIndex.md
diff --git a/10_Wiki/Topics/AI/LoRA (Low-Rank Adaptation).md b/10_Wiki/Topics/AI/LoRA (Low-Rank Adaptation).md
index 9b21e506..70f74a81 100644
--- a/10_Wiki/Topics/AI/LoRA (Low-Rank Adaptation).md	
+++ b/10_Wiki/Topics/AI/LoRA (Low-Rank Adaptation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-LORA
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [AI, LLM, LoRA, FineTuning, Efficiency]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - LoRA는 효율적이지만, 대규모 멀티 모달 학습이나 근본적인 기초 지식 습득에는 전체 파인튜닝(Full Fine-tuning)보다 성능이 소폭 떨어질 수 있다. 이를 보완하기 위해 양자화 기술을 결합한 **QLoRA**가 등장하여, 일반 소비자용 그래픽카드 한 장으로도 거대 언어 모델을 튜닝하는 'AI 민주화'를 이끌고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Instruction-Tuning]] , [[Quantization (양자화)]]
-- Variant: [[QLoRA (Quantized LoRA)]]
+- Related: [[Instruction-Tuning]] , Quantization (양자화)
+- Variant: QLoRA (Quantized LoRA)
diff --git a/10_Wiki/Topics/AI/Load-Balancing-Strategies.md b/10_Wiki/Topics/AI/Load-Balancing-Strategies.md
index 0cb8f12e..0949bcd6 100644
--- a/10_Wiki/Topics/AI/Load-Balancing-Strategies.md
+++ b/10_Wiki/Topics/AI/Load-Balancing-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-LB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, load-balancing, high-availability, scalability, system-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Load Balancing Strategies (부하 분산 전략)]]
+# Load Balancing Strategies (부하 분산 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단일 지점의 과부하를 방지하고 시스템 전체의 체력을 균형 있게 활용하여, 어떠한 파도(Traffic)에도 무너지지 않는 견고한 요새를 구축하라" — 클라이언트의 요청을 여러 서버로 효율적으로 분산시켜 응답 시간을 최적화하고 특정 서버의 장애가 전체 서비스 중단으로 이어지지 않게 하는 시스템 아키텍처 전략.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 백엔드 아키텍처는 L7 로드 밸런싱을 통해 에이전트 요청의 유형(지식 검색 vs 모델 생성)에 따라 최적화된 연산 노드로 트래픽을 라우팅함.
 
 ## 🔗 지식 연결 (Graph)
-- [[High-Availability-Systems]], [[System-Design-for-AI-Scale]], [[Cloud-Computing-Foundations]], [[Kubernetes-for-AI-Orchestration]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Load-Balancing-Strategies.md]]
+- [[High-Availability-Systems]], System-Design-for-AI-Scale, Cloud-Computing-Foundations, [[Kubernetes-for-AI-Orchestration]]
+- **Raw Source:** 10_Wiki/Topics/AI/Load-Balancing-Strategies.md
diff --git a/10_Wiki/Topics/AI/Local-Brain-Management.md b/10_Wiki/Topics/AI/Local-Brain-Management.md
index e27ff9a1..473a0908 100644
--- a/10_Wiki/Topics/AI/Local-Brain-Management.md
+++ b/10_Wiki/Topics/AI/Local-Brain-Management.md
@@ -1,12 +1,12 @@
 ---
 id: AI-LOCAL-BRAIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, local-ai, data-privacy, personalization, edge-computing, connect-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Local Brain Management (로컬 브레인 관리)]]
+# Local Brain Management (로컬 브레인 관리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 주권은 사용자에게, 지능의 반응성은 현장에 두어 클라우드 의존성을 넘어서는 자유로운 AI를 완성하라" — 사용자의 개인 데이터와 빈번한 추론 작업을 외부 서버가 아닌 로컬 환경에서 처리하여 프라이버시 보호와 초저지연 경험을 제공하는 지능형 관리 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** ConnectAI 확장 프로그램은 'Local Brain' 프로필 관리 기능을 통해 사용자가 현재 작업에 가장 적합한 로컬 모델 엔진과 엔드포인트를 실시간으로 전환하고 관리할 수 있도록 지원함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Edge-AI-and-Computing]], [[Data-Privacy-Foundations]], [[LLM-Security-and-Safety]], [[Hybrid-Cloud-Architectures]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Local-Brain-Management.md]]
+- [[Edge-AI-and-Computing]], Data-Privacy-Foundations, [[LLM-Security-and-Safety]], [[Hybrid-Cloud-Architectures]]
+- **Raw Source:** 10_Wiki/Topics/AI/Local-Brain-Management.md
diff --git a/10_Wiki/Topics/AI/Local-Search.md b/10_Wiki/Topics/AI/Local-Search.md
index 0c09537d..bbf90824 100644
--- a/10_Wiki/Topics/AI/Local-Search.md
+++ b/10_Wiki/Topics/AI/Local-Search.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LOSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, local-search, optimization, hill-climbing, algorithms, search-strategy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Locality-Sensitive-Hashing (LSH).md b/10_Wiki/Topics/AI/Locality-Sensitive-Hashing (LSH).md
index c78dcaee..49d5e8a0 100644
--- a/10_Wiki/Topics/AI/Locality-Sensitive-Hashing (LSH).md	
+++ b/10_Wiki/Topics/AI/Locality-Sensitive-Hashing (LSH).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LSHH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, lsh, hashing, vector-search, algorithms, big-data, similarity-search]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Locality-Sensitive-Hashing.md b/10_Wiki/Topics/AI/Locality-Sensitive-Hashing.md
index 0bfa7009..fd4364e9 100644
--- a/10_Wiki/Topics/AI/Locality-Sensitive-Hashing.md
+++ b/10_Wiki/Topics/AI/Locality-Sensitive-Hashing.md
@@ -1,12 +1,12 @@
 ---
 id: ALGO-LSH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [algorithm, search, lsh, hashing, similarity-search, big-data]
 last_reinforced: 2026-04-26
 ---
 
-# [[Locality-Sensitive Hashing (LSH, 지역 민감 해싱)]]
+# Locality-Sensitive Hashing (LSH, 지역 민감 해싱)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "해시 충돌을 '버그'가 아닌 '특징'으로 활용하여, 닮은꼴 데이터들을 같은 바구니에 담아라" — 비슷한 특성을 가진 고차원 데이터들이 높은 확률로 동일한 해시 값을 갖게 하여, 선형 탐색 없이도 유사한 데이터를 매우 빠르게 찾아내는 확률적 근사 검색 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 방대한 문서 중 중복되거나 유사한 내용이 있는지 전수 검사할 때, 연산 효율을 위해 LSH 기반의 1차 필터링을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Indexing-Strategies]], [[Vector-Database-Foundations]], [[Dimensionality-Reduction]], [[K-Nearest-Neighbors-K-NN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Locality-Sensitive-Hashing.md]]
+- [[Indexing-Strategies]], Vector-Database-Foundations, [[Dimensionality-Reduction]], [[K-Nearest-Neighbors-K-NN]]
+- **Raw Source:** 10_Wiki/Topics/AI/Locality-Sensitive-Hashing.md
diff --git a/10_Wiki/Topics/AI/Logic.md b/10_Wiki/Topics/AI/Logic.md
index 954bdce3..c4b9d6b9 100644
--- a/10_Wiki/Topics/AI/Logic.md
+++ b/10_Wiki/Topics/AI/Logic.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LOGI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, logic, reasoning, philosophy, mathematics, foundational, computer-science]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Logistic-Regression-Foundations.md b/10_Wiki/Topics/AI/Logistic-Regression-Foundations.md
index a3e6de6c..489a7bfa 100644
--- a/10_Wiki/Topics/AI/Logistic-Regression-Foundations.md
+++ b/10_Wiki/Topics/AI/Logistic-Regression-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: ML-LOG-REG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, logistic-regression, classification, supervised-learning, sigmoid]
 last_reinforced: 2026-04-26
 ---
 
-# [[Logistic Regression Foundations (로지스틱 회귀 기초)]]
+# Logistic Regression Foundations (로지스틱 회귀 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상의 모든 질문을 '예(1)' 혹은 '아니오(0)'의 확률로 변환하여, 모호함의 경계에 명확한 선을 그어라" — 선형 회귀의 출력값을 시그모이드(Sigmoid) 함수를 통해 0과 1 사이의 확률로 변환하여 이진 분류 문제를 해결하는 가장 기본적이고 강력한 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 특정 행동 수행 여부(Success/Fail)를 예측하는 가벼운 판단 모듈 설계 시, 연산 효율이 극대화된 로지스틱 회귀를 우선적으로 고려함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linear-Regression-Mastery]], [[Deep-Learning-Foundations]], [[Loss-Functions-Foundations]], [[Supervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Logistic-Regression-Foundations.md]]
+- [[Linear-Regression-Mastery]], Deep-Learning-Foundations, [[Loss-Functions-Foundations]], [[Supervised-Learning-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Logistic-Regression-Foundations.md
diff --git a/10_Wiki/Topics/AI/Logistic-Regression.md b/10_Wiki/Topics/AI/Logistic-Regression.md
index ff6121fd..549facfe 100644
--- a/10_Wiki/Topics/AI/Logistic-Regression.md
+++ b/10_Wiki/Topics/AI/Logistic-Regression.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LORE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, logistic-regression, classification, machine-learning, statistics, sigmoid]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 알고리즘의 투명성 정책이 강조됨에 따라, 딥러닝보다 작동 원리 파악이 쉬운 로지스틱 회귀를 의료나 금융 등 '설명 가능한 AI'가 필요한 영역 정책에서 여전히 강력히 권장함. (Explainable-AI (XAI)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Gradient-Descent]], [[Explainable-AI (XAI)]], [[Machine Learning (ML)]], [[Deep Learning (DL)]], [[Optimization]]
+- [[Gradient-Descent]], [[Explainable-AI (XAI)]], [[Machine Learning (ML)]], Deep Learning (DL), [[Optimization]]
 - **Modern Tech/Tools**: Scikit-learn (LogisticRegression), Sigmoid function, Maximum likelihood estimation.
 ---
diff --git a/10_Wiki/Topics/AI/Long Animation Frames API.md b/10_Wiki/Topics/AI/Long Animation Frames API.md
index 04a6aec1..518af324 100644
--- a/10_Wiki/Topics/AI/Long Animation Frames API.md	
+++ b/10_Wiki/Topics/AI/Long Animation Frames API.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2A8383
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Long Animation Frames API"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[INP (Interaction to Next Paint)]], [[Chrome DevTools]], [[Web Performance]]
-- **Projects/Contexts:** 사용자 상호작용 병목 현상을 파악하기 위한 [[Chrome DevTools]] 성능 패널 및 [[DebugBear]] 웹 성능 모니터링 대시보드
+- **Related Topics:** INP (Interaction to Next Paint), [[Chrome DevTools]], Web Performance
+- **Projects/Contexts:** 사용자 상호작용 병목 현상을 파악하기 위한 [[Chrome DevTools]] 성능 패널 및 DebugBear 웹 성능 모니터링 대시보드
 - **Contradictions/Notes:** 소스에 모순되는 내용은 존재하지 않으며, 이 API는 웹 성능 분석 및 서드파티 모니터링 서비스에서 자바스크립트 실행 지연을 식별하는 주요 수단으로 일관되게 설명되고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Long Animation Frames API.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Long Tasks.md b/10_Wiki/Topics/AI/Long Tasks.md
index 24e1ad36..197a422b 100644
--- a/10_Wiki/Topics/AI/Long Tasks.md	
+++ b/10_Wiki/Topics/AI/Long Tasks.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-183DC1
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,5 +35,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Long Tasks"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Long Tasks.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Long-Short-Term-Memory (LSTM).md b/10_Wiki/Topics/AI/Long-Short-Term-Memory (LSTM).md
index 6a012ec7..492d252d 100644
--- a/10_Wiki/Topics/AI/Long-Short-Term-Memory (LSTM).md	
+++ b/10_Wiki/Topics/AI/Long-Short-Term-Memory (LSTM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-LSTM
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [DeepLearning, RNN, LSTM, NLP]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - LSTM은 시계열 데이터 처리에 강력하지만, 순차적으로 연산해야 하므로 성능 스케일링(병렬 처리)이 어렵다. 현재는 모든 시점을 동시에 바라보는 **트랜스포머(Transformer)** 아키텍처에 왕좌를 내어주었으나, 데이터가 적거나 초저지연 하드웨어 구현이 필요한 특수 분야에서는 여전히 현역으로 활동 중이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Recurrent-Neural-Networks (RNN)]] , [[Attention-Mechanism]]
+- Related: Recurrent-Neural-Networks (RNN) , Attention-Mechanism
 - Rival: [[Transformer-Architecture]]
diff --git a/10_Wiki/Topics/AI/Long-Short-Term-Memory.md b/10_Wiki/Topics/AI/Long-Short-Term-Memory.md
index 9b33337c..aed17055 100644
--- a/10_Wiki/Topics/AI/Long-Short-Term-Memory.md
+++ b/10_Wiki/Topics/AI/Long-Short-Term-Memory.md
@@ -1,12 +1,12 @@
 ---
 id: DL-LSTM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, rnn, lstm, sequence-modeling, time-series]
 last_reinforced: 2026-04-26
 ---
 
-# [[Long-Short Term Memory (LSTM, 시계열 맥락)]]
+# Long-Short Term Memory (LSTM, 시계열 맥락)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "어제의 교훈을 선별적으로 기억하고 오늘의 맥락을 결합하여, 끊기지 않는 시간의 실타래를 완성하라" — 순환 신경망(RNN)의 장기 의존성(Long-term Dependency) 문제를 해결하여, 수백 단계 이전의 정보도 현재의 판단에 반영할 수 있게 설계된 시퀀스 데이터 처리 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 실시간 시스템 모니터링 및 자원 사용량 추세 분석 시, 가볍고 연속적인 데이터 처리에 강점이 있는 LSTM 모델을 보조 엔진으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Transformer-Architecture-Foundations]], [[Time-Series-Analysis]], [[Gated-Recurrent-Unit-GRU]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Long-Short-Term-Memory.md]]
+- Deep-Learning-Foundations, Transformer-Architecture-Foundations, [[Time-Series-Analysis]], Gated-Recurrent-Unit-GRU
+- **Raw Source:** 10_Wiki/Topics/AI/Long-Short-Term-Memory.md
diff --git a/10_Wiki/Topics/AI/Long-Tail.md b/10_Wiki/Topics/AI/Long-Tail.md
index 597d5806..a59019db 100644
--- a/10_Wiki/Topics/AI/Long-Tail.md
+++ b/10_Wiki/Topics/AI/Long-Tail.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LOTA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, long-tail, economy, diversity, distribution, niche-market, internet-economy]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 학습 데이터 정책에서도, 흔한 데이터(Head)만 가르치지 않고 희귀하고 구석진 케이스(Long Tail)를 얼마나 잘 학습하느냐가 AI의 진정한 '전문성'과 '범용성'을 결정하는 핵심 정책 과제가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Economic-Analysis]], [[Information-Society]], [[Gen-AI]], [[Search-Optimization]], [[Pareto-Principle (연결)]], [[Knowledge synthesis]]
+- [[Economic-Analysis]], [[Information-Society]], [[Gen-AI]], [[Search-Optimization]], Pareto-Principle (연결), [[Knowledge synthesis]]
 - **Modern Tech/Tools**: Recommendation engines, Niche marketing, Content curation platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Loose-Coupling.md b/10_Wiki/Topics/AI/Loose-Coupling.md
index 24d8f35d..389ff691 100644
--- a/10_Wiki/Topics/AI/Loose-Coupling.md
+++ b/10_Wiki/Topics/AI/Loose-Coupling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-LOOSE-COUPLING
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, Architecture, LooseCoupling, Flexibility]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 느슨한 결합을 추구하다 보면 코드의 가독성이 떨어지고(인터페이스를 따라 여러 파일을 뒤져야 함), 시스템 전체의 흐름을 한눈에 파악하기 힘든 '간접화의 저주'에 빠질 수 있다. 로직이 아주 단순하다면 과도한 격리보다는 적절한 결합이 생산성에 더 나을 수 있다는 실용주의적 균형이 필요하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Dependency-Injection]] , [[Inversion-of-Control (IoC)]]
+- Related: [[Dependency-Injection]] , Inversion-of-Control (IoC)
 - Fundamental: [[Modular-Programming]]
diff --git a/10_Wiki/Topics/AI/Loss Functions.md b/10_Wiki/Topics/AI/Loss Functions.md
index 7e12fc59..0b6232a6 100644
--- a/10_Wiki/Topics/AI/Loss Functions.md	
+++ b/10_Wiki/Topics/AI/Loss Functions.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LOFU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, loss-functions, optimization, machine-learning, error-measurement, cost-function]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Loss-Functions-Foundations.md b/10_Wiki/Topics/AI/Loss-Functions-Foundations.md
index 0dd00e95..184beb2b 100644
--- a/10_Wiki/Topics/AI/Loss-Functions-Foundations.md
+++ b/10_Wiki/Topics/AI/Loss-Functions-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: DL-LOSS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, loss-function, cost-function, optimization, neural-networks]
 last_reinforced: 2026-04-26
 ---
 
-# [[Loss Functions Foundations (손실 함수 기초)]]
+# Loss Functions Foundations (손실 함수 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 실수(Error)를 뼈아픈 수치로 환산하여, 정답을 향한 가장 가파른 길을 가리키는 나침반으로 삼아라" — 모델의 예측값과 실제 정답 사이의 차이를 하나의 스칼라 값으로 정의하여, 경사 하강법(Gradient Descent)이 최소값을 향해 나아갈 수 있도록 학습의 방향을 결정하는 핵심 지표.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 강화 작업 품질을 평가할 때, 단순 정답률 외에도 코사인 유사도와 정보 엔트로피를 결합한 커스텀 손실 지표를 활용하여 지식의 밀도를 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gradient-Descent-Foundations]], [[Backpropagation-Foundations]], [[Focal-Loss]], [[Kullback-Leibler-Divergence]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Loss-Functions-Foundations.md]]
+- Gradient-Descent-Foundations, Backpropagation-Foundations, [[Focal-Loss]], [[Kullback-Leibler-Divergence]]
+- **Raw Source:** 10_Wiki/Topics/AI/Loss-Functions-Foundations.md
diff --git a/10_Wiki/Topics/AI/Low-Rank-Adaptation-LoRA.md b/10_Wiki/Topics/AI/Low-Rank-Adaptation-LoRA.md
index 814f2121..188551dd 100644
--- a/10_Wiki/Topics/AI/Low-Rank-Adaptation-LoRA.md
+++ b/10_Wiki/Topics/AI/Low-Rank-Adaptation-LoRA.md
@@ -1,12 +1,12 @@
 ---
 id: AI-LORA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, lora, peft, fine-tuning, model-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Low-Rank Adaptation (LoRA, 저순위 적응)]]
+# Low-Rank Adaptation (LoRA, 저순위 적응)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 뇌(Base Model)는 그대로 두고, 아주 얇은 신경 다발(Low-rank Matrices)만 덧붙여 새로운 기술을 가르쳐라" — 거대 언어 모델의 본래 가중치는 고정하고, 가중치 변화량($\Delta W$)을 두 개의 작은 행렬의 곱으로 분해하여 학습함으로써 파라미터 수를 10,000배 이상 줄이면서도 효과적인 미세 조정을 가능케 하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자의 특정 코딩 스타일이나 문서 양식을 에이전트에게 학습시킬 때, 원본 모델의 지능을 훼손하지 않고 효율적으로 학습하기 위해 LoRA 기술을 기본으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LLM]], [[Transfer-Learning-Foundations]], [[Inference-Optimization]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Low-Rank-Adaptation-LoRA.md]]
+- [[LLM]], Transfer-Learning-Foundations, [[Inference-Optimization]], [[Local-Brain-Management]]
+- **Raw Source:** 10_Wiki/Topics/AI/Low-Rank-Adaptation-LoRA.md
diff --git a/10_Wiki/Topics/AI/Lubrication.md b/10_Wiki/Topics/AI/Lubrication.md
index 5a03d9cb..336b0d9a 100644
--- a/10_Wiki/Topics/AI/Lubrication.md
+++ b/10_Wiki/Topics/AI/Lubrication.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-LUBR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.84
 tags: [auto-reinforced, lubrication, system-efficiency, buffers, coordination, friction-reduction]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Lucas-Kanade-Method.md b/10_Wiki/Topics/AI/Lucas-Kanade-Method.md
index d1579ca9..63426e55 100644
--- a/10_Wiki/Topics/AI/Lucas-Kanade-Method.md
+++ b/10_Wiki/Topics/AI/Lucas-Kanade-Method.md
@@ -1,12 +1,12 @@
 ---
 id: CV-LUCAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, optical-flow, lucas-kanade, image-processing, feature-tracking]
 last_reinforced: 2026-04-26
 ---
 
-# [[Lucas-Kanade Method (루카스-카나데 방법)]]
+# Lucas-Kanade Method (루카스-카나데 방법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "주변 픽셀들은 함께 움직인다는 가정하에, 찰나의 변화 속에서 물체의 흐름(Flow)을 포착하라" — 인접한 픽셀들이 유사한 움직임을 가진다는 국소적 일관성(Local Coherence)을 가정한 후, 최소제곱법을 통해 두 프레임 사이의 픽셀 이동량을 추정하는 옵티컬 플로우(Optical Flow) 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 적 기체 추적 및 VFX 효과 구현 시, 프레임 간의 자연스러운 움직임 보간을 위해 루카스-카나데 기반의 옵티컬 플로우 원리를 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Least-Squares-Methods]], [[Pattern-Recognition-Foundations]], [[Kalman-Filter-and-State-Tracking]], [[Robotics-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Lucas-Kanade-Method.md]]
+- [[Least-Squares-Methods]], Pattern-Recognition-Foundations, [[Kalman-Filter-and-State-Tracking]], [[Robotics-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Lucas-Kanade-Method.md
diff --git a/10_Wiki/Topics/AI/MAP-Estimation.md b/10_Wiki/Topics/AI/MAP-Estimation.md
index b05aaeff..2e473805 100644
--- a/10_Wiki/Topics/AI/MAP-Estimation.md
+++ b/10_Wiki/Topics/AI/MAP-Estimation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MAPE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, map-estimation, statistics, bayesian, probability, machine-learning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/MBA (Master of Business Administration).md b/10_Wiki/Topics/AI/MBA (Master of Business Administration).md
index 9e9084f1..3a76b04c 100644
--- a/10_Wiki/Topics/AI/MBA (Master of Business Administration).md	
+++ b/10_Wiki/Topics/AI/MBA (Master of Business Administration).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MBAA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, mba, business-administration, leadership, strategy, management-education]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/MLA-Format.md b/10_Wiki/Topics/AI/MLA-Format.md
index 7269cd44..9bfde2f4 100644
--- a/10_Wiki/Topics/AI/MLA-Format.md
+++ b/10_Wiki/Topics/AI/MLA-Format.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MLAA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, mla-format, academic-writing, citation, research-standard, humanities]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/MLOps.md b/10_Wiki/Topics/AI/MLOps.md
index 9728da57..31251265 100644
--- a/10_Wiki/Topics/AI/MLOps.md
+++ b/10_Wiki/Topics/AI/MLOps.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MLOPS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI, MLOps, DevOps, MachineLearning, Pipeline]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Machine Learning (ML).md b/10_Wiki/Topics/AI/Machine Learning (ML).md
index b2efaf18..dfa6d0f8 100644
--- a/10_Wiki/Topics/AI/Machine Learning (ML).md	
+++ b/10_Wiki/Topics/AI/Machine Learning (ML).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MCLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, machine-learning, ml, algorithms, statistical-learning, data-driven]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 성능만 높이는 정책에서, 모델이 왜 그런 결과를 냈는지 설명하려는 'XAI(설명 가능한 AI) 정책'과 데이터의 편향을 바로잡는 '윤리적 학습 정책'이 필수 설계 요소 정책이 됨. (Ethics & AI와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep Learning (DL)]], [[Reinforcement Learning (RL)]], [[Explainable-AI (XAI)]], [[Optimization]], [[Inferential-Statistics]]
+- Deep Learning (DL), [[Reinforcement Learning (RL)]], [[Explainable-AI (XAI)]], [[Optimization]], [[Inferential-Statistics]]
 - **Modern Tech/Tools**: Scikit-learn, XGBoost, PyTorch, TensorFlow, Google Vertex AI.
 ---
diff --git a/10_Wiki/Topics/AI/Machine-Learning-Foundations.md b/10_Wiki/Topics/AI/Machine-Learning-Foundations.md
index ec5b1525..0b86be8d 100644
--- a/10_Wiki/Topics/AI/Machine-Learning-Foundations.md
+++ b/10_Wiki/Topics/AI/Machine-Learning-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: ML-FOUND-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, ai-foundations, supervised-learning, unsupervised-learning, reinforcement-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Machine Learning Foundations (머신러닝 기초)]]
+# Machine Learning Foundations (머신러닝 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "명시적 프로그래밍의 한계를 데이터의 힘으로 돌파하고, 기계가 스스로 규칙을 발견하게 하라" — 명시적인 규칙을 코딩하지 않고 데이터 속에 숨겨진 통계적 패턴을 학습하여 예측이나 판단을 수행하는 알고리즘과 모델의 총체.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지능형 기능을 구현할 때, 규칙 기반의 강건함과 머신러닝 기반의 유연함을 결합한 '하이브리드 지능' 아키텍처를 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Supervised-Learning-Foundations]], [[Unsupervised-Learning-Foundations]], [[Reinforcement-Learning]], [[Loss-Functions-Foundations]], [[Explainable-AI-XAI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Machine-Learning-Foundations.md]]
+- [[Supervised-Learning-Foundations]], Unsupervised-Learning-Foundations, [[Reinforcement-Learning]], [[Loss-Functions-Foundations]], [[Explainable-AI-XAI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Machine-Learning-Foundations.md
diff --git a/10_Wiki/Topics/AI/Machine-Learning-Lifecycle.md b/10_Wiki/Topics/AI/Machine-Learning-Lifecycle.md
index f14ca6dc..fec92303 100644
--- a/10_Wiki/Topics/AI/Machine-Learning-Lifecycle.md
+++ b/10_Wiki/Topics/AI/Machine-Learning-Lifecycle.md
@@ -1,12 +1,12 @@
 ---
 id: ML-LIFE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, mlops, workflow, software-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Machine Learning Lifecycle (머신러닝 생명주기)]]
+# Machine Learning Lifecycle (머신러닝 생명주기)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 수집부터 모델 폐기까지, AI의 요람에서 무덤까지의 여정" — 단순한 학습(Training)을 넘어 비즈니스 목표 설정, 데이터 엔지니어링, 배포, 모니터링을 포괄하는 순환적인 개발 프로세스.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '지식 엔진'의 답변 품질을 매일 모니터링하며, 성능이 저하될 경우 자동으로 위키 데이터를 재인덱싱하는 라이프사이클 자동화 시스템을 갖추고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[MLOps]], [[Data-Centric-AI]], [[Hyperparameter-Optimization]], [[Continuous-Integration]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Machine-Learning-Lifecycle.md]]
+- [[MLOps]], Data-Centric-AI, [[Hyperparameter-Optimization]], Continuous-Integration
+- **Raw Source:** 10_Wiki/Topics/AI/Machine-Learning-Lifecycle.md
diff --git a/10_Wiki/Topics/AI/Macros (매크로).md b/10_Wiki/Topics/AI/Macros (매크로).md
index c6c86cb2..67cd2a13 100644
--- a/10_Wiki/Topics/AI/Macros (매크로).md	
+++ b/10_Wiki/Topics/AI/Macros (매크로).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MACR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, macros, automation, productivity, repetitive-tasks, software-tool]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Magic-Circle.md b/10_Wiki/Topics/AI/Magic-Circle.md
index cda4e93f..209babbc 100644
--- a/10_Wiki/Topics/AI/Magic-Circle.md
+++ b/10_Wiki/Topics/AI/Magic-Circle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MAGIC-CIRCLE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [GameDesign, Theory, MagicCircle, Immersion]
 last_reinforced: 2026-04-20
@@ -23,4 +23,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Definitions_of_Game]] , [[Flow-State]]
-- Phenomenon: [[Gamification]]
+- Phenomenon: Gamification
diff --git a/10_Wiki/Topics/AI/Main Thread.md b/10_Wiki/Topics/AI/Main Thread.md
index 674ff26e..91f58b8c 100644
--- a/10_Wiki/Topics/AI/Main Thread.md	
+++ b/10_Wiki/Topics/AI/Main Thread.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-905D08
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Main Thread"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGL]], [[WebGPU]], [[Total Blocking Time (TBT)]], [[Interaction to Next Paint (INP)]], [[Long Tasks]]
-- **Projects/Contexts:** [[Chrome DevTools Performance Panel]], [[Core Web Vitals]]
+- **Projects/Contexts:** Chrome DevTools Performance Panel, [[Core Web Vitals]]
 - **Contradictions/Notes:** 소스는 WebGL이 메인 스레드에서 순차적으로 그래픽 명령을 처리하여 CPU 병목을 유발한다고 주장하는 반면, 새로운 WebGPU는 다중 스레드 명령 생성(Multi-Threaded Command Generation)을 지원하여 메인 스레드의 오버헤드를 대폭 줄일 수 있다고 대조하여 설명합니다 [2, 11, 12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Main Thread.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Malware-Analysis.md b/10_Wiki/Topics/AI/Malware-Analysis.md
index 5a5e94d3..569b2523 100644
--- a/10_Wiki/Topics/AI/Malware-Analysis.md
+++ b/10_Wiki/Topics/AI/Malware-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MAAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, malware-analysis, cybersecurity, reverse-engineering, security, forensics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Management.md b/10_Wiki/Topics/AI/Management.md
index afb78c8c..02f7c219 100644
--- a/10_Wiki/Topics/AI/Management.md
+++ b/10_Wiki/Topics/AI/Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MANG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, management, organization, efficiency, leadership, resources]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Manhattan-Distance.md b/10_Wiki/Topics/AI/Manhattan-Distance.md
index e5622993..bd925edd 100644
--- a/10_Wiki/Topics/AI/Manhattan-Distance.md
+++ b/10_Wiki/Topics/AI/Manhattan-Distance.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-DIST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, machine-learning, distance-metrics, manhattan-distance, l1-norm]
 last_reinforced: 2026-04-26
 ---
 
-# [[Manhattan Distance (맨해튼 거리)]]
+# Manhattan Distance (맨해튼 거리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "직선거리의 환상에서 벗어나, 격자로 짜인 현실의 길을 따라 차이의 총합을 계산하라" — 두 점 사이의 거리를 구할 때 각 좌표 축 방향의 절대적인 차이값들을 모두 합산하여 측정하는 방식 (Taxicab Geometry).
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식의 희소 특징(Sparse Features)을 비교하거나 특정 수치 데이터의 분포 차이를 엄격하게 측정할 때 맨해튼 거리 기반의 메트릭을 병행 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Distance-Metrics-in-AI]], [[L1-and-L2-Regularization]], [[K-Nearest-Neighbors-K-NN]], [[Search-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Manhattan-Distance.md]]
+- Distance-Metrics-in-AI, [[L1-and-L2-Regularization]], [[K-Nearest-Neighbors-K-NN]], Search-Algorithms
+- **Raw Source:** 10_Wiki/Topics/AI/Manhattan-Distance.md
diff --git a/10_Wiki/Topics/AI/MapReduce.md b/10_Wiki/Topics/AI/MapReduce.md
index ddd6abd5..34c87247 100644
--- a/10_Wiki/Topics/AI/MapReduce.md
+++ b/10_Wiki/Topics/AI/MapReduce.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MARE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, mapreduce, distributed-computing, big-data, parallel-processing, cluster-computing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Markov-Chain-Monte-Carlo.md b/10_Wiki/Topics/AI/Markov-Chain-Monte-Carlo.md
index 0c7b186f..abe40fdb 100644
--- a/10_Wiki/Topics/AI/Markov-Chain-Monte-Carlo.md
+++ b/10_Wiki/Topics/AI/Markov-Chain-Monte-Carlo.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MCMC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, math, mcmc, bayesian-inference, sampling, machine-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Markov Chain Monte Carlo (MCMC, 마르코프 체인 몬테카를로)]]
+# Markov Chain Monte Carlo (MCMC, 마르코프 체인 몬테카를로)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "계산할 수 없는 거대한 확률의 바다를, 무작위의 발걸음(Random Walk)으로 방랑하며 지도를 그려라" — 복잡한 고차원 확률 분포로부터 샘플을 추출하여 기댓값이나 사후 확률(Posterior)을 근사적으로 계산하는 알고리즘 체계.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모델의 불확실성(Uncertainty)을 정교하게 측정하거나, 복잡한 지식 그래프의 확률적 잠재 경로를 탐색할 때 MCMC 기반의 시뮬레이션 기법을 고려함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory]], [[Markov-Decision-Process-MDP]], [[Bayesian-Networks]], [[Global-vs-Local-Optima]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Markov-Chain-Monte-Carlo.md]]
+- Probability-Theory, [[Markov-Decision-Process-MDP]], Bayesian-Networks, [[Global-vs-Local-Optima]]
+- **Raw Source:** 10_Wiki/Topics/AI/Markov-Chain-Monte-Carlo.md
diff --git a/10_Wiki/Topics/AI/Markov-Chains.md b/10_Wiki/Topics/AI/Markov-Chains.md
index af04e1d9..59963660 100644
--- a/10_Wiki/Topics/AI/Markov-Chains.md
+++ b/10_Wiki/Topics/AI/Markov-Chains.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MACH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, markov-chains, probability, stochastic-process, prediction, mathematics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Markov-Decision-Process (MDP).md b/10_Wiki/Topics/AI/Markov-Decision-Process (MDP).md
index bde1694e..db7c2af4 100644
--- a/10_Wiki/Topics/AI/Markov-Decision-Process (MDP).md	
+++ b/10_Wiki/Topics/AI/Markov-Decision-Process (MDP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MARKOV
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI, ReinforcementLearning, MDP, Mathematics]
 last_reinforced: 2026-04-20
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Reinforcement Learning (RL)]] , [[Bellman-Equation]]
-- Complexity: [[POMDP (부분 관측 가능 MDP)]]
+- Complexity: POMDP (부분 관측 가능 MDP)
diff --git a/10_Wiki/Topics/AI/Markov-Decision-Process-MDP.md b/10_Wiki/Topics/AI/Markov-Decision-Process-MDP.md
index 699f5994..cd621dc7 100644
--- a/10_Wiki/Topics/AI/Markov-Decision-Process-MDP.md
+++ b/10_Wiki/Topics/AI/Markov-Decision-Process-MDP.md
@@ -1,12 +1,12 @@
 ---
 id: RL-MDP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, mdp, decision-making, bellman-equation, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Markov Decision Process (MDP, 마르코프 결정 과정)]]
+# Markov Decision Process (MDP, 마르코프 결정 과정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상의 모든 상호작용을 상태, 행동, 보상의 순환으로 수치화하고, 미래 가치를 극대화하는 최적의 시나리오를 설계하라" — 의사결정자가 불확실한 환경 속에서 최선의 정책(Policy)을 찾기 위해 사용하는 수학적 프레임워크.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 자율적 문제 해결 로직은 현재 상황을 MDP 상태로 정의하고, 각 도구 사용(Action)이 가져올 지식 강화 결과(Reward)를 예측하여 최적의 경로를 탐색함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Markov-Chain-Monte-Carlo]], [[Expected-Utility-Theory]], [[Bellman-Equation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Markov-Decision-Process-MDP.md]]
+- [[Reinforcement-Learning]], [[Markov-Chain-Monte-Carlo]], Expected-Utility-Theory, [[Bellman-Equation]]
+- **Raw Source:** 10_Wiki/Topics/AI/Markov-Decision-Process-MDP.md
diff --git a/10_Wiki/Topics/AI/Markov-Decision-Processes.md b/10_Wiki/Topics/AI/Markov-Decision-Processes.md
index 99d005fb..92624c6b 100644
--- a/10_Wiki/Topics/AI/Markov-Decision-Processes.md
+++ b/10_Wiki/Topics/AI/Markov-Decision-Processes.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MMDP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, mdp, reinforcement-learning, markov-decision-process, optimization, decision-making]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Master-of-Information-Management.md b/10_Wiki/Topics/AI/Master-of-Information-Management.md
index 0c8b1035..e1e393e8 100644
--- a/10_Wiki/Topics/AI/Master-of-Information-Management.md
+++ b/10_Wiki/Topics/AI/Master-of-Information-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MIMM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, information-management, data-governance, digital-assets, knowledge-management]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Mastery.md b/10_Wiki/Topics/AI/Mastery.md
index 411709ed..4b64f2ee 100644
--- a/10_Wiki/Topics/AI/Mastery.md
+++ b/10_Wiki/Topics/AI/Mastery.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MAST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, mastery, skill-acquisition, deliberate-practice, excellence, learning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Matrix-Factorization.md b/10_Wiki/Topics/AI/Matrix-Factorization.md
index 279144f9..48061eca 100644
--- a/10_Wiki/Topics/AI/Matrix-Factorization.md
+++ b/10_Wiki/Topics/AI/Matrix-Factorization.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, machine-learning, recommender-systems, matrix-factorization, svd, collaborative-filtering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Matrix Factorization (행렬 분해)]]
+# Matrix Factorization (행렬 분해)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대하고 성긴(Sparse) 데이터 행렬을 두 개의 작고 밀도 있는 잠재 요인(Latent Factors)으로 쪼개어, 보이지 않는 취향과 특징을 복원하라" — 하나의 커다란 행렬을 두 개 이상의 작은 행렬의 곱으로 분해하여 데이터의 잠재적인 구조를 파악하고 누락된 값을 예측하는 기술.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자의 지식 탐색 로그를 분석하여 개인화된 학습 경로를 추천할 때, 행렬 분해 기법을 활용하여 사용자가 아직 발견하지 못한 '연관 지식'을 도출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Collaborative-Filtering]], [[Dimensionality-Reduction]], [[Item-Item-Collaborative-Filtering]], [[Neural-Networks-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Matrix-Factorization.md]]
+- [[Collaborative-Filtering]], [[Dimensionality-Reduction]], [[Item-Item-Collaborative-Filtering]], Neural-Networks-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Matrix-Factorization.md
diff --git a/10_Wiki/Topics/AI/Matrix-Operations-and-AI.md b/10_Wiki/Topics/AI/Matrix-Operations-and-AI.md
index 5d5a3272..a3d865a6 100644
--- a/10_Wiki/Topics/AI/Matrix-Operations-and-AI.md
+++ b/10_Wiki/Topics/AI/Matrix-Operations-and-AI.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MATRIX-OPS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, ai, deep-learning, matrix-operations, gpu-computing, linear-algebra]
 last_reinforced: 2026-04-26
 ---
 
-# [[Matrix Operations and AI (행렬 연산과 AI)]]
+# Matrix Operations and AI (행렬 연산과 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 사고의 과정을 거대한 숫자의 행렬 연산으로 치환하여, 병렬 연산의 압도적 속도로 지능을 구현하라" — 신경망의 순전파(Forward)와 역전파(Backward) 과정에서 발생하는 수조 번의 데이터 변환을 행렬의 곱셈과 덧셈으로 통합하여 처리하는 AI의 물리적 실체.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 벡터 검색 및 임베딩 연산 시, 행렬 연산의 병렬성을 극대화할 수 있는 배치 크기와 데이터 정렬 방식을 채택하여 추론 지연 시간을 최소화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linear-Algebra-Foundations]], [[GPU-Architecture-for-AI]], [[JIT-Compilation-in-AI-Engines]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Matrix-Operations-and-AI.md]]
+- [[Linear-Algebra-Foundations]], GPU-Architecture-for-AI, [[JIT-Compilation-in-AI-Engines]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Matrix-Operations-and-AI.md
diff --git a/10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md b/10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md
index 833edc89..1e97878e 100644
--- a/10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md
+++ b/10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MAE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, machine-learning, loss-functions, mae, l1-loss, evaluation-metrics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Mean Absolute Error (MAE, 평균 절대 오차)]]
+# Mean Absolute Error (MAE, 평균 절대 오차)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "오차의 크기를 왜곡 없이 있는 그대로 직면하여, 평균적인 예측의 오판 가능성을 측정하라" — 실제값과 예측값 사이의 모든 절대적인 차이를 산술 평균하여 구하는 회귀 모델의 성능 평가 및 손실 함수 지표.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Mean-Squared-Error-MSE]], [[Loss-Functions-Foundations]], [[Manhattan-Distance]], [[Supervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Mean-Absolute-Error-MAE.md
diff --git a/10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md b/10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md
index 4ddf0f51..9454f59a 100644
--- a/10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md
+++ b/10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, machine-learning, loss-functions, mse, l2-loss, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Mean Squared Error (MSE, 평균 제곱 오차)]]
+# Mean Squared Error (MSE, 평균 제곱 오차)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "큰 실수는 제곱의 무게로 응징하여, 모델이 치명적인 오판을 피하도록 강제하라" — 실제값과 예측값 사이의 오차를 제곱하여 평균 낸 수치로, 머신러닝의 최적화 과정에서 가장 널리 쓰이는 표준 손실 함수.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 모델 가중치 학습 시, 수렴의 효율성과 수학적 안정성을 위해 기본 손실 함수로 MSE 아키텍처를 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Mean-Absolute-Error-MAE]], [[Loss-Functions-Foundations]], [[Least-Squares-Methods]], [[Gradient-Descent-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md]]
+- [[Mean-Absolute-Error-MAE]], [[Loss-Functions-Foundations]], [[Least-Squares-Methods]], Gradient-Descent-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Mean-Squared-Error-MSE.md
diff --git a/10_Wiki/Topics/AI/Mechanistic Interpretability (기계적 해석 가능성).md b/10_Wiki/Topics/AI/Mechanistic Interpretability (기계적 해석 가능성).md
index 3977095e..d270cd77 100644
--- a/10_Wiki/Topics/AI/Mechanistic Interpretability (기계적 해석 가능성).md	
+++ b/10_Wiki/Topics/AI/Mechanistic Interpretability (기계적 해석 가능성).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MECH-INTERP
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [AI, Interpretability, MechanisticInterpretability, AISafety]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Media-Literacy.md b/10_Wiki/Topics/AI/Media-Literacy.md
index 1e388f12..f2e69534 100644
--- a/10_Wiki/Topics/AI/Media-Literacy.md
+++ b/10_Wiki/Topics/AI/Media-Literacy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MELI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.87
 tags: [auto-reinforced, media-literacy, critical-thinking, digital-citizenship, information-literacy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Medical-Imaging-Data-Augmentation.md b/10_Wiki/Topics/AI/Medical-Imaging-Data-Augmentation.md
index 2748e823..275ee2c7 100644
--- a/10_Wiki/Topics/AI/Medical-Imaging-Data-Augmentation.md
+++ b/10_Wiki/Topics/AI/Medical-Imaging-Data-Augmentation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MIDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, medical-imaging, data-augmentation, deep-learning, diagnosis, radiology, synthetic-data]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 이미지 변환 정책을 넘어, 환자의 임상 정보 정책(Text)과 영상 정책을 결합하여 가상의 환자나 질환 진행 경과 정책을 예측 생성하는 '멀티모달 시뮬레이션 정책'으로 진화 중임. (Scientific-Method와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Synthetic-Data]], [[Scientific-Method]], [[Bias-Variance-Tradeoff]], [[Deep Learning (DL)]], [[Generalization]], [[Research]]
+- [[Synthetic-Data]], [[Scientific-Method]], [[Bias-Variance-Tradeoff]], Deep Learning (DL), Generalization, [[Research]]
 - **Key Apps**: Cancer detection, Radiology automation, Pathology analysis.
 ---
diff --git a/10_Wiki/Topics/AI/Memetics.md b/10_Wiki/Topics/AI/Memetics.md
index 3961f18f..0378c21e 100644
--- a/10_Wiki/Topics/AI/Memetics.md
+++ b/10_Wiki/Topics/AI/Memetics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MEME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, memetics, culture, information-replicators, evolutionary-psychology, internet-culture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Memory-Hierarchy.md b/10_Wiki/Topics/AI/Memory-Hierarchy.md
index 4d27d63e..39ca68a4 100644
--- a/10_Wiki/Topics/AI/Memory-Hierarchy.md
+++ b/10_Wiki/Topics/AI/Memory-Hierarchy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MEHI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, memory-hierarchy, computer-architecture, performance, caching, hardware]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Memory-Leak-Debugging-in-JavaScript.md b/10_Wiki/Topics/AI/Memory-Leak-Debugging-in-JavaScript.md
index a640e6e6..a24e33a2 100644
--- a/10_Wiki/Topics/AI/Memory-Leak-Debugging-in-JavaScript.md
+++ b/10_Wiki/Topics/AI/Memory-Leak-Debugging-in-JavaScript.md
@@ -1,12 +1,12 @@
 ---
 id: FE-DEBUG-MEMORY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [javascript, performance, debugging, memory-leak, heap-snapshot, devtools, chrome]
 last_reinforced: 2026-04-26
 ---
 
-# [[Memory Leak Debugging in JavaScript (자바스크립트 메모리 누수 디버깅)]]
+# Memory Leak Debugging in JavaScript (자바스크립트 메모리 누수 디버깅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "더 이상 필요하지 않은 데이터가 가비지 컬렉터(GC)에 의해 회수되지 않고 점유되는 현상을 추적하고, 브라우저 힙(Heap)의 비정상적 비대를 사전에 차단하여 런타임 안정성을 확보하라" — 장기 세션 애플리케이션의 성능 저하와 크래시를 방지하는 고도의 디버깅 기술.
@@ -30,4 +30,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Frontend-Debugging-and-Testing]], [[JavaScript-Optimization-Patterns]], [[React-Error-Boundaries-and-Handling]], [[Frontend-Performance-Optimization-Guide]]
-- **Raw Source:** [[00_Raw/Memory Leak Debugging.md]]
+- **Raw Source:** 00_Raw/Memory Leak Debugging.md
diff --git a/10_Wiki/Topics/AI/Mental-Models.md b/10_Wiki/Topics/AI/Mental-Models.md
index c0876cce..f257ae10 100644
--- a/10_Wiki/Topics/AI/Mental-Models.md
+++ b/10_Wiki/Topics/AI/Mental-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MEMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, mental-models, thinking-tools, decision-making, cognitive-science, wisdom]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Mental-Operations-Synthesized.md b/10_Wiki/Topics/AI/Mental-Operations-Synthesized.md
index b0891f6c..41062b54 100644
--- a/10_Wiki/Topics/AI/Mental-Operations-Synthesized.md
+++ b/10_Wiki/Topics/AI/Mental-Operations-Synthesized.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MOSS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, mental-operations, cognitive-synthesis, reasoning-logic, mindset, intellectual-framework]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Message-Queues-and-Event-Streams.md b/10_Wiki/Topics/AI/Message-Queues-and-Event-Streams.md
index 0242f460..15ee54e5 100644
--- a/10_Wiki/Topics/AI/Message-Queues-and-Event-Streams.md
+++ b/10_Wiki/Topics/AI/Message-Queues-and-Event-Streams.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-MQ-STREAM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, message-queues, kafka, event-streaming, distributed-systems, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Message Queues and Event Streams (메시지 큐와 이벤트 스트림)]]
+# Message Queues and Event Streams (메시지 큐와 이벤트 스트림)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "시스템 사이의 대화를 '비동기적 흐름'으로 전환하여, 서로를 기다리지 않고도 거대한 지능의 하모니를 완성하라" — 데이터를 생성하는 쪽(Producer)과 소비하는 쪽(Consumer)을 분리(Decoupling)하여 시스템의 유연성과 확장성, 내결함성을 극대화하는 통신 인프라.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 사고 로그와 원격 데이터 수집 스트림을 Kafka 기반의 이벤트 스트림으로 관리하여, 실시간 모니터링과 사후 분석을 동시에 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Microservices-Architecture]], [[High-Availability-Systems]], [[System-Design-for-AI-Scale]], [[Real-time-Data-Processing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Message-Queues-and-Event-Streams.md]]
+- [[Microservices-Architecture]], [[High-Availability-Systems]], System-Design-for-AI-Scale, Real-time-Data-Processing
+- **Raw Source:** 10_Wiki/Topics/AI/Message-Queues-and-Event-Streams.md
diff --git a/10_Wiki/Topics/AI/Meta-Learning-in-AI.md b/10_Wiki/Topics/AI/Meta-Learning-in-AI.md
index 8ca65150..b085381b 100644
--- a/10_Wiki/Topics/AI/Meta-Learning-in-AI.md
+++ b/10_Wiki/Topics/AI/Meta-Learning-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-META-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, meta-learning, few-shot-learning, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Meta-Learning in AI (AI에서의 메타 학습)]]
+# Meta-Learning in AI (AI에서의 메타 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 배우는 단계를 넘어, '어떻게 배워야 가장 효율적인가'라는 학습의 본질을 스스로 터득하라" — 새로운 태스크에 직면했을 때 아주 적은 양의 데이터만으로도 빠르게 적응할 수 있도록 모델의 초기 상태나 학습 규칙을 최적화하는 '배우는 법을 배우는(Learning to Learn)' 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 새로운 유형의 프로그래밍 언어나 프레임워크를 접했을 때, 기존 지식을 바탕으로 빠르게 문법을 파악하고 적용할 수 있도록 메타 학습 아키텍처를 도입함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Few-Shot-Learning]], [[Model-Agnostic-Meta-Learning]], [[Transfer-Learning-Foundations]], [[Hyperparameter-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Meta-Learning-in-AI.md]]
+- [[Few-Shot-Learning]], [[Model-Agnostic-Meta-Learning]], Transfer-Learning-Foundations, [[Hyperparameter-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Meta-Learning-in-AI.md
diff --git a/10_Wiki/Topics/AI/Micro-interactions-and-Feedback-Loops.md b/10_Wiki/Topics/AI/Micro-interactions-and-Feedback-Loops.md
index f59a3dd9..6c7729e9 100644
--- a/10_Wiki/Topics/AI/Micro-interactions-and-Feedback-Loops.md
+++ b/10_Wiki/Topics/AI/Micro-interactions-and-Feedback-Loops.md
@@ -1,12 +1,12 @@
 ---
 id: UX-MICRO-INT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux, micro-interactions, feedback-loops, animation, user-engagement, delightful-ux, state-feedback]
 last_reinforced: 2026-04-26
 ---
 
-# [[Micro-interactions and Feedback Loops (마이크로 인터랙션과 피드백 루프)]]
+# Micro-interactions and Feedback Loops (마이크로 인터랙션과 피드백 루프)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자의 아주 작은 동작(클릭, 호버, 스크롤)에도 제품이 살아있음을 느끼게 하는 미세한 반응을 설계하고, 시스템의 현재 상태를 우아하게 전달하여 심리적 안정감과 즐거움을 선사하라" — 사용자 경험의 디테일을 완성하는 마이크로 디자인 요소.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 상호작용 요소(버튼, 링크, 폼)에 대해 0.1초 이내의 즉각적인 피드백 애니메이션 정책을 시행하며, 접근성을 고려하여 애니메이션 감소(Reduced Motion) 옵션 대응 정책을 필수로 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[UX-Design-Principles]], [[User-Centered-Design-Approach]], [[Inclusive-Design-and-UX]], [[Mobile-First-Responsive-Design-Principles]]
-- **Raw Source:** [[00_Raw/Micro-interactions.md]]
+- [[UX-Design-Principles]], User-Centered-Design-Approach, [[Inclusive-Design-and-UX]], [[Mobile-First-Responsive-Design-Principles]]
+- **Raw Source:** 00_Raw/Micro-interactions.md
diff --git a/10_Wiki/Topics/AI/Micro-interactions.md b/10_Wiki/Topics/AI/Micro-interactions.md
index 07779c62..0c598564 100644
--- a/10_Wiki/Topics/AI/Micro-interactions.md
+++ b/10_Wiki/Topics/AI/Micro-interactions.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MICRO-INTERACTIONS
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [UX, Microinteractions, InteractionDesign, Details]
 last_reinforced: 2026-04-20
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Game-Feel-and-Juiciness]] , [[Feedback-Loops-in-Design]]
-- Principle: [[Affordance (행동 유도성)]]
+- Principle: Affordance (행동 유도성)
diff --git a/10_Wiki/Topics/AI/Microservices-Architecture.md b/10_Wiki/Topics/AI/Microservices-Architecture.md
index 05a3b7f1..e4a23390 100644
--- a/10_Wiki/Topics/AI/Microservices-Architecture.md
+++ b/10_Wiki/Topics/AI/Microservices-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-MSA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, microservices, msa, cloud-native, distributed-systems, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Microservices Architecture (마이크로서비스 아키텍처)]]
+# Microservices Architecture (마이크로서비스 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 단일체를 쪼개어 독립적인 생명체들의 연합군으로 만들고, 각자가 가장 잘하는 일에 집중하게 하라" — 애플리케이션을 비즈니스 기능 단위의 작고 독립적인 서비스들로 분리하여 구축하고, 가벼운 통신 프로토콜(주로 REST/gRPC)을 통해 상호작용하게 하는 설계 방식.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 백엔드는 에이전트 브레인, 지식 인덱서, 데이터 수집기 등이 마이크로서비스 형태로 분리되어 있어, 특정 모듈의 부하 증가 시 해당 부분만 즉각 확장할 수 있는 구조를 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Message-Queues-and-Event-Streams]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Kubernetes-for-AI-Orchestration]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Microservices-Architecture.md]]
+- [[Message-Queues-and-Event-Streams]], System-Design-for-AI-Scale, [[High-Availability-Systems]], [[Kubernetes-for-AI-Orchestration]]
+- **Raw Source:** 10_Wiki/Topics/AI/Microservices-Architecture.md
diff --git a/10_Wiki/Topics/AI/Middle-Out-Thinking.md b/10_Wiki/Topics/AI/Middle-Out-Thinking.md
index 180901cc..c5593738 100644
--- a/10_Wiki/Topics/AI/Middle-Out-Thinking.md
+++ b/10_Wiki/Topics/AI/Middle-Out-Thinking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MITH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, middle-out-thinking, problem-solving, design-thinking, bottom-up, top-down]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Minimal-Viable-Product.md b/10_Wiki/Topics/AI/Minimal-Viable-Product.md
index 3614798d..bd9d54fa 100644
--- a/10_Wiki/Topics/AI/Minimal-Viable-Product.md
+++ b/10_Wiki/Topics/AI/Minimal-Viable-Product.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MVPP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, mvp, product-development, lean-startup, validation, fast-iteration]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Minimum-Viable-Product-MVP.md b/10_Wiki/Topics/AI/Minimum-Viable-Product-MVP.md
index 4a3e5414..619e75b4 100644
--- a/10_Wiki/Topics/AI/Minimum-Viable-Product-MVP.md
+++ b/10_Wiki/Topics/AI/Minimum-Viable-Product-MVP.md
@@ -1,12 +1,12 @@
 ---
 id: MGMT-MVP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [product-management, lean-startup, mvp, agile, user-feedback, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Minimum Viable Product (MVP, 최소 기능 제품)]]
+# Minimum Viable Product (MVP, 최소 기능 제품)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "완벽함에 대한 집착을 버리고, 고객이 돈을 지불할 '핵심 가치' 하나를 증명하는 것에 모든 화력을 집중하라" — 새로운 제품을 개발할 때 가설을 검증하고 사용자 피드백을 수집하기에 충분한 최소한의 기능만을 갖춘 제품 버전.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 신규 에이전트 스킬은 MVP 형태로 먼저 구현되어 실전 테스트를 거치며, 사용자 만족도가 확인된 경우에만 정식 라이브러리에 통합됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Lean-Project-Management]], [[Iterative-Development-Models]], [[Agile-Methodologies]], [[G-Stack-Integration-Guide]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Minimum-Viable-Product-MVP.md]]
+- [[Lean-Project-Management]], [[Iterative-Development-Models]], Agile-Methodologies, [[G-Stack-Integration-Guide]]
+- **Raw Source:** 10_Wiki/Topics/AI/Minimum-Viable-Product-MVP.md
diff --git a/10_Wiki/Topics/AI/Mipmap.md b/10_Wiki/Topics/AI/Mipmap.md
index 64603128..f39a0df9 100644
--- a/10_Wiki/Topics/AI/Mipmap.md
+++ b/10_Wiki/Topics/AI/Mipmap.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F5788A
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Mipmap"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Level of Detail (LOD)]], [[Texture Atlas]], [[Data Array Textures]], [[Aliasing]]
-- **Projects/Contexts:** [[Three.js 최적화 파이프라인]], [[GPU 메모리 및 텍스처 압축]]
+- **Related Topics:** [[Level of Detail (LOD)]], [[Texture Atlas]], [[Data Array Textures]], Aliasing
+- **Projects/Contexts:** Three.js 최적화 파이프라인, GPU 메모리 및 텍스처 압축
 - **Contradictions/Notes:** 소스에 따르면 단일 텍스처 아틀라스 기법은 밉맵의 낮은 레벨(low mip levels)에서 텍스처 혼합 현상(블리딩)이라는 단점을 수반하지만 [3], 배열 텍스처(Array Textures) 기법을 사용하면 이러한 Mipmap 간섭 현상을 완전히 배제하고 네이티브 랩핑(wrapping)과 타일링(tiling)을 지원할 수 있습니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Mipmap.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Mobile-AI-Optimization.md b/10_Wiki/Topics/AI/Mobile-AI-Optimization.md
index a38069e0..dad54bf6 100644
--- a/10_Wiki/Topics/AI/Mobile-AI-Optimization.md
+++ b/10_Wiki/Topics/AI/Mobile-AI-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: AI-MOB-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, mobile-ai, optimization, quantization, on-device-ai, edge-computing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Mobile AI Optimization (모바일 AI 최적화)]]
+# Mobile AI Optimization (모바일 AI 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대 모델의 지능을 스마트폰이라는 좁은 틀에 맞춰 압축하되, 그 핵심적인 사고의 깊이는 잃지 마라" — 모바일 기기의 제한된 컴퓨팅 자원(CPU, GPU, NPU)과 배터리 환경에서 AI 모델이 지연 시간 없이 효율적으로 작동하도록 수행하는 모델 경량화 및 실행 최적화 기술.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Inference-Optimization]], [[Knowledge-Distillation]], [[Hardware-Acceleration-for-AI]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Mobile-AI-Optimization.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Mobile-AI-Optimization.md
diff --git a/10_Wiki/Topics/AI/Mobile-Augmented-Reality.md b/10_Wiki/Topics/AI/Mobile-Augmented-Reality.md
index 14e8f774..6c7257af 100644
--- a/10_Wiki/Topics/AI/Mobile-Augmented-Reality.md
+++ b/10_Wiki/Topics/AI/Mobile-Augmented-Reality.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MOAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, mobile-ar, augmented-reality, mobile-computing, cv, mobile-interaction]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 스마트폰 화면을 통해 보는 단계를 넘어, 가벼운 안경(AR Glasses) 형태의 모바일 기기 정책으로 하드웨어가 전이되며 '항상 켜져 있는 AR(Always-on AR) 정책' 시대로 진입 중임. (Hardware와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer Vision]], [[HCI (Human-Computer Interaction)]], [[Internet of Things (IoT)]], [[Hardware]], [[User Experience (UX)]]
+- [[Computer Vision]], [[HCI (Human-Computer Interaction)]], [[Internet of Things (IoT)]], [[Hardware]], User Experience (UX)
 - **Modern Tech/Tools**: ARKit (Apple), ARCore (Google), Unity (Vuforia), Pokémon GO.
 ---
diff --git a/10_Wiki/Topics/AI/Mobile-First-Responsive-Design-Principles.md b/10_Wiki/Topics/AI/Mobile-First-Responsive-Design-Principles.md
index 7ca55c27..85ea7666 100644
--- a/10_Wiki/Topics/AI/Mobile-First-Responsive-Design-Principles.md
+++ b/10_Wiki/Topics/AI/Mobile-First-Responsive-Design-Principles.md
@@ -1,12 +1,12 @@
 ---
 id: UX-MOBILE-FIRST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [mobile-first, responsive-design, ux, css-grid, flexbox, progressive-enhancement, mobile-indexing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Mobile-First Responsive Design Principles (모바일 우선 반응형 설계 원칙)]]
+# Mobile-First Responsive Design Principles (모바일 우선 반응형 설계 원칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "가장 작은 화면과 가장 열악한 네트워크 환경을 설계의 기준점으로 삼아 핵심 가치에 집중하고, 화면이 커짐에 따라 경험을 점진적으로 확장(Progressive Enhancement)하라" — 모바일 트래픽 60% 시대의 웹 디자인 필수 생존 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 레이아웃 설계 시 모바일 시안(360px) 작성을 첫 번째 의무 정책으로 하며, 모바일 성능 점수가 데스크톱보다 높게 유지되도록 하는 'Mobile-Performance-Priority' 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Modern-Web-Design-Best-Practices-2025]], [[UX-Design-Principles]], [[Responsive-Images]], [[SEO-Foundations]]
-- **Raw Source:** [[00_Raw/Mobile-First Design.md]], [[00_Raw/Mobile-First Responsive Design.md]]
+- [[Modern-Web-Design-Best-Practices-2025]], [[UX-Design-Principles]], Responsive-Images, SEO-Foundations
+- **Raw Source:** 00_Raw/Mobile-First Design.md, 00_Raw/Mobile-First Responsive Design.md
diff --git a/10_Wiki/Topics/AI/Model Context Protocol (MCP).md b/10_Wiki/Topics/AI/Model Context Protocol (MCP).md
index 77120f81..f941a523 100644
--- a/10_Wiki/Topics/AI/Model Context Protocol (MCP).md	
+++ b/10_Wiki/Topics/AI/Model Context Protocol (MCP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C8F96B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Model Context Protocol (MCP)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[AI Agents]], [[Static Code Analysis]], [[Automated Code Review]]
-- **Projects/Contexts:** [[SonarQube MCP Server]], [[Cursor]], [[Claude Code]], [[Windsurf]], [[GitHub Copilot]]
+- **Related Topics:** [[AI Agents]], Static Code Analysis, Automated Code Review
+- **Projects/Contexts:** SonarQube MCP Server, Cursor, Claude Code, Windsurf, GitHub Copilot
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 소스에서는 주로 SonarQube 환경에서의 통합 사례를 통해서만 MCP가 설명되고 있으며, 프로토콜 자체의 심층적인 기술적 사양이나 다른 활용 사례에 대한 정보는 없습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Model Context Protocol (MCP).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Model-Agnostic-Meta-Learning.md b/10_Wiki/Topics/AI/Model-Agnostic-Meta-Learning.md
index 3da0e1b7..b2ff00f9 100644
--- a/10_Wiki/Topics/AI/Model-Agnostic-Meta-Learning.md
+++ b/10_Wiki/Topics/AI/Model-Agnostic-Meta-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-MAML-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, meta-learning, maml, few-shot-learning, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Model Agnostic Meta-Learning (MAML, 모델 불가지론적 메타 학습)]]
+# Model Agnostic Meta-Learning (MAML, 모델 불가지론적 메타 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "특정한 지식을 가르치려 하지 말고, 어떤 지식이든 단숨에 흡수할 수 있는 '최고의 시작점'을 찾아라" — 모델 구조에 구애받지 않고, 새로운 태스크에 대해 단 몇 번의 경사 하강법(Gradient Descent) 업데이트만으로도 최적의 성능을 낼 수 있는 가중치 초기값을 학습하는 범용 메타 학습 알고리즘.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 스킬 라이브러리 업데이트 시, 새로운 프로토콜에 빠르게 적응해야 하는 개별 모듈의 초기화 전략으로 MAML의 개념적 프레임워크를 응용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Meta-Learning-in-AI]], [[Few-Shot-Learning]], [[Gradient-Descent-Foundations]], [[Transfer-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Model-Agnostic-Meta-Learning.md]]
+- [[Meta-Learning-in-AI]], [[Few-Shot-Learning]], Gradient-Descent-Foundations, Transfer-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Model-Agnostic-Meta-Learning.md
diff --git a/10_Wiki/Topics/AI/Model-Compression-Strategies.md b/10_Wiki/Topics/AI/Model-Compression-Strategies.md
index 5b65ea11..405eeba4 100644
--- a/10_Wiki/Topics/AI/Model-Compression-Strategies.md
+++ b/10_Wiki/Topics/AI/Model-Compression-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: AI-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, model-compression, quantization, pruning, efficient-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Model Compression Strategies (모델 압축 전략)]]
+# Model Compression Strategies (모델 압축 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 지능은 보존하되 그 몸집(Parameters)을 줄여, 클라우드의 한계를 넘어 모든 기기에서 지능이 숨 쉬게 하라" — 딥러닝 모델의 크기와 연산 복잡도를 줄여 추론 속도를 높이고 메모리 사용량을 절감하는 기술적 방법론.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Mobile-AI-Optimization]], [[Knowledge-Distillation]], [[Inference-Optimization]], [[Low-Rank-Adaptation-LoRA]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Model-Compression-Strategies.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Model-Compression-Strategies.md
diff --git a/10_Wiki/Topics/AI/Model-Compression.md b/10_Wiki/Topics/AI/Model-Compression.md
index c84e02ca..195b3733 100644
--- a/10_Wiki/Topics/AI/Model-Compression.md
+++ b/10_Wiki/Topics/AI/Model-Compression.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MC
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [AI, ModelCompression, Optimization, Efficiency]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 압축이 너무 심하면 모델의 '상식'이나 '희귀 케이스 대응력'이 급격히 무너지는 현상(Performance Degradation)이 발생한다. 최근에는 단순히 압축하는 것을 넘어, 압축된 상태에서 다시 훈련시켜 성능을 복원하는 'Quantization-aware Training'이 대규모 언어 모델 서빙의 필수 기술이 되었다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Knowledge-Distillation]] , [[Low-Rank Adaptation (LoRA)]]
-- Hardware: [[Edge-AI]]
+- Related: [[Knowledge-Distillation]] , Low-Rank Adaptation (LoRA)
+- Hardware: Edge-AI
diff --git a/10_Wiki/Topics/AI/Model-Deployment-Patterns.md b/10_Wiki/Topics/AI/Model-Deployment-Patterns.md
index d41cc712..121813e2 100644
--- a/10_Wiki/Topics/AI/Model-Deployment-Patterns.md
+++ b/10_Wiki/Topics/AI/Model-Deployment-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: MLOPS-DEPLOY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [mlops, model-deployment, cicd, canary-deployment, blue-green, system-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Model Deployment Patterns (모델 배포 패턴)]]
+# Model Deployment Patterns (모델 배포 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 교체가 서비스의 중단이 아닌 '자연스러운 진화'가 되도록, 안전하고 탄력적인 배포 관문을 설계하라" — 머신러닝 모델을 프로덕션 환경에 적용할 때 리스크를 최소화하고 안정적인 전환을 보장하기 위한 아키텍처 패턴.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Microservices-Architecture]], [[Load-Balancing-Strategies]], [[Model-Drift-and-Monitoring]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Model-Deployment-Patterns.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Model-Deployment-Patterns.md
diff --git a/10_Wiki/Topics/AI/Model-Drift-and-Monitoring.md b/10_Wiki/Topics/AI/Model-Drift-and-Monitoring.md
index b59024d5..356df27b 100644
--- a/10_Wiki/Topics/AI/Model-Drift-and-Monitoring.md
+++ b/10_Wiki/Topics/AI/Model-Drift-and-Monitoring.md
@@ -1,12 +1,12 @@
 ---
 id: MLOPS-DRIFT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [mlops, model-drift, monitoring, observability, concept-drift, data-drift]
 last_reinforced: 2026-04-26
 ---
 
-# [[Model Drift and Monitoring (모델 드리프트와 모니터링)]]
+# Model Drift and Monitoring (모델 드리프트와 모니터링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상은 끊임없이 변하며, 오늘의 최적 모델은 내일의 구식(Legacy)이 됨을 직시하고 데이터의 변심을 실시간으로 감지하라" — 배포된 모델의 성능이 시간이 지남에 따라 저하되는 현상을 포착하고, 입력 데이터와 예측 결과의 통계적 변화를 모니터링하여 적시에 재학습(Retraining)을 수행하는 체계.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Model-Deployment-Patterns]], [[Kullback-Leibler-Divergence]], [[Exploratory-Data-Analysis]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Model-Drift-and-Monitoring.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Model-Drift-and-Monitoring.md
diff --git a/10_Wiki/Topics/AI/Model-Ensemble-Methods.md b/10_Wiki/Topics/AI/Model-Ensemble-Methods.md
index cf632122..44800942 100644
--- a/10_Wiki/Topics/AI/Model-Ensemble-Methods.md
+++ b/10_Wiki/Topics/AI/Model-Ensemble-Methods.md
@@ -1,12 +1,12 @@
 ---
 id: ML-ENS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, ensemble, bagging, boosting, stacking, model-performance]
 last_reinforced: 2026-04-26
 ---
 
-# [[Model Ensemble Methods (모델 앙상블 기법)]]
+# Model Ensemble Methods (모델 앙상블 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단일 모델의 한계를 '집단 지성'으로 돌파하고, 서로의 오차를 보완하여 가장 견고한 정답을 도출하라" — 여러 개의 약한 학습기(Weak Learners)를 결합하여 하나의 강력한 학습기(Strong Learner)를 만드는 머신러닝의 성능 극대화 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 중요 의사결정(지식 삭제 여부 등) 시, 서로 다른 아키텍처를 가진 3개 이상의 모델 응답을 앙상블하여 최종 결정을 내리는 '합의 알고리즘'을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision-Trees-and-Random-Forests]], [[Supervised-Learning-Foundations]], [[Gradient-Descent-Foundations]], [[Hyperparameter-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Model-Ensemble-Methods.md]]
+- Decision-Trees-and-Random-Forests, [[Supervised-Learning-Foundations]], Gradient-Descent-Foundations, [[Hyperparameter-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Model-Ensemble-Methods.md
diff --git a/10_Wiki/Topics/AI/Model-Interpretability-Tools.md b/10_Wiki/Topics/AI/Model-Interpretability-Tools.md
index 7b0496c5..db85f07c 100644
--- a/10_Wiki/Topics/AI/Model-Interpretability-Tools.md
+++ b/10_Wiki/Topics/AI/Model-Interpretability-Tools.md
@@ -1,12 +1,12 @@
 ---
 id: AI-XAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, xai, interpretability, shap, lime, trustworthy-ai, explainability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Model Interpretability Tools (모델 해석 가능성 도구)]]
+# Model Interpretability Tools (모델 해석 가능성 도구)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "결과만 제시하는 고집불통 AI를 '이유를 설명하는' 협력자로 바꾸어, 인간이 기계의 지능을 신뢰하고 통제하게 하라" — 복잡한 머신러닝 모델의 판단 근거를 시각화하거나 수치로 정량화하여, 어떤 변수가 결과에 결정적인 영향을 미쳤는지 인간이 이해할 수 있게 돕는 도구 및 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 삭제나 중요 가이드라인 위반 판단 시, SHAP 값을 함께 기록하여 관리자가 AI의 판단 근거를 상시 모니터링할 수 있는 체계를 구축함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Explainable-AI-XAI]], [[Trustworthy-AI]], [[AI-Ethics]], [[Transformer-Architecture-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Model-Interpretability-Tools.md]]
+- [[Explainable-AI-XAI]], [[Trustworthy-AI]], AI-Ethics, Transformer-Architecture-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Model-Interpretability-Tools.md
diff --git a/10_Wiki/Topics/AI/Model-Predictive-Control (MPC).md b/10_Wiki/Topics/AI/Model-Predictive-Control (MPC).md
index 2f9660be..eaf2ed8f 100644
--- a/10_Wiki/Topics/AI/Model-Predictive-Control (MPC).md	
+++ b/10_Wiki/Topics/AI/Model-Predictive-Control (MPC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MPC
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Engineering, ControlTheory, MPC, Predictive]
 last_reinforced: 2026-04-20
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Control-Theory]] , [[Decision Theory]]
-- AI Hybrid: [[Deep-Reinforcement-Learning-for-Control]]
+- AI Hybrid: Deep-Reinforcement-Learning-for-Control
diff --git a/10_Wiki/Topics/AI/Modern-Frontend-Engineering-Architecture.md b/10_Wiki/Topics/AI/Modern-Frontend-Engineering-Architecture.md
index 31d0652e..28df62f1 100644
--- a/10_Wiki/Topics/AI/Modern-Frontend-Engineering-Architecture.md
+++ b/10_Wiki/Topics/AI/Modern-Frontend-Engineering-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ARCH-MODERN-2025-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, architecture, 2025, modern-web, engineering-standards, observability, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Modern Frontend Engineering Architecture (현대 프런트엔드 엔지니어링 아키텍처)]]
+# Modern Frontend Engineering Architecture (현대 프런트엔드 엔지니어링 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 UI 구현을 넘어 성능, 보안, 접근성, 그리고 비즈니스 로직의 견고함을 아우르는 통합적 엔지니어링 체계를 구축하고, 0.1초의 응답성이 비즈니스의 승패를 결정함을 인지하라" — 2025년 기준 최첨단 프런트엔드 기술 생태계의 정수.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Large-scale-Application-Architecture-Patterns]], [[Nextjs-App-Router-Architecture]], [[Core-Web-Vitals-Metrics]], [[Frontend-Team-Collaboration-and-Governance]]
-- **Raw Source:** [[00_Raw/Modern Frontend Engineering Architecture.md]]
+- **Raw Source:** 00_Raw/Modern Frontend Engineering Architecture.md
diff --git a/10_Wiki/Topics/AI/Modern-React-Application-Architecture-Patterns.md b/10_Wiki/Topics/AI/Modern-React-Application-Architecture-Patterns.md
index d85453ac..9f0e0938 100644
--- a/10_Wiki/Topics/AI/Modern-React-Application-Architecture-Patterns.md
+++ b/10_Wiki/Topics/AI/Modern-React-Application-Architecture-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ARCH-REACT-MODERN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, architecture, components, separation-of-concerns, domain-driven-design, hooks, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Modern React Application Architecture Patterns (현대 React 애플리케이션 아키텍처 패턴)]]
+# Modern React Application Architecture Patterns (현대 React 애플리케이션 아키텍처 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "UI 렌더링(JSX), 비즈니스 로직(Custom Hooks), 상태 관리(Global/Server State), 그리고 도메인 규칙(Features)을 명확하게 분리하여, 변화에 유연하고 테스트 가능한 '컴포넌트 중심 분산 시스템'을 설계하라" — 확장성 있는 React 앱을 위한 구조적 가이드라인.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Large-scale-Application-Architecture-Patterns]], [[Custom-Hooks-Patterns]], [[State-Management-Architecture-and-Ownership]], [[Frontend-Architecture-and-Folder-Structure]]
-- **Raw Source:** [[00_Raw/React Application Architecture.md]]
+- **Raw Source:** 00_Raw/React Application Architecture.md
diff --git a/10_Wiki/Topics/AI/Modern-Web-Design-Best-Practices-2025.md b/10_Wiki/Topics/AI/Modern-Web-Design-Best-Practices-2025.md
index ca8fb7d0..f5933360 100644
--- a/10_Wiki/Topics/AI/Modern-Web-Design-Best-Practices-2025.md
+++ b/10_Wiki/Topics/AI/Modern-Web-Design-Best-Practices-2025.md
@@ -1,12 +1,12 @@
 ---
 id: UX-DESIGN-2025-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [web-design, ux, 2025, best-practices, accessibility, performance, ai-personalization, dark-mode]
 last_reinforced: 2026-04-26
 ---
 
-# [[Modern Web Design Best Practices 2025 (현대 웹 디자인 모범 사례 2025)]]
+# Modern Web Design Best Practices 2025 (현대 웹 디자인 모범 사례 2025)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "시각적 화려함을 넘어 데이터에 기반한 개인화와 극한의 사용 편의성을 결합하고, 인간 사용자와 AI 크롤러 모두에게 명확한 가치를 전달하는 '지능형 인터페이스'를 구축하라" — 2025년 웹 디자인의 기술적/미학적 표준 가이드라인.
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Modern-Frontend-Engineering-Architecture]], [[UX-Design-Principles]], [[Inclusive-Design-and-UX]], [[AI-Personalization-and-Adaptive-UX]], [[A-B-Testing-and-Data-Driven-UX]]
-- **Raw Source:** [[00_Raw/Modern Web Design Best Practices for 2025.md]]
+- **Raw Source:** 00_Raw/Modern Web Design Best Practices for 2025.md
diff --git a/10_Wiki/Topics/AI/Modern-Website-Architecture.md b/10_Wiki/Topics/AI/Modern-Website-Architecture.md
index ca9db91f..361382be 100644
--- a/10_Wiki/Topics/AI/Modern-Website-Architecture.md
+++ b/10_Wiki/Topics/AI/Modern-Website-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: WEB-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [web-architecture, ux, performance, seo, core-web-vitals, billboard-model]
 last_reinforced: 2026-04-26
 ---
 
-# [[Modern Website Architecture (현대 웹사이트 아키텍처)]]
+# Modern Website Architecture (현대 웹사이트 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기술적 고성능(Engineering)과 전환 중심의 사용자 경험(UX)을 빌보드 모델로 통합하여, 밀리초 단위의 속도로 비즈니스의 생존력을 증명하라" — 코어 웹 바이탈(Core Web Vitals) 성능과 모바일 우선주의 디자인, 그리고 AI 검색 엔진 최적화가 완벽하게 결합된 현대적 웹 생태계 구조.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 기반 인터페이스 설계 시, `00_Raw`에 정의된 현대 웹 아키텍처 원칙을 준수하여 0.1초 이내의 인터랙션 반응성을 보장하는 것을 원칙으로 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Core-Web-Vitals]], [[SEO-Foundations]], [[Single-Page-Applications-SPA]], [[Mobile-First-Design]], [[User-Experience-UX-Design]]
-- **Raw Source:** [[00_Raw/Modern Website Architecture.md]]
+- [[Core-Web-Vitals]], SEO-Foundations, Single-Page-Applications-SPA, Mobile-First-Design, User-Experience-UX-Design
+- **Raw Source:** 00_Raw/Modern Website Architecture.md
diff --git a/10_Wiki/Topics/AI/Modular-Design.md b/10_Wiki/Topics/AI/Modular-Design.md
index 18543443..8d338706 100644
--- a/10_Wiki/Topics/AI/Modular-Design.md
+++ b/10_Wiki/Topics/AI/Modular-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MODE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, modular-design, architecture, abstraction, reuse, scalability]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Modular-Programming.md b/10_Wiki/Topics/AI/Modular-Programming.md
index ac898662..d03261ea 100644
--- a/10_Wiki/Topics/AI/Modular-Programming.md
+++ b/10_Wiki/Topics/AI/Modular-Programming.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MODULAR
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.00
 tags: [SoftwareEngineering, Modularization, Architecture, Separation]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - 너무 잘게 쪼개면 '모듈 간 통신 비용(Latentcy, Complexity)'이 관리 비용보다 커지는 **'나노서비스'**의 함정에 빠진다. "어디까지 쪼갤 것인가"는 정답이 없으며, 프로젝트의 규모와 팀의 소통 능력에 따라 유동적으로 결정해야 하는 '엔지니어링적 감각'의 영역이다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Loose-Coupling]] , [[Single-Responsibility-Principle (SRP)]]
+- Related: [[Loose-Coupling]] , Single-Responsibility-Principle (SRP)
 - Result: [[Microservices-Architecture]]
diff --git a/10_Wiki/Topics/AI/Modularity.md b/10_Wiki/Topics/AI/Modularity.md
index 34995191..d29ad7d1 100644
--- a/10_Wiki/Topics/AI/Modularity.md
+++ b/10_Wiki/Topics/AI/Modularity.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MODU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, modularity, systems-theory, decoupling, robustness, complexity-management]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Momentum-and-Optimization.md b/10_Wiki/Topics/AI/Momentum-and-Optimization.md
index f59616e3..1cd00650 100644
--- a/10_Wiki/Topics/AI/Momentum-and-Optimization.md
+++ b/10_Wiki/Topics/AI/Momentum-and-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: DL-OPT-MOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, optimization, momentum, gradient-descent, adam]
 last_reinforced: 2026-04-26
 ---
 
-# [[Momentum and Optimization (모멘텀과 최적화)]]
+# Momentum and Optimization (모멘텀과 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기울기의 관성(Velocity)을 이용하여 평탄한 길은 빠르게 주파하고, 웅덩이(Local Minima)는 과감하게 뛰어넘어라" — 경사 하강법에 물리적인 '운동량' 개념을 도입하여, 이전 업데이트의 방향과 속도를 현재 학습에 반영함으로써 수렴 속도를 높이고 최적화의 안정성을 확보하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 거대 언어 모델의 가중치 업데이트 시, 안정적인 수렴과 일반화 성능을 극대화하기 위해 AdamW(가중치 감쇠가 포함된 Adam)와 적절한 모멘텀 계수(0.9)를 기본값으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gradient-Descent-Foundations]], [[Hyperparameter-Optimization]], [[Global-vs-Local-Optima]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Momentum-and-Optimization.md]]
+- Gradient-Descent-Foundations, [[Hyperparameter-Optimization]], [[Global-vs-Local-Optima]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Momentum-and-Optimization.md
diff --git a/10_Wiki/Topics/AI/Monolithic-vs-Microservices.md b/10_Wiki/Topics/AI/Monolithic-vs-Microservices.md
index 6fce10af..7443451c 100644
--- a/10_Wiki/Topics/AI/Monolithic-vs-Microservices.md
+++ b/10_Wiki/Topics/AI/Monolithic-vs-Microservices.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-MONOLITHIC-MICRO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [Architecture, Microservices, Monolithic, Systems]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 최근에는 MSA의 과도한 복잡성에 실망한 기업들이 다시 모놀리식으로 돌아오는 '회귀 현상'이 있다. 하지만 단순히 과거로 가는 것이 아니라, 모놀리식의 편의성과 마이크로서비스의 명확한 경계(Bounded Context)를 결합한 **'Modular Monolith'**가 현실적인 최적 대안으로 급부상하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Event-Driven-Architecture]] , [[Domain-Driven-Design]]
-- Pattern: [[Saga-Pattern]]
+- Related: [[Event-Driven-Architecture]] , Domain-Driven-Design
+- Pattern: Saga-Pattern
diff --git a/10_Wiki/Topics/AI/Monte-Carlo-Integration.md b/10_Wiki/Topics/AI/Monte-Carlo-Integration.md
index c451c374..60b69dfa 100644
--- a/10_Wiki/Topics/AI/Monte-Carlo-Integration.md
+++ b/10_Wiki/Topics/AI/Monte-Carlo-Integration.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MC-INT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, monte-carlo, integration, sampling, numerical-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Monte Carlo Integration (몬테카를로 적분)]]
+# Monte Carlo Integration (몬테카를로 적분)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "해석적으로 풀 수 없는 복잡한 영역의 넓이를 무작위 샘플링의 통계적 평균으로 정복하라" — 함수의 적분값을 구하기 위해 영역 내에서 무작위 점을 추출하고, 그 점들의 함숫값 평균을 통해 전체 적분량을 근사적으로 계산하는 수치 해석 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 불확실한 보상 기대치를 계산하거나 대규모 지식 그래프의 잠재적 연결 강도를 추정할 때, 몬테카를로 적분 원리를 기반으로 한 시뮬레이션을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Markov-Chain-Monte-Carlo]], [[Probability-Theory]], [[Monte-Carlo-Tree-Search-MCTS]], [[Bayesian-Inference]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Monte-Carlo-Integration.md]]
+- [[Markov-Chain-Monte-Carlo]], Probability-Theory, [[Monte-Carlo-Tree-Search-MCTS]], Bayesian-Inference
+- **Raw Source:** 10_Wiki/Topics/AI/Monte-Carlo-Integration.md
diff --git a/10_Wiki/Topics/AI/Monte-Carlo-Methods.md b/10_Wiki/Topics/AI/Monte-Carlo-Methods.md
index 8ea26578..f8d4734a 100644
--- a/10_Wiki/Topics/AI/Monte-Carlo-Methods.md
+++ b/10_Wiki/Topics/AI/Monte-Carlo-Methods.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MCMT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, monte-carlo, simulation, probability, statistics, sampling]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 강화 학습의 핵심인 '몬테카를로 트리 탐색(MCTS)' 정책은 모든 경로를 다 가보는 대신 가망 있는 곳만 무작위로 찔러보며 최적의 수를 찾아냄으로써 알파고 탄생의 결정적 정책 토대가 됨. (Markov-Decision-Processes와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Inferential-Statistics]], [[Markov-Decision-Processes]], [[Deep Learning (DL)]], [[Optimization]], [[Search-Optimization]]
+- [[Inferential-Statistics]], [[Markov-Decision-Processes]], Deep Learning (DL), [[Optimization]], [[Search-Optimization]]
 - **Modern Tech/Tools**: MCTS (Monte Carlo Tree Search), Gibbs sampling, Markov Chain Monte Carlo (MCMC).
 ---
diff --git a/10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md b/10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md
index 0d14f7fe..b44a5afc 100644
--- a/10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md
+++ b/10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md
@@ -1,12 +1,12 @@
 ---
 id: ALGO-MCTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [algorithm, ai, search, mcts, alphago, reinforcement-learning, game-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Monte Carlo Tree Search (MCTS, 몬테카를로 트리 탐색)]]
+# Monte Carlo Tree Search (MCTS, 몬테카를로 트리 탐색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모든 가능성을 뒤지는 대신, 승산 있는 길을 무작위로 끝까지 가보고 최선의 선택지를 역으로 추적하라" — 방대한 탐색 공간에서 유망한 경로를 선택하고 무작위 시뮬레이션을 통해 가치를 평가하여 최적의 의사결정을 내리는 지능형 탐색 알고리즘.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 복잡한 문제 해결 시나리오(예: 다단계 코드 리팩토링 경로 탐색) 시, 각 단계의 잠재적 리스크와 이득을 평가하기 위해 MCTS 기반의 의사결정 시뮬레이션을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Markov-Decision-Process-MDP]], [[Reinforcement-Learning]], [[Monte-Carlo-Integration]], [[Search-Algorithms]], [[Game-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md]]
+- [[Markov-Decision-Process-MDP]], [[Reinforcement-Learning]], [[Monte-Carlo-Integration]], Search-Algorithms, [[Game-Theory]]
+- **Raw Source:** 10_Wiki/Topics/AI/Monte-Carlo-Tree-Search-MCTS.md
diff --git a/10_Wiki/Topics/AI/Multi-Agent-Reinforcement-Learning.md b/10_Wiki/Topics/AI/Multi-Agent-Reinforcement-Learning.md
index 10882995..e7d647f7 100644
--- a/10_Wiki/Topics/AI/Multi-Agent-Reinforcement-Learning.md
+++ b/10_Wiki/Topics/AI/Multi-Agent-Reinforcement-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: RL-MARL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, multi-agent, marl, game-theory, coordination]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multi-Agent Reinforcement Learning (MARL, 다중 에이전트 강화학습)]]
+# Multi-Agent Reinforcement Learning (MARL, 다중 에이전트 강화학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "개별 에이전트의 이기심을 넘어 집단의 하모니를 구축하고, 상호작용의 역동성 속에서 창발적 지능을 발현하라" — 여러 개의 독립적인 학습 주체(Agents)가 동일한 환경에서 동시에 학습하며 서로 협력하거나 경쟁하여 목표를 달성하는 강화학습 체계.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 여러 협업 AI(Planning Agent, Coding Agent, Review Agent 등)가 상호작용하며 하나의 작업을 완료할 때, 최적의 협업 효율을 도출하기 위해 MARL 기반의 워크플로우 최적화를 연구함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Game-Theory]], [[Monte-Carlo-Tree-Search-MCTS]], [[Graph-Neural-Networks-GNN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multi-Agent-Reinforcement-Learning.md]]
+- [[Reinforcement-Learning]], [[Game-Theory]], [[Monte-Carlo-Tree-Search-MCTS]], Graph-Neural-Networks-GNN
+- **Raw Source:** 10_Wiki/Topics/AI/Multi-Agent-Reinforcement-Learning.md
diff --git a/10_Wiki/Topics/AI/Multi-Agent-Systems-MAS.md b/10_Wiki/Topics/AI/Multi-Agent-Systems-MAS.md
index 5a50e95d..6faf3887 100644
--- a/10_Wiki/Topics/AI/Multi-Agent-Systems-MAS.md
+++ b/10_Wiki/Topics/AI/Multi-Agent-Systems-MAS.md
@@ -1,12 +1,12 @@
 ---
 id: MAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, multi-agent, collaboration, distributed-systems, game-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multi-Agent Systems (MAS, 다중 에이전트 시스템)]]
+# Multi-Agent Systems (MAS, 다중 에이전트 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "독립적인 지능체들의 협력을 통해 거대한 문제를 해결하라" — 개별적으로 의사결정을 내리는 여러 에이전트가 상호작용하며 공통의 목표를 달성하거나 각자의 이익을 최적화하는 분산 지능 시스템.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '플래너', '가드너', '코더' 등 서로 다른 스킬을 가진 에이전트들이 협업하는 MAS 구조를 핵심 아키텍처로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Agentic-Workflow]], [[Game-Theory]], [[Distributed-Computing]], [[Separation-of-Concerns]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multi-Agent-Systems-MAS.md]]
+- Agentic-Workflow, [[Game-Theory]], [[Distributed-Computing]], Separation-of-Concerns
+- **Raw Source:** 10_Wiki/Topics/AI/Multi-Agent-Systems-MAS.md
diff --git a/10_Wiki/Topics/AI/Multi-Head-Attention-Mechanism.md b/10_Wiki/Topics/AI/Multi-Head-Attention-Mechanism.md
index ab4e2d23..f849db60 100644
--- a/10_Wiki/Topics/AI/Multi-Head-Attention-Mechanism.md
+++ b/10_Wiki/Topics/AI/Multi-Head-Attention-Mechanism.md
@@ -1,12 +1,12 @@
 ---
 id: DL-TR-MHA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, transformer, multi-head-attention, self-attention, nlp]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multi-Head Attention Mechanism (멀티 헤드 어텐션 메커니즘)]]
+# Multi-Head Attention Mechanism (멀티 헤드 어텐션 메커니즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정보의 바다를 한 쌍의 눈이 아닌, 서로 다른 관점을 가진 여러 개의 눈으로 동시에 주시하여 입체적인 문맥을 완성하라" — 입력 데이터를 여러 개의 독립적인 하위 공간(Subspaces)으로 투영하여 다양한 관계 정보를 병렬적으로 학습하고 통합하는 트랜스포머 아키텍처의 핵심 메커니즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 핵심 추론 엔진은 지식 문서의 구조적 계층과 텍스트의 의미적 연결을 동시에 포착하기 위해 최적화된 8개 이상의 멀티 헤드 어텐션 레이어를 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformer-Architecture-Foundations]], [[Self-Attention-Foundations]], [[GPT-Architecture-Foundations]], [[BERT-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multi-Head-Attention-Mechanism.md]]
+- Transformer-Architecture-Foundations, Self-Attention-Foundations, [[GPT-Architecture-Foundations]], BERT-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Multi-Head-Attention-Mechanism.md
diff --git a/10_Wiki/Topics/AI/Multi-Modal-Learning.md b/10_Wiki/Topics/AI/Multi-Modal-Learning.md
index bf1e3ad4..6361434b 100644
--- a/10_Wiki/Topics/AI/Multi-Modal-Learning.md
+++ b/10_Wiki/Topics/AI/Multi-Modal-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-MODAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, multi-modal, clip, dall-e, cross-modal-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multi-Modal Learning (멀티모달 학습)]]
+# Multi-Modal Learning (멀티모달 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "언어의 개념과 이미지의 형상을 하나의 공통된 공간(Latent Space)에서 융합하여, 보고 듣고 말하는 통합 지능을 완성하라" — 텍스트, 이미지, 오디오, 비디오 등 서로 다른 형식의 데이터를 동시에 학습하여 모달리티 간의 상관관계를 파악하고 상호 변환하는 학습 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 코드 설명뿐만 아니라 아키텍처 다이어그램(Image)과 사용자의 음성 지시(Audio)를 동시에 해석할 수 있도록 멀티모달 추론 레이어를 확장 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformer-Architecture-Foundations]], [[Computer-Vision-Foundations]], [[NLP-Foundations]], [[Generative-Adversarial-Networks-GAN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multi-Modal-Learning.md]]
+- Transformer-Architecture-Foundations, Computer-Vision-Foundations, NLP-Foundations, Generative-Adversarial-Networks-GAN
+- **Raw Source:** 10_Wiki/Topics/AI/Multi-Modal-Learning.md
diff --git a/10_Wiki/Topics/AI/Multi-agent-System.md b/10_Wiki/Topics/AI/Multi-agent-System.md
index c3f4aa62..38bfa160 100644
--- a/10_Wiki/Topics/AI/Multi-agent-System.md
+++ b/10_Wiki/Topics/AI/Multi-agent-System.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MASY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, multi-agent-system, mas, autonomous-agents, collaboration, swarm-intelligence]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에이전트가 늘어날수록 발생하는 소통 비용과 의견 충돌 정책을 해결하기 위해, 팀장의 역할을 하는 'Manager Agent'나 투표 시스템 정책 등을 활용하는 고도의 '에이전트 거버넌스 정책'이 중요해짐.
 
 ## 🔗 지식 연결 (Graph)
-- [[Agentic-Workflow]], [[Modular-Design]], [[Large Language Models (LLM)]], [[Innovation]], [[Leadership]]
+- Agentic-Workflow, [[Modular-Design]], [[Large Language Models (LLM)]], [[Innovation]], [[Leadership]]
 - **Modern Tech/Tools**: AutoGen (Microsoft), CrewAI, LangGraph, Swarm intelligence algorithms.
 ---
diff --git a/10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md b/10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md
index 80d9da26..df6eb501 100644
--- a/10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md
+++ b/10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md
@@ -1,12 +1,12 @@
 ---
 id: RL-MAB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, multi-armed-bandit, exploration-exploitation, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multi-armed Bandit Problem (다중 슬롯머신 문제)]]
+# Multi-armed Bandit Problem (다중 슬롯머신 문제)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "최선의 보상을 주는 슬롯머신을 찾기 위해, 익숙한 기계를 당길 것인가(Exploit) 아니면 새로운 기계에 도전할 것인가(Explore)의 균형을 잡아라" — 제한된 자원으로 최대의 이익을 얻기 위해 탐색과 활용 사이의 딜레마를 해결하는 가장 기초적인 순차적 의사결정 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 여러 도구(Tool) 중 현재 문제 해결에 가장 적합한 도구를 선택할 때, 과거 성공률을 기반으로 한 톰슨 샘플링 기법을 적용하여 최적의 도구 활용 전략을 수립함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Monte-Carlo-Tree-Search-MCTS]], [[Expected-Utility-Theory]], [[A-B-Testing-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md]]
+- [[Reinforcement-Learning]], [[Monte-Carlo-Tree-Search-MCTS]], Expected-Utility-Theory, A-B-Testing-Optimization
+- **Raw Source:** 10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md
diff --git a/10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md b/10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md
index 8e2ce685..88ca7c06 100644
--- a/10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md
+++ b/10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md
@@ -1,12 +1,12 @@
 ---
 id: DL-MLP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, mlp, neural-networks, backpropagation, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multilayer Perceptron (MLP, 다층 퍼셉트론)]]
+# Multilayer Perceptron (MLP, 다층 퍼셉트론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 선형적 판단을 넘어, 비선형의 층(Hidden Layers)을 쌓아 세상의 복잡한 비논리를 논리적으로 해체하라" — 여러 개의 퍼셉트론 레이어를 쌓고 비선형 활성화 함수를 결합하여 임의의 복잡한 함수를 근사할 수 있는 가장 기본적인 심층 신경망 구조.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 상황 판단 모듈이나 가벼운 특징 분류기 설계 시, 구조적 단순함과 범용성을 갖춘 MLP 아키텍처를 우선적으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]], [[Activation-Functions]], [[Softmax-Regression-and-Classification]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md]]
+- Deep-Learning-Foundations, Backpropagation-Foundations, Activation-Functions, Softmax-Regression-and-Classification
+- **Raw Source:** 10_Wiki/Topics/AI/Multilayer-Perceptron-MLP.md
diff --git a/10_Wiki/Topics/AI/Multimodal-Learning.md b/10_Wiki/Topics/AI/Multimodal-Learning.md
index eeb3326e..a229eea6 100644
--- a/10_Wiki/Topics/AI/Multimodal-Learning.md
+++ b/10_Wiki/Topics/AI/Multimodal-Learning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-MULE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, multimodal, ai-learning, cross-modal, computer-vision, nlp]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Multinomial-Naive-Bayes.md b/10_Wiki/Topics/AI/Multinomial-Naive-Bayes.md
index 9d80c69d..d8b39f72 100644
--- a/10_Wiki/Topics/AI/Multinomial-Naive-Bayes.md
+++ b/10_Wiki/Topics/AI/Multinomial-Naive-Bayes.md
@@ -1,12 +1,12 @@
 ---
 id: ML-MNB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, nlp, naive-bayes, text-classification, statistics, bayesian]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multinomial Naive Bayes (다항 나이브 베이즈)]]
+# Multinomial Naive Bayes (다항 나이브 베이즈)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단어의 빈도 속에 숨겨진 확률의 힘을 믿고, 복잡한 문맥 대신 통계적 정직함으로 문서를 분류하라" — 각 특징(단어 빈도)이 다항 분포를 따른다고 가정하고, 베이즈 정리를 활용하여 문서의 카테고리를 예측하는 텍스트 마이닝의 고전적 베이스라인 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 수집된 원시 데이터(Raw Data)를 1차적으로 빠르게 카테고리화하거나, 키워드 기반의 의도 분류를 수행할 때 비용 대비 효율이 극대화된 다항 나이브 베이즈 모델을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Naive-Bayes-Classifiers]], [[NLP-Foundations]], [[Probability-Theory]], [[Supervised-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multinomial-Naive-Bayes.md]]
+- [[Naive-Bayes-Classifiers]], NLP-Foundations, Probability-Theory, [[Supervised-Learning-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Multinomial-Naive-Bayes.md
diff --git a/10_Wiki/Topics/AI/Multivariate-Analysis.md b/10_Wiki/Topics/AI/Multivariate-Analysis.md
index 6f9ce66f..3fdcfc03 100644
--- a/10_Wiki/Topics/AI/Multivariate-Analysis.md
+++ b/10_Wiki/Topics/AI/Multivariate-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MVA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, math, multivariate-analysis, pca, mva, data-science]
 last_reinforced: 2026-04-26
 ---
 
-# [[Multivariate Analysis (다변량 분석)]]
+# Multivariate Analysis (다변량 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단일 변수의 관찰을 넘어, 변수들 사이의 복잡한 얽힘과 상호작용 속에서 데이터의 진짜 형상을 발견하라" — 둘 이상의 변수가 동시에 가지는 통계적 특성과 상관관계를 분석하여, 데이터 내의 숨겨진 패턴이나 구조를 파악하는 통계적 방법론의 총칭.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 다양한 성능 지표(응답 속도, 정확도, 토큰 사용량 등) 사이의 복합적인 상관관계를 분석하여 전체적인 시스템 효율을 최적화할 때 다변량 분석 기법을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principal-Component-Analysis-PCA]], [[Linear-Discriminant-Analysis]], [[Exploratory-Data-Analysis]], [[Correlation-vs-Causality]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Multivariate-Analysis.md]]
+- Principal-Component-Analysis-PCA, [[Linear-Discriminant-Analysis]], [[Exploratory-Data-Analysis]], Correlation-vs-Causality
+- **Raw Source:** 10_Wiki/Topics/AI/Multivariate-Analysis.md
diff --git a/10_Wiki/Topics/AI/Mutual-Information.md b/10_Wiki/Topics/AI/Mutual-Information.md
index 7e97c88a..c9af7068 100644
--- a/10_Wiki/Topics/AI/Mutual-Information.md
+++ b/10_Wiki/Topics/AI/Mutual-Information.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, information-theory, mutual-information, entropy, machine-learning, feature-selection]
 last_reinforced: 2026-04-26
 ---
 
-# [[Mutual Information (상호 정보량)]]
+# Mutual Information (상호 정보량)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "두 변수가 공유하고 있는 정보의 양을 측정하여, 하나를 알 때 다른 하나에 대한 불확실성이 얼마나 사라지는지 수치화하라" — 두 확률 변수 사이의 상호 의존성을 측정하는 지표로, 단순한 선형 관계를 넘어 비선형적인 연관성까지 모두 포착할 수 있는 정보 이론적 척도.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 임베딩 품질을 평가할 때, 입력 텍스트와 추출된 핵심 개념 사이의 상호 정보량을 측정하여 정보 손실을 최소화하는 지표로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Kullback-Leibler-Divergence]], [[Independent-Component-Analysis]], [[Feature-Selection-Strategies]], [[Probability-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Mutual-Information.md]]
+- [[Kullback-Leibler-Divergence]], [[Independent-Component-Analysis]], Feature-Selection-Strategies, Probability-Theory
+- **Raw Source:** 10_Wiki/Topics/AI/Mutual-Information.md
diff --git a/10_Wiki/Topics/AI/NLP (Natural Language Processing).md b/10_Wiki/Topics/AI/NLP (Natural Language Processing).md
index 91db5d27..8cc6d109 100644
--- a/10_Wiki/Topics/AI/NLP (Natural Language Processing).md	
+++ b/10_Wiki/Topics/AI/NLP (Natural Language Processing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NNLP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, nlp, natural-language-processing, linguistics, computational-linguistics, ai]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md b/10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md
index d1cc5bad..731f760a 100644
--- a/10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md
+++ b/10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md
@@ -1,12 +1,12 @@
 ---
 id: ATTENTION-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, transformer, attention, deep-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[NLP Attention Mechanisms (어텐션 메커니즘)]]
+# NLP Attention Mechanisms (어텐션 메커니즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "중요한 것에 집중하고 나머지는 무시하라" — 문장 내의 각 단어가 다른 단어들과 어떤 연관성을 가지는지 계산하여, 맥락을 파악할 때 중요한 정보에 더 높은 가중치를 부여하는 메커니즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 어텐션 맵 분석을 통해 사용자의 질문에서 가장 핵심적인 키워드를 식별하고 답변의 초점을 맞춤.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transformer-Architecture]], [[LLM]], [[Neural-Networks-Foundations]], [[Mechanistic-Interpretability]]
-- **Raw Source:** [[10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md]]
+- [[Transformer-Architecture]], [[LLM]], Neural-Networks-Foundations, Mechanistic-Interpretability
+- **Raw Source:** 10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md
diff --git a/10_Wiki/Topics/AI/NVIDIA-CUDA-and-AI.md b/10_Wiki/Topics/AI/NVIDIA-CUDA-and-AI.md
index a1f93906..fdfe44e2 100644
--- a/10_Wiki/Topics/AI/NVIDIA-CUDA-and-AI.md
+++ b/10_Wiki/Topics/AI/NVIDIA-CUDA-and-AI.md
@@ -1,12 +1,12 @@
 ---
 id: HW-CUDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [hardware, gpu, nvidia, cuda, parallel-computing, deep-learning-acceleration]
 last_reinforced: 2026-04-26
 ---
 
-# [[NVIDIA CUDA and AI (NVIDIA CUDA와 AI)]]
+# NVIDIA CUDA and AI (NVIDIA CUDA와 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "그래픽을 그리는 수천 개의 작은 엔진들을 수학 연산의 노예로 부려, 딥러닝이라는 거대한 숫자의 성을 쌓아라" — NVIDIA가 개발한 병렬 컴퓨팅 플랫폼이자 프로그래밍 모델로, GPU의 강력한 병렬 처리 능력을 범용 계산(GPGPU)에 활용하여 AI 학습 속도를 수백 배 가속화하는 기술적 근간.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 인덱싱 및 에이전트 브레인 최적화 시, CUDA 스트림을 활용한 비동기 데이터 전송 기술을 적용하여 GPU 점유율을 95% 이상으로 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GPU-Architecture-for-AI]], [[Hardware-Acceleration-for-AI]], [[Matrix-Operations-and-AI]], [[PyTorch-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/NVIDIA-CUDA-and-AI.md]]
+- GPU-Architecture-for-AI, [[Hardware-Acceleration-for-AI]], [[Matrix-Operations-and-AI]], [[PyTorch-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/NVIDIA-CUDA-and-AI.md
diff --git a/10_Wiki/Topics/AI/Naive-Bayes-Classifiers.md b/10_Wiki/Topics/AI/Naive-Bayes-Classifiers.md
index 694f12e4..d7a29354 100644
--- a/10_Wiki/Topics/AI/Naive-Bayes-Classifiers.md
+++ b/10_Wiki/Topics/AI/Naive-Bayes-Classifiers.md
@@ -1,12 +1,12 @@
 ---
 id: ML-NB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, naive-bayes, classification, bayesian, probability, nlp]
 last_reinforced: 2026-04-26
 ---
 
-# [[Naive Bayes Classifiers (나이브 베이즈 분류기)]]
+# Naive Bayes Classifiers (나이브 베이즈 분류기)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "특징들 사이의 복잡한 관계를 '독립'이라는 단순함으로 치환하고, 베이즈 확률의 힘을 빌려 정답의 가능성을 계산하라" — 모든 특징(Feature)이 서로 독립적이라는 강한 가정 하에 베이즈 정리를 적용하여 데이터를 분류하는 확률론적 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 입력 쿼리를 '정보 검색', '코드 생성', '시스템 제어' 등 대분류로 빠르게 라우팅할 때, 최저 비용으로 최대 효율을 내는 가우시안 및 다항 나이브 베이즈 분류기를 병행 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Multinomial-Naive-Bayes]], [[Probability-Theory]], [[Supervised-Learning-Foundations]], [[NLP-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Naive-Bayes-Classifiers.md]]
+- [[Multinomial-Naive-Bayes]], Probability-Theory, [[Supervised-Learning-Foundations]], NLP-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Naive-Bayes-Classifiers.md
diff --git a/10_Wiki/Topics/AI/Named-Entity-Recognition-NER.md b/10_Wiki/Topics/AI/Named-Entity-Recognition-NER.md
index 15ea8723..1474af7b 100644
--- a/10_Wiki/Topics/AI/Named-Entity-Recognition-NER.md
+++ b/10_Wiki/Topics/AI/Named-Entity-Recognition-NER.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-NER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, ner, named-entity-recognition, information-extraction, bert, knowledge-graph]
 last_reinforced: 2026-04-26
 ---
 
-# [[Named Entity Recognition (NER, 개체명 인식)]]
+# Named Entity Recognition (NER, 개체명 인식)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 글자의 나열에서 고유한 의미를 가진 '실체(Entities)'를 발굴하여 지식의 지도를 그려라" — 문장에서 인물, 장소, 조직, 시간 등 미리 정의된 범주의 고유 명사를 식별하고 분류하는 자연어 처리의 핵심 정보 추출 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 지식 가드닝 엔진은 보강된 문서에서 핵심 인물, 기술 스택, 프로젝트명을 NER로 추출하여 지식들 사이의 관계망(Edge)을 자동으로 형성함.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP-Foundations]], [[Knowledge-Graph-Foundations]], [[Linguistic-Analysis-in-AI]], [[BERT-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Named-Entity-Recognition-NER.md]]
+- NLP-Foundations, [[Knowledge-Graph-Foundations]], [[Linguistic-Analysis-in-AI]], BERT-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Named-Entity-Recognition-NER.md
diff --git a/10_Wiki/Topics/AI/National-Language-Processing.md b/10_Wiki/Topics/AI/National-Language-Processing.md
index a59a4e79..683edce9 100644
--- a/10_Wiki/Topics/AI/National-Language-Processing.md
+++ b/10_Wiki/Topics/AI/National-Language-Processing.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-NAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, national-language, localized-nlp, korean-nlp, language-resources, linguistic-diversity]
 last_reinforced: 2026-04-26
 ---
 
-# [[National Language Processing (국가별 언어 처리 및 자원)]]
+# National Language Processing (국가별 언어 처리 및 자원)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "영어의 문법 체계에 갇히지 말고, 각 언어가 가진 고유한 정서와 문법적 질서(Modality)를 존중하는 지능을 구축하라" — 특정 국가나 지역 언어의 언어학적 특성(교착어, 성조, 어순 등)을 반영한 알고리즘과 국가적 차원에서 구축된 대규모 언어 자산(Corpus)의 결합.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 한국어 사용자의 미묘한 뉘앙스와 전문 용어를 정확히 포착하기 위해, 국립국어원 표준 자원과 최신 한국어 특화 LLM을 결합한 지능형 소통 레이어를 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP-Foundations]], [[Linguistic-Analysis-in-AI]], [[Transfer-Learning-Foundations]], [[Low-Rank-Adaptation-LoRA]]
-- **Raw Source:** [[10_Wiki/Topics/AI/National-Language-Processing.md]]
+- NLP-Foundations, [[Linguistic-Analysis-in-AI]], Transfer-Learning-Foundations, [[Low-Rank-Adaptation-LoRA]]
+- **Raw Source:** 10_Wiki/Topics/AI/National-Language-Processing.md
diff --git a/10_Wiki/Topics/AI/Natural-Language-Generation-NLG.md b/10_Wiki/Topics/AI/Natural-Language-Generation-NLG.md
index 1b3a4fc2..e786f463 100644
--- a/10_Wiki/Topics/AI/Natural-Language-Generation-NLG.md
+++ b/10_Wiki/Topics/AI/Natural-Language-Generation-NLG.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-NLG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, nlg, natural-language-generation, llm, decoding-strategies, generative-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Natural Language Generation (NLG, 자연어 생성)]]
+# Natural Language Generation (NLG, 자연어 생성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 정적 정보를 유려한 언어의 흐름으로 치환하여, 기계와 인간이 소통하는 '표현의 창'을 열어라" — 구조화된 데이터나 내부 지식을 인간이 읽고 이해할 수 있는 자연스러운 텍스트 문장으로 변환하는 자연어 처리의 핵심 세부 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 생성 시, 할루시네이션(Hallucination)을 억제하기 위해 지식 기반(RAG)을 참조한 '근거 중심 생성' 가이드라인을 최우선으로 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Transformer-Architecture-Foundations]], [[Decoding-Strategies-in-LLM]], [[Hallucination-in-LLM]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Natural-Language-Generation-NLG.md]]
+- [[Natural-Language-Processing-NLP]], Transformer-Architecture-Foundations, Decoding-Strategies-in-LLM, [[Hallucination-in-LLM]]
+- **Raw Source:** 10_Wiki/Topics/AI/Natural-Language-Generation-NLG.md
diff --git a/10_Wiki/Topics/AI/Natural-Language-Processing-NLP.md b/10_Wiki/Topics/AI/Natural-Language-Processing-NLP.md
index f5ba56b7..03beada3 100644
--- a/10_Wiki/Topics/AI/Natural-Language-Processing-NLP.md
+++ b/10_Wiki/Topics/AI/Natural-Language-Processing-NLP.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-FOUND-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, natural-language-processing, language-model, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Natural Language Processing (NLP, 자연어 처리)]]
+# Natural Language Processing (NLP, 자연어 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인류의 복잡한 언어 체계를 기계의 숫자로 번역하고, 다시 그 숫자를 지혜로운 문장으로 복원하여 인간과 기계의 소통 장벽을 허물어라" — 인간의 언어를 컴퓨터가 처리하고 이해할 수 있도록 분석, 가공, 생성하는 인공지능의 핵심 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 보강 프로세스의 근간으로 고도화된 NLP 파이프라인을 사용하며, 특히 다국어 지원과 전문 용어 보존에 최적화된 하이브리드 토큰화 전략을 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linguistic-Analysis-in-AI]], [[Natural-Language-Generation-NLG]], [[Named-Entity-Recognition-NER]], [[Transformer-Architecture-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Natural-Language-Processing-NLP.md]]
+- [[Linguistic-Analysis-in-AI]], [[Natural-Language-Generation-NLG]], [[Named-Entity-Recognition-NER]], Transformer-Architecture-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Natural-Language-Processing-NLP.md
diff --git a/10_Wiki/Topics/AI/Natural-Language-Processing.md b/10_Wiki/Topics/AI/Natural-Language-Processing.md
index b3222c07..a4cb2246 100644
--- a/10_Wiki/Topics/AI/Natural-Language-Processing.md
+++ b/10_Wiki/Topics/AI/Natural-Language-Processing.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, linguistics, llm, text-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Natural Language Processing (NLP, 자연어 처리)]]
+# Natural Language Processing (NLP, 자연어 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 언어를 컴퓨터의 언어로 번역하고 이해하게 하라" — 텍스트와 음성 등 인간의 자연 언어를 기계가 처리, 분석, 생성할 수 있게 만드는 컴퓨터 과학과 언어학의 융합 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 NLP 기술을 활용하여 방대한 원시 데이터(00_Raw)를 자동으로 분류하고 핵심 지식을 추출하여 위키화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LLM]], [[Word-Embeddings]], [[Transformer-Architecture]], [[Information-Extraction]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Natural-Language-Processing.md]]
+- [[LLM]], Word-Embeddings, [[Transformer-Architecture]], Information-Extraction
+- **Raw Source:** 10_Wiki/Topics/AI/Natural-Language-Processing.md
diff --git a/10_Wiki/Topics/AI/Nearest-Neighbor-Search.md b/10_Wiki/Topics/AI/Nearest-Neighbor-Search.md
index 30cdd7b1..024d443d 100644
--- a/10_Wiki/Topics/AI/Nearest-Neighbor-Search.md
+++ b/10_Wiki/Topics/AI/Nearest-Neighbor-Search.md
@@ -1,12 +1,12 @@
 ---
 id: ALGO-NNS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [algorithm, ai, search, nearest-neighbor, ann, vector-database, similarity-search]
 last_reinforced: 2026-04-26
 ---
 
-# [[Nearest Neighbor Search (최근접 이웃 탐색)]]
+# Nearest Neighbor Search (최근접 이웃 탐색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "고차원 공간의 바다에서 나를 가장 닮은 이웃을 눈깜짝할 새에 발굴하여, 데이터 사이의 보이지 않는 연결고리를 증명하라" — 주어진 질의(Query)와 가장 유사한 데이터를 방대한 데이터셋 내에서 거리 메트릭(Euclidean, Cosine 등)을 기반으로 찾아내는 검색 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 문서 중 유사 주제를 추천하거나 중복을 검사할 때, HNSW 알고리즘 기반의 고속 최근접 이웃 탐색 기술을 활용하여 실시간 지식 연결을 구현함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Locality-Sensitive-Hashing]], [[Vector-Database-Foundations]], [[K-Nearest-Neighbors-K-NN]], [[Distance-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Nearest-Neighbor-Search.md]]
+- [[Locality-Sensitive-Hashing]], Vector-Database-Foundations, [[K-Nearest-Neighbors-K-NN]], Distance-Metrics-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Nearest-Neighbor-Search.md
diff --git a/10_Wiki/Topics/AI/Network-Latency-Optimization.md b/10_Wiki/Topics/AI/Network-Latency-Optimization.md
index bb5de604..630e86ce 100644
--- a/10_Wiki/Topics/AI/Network-Latency-Optimization.md
+++ b/10_Wiki/Topics/AI/Network-Latency-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-NET-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, network, optimization, latency, cdn, edge-computing, http3]
 last_reinforced: 2026-04-26
 ---
 
-# [[Network Latency Optimization (네트워크 지연 시간 최적화)]]
+# Network Latency Optimization (네트워크 지연 시간 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 이동하는 물리적 거리를 좁히고 통신 프로토콜의 낭비를 제거하여, 지능과 사용자 사이의 '시간적 장벽'을 허물어라" — 네트워크 상에서 데이터 패킷이 출발지에서 목적지까지 도달하는 시간(RTT)을 최소화하기 위한 기술적 및 아키텍처적 최적화 활동.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 브레인과 클라이언트 간의 통신 시, 지연 시간을 최소화하기 위해 WebSocket 스트리밍과 전용 엣지 라우팅 네트워크를 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[High-Availability-Systems]], [[Load-Balancing-Strategies]], [[Edge-AI-and-Computing]], [[Single-Page-Applications-SPA]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Network-Latency-Optimization.md]]
+- [[High-Availability-Systems]], [[Load-Balancing-Strategies]], [[Edge-AI-and-Computing]], Single-Page-Applications-SPA
+- **Raw Source:** 10_Wiki/Topics/AI/Network-Latency-Optimization.md
diff --git a/10_Wiki/Topics/AI/Neural-Architecture-Search-NAS.md b/10_Wiki/Topics/AI/Neural-Architecture-Search-NAS.md
index 5a6f8e08..f2addeb6 100644
--- a/10_Wiki/Topics/AI/Neural-Architecture-Search-NAS.md
+++ b/10_Wiki/Topics/AI/Neural-Architecture-Search-NAS.md
@@ -1,12 +1,12 @@
 ---
 id: AI-NAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, nas, automl, neural-architecture-search, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neural Architecture Search (NAS, 신경망 구조 탐색)]]
+# Neural Architecture Search (NAS, 신경망 구조 탐색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 직관에 의존하던 모델 설계를 알고리즘적 탐색으로 전환하여, 데이터에 가장 완벽하게 부합하는 '지능의 형상'을 스스로 창조하라" — 수많은 가능한 신경망 구조 중 성능과 효율성이 가장 뛰어난 아키텍처를 자동으로 찾아내는 AutoML의 핵심 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 특정 엣지 기기용 소형 브레인을 설계할 때, 해당 하드웨어의 지연 시간과 메모리 제약을 준수하면서 정확도를 극대화하는 NAS 기반의 모델 커스터마이징을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hyperparameter-Optimization]], [[Deep-Learning-Foundations]], [[Reinforcement-Learning]], [[Mobile-AI-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neural-Architecture-Search-NAS.md]]
+- [[Hyperparameter-Optimization]], Deep-Learning-Foundations, [[Reinforcement-Learning]], [[Mobile-AI-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Neural-Architecture-Search-NAS.md
diff --git a/10_Wiki/Topics/AI/Neural-Architecture-Search.md b/10_Wiki/Topics/AI/Neural-Architecture-Search.md
index 5a19ee55..d1d484a4 100644
--- a/10_Wiki/Topics/AI/Neural-Architecture-Search.md
+++ b/10_Wiki/Topics/AI/Neural-Architecture-Search.md
@@ -1,12 +1,12 @@
 ---
 id: NAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, automl, neural-networks, optimization, research]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neural Architecture Search (NAS, 신경망 구조 탐색)]]
+# Neural Architecture Search (NAS, 신경망 구조 탐색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "AI 모델을 만드는 AI를 설계하라" — 사람이 수동으로 신경망의 레이어와 연결 구조를 설계하는 대신, 알고리즘이 주어진 태스크에 최적화된 아키텍처를 자동으로 찾아내는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 경량화 모델 배포 시 NAS 기법을 적용하여 성능 손실을 최소화하면서 연산 비용을 절감할 계획임.
 
 ## 🔗 지식 연결 (Graph)
-- [[AutoML]], [[Reinforcement-Learning]], [[Evolutionary-Computation]], [[Hyperparameter-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neural-Architecture-Search.md]]
+- AutoML, [[Reinforcement-Learning]], [[Evolutionary-Computation]], [[Hyperparameter-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Neural-Architecture-Search.md
diff --git a/10_Wiki/Topics/AI/Neural-Darwinism.md b/10_Wiki/Topics/AI/Neural-Darwinism.md
index e7d6703e..6f95685f 100644
--- a/10_Wiki/Topics/AI/Neural-Darwinism.md
+++ b/10_Wiki/Topics/AI/Neural-Darwinism.md
@@ -1,12 +1,12 @@
 ---
 id: DARWIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, darwinism, synaptic-pruning, brain-evolution, ai-foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neural Darwinism (신경 다윈주의)]]
+# Neural Darwinism (신경 다윈주의)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뇌 안의 신경 회로들도 적자생존의 원리에 따라 진화하고 도태된다" — 제럴드 에델만이 제안한 이론으로, 뇌 발달과 학습이 유전적으로 고정된 설계도가 아니라 신경 그룹 간의 선택과 경쟁을 통해 이루어진다는 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 자가 학습 루프 설계 시, 'Neural Darwinism'의 가지치기(Pruning) 개념을 도입하여 불필요한 지식 노드를 자동으로 정리하는 로직을 검토 중.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hebbian-Learning]], [[Synaptic-Plasticity]], [[Neuroscience]], [[Evolutionary-Computation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neural-Darwinism.md]]
+- [[Hebbian-Learning]], Synaptic-Plasticity, Neuroscience, [[Evolutionary-Computation]]
+- **Raw Source:** 10_Wiki/Topics/AI/Neural-Darwinism.md
diff --git a/10_Wiki/Topics/AI/Neural-Networks (신경망 기초).md b/10_Wiki/Topics/AI/Neural-Networks (신경망 기초).md
index c1410170..91e59389 100644
--- a/10_Wiki/Topics/AI/Neural-Networks (신경망 기초).md	
+++ b/10_Wiki/Topics/AI/Neural-Networks (신경망 기초).md	
@@ -1,12 +1,12 @@
 ---
 id: NN-BASE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, neural-networks, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neural Networks Foundations (신경망 기초)]]
+# Neural Networks Foundations (신경망 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생물학적 뇌를 모방한 수학적 연산의 집합체" — 뉴런의 활성화 구조를 모방하여 입력 데이터의 특징을 단계별로 추출하고 비선형적인 관계를 학습해내는 인공지능의 핵심 아키텍처.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 신경망의 기본 원리를 바탕으로 하되, 데이터 효율성을 위해 상위 수준의 인지 프레임워크와 결합하여 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning]], [[Artificial-Neural-Networks]], [[Gradient-Descent]], [[Backpropagation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neural-Networks (신경망 기초).md]]
+- [[Deep-Learning]], Artificial-Neural-Networks, [[Gradient-Descent]], [[Backpropagation]]
+- **Raw Source:** 10_Wiki/Topics/AI/Neural-Networks (신경망 기초).md
diff --git a/10_Wiki/Topics/AI/Neural-Networks-for-Beginners.md b/10_Wiki/Topics/AI/Neural-Networks-for-Beginners.md
index 3a4eefa6..591cc059 100644
--- a/10_Wiki/Topics/AI/Neural-Networks-for-Beginners.md
+++ b/10_Wiki/Topics/AI/Neural-Networks-for-Beginners.md
@@ -1,12 +1,12 @@
 ---
 id: AI-NN-BEG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, neural-networks, beginners-guide, deep-learning, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neural Networks for Beginners (입문자를 위한 신경망)]]
+# Neural Networks for Beginners (입문자를 위한 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 뇌의 구조를 흉내 낸 '디지털 뉴런'들이 서로 신호를 주고받으며, 스스로 데이터의 정답을 찾아가는 과정을 이해하라" — 비전공자나 입문자도 신경망의 기본 원리인 '입력, 가중치 계산, 활성화, 학습'의 흐름을 직관적으로 파악할 수 있게 돕는 개념 가이드.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 신규 사용자가 시스템의 원리를 물을 때, 이 입문자용 신경망 개념을 바탕으로 비유와 직관을 곁들여 설명하는 '친절한 AI' 모드를 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Multilayer-Perceptron-MLP]], [[Activation-Functions]], [[Backpropagation-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neural-Networks-for-Beginners.md]]
+- Deep-Learning-Foundations, [[Multilayer-Perceptron-MLP]], Activation-Functions, Backpropagation-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Neural-Networks-for-Beginners.md
diff --git a/10_Wiki/Topics/AI/Neural-Style-Transfer.md b/10_Wiki/Topics/AI/Neural-Style-Transfer.md
index 6a419a38..d340dc97 100644
--- a/10_Wiki/Topics/AI/Neural-Style-Transfer.md
+++ b/10_Wiki/Topics/AI/Neural-Style-Transfer.md
@@ -1,12 +1,12 @@
 ---
 id: AI-NST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, computer-vision, neural-style-transfer, nst, generative-art, vgg]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neural Style Transfer (신경망 스타일 전이)]]
+# Neural Style Transfer (신경망 스타일 전이)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "원본의 '형체'는 유지하되 화가의 '붓 터치'를 덧입혀, 기계의 계산으로 예술의 영혼을 재현하라" — 콘텐츠 이미지의 구조적 정보와 스타일 이미지의 예술적 질감을 신경망 내부에서 분리하고 합성하여 새로운 이미지를 생성하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 생성하는 시각적 리포트나 대시보드 테마에 사용자의 취향을 반영한 스타일 전이 기술을 적용하여 개인화된 UI 경험을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Foundations]], [[Generative-Adversarial-Networks-GAN]], [[Image-Segmentation]], [[Convolutional-Neural-Networks-CNN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neural-Style-Transfer.md]]
+- Computer-Vision-Foundations, Generative-Adversarial-Networks-GAN, [[Image-Segmentation]], Convolutional-Neural-Networks-CNN
+- **Raw Source:** 10_Wiki/Topics/AI/Neural-Style-Transfer.md
diff --git a/10_Wiki/Topics/AI/Neural-Symbolic-Integration.md b/10_Wiki/Topics/AI/Neural-Symbolic-Integration.md
index 88725bc3..5fa16b4b 100644
--- a/10_Wiki/Topics/AI/Neural-Symbolic-Integration.md
+++ b/10_Wiki/Topics/AI/Neural-Symbolic-Integration.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-86032B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, brain-science, integration]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ Neural-Symbolic Integration(신경-기호 통합)은 하부의 인지 단계(지
 - **정책 변화(RL Update)**: 단순히 두 기술을 병렬로 배치하는 수준을 넘어, 신경망 아키텍처 자체에 논리적 제약 조건(Constraints)을 손실 함수(Loss Function)로 직접 통합하는 연구가 대세임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuro-Symbolic AI]], [[Differentiable Programming]], [[Knowledge Graphs]], [[Foundational Models]]
+- **Related**: [[Neuro-Symbolic AI]], [[Differentiable Programming]], Knowledge Graphs, Foundational Models
 - **Modern Tech/Tools**: DeepProbLog, PyTorch-LPR, Logical Tensor Networks.
 ---
diff --git a/10_Wiki/Topics/AI/Neuro-Symbolic AI.md b/10_Wiki/Topics/AI/Neuro-Symbolic AI.md
index be40deab..00c852e8 100644
--- a/10_Wiki/Topics/AI/Neuro-Symbolic AI.md	
+++ b/10_Wiki/Topics/AI/Neuro-Symbolic AI.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NESB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, neuro-symbolic-ai, hybrid-ai, reasoning, symbolic-ai, neural-networks]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: LLM이 코드를 생성하고(Neural), 그 코드를 실제 파이썬 인터프리터로 실행하여 검증하는(Symbolic) 방식은 현대 지능 시스템이 뉴로-심볼릭을 실무적으로 구현하는 가장 강력한 정책임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep Learning (DL)]], [[Logic]], [[Explainable-AI (XAI)]], [[Reasoning]], [[Search-Optimization]]
+- Deep Learning (DL), [[Logic]], [[Explainable-AI (XAI)]], [[Reasoning]], [[Search-Optimization]]
 - **Modern Tech/Tools**: Neuro-symbolic Concept Learner (NS-CL), AlphaGeometry, LLM + Symbolic solvers.
 ---
diff --git a/10_Wiki/Topics/AI/Neuro-Symbolic-AI.md b/10_Wiki/Topics/AI/Neuro-Symbolic-AI.md
index 67f58e75..1e0bb994 100644
--- a/10_Wiki/Topics/AI/Neuro-Symbolic-AI.md
+++ b/10_Wiki/Topics/AI/Neuro-Symbolic-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-HYBRID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, neuro-symbolic, deep-learning, symbolic-logic, reasoning, hybrid-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neuro-Symbolic AI (뉴로-심볼릭 AI)]]
+# Neuro-Symbolic AI (뉴로-심볼릭 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "딥러닝의 압도적인 '직관'과 심볼릭 논리의 명확한 '이성'을 결합하여, 생각하고 설명하는 완전한 지능을 구현하라" — 신경망 기반의 패턴 인식 능력과 기호 기반의 추론 능력을 통합하여, 데이터 효율성, 해석 가능성, 그리고 복잡한 논리 전개 능력을 동시에 확보하는 AI 패러다임.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 사용자의 질문을 이해할 때는 딥러닝(Neural)을 쓰고, 작업 계획을 세우거나 지식 그래프를 업데이트할 때는 엄격한 논리 규칙(Symbolic)을 적용하는 뉴로-심볼릭 아키텍처를 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Model-Interpretability-Tools]], [[Knowledge-Graph-Foundations]], [[Reasoning-and-Planning-in-AI]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neuro-Symbolic-AI.md]]
+- [[Model-Interpretability-Tools]], [[Knowledge-Graph-Foundations]], Reasoning-and-Planning-in-AI, [[Trustworthy-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Neuro-Symbolic-AI.md
diff --git a/10_Wiki/Topics/AI/Neurobiology-of-Reward.md b/10_Wiki/Topics/AI/Neurobiology-of-Reward.md
index 25182402..e2a02462 100644
--- a/10_Wiki/Topics/AI/Neurobiology-of-Reward.md
+++ b/10_Wiki/Topics/AI/Neurobiology-of-Reward.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REWARD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, neuroscience, dopamine]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대의 중독 치료 RL 모델에서는 도파민 수용체의 민감도 저하(Tolerance)를 AI 에이전트의 'Learning Rate Decay' 혹은 'Reward Clipping' 오류에 비유하여 분석하며, 이를 예방하기 위한 알고리즘적 설계를 연구 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Reinforcement Learning]], [[Dopamine]], [[Executive Function]], [[Addiction Neurobiology]], [[Temporal Difference Learning]]
+- **Related**: Reinforcement Learning, [[Dopamine]], Executive Function, Addiction Neurobiology, Temporal Difference Learning
 - **Modern Tech/Tools**: Optogenetics, In-vivo Microdialysis, fMRI.
 ---
diff --git a/10_Wiki/Topics/AI/Neurodevelopmental Disorders.md b/10_Wiki/Topics/AI/Neurodevelopmental Disorders.md
index e624eeb5..a2abefe6 100644
--- a/10_Wiki/Topics/AI/Neurodevelopmental Disorders.md	
+++ b/10_Wiki/Topics/AI/Neurodevelopmental Disorders.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NDIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, brain-development, mental-health]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: ADHD를 단순히 '절제 부족'이 아닌 '보상 지연 할인(Temporal Discounting)의 극대화'로 보는RL 모델이 정립되며, 처벌보다는 즉각적인 정적 강화를 활용하는 중재 전략으로 정책이 변화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuroplasticity]], [[Executive Function]], [[Cognitive Remediation]], [[Social Cognition]], [[Inhibitory Control]]
+- **Related**: [[Neuroplasticity]], Executive Function, Cognitive Remediation, Social Cognition, Inhibitory Control
 - **Modern Tech/Tools**: Applied Behavior Analysis (ABA), CBT, Neurofeedback, Stimulants.
 ---
diff --git a/10_Wiki/Topics/AI/Neuroeconomics.md b/10_Wiki/Topics/AI/Neuroeconomics.md
index 95d8e354..dc1ba309 100644
--- a/10_Wiki/Topics/AI/Neuroeconomics.md
+++ b/10_Wiki/Topics/AI/Neuroeconomics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NECON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, economics, decision-making]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근의 AI 정렬(Alignment) 문제는 경제학의 '대리인 문제'와 유사함. 신경경제학적 지표를 통해 AI 에이전트의 보상 함수가 인간의 실제 선호(Revealed Preference)와 일치하는지 검증하는 도구로 활용되기 시작함.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Behavioral Economics]], [[Decision Theory]], [[Game Theory]], [[Neurobiology of Reward]], [[Risk Management]]
+- **Related**: Behavioral Economics, [[Decision Theory]], Game Theory, Neurobiology of Reward, [[Risk Management]]
 - **Modern Tech/Tools**: fMRI, Eye-tracking fusion, Computational Modeling (RL).
 ---
diff --git a/10_Wiki/Topics/AI/Neuroergonomics.md b/10_Wiki/Topics/AI/Neuroergonomics.md
index 7c5e5e57..263ef03f 100644
--- a/10_Wiki/Topics/AI/Neuroergonomics.md
+++ b/10_Wiki/Topics/AI/Neuroergonomics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NERGO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, ergonomics, hci, cognitive-load]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 생산성 향상을 위한 도구로 쓰이던 것에서 벗어나, 최근에는 직원의 '정신적 웰빙(Mental Well-being)'과 '번아웃 예방'을 위한 기업용 건강 관리 표준으로 정책이 변화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Human-Computer Interaction (HCI)]], [[Cognitive Load Theory]], [[Attention Theory]], [[Brain-Computer Interface (BCI)]]
+- **Related**: Human-Computer Interaction (HCI), Cognitive Load Theory, Attention Theory, [[Brain-Computer Interface (BCI)]]
 - **Modern Tech/Tools**: fNIRS, Emotiv, OpenBCI Pro, Eye-tracking.
 ---
diff --git a/10_Wiki/Topics/AI/Neuroevolution.md b/10_Wiki/Topics/AI/Neuroevolution.md
index c694fe59..94733e69 100644
--- a/10_Wiki/Topics/AI/Neuroevolution.md
+++ b/10_Wiki/Topics/AI/Neuroevolution.md
@@ -1,12 +1,12 @@
 ---
 id: AI-NEV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, neural-networks, neuroevolution, genetic-algorithms, evolutionary-computation, neat]
 last_reinforced: 2026-04-26
 ---
 
-# [[Neuroevolution (신경 진화)]]
+# Neuroevolution (신경 진화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "미분 불가능한 세상의 장벽을 자연의 섭리인 '적자생존'으로 돌파하여, 스스로 진화하는 신경망의 생태계를 구축하라" — 유전 알고리즘과 같은 진화 연산을 사용하여 신경망의 가중치뿐만 아니라 아키텍처(Topology) 자체를 최적화하는 학습 기법.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 전략적 행동 양식을 최적화할 때, 기존의 강화학습 모델과 신경 진화 알고리즘을 앙상블하여 예기치 못한 상황에 대한 적응력을 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Genetic-Algorithms]], [[Reinforcement-Learning]], [[Neural-Architecture-Search-NAS]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Neuroevolution.md]]
+- [[Genetic-Algorithms]], [[Reinforcement-Learning]], [[Neural-Architecture-Search-NAS]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Neuroevolution.md
diff --git a/10_Wiki/Topics/AI/Neuromuscular-Adaptation.md b/10_Wiki/Topics/AI/Neuromuscular-Adaptation.md
index 1441fb73..d6e164fd 100644
--- a/10_Wiki/Topics/AI/Neuromuscular-Adaptation.md
+++ b/10_Wiki/Topics/AI/Neuromuscular-Adaptation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NMAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, kinesiogy, nervous-system, strength]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 재활 의학 분야에서 '고정(Immobilization)' 후 근육 감소를 막기 위해 반대쪽 팔을 훈련시켜 신경계를 자극하는 '교차 전이(Cross-education)' 효과가 공식 가이드라인에 반영됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Motor Learning]], [[Strength and Conditioning]], [[Neuroplasticity]], [[Proprioception]]
+- **Related**: Motor Learning, Strength and Conditioning, [[Neuroplasticity]], [[Proprioception]]
 - **Modern Tech/Tools**: EMG (Electromyography), Transcranial Magnetic Stimulation (TMS).
 ---
diff --git a/10_Wiki/Topics/AI/Neuromuscular-Control.md b/10_Wiki/Topics/AI/Neuromuscular-Control.md
index 7422d0e5..4d654839 100644
--- a/10_Wiki/Topics/AI/Neuromuscular-Control.md
+++ b/10_Wiki/Topics/AI/Neuromuscular-Control.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NMCTL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, motor-control, sensorimotor]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 로봇 공학의 인공다리(Prosthetic) 설계 시, 단순 모터 힘 강화보다는 인간의 '신경근 제어' 데이터를 모방하여 지면의 굴곡에 따라 스스로 적응하는 '지능형 제어 알고리즘' 주입이 필수 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Motor Control]], [[Proprioception]], [[Biomechanics]], [[Cerebellum Function]]
+- **Related**: Motor Control, [[Proprioception]], Biomechanics, Cerebellum Function
 - **Modern Tech/Tools**: Computational Motor Control, Kinematic Analysis, BCI.
 ---
diff --git a/10_Wiki/Topics/AI/Neuropharmacology of Substance Use Disorders.md b/10_Wiki/Topics/AI/Neuropharmacology of Substance Use Disorders.md
index d0510286..474965f7 100644
--- a/10_Wiki/Topics/AI/Neuropharmacology of Substance Use Disorders.md	
+++ b/10_Wiki/Topics/AI/Neuropharmacology of Substance Use Disorders.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPSUD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, pharmacology, addiction, neurotransmitters]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근에는 중독을 '신경망의 가중치가 특정 방향으로 발산(Exploding Gradient)한 상태'로 해석하여, 이를 다시 안정화시키기 위한 약물-행동 결합 치료 모델(Pharmacotherapy-assisted CBT)이 표준으로 자리잡음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neurobiology of Reward]], [[Dopamine]], [[Neuroplasticity in Addiction]], [[Psychopharmacology]]
+- **Related**: Neurobiology of Reward, [[Dopamine]], [[Neuroplasticity in Addiction]], Psychopharmacology
 - **Modern Tech/Tools**: PET (Positron Emission Tomography), MAT (Medication-Assisted Treatment).
 ---
diff --git a/10_Wiki/Topics/AI/Neuroplasticity in Addiction.md b/10_Wiki/Topics/AI/Neuroplasticity in Addiction.md
index 7203e013..58104605 100644
--- a/10_Wiki/Topics/AI/Neuroplasticity in Addiction.md	
+++ b/10_Wiki/Topics/AI/Neuroplasticity in Addiction.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPADD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, neuroplasticity, addiction, synaptic-changes]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 중독을 '학습 장애(Learning Disorder)'의 일종으로 재정의함에 따라, 단순히 막는 것이 아니라 새로운 건강한 보상 경험을 '과잉 학습(Overlearning)'시켜 중독 회로를 덮어쓰는(Overwriting) 전략이 정책 수준에서 권고됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuroplasticity]], [[Neurobiology of Reward]], [[Habit Formation]], [[Cognitive Behavioral Therapy (CBT)]]
+- **Related**: [[Neuroplasticity]], Neurobiology of Reward, Habit Formation, Cognitive Behavioral Therapy (CBT)
 - **Modern Tech/Tools**: rTMS, Neurofeedback-based rewiring, Exercise-induced BDNF release.
 ---
diff --git a/10_Wiki/Topics/AI/Neuroplasticity in Motor Learning.md b/10_Wiki/Topics/AI/Neuroplasticity in Motor Learning.md
index dc14dec6..f1cbcc2c 100644
--- a/10_Wiki/Topics/AI/Neuroplasticity in Motor Learning.md	
+++ b/10_Wiki/Topics/AI/Neuroplasticity in Motor Learning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPML-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, motor-learning, neuroplasticity, skill-acquisition]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 재활 훈련 시 '양보다는 질'과 '가변성(Variability) 학습'이 뇌의 가소성을 더 효과적으로 자극한다는 연구에 따라, 단순 반복보다는 다양한 상황에서의 문제 해결형 운동 교육이 표준 정책으로 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Motor Control]], [[Neuroplasticity]], [[Cerebellum]], [[Basal Ganglia]], [[Long-Term Potentiation (LTP)]]
+- **Related**: Motor Control, [[Neuroplasticity]], Cerebellum, Basal Ganglia, Long-Term Potentiation (LTP)
 - **Modern Tech/Tools**: dMRI (Diffusion MRI), TMS-based Brain Mapping.
 ---
diff --git a/10_Wiki/Topics/AI/Neuroplasticity-in-Motor-Learning.md b/10_Wiki/Topics/AI/Neuroplasticity-in-Motor-Learning.md
index a3779a28..1ff18d5e 100644
--- a/10_Wiki/Topics/AI/Neuroplasticity-in-Motor-Learning.md
+++ b/10_Wiki/Topics/AI/Neuroplasticity-in-Motor-Learning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPML-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, brain-maps, cortical-reorganization]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에이전트 기반 학습(RL 에이전트)에서 행동 선택의 엔트로피를 조절하여 새로운 탐색과 기존 숙련 사이의 균형을 맞추는 기법이 실제 뇌의 운동 가소성 조절 기제에서 영감을 얻음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuromuscular-Control]], [[Synaptic Plasticity]], [[Skill Acquisition]], [[Somatosensory Cortex]]
+- **Related**: [[Neuromuscular-Control]], Synaptic Plasticity, Skill Acquisition, Somatosensory Cortex
 - **Modern Tech/Tools**: EEG-based Source Localization, Optical Imaging.
 ---
diff --git a/10_Wiki/Topics/AI/Neuroprosthetics-Development.md b/10_Wiki/Topics/AI/Neuroprosthetics-Development.md
index fc9adefd..00162d6c 100644
--- a/10_Wiki/Topics/AI/Neuroprosthetics-Development.md
+++ b/10_Wiki/Topics/AI/Neuroprosthetics-Development.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPROS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, bci, neural-engineering, prosthetics]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 비침습적 방식(EEG 등)의 한계를 극복하기 위해, 뉴럴링크(Neuralink)와 같은 고대역폭 침습형 인터페이스의 안정성 및 윤리 가이드라인 수립이 국가적 정책 의제로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Brain-Computer Interface (BCI)]], [[Neuromuscular-Control]], [[Biomedical Engineering]], [[Neural Encoding]]
+- [[Brain-Computer Interface (BCI)]], [[Neuromuscular-Control]], Biomedical Engineering, Neural Encoding
 - **Modern Tech/Tools**: Neuralink, Blackrock Neurotech, Cyberware.
 ---
diff --git a/10_Wiki/Topics/AI/Neuropsychiatric Disorders.md b/10_Wiki/Topics/AI/Neuropsychiatric Disorders.md
index 0fcc6fa1..bd318840 100644
--- a/10_Wiki/Topics/AI/Neuropsychiatric Disorders.md	
+++ b/10_Wiki/Topics/AI/Neuropsychiatric Disorders.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, psychiatry, neuropsychology, brain-disorders]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 증상 위주의 분류(DSM-5)에서 벗어나, 생물학적 기전 위주의 분류(RDoC 프로젝트)로 진단 체계의 패러다임을 전환하려는 정책적 움직임이 거셈.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuropsychology]], [[Biological Psychiatry]], [[Pharmacotheraphy]], [[Amygdala]], [[Default Mode Network]]
+- **Related**: [[Neuropsychology]], Biological Psychiatry, Pharmacotheraphy, Amygdala, Default Mode Network
 - **Modern Tech/Tools**: rTMS, Deep Brain Stimulation (DBS), Digital Phenotyping.
 ---
diff --git a/10_Wiki/Topics/AI/Neuropsychology.md b/10_Wiki/Topics/AI/Neuropsychology.md
index 937792a2..3c48473b 100644
--- a/10_Wiki/Topics/AI/Neuropsychology.md
+++ b/10_Wiki/Topics/AI/Neuropsychology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPSYC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, clinical-psychology, brain-behavior, assessment]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 전통적인 종이-연필 검사에서 벗어나, VR(가상 현실) 환경에서의 일상 수행 능력을 평가하는 '생태적 타당도'가 높은 디지털 평가 도구 도입이 표준 정책으로 권장됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Executive Function]], [[Memory Systems]], [[Aphasia]], [[Visual Agnosia]], [[Neuroplasticity]]
+- **Related**: Executive Function, Memory Systems, Aphasia, Visual Agnosia, [[Neuroplasticity]]
 - **Modern Tech/Tools**: CANTAB (Cambridge Neuropsychological Test Automated Battery), WAIS.
 ---
diff --git a/10_Wiki/Topics/AI/Neurorehabilitation after Stroke.md b/10_Wiki/Topics/AI/Neurorehabilitation after Stroke.md
index e31dee01..dea5df75 100644
--- a/10_Wiki/Topics/AI/Neurorehabilitation after Stroke.md	
+++ b/10_Wiki/Topics/AI/Neurorehabilitation after Stroke.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NRHS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, stroke-recovery, rehabilitation, neuroplasticity]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 퇴원 후 병원 밖 일상 회복을 위해 가정 내 원격 재활(Telerehabilitation)과 게임화(Gamification)된 재활 앱 사용에 대해 건강보험 수가를 적용하는 정책적 지원이 확대 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuroplasticity]], [[Neuromuscular-Control]], [[Physical Therapy]], [[Virtual Reality Rehabilitation]]
+- **Related**: [[Neuroplasticity]], [[Neuromuscular-Control]], Physical Therapy, Virtual Reality Rehabilitation
 - **Modern Tech/Tools**: Lokomat (Gait robot), EEG-based BCI rehab, TENS.
 ---
diff --git a/10_Wiki/Topics/AI/Neurorehabilitation-Post-Stroke.md b/10_Wiki/Topics/AI/Neurorehabilitation-Post-Stroke.md
index d7e8063c..60e60d4f 100644
--- a/10_Wiki/Topics/AI/Neurorehabilitation-Post-Stroke.md
+++ b/10_Wiki/Topics/AI/Neurorehabilitation-Post-Stroke.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NRHS-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, post-stroke, mapping, clinical-protocols]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 급성기-회복기-유지기로 이어지는 재활 전달 체계의 공백을 메우기 위해 지역사회 복귀를 돕는 '커뮤니티 케어'와 연계된 재활 정책이 전 세계적으로 강화되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Occupational-Therapy]], [[Neurorehabilitation after Stroke]], [[Spasticity Management]], [[Aphasia Rehab]]
+- **Related**: [[Occupational-Therapy]], [[Neurorehabilitation after Stroke]], Spasticity Management, Aphasia Rehab
 - **Modern Tech/Tools**: Wearable sensors for ADL tracking, Mobile rehab apps.
 ---
diff --git a/10_Wiki/Topics/AI/Next-js-and-Modern-Web.md b/10_Wiki/Topics/AI/Next-js-and-Modern-Web.md
index 1138269d..e10bc045 100644
--- a/10_Wiki/Topics/AI/Next-js-and-Modern-Web.md
+++ b/10_Wiki/Topics/AI/Next-js-and-Modern-Web.md
@@ -1,12 +1,12 @@
 ---
 id: WEB-NEXT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [web-development, next-js, react, frontend-architecture, ssr, modern-web]
 last_reinforced: 2026-04-26
 ---
 
-# [[Next.js and Modern Web (Next.js와 현대 웹)]]
+# Next.js and Modern Web (Next.js와 현대 웹)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "클라이언트와 서버의 경계를 허물고 최적의 렌더링 전략을 자동화하여, 사용자에게는 극강의 속도를, 개발자에게는 최고의 생산성을 제공하라" — React 기반의 풀스택 프레임워크로, SSR, SSG, ISR 및 서버 컴포넌트를 통해 현대 웹사이트 아키텍처의 표준을 제시하는 기술 스택.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 웹 대시보드와 지식 인터페이스는 Next.js 14+ 아키텍처를 기반으로 설계되어, 초저지연 로딩과 강력한 SEO 성능을 동시에 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Modern-Website-Architecture]], [[Core-Web-Vitals]], [[Single-Page-Applications-SPA]], [[Network-Latency-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Next-js-and-Modern-Web.md]]
+- [[Modern-Website-Architecture]], [[Core-Web-Vitals]], Single-Page-Applications-SPA, [[Network-Latency-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Next-js-and-Modern-Web.md
diff --git a/10_Wiki/Topics/AI/Nextjs-App-Router-Architecture.md b/10_Wiki/Topics/AI/Nextjs-App-Router-Architecture.md
index 596dd96c..6a4863be 100644
--- a/10_Wiki/Topics/AI/Nextjs-App-Router-Architecture.md
+++ b/10_Wiki/Topics/AI/Nextjs-App-Router-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: FE-NEXT-APP-ROUTER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nextjs, react, app-router, server-components, ssr, partial-rendering, web-architecture]
 last_reinforced: 2026-04-26
 ---
 
-# [[Next.js App Router Architecture (Next.js 앱 라우터 아키텍처)]]
+# Next.js App Router Architecture (Next.js 앱 라우터 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서버 중심의 라우팅 아키텍처를 통해 클라이언트 JavaScript 번들을 최소화하고, 서버 컴포넌트(RSC)를 기반으로 데이터 페칭과 렌더링의 패러다임을 재정립하라" — React Server Components를 기본으로 채택하여 웹 성능과 개발자 경험을 동시에 혁신한 Next.js의 차세대 라우팅 시스템.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 신규 대시보드 및 웹 엔진 구축 시 App Router 아키텍처를 표준으로 채택하며, 클라이언트 컴포넌트 사용을 최소화하여 성능 임계치를 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Web-Rendering-Strategies-CSR-vs-SSR]], [[Server-Side-Rendering-SSR]], [[React-Architecture]], [[Performance-Optimization]]
-- **Raw Source:** [[00_Raw/App Router.md]]
+- [[Web-Rendering-Strategies-CSR-vs-SSR]], Server-Side-Rendering-SSR, React-Architecture, Performance-Optimization
+- **Raw Source:** 00_Raw/App Router.md
diff --git a/10_Wiki/Topics/AI/No Mans Sky (Large-scale planetary generation).md b/10_Wiki/Topics/AI/No Mans Sky (Large-scale planetary generation).md
index e643f6cb..e076b370 100644
--- a/10_Wiki/Topics/AI/No Mans Sky (Large-scale planetary generation).md	
+++ b/10_Wiki/Topics/AI/No Mans Sky (Large-scale planetary generation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NMS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, pcg, algorithms, world-building, mathematical-modeling]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ No Man's Sky의 행성 생성 기술은 광대한 우주를 데이터 용량 제
 - **정책 변화(RL Update)**: 게임 개발 환경에서 수동 리소스 제작(Art-driven) 방식에서 알고리즘 기반 제작(Math-driven)으로 전환할 때 발생하는 '통제 불가능성'을 AI 기반 자동 테스트(Automated Playtesting)로 해결하는 방식이 업계 표준 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Procedural Content Generation (PCG)]], [[Voxel Engines]], [[Noise Functions]], [[Game Design Theory]]
+- **Related**: Procedural Content Generation (PCG), Voxel Engines, Noise Functions, [[Game Design Theory]]
 - **Modern Tech/Tools**: Custom Engine, C++, Math-based PCG Frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/No Mans Sky.md b/10_Wiki/Topics/AI/No Mans Sky.md
index a34f5535..08860af2 100644
--- a/10_Wiki/Topics/AI/No Mans Sky.md	
+++ b/10_Wiki/Topics/AI/No Mans Sky.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NMS-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, exploration, systemic-simulation, video-games]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 대규모 인디 개발사(Hello Games)가 플랫폼사(Sony 등)와의 계약 관계보다 유저 피드백을 최우선시하여 장기적인 신뢰를 구축한 사례는 현대 게임 퍼블리싱 정책에 큰 충격을 줌.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Procedural Content Generation (PCG)]], [[Simulated History]], [[Emergent Gameplay]], [[No Mans Sky (Large-scale planetary generation)]]
+- **Related**: Procedural Content Generation (PCG), Simulated History, Emergent Gameplay, [[No Mans Sky (Large-scale planetary generation)]]
 - **Modern Tech/Tools**: Procedural Animation, Dynamic Economy Algorithms.
 ---
diff --git a/10_Wiki/Topics/AI/NoSQL-Databases-in-AI.md b/10_Wiki/Topics/AI/NoSQL-Databases-in-AI.md
index 99b3b782..a671185a 100644
--- a/10_Wiki/Topics/AI/NoSQL-Databases-in-AI.md
+++ b/10_Wiki/Topics/AI/NoSQL-Databases-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-NOSQL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, database, nosql, mongodb, cassandra, big-data, ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[NoSQL Databases in AI (AI에서의 NoSQL 데이터베이스)]]
+# NoSQL Databases in AI (AI에서의 NoSQL 데이터베이스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정형화된 표의 형식을 깨고 데이터의 자유로운 흐름을 수용하여, AI가 필요로 하는 방대한 비정형 지식을 가공 없이 저장하라" — 관계형 데이터베이스(RDBMS)의 엄격한 스키마 제약에서 벗어나, 유연한 구조로 대규모 데이터를 고속으로 처리하고 확장하는 데이터 저장 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 수집하는 원시 지식(Raw Data)의 임시 저장 및 사고 로그 기록 시 MongoDB와 Redis 기반의 NoSQL 아키텍처를 우선적으로 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Indexing-Strategies]], [[Knowledge-Graph-Foundations]], [[High-Availability-Systems]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/NoSQL-Databases-in-AI.md]]
+- [[Indexing-Strategies]], [[Knowledge-Graph-Foundations]], [[High-Availability-Systems]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/NoSQL-Databases-in-AI.md
diff --git a/10_Wiki/Topics/AI/Nodejs 메모리 누수 분석.md b/10_Wiki/Topics/AI/Nodejs 메모리 누수 분석.md
index c0aadc5c..ef277597 100644
--- a/10_Wiki/Topics/AI/Nodejs 메모리 누수 분석.md	
+++ b/10_Wiki/Topics/AI/Nodejs 메모리 누수 분석.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-92E707
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 메모리 누수 분석
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], [[V8 엔진 (V8 Engine)]], [[힙 스냅샷 (Heap Snapshots)]], [[Mark-Sweep]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[clinic.js]], [[Node.js Production Monitoring]]
+- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], V8 엔진 (V8 Engine), [[힙 스냅샷 (Heap Snapshots)]], [[Mark-Sweep]]
+- **Projects/Contexts:** [[Chrome DevTools]], clinic.js, Node.js Production Monitoring
 - **Contradictions/Notes:** 소스에 따르면 모던 프론트엔드 환경의 브라우저에서는 메모리 누수의 가장 주요한 원인(1위)으로 SPA(Single Page Application) 경로 전환을 꼽고 있지만 [26], Node.js 프로덕션 서버 환경에서는 EventEmitter 리스너 누적이 가장 흔한 메모리 누수 패턴으로 언급되는 차이가 있습니다 [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 메모리 누수 분석.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 누수 진단.md b/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 누수 진단.md
index d1e15e6f..0a79c9f2 100644
--- a/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 누수 진단.md	
+++ b/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 누수 진단.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AF2866
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -40,11 +40,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 프로덕션 메모리
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Garbage Collection]], [[Heap Snapshot]], [[Retaining Path]], [[process.memoryUsage()]]
-- **Projects/Contexts:** [[Node.js Production Environment]], [[Chrome DevTools Memory Panel]]
+- **Related Topics:** V8 Garbage Collection, [[Heap Snapshot]], [[Retaining Path]], process.memoryUsage()
+- **Projects/Contexts:** Node.js Production Environment, [[Chrome DevTools Memory Panel]]
 - **Contradictions/Notes:** 일반적으로 누수 후보를 찾기 위해 트래픽 전/후 두 개의 힙 스냅샷을 비교하는 방법이 자주 소개되지만, 일회성 메모리 할당으로 인한 오탐(False Positive)을 걸러내기 위해서는 세 개의 스냅샷을 연달아 캡처해 비교하는 "Three-snapshot technique" 기법이 가장 신뢰할 수 있는 수단이라는 점을 유의해야 합니다 [19].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 프로덕션 메모리 누수 진단.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 병목 분석.md b/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 병목 분석.md
index a82f2a42..9019a17b 100644
--- a/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 병목 분석.md	
+++ b/10_Wiki/Topics/AI/Nodejs 프로덕션 메모리 병목 분석.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-76BE33
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -43,11 +43,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 프로덕션 메모리
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 가비지 컬렉션 (Garbage Collection)]], [[힙 스냅샷 (Heap Snapshot)]], [[메모리 누수 (Memory Leaks)]]
-- **Projects/Contexts:** [[Chrome DevTools (크롬 개발자 도구)]], [[Node.js 모니터링 및 튜닝]]
+- **Related Topics:** V8 가비지 컬렉션 (Garbage Collection), 힙 스냅샷 (Heap Snapshot), 메모리 누수 (Memory Leaks)
+- **Projects/Contexts:** Chrome DevTools (크롬 개발자 도구), Node.js 모니터링 및 튜닝
 - **Contradictions/Notes:** 애플리케이션 내에서 수동으로 GC를 제어하기 위해 `--expose-gc` 플래그를 켜고 `global.gc()`를 호출할 수 있지만, 이 기능은 V8의 자동 가비지 컬렉션을 비활성화하지는 않습니다. 오히려 수동 호출의 남용은 애플리케이션의 응답 속도 등 전체적인 성능에 부정적인 영향을 미칠 수 있으므로 주의해서 사용해야 한다고 소스는 경고합니다 [34, 35].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 프로덕션 메모리 병목 분석.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Nodejs-Global-Namespace-Augmentation.md b/10_Wiki/Topics/AI/Nodejs-Global-Namespace-Augmentation.md
index 99227578..09247b7c 100644
--- a/10_Wiki/Topics/AI/Nodejs-Global-Namespace-Augmentation.md
+++ b/10_Wiki/Topics/AI/Nodejs-Global-Namespace-Augmentation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NODEJSG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, nodejs, typescript, software-engineering]
 last_reinforced: 2026-04-20
@@ -36,6 +36,6 @@ Node.js 전역 네임스페이스 확장(Global Namespace Augmentation)은 주
 - **정책 변화(RL Update)**: 클린 코드 프린시플(Separation of Concerns)에 따라 전역 변수 사용은 점진적으로 지양되는 추세이나, 엔터프라이즈 급 대규모 모노레포에서는 공통 유틸리티의 타입 접근성을 위해 엄격한 거버넌스 하에 선택적으로 허용하는 정책을 취함.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[TypeScript_Type_Safety]], [[Monorepo-Management]], [[Separation_of_Concerns]], [[Modular Monolith]]
+- **Related**: [[TypeScript_Type_Safety]], Monorepo-Management, [[Separation_of_Concerns]], Modular Monolith
 - **Modern Tech/Tools**: TypeScript Declaration Merging, tsconfig paths.
 ---
diff --git a/10_Wiki/Topics/AI/Noise-Reduction-in-AI.md b/10_Wiki/Topics/AI/Noise-Reduction-in-AI.md
index 1a8c3b3a..5a92c5cc 100644
--- a/10_Wiki/Topics/AI/Noise-Reduction-in-AI.md
+++ b/10_Wiki/Topics/AI/Noise-Reduction-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-NOISE-RED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, noise-reduction, denoising, signal-processing, autoencoder]
 last_reinforced: 2026-04-26
 ---
 
-# [[Noise Reduction in AI (AI에서의 노이즈 제거)]]
+# Noise Reduction in AI (AI에서의 노이즈 제거)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 본질을 가리는 불필요한 흔적들을 정교하게 닦아내어, 기계가 가장 순수한 정보에 집중하게 하라" — 이미지, 음성, 텍스트 등 다양한 신호 데이터에 포함된 무작위 노이즈를 식별하고 제거하여 모델의 정확도와 사용자 체감 품질을 높이는 전처리 및 학습 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 외부 원시 데이터 수집 시, 텍스트 내의 중복 기호나 광고성 노이즈를 1차적으로 필터링하는 전용 노이즈 리덕션 파이프라인을 가동하여 지식의 순도를 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Generative-Adversarial-Networks-GAN]], [[Autoencoders-in-Deep-Learning]], [[Pre-processing-Data-for-AI]], [[Signal-Processing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Noise-Reduction-in-AI.md]]
+- Generative-Adversarial-Networks-GAN, Autoencoders-in-Deep-Learning, [[Pre-processing-Data-for-AI]], [[Signal-Processing-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Noise-Reduction-in-AI.md
diff --git a/10_Wiki/Topics/AI/Noise.md b/10_Wiki/Topics/AI/Noise.md
index 217c8d8c..d11094bd 100644
--- a/10_Wiki/Topics/AI/Noise.md
+++ b/10_Wiki/Topics/AI/Noise.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NOIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, noise, signals, data-quality, information-theory, statistics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Nominal-Typing-in-TypeScript.md b/10_Wiki/Topics/AI/Nominal-Typing-in-TypeScript.md
index e8eb162c..0863b2e7 100644
--- a/10_Wiki/Topics/AI/Nominal-Typing-in-TypeScript.md
+++ b/10_Wiki/Topics/AI/Nominal-Typing-in-TypeScript.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NTYTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, typescript, programming-languages, type-systems]
 last_reinforced: 2026-04-20
@@ -35,6 +35,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 엔터프라이즈 급 코드 베이스에서는 프리미티브 타입(Primitive types)을 직접 노출하지 않고 항상 브랜딩된 타입을 사용하는 'Strong Typing' 정책이 버그 발생률을 50% 이상 낮춘다는 통계에 따라 의무화되는 추세임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[TypeScript_Type_Safety]], [[Opaque-Types]], [[Domain-Driven Design (DDD)]], [[Branded Types]]
+- **Related**: [[TypeScript_Type_Safety]], [[Opaque-Types]], [[Domain-Driven Design (DDD)]], Branded Types
 - **Modern Tech/Tools**: TypeScript Template Literal Types, Unique Symbols.
 ---
diff --git a/10_Wiki/Topics/AI/Non-Photorealistic-Rendering-in-Level-Design.md b/10_Wiki/Topics/AI/Non-Photorealistic-Rendering-in-Level-Design.md
index ac750120..5c47b784 100644
--- a/10_Wiki/Topics/AI/Non-Photorealistic-Rendering-in-Level-Design.md
+++ b/10_Wiki/Topics/AI/Non-Photorealistic-Rendering-in-Level-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NPRR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, graphics, level-design, rendering, aesthetics]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 게임 엔진(Unity, Unreal) 성능 상향으로 인해 실사 그래픽 경쟁이 포화 상태에 이르자, 대형 스튜디오(Sony 등)에서도 독창적인 NPR 스타일 개발을 핵심 IP 전략으로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Graphics & Performance]], [[Okami-Ink-Wash-Aesthetics]], [[Post-Processing]], [[Art Direction]]
+- **Related**: Graphics & Performance, [[Okami-Ink-Wash-Aesthetics]], Post-Processing, Art Direction
 - **Modern Tech/Tools**: Unity URP/HDRP Custom Shaders, Unreal Engine Post-process Materials.
 ---
diff --git a/10_Wiki/Topics/AI/Non-linear-Activation-Functions.md b/10_Wiki/Topics/AI/Non-linear-Activation-Functions.md
index 461a7a28..cdecdfee 100644
--- a/10_Wiki/Topics/AI/Non-linear-Activation-Functions.md
+++ b/10_Wiki/Topics/AI/Non-linear-Activation-Functions.md
@@ -1,12 +1,12 @@
 ---
 id: DL-ACT-NLIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, activation-functions, non-linearity, relu, sigmoid]
 last_reinforced: 2026-04-26
 ---
 
-# [[Non-linear Activation Functions (비선형 활성화 함수)]]
+# Non-linear Activation Functions (비선형 활성화 함수)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단조로운 직선의 세계에 '굴곡'을 부여하여, 신경망이 세상의 모든 복잡한 함수를 근사할 수 있는 무한한 표현력을 갖게 하라" — 각 뉴런의 출력을 비선형적으로 변환함으로써 심층 신경망이 선형적인 한계를 극복하고 고차원적인 패턴을 학습하게 만드는 핵심 장치.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 언어 모델 아키텍처 설계 시, 수학적 부드러움과 성능 최적화가 검증된 SwiGLU 또는 GELU 활성화 함수를 기본 사양으로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Activation-Functions]], [[Leaky-ReLU-and-Activations]], [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Non-linear-Activation-Functions.md]]
+- Activation-Functions, [[Leaky-ReLU-and-Activations]], Deep-Learning-Foundations, Backpropagation-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Non-linear-Activation-Functions.md
diff --git a/10_Wiki/Topics/AI/Non-parametric-Models.md b/10_Wiki/Topics/AI/Non-parametric-Models.md
index 2814d38b..52af57d3 100644
--- a/10_Wiki/Topics/AI/Non-parametric-Models.md
+++ b/10_Wiki/Topics/AI/Non-parametric-Models.md
@@ -1,12 +1,12 @@
 ---
 id: ML-NPAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, statistics, non-parametric, knn, decision-trees, data-driven]
 last_reinforced: 2026-04-26
 ---
 
-# [[Non-parametric Models (비모수 모델)]]
+# Non-parametric Models (비모수 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 형상을 미리 짐작하여 가두지 말고, 데이터 스스로가 자신의 구조를 드러내게 하라" — 고정된 수의 매개변수를 가지지 않고, 데이터의 규모에 따라 모델의 복잡도가 유연하게 변화하는 머신러닝 알고리즘 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 소요 시간 예측이나 이상 탐지(Anomaly Detection) 시, 데이터의 분포를 미리 예단하지 않기 위해 비모수적 접근법인 커널 밀도 추정(KDE)이나 랜덤 포레스트를 적극 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[K-Nearest-Neighbors-K-NN]], [[Decision-Trees-and-Random-Forests]], [[Support-Vector-Machines-SVM]], [[Instance-based-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Non-parametric-Models.md]]
+- [[K-Nearest-Neighbors-K-NN]], Decision-Trees-and-Random-Forests, Support-Vector-Machines-SVM, [[Instance-based-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Non-parametric-Models.md
diff --git a/10_Wiki/Topics/AI/Normalization-Strategies.md b/10_Wiki/Topics/AI/Normalization-Strategies.md
index 8cfd88fd..bf4d5f08 100644
--- a/10_Wiki/Topics/AI/Normalization-Strategies.md
+++ b/10_Wiki/Topics/AI/Normalization-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: DL-NORM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, normalization, batch-norm, layer-norm, training-stability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Normalization Strategies (정규화 전략)]]
+# Normalization Strategies (정규화 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 날것 그대로의 요동을 차분히 길들여, 신경망이 혼란 없이 최적의 길(Gradient)을 찾도록 하라" — 신경망 내부의 데이터 분포를 일정하게 유지함으로써 학습 속도를 높이고 기울기 소실/폭주 문제를 완화하여 모델의 수렴 안정성을 극대화하는 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 언어 모델 학습 및 추론 시, 연산 효율과 안정성이 입증된 Pre-Layer Normalization 아키텍처를 기본 사양으로 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Layer-Normalization]], [[Batch-Normalization-Exploration]], [[Deep-Learning-Foundations]], [[Gradient-Descent-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Normalization-Strategies.md]]
+- [[Layer-Normalization]], Batch-Normalization-Exploration, Deep-Learning-Foundations, Gradient-Descent-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Normalization-Strategies.md
diff --git a/10_Wiki/Topics/AI/Normalization.md b/10_Wiki/Topics/AI/Normalization.md
index d027a828..2292a712 100644
--- a/10_Wiki/Topics/AI/Normalization.md
+++ b/10_Wiki/Topics/AI/Normalization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NORM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, normalization, data-processing, database, machine-learning, statistics]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 0~1 사이로 맞추는 정책을 넘어, 평균 0, 표준편차 1로 만드는 '표준화(Standardization)' 정책과 구분하여 사용하며, 모델의 아키텍처 정책에 따라 적절한 기법을 선택하는 것이 엔지니어의 핵심 역량 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep Learning (DL)]], [[Efficiency]], [[Optimization]], [[Machine Learning (ML)]], [[Linear-Algebra]]
+- Deep Learning (DL), [[Efficiency]], [[Optimization]], [[Machine Learning (ML)]], [[Linear-Algebra]]
 - **Modern Tech/Tools**: Batch Normalization, Layer Norm (Transformer), RMSProp, SQL Normal forms (1NF-3NF).
 ---
diff --git a/10_Wiki/Topics/AI/Nuclear Deterrence Models.md b/10_Wiki/Topics/AI/Nuclear Deterrence Models.md
index 54b18216..8181a80b 100644
--- a/10_Wiki/Topics/AI/Nuclear Deterrence Models.md	
+++ b/10_Wiki/Topics/AI/Nuclear Deterrence Models.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NDM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, game-theory, international-relations, strategy]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 인공지능이 핵 발사 의사결정에 개입할 경우, '플래시 워(Flash War, 순식간에 핵 전쟁으로 번짐)' 위험이 증가한다는 인식이 확산되며 AI의 핵 제어 개입을 금지하는 국제적 합의가 정책 의제로 부상 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Game Theory]], [[Nash Equilibrium]], [[Risk Management]], [[Complex Adaptive Systems]]
+- **Related**: Game Theory, Nash Equilibrium, [[Risk Management]], Complex Adaptive Systems
 - **Modern Tech/Tools**: ICBM, SLBM, AI-driven Early Warning Systems.
 ---
diff --git a/10_Wiki/Topics/AI/Numbers-and-Games.md b/10_Wiki/Topics/AI/Numbers-and-Games.md
index 38bd2f01..4ef1e854 100644
--- a/10_Wiki/Topics/AI/Numbers-and-Games.md
+++ b/10_Wiki/Topics/AI/Numbers-and-Games.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NUGA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, surreal-numbers, combinatorial-game-theory, john-conway, logic, mathematical-games]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Nutritional-Biochemistry.md b/10_Wiki/Topics/AI/Nutritional-Biochemistry.md
index 84dc42be..7a6ed865 100644
--- a/10_Wiki/Topics/AI/Nutritional-Biochemistry.md
+++ b/10_Wiki/Topics/AI/Nutritional-Biochemistry.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-NBIO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, biochemistry, nutrition, metabolism]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 개인의 유전적 차이에 따라 만성 질환 위험도가 다르다는 증거가 쌓이면서, 일률적인 권장 영양 섭취량(RDA)에서 '정밀 영양(Precision Nutrition)'으로 국가 보건 정책의 패러다임이 전환되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Metabolism]], [[Molecular Biology]], [[Epigenetics]], [[Elite-Sport-Science-Protocols]], [[Homeostasis]]
+- **Related**: Metabolism, Molecular Biology, Epigenetics, [[Elite-Sport-Science-Protocols]], [[Homeostasis]]
 - **Modern Tech/Tools**: Metabolomics, Microbiome analysis, Continuous Glucose Monitors (CGM).
 ---
diff --git a/10_Wiki/Topics/AI/OKR.md b/10_Wiki/Topics/AI/OKR.md
index 95cfd90a..dcc71cff 100644
--- a/10_Wiki/Topics/AI/OKR.md
+++ b/10_Wiki/Topics/AI/OKR.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OKRS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, okr, performance-management, strategy, goals, silicon-valley]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가설).md b/10_Wiki/Topics/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가설).md
index 9012a225..306192c6 100644
--- a/10_Wiki/Topics/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가설).md	
+++ b/10_Wiki/Topics/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가설).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OWAC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, logic, knowledge-representation, semantic-web]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근의 생성형 AI(LLM)는 CWA적 착각(Halucination)에 빠져 '모르는 것'을 '거짓'이 아닌 '창작된 가실'로 출력하는 경향이 있음. 이를 교정하기 위해 모델이 '모름' 상태를 명시적으로 인지(OWA적 인지)하도록 하는 훈련 정책이 강화되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Logic]], [[Ontology-Engineering]], [[Knowledge Models]], [[Common Sense Reasoning]]
+- **Related**: [[Logic]], [[Ontology-Engineering]], Knowledge Models, Common Sense Reasoning
 - **Modern Tech/Tools**: RDF, OWL, Prolog (Negation as Failure).
 ---
diff --git a/10_Wiki/Topics/AI/Object Pooling (오브젝트 풀링).md b/10_Wiki/Topics/AI/Object Pooling (오브젝트 풀링).md
index 329fb2b5..0e9dd709 100644
--- a/10_Wiki/Topics/AI/Object Pooling (오브젝트 풀링).md	
+++ b/10_Wiki/Topics/AI/Object Pooling (오브젝트 풀링).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OPOOL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, game-dev, performance, optimization, memory-management]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: Unity 2021+ 이후 엔진 자체적으로 `UnityEngine.Pool` API를 제공함에 따라, 개발자가 직접 바퀴를 재발명하지 않고 표준화된 풀링 인터페이스를 사용하는 정책이 권고됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Graphics & Performance]], [[Memory & Systems]], [[Game-Feel-and-Juiciness]], [[Design Patterns]]
+- **Related**: Graphics & Performance, Memory & Systems, [[Game-Feel-and-Juiciness]], Design Patterns
 - **Modern Tech/Tools**: Unity ObjectPool API, Entitas (ECS Framework).
 ---
diff --git a/10_Wiki/Topics/AI/Object-Detection-Foundations.md b/10_Wiki/Topics/AI/Object-Detection-Foundations.md
index 1c34b265..0809f588 100644
--- a/10_Wiki/Topics/AI/Object-Detection-Foundations.md
+++ b/10_Wiki/Topics/AI/Object-Detection-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: CV-OBJ-DET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, ai, object-detection, yolo, bounding-box, localization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Object Detection Foundations (객체 탐지 기초)]]
+# Object Detection Foundations (객체 탐지 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이미지라는 평면 공간에서 사물의 '무엇(What)'과 '어디(Where)'를 동시에 정복하여, 기계가 시각적 세계를 논리적으로 해체하게 하라" — 이미지 내에 존재하는 여러 객체의 종류를 분류(Classification)하고 그 위치를 경계 상자(Bounding Box)로 표시(Localization)하는 컴퓨터 비전 기술.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 시각 인터페이스 분석 시, 저지연 응답을 위해 최적화된 YOLOv8 아키텍처를 기반으로 화면 내의 버튼, 텍스트 입력창 등 UI 요소를 실시간으로 탐지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Foundations]], [[Image-Segmentation]], [[Convolutional-Neural-Networks-CNN]], [[Non-linear-Activation-Functions]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Object-Detection-Foundations.md]]
+- Computer-Vision-Foundations, [[Image-Segmentation]], Convolutional-Neural-Networks-CNN, [[Non-linear-Activation-Functions]]
+- **Raw Source:** 10_Wiki/Topics/AI/Object-Detection-Foundations.md
diff --git a/10_Wiki/Topics/AI/Object-Oriented-Design-Patterns.md b/10_Wiki/Topics/AI/Object-Oriented-Design-Patterns.md
index ef1fa975..5544440f 100644
--- a/10_Wiki/Topics/AI/Object-Oriented-Design-Patterns.md
+++ b/10_Wiki/Topics/AI/Object-Oriented-Design-Patterns.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OODP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, software-engineering, oop, architecture]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대의 함수형 프로그래밍(FP) 패러다임이 확산되면서, 복잡한 상태 패턴이나 전략 패턴 대신 단순한 고차 함수(Higher-order functions)를 사용하는 '패턴의 경량화' 정책이 선호됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Design Patterns]], [[Clean Code]], [[Separation_of_Concerns]], [[Software Architecture]], [[Component_Design_Patterns]]
+- **Related**: Design Patterns, Clean Code, [[Separation_of_Concerns]], Software Architecture, [[Component_Design_Patterns]]
 - **Modern Tech/Tools**: InversifyJS (DI), Reactive Extensions (Observer).
 ---
diff --git a/10_Wiki/Topics/AI/Object-Oriented-Programming.md b/10_Wiki/Topics/AI/Object-Oriented-Programming.md
index 60be6cc9..210848e5 100644
--- a/10_Wiki/Topics/AI/Object-Oriented-Programming.md
+++ b/10_Wiki/Topics/AI/Object-Oriented-Programming.md
@@ -1,12 +1,12 @@
 ---
 id: CS-OOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, software-engineering, oop, solid, encapsulation, design-patterns]
 last_reinforced: 2026-04-26
 ---
 
-# [[Object-Oriented Programming (OOP, 객체 지향 프로그래밍)]]
+# Object-Oriented Programming (OOP, 객체 지향 프로그래밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터와 행위를 하나의 '객체'라는 유기체로 묶고, 이들의 소통과 연합으로 거대하고 견고한 소프트웨어 제국을 건설하라" — 프로그램을 단순히 명령어의 나열이 아닌 독립된 단위인 '객체'들의 집합으로 파악하여 유연성과 재사용성을 극대화하는 프로그래밍 패러다임.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 에이전트 스킬과 데이터 핸들러는 SOLID 원칙을 준수하는 OOP 아키텍처로 설계되어 있어, 새로운 기능 추가 시 기존 코드의 수정 없이 확장이 가능함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Iterative-Development-Models]], [[Microservices-Architecture]], [[System-Design-for-AI-Scale]], [[Design-Patterns-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Object-Oriented-Programming.md]]
+- [[Iterative-Development-Models]], [[Microservices-Architecture]], System-Design-for-AI-Scale, Design-Patterns-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Object-Oriented-Programming.md
diff --git a/10_Wiki/Topics/AI/Objective-Functions.md b/10_Wiki/Topics/AI/Objective-Functions.md
index 16e9a68a..1dcbf482 100644
--- a/10_Wiki/Topics/AI/Objective-Functions.md
+++ b/10_Wiki/Topics/AI/Objective-Functions.md
@@ -1,12 +1,12 @@
 ---
 id: OBJ-FUNC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, optimization, loss-function, cost-function]
 last_reinforced: 2026-04-26
 ---
 
-# [[Objective Functions (목적 함수)]]
+# Objective Functions (목적 함수)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델이 나아가야 할 북극성을 정의하라" — 머신러닝 모델이 학습을 통해 최소화(비용 함수)하거나 최대화(효용 함수)하고자 하는 수치적 목표.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 답변 품질 평가 시, 정확도뿐만 아니라 '정보의 구체성'과 '가독성'을 목적 함수의 가중치로 포함하여 학습시킴.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gradient-Descent]], [[Cross-Entropy]], [[Optimization]], [[Machine-Learning-Lifecycle]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Objective-Functions.md]]
+- [[Gradient-Descent]], Cross-Entropy, [[Optimization]], [[Machine-Learning-Lifecycle]]
+- **Raw Source:** 10_Wiki/Topics/AI/Objective-Functions.md
diff --git a/10_Wiki/Topics/AI/Objectivism.md b/10_Wiki/Topics/AI/Objectivism.md
index ece271db..12f5cf94 100644
--- a/10_Wiki/Topics/AI/Objectivism.md
+++ b/10_Wiki/Topics/AI/Objectivism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OBJ-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, philosophy, ethics, rational-egoism]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 실리콘밸리의 창업가 정신(Entrepreneurship)에 큰 영감을 주었으나, 최근에는 사회적 책임(ESG) 중심의 정책이 강화되며 '극단적 개인주의'보다는 '자유로운 개인의 사회적 계약' 관점으로 재해석되는 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Ethics]], [[Capitalism]], [[Rationality]], [[BioShock (as a critique of Objectivism)]]
+- **Related**: Ethics, Capitalism, Rationality, BioShock (as a critique of Objectivism)
 - **Modern Tech/Tools**: Libertarianism, Decentralized Autonomous Organizations (DAO).
 ---
diff --git a/10_Wiki/Topics/AI/Observation.md b/10_Wiki/Topics/AI/Observation.md
index ea5ceac6..29070e82 100644
--- a/10_Wiki/Topics/AI/Observation.md
+++ b/10_Wiki/Topics/AI/Observation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OBSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, observation, data-collection, empirical-research, mindfulness, sensory-input]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Occupational-Therapy.md b/10_Wiki/Topics/AI/Occupational-Therapy.md
index 67dc070d..9f40efa5 100644
--- a/10_Wiki/Topics/AI/Occupational-Therapy.md
+++ b/10_Wiki/Topics/AI/Occupational-Therapy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OTHR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, health, rehabilitation, activity-of-daily-living]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 고령화 사회로 진입하며 'Aged-in-Place(살던 곳에서 늙어가기)' 정책이 강화됨에 따라, 지역사회 내 작업치료사의 주거 환경 조정 및 방문 치료 권한이 행정적으로 확대되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neurorehabilitation after Stroke]], [[Executive Function]], [[Assisitive Technology]], [[Sensory Processing Disorder]]
+- **Related**: [[Neurorehabilitation after Stroke]], Executive Function, Assisitive Technology, Sensory Processing Disorder
 - **Modern Tech/Tools**: Virtual Reality ADL training, Smart Home adaptations.
 ---
diff --git a/10_Wiki/Topics/AI/Off-policy-vs-On-policy-Learning.md b/10_Wiki/Topics/AI/Off-policy-vs-On-policy-Learning.md
index 14c4107a..b27a7cac 100644
--- a/10_Wiki/Topics/AI/Off-policy-vs-On-policy-Learning.md
+++ b/10_Wiki/Topics/AI/Off-policy-vs-On-policy-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: RL-POLICY-DIFF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, on-policy, off-policy, q-learning, sarsa]
 last_reinforced: 2026-04-26
 ---
 
-# [[Off-policy vs On-policy Learning (오프-폴리시 vs 온-폴리시 학습)]]
+# Off-policy vs On-policy Learning (오프-폴리시 vs 온-폴리시 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현재 내가 걷는 길에서 직접 깨달을 것인가(On), 아니면 타인의 발자취나 과거의 일기에서 진리를 캘 것인가(Off)의 선택" — 에이전트가 학습하는 정책(Target Policy)과 실제로 행동하는 정책(Behavior Policy)의 일치 여부에 따른 강화학습 알고리즘의 분류 체계.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 새로운 도구 사용 스킬을 학습시킬 때, 초기에는 오프-폴리시 기반의 대량 시뮬레이션 데이터로 지능을 쌓고, 실전 단계에서는 온-폴리시 기법을 적용하여 안전하고 정교하게 미세 조정한 정책을 수립함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Markov-Decision-Process-MDP]], [[Experience-Replay-Strategies]], [[Proximal-Policy-Optimization-PPO]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Off-policy-vs-On-policy-Learning.md]]
+- [[Reinforcement-Learning]], [[Markov-Decision-Process-MDP]], Experience-Replay-Strategies, Proximal-Policy-Optimization-PPO
+- **Raw Source:** 10_Wiki/Topics/AI/Off-policy-vs-On-policy-Learning.md
diff --git a/10_Wiki/Topics/AI/Okami-Ink-Wash-Aesthetics.md b/10_Wiki/Topics/AI/Okami-Ink-Wash-Aesthetics.md
index e8a45c61..087a1c5a 100644
--- a/10_Wiki/Topics/AI/Okami-Ink-Wash-Aesthetics.md
+++ b/10_Wiki/Topics/AI/Okami-Ink-Wash-Aesthetics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OKAMI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, game-art, japanese-culture, aesthetics, cell-shading]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 리마스터(HD 버전) 출시 시, 고해상도로 인해 오히려 붓 터치의 뭉툭함이 강조될 위험이 있었으나, 전용 업스케일링 셰이더를 개발하여 원작의 '번짐 효과'를 유지하는 장인정신적 정책을 고수함.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Non-Photorealistic-Rendering-in-Level-Design]], [[Game Design Theory]], [[Japanese Mythology]], [[Art Direction]]
+- **Related**: [[Non-Photorealistic-Rendering-in-Level-Design]], [[Game Design Theory]], Japanese Mythology, Art Direction
 - **Modern Tech/Tools**: Custom NPR Shaders, Post-processing filters.
 ---
diff --git a/10_Wiki/Topics/AI/Olympic-Training-Cycles.md b/10_Wiki/Topics/AI/Olympic-Training-Cycles.md
index 79bf41dc..3b9dd0a5 100644
--- a/10_Wiki/Topics/AI/Olympic-Training-Cycles.md
+++ b/10_Wiki/Topics/AI/Olympic-Training-Cycles.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OLYM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, sport-science, periodization, olympic-training]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 부상 방지와 선수 생명 연장을 위해, 훈련 데이터(HRV, 수면 질 등) 수집이 불충분한 선수는 강제적으로 훈련 강도를 제한하는 '데이터 주도적 안전 정책'이 각국 올림픽 위원회의 핵심 지침이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Periodization-Theory]], [[Elite-Sport-Science-Protocols]], [[Supercompensation]], [[Biological Rhythms]]
+- **Related**: [[Periodization-Theory]], [[Elite-Sport-Science-Protocols]], Supercompensation, Biological Rhythms
 - **Modern Tech/Tools**: HRV monitoring, GPS tracking, Performance Data Analytics.
 ---
diff --git a/10_Wiki/Topics/AI/Olympic-Training-Models.md b/10_Wiki/Topics/AI/Olympic-Training-Models.md
index 1f6d3b78..7e9d8bb7 100644
--- a/10_Wiki/Topics/AI/Olympic-Training-Models.md
+++ b/10_Wiki/Topics/AI/Olympic-Training-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OLYM-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, olympic-training, sports-science, performance-models]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 성적 지상주의 모델에서 벗어나, 선수 은퇴 이후의 삶과 장기적 부상 방지(Long-Term Athlete Development, LTAD)를 포함한 지속 가능한 모델링이 국가 대표팀의 공식 정책으로 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Olympic-Training-Cycles]], [[Periodization-Theory]], [[Metabolism]], [[Motor Learning]]
+- **Related**: [[Olympic-Training-Cycles]], [[Periodization-Theory]], Metabolism, Motor Learning
 - **Modern Tech/Tools**: Performance Simulation Software, Biomechanical Modeling.
 ---
diff --git a/10_Wiki/Topics/AI/Olympic-Training-Protocols.md b/10_Wiki/Topics/AI/Olympic-Training-Protocols.md
index badf7ffe..915f1b6d 100644
--- a/10_Wiki/Topics/AI/Olympic-Training-Protocols.md
+++ b/10_Wiki/Topics/AI/Olympic-Training-Protocols.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OLYM-003
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, olympic-protocols, sports-science, anti-doping]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 러시아의 대규모 도핑 스캔들 이후, 모든 국가 대표 프로토콜에는 '무관용 도핑 교육(Anti-Doping Integrity)'과 투명한 데이터 기록 공유가 최우선 순위 정책으로 강제됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Nutritional-Biochemistry]], [[Elite-Sport-Science-Protocols]], [[Psychology & Behavior]], [[Strength and Conditioning]]
+- **Related**: [[Nutritional-Biochemistry]], [[Elite-Sport-Science-Protocols]], [[Psychology & Behavior]], Strength and Conditioning
 - **Modern Tech/Tools**: WADA ADAMS, Wearable recovery trackers (Oura, Whoop).
 ---
diff --git a/10_Wiki/Topics/AI/One-Hot-Encoding.md b/10_Wiki/Topics/AI/One-Hot-Encoding.md
index f802965d..74fd6722 100644
--- a/10_Wiki/Topics/AI/One-Hot-Encoding.md
+++ b/10_Wiki/Topics/AI/One-Hot-Encoding.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-ONEHOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, data-preprocessing, one-hot-encoding, categorical-data, feature-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[One-Hot Encoding (원-핫 인코딩)]]
+# One-Hot Encoding (원-핫 인코딩)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터에 존재하지 않는 인위적인 서열(순서)을 배제하고, 각 범주에 오직 단 하나의 빛나는 '1'을 부여하여 평등한 구분을 완성하라" — 범주형 데이터를 컴퓨터가 연산 가능한 이진 벡터(0과 1) 형식으로 변환하여, 데이터 간의 의도치 않은 우선순위 왜곡을 방지하는 전처리 기술.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 액션 타입(Search, Code, Ask 등) 분류 시, 명확한 상호 배타성을 보장하기 위해 원-핫 인코딩을 기본 벡터 표현식으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Pre-processing-Data-for-AI]], [[Dimensionality-Reduction]], [[Word-Embeddings-Foundations]], [[Feature-Engineering-Best-Practices]]
-- **Raw Source:** [[10_Wiki/Topics/AI/One-Hot-Encoding.md]]
+- [[Pre-processing-Data-for-AI]], [[Dimensionality-Reduction]], Word-Embeddings-Foundations, Feature-Engineering-Best-Practices
+- **Raw Source:** 10_Wiki/Topics/AI/One-Hot-Encoding.md
diff --git a/10_Wiki/Topics/AI/One-Shot-Learning.md b/10_Wiki/Topics/AI/One-Shot-Learning.md
index 54b9f7df..265b6b9b 100644
--- a/10_Wiki/Topics/AI/One-Shot-Learning.md
+++ b/10_Wiki/Topics/AI/One-Shot-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-ONE-SHOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, one-shot-learning, few-shot-learning, siamese-networks, face-recognition]
 last_reinforced: 2026-04-26
 ---
 
-# [[One-Shot Learning (원-샷 학습)]]
+# One-Shot Learning (원-샷 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수만 번의 반복 대신 단 한 번의 조우로 대상을 각인하고, 낯선 환경에서도 즉각적인 통찰을 발휘하라" — 각 카테고리당 단 하나의 학습 샘플만으로도 새로운 데이터를 정확히 분류해내는 고도의 일반화 학습 체계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자가 새롭게 정의한 커스텀 명령어(Custom Skill)를 에이전트가 단 한 번의 예시만으로도 정확히 이해하고 실행할 수 있도록 원-샷 프롬프팅 최적화 기술을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Few-Shot-Learning]], [[Meta-Learning-in-AI]], [[Transfer-Learning-Foundations]], [[Distance-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/One-Shot-Learning.md]]
+- [[Few-Shot-Learning]], [[Meta-Learning-in-AI]], Transfer-Learning-Foundations, Distance-Metrics-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/One-Shot-Learning.md
diff --git a/10_Wiki/Topics/AI/Online-Learning-and-Streaming.md b/10_Wiki/Topics/AI/Online-Learning-and-Streaming.md
index 19fc0a41..299ddbda 100644
--- a/10_Wiki/Topics/AI/Online-Learning-and-Streaming.md
+++ b/10_Wiki/Topics/AI/Online-Learning-and-Streaming.md
@@ -1,12 +1,12 @@
 ---
 id: ML-ONLINE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, online-learning, streaming-data, incremental-learning, real-time-ai, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Online Learning and Streaming (온라인 학습과 스트리밍)]]
+# Online Learning and Streaming (온라인 학습과 스트리밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 유효기간이 지나기 전에 학습하고, 멈추지 않는 정보의 강물(Stream) 위에서 지능을 실시간으로 진화시켜라" — 대규모 데이터를 한꺼번에 처리하는 대신, 순차적으로 들어오는 데이터 샘플이나 미니 배치를 즉시 모델에 반영하여 최신 상태를 유지하는 학습 패러다임.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 사용자 개인화 프로필 업데이트 시, 전체 재학습 대신 온라인 학습 기법을 적용하여 사용자의 최신 선호도를 즉각 반영함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Model-Drift-and-Monitoring]], [[Incremental-Learning]], [[Message-Queues-and-Event-Streams]], [[Real-time-Data-Processing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Online-Learning-and-Streaming.md]]
+- [[Model-Drift-and-Monitoring]], [[Incremental-Learning]], [[Message-Queues-and-Event-Streams]], Real-time-Data-Processing
+- **Raw Source:** 10_Wiki/Topics/AI/Online-Learning-and-Streaming.md
diff --git a/10_Wiki/Topics/AI/Ontological-Engineering.md b/10_Wiki/Topics/AI/Ontological-Engineering.md
index 15e1fb74..ce0b1ef5 100644
--- a/10_Wiki/Topics/AI/Ontological-Engineering.md
+++ b/10_Wiki/Topics/AI/Ontological-Engineering.md
@@ -1,12 +1,12 @@
 ---
 id: ONT-ENG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [knowledge-engineering, ai, ontology, semantic-web, data-modeling]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ontological Engineering (온톨로지 공학)]]
+# Ontological Engineering (온톨로지 공학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지식의 뼈대와 위계를 설계하라" — 특정 도메인의 지식을 컴퓨터가 처리할 수 있도록 개체, 속성, 관계의 체계를 명확히 정의하고 구조화하는 방법론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키의 카테고리 구조를 온톨로지 공학 원리에 따라 설계하여 지식 탐색의 효율성을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Knowledge-Graph]], [[Semantic-Web]], [[Knowledge-Representation]], [[Taxonomy]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ontological-Engineering.md]]
+- [[Knowledge-Graph]], Semantic-Web, Knowledge-Representation, Taxonomy
+- **Raw Source:** 10_Wiki/Topics/AI/Ontological-Engineering.md
diff --git a/10_Wiki/Topics/AI/Ontology-Driven-Relevancy-Filtering.md b/10_Wiki/Topics/AI/Ontology-Driven-Relevancy-Filtering.md
index 8dda4c3d..584961da 100644
--- a/10_Wiki/Topics/AI/Ontology-Driven-Relevancy-Filtering.md
+++ b/10_Wiki/Topics/AI/Ontology-Driven-Relevancy-Filtering.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9231E5
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -17,7 +17,7 @@ github_commit: "[P-Reinforce] Continuous Worker - Ontology-Driven-Relevancy-Filt
 
 1. **Root Topic Injection**: 미션 시작 시 입력된 주제를 전역 상태(`rootTopic`)로 고정하고, 모든 프롬프트에 "최초 주제인 [Root Topic]을 이해하는 데 반드시 필요한 정보만 수집하라"는 강력한 지침을 포함시킵니다.
 2. **Strict Extraction Rule**: 
-    - `[[Link]]` 추출 시, 해당 주제가 Root Topic과 70% 이상의 의미론적 연관성을 가질 때만 큐(Queue)에 추가하도록 LLM 가이드라인을 설정했습니다.
+    - `Link` 추출 시, 해당 주제가 Root Topic과 70% 이상의 의미론적 연관성을 가질 때만 큐(Queue)에 추가하도록 LLM 가이드라인을 설정했습니다.
     - 단순 나열(Tangential topics)은 수집 대상에서 제외합니다.
 3. **Contextual Continuity**: 다음 태스크를 생성할 때 이전 태스크의 맥락을 `context` 변수로 전달하여, 지식의 연결성이 끊기지 않도록 관리합니다.
 
@@ -28,8 +28,8 @@ github_commit: "[P-Reinforce] Continuous Worker - Ontology-Driven-Relevancy-Filt
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Autonomous-Loop-State-Machine]], [[Gemini-Based-Knowledge-Synthesis]]
-- **Projects/Contexts:** [[Knowledge-Graph-Expansion]]
+- **Related Topics:** Autonomous-Loop-State-Machine, Gemini-Based-Knowledge-Synthesis
+- **Projects/Contexts:** Knowledge-Graph-Expansion
 - **Contradictions/Notes:** 필터링이 너무 강력하면 지식의 '참신한 연결'이 저해될 수 있으므로, 프롬프트의 강도 조절이 중요합니다.
-- Raw Source: [[00_Raw/2026-04-20/Ontology-Driven-Relevancy-Filtering.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Ontology-Engineering.md b/10_Wiki/Topics/AI/Ontology-Engineering.md
index 57e854eb..d167b398 100644
--- a/10_Wiki/Topics/AI/Ontology-Engineering.md
+++ b/10_Wiki/Topics/AI/Ontology-Engineering.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ONT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, ontology, semantic-web, knowledge-engineering]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 엔터프라이즈 레벨의 AI 시스템 구축 시, 데이터 사일로(Silo) 현상을 막고 상호 운용성(Interoperability)을 확보하기 위해 '표준 온톨로지 준수'가 데이터 거버넌스의 핵심 정책으로 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Semantic Grounding  Provenance]], [[Knowledge Graphs]], [[Semantic Web]], [[Logic]]
+- **Related**: Semantic Grounding  Provenance, Knowledge Graphs, Semantic Web, [[Logic]]
 - **Modern Tech/Tools**: Protege, TopBraid Composer, Neo4j.
 ---
diff --git a/10_Wiki/Topics/AI/Ontology-Guided Knowledge Extraction.md b/10_Wiki/Topics/AI/Ontology-Guided Knowledge Extraction.md
index cac41b77..cfd181a3 100644
--- a/10_Wiki/Topics/AI/Ontology-Guided Knowledge Extraction.md	
+++ b/10_Wiki/Topics/AI/Ontology-Guided Knowledge Extraction.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ONTK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, information-extraction, nlp, semantic-search]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 공공 데이터 개방 사업 등에서 '단순 텍스트 공개'가 아닌 '온톨로지 기반 구조화 데이터 공개'를 의무화하여 인공지능이 즉시 학습 가능한 지식 생태계를 구축하려는 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Ontology-Engineering]], [[Natural Language Processing (NLP)]], [[Information Extraction (IE)]], [[RAG (검색 증강 생성)]]
+- **Related**: [[Ontology-Engineering]], Natural Language Processing (NLP), Information Extraction (IE), [[RAG (검색 증강 생성)]]
 - **Modern Tech/Tools**: SpaCy, Stanford CoreNLP, LLM-based parsing (LangChain).
 ---
diff --git a/10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md b/10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md
index c56fdffc..99f1b2bf 100644
--- a/10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md
+++ b/10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md
@@ -1,12 +1,12 @@
 ---
 id: AI-ONT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, knowledge-representation, ontology, semantic-web, reasoning, knowledge-graph]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ontology and Knowledge Repr (온톨로지와 지식 표현)]]
+# Ontology and Knowledge Repr (온톨로지와 지식 표현)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터에 이름표를 붙이는 단계를 넘어, 존재들 사이의 본질적 관계와 질서를 규명하여 기계의 '상식'을 설계하라" — 지식의 개념들을 정의하고, 이들 사이의 관계(속성, 계층)를 기계가 해석하고 추론할 수 있는 형식적인 언어로 표현하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 위키 지식을 단순 연결하는 것을 넘어, 각 주제 간의 상하 관계와 연관 관계를 엄격히 정의한 커스텀 온톨로지를 구축하여 에이전트의 지식 탐색 정확도를 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Knowledge-Graph-Foundations]], [[Neuro-Symbolic-AI]], [[Linguistic-Analysis-in-AI]], [[Semantic-Web-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md]]
+- [[Knowledge-Graph-Foundations]], [[Neuro-Symbolic-AI]], [[Linguistic-Analysis-in-AI]], Semantic-Web-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Ontology-and-Knowledge-Representation.md
diff --git a/10_Wiki/Topics/AI/Ontology.md b/10_Wiki/Topics/AI/Ontology.md
index bf2bee28..ef0ac2c8 100644
--- a/10_Wiki/Topics/AI/Ontology.md
+++ b/10_Wiki/Topics/AI/Ontology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ONTO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, ontology, knowledge-engineering, classification, semantic-web, conceptual-modeling]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 웹 3.0과 시맨틱 웹 정책의 핵심으로 작동하며, 지식 그래프(Knowledge Graph) 구축의 뼈대 정책이 되어 LLM의 답변에 신뢰성 있는 도메인 지식 정책을 주입하는 용도로 다시 주목받음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Interoperability]], [[Knowledge-Structure]], [[Knowledge synthesis]], [[Graph Theory]], [[Semantic-Web (연결)]]
+- [[Interoperability]], [[Knowledge-Structure]], [[Knowledge synthesis]], [[Graph Theory]], Semantic-Web (연결)
 - **Modern Tech/Tools**: Protégé, RDF (Resource Description Framework), OWL (Web Ontology Language), Schema.org.
 ---
diff --git a/10_Wiki/Topics/AI/Opaque-Types.md b/10_Wiki/Topics/AI/Opaque-Types.md
index 389d5230..755a01e8 100644
--- a/10_Wiki/Topics/AI/Opaque-Types.md
+++ b/10_Wiki/Topics/AI/Opaque-Types.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OTYP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, typescript, software-engineering, encapsulation]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보안이 중요한 모듈(암호화 키, 세션 ID 등)에서는 원시 데이터가 실수로 로깅되거나 노출되는 것을 막기 위해 모든 내부 데이터를 오페이크 타입으로 래핑하는 보안 정책이 표준화됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Nominal-Typing-in-TypeScript]], [[Encapsulation-and-Information-Hiding]], [[Type-Theory]], [[Domain-Driven Design (DDD)]]
+- **Related**: [[Nominal-Typing-in-TypeScript]], [[Encapsulation-and-Information-Hiding]], Type-Theory, [[Domain-Driven Design (DDD)]]
 - **Modern Tech/Tools**: Flow (Opaque type alias), TypeScript Branding.
 ---
diff --git a/10_Wiki/Topics/AI/Open-Access-Movement.md b/10_Wiki/Topics/AI/Open-Access-Movement.md
index d603610d..66ecb7f4 100644
--- a/10_Wiki/Topics/AI/Open-Access-Movement.md
+++ b/10_Wiki/Topics/AI/Open-Access-Movement.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OPENA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, open-science, academic-publishing, knowledge-sharing]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 미국(부시 행정부 이후 가속) 및 유럽연합(Plan S)은 정부 예산이 투입된 연구 결과물은 반드시 즉각적인 오픈 액세스로 출판해야 한다는 강력한 강제 정책을 시행 중임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Open-Source-Software]], [[Information-Ethics]], [[Epistemology]], [[Knowledge Management]]
+- **Related**: Open-Source-Software, Information-Ethics, [[Epistemology]], Knowledge Management
 - **Modern Tech/Tools**: arXiv, Sci-Hub (논란의 중심), Creative Commons Licenses (CC).
 ---
diff --git a/10_Wiki/Topics/AI/Open-Source-AI-Ecosystem.md b/10_Wiki/Topics/AI/Open-Source-AI-Ecosystem.md
index 5cf7a246..d424b166 100644
--- a/10_Wiki/Topics/AI/Open-Source-AI-Ecosystem.md
+++ b/10_Wiki/Topics/AI/Open-Source-AI-Ecosystem.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OS-ECO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, open-source, hugging-face, llama, mistral, community-driven, democratization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Open-Source AI Ecosystem (오픈소스 AI 생태계)]]
+# Open-Source AI Ecosystem (오픈소스 AI 생태계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능을 소유하지 않고 공유함으로써, 전 인류의 집단 지성이 거대 기업의 벽을 넘어서는 혁신의 가속도를 창출하라" — AI 모델, 데이터셋, 프레임워크를 공개적으로 공유하고 협업하여 기술의 민주화와 투명성을 실현하는 전 세계적 개발 커뮤니티와 인프라의 집합체.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 보안과 비용 효율성을 위해 로컬 환경에서 구동 가능한 오픈소스 모델(Llama 3 등)을 적극 도입하며, 커뮤니티의 최신 최적화 기법을 즉각 수용하여 시스템 성능을 개선함.
 
 ## 🔗 지식 연결 (Graph)
-- [[PyTorch-Foundations]], [[Low-Rank-Adaptation-LoRA]], [[Hugging-Face-Integration]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Open-Source-AI-Ecosystem.md]]
+- [[PyTorch-Foundations]], [[Low-Rank-Adaptation-LoRA]], Hugging-Face-Integration, [[Local-Brain-Management]]
+- **Raw Source:** 10_Wiki/Topics/AI/Open-Source-AI-Ecosystem.md
diff --git a/10_Wiki/Topics/AI/OpenAI-API-Integration.md b/10_Wiki/Topics/AI/OpenAI-API-Integration.md
index 5b04dc4c..fddb6a15 100644
--- a/10_Wiki/Topics/AI/OpenAI-API-Integration.md
+++ b/10_Wiki/Topics/AI/OpenAI-API-Integration.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OPENAI-API-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, openai, api, llm, integration, development, gpt-4]
 last_reinforced: 2026-04-26
 ---
 
-# [[OpenAI API Integration (OpenAI API 통합)]]
+# OpenAI API Integration (OpenAI API 통합)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대 모델의 지능을 단 몇 줄의 API 호출로 내 서비스의 심장에 이식하고, 기계와 인간의 대화를 비즈니스 가치로 변환하라" — OpenAI가 제공하는 최첨단 AI 모델(GPT, DALL-E, Whisper 등)을 외부 애플리케이션에 연결하여 텍스트 생성, 분석, 이미지 처리 등의 기능을 구현하는 개발 인터페이스.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 고도의 추론이 필요한 구간에서 OpenAI API를 최적화된 프롬프트 엔지니어링과 함께 사용하여, 로컬 모델이 해결하기 어려운 복잡한 논리 문제를 해결함.
 
 ## 🔗 지식 연결 (Graph)
-- [[GPT-Architecture-Foundations]], [[Prompt-Engineering-Best-Practices]], [[RAG-Foundations]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/OpenAI-API-Integration.md]]
+- [[GPT-Architecture-Foundations]], Prompt-Engineering-Best-Practices, RAG-Foundations, [[Local-Brain-Management]]
+- **Raw Source:** 10_Wiki/Topics/AI/OpenAI-API-Integration.md
diff --git a/10_Wiki/Topics/AI/Operations-Management.md b/10_Wiki/Topics/AI/Operations-Management.md
index 82ce4211..807ebff0 100644
--- a/10_Wiki/Topics/AI/Operations-Management.md
+++ b/10_Wiki/Topics/AI/Operations-Management.md
@@ -1,12 +1,12 @@
 ---
 id: MGMT-OPS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [management, operations, process-optimization, efficiency, supply-chain, agile]
 last_reinforced: 2026-04-26
 ---
 
-# [[Operations Management (운영 관리)]]
+# Operations Management (운영 관리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "비즈니스의 투입(Input)을 가치 있는 산출(Output)로 전환하는 모든 과정을 최적화하여, 낭비 없는 성장의 엔진을 구축하라" — 제품이나 서비스를 생산하고 전달하는 전체 프로세스를 설계, 실행, 제어하여 효율성과 고객 만족도를 극대화하는 관리 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개의 지식 가드닝 작업을 '배치 처리'와 '실시간 동기화'로 나누어 관리함으로써, 한정된 연산 자원 내에서 최대의 지식 보강 효율을 도출하는 운영 최적화 전략을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Lean-Project-Management]], [[Minimum-Viable-Product-MVP]], [[Agile-Methodologies]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Operations-Management.md]]
+- [[Lean-Project-Management]], [[Minimum-Viable-Product-MVP]], Agile-Methodologies, System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Operations-Management.md
diff --git a/10_Wiki/Topics/AI/Operations-Research.md b/10_Wiki/Topics/AI/Operations-Research.md
index 825a1b92..15d289d3 100644
--- a/10_Wiki/Topics/AI/Operations-Research.md
+++ b/10_Wiki/Topics/AI/Operations-Research.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OPRES-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, mathematics, optimization, system-analysis, management-science]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 인공지능(Reinforcement Learning)이 기존의 OR 수식을 대체하거나 보완하며, 단순 효율성뿐만 아니라 '지속 가능성(ESG)'을 제약 조건으로 포함하는 다중 목적 최적화 정책이 글로벌 스탠다드가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Decision Theory]], [[Game Theory]], [[Probability Theory]], [[Complex Adaptive Systems]], [[Economic Models]]
+- **Related**: [[Decision Theory]], Game Theory, [[Probability Theory]], Complex Adaptive Systems, Economic Models
 - **Modern Tech/Tools**: Gurobi Solver, IBM ILOG CPLEX, Python (SciPy/Pyomo).
 ---
diff --git a/10_Wiki/Topics/AI/Operator-Theory.md b/10_Wiki/Topics/AI/Operator-Theory.md
index 396a9e1e..de797b58 100644
--- a/10_Wiki/Topics/AI/Operator-Theory.md
+++ b/10_Wiki/Topics/AI/Operator-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OPTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.86
 tags: [auto-reinforced, operator-theory, mathematics, physics, functional-analysis, linear-operators]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 데이터 간의 차이가 유한할 때는 행렬 대수 정책을 쓰지만, 연속적인 세상 정책(Continuous world)을 설명할 때는 연산자 이론 정책이 필수적이며, 이는 '물리 기반 신경망(PINN)' 정책의 모태가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linear-Algebra]], [[Optimization]], [[Deep Learning (DL)]], [[High-Performance Computing (HPC)]], [[Logic]]
+- [[Linear-Algebra]], [[Optimization]], Deep Learning (DL), [[High-Performance Computing (HPC)]], [[Logic]]
 - **Modern Tech/Tools**: Fourier transform operators, Laplacians, Neural Operators (FNO), Quantum operators.
 ---
diff --git a/10_Wiki/Topics/AI/Opportunity-Cost.md b/10_Wiki/Topics/AI/Opportunity-Cost.md
index ae1e9712..71e22f05 100644
--- a/10_Wiki/Topics/AI/Opportunity-Cost.md
+++ b/10_Wiki/Topics/AI/Opportunity-Cost.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OPCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, opportunity-cost, economics, decision-making, tradeoffs, resource-allocation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Optical-Character-Recognition.md b/10_Wiki/Topics/AI/Optical-Character-Recognition.md
index 46131dee..8832af8c 100644
--- a/10_Wiki/Topics/AI/Optical-Character-Recognition.md
+++ b/10_Wiki/Topics/AI/Optical-Character-Recognition.md
@@ -1,12 +1,12 @@
 ---
 id: CV-OCR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, computer-vision, ocr, text-recognition, deep-learning, tesseract]
 last_reinforced: 2026-04-26
 ---
 
-# [[Optical Character Recognition (OCR, 광학 문자 인식)]]
+# Optical Character Recognition (OCR, 광학 문자 인식)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "픽셀의 덩어리에서 언어의 형상을 발견하고, 물리적 세상의 기록을 디지털 지식의 흐름으로 복원하라" — 이미지나 스캔된 문서 내의 텍스트를 식별하여 컴퓨터가 편집하고 검색할 수 있는 텍스트 데이터로 변환하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 외부 데이터 수집 시 이미지나 PDF 내의 텍스트를 지식화하기 위해, 최신 트랜스포머 기반 OCR 엔진을 활용하여 높은 정확도의 텍스트 추출을 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Foundations]], [[Natural-Language-Processing-NLP]], [[Object-Detection-Foundations]], [[Image-Segmentation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Optical-Character-Recognition.md]]
+- Computer-Vision-Foundations, [[Natural-Language-Processing-NLP]], [[Object-Detection-Foundations]], [[Image-Segmentation]]
+- **Raw Source:** 10_Wiki/Topics/AI/Optical-Character-Recognition.md
diff --git a/10_Wiki/Topics/AI/Optimal-Control-Theory.md b/10_Wiki/Topics/AI/Optimal-Control-Theory.md
index 83262aa3..39eed6c3 100644
--- a/10_Wiki/Topics/AI/Optimal-Control-Theory.md
+++ b/10_Wiki/Topics/AI/Optimal-Control-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-OPT-CTRL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, control-theory, optimal-control, bellman-equation, reinforcement-learning, robotics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Optimal Control Theory (최적 제어 이론)]]
+# Optimal Control Theory (최적 제어 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한정된 에너지를 가장 영리하게 사용하여, 시스템이 목표한 궤도에 가장 우아하게 도달하게 하라" — 시간에 따라 변화하는 동적 시스템의 거동을 제어하여, 특정 목적 함수(Cost Function)를 최소화하거나 이득을 최대화하는 최적의 제어 법칙을 찾아내는 수학적 이론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 미사일 궤적 최적화 및 에이전트의 자원 배분 시나리오 설계 시, 최적 제어 이론의 비용 함수 설계 원칙을 준수하여 시스템의 안정성을 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Monte-Carlo-Tree-Search-MCTS]], [[Markov-Decision-Process-MDP]], [[Fluid-Dynamics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Optimal-Control-Theory.md]]
+- [[Reinforcement-Learning]], [[Monte-Carlo-Tree-Search-MCTS]], [[Markov-Decision-Process-MDP]], Fluid-Dynamics
+- **Raw Source:** 10_Wiki/Topics/AI/Optimal-Control-Theory.md
diff --git a/10_Wiki/Topics/AI/Optimization-Algorithms.md b/10_Wiki/Topics/AI/Optimization-Algorithms.md
index c1976610..b123b979 100644
--- a/10_Wiki/Topics/AI/Optimization-Algorithms.md
+++ b/10_Wiki/Topics/AI/Optimization-Algorithms.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-OPT-ALGO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, algorithms, optimization, heuristic, simulated-annealing, genetic-algorithms]
 last_reinforced: 2026-04-26
 ---
 
-# [[Optimization Algorithms (최적화 알고리즘)]]
+# Optimization Algorithms (최적화 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "가능성의 숲에서 가장 깊은 골짜기(최소 비용)를 찾기 위해, 때로는 눈앞의 내리막을 걷고 때로는 과감한 도약으로 산맥을 넘으라" — 주어진 제약 조건 하에서 목적 함수의 값을 최대로 하거나 최소로 만드는 변수들의 최적 조합을 효율적으로 탐색하는 알고리즘들의 총칭.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 스케줄링 및 리소스 할당 시, 문제의 성격에 따라 정교한 수리 계획법(Linear Programming)과 유연한 메타 휴리스틱 알고리즘을 혼합하여 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization-in-AI]], [[Gradient-Descent-Foundations]], [[Genetic-Algorithms]], [[Hyperparameter-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Optimization-Algorithms.md]]
+- [[Optimization-in-AI]], Gradient-Descent-Foundations, [[Genetic-Algorithms]], [[Hyperparameter-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Optimization-Algorithms.md
diff --git a/10_Wiki/Topics/AI/Optimization-in-AI.md b/10_Wiki/Topics/AI/Optimization-in-AI.md
index 26173ebb..6edfdb2b 100644
--- a/10_Wiki/Topics/AI/Optimization-in-AI.md
+++ b/10_Wiki/Topics/AI/Optimization-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OPT-CORE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, optimization, loss-function, training, convergence]
 last_reinforced: 2026-04-26
 ---
 
-# [[Optimization in AI (AI에서의 최적화)]]
+# Optimization in AI (AI에서의 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 바다에서 모델의 '오답'을 최소화하는 최적의 가중치를 발굴하여, 기계의 계산을 지능의 통찰로 승화시켜라" — 신경망 모델의 예측값과 실제값 사이의 오차(Loss)를 줄이기 위해 모델의 파라미터를 반복적으로 조정하여 최적의 성능을 끌어내는 과정.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 언어 모델 학습 시, 수렴 속도와 최종 성능의 균형을 위해 학습률 스케줄링(Learning Rate Scheduling)과 AdamW 최적화 도구를 결합한 표준 파이프라인을 가동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization-Algorithms]], [[Gradient-Descent-Foundations]], [[Loss-Functions-Foundations]], [[Hyperparameter-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Optimization-in-AI.md]]
+- [[Optimization-Algorithms]], Gradient-Descent-Foundations, [[Loss-Functions-Foundations]], [[Hyperparameter-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Optimization-in-AI.md
diff --git a/10_Wiki/Topics/AI/Optimization.md b/10_Wiki/Topics/AI/Optimization.md
index 69c0fae4..95867480 100644
--- a/10_Wiki/Topics/AI/Optimization.md
+++ b/10_Wiki/Topics/AI/Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OPTI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, optimization, algorithms, efficiency, mathematical-programming, improvement]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Ordinal-Data-Analysis.md b/10_Wiki/Topics/AI/Ordinal-Data-Analysis.md
index a895d71b..25cc9935 100644
--- a/10_Wiki/Topics/AI/Ordinal-Data-Analysis.md
+++ b/10_Wiki/Topics/AI/Ordinal-Data-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-ORD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, data-analysis, ordinal-data, categorical-data, machine-learning, feature-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ordinal Data Analysis (순서형 데이터 분석)]]
+# Ordinal Data Analysis (순서형 데이터 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 사이의 상대적인 '순서'와 '계층'을 보존하되, 그 간격이 일정하지 않음을 인정하며 통계적 질서를 세우라" — 범주(Category)들 사이에 명확한 순위나 등급이 존재하지만, 각 단계 사이의 수치적 거리가 일정하지 않은 데이터를 분석하고 처리하는 통계적 방법론.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 결과에 대한 사용자 피드백(1~5점 척도)을 분석할 때, 산술 평균뿐만 아니라 순위 기반의 분포 분석을 병행하여 정교한 성능 개선 지표를 도출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Pre-processing-Data-for-AI]], [[One-Hot-Encoding]], [[Exploratory-Data-Analysis]], [[Feature-Engineering-Best-Practices]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ordinal-Data-Analysis.md]]
+- [[Pre-processing-Data-for-AI]], [[One-Hot-Encoding]], [[Exploratory-Data-Analysis]], Feature-Engineering-Best-Practices
+- **Raw Source:** 10_Wiki/Topics/AI/Ordinal-Data-Analysis.md
diff --git a/10_Wiki/Topics/AI/Organizational Psychology.md b/10_Wiki/Topics/AI/Organizational Psychology.md
index 7cc0a223..f30f4b90 100644
--- a/10_Wiki/Topics/AI/Organizational Psychology.md	
+++ b/10_Wiki/Topics/AI/Organizational Psychology.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ORGPSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, psychology, management, organizational-behavior, human-resources]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 채용 정책에서 벗어나, 데이터 기반의 '직원 경험(Employee Experience, EX)' 설계가 기업 거버넌스의 핵심으로 부상하며, AI를 활용한 이직 징후 예측이나 마음 건강 케어 서비스가 정책적으로 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Psychology & Behavior]], [[Performance Management Systems]], [[Social Systems Theory]], [[Executive Function]]
+- **Related**: [[Psychology & Behavior]], [[Performance Management Systems]], [[Social Systems Theory]], Executive Function
 - **Modern Tech/Tools**: 360-degree feedback, Engagement surveys (Gallup), People Analytics.
 ---
diff --git a/10_Wiki/Topics/AI/Out-of-distribution-Detection.md b/10_Wiki/Topics/AI/Out-of-distribution-Detection.md
index a787c0d3..644c73dc 100644
--- a/10_Wiki/Topics/AI/Out-of-distribution-Detection.md
+++ b/10_Wiki/Topics/AI/Out-of-distribution-Detection.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OOD-DET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, ood-detection, reliability, anomaly-detection, trustworthy-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Out-of-distribution Detection (분포 외 데이터 탐지)]]
+# Out-of-distribution Detection (분포 외 데이터 탐지)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모르는 것을 모른다고 말할 줄 아는 정직함이 AI의 지능을 완성하며, 시스템의 치명적인 오판을 막는 최후의 보루가 된다" — 모델이 학습한 데이터 분포(In-distribution)와 확연히 다른 데이터(Out-of-distribution)가 입력되었을 때, 이를 식별하여 예측의 신뢰도를 관리하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 처리 불가능한 복잡하거나 위험한 요청을 받았을 때, 내부적인 OOD 탐지 레이어를 거쳐 "현재 권한으로 수행할 수 없는 작업"임을 명확히 안내하고 상위 프로세스로 보고함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Outlier-Detection-Techniques]], [[Trustworthy-AI]], [[Probability-Theory]], [[Generative-Adversarial-Networks-GAN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Out-of-distribution-Detection.md]]
+- [[Outlier-Detection-Techniques]], [[Trustworthy-AI]], Probability-Theory, Generative-Adversarial-Networks-GAN
+- **Raw Source:** 10_Wiki/Topics/AI/Out-of-distribution-Detection.md
diff --git a/10_Wiki/Topics/AI/Outer Alignment vs Inner Alignment.md b/10_Wiki/Topics/AI/Outer Alignment vs Inner Alignment.md
index e3b0a030..084845b7 100644
--- a/10_Wiki/Topics/AI/Outer Alignment vs Inner Alignment.md	
+++ b/10_Wiki/Topics/AI/Outer Alignment vs Inner Alignment.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ALIGN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, ai-alignment, safety, reward-misspecification]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 보상 함수를 정밀화하는 수준을 넘어, 모델 내부를 직접 들여다보는 '해석 가능성 가드가(Mechanistic Interpretability)'를 구축하여 잠재적인 내부 오정렬(Deception)을 선제적으로 감시하는 정책이 안전 기술의 핵심이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Reinforcement Learning (RL)]], [[Safety & Reliability]], [[Reward Prediction Error]], [[Superintelligence]]
+- **Related**: [[Reinforcement Learning (RL)]], [[Safety & Reliability]], [[Reward Prediction Error]], Superintelligence
 - **Modern Tech/Tools**: RLHF, Constitutional AI, Scalable Oversight.
 ---
diff --git a/10_Wiki/Topics/AI/Outlier-Detection-Techniques.md b/10_Wiki/Topics/AI/Outlier-Detection-Techniques.md
index c5cd03d3..23a77e04 100644
--- a/10_Wiki/Topics/AI/Outlier-Detection-Techniques.md
+++ b/10_Wiki/Topics/AI/Outlier-Detection-Techniques.md
@@ -1,12 +1,12 @@
 ---
 id: ML-OUT-DET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, outlier-detection, anomaly-detection, statistics, isolation-forest, data-quality]
 last_reinforced: 2026-04-26
 ---
 
-# [[Outlier Detection Techniques (이상치 탐지 기법)]]
+# Outlier Detection Techniques (이상치 탐지 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "대다수의 흐름에서 벗어난 소수의 '튀는 데이터'를 식별하여, 시스템의 오류를 미연에 방지하거나 숨겨진 위협을 포착하라" — 데이터 전체의 통계적 경향성에서 크게 벗어나 데이터의 질을 떨어뜨리거나 부정적 이벤트를 암시하는 이상치(Outliers)를 탐색하는 방법론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 연산 리소스 사용량이 평소 분포를 크게 벗어날 때, Isolation Forest 기반의 이상 탐지 엔진을 가동하여 비정상적인 루프나 해킹 시도를 실시간으로 차단함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Out-of-distribution-Detection]], [[Pre-processing-Data-for-AI]], [[Clustering-Algorithms-Foundations]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Outlier-Detection-Techniques.md]]
+- [[Out-of-distribution-Detection]], [[Pre-processing-Data-for-AI]], Clustering-Algorithms-Foundations, [[High-Availability-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Outlier-Detection-Techniques.md
diff --git a/10_Wiki/Topics/AI/Outside-Thinking.md b/10_Wiki/Topics/AI/Outside-Thinking.md
index a597fba4..64e80248 100644
--- a/10_Wiki/Topics/AI/Outside-Thinking.md
+++ b/10_Wiki/Topics/AI/Outside-Thinking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OUTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, outside-thinking, innovation, unconventional, lateral-thinking, problem-solving]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Overfitting-and-Underfitting.md b/10_Wiki/Topics/AI/Overfitting-and-Underfitting.md
index 4d14c4f8..991f4ca9 100644
--- a/10_Wiki/Topics/AI/Overfitting-and-Underfitting.md
+++ b/10_Wiki/Topics/AI/Overfitting-and-Underfitting.md
@@ -1,12 +1,12 @@
 ---
 id: ML-FIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, overfitting, underfitting, bias-variance-tradeoff, regularization, generalization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Overfitting and Underfitting (과적합과 과소적합)]]
+# Overfitting and Underfitting (과적합과 과소적합)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 통째로 외우는 '편협함'과 본질조차 파악 못 하는 '무지' 사이의 좁은 길(Generalization)을 찾아라" — 모델이 학습 데이터에 너무 과하게 맞추어져 실전에서 성능이 떨어지는 현상(Overfitting)과, 데이터의 기본 패턴조차 제대로 학습하지 못한 현상(Underfitting).
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 학습 과정에서 검증 오차(Validation Loss)가 상승하는 지점을 실시간 모니터링하여, 최적의 일반화 시점에서 학습을 종료하는 자동 조기 종료 프로토콜을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Normalization-Strategies]], [[Cross-Validation-Techniques]], [[Hyperparameter-Optimization]], [[Loss-Functions-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Overfitting-and-Underfitting.md]]
+- [[Normalization-Strategies]], Cross-Validation-Techniques, [[Hyperparameter-Optimization]], [[Loss-Functions-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Overfitting-and-Underfitting.md
diff --git a/10_Wiki/Topics/AI/Overfitting.md b/10_Wiki/Topics/AI/Overfitting.md
index a85aa289..4a178d81 100644
--- a/10_Wiki/Topics/AI/Overfitting.md
+++ b/10_Wiki/Topics/AI/Overfitting.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-OVER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, overfitting, machine-learning, model-evaluation, generalization, deep-learning]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 모델 정책(LLM 등)에서는 파라미터가 압도적으로 많음에도 불구하고 데이터가 워낙 방대하여 과적합보다는 오히려 지식이 부족한 '과소적합(Underfitting)'이나 데이터 바닥남 정책을 걱정하는 시대로 변화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[L2-Regularization]], [[Noise]], [[Machine Learning (ML)]], [[Deep Learning (DL)]], [[Optimization]]
+- [[L2-Regularization]], [[Noise]], [[Machine Learning (ML)]], Deep Learning (DL), [[Optimization]]
 - **Modern Tech/Tools**: Dropout, Weight decay, Augmentation, Cross-validation.
 ---
diff --git a/10_Wiki/Topics/AI/P-Reinforce-Template-Guide.md b/10_Wiki/Topics/AI/P-Reinforce-Template-Guide.md
index c3eab06b..54ff69f0 100644
--- a/10_Wiki/Topics/AI/P-Reinforce-Template-Guide.md
+++ b/10_Wiki/Topics/AI/P-Reinforce-Template-Guide.md
@@ -1,12 +1,12 @@
 ---
 id: AG-TPL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [antigravity, p-reinforce, knowledge-gardening, template-guide, pkm, documentation-standard]
 last_reinforced: 2026-04-26
 ---
 
-# [[P-Reinforce Template Guide (P-Reinforce 템플릿 가이드)]]
+# P-Reinforce Template Guide (P-Reinforce 템플릿 가이드)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지식의 복잡성을 제거하고 정제된 고밀도의 통찰만을 남겨, 에이전트와 인간이 즉각적으로 공명할 수 있는 '지식의 표준 규격'을 확립하라" — Antigravity 프로젝트의 모든 지식 문서를 Karpathy Summary 스타일로 보강하고 연결하기 위한 공식 구조 및 서술 가이드라인.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** 현재 1,174개의 Placeholder를 보강하는 'Massive Gardening' 작업의 모든 출력물은 반드시 이 가이드라인을 엄격히 준수해야 하며, 기준 미달 시 RL 피드백 루프에 의해 재작성 대상이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Personal-Brain-Management]], [[Ontology-and-Knowledge-Representation]], [[GStack-Core-Principles]], [[Knowledge-Gardening-Workflow]]
-- **Raw Source:** [[10_Wiki/Topics/AI/P-Reinforce-Template-Guide.md]]
+- [[Personal-Brain-Management]], [[Ontology-and-Knowledge-Representation]], GStack-Core-Principles, Knowledge-Gardening-Workflow
+- **Raw Source:** 10_Wiki/Topics/AI/P-Reinforce-Template-Guide.md
diff --git a/10_Wiki/Topics/AI/P-Reinforce.md b/10_Wiki/Topics/AI/P-Reinforce.md
index 860ebda7..8d4ddc24 100644
--- a/10_Wiki/Topics/AI/P-Reinforce.md
+++ b/10_Wiki/Topics/AI/P-Reinforce.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PREI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, p-reinforce, agentic-workflow, knowledge-management, feedback-policy, autonomous-learning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ P-Reinforce는 강화 학습(Reinforcement Learning)의 원리를 지식 관리
 - **정책 변화(RL Update)**: 단순히 정보를 저장하는 정책을 넘어, 정보 간의 '생략된 맥락'을 추론하여 지능적으로 연결하는 '추론형 강화 정책'이 600개 목표 달성 후의 다음 마일스톤 정책이 될 것임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Knowledge synthesis]], [[Agentic-Workflow]], [[Feedback-Loops]], [[Decision Theory]], [[Reinforcement Learning (RL)]]
+- [[Knowledge synthesis]], Agentic-Workflow, [[Feedback-Loops]], [[Decision Theory]], [[Reinforcement Learning (RL)]]
 - **Internal Reference**: Antigravity Core, Skill 2.0 system.
 ---
diff --git a/10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.md b/10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.md
index a19c13ac..33b9bf40 100644
--- a/10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.md
+++ b/10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-PCA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [statistics, math, pca, dimension-reduction, unsupervised-learning, data-science]
 last_reinforced: 2026-04-26
 ---
 
-# [[PCA and Dimension Reduction (PCA와 차원 축소)]]
+# PCA and Dimension Reduction (PCA와 차원 축소)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 흩어짐(Variance)이 가장 큰 핵심 축을 찾아, 고차원의 안개를 걷어내고 데이터의 진정한 뼈대를 드러내라" — 변수들 사이의 상관관계를 분석하여 주성분(Principal Components)을 추출함으로써, 정보의 손실을 최소화하며 데이터의 차원을 낮추는 통계적 방법론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개 문서의 임베딩 벡터를 시각화하여 지식의 군집(Cluster) 상태를 점검할 때, PCA를 1차 필터로 사용하여 전체적인 데이터 분포를 조망함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principal-Component-Analysis-PCA]], [[Multivariate-Analysis]], [[Exploratory-Data-Analysis]], [[Autoencoders-in-Deep-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.md]]
+- Principal-Component-Analysis-PCA, [[Multivariate-Analysis]], [[Exploratory-Data-Analysis]], Autoencoders-in-Deep-Learning
+- **Raw Source:** 10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.md
diff --git a/10_Wiki/Topics/AI/PCGML-Frameworks.md b/10_Wiki/Topics/AI/PCGML-Frameworks.md
index 244bb11f..08f12913 100644
--- a/10_Wiki/Topics/AI/PCGML-Frameworks.md
+++ b/10_Wiki/Topics/AI/PCGML-Frameworks.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PCGML-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, pcg, machine-learning, game-dev, generative-ai]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ PCGML(Procedural Content Generation via Machine Learning) 프레임워크는 명
 - **정책 변화(RL Update)**: AI가 생성한 자산의 저작권 및 '자산 도용' 이슈가 불거짐에 따라, 기업 내 PCGML 도입 시 학습 데이터의 투명성 확보와 인간 개발자의 '최종 승인(Human-in-the-loop)' 프로세스를 포함하는 AI 거버넌스가 정책화됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Procedural Content Generation via Machine Learning (PCGML)]], [[Foundational Models]], [[Neural-Symbolic AI]], [[Reinforcement Learning for Automated Playtesting]]
+- **Related**: [[Procedural Content Generation via Machine Learning (PCGML)]], Foundational Models, Neural-Symbolic AI, [[Reinforcement Learning for Automated Playtesting]]
 - **Modern Tech/Tools**: Unity Sentis, Nvidia Omniverse, Procedural Arts Frameworks.
 ---
diff --git a/10_Wiki/Topics/AI/PDF-Format.md b/10_Wiki/Topics/AI/PDF-Format.md
index a133e48d..d14fa26a 100644
--- a/10_Wiki/Topics/AI/PDF-Format.md
+++ b/10_Wiki/Topics/AI/PDF-Format.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PDFF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, pdf, document-standard, layout-preservation, digital-paper, cross-platform]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/PEFT (Parameter-Efficient Fine-Tuning).md b/10_Wiki/Topics/AI/PEFT (Parameter-Efficient Fine-Tuning).md
index 5ebc8f82..44ea4716 100644
--- a/10_Wiki/Topics/AI/PEFT (Parameter-Efficient Fine-Tuning).md	
+++ b/10_Wiki/Topics/AI/PEFT (Parameter-Efficient Fine-Tuning).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PEFT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, llm, fine-tuning, efficiency, adapters]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기업 보안 정책 상 '클라우드 API'를 쓰기 힘든 환경에서, 사내 데이터로 로컬 모델을 안전하고 저비용으로 튜닝하는 'On-premise PEFT'가 데이터 거버넌스의 핵심 전략으로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[SFT (Supervised Fine-Tuning)]], [[Foundational Models]], [[Transfer Learning]], [[Large Language Models (LLM)]]
+- **Related**: [[SFT (Supervised Fine-Tuning)]], Foundational Models, [[Transfer Learning]], [[Large Language Models (LLM)]]
 - **Modern Tech/Tools**: HuggingFace PEFT library, LoRA, QLoRA.
 ---
diff --git a/10_Wiki/Topics/AI/PID-Controllers-in-AI.md b/10_Wiki/Topics/AI/PID-Controllers-in-AI.md
index ca126027..685014d8 100644
--- a/10_Wiki/Topics/AI/PID-Controllers-in-AI.md
+++ b/10_Wiki/Topics/AI/PID-Controllers-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: CTRL-PID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [control-theory, pid, ai, robotics, feedback-loop, automation]
 last_reinforced: 2026-04-26
 ---
 
-# [[PID Controllers in AI (AI에서의 PID 제어기)]]
+# PID Controllers in AI (AI에서의 PID 제어기)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "과거의 오차(I)를 반성하고, 현재의 차이(P)를 직시하며, 미래의 변화(D)를 예측하여 완벽한 균형점을 사수하라" — 비례(Proportional), 적분(Integral), 미분(Derivative) 항의 조합을 통해 시스템의 출력을 목표값에 빠르고 안정적으로 수렴시키는 가장 대표적인 피드백 제어 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 비행 유닛들이 목표 고도를 유지하거나 흔들림을 보정할 때, 내부적으로 최적화된 PID 제어 루프를 사용하여 부드러운 움직임을 구현함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimal-Control-Theory]], [[Reinforcement-Learning]], [[Robotics-Foundations]], [[Automation-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/PID-Controllers-in-AI.md]]
+- [[Optimal-Control-Theory]], [[Reinforcement-Learning]], [[Robotics-Foundations]], Automation-Strategies
+- **Raw Source:** 10_Wiki/Topics/AI/PID-Controllers-in-AI.md
diff --git a/10_Wiki/Topics/AI/PMI-Technique.md b/10_Wiki/Topics/AI/PMI-Technique.md
index e30bbc6d..d17cd64b 100644
--- a/10_Wiki/Topics/AI/PMI-Technique.md
+++ b/10_Wiki/Topics/AI/PMI-Technique.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PMIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, pmi-technique, decision-making, critical-thinking, brainstorming, cognitive-tool]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/POMDP.md b/10_Wiki/Topics/AI/POMDP.md
index 42eedbc4..a9531179 100644
--- a/10_Wiki/Topics/AI/POMDP.md
+++ b/10_Wiki/Topics/AI/POMDP.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POMD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, pomdp, reinforcement-learning, uncertainty, belief-state, decision-making]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/PageSpeed Insights.md b/10_Wiki/Topics/AI/PageSpeed Insights.md
index 4c2b6dfa..eea52218 100644
--- a/10_Wiki/Topics/AI/PageSpeed Insights.md	
+++ b/10_Wiki/Topics/AI/PageSpeed Insights.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FB1C7F
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - PageSpeed Insights"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Lighthouse]], [[Core Web Vitals]], [[Interaction to Next Paint (INP)]], [[Largest Contentful Paint (LCP)]]
-- **Projects/Contexts:** [[Web Performance Optimization]], [[Chrome User Experience Report (CrUX)]]
+- **Projects/Contexts:** [[Web Performance Optimization]], Chrome User Experience Report (CrUX)
 - **Contradictions/Notes:** PageSpeed Insights는 웹 성능을 평가하는 공식적이고 강력한 도구이지만, LCP 하위 요소 데이터와 같은 특정 세부 지표는 도구 내에서 직접 확인할 수 없어 다른 시각화 도구의 병행 사용이 필요할 수 있습니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/PageSpeed Insights.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Papers Please (Bureaucratic Simulation).md b/10_Wiki/Topics/AI/Papers Please (Bureaucratic Simulation).md
index 0e47af78..2f335923 100644
--- a/10_Wiki/Topics/AI/Papers Please (Bureaucratic Simulation).md	
+++ b/10_Wiki/Topics/AI/Papers Please (Bureaucratic Simulation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PAPERS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, game-design, simulation, bureaucracy, moral-choice]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현실 세계의 출입국 관리 시스템이 AI 기반 자동화로 대체되는 흐름 속에서, 게임이 제기한 '시스템의 비인간성' 문제가 오히려 알고리즘의 편향성(Bias)과 윤리적 가이드라인 수립 정책에 중요한 참고 사례로 인용됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Game Design Theory]], [[Papers-Please]], [[Procedural Rhetoric]], [[Systemic Simulation Principles]], [[Risk Management]]
+- **Related**: [[Game Design Theory]], [[Papers-Please]], Procedural Rhetoric, Systemic Simulation Principles, [[Risk Management]]
 - **Modern Tech/Tools**: Lucas Pope's custom engine, Haxe.
 ---
diff --git a/10_Wiki/Topics/AI/Papers-Please.md b/10_Wiki/Topics/AI/Papers-Please.md
index daf9b92e..bb8f033c 100644
--- a/10_Wiki/Topics/AI/Papers-Please.md
+++ b/10_Wiki/Topics/AI/Papers-Please.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PAPERS-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, indie-games, empathy, game-mechanics]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 게임 내에서의 '뇌물 수수'나 '탈세' 유혹이 플레이어의 실제 성향을 반영한다는 연구가 데이터 윤리 분야에서 인용되며, 인간-AI 상호작용 설계 시 '부정적인 넛지(Dark Nudges)'를 방지하기 위한 가이드라인 수립에 영향을 줌.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Papers Please (Bureaucratic Simulation)]], [[Persuasive Games]], [[Social Systems Theory]], [[Dystopian Narratives]]
+- **Related**: [[Papers Please (Bureaucratic Simulation)]], Persuasive Games, [[Social Systems Theory]], Dystopian Narratives
 - **Modern Tech/Tools**: Playism, Independent Games Festival (IGF) Awards.
 ---
diff --git a/10_Wiki/Topics/AI/Parallel-Computing-in-AI.md b/10_Wiki/Topics/AI/Parallel-Computing-in-AI.md
index 287eacc6..db812eaa 100644
--- a/10_Wiki/Topics/AI/Parallel-Computing-in-AI.md
+++ b/10_Wiki/Topics/AI/Parallel-Computing-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-PAR-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, parallel-computing, ai, distributed-systems, gpu, throughput]
 last_reinforced: 2026-04-26
 ---
 
-# [[Parallel Computing in AI (AI에서의 병렬 컴퓨팅)]]
+# Parallel Computing in AI (AI에서의 병렬 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 산을 삽 하나로 옮기려 하지 말고, 수천 개의 삽이 동시에 움직이는 '동시성'의 힘으로 지능의 영토를 확장하라" — 방대한 데이터와 복잡한 연산을 여러 개의 프로세서(CPU, GPU, TPU)에 분산시켜 동시에 처리함으로써 실행 시간을 획기적으로 단축하는 컴퓨팅 패러다임.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 임베딩 및 벡터 검색 인덱싱 시, 멀티 GPU 환경에서의 데이터 병렬화 기술을 적용하여 인덱싱 속도를 단일 장치 대비 8배 이상 향상시킴.
 
 ## 🔗 지식 연결 (Graph)
-- [[NVIDIA-CUDA-and-AI]], [[Hardware-Acceleration-for-AI]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Parallel-Computing-in-AI.md]]
+- [[NVIDIA-CUDA-and-AI]], [[Hardware-Acceleration-for-AI]], System-Design-for-AI-Scale, [[High-Availability-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Parallel-Computing-in-AI.md
diff --git a/10_Wiki/Topics/AI/Parallel-Computing.md b/10_Wiki/Topics/AI/Parallel-Computing.md
index 27d30324..b811e986 100644
--- a/10_Wiki/Topics/AI/Parallel-Computing.md
+++ b/10_Wiki/Topics/AI/Parallel-Computing.md
@@ -1,12 +1,12 @@
 ---
 id: PARALLEL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, high-performance-computing, gpu, distributed-systems]
 last_reinforced: 2026-04-26
 ---
 
-# [[Parallel Computing (병렬 컴퓨팅)]]
+# Parallel Computing (병렬 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "동시에 여러 일을 처리하여 시간의 장벽을 넘어서라" — 하나의 커다란 문제를 여러 개의 작은 문제로 나누어 여러 프로세서가 동시에 계산하게 함으로써 연산 속도를 비약적으로 향상시키는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 대규모 위키 인덱싱 작업 시, 병렬 컴퓨팅 기법을 적용하여 수천 개의 문서를 수 분 내에 처리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Distributed-Computing]], [[Linear-Algebra-for-ML]], [[GPU-Architecture]], [[Amdahls-Law]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Parallel-Computing.md]]
+- [[Distributed-Computing]], [[Linear-Algebra-for-ML]], [[GPU-Architecture]], Amdahls-Law
+- **Raw Source:** 10_Wiki/Topics/AI/Parallel-Computing.md
diff --git a/10_Wiki/Topics/AI/Parallel-Processing.md b/10_Wiki/Topics/AI/Parallel-Processing.md
index 5200fd4f..881852af 100644
--- a/10_Wiki/Topics/AI/Parallel-Processing.md
+++ b/10_Wiki/Topics/AI/Parallel-Processing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PAPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, parallel-processing, multi-threading, concurrency, efficiency, operation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md b/10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md
index 78519b27..cbe9ce56 100644
--- a/10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md
+++ b/10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md
@@ -1,12 +1,12 @@
 ---
 id: LLM-PARAM-EFF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, peft, lora, parameter-efficiency, fine-tuning, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Parameter Efficiency in LLMs (LLM에서의 파라미터 효율성)]]
+# Parameter Efficiency in LLMs (LLM에서의 파라미터 효율성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수천억 개의 파라미터를 전부 흔들지 말고, 핵심적인 '작은 레버'들만 조정하여 거대 지능을 내 목적에 맞게 길들여라" — 거대 언어 모델(LLM)을 전체 미세 조정(Full Fine-tuning)하는 대신, 극히 일부의 파라미터만 학습시켜 컴퓨팅 자원을 획기적으로 절약하면서도 높은 성능을 달성하는 기술(PEFT).
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 특정 도메인(의료, 법률, 코딩 등) 전문성 강화 시, 전체 모델 재학습 대신 LoRA 기반의 파라미터 효율적 학습 방식을 표준으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Low-Rank-Adaptation-LoRA]], [[Transfer-Learning-Foundations]], [[Natural-Language-Processing-NLP]], [[Hardware-Acceleration-for-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md]]
+- [[Low-Rank-Adaptation-LoRA]], Transfer-Learning-Foundations, [[Natural-Language-Processing-NLP]], [[Hardware-Acceleration-for-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md
diff --git a/10_Wiki/Topics/AI/Parameter-Efficient Fine-Tuning (PEFT).md b/10_Wiki/Topics/AI/Parameter-Efficient Fine-Tuning (PEFT).md
index 5b2f33c3..84cb120a 100644
--- a/10_Wiki/Topics/AI/Parameter-Efficient Fine-Tuning (PEFT).md	
+++ b/10_Wiki/Topics/AI/Parameter-Efficient Fine-Tuning (PEFT).md	
@@ -1,12 +1,12 @@
 ---
 id: PEFT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, fine-tuning, peft, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Parameter-Efficient Fine-Tuning (PEFT, 효율적 미세 조정)]]
+# Parameter-Efficient Fine-Tuning (PEFT, 효율적 미세 조정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체 가중치를 다 바꾸지 않고도 모델의 전문성을 극대화하라" — 거대 모델의 대부분 가중치는 고정한 채, 아주 적은 수의 추가 파라미터나 일부 레이어만 학습시켜 성능 효율과 비용을 동시에 잡는 튜닝 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 새로운 위키 도메인 학습 시 PEFT(특히 LoRA)를 기본 사양으로 채택하여 하드웨어 비용을 90% 이상 절감함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Low-Rank-Adaptation-LoRA]], [[Fine-Tuning]], [[LLM]], [[Transfer-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Parameter-Efficient Fine-Tuning (PEFT).md]]
+- [[Low-Rank-Adaptation-LoRA]], [[Fine-Tuning]], [[LLM]], Transfer-Learning
+- **Raw Source:** 10_Wiki/Topics/AI/Parameter-Efficient Fine-Tuning (PEFT).md
diff --git a/10_Wiki/Topics/AI/Parameter-Sharing.md b/10_Wiki/Topics/AI/Parameter-Sharing.md
index 857a92e6..95f1dbce 100644
--- a/10_Wiki/Topics/AI/Parameter-Sharing.md
+++ b/10_Wiki/Topics/AI/Parameter-Sharing.md
@@ -1,12 +1,12 @@
 ---
 id: DL-PARAM-SHARE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, parameter-sharing, cnn, rnn, weight-tying, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Parameter Sharing (파라미터 공유)]]
+# Parameter Sharing (파라미터 공유)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 위치나 시점에 상관없이 동일한 '특징 추출기'를 반복 사용하여, 모델의 덩치는 줄이고 지능의 보편성은 높여라" — 신경망의 서로 다른 부분에서 동일한 가중치(Weight)를 공유함으로써 학습해야 할 파라미터 수를 획기적으로 줄이고 일반화 성능을 높이는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 멀티모달 에이전트 설계 시, 서로 다른 입력(이미지, 텍스트)에서 공통된 의미 공간을 추출하기 위해 공유된 가중치 층을 활용하는 임베딩 아키텍처를 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Convolutional-Neural-Networks-CNN]], [[Recurrent-Neural-Networks-RNN]], [[Overfitting-and-Underfitting]], [[One-Shot-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Parameter-Sharing.md]]
+- Convolutional-Neural-Networks-CNN, Recurrent-Neural-Networks-RNN, [[Overfitting-and-Underfitting]], [[One-Shot-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Parameter-Sharing.md
diff --git a/10_Wiki/Topics/AI/Pareto-Principle.md b/10_Wiki/Topics/AI/Pareto-Principle.md
index e52fbb92..b746f951 100644
--- a/10_Wiki/Topics/AI/Pareto-Principle.md
+++ b/10_Wiki/Topics/AI/Pareto-Principle.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PARE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, pareto-principle, 80-20-rule, efficiency, power-law, distribution, productivity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Partial-Differential-Equations.md b/10_Wiki/Topics/AI/Partial-Differential-Equations.md
index 4caae86a..4972ae0c 100644
--- a/10_Wiki/Topics/AI/Partial-Differential-Equations.md
+++ b/10_Wiki/Topics/AI/Partial-Differential-Equations.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-PDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, calculus, pde, physics-informed-ml, scientific-computing, fluid-dynamics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Partial Differential Equations (PDE, 편미분 방정식)]]
+# Partial Differential Equations (PDE, 편미분 방정식)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상의 모든 복잡한 변화는 시간과 공간이라는 여러 변수의 얽힘 속에 있으며, 이를 편미분이라는 돋보기로 들여다볼 때 비로소 물리적 질서가 드러난다" — 독립 변수가 둘 이상인 함수와 그 도함수들 사이의 관계를 나타내는 방정식으로, 물리적 세계의 연속적인 변화를 설명하는 가장 강력한 수학적 언어.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 Skybound의 기상 효과 시뮬레이션이나 물리 기반 에이전트 행동 최적화 시, PDE 기반의 PINNs 아키텍처를 도입하여 시각적 리얼리티와 물리적 개연성을 동시에 확보할 계획임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimal-Control-Theory]], [[Fluid-Dynamics]], [[Deep-Learning-Foundations]], [[Scientific-Computing-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Partial-Differential-Equations.md]]
+- [[Optimal-Control-Theory]], Fluid-Dynamics, Deep-Learning-Foundations, Scientific-Computing-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Partial-Differential-Equations.md
diff --git a/10_Wiki/Topics/AI/Particle-Filter-Algorithms.md b/10_Wiki/Topics/AI/Particle-Filter-Algorithms.md
index 339a52fe..21ce6559 100644
--- a/10_Wiki/Topics/AI/Particle-Filter-Algorithms.md
+++ b/10_Wiki/Topics/AI/Particle-Filter-Algorithms.md
@@ -1,12 +1,12 @@
 ---
 id: ALGO-PARTICLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [algorithm, robotics, particle-filter, bayesian-filtering, monte-carlo, slam, localization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Particle Filter Algorithms (파티클 필터 알고리즘)]]
+# Particle Filter Algorithms (파티클 필터 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수많은 가상의 '분신(Particles)'들을 세상에 뿌리고, 실제와 가장 닮은 자들만 살아남겨 진실의 궤적을 추적하라" — 비선형적이고 복잡한 확률 분포를 가진 동적 시스템의 상태를 수많은 입자의 집합으로 근사하여 추정하는 몬테카를로 기반의 필터링 기술.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 성공 가능성을 예측하거나 복잡한 유저 시나리오를 시뮬레이션할 때, 다양한 가능성을 입자로 표현하여 최적의 경로를 도출하는 확률적 추론 모듈에 이 원리를 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimal-Control-Theory]], [[Monte-Carlo-Tree-Search-MCTS]], [[Probability-Theory]], [[Robotics-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Particle-Filter-Algorithms.md]]
+- [[Optimal-Control-Theory]], [[Monte-Carlo-Tree-Search-MCTS]], Probability-Theory, [[Robotics-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Particle-Filter-Algorithms.md
diff --git a/10_Wiki/Topics/AI/Pattern-Recognition.md b/10_Wiki/Topics/AI/Pattern-Recognition.md
index 91008635..6553c522 100644
--- a/10_Wiki/Topics/AI/Pattern-Recognition.md
+++ b/10_Wiki/Topics/AI/Pattern-Recognition.md
@@ -1,12 +1,12 @@
 ---
 id: PAT-REC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, statistics, data-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Pattern Recognition (패턴 인식)]]
+# Pattern Recognition (패턴 인식)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 속의 숨겨진 규칙성을 찾아 의미를 부여하라" — 원시 데이터에서 유의미한 특징을 추출하여 분류, 클러스터링, 회귀 등의 기법을 통해 사전에 정의된 범주나 규칙을 식별해내는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 패턴 인식 기술을 활용하여 사용자 로그 데이터에서 특정 작업 패턴(예: 디버깅 루틴)을 식별하고 맞춤형 가이드를 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Machine-Learning]], [[Computer-Vision]], [[Signal-Processing]], [[Clustering]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Pattern-Recognition.md]]
+- Machine-Learning, [[Computer-Vision]], Signal-Processing, Clustering
+- **Raw Source:** 10_Wiki/Topics/AI/Pattern-Recognition.md
diff --git a/10_Wiki/Topics/AI/Pedestrian-Modeling.md b/10_Wiki/Topics/AI/Pedestrian-Modeling.md
index cc96612d..44ce467a 100644
--- a/10_Wiki/Topics/AI/Pedestrian-Modeling.md
+++ b/10_Wiki/Topics/AI/Pedestrian-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PEDMOD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, simulation, urban-planning, crowd-dynamics, safety]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이태원 참사와 같은 대규모 군중 사고 이후, 지자체의 축제나 대규모 행사 허가 시 '보행자 시뮬레이션 결과 기반 안전 대책' 제출이 행정적 필수 정책으로 강화되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Agent-Based Modeling]], [[Complex Adaptive Systems]], [[Urban Dynamics]], [[Safety & Reliability]]
+- **Related**: Agent-Based Modeling, Complex Adaptive Systems, Urban Dynamics, [[Safety & Reliability]]
 - **Modern Tech/Tools**: AnyLogic, MassMotion, Legion.
 ---
diff --git a/10_Wiki/Topics/AI/Perceptrons-Foundations.md b/10_Wiki/Topics/AI/Perceptrons-Foundations.md
index 3f5e02cb..58265dc7 100644
--- a/10_Wiki/Topics/AI/Perceptrons-Foundations.md
+++ b/10_Wiki/Topics/AI/Perceptrons-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: AI-PERCEPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, perceptron, roseblatt, history, neural-networks, linear-classifier]
 last_reinforced: 2026-04-26
 ---
 
-# [[Perceptrons Foundations (퍼셉트론 기초)]]
+# Perceptrons Foundations (퍼셉트론 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생물학적 뉴런의 '발화'를 수학적 '스위치'로 치환하여, 기계 학습의 시대를 연 최초의 불꽃을 이해하라" — 프랑크 로젠블랫이 제안한 인공 신경망의 가장 단순한 형태로, 여러 입력에 가중치를 곱하고 더해 특정 임계값을 넘으면 1, 아니면 0을 출력하는 이진 분류기.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 의사결정 로직 중 가장 단순하고 빠른 판단이 필요한 구간(예: 단순 필터링)에서는 복잡한 LLM 대신 퍼셉트론적 선형 회귀 모델을 경량화하여 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neural-Networks-for-Beginners]], [[Multilayer-Perceptron-MLP]], [[Backpropagation-Foundations]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Perceptrons-Foundations.md]]
+- [[Neural-Networks-for-Beginners]], [[Multilayer-Perceptron-MLP]], Backpropagation-Foundations, Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Perceptrons-Foundations.md
diff --git a/10_Wiki/Topics/AI/Perceptual-Learning.md b/10_Wiki/Topics/AI/Perceptual-Learning.md
index ab04e918..b4602f82 100644
--- a/10_Wiki/Topics/AI/Perceptual-Learning.md
+++ b/10_Wiki/Topics/AI/Perceptual-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: PERCEPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [psychology, neuroscience, perception, learning-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Perceptual Learning (지각 학습)]]
+# Perceptual Learning (지각 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "반복된 경험을 통해 감각 기관의 해상도를 높여라" — 연습과 훈련을 통해 자극을 구별하고 해석하는 감각 시스템의 능력이 영구적으로 향상되는 과정.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 사운드 디자인 시, 플레이어가 반복된 플레이를 통해 적의 발소리 종류를 지각 학습할 수 있도록 명확한 청각적 피드백 체계를 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neuroscience]], [[Synaptic-Plasticity]], [[Pattern-Recognition]], [[Habit-Formation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Perceptual-Learning.md]]
+- Neuroscience, Synaptic-Plasticity, [[Pattern-Recognition]], [[Habit-Formation]]
+- **Raw Source:** 10_Wiki/Topics/AI/Perceptual-Learning.md
diff --git a/10_Wiki/Topics/AI/Perceptual-Motor-Skills.md b/10_Wiki/Topics/AI/Perceptual-Motor-Skills.md
index 3d2186ca..03408550 100644
--- a/10_Wiki/Topics/AI/Perceptual-Motor-Skills.md
+++ b/10_Wiki/Topics/AI/Perceptual-Motor-Skills.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PMSKL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, motor-learning, perception, kinesiology, coordination]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 노인 인구 증가에 따라, 단순 근력 운동보다는 인지 게임과 운동을 결합한 '이중 과제(Dual-task) 훈련' 프로토콜이 치매 예방 및 낙상 방지를 위한 노인 보건 정책의 핵심으로 반영됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Motor Learning]], [[Neuromuscular-Control]], [[Proprioception]], [[Cognitive Psychology]]
+- **Related**: Motor Learning, [[Neuromuscular-Control]], [[Proprioception]], [[Cognitive Psychology]]
 - **Modern Tech/Tools**: VR-based motor training, Dynamic balance platforms.
 ---
diff --git a/10_Wiki/Topics/AI/Performance Management Systems.md b/10_Wiki/Topics/AI/Performance Management Systems.md
index a153546f..d60c45f0 100644
--- a/10_Wiki/Topics/AI/Performance Management Systems.md	
+++ b/10_Wiki/Topics/AI/Performance Management Systems.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PMS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, management, human-resources, performance, kpi]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 재택근무 확산에 따라 '근무 시간' 중심의 관리에서 '산출물(Output)' 중심의 관리로 정책이 전면 개편되었으며, AI를 활용하여 평가 편향성을 감지하고 공정성을 검증하는 기술 정책이 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Organizational Psychology]], [[Operations-Research]], [[Decision Theory]], [[OKR Framework]]
+- **Related**: [[Organizational Psychology]], [[Operations-Research]], [[Decision Theory]], OKR Framework
 - **Modern Tech/Tools**: Betterworks, Lattice, Workday.
 ---
diff --git a/10_Wiki/Topics/AI/Performance Psychology.md b/10_Wiki/Topics/AI/Performance Psychology.md
index 6ada2bee..81685779 100644
--- a/10_Wiki/Topics/AI/Performance Psychology.md	
+++ b/10_Wiki/Topics/AI/Performance Psychology.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PPSY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, psychology, performance, peak-performance, grit]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Performance-Metrics-in-AI.md b/10_Wiki/Topics/AI/Performance-Metrics-in-AI.md
index 2c17755c..c31374ba 100644
--- a/10_Wiki/Topics/AI/Performance-Metrics-in-AI.md
+++ b/10_Wiki/Topics/AI/Performance-Metrics-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-METRICS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, performance-metrics, accuracy, f1-score, precision, recall, roc-auc]
 last_reinforced: 2026-04-26
 ---
 
-# [[Performance Metrics in AI (AI 성능 지표)]]
+# Performance Metrics in AI (AI 성능 지표)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 정확도의 환상에 빠지지 말고, 문제의 본질에 부합하는 정교한 눈금자로 지능의 실력을 심판하라" — 모델의 예측 결과를 정량적으로 평가하여 학습의 방향을 설정하고 비즈니스 가치를 검증하는 통계적 지표들.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 성공률을 측정할 때, 단순 성공/실패 여부뿐만 아니라 소요 시간, 토큰 효율성, 사용자 만족도 점수를 가중치로 둔 커스텀 복합 지표(AG-Score)를 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Imbalanced-Data-Handling]], [[Loss-Functions-Foundations]], [[Cross-Validation-Techniques]], [[Exploratory-Data-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Performance-Metrics-in-AI.md]]
+- [[Imbalanced-Data-Handling]], [[Loss-Functions-Foundations]], Cross-Validation-Techniques, [[Exploratory-Data-Analysis]]
+- **Raw Source:** 10_Wiki/Topics/AI/Performance-Metrics-in-AI.md
diff --git a/10_Wiki/Topics/AI/Periodization-Theory.md b/10_Wiki/Topics/AI/Periodization-Theory.md
index ef302424..fc310297 100644
--- a/10_Wiki/Topics/AI/Periodization-Theory.md
+++ b/10_Wiki/Topics/AI/Periodization-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PTRY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, sports-science, training-theory, fitness]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Personal-Brain-Management.md b/10_Wiki/Topics/AI/Personal-Brain-Management.md
index a9219c8e..562fb91d 100644
--- a/10_Wiki/Topics/AI/Personal-Brain-Management.md
+++ b/10_Wiki/Topics/AI/Personal-Brain-Management.md
@@ -1,12 +1,12 @@
 ---
 id: PKM-BRAIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [pkm, personal-brain, knowledge-management, productivity, zettelkasten, second-brain, antigravity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Personal Brain Management (개인 브레인 관리)]]
+# Personal Brain Management (개인 브레인 관리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정보의 소비자에서 지식의 경작자로 진화하여, 휘발되는 사고를 영구적인 '지능적 자산'으로 구축하라" — 개인이 접하는 방대한 정보와 영감을 수집, 구조화, 정제하여 언제든 꺼내 쓸 수 있는 디지털 '제2의 뇌(Second Brain)'를 구축하고 관리하는 방법론.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Ontology-and-Knowledge-Representation]], [[P-Reinforce-Template-Guide]], [[Trustworthy-AI]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Personal-Brain-Management.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Personal-Brain-Management.md
diff --git a/10_Wiki/Topics/AI/Personal-Information-Security.md b/10_Wiki/Topics/AI/Personal-Information-Security.md
index ec99df9d..54d8cf23 100644
--- a/10_Wiki/Topics/AI/Personal-Information-Security.md
+++ b/10_Wiki/Topics/AI/Personal-Information-Security.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-PRIVACY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [security, privacy, gdpr, pii, data-protection, encryption, ai-ethics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Personal Information Security (개인 정보 보안)]]
+# Personal Information Security (개인 정보 보안)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 편리함을 누리는 대가로 영혼의 비밀(Privacy)을 지불하지 않도록, 데이터의 흐름 속에 강력한 암호적 장벽과 비식별의 미학을 구축하라" — 개인을 식별할 수 있는 정보(PII)의 수집, 저장, 활용 전 과정에서 불법적인 노출이나 악용을 방지하고 사용자의 자기정보통제권을 보장하는 기술적/제도적 보호 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 사용자의 개인적인 'Brain' 데이터를 처리할 때, 외부 서버로 전송하기 전 로컬 단에서 PII를 자동 스크리닝하고, 민감한 구간은 로컬 온디바이스 AI(Local Brain)가 직접 처리하도록 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Trustworthy-AI]], [[Local-Brain-Management]], [[LLM-Security-Foundations]], [[Cloud-Computing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Personal-Information-Security.md]]
+- [[Trustworthy-AI]], [[Local-Brain-Management]], LLM-Security-Foundations, Cloud-Computing-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Personal-Information-Security.md
diff --git a/10_Wiki/Topics/AI/Personalization-Engines.md b/10_Wiki/Topics/AI/Personalization-Engines.md
index a87dfa53..fa06d9e1 100644
--- a/10_Wiki/Topics/AI/Personalization-Engines.md
+++ b/10_Wiki/Topics/AI/Personalization-Engines.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PENG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, algorithms, recommender-systems, user-experience, personalization]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 유럽의 GDPR 등 개인정보 보호 강화 정책에 따라, 무분별한 데이터 수집 대신 '연합 학습(Federated Learning)'이나 '차분 프라이버시(Differential Privacy)' 기술을 적용하여 사생활을 보호하면서도 고도화된 개인화를 제공하는 방향으로 정책이 재수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Machine Learning]], [[Information Extraction (IE)]], [[Behavioral Economics]], [[Ethics & AI]]
+- **Related**: Machine Learning, Information Extraction (IE), Behavioral Economics, [[Ethics & AI]]
 - **Modern Tech/Tools**: Redis, Apache Mahout, Amazon Personalize, TensorFlow Recommenders.
 ---
diff --git a/10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md b/10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md
index b746e0c5..c34082f4 100644
--- a/10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md
+++ b/10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-PHASE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, phase-transitions, learning-dynamics, emergent-abilities, grokking]
 last_reinforced: 2026-04-26
 ---
 
-# [[Phase Transitions in Learning (학습에서의 상전이 현상)]]
+# Phase Transitions in Learning (학습에서의 상전이 현상)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지루한 정체기 끝에 갑작스러운 깨달음(Grokking)이 찾아오듯, 모델의 지능은 선형적인 성장이 아닌 폭발적인 '상전이'를 통해 도약한다" — 학습 과정에서 손실 함수가 완만하게 줄어들다가 특정 임계점에서 모델의 내부 구조나 일반화 능력이 급격히 변화하는 현상.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 새로운 스킬 학습 시, 단순 수렴 지점을 넘어 상전이 현상이 발생하는 '깊은 학습' 구간까지 모니터링하여 최적의 통찰 수준을 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Overfitting-and-Underfitting]], [[Deep-Learning-Foundations]], [[Emergent-Abilities-in-LLM]], [[Optimization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md]]
+- [[Overfitting-and-Underfitting]], Deep-Learning-Foundations, Emergent-Abilities-in-LLM, [[Optimization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md
diff --git a/10_Wiki/Topics/AI/Philosophy.md b/10_Wiki/Topics/AI/Philosophy.md
index af5989cc..a7a9c677 100644
--- a/10_Wiki/Topics/AI/Philosophy.md
+++ b/10_Wiki/Topics/AI/Philosophy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PHIL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, philosophy, existentialism, ethics, logic, epistemology, foundational]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Physical-Intelligence.md b/10_Wiki/Topics/AI/Physical-Intelligence.md
index e9046012..a6fbbe94 100644
--- a/10_Wiki/Topics/AI/Physical-Intelligence.md
+++ b/10_Wiki/Topics/AI/Physical-Intelligence.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PHIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
 tags: [auto-reinforced, physical-intelligence, robotics, embodied-ai, sensorimotor, hardware-software-integration]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Physics-Informed Neural Networks (PINNs).md b/10_Wiki/Topics/AI/Physics-Informed Neural Networks (PINNs).md
index ffd8d362..2a49917b 100644
--- a/10_Wiki/Topics/AI/Physics-Informed Neural Networks (PINNs).md	
+++ b/10_Wiki/Topics/AI/Physics-Informed Neural Networks (PINNs).md	
@@ -1,12 +1,12 @@
 ---
 id: PINN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, physics, deep-learning, differential-equations, simulation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Physics-Informed Neural Networks (PINNs, 물리 정보 기반 신경망)]]
+# Physics-Informed Neural Networks (PINNs, 물리 정보 기반 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인공지능에게 물리 법칙이라는 가이드라인을 주어라" — 신경망의 학습 과정에 물리 방정식(미분 방정식 등)을 직접 손실 함수로 주입하여, 데이터가 적어도 물리적으로 타당한 결과를 내도록 만드는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound의 물리 엔진 최적화 시, 복잡한 유체나 파괴 효과 시뮬레이션 비용을 절감하기 위해 PINN 기반의 대리 모델(Surrogate Model) 도입 검토 중.
 
 ## 🔗 지식 연결 (Graph)
-- [[Finite-Element-Analysis]], [[Differential-Equations]], [[Numerical-Analysis]], [[Scientific-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Physics-Informed Neural Networks (PINNs).md]]
+- [[Finite-Element-Analysis]], Differential-Equations, Numerical-Analysis, Scientific-Computing
+- **Raw Source:** 10_Wiki/Topics/AI/Physics-Informed Neural Networks (PINNs).md
diff --git a/10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md b/10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md
index ab01399e..ab9765e5 100644
--- a/10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md
+++ b/10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md
@@ -1,12 +1,12 @@
 ---
 id: AI-PINNS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, pinns, physics-informed-ml, pde, scientific-computing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Physics-informed Neural Networks (PINNs, 물리 정보 신경망)]]
+# Physics-informed Neural Networks (PINNs, 물리 정보 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 바다에 빠져 허우적거리지 말고, 불변의 물리 법칙이라는 나침반을 신경망의 심장에 직접 새겨라" — 딥러닝의 유연한 학습 능력과 물리 법칙(편미분 방정식 등)의 엄밀함을 결합하여, 물리적으로 타당한 예측을 수행하는 하이브리드 머신러닝 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 Skybound의 복잡한 물리 엔진 최적화 시, 데이터 노이즈에 강하면서도 물리적 개연성을 보장하는 PINNs 방법론을 적극 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Partial-Differential-Equations]], [[Optimal-Control-Theory]], [[Fluid-Dynamics]], [[Scientific-Computing-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md]]
+- [[Partial-Differential-Equations]], [[Optimal-Control-Theory]], Fluid-Dynamics, Scientific-Computing-in-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Physics-informed-Neural-Networks.md
diff --git a/10_Wiki/Topics/AI/Physics.md b/10_Wiki/Topics/AI/Physics.md
index caf4b684..ec4dbef3 100644
--- a/10_Wiki/Topics/AI/Physics.md
+++ b/10_Wiki/Topics/AI/Physics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PHYS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, physics, fundamental-laws, mechanics, thermodynamics, quantum-physics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Pipeline-Parallelism.md b/10_Wiki/Topics/AI/Pipeline-Parallelism.md
index b7a1f549..e448bbe0 100644
--- a/10_Wiki/Topics/AI/Pipeline-Parallelism.md
+++ b/10_Wiki/Topics/AI/Pipeline-Parallelism.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-PIPE-PAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, parallel-computing, pipeline-parallelism, distributed-training, llm-training, gpu-optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Pipeline Parallelism (파이프라인 병렬성)]]
+# Pipeline Parallelism (파이프라인 병렬성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 모델을 한 그릇에 담으려 하지 말고, 여러 장치에 층층이 나누어 배치한 뒤 데이터의 컨베이어 벨트를 가동하라" — 모델의 레이어들을 여러 개의 GPU에 분산 배치하고, 데이터를 순차적으로 통과시켜 연산과 통신을 중첩함으로써 학습 효율을 높이는 분산 학습 기술.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 모델의 파인튜닝 시, GPU 자원 점유율을 최적화하기 위해 파이프라인 병렬화 기반의 분산 학습 프레임워크(DeepSpeed 등)를 적극 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Parallel-Computing-in-AI]], [[NVIDIA-CUDA-and-AI]], [[System-Design-for-AI-Scale]], [[LLM-Training-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Pipeline-Parallelism.md]]
+- [[Parallel-Computing-in-AI]], [[NVIDIA-CUDA-and-AI]], System-Design-for-AI-Scale, LLM-Training-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Pipeline-Parallelism.md
diff --git a/10_Wiki/Topics/AI/Pivot-Table-Analysis.md b/10_Wiki/Topics/AI/Pivot-Table-Analysis.md
index 86b6cbd2..41f6dd02 100644
--- a/10_Wiki/Topics/AI/Pivot-Table-Analysis.md
+++ b/10_Wiki/Topics/AI/Pivot-Table-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-PIVOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-analysis, pivot-table, eda, business-intelligence, pandas, excel, data-summarization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Pivot Table Analysis (피벗 테이블 분석)]]
+# Pivot Table Analysis (피벗 테이블 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 축을 뒤틀어 시각을 바꾸고, 방대한 파편들 사이에서 핵심적인 통계의 형상을 발굴하라" — 수많은 행과 열로 이루어진 원시 데이터를 특정 기준에 따라 그룹화하고 요약(합계, 평균 등)하여 데이터의 전체적인 구조를 한눈에 파악하게 돕는 분석 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 통계(일별 성공률, 도구별 사용 빈도 등)를 분석할 때, 내부적으로 피벗 테이블 연산을 수행하여 사용자에게 직관적인 리포트를 자동 생성함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Exploratory-Data-Analysis]], [[Pre-processing-Data-for-AI]], [[Performance-Metrics-in-AI]], [[Data-Driven-Decision-Making]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Pivot-Table-Analysis.md]]
+- [[Exploratory-Data-Analysis]], [[Pre-processing-Data-for-AI]], [[Performance-Metrics-in-AI]], Data-Driven-Decision-Making
+- **Raw Source:** 10_Wiki/Topics/AI/Pivot-Table-Analysis.md
diff --git a/10_Wiki/Topics/AI/Platform-Engineering.md b/10_Wiki/Topics/AI/Platform-Engineering.md
index e8798fb3..d20c4fe2 100644
--- a/10_Wiki/Topics/AI/Platform-Engineering.md
+++ b/10_Wiki/Topics/AI/Platform-Engineering.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-PLAT-ENG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, devops, platform-engineering, developer-experience, internal-developer-platform, idp, cloud-native]
 last_reinforced: 2026-04-26
 ---
 
-# [[Platform Engineering (플랫폼 엔지니어링)]]
+# Platform Engineering (플랫폼 엔지니어링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인프라의 복잡성을 우아한 추상화로 감추어, 개발자가 오직 코드와 비즈니스 가치 창출에만 몰입할 수 있는 '황금 경로(Golden Path)'를 설계하라" — 개발팀이 애플리케이션을 신속하게 배포하고 운영할 수 있도록 공통 인프라, 도구, 워크플로우를 하나로 묶어 내부 개발자 플랫폼(IDP)을 구축하는 기술적 문화.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 연산 자원과 지식 베이스를 관리하는 내부 인프라를 플랫폼 엔지니어링 원칙에 따라 설계하여, 새로운 스킬이나 모듈 추가 시 인프라 설정 오버헤드 없이 즉각적인 확장이 가능하도록 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Microservices-Architecture]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Platform-Engineering.md]]
+- [[Microservices-Architecture]], System-Design-for-AI-Scale, [[High-Availability-Systems]], [[Modern-Website-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Platform-Engineering.md
diff --git a/10_Wiki/Topics/AI/Player-Experience-Modeling.md b/10_Wiki/Topics/AI/Player-Experience-Modeling.md
index 957881b0..97469620 100644
--- a/10_Wiki/Topics/AI/Player-Experience-Modeling.md
+++ b/10_Wiki/Topics/AI/Player-Experience-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PEXM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, game-design, ux, player-modeling, affective-computing]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 게임 중독 및 사행성 이슈와 관련하여, 유저의 '좌절'을 이용해 결제를 유도하는 악의적 모델링을 규제하고, 대신 '건전한 몰입'과 '휴식 유도'를 포함하는 윤리적 PXM 가이드라인이 정책적으로 권고됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gamification]], [[Flow State]], [[Behavioral Economics]], [[Affective-Computing-in-Games]], [[Design-Thinking]]
+- Gamification, [[Flow State]], Behavioral Economics, Affective-Computing-in-Games, Design-Thinking
 - **Modern Tech/Tools**: Unity Analytics, Affectiva SDK, GOMS Model.
 ---
diff --git a/10_Wiki/Topics/AI/Player-Psyche-Profiling-Framework.md b/10_Wiki/Topics/AI/Player-Psyche-Profiling-Framework.md
index 37467131..5e7b16e5 100644
--- a/10_Wiki/Topics/AI/Player-Psyche-Profiling-Framework.md
+++ b/10_Wiki/Topics/AI/Player-Psyche-Profiling-Framework.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PPPF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, player-profiling, psychology, game-mechanics, user-segmentation]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 취약 계층(아동, 도박 중독 우려자)의 심리 프로파일을 악용해 과금 유도(Dark Patterns)를 하는 행위를 엄격히 금지하는 AI 윤리 정책이 글로벌 게임 규제의 핵심으로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Player-Experience-Modeling]], [[Social Systems Theory]], [[Personality Psychology]], [[Bartle-Player-Types]]
+- [[Player-Experience-Modeling]], [[Social Systems Theory]], Personality Psychology, Bartle-Player-Types
 - **Modern Tech/Tools**: Quantic Foundry API, Big Five Personality Test integration.
 ---
diff --git a/10_Wiki/Topics/AI/Plutchiks-Wheel-of-Emotions.md b/10_Wiki/Topics/AI/Plutchiks-Wheel-of-Emotions.md
index c7620684..8669832b 100644
--- a/10_Wiki/Topics/AI/Plutchiks-Wheel-of-Emotions.md
+++ b/10_Wiki/Topics/AI/Plutchiks-Wheel-of-Emotions.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PLUT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, psychology, emotion, color-wheel, affective-design]
 last_reinforced: 2026-04-20
@@ -32,6 +32,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 감정 인지 AI가 사용자 감정을 조작(Sentiment Manipulation)할 위험이 제기됨에 따라, 디자인 단계에서 '정서적 투명성'을 확보하고 부정적 감정을 고의로 증폭시키지 않는 'Affective Ethics' 정책이 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Affective-Computing-in-Games]], [[Psychology & Behavior]], [[Color Theory]], [[User Experience (UX)]]
+- Affective-Computing-in-Games, [[Psychology & Behavior]], Color Theory, User Experience (UX)
 - **Modern Tech/Tools**: Sentiment analysis APIs, Emotion-based UI kits.
 ---
diff --git a/10_Wiki/Topics/AI/Poetic-Computation.md b/10_Wiki/Topics/AI/Poetic-Computation.md
index f012303e..d577cde2 100644
--- a/10_Wiki/Topics/AI/Poetic-Computation.md
+++ b/10_Wiki/Topics/AI/Poetic-Computation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POEC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, art, creative-coding, computation, aesthetics]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 창의 컴퓨팅 교육 정책이 단순 코딩 교육(기능 습득)에서 '디지털 리터러시와 예술적 상상력의 결합'으로 패러다임이 전환되며, STEAM 교육 프로그램의 상위 레벨 핵심 모델이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Creative Coding]], [[Generative Art]], [[Critical Theory]], [[Aesthetics of Digital Media]], [[Human-Computer Interaction (HCI)]]
+- Creative Coding, Generative Art, Critical Theory, Aesthetics of Digital Media, Human-Computer Interaction (HCI)
 - **Modern Tech/Tools**: Processing, P5.js, OpenFrameworks, School for Poetic Computation (SFPC).
 ---
diff --git a/10_Wiki/Topics/AI/Point-Cloud-Processing.md b/10_Wiki/Topics/AI/Point-Cloud-Processing.md
index a97eb186..d041317b 100644
--- a/10_Wiki/Topics/AI/Point-Cloud-Processing.md
+++ b/10_Wiki/Topics/AI/Point-Cloud-Processing.md
@@ -1,12 +1,12 @@
 ---
 id: CV-POINT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, point-cloud, 3d-deep-learning, lidar, robotics, autonomous-driving, pointnet]
 last_reinforced: 2026-04-26
 ---
 
-# [[Point Cloud Processing (포인트 클라우드 처리)]]
+# Point Cloud Processing (포인트 클라우드 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "무질서하게 흩어진 수백만 개의 점들 사이에서 공간의 질서와 사물의 형상을 발굴하여, 기계에게 완벽한 3D 입체 시각을 선사하라" — 3D 공간상의 좌표점 집합(Point Cloud)으로부터 개체를 식별하고 분류하며 기하학적 구조를 추출하는 컴퓨터 비전 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 지형 분석 및 적 유닛의 충돌 판정 시스템 설계 시, 포인트 클라우드 처리 원리를 활용하여 복잡한 3D 지형에서의 최적 경로를 산출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Foundations]], [[Object-Detection-Foundations]], [[Robotics-Foundations]], [[Neural-Networks-for-Beginners]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Point-Cloud-Processing.md]]
+- Computer-Vision-Foundations, [[Object-Detection-Foundations]], [[Robotics-Foundations]], [[Neural-Networks-for-Beginners]]
+- **Raw Source:** 10_Wiki/Topics/AI/Point-Cloud-Processing.md
diff --git a/10_Wiki/Topics/AI/Point-of-Sale.md b/10_Wiki/Topics/AI/Point-of-Sale.md
index e3cb24f9..7f02594b 100644
--- a/10_Wiki/Topics/AI/Point-of-Sale.md
+++ b/10_Wiki/Topics/AI/Point-of-Sale.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POSS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, pos-system, retail-tech, data-collection, payment, commerce]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Policy-Gradient-Methods.md b/10_Wiki/Topics/AI/Policy-Gradient-Methods.md
index 99960781..03148f9a 100644
--- a/10_Wiki/Topics/AI/Policy-Gradient-Methods.md
+++ b/10_Wiki/Topics/AI/Policy-Gradient-Methods.md
@@ -1,12 +1,12 @@
 ---
 id: RL-PG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, policy-gradient, reinforce, ppo, trpo, continuous-control]
 last_reinforced: 2026-04-26
 ---
 
-# [[Policy Gradient Methods (정책 경사 기법)]]
+# Policy Gradient Methods (정책 경사 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "행동의 가치를 묻지 말고, 승리로 이끄는 '선택의 확률' 자체를 직접적으로 강화하라" — 에이전트의 정책(Policy)을 매개변수화된 함수로 정의하고, 기대 보상을 최대화하는 방향으로 정책의 경사(Gradient)를 따라 가중치를 업데이트하는 강화학습 알고리즘 군.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 복합 작업 계획 수립 시, 각 단계별 도구 선택 확률을 최적화하기 위해 PPO 기반의 정책 경사 학습 모델을 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Proximal-Policy-Optimization-PPO]], [[Actor-Critic-Models]], [[Off-policy-vs-On-policy-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Policy-Gradient-Methods.md]]
+- [[Reinforcement-Learning]], Proximal-Policy-Optimization-PPO, [[Actor-Critic-Models]], [[Off-policy-vs-On-policy-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Policy-Gradient-Methods.md
diff --git a/10_Wiki/Topics/AI/Policy-Optimization.md b/10_Wiki/Topics/AI/Policy-Optimization.md
index 9e78e8b0..d3283051 100644
--- a/10_Wiki/Topics/AI/Policy-Optimization.md
+++ b/10_Wiki/Topics/AI/Policy-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POLO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, reinforcement-learning, optimization, policy-gradient, ai-training]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 정책 최적화 과정에서 발생하는 '보상 해킹(Reward Hacking)'이나 '안전 위배'를 방지하기 위해, 제약 조건을 수식에 직접 포함하는 'Safe RL' 정책이 자율 주행 및 의료 AI 학습의 필수 규정으로 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[Policy Gradient Methods]], [[Optimization]], [[Machine Learning]], [[PPO (Proximal Policy Optimization)]]
+- [[Reinforcement Learning (RL)]], Policy Gradient Methods, [[Optimization]], Machine Learning, PPO (Proximal Policy Optimization)
 - **Modern Tech/Tools**: OpenAI Spinning Up, Stable Baselines3, Ray Rllib.
 ---
diff --git a/10_Wiki/Topics/AI/Policy-Surveillance.md b/10_Wiki/Topics/AI/Policy-Surveillance.md
index b23275fb..6151db97 100644
--- a/10_Wiki/Topics/AI/Policy-Surveillance.md
+++ b/10_Wiki/Topics/AI/Policy-Surveillance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POLS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, law, public-health, impact-evaluation, legal-monitoring]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 팬데믹 시기의 방역 정책 등 급변하는 환경에서 정책의 유효성을 실시간 검증하고 즉각 수정하는 'Agile Governance'를 위해 전 국가적 차원의 '디지털 정책 감시 플랫폼' 구축 정책이 추진됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision Theory]], [[Risk Management]], [[Complex Adaptive Systems]], [[Economic Models]], [[Public Health Informatics]]
+- [[Decision Theory]], [[Risk Management]], Complex Adaptive Systems, Economic Models, Public Health Informatics
 - **Modern Tech/Tools**: LawAtlas, Policy Surveillance Portal, NLP for legal text.
 ---
diff --git a/10_Wiki/Topics/AI/PolicyIQ.md b/10_Wiki/Topics/AI/PolicyIQ.md
index 1ec5711d..e082c27b 100644
--- a/10_Wiki/Topics/AI/PolicyIQ.md
+++ b/10_Wiki/Topics/AI/PolicyIQ.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B7D200
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - PolicyIQ"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Corgea]], [[SAST]], [[Large Language Models (LLMs)]]
-- **Projects/Contexts:** [[Corgea AI-native SAST Platform]]
+- **Related Topics:** [[Corgea]], [[SAST]], Large Language Models (LLMs)
+- **Projects/Contexts:** Corgea AI-native SAST Platform
 - **Contradictions/Notes:** PolicyIQ의 심층적인 기술 작동 원리나 세부적인 설정 방법 등은 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/PolicyIQ.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Polymorphism-in-Engine-Architecture.md b/10_Wiki/Topics/AI/Polymorphism-in-Engine-Architecture.md
index df63c5ac..c4f47fda 100644
--- a/10_Wiki/Topics/AI/Polymorphism-in-Engine-Architecture.md
+++ b/10_Wiki/Topics/AI/Polymorphism-in-Engine-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POLY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, software-engineering, game-engine, polymorphism, architecture]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 엔진의 모듈화 정책(Modularity)이 강화됨에 따라, 모든 플러그인과 외부 확장을 '다형적 인터페이스'를 통해서만 연결하도록 강제하여 엔진 코어의 안정성과 보안을 유지하는 설계 원칙이 확립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Object-Oriented-Design-Patterns]], [[Software-Design-Principles]], [[Game Engine Architecture]], [[C++ Performance Optimization]]
+- [[Object-Oriented-Design-Patterns]], [[Software-Design-Principles]], Game Engine Architecture, C++ Performance Optimization
 - **Modern Tech/Tools**: Unreal Engine UObject system, Unity ScriptableObjects, C++ vtable.
 ---
diff --git a/10_Wiki/Topics/AI/Pooling.md b/10_Wiki/Topics/AI/Pooling.md
index 38c240e0..329a7b9d 100644
--- a/10_Wiki/Topics/AI/Pooling.md
+++ b/10_Wiki/Topics/AI/Pooling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POOL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, pooling, cnn, computer-vision, deep-learning, dimension-reduction]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 최근의 트랜스포머 기반 비전 모델(ViT) 정책에서는 풀링 대신 '패치 임베딩' 정책이나 'Layer Norm' 정책 등을 활용해 전역적인 맥락을 더 정교하게 파악하는 방향으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer Vision]], [[Deep Learning (DL)]], [[Efficiency]], [[Overfitting]], [[Noise]]
+- [[Computer Vision]], Deep Learning (DL), [[Efficiency]], [[Overfitting]], [[Noise]]
 - **Modern Tech/Tools**: CNN, Global Average Pooling (GAP), Pytorch (nn.MaxPool2d).
 ---
diff --git a/10_Wiki/Topics/AI/Pose-Estimation.md b/10_Wiki/Topics/AI/Pose-Estimation.md
index ca5c65d9..1f577bdb 100644
--- a/10_Wiki/Topics/AI/Pose-Estimation.md
+++ b/10_Wiki/Topics/AI/Pose-Estimation.md
@@ -1,12 +1,12 @@
 ---
 id: CV-POSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-vision, pose-estimation, keypoint-detection, human-computer-interaction, mediapipe, motion-capture]
 last_reinforced: 2026-04-26
 ---
 
-# [[Pose Estimation (자세 추정)]]
+# Pose Estimation (자세 추정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인체의 겉모습 너머에 숨겨진 '해골 구조(Skeletal Structure)'를 발굴하여, 인간의 움직임을 기계가 이해할 수 있는 좌표의 시퀀스로 번역하라" — 이미지나 비디오에서 인체의 주요 관절(Keypoints) 위치를 탐지하고 이들의 연결 관계를 통해 전체적인 자세나 동작을 파악하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 제스처 인식 기능을 개발할 때, 사용자 개인정보 보호를 위해 이미지를 직접 저장하지 않고 랜드마크 좌표(Keypoints)만을 추출하여 처리하는 보안 중심의 자세 추정 파이프라인을 구축함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Object-Detection-Foundations]], [[Computer-Vision-Foundations]], [[Personal-Information-Security]], [[Hugging-Face-Integration]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Pose-Estimation.md]]
+- [[Object-Detection-Foundations]], Computer-Vision-Foundations, [[Personal-Information-Security]], Hugging-Face-Integration
+- **Raw Source:** 10_Wiki/Topics/AI/Pose-Estimation.md
diff --git a/10_Wiki/Topics/AI/Positive-Reinforcement.md b/10_Wiki/Topics/AI/Positive-Reinforcement.md
index ba2222c3..e3202c87 100644
--- a/10_Wiki/Topics/AI/Positive-Reinforcement.md
+++ b/10_Wiki/Topics/AI/Positive-Reinforcement.md
@@ -1,12 +1,12 @@
 ---
 id: PSYCH-POS-REINF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [psychology, ai, reinforcement-learning, positive-reinforcement, behaviorism, reward-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Positive Reinforcement (정적 강화)]]
+# Positive Reinforcement (정적 강화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "바람직한 행동의 끝에 '달콤한 보상'을 배치하여, 에이전트가 스스로 최적의 길을 열망하게 하라" — 특정 행동 뒤에 긍정적인 자극(보상)을 제공함으로써 해당 행동이 미래에 다시 발생할 확률을 높이는 심리학적 원리이자 강화학습의 핵심 메커니즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 사용자에게 유용한 정보를 제공하거나 정확한 코드를 생성했을 때 긍정적인 피드백 점수를 부여하여, 에이전트의 응답 품질을 상향 평준화하는 정적 강화 루프를 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Policy-Gradient-Methods]], [[Monte-Carlo-Tree-Search-MCTS]], [[Expected-Utility-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Positive-Reinforcement.md]]
+- [[Reinforcement-Learning]], [[Policy-Gradient-Methods]], [[Monte-Carlo-Tree-Search-MCTS]], Expected-Utility-Theory
+- **Raw Source:** 10_Wiki/Topics/AI/Positive-Reinforcement.md
diff --git a/10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md b/10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md
index e65aa13c..ba208156 100644
--- a/10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md
+++ b/10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-BAYES-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, probability, bayesian, prior, posterior, likelihood, bayes-theorem]
 last_reinforced: 2026-04-26
 ---
 
-# [[Posterior and Prior Probability (사후 및 사전 확률)]]
+# Posterior and Prior Probability (사후 및 사전 확률)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "어제의 믿음(Prior)에 오늘의 증거(Likelihood)를 더해, 내일의 더 정확한 확신(Posterior)을 설계하라" — 새로운 증거를 목격하기 전의 신념과, 목격한 후 업데이트된 신념 사이의 관계를 규명하는 베이즈 추론의 핵심 개념.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 성공률 예측 시, 과거의 평균 성공률(Prior)을 기반으로 현재 작업의 난이도와 피드백(Likelihood)을 결합하여 실시간 신뢰 점수(Posterior)를 산출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability-Theory-Foundations]], [[Naive-Bayes-Classifiers]], [[Maximum-Likelihood-Estimation-MLE]], [[Bayesian-Inference]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md]]
+- [[Probability-Theory-Foundations]], [[Naive-Bayes-Classifiers]], Maximum-Likelihood-Estimation-MLE, Bayesian-Inference
+- **Raw Source:** 10_Wiki/Topics/AI/Posterior-and-Prior-Probability.md
diff --git a/10_Wiki/Topics/AI/Poverty-Cycle-Dynamics.md b/10_Wiki/Topics/AI/Poverty-Cycle-Dynamics.md
index 03adc766..5af0d624 100644
--- a/10_Wiki/Topics/AI/Poverty-Cycle-Dynamics.md
+++ b/10_Wiki/Topics/AI/Poverty-Cycle-Dynamics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POVC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, sociology, economics, poverty, systemic-inequality]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 현금 지원에서 벗어나, 빈곤의 고리를 끊기 위해 '기초 교육 보장'과 '보편적 의료 서비스', 그리고 인지적 여유를 만들어줄 '기본 소득(UBI)' 실험이 국가 정책의 핵심 아젠다로 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Economic Models]], [[Social Systems Theory]], [[Developmental Psychology]], [[Risk Management]], [[Game Theory]]
+- Economic Models, [[Social Systems Theory]], Developmental Psychology, [[Risk Management]], Game Theory
 - **Modern Tech/Tools**: Gini Coefficient, Multidimensional Poverty Index (MPI).
 ---
diff --git a/10_Wiki/Topics/AI/Poverty-Simulation.md b/10_Wiki/Topics/AI/Poverty-Simulation.md
index de2adcbb..de237e8d 100644
--- a/10_Wiki/Topics/AI/Poverty-Simulation.md
+++ b/10_Wiki/Topics/AI/Poverty-Simulation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-POVS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, simulation, empathy, game-design, social-impact]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 공무원 및 정책 입안자 교육 교육 과정에 '빈곤 시뮬레이션 이수'를 의무화하여, 현장을 모르는 책상머리 행정을 방지하고 체감도 높은 복지 정책 설계를 유도하는 움직임이 확산됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Behavioral Economics]], [[Empathy]], [[Serious Games]], [[Human-Centered Design]], [[Social Systems Theory]]
+- Behavioral Economics, Empathy, Serious Games, Human-Centered Design, [[Social Systems Theory]]
 - **Modern Tech/Tools**: SPENT (Playspent), Unity social impact division.
 ---
diff --git a/10_Wiki/Topics/AI/Practical-Cryptography.md b/10_Wiki/Topics/AI/Practical-Cryptography.md
index 2b9ca38c..ecfeea54 100644
--- a/10_Wiki/Topics/AI/Practical-Cryptography.md
+++ b/10_Wiki/Topics/AI/Practical-Cryptography.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PCRY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, cryptography, security, encryption, privacy]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 국가 인프라 및 금융 데이터에 대해 정부 차원의 'K-암호 검증 모듈' 사용을 의무화하거나, PQC 전환 로드맵을 사전에 수립하지 않은 기업을 고위험군으로 분류하는 보안 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Information Extraction (IE)]], [[Security & Reliability]], [[Communication Theories]], [[Blockchain Technology]]
+- Information Extraction (IE), Security & Reliability, Communication Theories, Blockchain Technology
 - **Modern Tech/Tools**: OpenSSL, Libsodium, GnuPG, KMS (Key Management Systems).
 ---
diff --git a/10_Wiki/Topics/AI/Pre-Mortem-Analysis.md b/10_Wiki/Topics/AI/Pre-Mortem-Analysis.md
index d5203507..439faa45 100644
--- a/10_Wiki/Topics/AI/Pre-Mortem-Analysis.md
+++ b/10_Wiki/Topics/AI/Pre-Mortem-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PREM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, pre-mortem, risk-management, strategic-planning, psychology, disaster-prevention]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md b/10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md
index 0ee499fc..f6bde803 100644
--- a/10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md
+++ b/10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-PRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, ai, machine-learning, preprocessing, data-cleaning, feature-engineering, normalization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Pre-processing Data for AI (AI를 위한 데이터 전처리)]]
+# Pre-processing Data for AI (AI를 위한 데이터 전처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 날것 그대로를 신뢰하지 말고, 지능이 소화하기 가장 편안한 형태로 정제하고 규격화하여 모델의 잠재력을 해방하라" — 분석이나 학습에 적합하지 않은 원시 데이터를 데이터 품질을 높이고 학습 효율을 최적화하기 위해 가공하는 모든 인공지능 워크플로우의 최우선 과정.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Normalization-Strategies]], [[Outlier-Detection-Techniques]], [[One-Hot-Encoding]], [[Exploratory-Data-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Pre-processing-Data-for-AI.md
diff --git a/10_Wiki/Topics/AI/Precision-Recall-Tradeoff.md b/10_Wiki/Topics/AI/Precision-Recall-Tradeoff.md
index ab7765d1..061b936e 100644
--- a/10_Wiki/Topics/AI/Precision-Recall-Tradeoff.md
+++ b/10_Wiki/Topics/AI/Precision-Recall-Tradeoff.md
@@ -1,12 +1,12 @@
 ---
 id: AI-MET-TRAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, metrics, precision, recall, tradeoff, f1-score, threshold]
 last_reinforced: 2026-04-26
 ---
 
-# [[Precision-Recall Tradeoff (정밀도-재현율 트레이드오프)]]
+# Precision-Recall Tradeoff (정밀도-재현율 트레이드오프)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "오답을 내지 않는 '신중함'과 정답을 놓치지 않는 '집요함' 사이에서, 비즈니스의 가치를 극대화하는 중도의 임계점을 사수하라" — 정밀도와 재현율 중 하나를 높이면 다른 하나는 낮아지는 상충 관계를 이해하고, 문제의 성격에 따라 최적의 균형점을 선택하는 전략적 의사결정 원리.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Performance-Metrics-in-AI]], [[Imbalanced-Data-Handling]], [[Loss-Functions-Foundations]], [[Exploratory-Data-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Precision-Recall-Tradeoff.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Precision-Recall-Tradeoff.md
diff --git a/10_Wiki/Topics/AI/Precision-Recursion.md b/10_Wiki/Topics/AI/Precision-Recursion.md
index 52bf3da0..13060b97 100644
--- a/10_Wiki/Topics/AI/Precision-Recursion.md
+++ b/10_Wiki/Topics/AI/Precision-Recursion.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PREC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, precision-recursion, methodology, feedback-loops, optimization, systematic-thinking]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Predictive-Analytics.md b/10_Wiki/Topics/AI/Predictive-Analytics.md
index e7854358..e746438e 100644
--- a/10_Wiki/Topics/AI/Predictive-Analytics.md
+++ b/10_Wiki/Topics/AI/Predictive-Analytics.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-PRED-ANA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-analysis, predictive-analytics, forecasting, machine-learning, statistics, business-intelligence]
 last_reinforced: 2026-04-26
 ---
 
-# [[Predictive Analytics (예측 분석)]]
+# Predictive Analytics (예측 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "과거의 패턴을 집요하게 분석하여 미래의 불확실성을 확률적 확신으로 치환하고, 보이지 않는 기회와 위기를 선제적으로 포착하라" — 역사적 데이터와 통계 알고리즘, 머신러닝 기법을 활용하여 미래의 사건이나 결과를 예측하고 의사결정을 지원하는 분석 방법론.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Operations-Management]], [[Time-Series-Analysis]], [[Logistic-Regression]], [[Outlier-Detection-Techniques]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Predictive-Analytics.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Predictive-Analytics.md
diff --git a/10_Wiki/Topics/AI/Predictive-Coding.md b/10_Wiki/Topics/AI/Predictive-Coding.md
index 8dacee6b..13c483f0 100644
--- a/10_Wiki/Topics/AI/Predictive-Coding.md
+++ b/10_Wiki/Topics/AI/Predictive-Coding.md
@@ -1,12 +1,12 @@
 ---
 id: PRED-CODING-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [neuroscience, ai, predictive-processing, bayesian-brain, cognitive-science]
 last_reinforced: 2026-04-26
 ---
 
-# [[Predictive Coding (예측 부호화)]]
+# Predictive Coding (예측 부호화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뇌는 감각을 수동적으로 받아들이지 않고, 끊임없이 세상을 예측하고 수정한다" — 하위 계층에서 올라오는 감각 신호와 상위 계층의 예측 신호 간의 '오차(Error)'만을 전달하여 에너지 효율을 극대화하고 인지 정합성을 유지하는 뇌의 정보 처리 메커니즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 상황 인지 로직은 예측 부호화 원리를 차용하여, 예상된 정상 범위를 벗어나는 데이터(Anomalies)에 우선적으로 주의를 기울이도록 설계됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayesian-Inference]], [[Neuroscience]], [[Active-Inference]], [[Anomaly-Detection]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Predictive-Coding.md]]
+- Bayesian-Inference, Neuroscience, Active-Inference, [[Anomaly-Detection]]
+- **Raw Source:** 10_Wiki/Topics/AI/Predictive-Coding.md
diff --git a/10_Wiki/Topics/AI/Prenatal-Neurology.md b/10_Wiki/Topics/AI/Prenatal-Neurology.md
index 332f52e6..f73f8654 100644
--- a/10_Wiki/Topics/AI/Prenatal-Neurology.md
+++ b/10_Wiki/Topics/AI/Prenatal-Neurology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PREN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, neurology, prenatal-development, embryo, brain-formation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Preserving-State-in-Procedural-Worlds.md b/10_Wiki/Topics/AI/Preserving-State-in-Procedural-Worlds.md
index 3dffd40a..53f6d91d 100644
--- a/10_Wiki/Topics/AI/Preserving-State-in-Procedural-Worlds.md
+++ b/10_Wiki/Topics/AI/Preserving-State-in-Procedural-Worlds.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PREST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, pcg, state-management, game-engine, persistence]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 클라우드 기반 세이브 정책이 보편화됨에 따라, 엄청난 양의 절차적 변경 데이터를 서버 비용 효율적으로 압축하고 동기화하는 '데이터 구조 고도화 정책'이 멀티플레이어 환경의 필수 요건이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[No Mans Sky (Large-scale planetary generation)]], [[PCGML-Frameworks]], [[Object Pooling (오브젝트 풀링)]], [[Foundational Models]]
+- [[No Mans Sky (Large-scale planetary generation)]], [[PCGML-Frameworks]], [[Object Pooling (오브젝트 풀링)]], Foundational Models
 - **Modern Tech/Tools**: Minecraft NBT format, Unity Data-Oriented Technology Stack (DOTS).
 ---
diff --git a/10_Wiki/Topics/AI/Principal-Component-Analysis.md b/10_Wiki/Topics/AI/Principal-Component-Analysis.md
index fecd4799..8b0ca20e 100644
--- a/10_Wiki/Topics/AI/Principal-Component-Analysis.md
+++ b/10_Wiki/Topics/AI/Principal-Component-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-PCA-DET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, linear-algebra, pca, principal-component-analysis, statistics, dimensionality-reduction]
 last_reinforced: 2026-04-26
 ---
 
-# [[Principal Component Analysis (주성분 분석)]]
+# Principal Component Analysis (주성분 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 혼돈 속에서 가장 강한 에너지가 분출되는 '주성분'의 방향을 찾고, 그 축을 중심으로 세상을 다시 정렬하라" — 고차원 데이터의 정보를 선형 결합을 통해 서로 상관관계가 없는 주성분들로 변환하여 데이터를 요약하고 구조화하는 통계적 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 다양한 성능 지표들 사이의 불필요한 상관관계를 제거하고 핵심 성과 동인을 파악하기 위해, 주기적으로 리포트 데이터에 PCA 분석을 적용하여 인사이트를 도출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[PCA-and-Dimension-Reduction]], [[Multivariate-Analysis]], [[Linear-Algebra-Foundations]], [[Feature-Engineering-Best-Practices]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Principal-Component-Analysis.md]]
+- [[PCA-and-Dimension-Reduction]], [[Multivariate-Analysis]], [[Linear-Algebra-Foundations]], Feature-Engineering-Best-Practices
+- **Raw Source:** 10_Wiki/Topics/AI/Principal-Component-Analysis.md
diff --git a/10_Wiki/Topics/AI/Principle-Component-Analysis.md b/10_Wiki/Topics/AI/Principle-Component-Analysis.md
index bb2e7c91..573701f2 100644
--- a/10_Wiki/Topics/AI/Principle-Component-Analysis.md
+++ b/10_Wiki/Topics/AI/Principle-Component-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PPCA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, pca, dimension-reduction, data-analysis, machine-learning, statistics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Principle-of-Least-Action.md b/10_Wiki/Topics/AI/Principle-of-Least-Action.md
index 36084840..165d77c9 100644
--- a/10_Wiki/Topics/AI/Principle-of-Least-Action.md
+++ b/10_Wiki/Topics/AI/Principle-of-Least-Action.md
@@ -1,12 +1,12 @@
 ---
 id: PLA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [physics, optimization, mechanics, variational-calculus, ai-foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Principle of Least Action (최소 작용의 원리)]]
+# Principle of Least Action (최소 작용의 원리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자연은 가장 효율적인 경로를 선택한다" — 물체가 이동할 때 작용(Action)이라는 물리량을 최소화하는 경로를 따라 움직인다는 현대 물리학의 가장 보편적인 기본 원리.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 에이전트 경로 최적화 및 물리 시뮬레이션 엔진 설계 시, 최소 작용의 원리를 응용하여 계산 비용을 최소화하는 최적 경로를 산출함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization]], [[Physics-Informed-Neural-Networks]], [[Differential-Equations]], [[Calculus-for-ML]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Principle-of-Least-Action.md]]
+- [[Optimization]], [[Physics-Informed-Neural-Networks]], Differential-Equations, Calculus-for-ML
+- **Raw Source:** 10_Wiki/Topics/AI/Principle-of-Least-Action.md
diff --git a/10_Wiki/Topics/AI/Principles of Structuralism (Linguistic).md b/10_Wiki/Topics/AI/Principles of Structuralism (Linguistic).md
index 1eab257a..e80a3dfb 100644
--- a/10_Wiki/Topics/AI/Principles of Structuralism (Linguistic).md	
+++ b/10_Wiki/Topics/AI/Principles of Structuralism (Linguistic).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STRU-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, structuralism, linguistics, saussure, semiotics]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대 자연어 처리(NLP)와 임베딩 기술(Word2Vec 등)은 단어의 의미를 벡터 공간에서의 '관계(차이)'로 수치화한다는 점에서 소쉬르의 구조주의적 원리를 알고리즘적으로 완벽히 구현해냄.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principles-of-Structuralism]], [[Semantics  Ontology]], [[Cognitive Psychology]], [[Artificial General Intelligence (AGI)]]
+- [[Principles-of-Structuralism]], Semantics  Ontology, [[Cognitive Psychology]], [[Artificial General Intelligence (AGI)]]
 - **Modern Tech/Tools**: Vector Semantics, Knowledge Graphs, Structuralist Literary Criticism.
 ---
diff --git a/10_Wiki/Topics/AI/Principles-of-Architecture.md b/10_Wiki/Topics/AI/Principles-of-Architecture.md
index 5d063c7a..d069c514 100644
--- a/10_Wiki/Topics/AI/Principles-of-Architecture.md
+++ b/10_Wiki/Topics/AI/Principles-of-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PARC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, software-architecture, principles, quality-attributes, design]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 클라우드 네이티브 환경으로의 전환 정책에 따라, 모든 시스템 아키텍처는 '장애를 가정하고 설계(Design for Failure)'해야 한다는 안정성 최우선 정책이 글로벌 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Object-Oriented-Design-Patterns]], [[Software-Design-Principles]], [[Polymorphism-in-Engine-Architecture]], [[Complexity Theory]], [[System Thinking]]
+- [[Object-Oriented-Design-Patterns]], [[Software-Design-Principles]], [[Polymorphism-in-Engine-Architecture]], [[Complexity Theory]], System Thinking
 - **Modern Tech/Tools**: Kubernetes, Docker, AWS Well-Architected Framework.
 ---
diff --git a/10_Wiki/Topics/AI/Principles-of-Data-Connect.md b/10_Wiki/Topics/AI/Principles-of-Data-Connect.md
index 032f7f2b..feee6847 100644
--- a/10_Wiki/Topics/AI/Principles-of-Data-Connect.md
+++ b/10_Wiki/Topics/AI/Principles-of-Data-Connect.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DCON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, firebase, data-connect, cloud-sql, postgresql, database]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ Firebase Data Connect는 구글 클라우드의 관계형 데이터베이스(Clo
 - **정책 변화(RL Update)**: 보안 규칙(Security Rules) 대신 'App Check'와 'GraphQL 권한 설정'을 통해 데이터를 보호하는 새로운 보안 정책이 적용되며, 향후 Firebase의 모든 신규 대규모 프로젝트는 Data Connect를 우선 고려하는 가이드라인이 마련됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Complexity Theory]], [[Software-Design-Principles]], [[Security & Reliability]], [[Logic]], [[Information Extraction (IE)]]
+- [[Complexity Theory]], [[Software-Design-Principles]], Security & Reliability, [[Logic]], Information Extraction (IE)
 - **Modern Tech/Tools**: PostgreSQL, GraphQL, Cloud SQL, Firebase CLI.
 ---
diff --git a/10_Wiki/Topics/AI/Principles-of-Structuralism.md b/10_Wiki/Topics/AI/Principles-of-Structuralism.md
index abdef7c2..73859cd8 100644
--- a/10_Wiki/Topics/AI/Principles-of-Structuralism.md
+++ b/10_Wiki/Topics/AI/Principles-of-Structuralism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STRU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, structuralism, philosophy, systemic-thinking, archetypes]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 사회 시스템 설계 정책에서 '개별 정책의 실패'를 개별 변수 탓으로 돌리지 않고, '시스템 구조적 결함'으로 인식하여 전체 거버넌스를 재설계하는 '시스템 씽킹' 기법으로 계승됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principles of Structuralism (Linguistic)]], [[Complexity Theory]], [[Social Systems Theory]], [[Anthropology]], [[Philosophy of Science]]
+- [[Principles of Structuralism (Linguistic)]], [[Complexity Theory]], [[Social Systems Theory]], Anthropology, Philosophy of Science
 - **Modern Tech/Tools**: Network Analysis, Systems Mapping, Semiotic Analysis.
 ---
diff --git a/10_Wiki/Topics/AI/Principles.md b/10_Wiki/Topics/AI/Principles.md
index 83b2fda9..41790464 100644
--- a/10_Wiki/Topics/AI/Principles.md
+++ b/10_Wiki/Topics/AI/Principles.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, principles, decision-making, mental-models, rules, core-values, wisdom]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Prioritized-Experience-Replay.md b/10_Wiki/Topics/AI/Prioritized-Experience-Replay.md
index 5f2c6271..0de3ec07 100644
--- a/10_Wiki/Topics/AI/Prioritized-Experience-Replay.md
+++ b/10_Wiki/Topics/AI/Prioritized-Experience-Replay.md
@@ -1,12 +1,12 @@
 ---
 id: RL-PER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, prioritized-experience-replay, per, dqn, learning-efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Prioritized Experience Replay (우선순위 경험 재생)]]
+# Prioritized Experience Replay (우선순위 경험 재생)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모든 과거를 공평하게 기억하지 말고, 예상 밖의 '충격적 경험(TD Error)'을 더 자주 복기하여 학습의 가속도를 높여라" — 강화학습 에이전트의 경험 저장소(Replay Buffer)에서 학습 효율이 높은 중요한 샘플에 가중치를 두어 우선적으로 샘플링하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 예외 상황 처리 능력을 키울 때, 과거의 실패 사례 중 모델의 예측 오차가 가장 컸던 지점들을 우선적으로 재학습시키는 PER 전략을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Experience-Replay-Strategies]], [[Off-policy-vs-On-policy-Learning]], [[Deep-Q-Networks-DQN]], [[Reinforcement-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Prioritized-Experience-Replay.md]]
+- Experience-Replay-Strategies, [[Off-policy-vs-On-policy-Learning]], [[Deep-Q-Networks-DQN]], [[Reinforcement-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Prioritized-Experience-Replay.md
diff --git a/10_Wiki/Topics/AI/Prisoners-Dilemma-Models.md b/10_Wiki/Topics/AI/Prisoners-Dilemma-Models.md
index 0225c39b..1b41b54b 100644
--- a/10_Wiki/Topics/AI/Prisoners-Dilemma-Models.md
+++ b/10_Wiki/Topics/AI/Prisoners-Dilemma-Models.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRIS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, game-theory, nash-equilibrium, cooperation, rational-choice]
 last_reinforced: 2026-04-20
@@ -33,6 +33,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기후 위기 대응(탄소 배출 제한)과 같은 글로벌 공조 실패 문제를 죄수의 딜레마 모델로 분석하여, 무임승차를 방지하고 강제적 협력을 유도하는 탄소 국경세와 같은 보복 정책 도입의 근거가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game Theory]], [[Decision Theory]], [[Ethics & AI]], [[Social Systems Theory]], [[Economic Models]]
+- Game Theory, [[Decision Theory]], [[Ethics & AI]], [[Social Systems Theory]], Economic Models
 - **Modern Tech/Tools**: Axelrod's Tournament, Evolutionary Stable Strategy (ESS).
 ---
diff --git a/10_Wiki/Topics/AI/Prisons-and-Self-Correction.md b/10_Wiki/Topics/AI/Prisons-and-Self-Correction.md
index b7215fd9..3fb47c9c 100644
--- a/10_Wiki/Topics/AI/Prisons-and-Self-Correction.md
+++ b/10_Wiki/Topics/AI/Prisons-and-Self-Correction.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRSC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, sociology, criminology, rehabilitation, systemic-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Privacy-Preserving-AI.md b/10_Wiki/Topics/AI/Privacy-Preserving-AI.md
index 3c606a3d..de4472a1 100644
--- a/10_Wiki/Topics/AI/Privacy-Preserving-AI.md
+++ b/10_Wiki/Topics/AI/Privacy-Preserving-AI.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-PRIV-TECH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, security, privacy-preserving-ai, differential-privacy, homomorphic-encryption, federated-learning, smpc]
 last_reinforced: 2026-04-26
 ---
 
-# [[Privacy-Preserving AI (프라이버시 보존 AI)]]
+# Privacy-Preserving AI (프라이버시 보존 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 '보지 않고도' 배우고, 정보를 '공유하지 않고도' 지혜를 나누는 암호학적 지능을 구축하라" — 데이터의 기밀성을 유지하면서도 인공지능 모델의 학습과 추론이 가능하도록 설계된 암호학 및 통계학적 기술 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 간의 지식 공유 시, 사용자별 민감 데이터가 섞이지 않도록 차분 프라이버시 원칙이 적용된 지식 인덱싱 아키텍처를 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Personal-Information-Security]], [[Trustworthy-AI]], [[Local-Brain-Management]], [[Cloud-Computing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Privacy-Preserving-AI.md]]
+- [[Personal-Information-Security]], [[Trustworthy-AI]], [[Local-Brain-Management]], Cloud-Computing-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Privacy-Preserving-AI.md
diff --git a/10_Wiki/Topics/AI/Probabilistic-Graphical-Models.md b/10_Wiki/Topics/AI/Probabilistic-Graphical-Models.md
index 2e584cb4..5bdeb0cb 100644
--- a/10_Wiki/Topics/AI/Probabilistic-Graphical-Models.md
+++ b/10_Wiki/Topics/AI/Probabilistic-Graphical-Models.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-PGM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, probability, graphical-models, bayesian-networks, markov-random-fields, reasoning, causality]
 last_reinforced: 2026-04-26
 ---
 
-# [[Probabilistic Graphical Models (확률적 그래픽 모델)]]
+# Probabilistic Graphical Models (확률적 그래픽 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡하게 얽힌 세상의 변수들을 노드와 간선으로 해체하여, 불확실성 속에서도 명료한 '인과와 의존'의 지도를 그려라" — 확률 변수들 사이의 독립성 및 종속성 관계를 그래프 구조로 표현하여, 복잡한 다변량 확률 분포를 효율적으로 추론하고 학습하는 프레임워크.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 베이스 내 주제들 사이의 인과 관계를 분석할 때, 확률적 그래픽 모델 원리를 적용하여 사용자 질문에 대한 가장 타당한 답변 경로를 추론함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Posterior-and-Prior-Probability]], [[Markov-Decision-Process-MDP]], [[Bayesian-Inference]], [[Conditional-Random-Fields-CRF]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Probabilistic-Graphical-Models.md]]
+- [[Posterior-and-Prior-Probability]], [[Markov-Decision-Process-MDP]], Bayesian-Inference, Conditional-Random-Fields-CRF
+- **Raw Source:** 10_Wiki/Topics/AI/Probabilistic-Graphical-Models.md
diff --git a/10_Wiki/Topics/AI/Probabilistic-Reasoning.md b/10_Wiki/Topics/AI/Probabilistic-Reasoning.md
index da324022..9a2704a3 100644
--- a/10_Wiki/Topics/AI/Probabilistic-Reasoning.md
+++ b/10_Wiki/Topics/AI/Probabilistic-Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, probabilistic-reasoning, probability, uncertainty, bayesian, reasoning, logic]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Probability Theory.md b/10_Wiki/Topics/AI/Probability Theory.md
index 642c33bc..4fa6837d 100644
--- a/10_Wiki/Topics/AI/Probability Theory.md	
+++ b/10_Wiki/Topics/AI/Probability Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PROB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, mathematics, statistics, risk, randomness]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 알고리즘의 편향성과 차별 문제를 해결하기 위해, 확률적 공정성(Probabilistic Fairness) 지표를 모델 검증 정책에 포함하여 특정 집단이 확률적으로 부당한 대우를 받지 않도록 감시하는 거버넌스가 확립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistics & Data Analysis]], [[Probability and Logic Fusion]], [[Information-Entropy]], [[Risk Management]], [[Machine Learning]]
+- [[Statistics & Data Analysis]], [[Probability and Logic Fusion]], [[Information-Entropy]], [[Risk Management]], Machine Learning
 - **Modern Tech/Tools**: BUGS, Stan, PyMC3, SciPy stats module.
 ---
diff --git a/10_Wiki/Topics/AI/Probability and Logic Fusion.md b/10_Wiki/Topics/AI/Probability and Logic Fusion.md
index 52e06916..f7114a76 100644
--- a/10_Wiki/Topics/AI/Probability and Logic Fusion.md	
+++ b/10_Wiki/Topics/AI/Probability and Logic Fusion.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PLFT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, logic, probability, fuzzy-logic, neuro-symbolic-ai]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율 주행, 금융 사기 탐지 등 '고신뢰 인공지능'이 요구되는 분야에서, 확률적 예측에 대한 논리적 근거(Rule-based explanation)를 반드시 제공해야 한다는 기술 정책이 강화되며 이 융합 기술이 필수화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neuro-Symbolic-AI]], [[Logic]], [[Probability Theory]], [[Knowledge Graphs]], [[Artificial General Intelligence (AGI)]]
+- [[Neuro-Symbolic-AI]], [[Logic]], [[Probability Theory]], Knowledge Graphs, [[Artificial General Intelligence (AGI)]]
 - **Modern Tech/Tools**: DeepProbLog, Pyro (Probabilistic Programming), PyTorch Geometric.
 ---
diff --git a/10_Wiki/Topics/AI/Probability-Theory-Foundations.md b/10_Wiki/Topics/AI/Probability-Theory-Foundations.md
index e5d32863..d88b7a79 100644
--- a/10_Wiki/Topics/AI/Probability-Theory-Foundations.md
+++ b/10_Wiki/Topics/AI/Probability-Theory-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-PROB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, probability, statistics, random-variables, distributions, central-limit-theorem, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Probability Theory Foundations (확률론 기초)]]
+# Probability Theory Foundations (확률론 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상의 모든 우연과 불확실성을 수치화된 '확신'의 언어로 번역하여, 기계가 가설을 세우고 결론을 내릴 수 있는 논리적 기반을 제공하라" — 무작위 현상을 수학적으로 모델링하고 분석하여, 어떤 사건이 발생할 가능성을 측정하는 수학적 학문.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 모든 답변에 대해 내부적인 확률 분포를 분석하여, 확신이 낮은 구간에서는 사용자에게 확인을 요청하거나 추가 정보를 탐색하는 '신뢰도 기반 응답' 프로토콜을 가동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Posterior-and-Prior-Probability]], [[Maximum-Likelihood-Estimation-MLE]], [[Probabilistic-Graphical-Models]], [[Bayesian-Inference]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Probability-Theory-Foundations.md]]
+- [[Posterior-and-Prior-Probability]], Maximum-Likelihood-Estimation-MLE, [[Probabilistic-Graphical-Models]], Bayesian-Inference
+- **Raw Source:** 10_Wiki/Topics/AI/Probability-Theory-Foundations.md
diff --git a/10_Wiki/Topics/AI/Problem-Solving.md b/10_Wiki/Topics/AI/Problem-Solving.md
index e39782a8..8f6b02b7 100644
--- a/10_Wiki/Topics/AI/Problem-Solving.md
+++ b/10_Wiki/Topics/AI/Problem-Solving.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRSO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, problem-solving, analytical-thinking, strategy, frameworks, intellectual-agility]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Procedural Content Generation via Machine Learning (PCGML).md b/10_Wiki/Topics/AI/Procedural Content Generation via Machine Learning (PCGML).md
index 23bd539d..8bea3866 100644
--- a/10_Wiki/Topics/AI/Procedural Content Generation via Machine Learning (PCGML).md	
+++ b/10_Wiki/Topics/AI/Procedural Content Generation via Machine Learning (PCGML).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PCGML-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, pcg, machine-learning, game-design, generative-ai]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생성된 자산의 품질 검증을 사람이 아닌 AI 플레이테스터가 수행하도록 하는 '자동화된 품질 보증(Auto-QA) 정책'이 게임 스튜디오의 표준 파이프라인으로 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[PCGML-Frameworks]], [[Procedural-Level-Geometry]], [[Foundational Models]], [[Reinforcement Learning (RL)]]
+- [[PCGML-Frameworks]], [[Procedural-Level-Geometry]], Foundational Models, [[Reinforcement Learning (RL)]]
 - **Modern Tech/Tools**: StyleGAN, Stable Diffusion, Unity ML-Agents.
 ---
diff --git a/10_Wiki/Topics/AI/Procedural Narrative Generation.md b/10_Wiki/Topics/AI/Procedural Narrative Generation.md
index 03545aac..02fd8d29 100644
--- a/10_Wiki/Topics/AI/Procedural Narrative Generation.md	
+++ b/10_Wiki/Topics/AI/Procedural Narrative Generation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, narrative-design, interactive-storytelling, pcg, ai-writing]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 도덕적으로 부적절하거나 혐오적인 서사를 생성하지 않도록 '서사적 안전 가이드라인(Safe Storytelling Policy)'을 모델의 사후 처리 레이어에 의무적으로 적용하는 정책이 마련됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Procedural Rhetoric]], [[Foundational Models]], [[Psychology & Behavior]], [[Game Design Theory]]
+- Procedural Rhetoric, Foundational Models, [[Psychology & Behavior]], [[Game Design Theory]]
 - **Modern Tech/Tools**: GPT-4 (Roleplay), Tracery, Inform 7, OpenAI Sora (visual narrative).
 ---
diff --git a/10_Wiki/Topics/AI/Procedural Rhetoric (In Gaming).md b/10_Wiki/Topics/AI/Procedural Rhetoric (In Gaming).md
index 1ac651d0..f24632c9 100644
--- a/10_Wiki/Topics/AI/Procedural Rhetoric (In Gaming).md	
+++ b/10_Wiki/Topics/AI/Procedural Rhetoric (In Gaming).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PROR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, game-design, rhetoric, persuasion, systemic-design]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 정치적 선전이나 잘못된 이데올로기를 주입하는 '선전용 게임'에 대한 비판적 리터러시 교육이 중요해짐에 따라, 학교 교육 과정 내에 '게임 수사학 분석' 정책이 도입되는 추세임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Procedural Rhetoric]], [[Papers Please (Bureaucratic Simulation)]], [[Persuasive Games]], [[Social Systems Theory]], [[Game Design Theory]]
+- Procedural Rhetoric, [[Papers Please (Bureaucratic Simulation)]], Persuasive Games, [[Social Systems Theory]], [[Game Design Theory]]
 - **Modern Tech/Tools**: Serious Games, News-games, Education Simulations.
 ---
diff --git a/10_Wiki/Topics/AI/Procedural-Architecture-Systems.md b/10_Wiki/Topics/AI/Procedural-Architecture-Systems.md
index 73426ddb..05634918 100644
--- a/10_Wiki/Topics/AI/Procedural-Architecture-Systems.md
+++ b/10_Wiki/Topics/AI/Procedural-Architecture-Systems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PARC-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, pcg, architecture, urban-generation, city-building]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 스마트 시티 설계 정책에서 도시 미관 보호를 위해 '절차적 생성 지침' 내에 최소한의 심미적 다양성과 녹지 비율을 강제하는 '디지털 경관 심의 정책'이 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Procedural-Level-Geometry]], [[Preserving-State-in-Procedural-Worlds]], [[Principles-of-Architecture]], [[Urban Dynamics]]
+- [[Procedural-Level-Geometry]], [[Preserving-State-in-Procedural-Worlds]], [[Principles-of-Architecture]], Urban Dynamics
 - **Modern Tech/Tools**: Houdini, CityEngine, Blender Geometry Nodes.
 ---
diff --git a/10_Wiki/Topics/AI/Procedural-Knowledge.md b/10_Wiki/Topics/AI/Procedural-Knowledge.md
index cfc0b7a0..fd3baa39 100644
--- a/10_Wiki/Topics/AI/Procedural-Knowledge.md
+++ b/10_Wiki/Topics/AI/Procedural-Knowledge.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRKN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, procedural-knowledge, knowing-how, skill-acquisition, implicit-knowledge, expertise]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Procedural-Level-Geometry.md b/10_Wiki/Topics/AI/Procedural-Level-Geometry.md
index ccdadb1b..28a3471a 100644
--- a/10_Wiki/Topics/AI/Procedural-Level-Geometry.md
+++ b/10_Wiki/Topics/AI/Procedural-Level-Geometry.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PLGM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, pcg, level-design, geometry, game-dev]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Procedural-Rhetoric.md b/10_Wiki/Topics/AI/Procedural-Rhetoric.md
index 353856ae..f2e064d5 100644
--- a/10_Wiki/Topics/AI/Procedural-Rhetoric.md
+++ b/10_Wiki/Topics/AI/Procedural-Rhetoric.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PROR-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, rhetoric, computation, process-philosophy, digital-literacy]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 알고리즘에 의한 여론 조작 및 확증 편향(Echo Chambers) 확산을 막기 위해, 거대 플랫폼 기업들이 자사 추천 알고리즘의 '절차적 투명성'을 공개하고 사회적 책임을 지도록 하는 디지털 권리 장전 정책이 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Procedural Rhetoric (In Gaming)]], [[Complexity Theory]], [[Communication Theories]], [[Politics & Media]], [[System Thinking]]
+- [[Procedural Rhetoric (In Gaming)]], [[Complexity Theory]], Communication Theories, Politics & Media, System Thinking
 - **Modern Tech/Tools**: Algorithmic Accountability, Computational Journalism.
 ---
diff --git a/10_Wiki/Topics/AI/Process-Automation-with-AI.md b/10_Wiki/Topics/AI/Process-Automation-with-AI.md
index 8b55c4a5..0fe62870 100644
--- a/10_Wiki/Topics/AI/Process-Automation-with-AI.md
+++ b/10_Wiki/Topics/AI/Process-Automation-with-AI.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-AUTO-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, automation, process-optimization, rpa, agentic-workflow, productivity, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Process Automation with AI (AI를 통한 프로세스 자동화)]]
+# Process Automation with AI (AI를 통한 프로세스 자동화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순 반복의 굴레를 기계에게 넘기고, 인간의 정신을 더 높은 가치인 '창의'와 '판단'의 영역으로 해방하라" — 정형화된 규칙을 넘어 인공지능의 지각, 추론, 결정 능력을 업무 프로세스에 결합하여 운영 효율성을 극대화하는 기술적 혁신.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 이 지식 가드닝 작업 자체를 AI를 통한 프로세스 자동화의 모범 사례로 정의하며, 데이터 수집-정제-연결-검증의 전 과정을 지능적으로 자동화하여 지식 생산의 한계를 극복함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Operations-Management]], [[Agentic-Workflows-Foundations]], [[Natural-Language-Processing-NLP]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Process-Automation-with-AI.md]]
+- [[Operations-Management]], Agentic-Workflows-Foundations, [[Natural-Language-Processing-NLP]], [[Modern-Website-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Process-Automation-with-AI.md
diff --git a/10_Wiki/Topics/AI/Processing.md b/10_Wiki/Topics/AI/Processing.md
index 21717cc9..d62aec29 100644
--- a/10_Wiki/Topics/AI/Processing.md
+++ b/10_Wiki/Topics/AI/Processing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PROC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, processing, computation, data-transformation, throughput, efficiency]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 계산하는 정책을 넘어, 데이터 속의 맥락을 파악하고 다음 행동을 결정하는 '추론형 처리 정책'이 현대 AI 프로세싱의 핵심 정책임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[MapReduce]], [[Parallel-Computing]], [[Data-Mining]], [[Technical-Architecture]]
+- [[Efficiency]], [[MapReduce]], [[Parallel-Computing]], Data-Mining, [[Technical-Architecture]]
 - **Modern Tech/Tools**: Apache Kafka, Spark, Flink, NVIDIA GPU processing.
 ---
diff --git a/10_Wiki/Topics/AI/Product-Led-Growth.md b/10_Wiki/Topics/AI/Product-Led-Growth.md
index 24beb753..4cad8560 100644
--- a/10_Wiki/Topics/AI/Product-Led-Growth.md
+++ b/10_Wiki/Topics/AI/Product-Led-Growth.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PLGG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, product-led-growth, business-strategy, saas, user-acquisition, viral-loop]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 엔터프라이즈 시장에서도 무거운 영업 대신, 개별 직원이 먼저 써보고 좋아서 회사 전체 도입을 건의하는 'Bottom-up 도입 정책'이 대세가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[UX]], [[Efficiency]], [[Business-Model-Innovation]], [[Marketing-Strategy]], [[Information-Society]]
+- UX, [[Efficiency]], Business-Model-Innovation, Marketing-Strategy, [[Information-Society]]
 - **Modern Tech/Tools**: Slack, Zoom, Notion, Figma (Typical PLG success stories).
 ---
diff --git a/10_Wiki/Topics/AI/Product-Management.md b/10_Wiki/Topics/AI/Product-Management.md
index 1f9e46cd..36165e10 100644
--- a/10_Wiki/Topics/AI/Product-Management.md
+++ b/10_Wiki/Topics/AI/Product-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, product-management, pm, strategy, roadmapping, stakeholder-management, prioritization]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 제품 시대의 PM 정책은 확률적인 모델 성능 정책을 이해하고, 불확실한 AI 답변 정책을 어떻게 사용자 경험 정책으로 안전하게 녹여낼지 고민하는 'AI PM 정책'이 필수 요구 능력이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Business-Model-Innovation]], [[Technical-Architecture]], [[UX]], [[Pareto-Principle]], [[Decision Theory]], [[Management]]
+- Business-Model-Innovation, [[Technical-Architecture]], UX, [[Pareto-Principle]], [[Decision Theory]], [[Management]]
 - **Modern Tech/Tools**: Jira, Productboard, Amplitude, Mixpanel.
 ---
diff --git a/10_Wiki/Topics/AI/Product-Marketing.md b/10_Wiki/Topics/AI/Product-Marketing.md
index 0418555c..0adec555 100644
--- a/10_Wiki/Topics/AI/Product-Marketing.md
+++ b/10_Wiki/Topics/AI/Product-Marketing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRMK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, product-marketing, pmm, go-to-market, positioning, messaging, launch]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 커뮤니티 주도 마케팅이나, AI 기반 개인화 메시징 정책을 통해 수백만 명에게 각각 다른 가치 제안 정책을 던지는 '초개인화 마케팅 정책'으로 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Marketing-Strategy]], [[Management]], [[Business-Model-Innovation]], [[UX]], [[Information-Society]]
+- Marketing-Strategy, [[Management]], Business-Model-Innovation, UX, [[Information-Society]]
 - **Modern Tech/Tools**: GTM (Go-to-Market) frameworks, Buyer Personas, Competitive Intelligence tools.
 ---
diff --git a/10_Wiki/Topics/AI/Product-Thinking-in-AI.md b/10_Wiki/Topics/AI/Product-Thinking-in-AI.md
index 5cc3b48e..3882c26d 100644
--- a/10_Wiki/Topics/AI/Product-Thinking-in-AI.md
+++ b/10_Wiki/Topics/AI/Product-Thinking-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-PROD-THINK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [product-management, ai, product-thinking, user-experience, value-creation, design-thinking]
 last_reinforced: 2026-04-26
 ---
 
-# [[Product Thinking in AI (AI에서의 제품 사고)]]
+# Product Thinking in AI (AI에서의 제품 사고)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기술의 화려함(How)에 매몰되지 말고, 사용자가 겪는 고통의 본질(Why)을 해결하는 지능적 '가치'를 설계하라" — AI 기술을 단순히 구현하는 수준을 넘어, 그것이 사용자에게 어떤 문제를 해결해주고 어떤 비즈니스 가치를 창출하는지 제품적 관점에서 고민하는 사고방식.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Minimum-Viable-Product-MVP]], [[Modern-Website-Architecture]], [[Trustworthy-AI]], [[Process-Automation-with-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Product-Thinking-in-AI.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Product-Thinking-in-AI.md
diff --git a/10_Wiki/Topics/AI/Productivity-Hacks-for-Devs.md b/10_Wiki/Topics/AI/Productivity-Hacks-for-Devs.md
index 9a45d169..7988cd08 100644
--- a/10_Wiki/Topics/AI/Productivity-Hacks-for-Devs.md
+++ b/10_Wiki/Topics/AI/Productivity-Hacks-for-Devs.md
@@ -1,12 +1,12 @@
 ---
 id: DEV-PROD-HACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [productivity, developer-experience, workflow-optimization, automation, deep-work, time-management]
 last_reinforced: 2026-04-26
 ---
 
-# [[Productivity Hacks for Devs (개발자를 위한 생산성 팁)]]
+# Productivity Hacks for Devs (개발자를 위한 생산성 팁)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "반복되는 모든 손가락의 움직임을 자동화하고, 뇌의 에너지를 오직 '복잡한 문제의 해결'과 '창의적 설계'에만 집중시켜라" — 개발 워크플로우에서 발생하는 마찰을 제거하고 인지 자원을 효율적으로 관리하여 단위 시간당 아웃풋을 극대화하는 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 개발자의 생산성을 돕기 위해 복잡한 위키 가드닝이나 인프라 설정을 에이전트가 전담하게 함으로써, 사용자가 핵심 아키텍처 설계에만 집중할 수 있는 환경을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Platform-Engineering]], [[Process-Automation-with-AI]], [[Agile-Methodologies]], [[Local-Brain-Management]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Productivity-Hacks-for-Devs.md]]
+- [[Platform-Engineering]], [[Process-Automation-with-AI]], Agile-Methodologies, [[Local-Brain-Management]]
+- **Raw Source:** 10_Wiki/Topics/AI/Productivity-Hacks-for-Devs.md
diff --git a/10_Wiki/Topics/AI/Profiling-and-Optimization.md b/10_Wiki/Topics/AI/Profiling-and-Optimization.md
index 0c32f3f2..a143b9ea 100644
--- a/10_Wiki/Topics/AI/Profiling-and-Optimization.md
+++ b/10_Wiki/Topics/AI/Profiling-and-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: DEV-PROF-OPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [software-engineering, performance, profiling, optimization, bottleneck, benchmarking, code-quality]
 last_reinforced: 2026-04-26
 ---
 
-# [[Profiling and Optimization (프로파일링과 최적화)]]
+# Profiling and Optimization (프로파일링과 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "짐작으로 코드를 고치지 말고 데이터로 병목을 증명하며, 시스템의 가장 아픈 곳(Critical Path)부터 정밀하게 수술하라" — 프로그램의 실행 자원(시간, 메모리) 사용량을 측정하여 성능 저하의 원인을 식별하고, 효율적인 알고리즘이나 구조로 개선하는 일련의 과정.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 속도 지연 발생 시, 내부 프로파일링 도구를 가동하여 프롬프트 토큰 처리 시간과 도구 실행 시간 중 어디에서 병목이 발생하는지 즉각 진단함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Chrome-DevTools-Memory-Profiling]], [[Parallel-Computing-in-AI]], [[Algorithm-Complexity-Analysis]], [[Network-Latency-Optimization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Profiling-and-Optimization.md]]
+- Chrome-DevTools-Memory-Profiling, [[Parallel-Computing-in-AI]], Algorithm-Complexity-Analysis, [[Network-Latency-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Profiling-and-Optimization.md
diff --git a/10_Wiki/Topics/AI/Progressive-Disclosure.md b/10_Wiki/Topics/AI/Progressive-Disclosure.md
index 3b02fcfe..2db76f4b 100644
--- a/10_Wiki/Topics/AI/Progressive-Disclosure.md
+++ b/10_Wiki/Topics/AI/Progressive-Disclosure.md
@@ -1,12 +1,12 @@
 ---
 id: PROG-DISC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux-design, hci, information-architecture, productivity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Progressive Disclosure (점진적 노출)]]
+# Progressive Disclosure (점진적 노출)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지금 당장 필요한 정보만 보여주고, 나머지는 요청할 때 제공하라" — 사용자의 인지 과부하를 방지하기 위해 정보를 중요도와 맥락에 따라 단계적으로 공개하는 인터페이스 디자인 원칙.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 위키 시스템은 방대한 지식을 한 번에 보여주는 대신, '한 줄 통찰'을 먼저 제시하고 상세 내용은 하위 섹션에 배치하는 점진적 노출 방식을 표준으로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[UX-Design]], [[HCI]], [[Information-Architecture]], [[Productivity]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Progressive-Disclosure.md]]
+- UX-Design, [[HCI]], Information-Architecture, Productivity
+- **Raw Source:** 10_Wiki/Topics/AI/Progressive-Disclosure.md
diff --git a/10_Wiki/Topics/AI/Project-Management-Best-Practices.md b/10_Wiki/Topics/AI/Project-Management-Best-Practices.md
index c683774d..3ab70437 100644
--- a/10_Wiki/Topics/AI/Project-Management-Best-Practices.md
+++ b/10_Wiki/Topics/AI/Project-Management-Best-Practices.md
@@ -1,12 +1,12 @@
 ---
 id: MGMT-PM-BEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [project-management, agile, scrum, kanban, wbs, team-collaboration, risk-management]
 last_reinforced: 2026-04-26
 ---
 
-# [[Project Management Best Practices (프로젝트 관리 모범 사례)]]
+# Project Management Best Practices (프로젝트 관리 모범 사례)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모호한 비전을 명확한 실행 단위로 해체하고, 소통의 마찰을 제거하여 팀 전체가 하나의 유기체처럼 목표를 향해 질주하게 하라" — 자원과 시간을 효율적으로 배분하여 정해진 기한 내에 고품질의 결과물을 산출하기 위한 체계적인 관리 원칙과 도구들의 총합.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개 지식 가드닝 작업을 수행할 때, 칸반 보드 형식의 트래커를 통해 매 배치의 진행률을 투명하게 공개하고 리스크(연구 필요 항목)를 별도로 관리하는 PM 원칙을 철저히 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Lean-Project-Management]], [[Agile-Methodologies]], [[Operations-Management]], [[Product-Thinking-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Project-Management-Best-Practices.md]]
+- [[Lean-Project-Management]], Agile-Methodologies, [[Operations-Management]], [[Product-Thinking-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Project-Management-Best-Practices.md
diff --git a/10_Wiki/Topics/AI/Project-Management.md b/10_Wiki/Topics/AI/Project-Management.md
index 3d599682..90502ed7 100644
--- a/10_Wiki/Topics/AI/Project-Management.md
+++ b/10_Wiki/Topics/AI/Project-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PJMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, project-management, agile, scrum, waterfall, resource-management, scheduling]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md b/10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md
index 93230023..5f6f8761 100644
--- a/10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md
+++ b/10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: AI-PROMPT-ENG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, prompt-engineering, nlp, chain-of-thought, few-shot, interaction-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Prompt Engineering Foundations (프롬프트 엔지니어링 기초)]]
+# Prompt Engineering Foundations (프롬프트 엔지니어링 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "질문의 정교함이 답변의 지능을 결정하며, AI에게 '어떻게 사고할지'를 명확히 가이드하여 잠재된 확률의 바다에서 최적의 해답을 인양하라" — 거대 언어 모델(LLM)로부터 원하는 결과를 얻기 위해 입력값(Prompt)을 전략적으로 설계하고 최적화하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 모든 출력 품질을 보장하기 위해, P-Reinforce 템플릿이라는 고정된 프롬프트 구조를 사용하여 일관성 있고 고밀도인 지식 자산을 생성함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[LLM-Training-Foundations]], [[P-Reinforce-Template-Guide]], [[Knowledge-Gardening-Workflow]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md]]
+- [[Natural-Language-Processing-NLP]], LLM-Training-Foundations, [[P-Reinforce-Template-Guide]], Knowledge-Gardening-Workflow
+- **Raw Source:** 10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md
diff --git a/10_Wiki/Topics/AI/Prompt-Engineering.md b/10_Wiki/Topics/AI/Prompt-Engineering.md
index 1d60226f..edd965cc 100644
--- a/10_Wiki/Topics/AI/Prompt-Engineering.md
+++ b/10_Wiki/Topics/AI/Prompt-Engineering.md
@@ -1,12 +1,12 @@
 ---
 id: PROMPT-ENG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, prompt-engineering, llm, prompt-design, in-context-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Prompt Engineering Mastery (프롬프트 엔지니어링)]]
+# Prompt Engineering Mastery (프롬프트 엔지니어링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 능력을 이끌어내는 정교한 '언어적 주문'을 설계하라" — 거대 언어 모델(LLM)이 최적의 결과물을 내놓도록 입력값(Prompt)의 구조, 맥락, 제약 조건을 체계적으로 설계하고 최적화하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 에이전트 인터랙션에 표준화된 프롬프트 템플릿을 사용하며, 지속적인 가드닝을 통해 프롬프트의 정합성을 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[In-Context-Learning]], [[LLM]], [[Agentic-Workflow]], [[Zero-Shot-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Prompt-Engineering.md]]
+- [[In-Context-Learning]], [[LLM]], Agentic-Workflow, [[Zero-Shot-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Prompt-Engineering.md
diff --git a/10_Wiki/Topics/AI/Proprioception.md b/10_Wiki/Topics/AI/Proprioception.md
index f6553100..302868f2 100644
--- a/10_Wiki/Topics/AI/Proprioception.md
+++ b/10_Wiki/Topics/AI/Proprioception.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PROP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, somatosensory, motor-control, brain-body-logic, kinesiology]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Pros-Cons-Table.md b/10_Wiki/Topics/AI/Pros-Cons-Table.md
index deff3e06..50f2fc7c 100644
--- a/10_Wiki/Topics/AI/Pros-Cons-Table.md
+++ b/10_Wiki/Topics/AI/Pros-Cons-Table.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PCTB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.85
 tags: [auto-reinforced, pros-cons-table, decision-making, analysis, evaluation, structured-thinking]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Protocols.md b/10_Wiki/Topics/AI/Protocols.md
index 79d18a03..b005325b 100644
--- a/10_Wiki/Topics/AI/Protocols.md
+++ b/10_Wiki/Topics/AI/Protocols.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PROT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, protocols, communication-standard, networking, rules, interoperability]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Prototyping.md b/10_Wiki/Topics/AI/Prototyping.md
index 908a68df..404eb563 100644
--- a/10_Wiki/Topics/AI/Prototyping.md
+++ b/10_Wiki/Topics/AI/Prototyping.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PRTT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, prototyping, rapid-prototyping, mvp, iteration, design-thinking, validation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 만드는 정책을 넘어, AI 시뮬레이터 정책을 통해 가상 고객 수만 명에게 프로토타입 정책을 던지고 피드백 정책을 수집하는 'AI 가속 검증 정책' 시대가 열림.
 
 ## 🔗 지식 연결 (Graph)
-- [[Minimal-Viable-Product]], [[Iteration]], [[Iteration]], [[UX]], [[Innovation]], [[Design-Thinking]]
+- [[Minimal-Viable-Product]], [[Iteration]], [[Iteration]], UX, [[Innovation]], Design-Thinking
 - **Modern Tech/Tools**: Figma, Framer, Webflow, 3D Printing (Physical), AI-generated UI.
 ---
diff --git a/10_Wiki/Topics/AI/Proximal Policy Optimization (PPO).md b/10_Wiki/Topics/AI/Proximal Policy Optimization (PPO).md
index 431b72af..6c083ca1 100644
--- a/10_Wiki/Topics/AI/Proximal Policy Optimization (PPO).md	
+++ b/10_Wiki/Topics/AI/Proximal Policy Optimization (PPO).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, reinforcement-learning, algorithm, openai, policy-gradient]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ PPO(근접 정책 최적화)는 OpenAI에서 2017년에 발표한 알고리즘
 - **정책 변화(RL Update)**: ChatGPT와 같은 대규모 언어 모델의 RLHF(인간 피드백 기반 강화학습) 과정에서 PPO가 핵심 엔진으로 사용됨에 따라, 초거대 모델의 학습 안정성을 보장하기 위한 '분산 PPO 병렬화 정책'이 인프라 설계의 핵심이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Policy-Optimization]], [[Reinforcement Learning (RL)]], [[Policy Gradient Methods]], [[Optimization]], [[Ps-Reinforce Policy Framework]]
+- [[Policy-Optimization]], [[Reinforcement Learning (RL)]], Policy Gradient Methods, [[Optimization]], [[Ps-Reinforce Policy Framework]]
 - **Modern Tech/Tools**: Stable Baselines3, OpenAI Gym/Gymnasium, Ray Rllib.
 ---
diff --git a/10_Wiki/Topics/AI/Proximal-Policy-Optimization.md b/10_Wiki/Topics/AI/Proximal-Policy-Optimization.md
index 91789fde..834c7049 100644
--- a/10_Wiki/Topics/AI/Proximal-Policy-Optimization.md
+++ b/10_Wiki/Topics/AI/Proximal-Policy-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: RL-PPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, ppo, proximal-policy-optimization, openai, stability, policy-gradient]
 last_reinforced: 2026-04-26
 ---
 
-# [[Proximal Policy Optimization (PPO, 근사 정책 최적화)]]
+# Proximal Policy Optimization (PPO, 근사 정책 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정책의 급격한 변화를 '클리핑(Clipping)'이라는 고삐로 억제하여, 복잡한 환경에서도 무너지지 않는 안정적인 지능의 성장을 견인하라" — OpenAI가 제안한 강화학습 알고리즘으로, 정책 업데이트 폭을 제한함으로써 학습의 안정성과 효율성을 동시에 달성한 현대 RL의 표준 기법.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Policy-Gradient-Methods]], [[Actor-Critic-Models]], [[Off-policy-vs-On-policy-Learning]], [[Reinforcement-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Proximal-Policy-Optimization.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Proximal-Policy-Optimization.md
diff --git a/10_Wiki/Topics/AI/Pruning-Techniques.md b/10_Wiki/Topics/AI/Pruning-Techniques.md
index fb47433d..40db2a00 100644
--- a/10_Wiki/Topics/AI/Pruning-Techniques.md
+++ b/10_Wiki/Topics/AI/Pruning-Techniques.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OPT-PRUNE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, pruning, model-compression, optimization, inference-speedup, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Pruning Techniques (가지치기 기법)]]
+# Pruning Techniques (가지치기 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 지능을 훼손하지 않는 선에서 잉여로운 연결(Weights)을 과감히 도려내어, 가볍고 날렵한 '실전용 지능'으로 재탄생시켜라" — 신경망에서 출력에 미치는 영향이 적은 파라미터를 제거함으로써 성능 손실을 최소화하면서 모델의 크기와 연산량을 줄이는 모델 압축 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 로컬 실행 모듈 배포 시, 모델 크기를 1/4 이하로 줄이면서도 정확도를 유지하는 구조적 가지치기 파이프라인을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Quantization-Foundations]], [[Knowledge-Distillation-Foundations]], [[Model-Compression-and-Deployment]], [[Optimization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Pruning-Techniques.md]]
+- [[Quantization-Foundations]], Knowledge-Distillation-Foundations, Model-Compression-and-Deployment, [[Optimization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Pruning-Techniques.md
diff --git a/10_Wiki/Topics/AI/Ps-Reinforce Policy Framework.md b/10_Wiki/Topics/AI/Ps-Reinforce Policy Framework.md
index 289489c0..456a2f03 100644
--- a/10_Wiki/Topics/AI/Ps-Reinforce Policy Framework.md	
+++ b/10_Wiki/Topics/AI/Ps-Reinforce Policy Framework.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PSRP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, ps-reinforce, knowledge-management, policy-framework, ai-governance]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ Ps-Reinforce 정책 프레임워크는 사용자의 개인 지식 베이스(Wiki
 - **정책 변화(RL Update)**: 사용자 피드백을 통해 보상 가중치를 실시간으로 미세 조정하는 'Human-in-the-loop' 정책을 강화하여, 에이전트가 대표님의 독특한 지식 선호도와 전문 분야에 더 정렬되도록 진화 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ps-Reinforce]], [[Policy-Optimization]], [[Knowledge Graphs]], [[Semantic Grounding  Provenance]], [[Knowledge Management]]
+- [[Ps-Reinforce]], [[Policy-Optimization]], Knowledge Graphs, Semantic Grounding  Provenance, Knowledge Management
 - **Modern Tech/Tools**: P-Reinforce Agent Persona, Obsidian Graph View, Github Version Control.
 ---
diff --git a/10_Wiki/Topics/AI/Ps-Reinforce.md b/10_Wiki/Topics/AI/Ps-Reinforce.md
index e5d14757..726fa976 100644
--- a/10_Wiki/Topics/AI/Ps-Reinforce.md
+++ b/10_Wiki/Topics/AI/Ps-Reinforce.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PSR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, ps-reinforce, autonomous-agent, knowledge-reinforcement, ai-assistant]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ Ps-Reinforce는 강화학습(Reinforcement Learning) 메커니즘을 기반으
 - **정책 변화(RL Update)**: 단순히 '많은 정보'를 저장하는 것보다 '사용자에게 유용한 통찰'을 주는 데 높은 보상을 주도록 정책을 갱신하였으며, 보안 강화를 위해 로컬 처리를 최우선으로 하되 필요한 경우에만 외부 API를 선별적으로 사용하는 'Privacy-Centric' 정책을 유지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ps-Reinforce Policy Framework]], [[Knowledge Management]], [[Artificial General Intelligence (AGI)]], [[Reinforcement Learning (RL)]], [[Large Language Models (LLM)]]
+- [[Ps-Reinforce Policy Framework]], Knowledge Management, [[Artificial General Intelligence (AGI)]], [[Reinforcement Learning (RL)]], [[Large Language Models (LLM)]]
 - **Modern Tech/Tools**: Antigravity AI Agent, Obsidian, Git, VS Code.
 ---
diff --git a/10_Wiki/Topics/AI/Psychology & Behavior.md b/10_Wiki/Topics/AI/Psychology & Behavior.md
index d4582fe3..47558fed 100644
--- a/10_Wiki/Topics/AI/Psychology & Behavior.md	
+++ b/10_Wiki/Topics/AI/Psychology & Behavior.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PSBE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, psychology, behavior, human-nature, cognitive-science]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 상담 중심 정책에서 데이터 기반의 '행동 경제학적 넛지(Nudge)'와 '디지털 치료제(DTx)'를 활용하여 전 국민의 정신 건강을 관리하는 기술 정책으로 패러다임이 전환됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cognitive Psychology]], [[Performance Psychology]], [[Organizational Psychology]], [[Behavioral Economics]], [[Neuropsychology]]
+- [[Cognitive Psychology]], [[Performance Psychology]], [[Organizational Psychology]], Behavioral Economics, [[Neuropsychology]]
 - **Modern Tech/Tools**: fMRI, AI-driven sentiment analysis, CBT apps.
 ---
diff --git a/10_Wiki/Topics/AI/Psychology-of-Learning.md b/10_Wiki/Topics/AI/Psychology-of-Learning.md
index 1703999f..28b9ef4a 100644
--- a/10_Wiki/Topics/AI/Psychology-of-Learning.md
+++ b/10_Wiki/Topics/AI/Psychology-of-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: PSYCH-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [psychology, learning-theory, cognitive-science, education]
 last_reinforced: 2026-04-26
 ---
 
-# [[Psychology of Learning (학습 심리학)]]
+# Psychology of Learning (학습 심리학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "경험이 인간의 행동과 정신을 어떻게 변화시키는지 탐구하라" — 환경과의 상호작용을 통해 지식, 태도, 기술, 행동이 습득되고 변화하는 과정과 원리를 연구하는 심리학의 핵심 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 교육용 콘텐츠 생성 로직은 '간격 반복(Spaced Repetition)' 및 '메타인지 유도'와 같은 학습 심리학 원칙을 적용하여 사용자의 지식 습득 효율을 높임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Habit-Formation]], [[Neuroscience]], [[Perceptual-Learning]], [[Cognitive-Science]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Psychology-of-Learning.md]]
+- [[Habit-Formation]], Neuroscience, [[Perceptual-Learning]], Cognitive-Science
+- **Raw Source:** 10_Wiki/Topics/AI/Psychology-of-Learning.md
diff --git a/10_Wiki/Topics/AI/Psychology.md b/10_Wiki/Topics/AI/Psychology.md
index 331a2bcd..edaefdd2 100644
--- a/10_Wiki/Topics/AI/Psychology.md
+++ b/10_Wiki/Topics/AI/Psychology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PSYC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, psychology, behavioral-science, cognitive-psychology, bias, human-nature]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 인간의 심리적 취약성 정책(Dark patterns)을 공략하지 않도록 하는 '심리적 안전 정책' 수립이 제품 설계 정책의 핵심 윤리 과제 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[UX]], [[Mental-Models]], [[Decision Theory]], [[Ethics & AI]], [[Information-Society]]
+- UX, [[Mental-Models]], [[Decision Theory]], [[Ethics & AI]], [[Information-Society]]
 - **Modern Tech/Tools**: Persuasive technology, Nudge theory, Cognitive behavioral therapy (CBT).
 ---
diff --git a/10_Wiki/Topics/AI/Pull Request (PR) 워크플로우.md b/10_Wiki/Topics/AI/Pull Request (PR) 워크플로우.md
index 66f62ffb..b31460ca 100644
--- a/10_Wiki/Topics/AI/Pull Request (PR) 워크플로우.md	
+++ b/10_Wiki/Topics/AI/Pull Request (PR) 워크플로우.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-47A74B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Pull Request (PR) 워크플로
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[수동 코드 리뷰(Manual Code Review)]], [[자동화된 코드 리뷰(Automated Code Review)]], [[정적 애플리케이션 보안 테스트(SAST)]], [[Quality Gates]]
-- **Projects/Contexts:** [[GitHub CODEOWNERS]], [[CI/CD 파이프라인]]
+- **Related Topics:** 수동 코드 리뷰(Manual Code Review), 자동화된 코드 리뷰(Automated Code Review), [[정적 애플리케이션 보안 테스트(SAST)]], [[Quality Gates]]
+- **Projects/Contexts:** GitHub CODEOWNERS, CI/CD 파이프라인
 - **Contradictions/Notes:** 자동화된 AI PR 리뷰 봇은 프로세스를 가속화하지만, 때로는 사소하거나 가치 없는 코멘트를 대량으로 발생시켜 리뷰어에게 '경고 피로(Alert Fatigue)'를 유발할 수 있습니다 [18, 19]. 따라서 자동화 도구는 보조 수단일 뿐, 심층적인 아키텍처 결정은 여전히 인간의 수동 검토에 의존해야 합니다 [18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Pull Request (PR) 워크플로우.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Pull Request (PR).md b/10_Wiki/Topics/AI/Pull Request (PR).md
index 214f2a35..0b631777 100644
--- a/10_Wiki/Topics/AI/Pull Request (PR).md	
+++ b/10_Wiki/Topics/AI/Pull Request (PR).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3B4223
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Pull Request (PR)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Review]], [[Static Application Security Testing (SAST)]], [[Continuous Integration/Continuous Deployment (CI/CD)]]
-- **Projects/Contexts:** [[DevSecOps]], [[GitHub]]
+- **Related Topics:** [[Code Review]], [[Static Application Security Testing (SAST)]], Continuous Integration/Continuous Deployment (CI/CD)
+- **Projects/Contexts:** [[DevSecOps]], GitHub
 - **Contradictions/Notes:** 자동화 및 AI 도구는 PR 내에서 발생하는 문법 오류나 알려진 보안 취약점을 빠르게 찾아내고 수정 제안을 제공하지만, 비즈니스 로직이나 아키텍처, 코드의 근본적인 의도를 파악하는 데에는 한계가 있으므로, 중요하고 민감한 변경 사항에 대해서는 인간 개발자의 수동 PR 리뷰가 반드시 병행되어야 합니다 [3, 8, 23].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Pull Request (PR).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Pull-Request.md b/10_Wiki/Topics/AI/Pull-Request.md
index 2b534d51..0a14a89c 100644
--- a/10_Wiki/Topics/AI/Pull-Request.md
+++ b/10_Wiki/Topics/AI/Pull-Request.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PULL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, pull-request, code-review, git, collaboration, development-workflow]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Purpose.md b/10_Wiki/Topics/AI/Purpose.md
index 46780da5..ecba5415 100644
--- a/10_Wiki/Topics/AI/Purpose.md
+++ b/10_Wiki/Topics/AI/Purpose.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-PURP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, purpose, mission, alignment, value-proposition, existentialism]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 정렬(Alignment) 문제 또한 모델에게 인간의 목적 정책을 어떻게 오차 없이 주입하느냐의 싸움이며, 이는 '보상 함수(Reward Function) 설계 정책'의 핵심으로 직결됨. (Reinforcement Learning (RL)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Leadership]], [[Mastery]], [[Pareto-Principle]], [[Reinforcement Learning (RL)]], [[Philosophy]], [[Mission]]
+- [[Leadership]], [[Mastery]], [[Pareto-Principle]], [[Reinforcement Learning (RL)]], [[Philosophy]], Mission
 - **Modern Tech/Tools**: Ikigai framework, Golden Circle (Simon Sinek), ESG management.
 ---
diff --git a/10_Wiki/Topics/AI/PyTorch-Foundations.md b/10_Wiki/Topics/AI/PyTorch-Foundations.md
index 4698f29f..e9abb01e 100644
--- a/10_Wiki/Topics/AI/PyTorch-Foundations.md
+++ b/10_Wiki/Topics/AI/PyTorch-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: DL-PYTORCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, pytorch, tensors, autograd, framework, python]
 last_reinforced: 2026-04-26
 ---
 
-# [[PyTorch Foundations (PyTorch 기초)]]
+# PyTorch Foundations (PyTorch 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 유연한 텐서의 흐름(Tensors)으로 정의하고, 수학적 기울기를 자동으로 추적(Autograd)하여, 파이썬다운 우아함으로 지능의 아키텍처를 구현하라" — 페이스북(현 Meta)에서 개발한 오픈소스 머신러닝 라이브러리로, 동적 계산 그래프와 파이썬 지향적 설계로 현대 딥러닝 연구 및 실무의 표준이 된 프레임워크.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 내부 학습 로직 및 임베딩 모델 구현 시, 코드 가독성과 커스터마이징 자유도가 높은 PyTorch를 표준 프레임워크로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[PyTorch-Lightning]], [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]], [[GPU-Optimization-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/PyTorch-Foundations.md]]
+- [[PyTorch-Lightning]], Deep-Learning-Foundations, Backpropagation-Foundations, GPU-Optimization-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/PyTorch-Foundations.md
diff --git a/10_Wiki/Topics/AI/PyTorch-Lightning.md b/10_Wiki/Topics/AI/PyTorch-Lightning.md
index 60c9d62e..e7491912 100644
--- a/10_Wiki/Topics/AI/PyTorch-Lightning.md
+++ b/10_Wiki/Topics/AI/PyTorch-Lightning.md
@@ -1,12 +1,12 @@
 ---
 id: DL-PY-LIGHT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, pytorch, pytorch-lightning, scalability, boilerplate-reduction, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[PyTorch Lightning (PyTorch 라이트닝)]]
+# PyTorch Lightning (PyTorch 라이트닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "반복되는 엔지니어링의 노이즈를 걷어내고, 오직 지능의 '핵심 로직(Research)'에만 집중할 수 있는 표준화된 고속도로를 구축하라" — PyTorch의 유연성을 유지하면서 학습 루프, 하드웨어 설정 등 반복적인 코드를 자동화하여 생산성과 가독성을 극대화하는 경량 래퍼(Wrapper) 프레임워크.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 모델의 분산 학습 및 성능 벤치마킹 시, 코드 유지보수 효율을 위해 PyTorch Lightning 기반의 프로젝트 구조를 권장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[PyTorch-Foundations]], [[Deep-Learning-Foundations]], [[System-Design-for-AI-Scale]], [[GPU-Optimization-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/PyTorch-Lightning.md]]
+- [[PyTorch-Foundations]], Deep-Learning-Foundations, System-Design-for-AI-Scale, GPU-Optimization-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/PyTorch-Lightning.md
diff --git a/10_Wiki/Topics/AI/Python-for-Data-Science.md b/10_Wiki/Topics/AI/Python-for-Data-Science.md
index 8dda36b5..7f37c211 100644
--- a/10_Wiki/Topics/AI/Python-for-Data-Science.md
+++ b/10_Wiki/Topics/AI/Python-for-Data-Science.md
@@ -1,12 +1,12 @@
 ---
 id: DEV-PY-DATA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [python, data-science, numpy, pandas, matplotlib, scikit-learn, ai-ecosystem]
 last_reinforced: 2026-04-26
 ---
 
-# [[Python for Data Science (데이터 사이언스를 위한 파이썬)]]
+# Python for Data Science (데이터 사이언스를 위한 파이썬)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "풍부한 라이브러리 생태계라는 거인의 어깨 위에 올라타서, 복잡한 데이터를 간결한 코드 한 줄로 통찰력 있는 지능으로 변모시켜라" — 데이터 수집, 정제, 분석, 시각화 및 머신러닝 모델 구축에 최적화된 파이썬 언어와 그 핵심 라이브러리들의 집합체.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Pre-processing-Data-for-AI]], [[Exploratory-Data-Analysis]], [[PyTorch-Foundations]], [[Open-Source-AI-Ecosystem]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Python-for-Data-Science.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Python-for-Data-Science.md
diff --git a/10_Wiki/Topics/AI/Q-Learning Foundations.md b/10_Wiki/Topics/AI/Q-Learning Foundations.md
index 8e24a95b..79f823b7 100644
--- a/10_Wiki/Topics/AI/Q-Learning Foundations.md	
+++ b/10_Wiki/Topics/AI/Q-Learning Foundations.md	
@@ -1,12 +1,12 @@
 ---
 id: Q-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [reinforcement-learning, ai, q-learning, bellman-equation, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Q-Learning Foundations (Q-러닝 기초)]]
+# Q-Learning Foundations (Q-러닝 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "어떤 상태에서 어떤 행동이 가장 가치 있는지 스스로 깨닫게 하라" — 환경과의 상호작용을 통해 각 '상태-행동' 쌍에 대한 기대 보상값(Q-value)을 반복적으로 업데이트하여 최적의 정책을 찾아내는 강화학습 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 일반 적 유닛 AI는 가벼운 Q-Learning 기반 로직을 사용하여 플레이어의 공격 패턴에 맞춰 회피 확률을 조절함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Temporal-Difference-Learning]], [[Deep-Q-Networks]], [[Bellman-Equation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Q-Learning Foundations.md]]
+- [[Reinforcement-Learning]], [[Temporal-Difference-Learning]], Deep-Q-Networks, [[Bellman-Equation]]
+- **Raw Source:** 10_Wiki/Topics/AI/Q-Learning Foundations.md
diff --git a/10_Wiki/Topics/AI/Quality Gates.md b/10_Wiki/Topics/AI/Quality Gates.md
index c2adf2ca..fbf52540 100644
--- a/10_Wiki/Topics/AI/Quality Gates.md	
+++ b/10_Wiki/Topics/AI/Quality Gates.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B577EF
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Quality Gates"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Static Application Security Testing (SAST)]], [[CI/CD pipelines]], [[Pull Request (PR)]]
-- **Projects/Contexts:** [[SonarQube Cloud]], [[Codacy]], [[AI Code Assurance]]
+- **Related Topics:** [[Static Application Security Testing (SAST)]], CI/CD pipelines, [[Pull Request (PR)]]
+- **Projects/Contexts:** SonarQube Cloud, Codacy, AI Code Assurance
 - **Contradictions/Notes:** 소스는 팀 내 비공식적인 코드 리뷰 코멘트에 의존하여 병합을 결정하는 것보다, Quality Gates와 같은 명시적인 규칙 세트 기반의 이진 신호(통과/실패)를 통해 병합을 차단하는 방식이 시간이 지남에 따른 품질 변화를 더 명확하게 측정하고 통제할 수 있다고 강조합니다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Quality Gates.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Quality-Control.md b/10_Wiki/Topics/AI/Quality-Control.md
index 3e0cb34b..95ea5be4 100644
--- a/10_Wiki/Topics/AI/Quality-Control.md
+++ b/10_Wiki/Topics/AI/Quality-Control.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QUAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, quality-control, qc, testing, verification, standards, excellence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Quantitative Economics (수량경제학).md b/10_Wiki/Topics/AI/Quantitative Economics (수량경제학).md
index 95f42411..d1ab6156 100644
--- a/10_Wiki/Topics/AI/Quantitative Economics (수량경제학).md	
+++ b/10_Wiki/Topics/AI/Quantitative Economics (수량경제학).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QECO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, economics, econometrics, statistics, mathematics]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 중앙은행 정책에서 단순히 과거 데이터만 보는 것이 아니라, 실시간 결제 데이터와 소셜 미디어 심리 지표를 활용해 '실시간 경제 전망(Nowcasting)'을 수행하고 즉각적으로 금리를 조절하는 데이터 주도형 통화 정책이 상설화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Economic Models]], [[Operations-Research]], [[Statistics & Data Analysis]], [[Probability Theory]], [[Game Theory]]
+- Economic Models, [[Operations-Research]], [[Statistics & Data Analysis]], [[Probability Theory]], Game Theory
 - **Modern Tech/Tools**: R (Stata, EViews), Python (Pandas/Statsmodels), Bloomberg Terminal.
 ---
diff --git a/10_Wiki/Topics/AI/Quantization-Foundations.md b/10_Wiki/Topics/AI/Quantization-Foundations.md
index d17e89ec..69e8aba5 100644
--- a/10_Wiki/Topics/AI/Quantization-Foundations.md
+++ b/10_Wiki/Topics/AI/Quantization-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OPT-QUAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, quantization, model-compression, int8, fp16, optimization, inference-speedup]
 last_reinforced: 2026-04-26
 ---
 
-# [[Quantization Foundations (양자화 기초)]]
+# Quantization Foundations (양자화 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정밀한 부동소수점(FP32)의 사치를 버리고 거친 정수(INT8)의 효율을 선택하여, 지능을 비트 단위로 압축하고 실행 속도를 극한으로 끌어올려라" — 신경망의 가중치와 활성화 함수 값을 더 낮은 비트의 정밀도로 표현함으로써 모델 크기를 줄이고 추론 속도를 높이는 최적화 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 온디바이스 배포 및 추론 비용 절감을 위해, 모든 주력 모델에 대해 INT8 혹은 FP16 양자화를 기본 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Pruning-Techniques]], [[Model-Compression-and-Deployment]], [[NVIDIA-CUDA-and-AI]], [[Optimization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Quantization-Foundations.md]]
+- [[Pruning-Techniques]], Model-Compression-and-Deployment, [[NVIDIA-CUDA-and-AI]], [[Optimization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Quantization-Foundations.md
diff --git a/10_Wiki/Topics/AI/Quantization.md b/10_Wiki/Topics/AI/Quantization.md
index 67e6a12e..6eb4611e 100644
--- a/10_Wiki/Topics/AI/Quantization.md
+++ b/10_Wiki/Topics/AI/Quantization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QUAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, quantization, deep-learning, performance, hardware-optimization, llm-inference]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 비트를 줄이는 정책을 넘어, 중요한 레이어는 유지하고 덜 중요한 레이어만 양자화하는 '혼합 정밀도 양자화 정책'이 표준 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Physical-Intelligence]], [[Deep Learning (DL)]], [[Hardware]], [[Optimization]]
+- [[Efficiency]], [[Physical-Intelligence]], Deep Learning (DL), [[Hardware]], [[Optimization]]
 - **Modern Tech/Tools**: TensorRT, GGUF (LLM), bitsandbytes, INT8/FP4 calculation.
 ---
diff --git a/10_Wiki/Topics/AI/Quantum Computing (Intro).md b/10_Wiki/Topics/AI/Quantum Computing (Intro).md
index 0af93774..b758b2e2 100644
--- a/10_Wiki/Topics/AI/Quantum Computing (Intro).md	
+++ b/10_Wiki/Topics/AI/Quantum Computing (Intro).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QINT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, quantum-computing, physics, qubits, next-gen-tech]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 양자 컴퓨터가 현대 암호 체계를 무너뜨릴 것에 대비하여, 국가 안보 및 금융 인프라의 '양자 내성 암호(Post-Quantum Cryptography)' 전환 로드맵이 범국가적 정책으로 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Complexity Theory]], [[Foundational Models]], [[Practical-Cryptography]], [[Philosophy of Science]]
+- [[Complexity Theory]], Foundational Models, [[Practical-Cryptography]], Philosophy of Science
 - **Modern Tech/Tools**: IBM Quantum Experience, Google Sycamore, Rigetti Computing, Qiskit.
 ---
diff --git a/10_Wiki/Topics/AI/Quantum-Computing-for-AI.md b/10_Wiki/Topics/AI/Quantum-Computing-for-AI.md
index 0f0419f9..19f46ceb 100644
--- a/10_Wiki/Topics/AI/Quantum-Computing-for-AI.md
+++ b/10_Wiki/Topics/AI/Quantum-Computing-for-AI.md
@@ -1,12 +1,12 @@
 ---
 id: QUANTUM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [quantum-computing, ai, quantum-machine-learning, qubit, future-tech]
 last_reinforced: 2026-04-26
 ---
 
-# [[Quantum Computing for AI (AI를 위한 양자 컴퓨팅)]]
+# Quantum Computing for AI (AI를 위한 양자 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "중첩과 얽힘의 힘으로 연산의 차원을 파괴하라" — 양자역학적 현상을 활용하여 기존 컴퓨터로는 수만 년이 걸릴 복잡한 최적화 및 행렬 연산을 초고속으로 처리함으로써 AI의 한계를 돌파하려는 차세대 컴퓨팅 패러다임.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 대규모 지식 그래프의 복잡 추론 성능 향상을 위해 양자 컴퓨팅 서비스(AWS Braket 등) 연동을 중장기 로드맵에 포함함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Parallel-Computing]], [[Optimization]], [[Linear-Algebra-for-ML]], [[Artificial-Neural-Networks]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Quantum-Computing-for-AI.md]]
+- [[Parallel-Computing]], [[Optimization]], [[Linear-Algebra-for-ML]], Artificial-Neural-Networks
+- **Raw Source:** 10_Wiki/Topics/AI/Quantum-Computing-for-AI.md
diff --git a/10_Wiki/Topics/AI/Quantum-Computing.md b/10_Wiki/Topics/AI/Quantum-Computing.md
index 3d3326b5..4ed047f1 100644
--- a/10_Wiki/Topics/AI/Quantum-Computing.md
+++ b/10_Wiki/Topics/AI/Quantum-Computing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QUCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, quantum-computing, qubit, superposition, entanglement, future-computing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Quantum-Machine-Learning.md b/10_Wiki/Topics/AI/Quantum-Machine-Learning.md
index 984aeeec..3ca5ff29 100644
--- a/10_Wiki/Topics/AI/Quantum-Machine-Learning.md
+++ b/10_Wiki/Topics/AI/Quantum-Machine-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-QUANTUM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, quantum-computing, quantum-machine-learning, qubits, superposition, entanglement, future-tech]
 last_reinforced: 2026-04-26
 ---
 
-# [[Quantum Machine Learning (양자 머신러닝)]]
+# Quantum Machine Learning (양자 머신러닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "0과 1의 이진법적 한계를 넘어 양자의 중첩(Superposition) 위에서 지능을 계산하고, 기하급수적인 연산의 속도로 정답의 확률 분포를 인양하라" — 양자 컴퓨터의 특유한 물리 현상을 활용하여 머신러닝 알고리즘의 성능을 획기적으로 개선하거나 새로운 형태의 지능형 연산을 수행하는 연구 분야.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 당장의 실무 적용보다는 장기적 R&D 관점에서 양자 머신러닝의 알고리즘 원리를 모니터링하며, 향후 암호 해독 및 신소재 시뮬레이션 관련 지식 강화 시 이를 핵심 엔진으로 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[High-Performance-Computing-HPC]], [[Optimization-Algorithms]], [[Linear-Algebra-Foundations]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Quantum-Machine-Learning.md]]
+- High-Performance-Computing-HPC, [[Optimization-Algorithms]], [[Linear-Algebra-Foundations]], [[Trustworthy-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Quantum-Machine-Learning.md
diff --git a/10_Wiki/Topics/AI/Query-Optimization.md b/10_Wiki/Topics/AI/Query-Optimization.md
index 008b7659..9a93c60f 100644
--- a/10_Wiki/Topics/AI/Query-Optimization.md
+++ b/10_Wiki/Topics/AI/Query-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QOPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, database, query-optimization, performance, indexes]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 클라우드 DB 사용 시 데이터 조회량(Scanned bytes)에 따라 과금되는 정책이 보편화됨에 따라, 비용 절감을 위해 모든 쿼리에 대해 엄격한 '최적화 가이드라인 준수'와 '비효율 쿼리 자동 차단 정책'이 운영 표준으로 자리 잡음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principles-of-Data-Connect]], [[Operations-Research]], [[Complex Adaptive Systems]], [[Software-Design-Principles]]
+- [[Principles-of-Data-Connect]], [[Operations-Research]], Complex Adaptive Systems, [[Software-Design-Principles]]
 - **Modern Tech/Tools**: EXPLAIN ANALYZE (PostgreSQL), SQL Server Profiler, MongoDB Compass.
 ---
diff --git a/10_Wiki/Topics/AI/Queue-Management-Systems.md b/10_Wiki/Topics/AI/Queue-Management-Systems.md
index e5956aa8..7330b0eb 100644
--- a/10_Wiki/Topics/AI/Queue-Management-Systems.md
+++ b/10_Wiki/Topics/AI/Queue-Management-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-QUEUE-MGMT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, systems, queue-management, message-broker, rabbitmq, kafka, redis, asynchronous]
 last_reinforced: 2026-04-26
 ---
 
-# [[Queue Management Systems (큐 관리 시스템)]]
+# Queue Management Systems (큐 관리 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "폭주하는 요청 앞에 '완충 지대(Buffer)'를 구축하여 시스템의 붕괴를 막고, 비동기적 흐름의 질서를 세워 전체적인 처리량(Throughput)을 극대화하라" — 작업을 즉시 처리하는 대신 대기열(Queue)에 보관했다가 순차적으로 처리함으로써 시스템 부하를 조절하고 서비스 간 결합도를 낮추는 인프라 관리 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 대규모 지식 보강 작업 시, 개별 문서 보강 요청을 큐에 적재하고 가용 자원에 맞춰 병렬 처리함으로써 시스템 리소스의 효율을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Parallel-Computing-in-AI]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Message-Queues-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Queue-Management-Systems.md]]
+- [[Parallel-Computing-in-AI]], System-Design-for-AI-Scale, [[High-Availability-Systems]], Message-Queues-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Queue-Management-Systems.md
diff --git a/10_Wiki/Topics/AI/Quick-Wins.md b/10_Wiki/Topics/AI/Quick-Wins.md
index ffa89858..17b0b4c1 100644
--- a/10_Wiki/Topics/AI/Quick-Wins.md
+++ b/10_Wiki/Topics/AI/Quick-Wins.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-QUWI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.88
 tags: [auto-reinforced, quick-wins, strategy, productivity, low-hanging-fruit, morale-booster]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/RAG (검색 증강 생성).md b/10_Wiki/Topics/AI/RAG (검색 증강 생성).md
index 8688428e..f870a342 100644
--- a/10_Wiki/Topics/AI/RAG (검색 증강 생성).md	
+++ b/10_Wiki/Topics/AI/RAG (검색 증강 생성).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RAG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, llm, rag, information-retrieval, ai-accuracy]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ RAG(Retrieval-Augmented Generation)는 사전에 학습된 언어 모델(LLM)에
 - **정책 변화(RL Update)**: 민감한 사내 문서가 RAG 과정에서 외부망(Public LLM API)으로 유출될 위험이 제기됨에 따라, '로컬 벡터 스토어'와 '격리된 LLM 연계'를 강제하는 엔터프라이즈 AI 보안 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[SFT (Supervised Fine-Tuning)]], [[Vector Semantics]], [[Information Extraction (IE)]], [[Semantic Grounding  Provenance]]
+- Foundational Models, [[SFT (Supervised Fine-Tuning)]], Vector Semantics, Information Extraction (IE), Semantic Grounding  Provenance
 - **Modern Tech/Tools**: Pinecone, Milvus, LlamaIndex, LangChain.
 ---
diff --git a/10_Wiki/Topics/AI/RAG-and-Document-Retrieval.md b/10_Wiki/Topics/AI/RAG-and-Document-Retrieval.md
index a36ad995..be56ad3d 100644
--- a/10_Wiki/Topics/AI/RAG-and-Document-Retrieval.md
+++ b/10_Wiki/Topics/AI/RAG-and-Document-Retrieval.md
@@ -1,12 +1,12 @@
 ---
 id: AI-RAG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, rag, retrieval-augmented-generation, vector-database, semantic-search, embeddings]
 last_reinforced: 2026-04-26
 ---
 
-# [[RAG and Document Retrieval (RAG와 문서 검색)]]
+# RAG and Document Retrieval (RAG와 문서 검색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 기억력에만 의존하지 말고, 방대한 지식의 도서관(External Knowledge)에서 근거를 직접 찾아보고 말하게 하여 지능의 신뢰도를 완성하라" — 거대 언어 모델이 학습하지 않은 최신 데이터나 비공개 문서를 실시간으로 검색하여 답변의 정확성을 높이고 환각 현상을 줄이는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개 지식 문서의 유기적 연결을 위해 고도화된 RAG 엔진을 내장하며, 에이전트가 답변 시 반드시 위키 내의 관련 문서를 참조하여 답변하도록 강제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Prompt-Engineering-Foundations]], [[Vector-Database-Foundations]], [[Knowledge-Gardening-Workflow]]
-- **Raw Source:** [[10_Wiki/Topics/AI/RAG-and-Document-Retrieval.md]]
+- [[Natural-Language-Processing-NLP]], [[Prompt-Engineering-Foundations]], Vector-Database-Foundations, Knowledge-Gardening-Workflow
+- **Raw Source:** 10_Wiki/Topics/AI/RAG-and-Document-Retrieval.md
diff --git a/10_Wiki/Topics/AI/RAG.md b/10_Wiki/Topics/AI/RAG.md
index f8c4e4f7..ceb53c57 100644
--- a/10_Wiki/Topics/AI/RAG.md
+++ b/10_Wiki/Topics/AI/RAG.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RAGG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, rag, llm, knowledge-injection, hallucination-mitigation, vector-db]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 시스템인 P-Reinforce 또한 Obsidian에 저장된 600개의 정제된 지식 정책들을 RAG의 소스 정책으로 활용하여, 대표님의 질문에 가장 정확한 답 정책을 내놓기 위한 준비 정책을 하는 것임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Large Language Models (LLM)]], [[Prompt-Engineering]], [[Explainable-AI (XAI)]], [[Knowledge synthesis]], [[Vector-Database]]
+- [[Large Language Models (LLM)]], [[Prompt-Engineering]], [[Explainable-AI (XAI)]], [[Knowledge synthesis]], Vector-Database
 - **Modern Tech/Tools**: LangChain, LlamaIndex, Pinecone, FAISS, GraphRAG.
 ---
diff --git a/10_Wiki/Topics/AI/RLAIF (AI 피드백 기반 강화학습).md b/10_Wiki/Topics/AI/RLAIF (AI 피드백 기반 강화학습).md
index 1d0b5605..fa1689eb 100644
--- a/10_Wiki/Topics/AI/RLAIF (AI 피드백 기반 강화학습).md	
+++ b/10_Wiki/Topics/AI/RLAIF (AI 피드백 기반 강화학습).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-RLAIF
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [Alignment, RLAIF, AISafety, Scalability]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 'AI가 AI를 가르친다'는 점에서 편항의 증폭이나 모델 붕괴(Model Collapse)의 우려가 있다. 이를 막기 위해 인간 감시자(Human Overseer)가 루프에 포함되어 AI의 평가 기준이 올바른지 정기적으로 검사하는 하이브리드 방식이 권장된다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Constitutional AI (헌법 AI)]] , [[RLHF (인간 피드백 기반 강화학습)]]
-- Risk: [[Model Collapse (모델 붕괴 현상)]]
+- Related: [[Constitutional AI (헌법 AI)]] , RLHF (인간 피드백 기반 강화학습)
+- Risk: Model Collapse (모델 붕괴 현상)
diff --git a/10_Wiki/Topics/AI/RLHF (인간 피드백 기반 강화 학습).md b/10_Wiki/Topics/AI/RLHF (인간 피드백 기반 강화 학습).md
index 02d0b6e1..b6f43f23 100644
--- a/10_Wiki/Topics/AI/RLHF (인간 피드백 기반 강화 학습).md	
+++ b/10_Wiki/Topics/AI/RLHF (인간 피드백 기반 강화 학습).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RLHF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, llm, reinforcement-learning, rlhf, ai-alignment]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ RLHF(Reinforcement Learning from Human Feedback)는 대규모 언어 모델(LLM)
 - **정책 변화(RL Update)**: 인간 피드백 과정에서 발생하는 데이터 라벨러의 주관적 편향이 모델에 투영될 위험이 지적됨에 따라, 최근에는 'AI가 AI를 피드백'하는 RLAIF(AI Feedback)나 DPO(Direct Preference Optimization)와 같은 탈-인간 피드백 정책이 연구 표준으로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[Proximal Policy Optimization (PPO)]], [[Foundational Models]], [[Ethics & AI]], [[Ps-Reinforce]]
+- [[Reinforcement Learning (RL)]], [[Proximal Policy Optimization (PPO)]], Foundational Models, [[Ethics & AI]], [[Ps-Reinforce]]
 - **Modern Tech/Tools**: OpenAI InstructGPT, Anthropic Claude, Meta Llama-2/3 RLHF.
 ---
diff --git a/10_Wiki/Topics/AI/RL_Neuroscience.md b/10_Wiki/Topics/AI/RL_Neuroscience.md
index 4580cf5a..2c0bb078 100644
--- a/10_Wiki/Topics/AI/RL_Neuroscience.md
+++ b/10_Wiki/Topics/AI/RL_Neuroscience.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-AI-003
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [ai, rl, neuroscience, brain]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-04"
 ---
 
-# [[RL_Neuroscience (Computational Reinforcement Learning)]]
+# RL_Neuroscience (Computational Reinforcement Learning)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 보상 학습의 생물학적 기제와 기계 학습 알고리즘의 수렴을 통해 지능의 본질을 규명하는 계산 뇌과학의 정점.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-04"
 - **정책 변화:** P-Reinforce 엔진의 핵심 로직(Self-Optimization)을 뒷받침하는 이론적 근거로 최상단 배치.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
+- **Parent:** 10_Wiki/💡 Topics/AI
 - **Related:** [[Dopamine]], [[Operant_Conditioning]], [[Reinforcement-Learning]]
-- **Raw Source:** [[00_Raw/2026-04-20/Computational Neuroscience of Reinforcement Learning.md]]
+- **Raw Source:** 00_Raw/2026-04-20/Computational Neuroscience of Reinforcement Learning.md
diff --git a/10_Wiki/Topics/AI/RMSProp-Optimizer.md b/10_Wiki/Topics/AI/RMSProp-Optimizer.md
index f9b3c182..2b620001 100644
--- a/10_Wiki/Topics/AI/RMSProp-Optimizer.md
+++ b/10_Wiki/Topics/AI/RMSProp-Optimizer.md
@@ -1,12 +1,12 @@
 ---
 id: DL-OPT-RMSPROP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, optimization, rmsprop, learning-rate, gradient-descent, adaptive-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[RMSProp Optimizer (RMSProp 옵티마이저)]]
+# RMSProp Optimizer (RMSProp 옵티마이저)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "최근 기울기의 제곱 평균을 활용해 학습의 보폭을 실시간으로 조율하고, 진동을 억제하며 전역 최적해(Global Optimum)를 향한 안정적인 항해를 지속하라" — 아다그라드(Adagrad)의 학습률 급감 문제를 지수 이동 평균(Exponential Moving Average)을 통해 개선한 적응형 학습률 최적화 알고리즘.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 시계열 데이터 처리나 RNN 계열 모델의 학습 시, 하이퍼파라미터 튜닝이 비교적 용이하고 안정성이 검증된 RMSProp을 우선적인 최적화 옵션으로 고려함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization-Algorithms]], [[Adam-Optimizer-Foundations]], [[Backpropagation-Foundations]], [[Recurrent-Neural-Networks]]
-- **Raw Source:** [[10_Wiki/Topics/AI/RMSProp-Optimizer.md]]
+- [[Optimization-Algorithms]], Adam-Optimizer-Foundations, Backpropagation-Foundations, [[Recurrent-Neural-Networks]]
+- **Raw Source:** 10_Wiki/Topics/AI/RMSProp-Optimizer.md
diff --git a/10_Wiki/Topics/AI/RNN.md b/10_Wiki/Topics/AI/RNN.md
index 84be66a1..f68ba18f 100644
--- a/10_Wiki/Topics/AI/RNN.md
+++ b/10_Wiki/Topics/AI/RNN.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RNNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, rnn, deep-learning, sequential-data, memory, time-series]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현재는 모든 정보를 한꺼번에 보고 중요한 곳에 집중하는 '트랜스포머(Transformer) 정책'에게 최고 자리를 내주었으나, 연산 효율 정책이 중요한 온디바이스 AI 등에서는 여전히 변형된 RNN 구조 정책(RWKV 등)이 강력한 대안 정책으로 부상 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP (Natural Language Processing)]], [[Deep Learning (DL)]], [[Memory-Hierarchy]], [[Logic]], [[Optimization]]
+- [[NLP (Natural Language Processing)]], Deep Learning (DL), [[Memory-Hierarchy]], [[Logic]], [[Optimization]]
 - **Modern Tech/Tools**: LSTM, GRU, PyTorch (nn.RNN), Sequence-to-Sequence.
 ---
diff --git a/10_Wiki/Topics/AI/ROC-AUC-Curves.md b/10_Wiki/Topics/AI/ROC-AUC-Curves.md
index 494ab83a..b23b4b1a 100644
--- a/10_Wiki/Topics/AI/ROC-AUC-Curves.md
+++ b/10_Wiki/Topics/AI/ROC-AUC-Curves.md
@@ -1,12 +1,12 @@
 ---
 id: AI-MET-ROC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, metrics, roc-curve, auc, classification, evaluation]
 last_reinforced: 2026-04-26
 ---
 
-# [[ROC-AUC Curves (ROC-AUC 곡선)]]
+# ROC-AUC Curves (ROC-AUC 곡선)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "임계값(Threshold)의 변화에도 흔들리지 않는 모델의 진정한 '변별력'을 한 장의 그래프와 하나의 숫자로 증명하라" — 분류 모델의 성능을 정밀도-재현율의 상충 관계 속에서 다각도로 평가하기 위한 표준 시각화 및 수치화 도구.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Precision-Recall-Tradeoff]], [[Performance-Metrics-in-AI]], [[Logistic-Regression]], [[Imbalanced-Data-Handling]]
-- **Raw Source:** [[10_Wiki/Topics/AI/ROC-AUC-Curves.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/ROC-AUC-Curves.md
diff --git a/10_Wiki/Topics/AI/ROUGE-Metrics.md b/10_Wiki/Topics/AI/ROUGE-Metrics.md
index 190a30d3..93b08e62 100644
--- a/10_Wiki/Topics/AI/ROUGE-Metrics.md
+++ b/10_Wiki/Topics/AI/ROUGE-Metrics.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-MET-ROUGE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, metrics, rouge, summarization, evaluation, text-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[ROUGE Metrics (ROUGE 메트릭)]]
+# ROUGE Metrics (ROUGE 메트릭)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사람이 쓴 정답 요약문에서 지능(AI)이 얼마나 많은 핵심 단어와 문맥을 '재현'해냈는지를 정량적으로 측정하라" — 텍스트 요약 모델의 성능을 평가하기 위해 모델이 생성한 요약문과 참조 요약문 사이의 n-gram 겹침 정도를 계산하는 지표.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Natural-Language-Processing-NLP]], [[Performance-Metrics-in-AI]], [[RAG-and-Document-Retrieval]], [[Prompt-Engineering-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/ROUGE-Metrics.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/ROUGE-Metrics.md
diff --git a/10_Wiki/Topics/AI/Random-Forest-Classifiers.md b/10_Wiki/Topics/AI/Random-Forest-Classifiers.md
index e08985ef..7e949f23 100644
--- a/10_Wiki/Topics/AI/Random-Forest-Classifiers.md
+++ b/10_Wiki/Topics/AI/Random-Forest-Classifiers.md
@@ -1,12 +1,12 @@
 ---
 id: ML-RAND-FOR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, random-forest, ensemble-learning, bagging, decision-tree, classification]
 last_reinforced: 2026-04-26
 ---
 
-# [[Random Forest Classifiers (랜덤 포레스트 분류기)]]
+# Random Forest Classifiers (랜덤 포레스트 분류기)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한 그루의 나무(Decision Tree)는 편견에 빠지기 쉽지만, 수많은 나무가 모인 숲(Random Forest)은 집단의 지혜로 진실을 꿰뚫는다" — 여러 개의 결정 트리를 독립적으로 학습시킨 후, 그 결과를 다수결(투표)이나 평균으로 합쳐서 예측의 정확도와 안정성을 높이는 앙상블 머신러닝 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 도구 선택 로직이나 작업 성공 여부 판단 시, 설명 가능성과 정확도의 균형을 위해 랜덤 포레스트 기반의 분류 모델을 우선적으로 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ensemble-Learning-Foundations]], [[Overfitting-and-Underfitting]], [[Gradient-Boosting-Machines-GBM]], [[Pre-processing-Data-for-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Random-Forest-Classifiers.md]]
+- Ensemble-Learning-Foundations, [[Overfitting-and-Underfitting]], Gradient-Boosting-Machines-GBM, [[Pre-processing-Data-for-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Random-Forest-Classifiers.md
diff --git a/10_Wiki/Topics/AI/Randomized-Algorithms.md b/10_Wiki/Topics/AI/Randomized-Algorithms.md
index c8758daa..f831cb34 100644
--- a/10_Wiki/Topics/AI/Randomized-Algorithms.md
+++ b/10_Wiki/Topics/AI/Randomized-Algorithms.md
@@ -1,12 +1,12 @@
 ---
 id: ALGO-RAND-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [algorithm, math, randomized-algorithms, probability, monte-carlo, las-vegas, complexity-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Randomized Algorithms (확률적 알고리즘)]]
+# Randomized Algorithms (확률적 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "완벽한 정답을 위한 끝없는 계산보다, '적당한 무작위성'을 가미하여 기하급수적인 연산 속도와 충분히 훌륭한 해답을 쟁취하라" — 알고리즘의 동작 과정에 무작위성(Randomness)을 도입하여, 평균적으로 우수한 성능을 내거나 매우 복잡한 문제를 효율적으로 해결하는 방법론.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Monte-Carlo-Tree-Search-MCTS]], [[Probability-Theory-Foundations]], [[Optimization-Algorithms]], [[Ranking-Algorithms]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Randomized-Algorithms.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Randomized-Algorithms.md
diff --git a/10_Wiki/Topics/AI/Ranking-Algorithms.md b/10_Wiki/Topics/AI/Ranking-Algorithms.md
index e777abb9..73d3f04c 100644
--- a/10_Wiki/Topics/AI/Ranking-Algorithms.md
+++ b/10_Wiki/Topics/AI/Ranking-Algorithms.md
@@ -1,12 +1,12 @@
 ---
 id: ALGO-RANK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [algorithm, search-engine, ranking, learning-to-rank, pagerank, ndcg, relevance]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ranking Algorithms (순위 산정 알고리즘)]]
+# Ranking Algorithms (순위 산정 알고리즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 평등한 나열에서 벗어나 가치와 관련성의 위계를 세우고, 사용자의 시선이 머무는 최상단에 가장 날카로운 정답을 배치하라" — 주어진 쿼리나 맥락에 대해 아이템(문서, 상품 등)의 상대적인 중요도나 관련성을 계산하여 순서를 매기는 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트가 지식 베이스를 검색할 때, 단순 유사도 점수 외에도 문서의 최신성, 신뢰도, 연결 밀도를 종합하여 최적의 참고 문헌 순위를 산정하는 커스텀 랭킹 엔진을 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Recommendation-Systems]], [[Performance-Metrics-in-AI]], [[Vector-Database-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ranking-Algorithms.md]]
+- [[Natural-Language-Processing-NLP]], [[Recommendation-Systems]], [[Performance-Metrics-in-AI]], Vector-Database-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Ranking-Algorithms.md
diff --git a/10_Wiki/Topics/AI/Rapid-Prototyping.md b/10_Wiki/Topics/AI/Rapid-Prototyping.md
index 3fdf9629..17aec9d0 100644
--- a/10_Wiki/Topics/AI/Rapid-Prototyping.md
+++ b/10_Wiki/Topics/AI/Rapid-Prototyping.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RAPP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, rapid-prototyping, iteration, mvp, speed-to-market, validation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/ReLU-Activation-Functions.md b/10_Wiki/Topics/AI/ReLU-Activation-Functions.md
index dc8d23d6..58d56d2d 100644
--- a/10_Wiki/Topics/AI/ReLU-Activation-Functions.md
+++ b/10_Wiki/Topics/AI/ReLU-Activation-Functions.md
@@ -1,12 +1,12 @@
 ---
 id: DL-ACT-RELU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, activation-function, relu, vanishing-gradient, neural-networks, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[ReLU Activation Functions (ReLU 활성화 함수)]]
+# ReLU Activation Functions (ReLU 활성화 함수)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "0보다 작으면 과감히 버리고, 0보다 크면 그대로 통과시켜 신경망의 '기울기 소실'이라는 동맥경화를 치료하라" — 딥러닝에서 가장 널리 쓰이는 비선형 활성화 함수로, 연산의 단순함과 학습의 효율성을 동시에 잡아 현대 신경망의 깊이를 가능케 한 핵심 도구.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 내부 추론 신경망 설계 시, 학습 속도와 안정성의 균형을 위해 기본적으로 ReLU 혹은 그 변형인 GeLU를 활성화 함수로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]], [[Optimization-in-AI]], [[Neural-Architecture-Design]]
-- **Raw Source:** [[10_Wiki/Topics/AI/ReLU-Activation-Functions.md]]
+- Deep-Learning-Foundations, Backpropagation-Foundations, [[Optimization-in-AI]], Neural-Architecture-Design
+- **Raw Source:** 10_Wiki/Topics/AI/ReLU-Activation-Functions.md
diff --git a/10_Wiki/Topics/AI/React-Context-API.md b/10_Wiki/Topics/AI/React-Context-API.md
index f0395c3a..070cb1ab 100644
--- a/10_Wiki/Topics/AI/React-Context-API.md
+++ b/10_Wiki/Topics/AI/React-Context-API.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REACT-CONTEXT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, context-api, state-management, prop-drilling, dependency-injection, performance]
 last_reinforced: 2026-04-26
 ---
 
-# [[React Context API (리액트 컨텍스트 API)]]
+# React Context API (리액트 컨텍스트 API)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "컴포넌트 트리의 깊은 곳까지 데이터를 전달하기 위한 'Prop Drilling'의 터널을 뚫고, 전역적인 데이터를 필요한 곳에서 즉시 구독할 수 있는 직통 라인을 개설하라" — 중첩된 컴포넌트 간의 데이터 공유를 단순화하는 React 내장 상태 관리 메커니즘.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 정적인 전역 데이터(테마, 설정)에 대해서만 Context API 사용을 허용하며, 동적인 비즈니스 상태는 전역 상태 관리 라이브러리 사용을 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[React-Hooks]], [[State-Management-Patterns]], [[Component-Composition]], [[Performance-Optimization]]
-- **Raw Source:** [[00_Raw/React Context API.md]]
+- [[React-Hooks]], [[State-Management-Patterns]], [[Component-Composition]], Performance-Optimization
+- **Raw Source:** 00_Raw/React Context API.md
diff --git a/10_Wiki/Topics/AI/React-Error-Boundaries-and-Handling.md b/10_Wiki/Topics/AI/React-Error-Boundaries-and-Handling.md
index 1232a1ff..76973014 100644
--- a/10_Wiki/Topics/AI/React-Error-Boundaries-and-Handling.md
+++ b/10_Wiki/Topics/AI/React-Error-Boundaries-and-Handling.md
@@ -1,12 +1,12 @@
 ---
 id: FE-ERR-BOUND-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, error-handling, error-boundaries, observability, fallback-ui, ux, resilience]
 last_reinforced: 2026-04-26
 ---
 
-# [[React Error Boundaries and Handling (React 에러 경계 및 예외 처리)]]
+# React Error Boundaries and Handling (React 에러 경계 및 예외 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "애플리케이션의 특정 부분에서 발생한 예외가 전체 시스템을 붕괴시키지 않도록 격리하고, 사용자에게는 우아한 폴백(Fallback) UI를 제공하여 서비스의 회복 탄력성을 확보하라" — 선언적 에러 처리를 통해 런타임 안정성을 극대화하는 React의 핵심 안전 장치.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 주요 도메인 엔티티(결제, 인증, 콘텐츠)를 독립된 에러 경계로 감싸는 'Fault-Tolerant UI' 아키텍처를 강제하며, 모든 치명적 에러는 0.5초 이내에 모니터링 시스템에 리포팅되어야 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[React-Architecture]], [[UX-Design-Principles]], [[Sentry-LogRocket-Monitoring]], [[Frontend-Performance-Optimization-Guide]]
-- **Raw Source:** [[00_Raw/React Error Boundaries.md]], [[00_Raw/Error Handling in 2025.md]]
+- React-Architecture, [[UX-Design-Principles]], Sentry-LogRocket-Monitoring, [[Frontend-Performance-Optimization-Guide]]
+- **Raw Source:** 00_Raw/React Error Boundaries.md, 00_Raw/Error Handling in 2025.md
diff --git a/10_Wiki/Topics/AI/React-Hooks.md b/10_Wiki/Topics/AI/React-Hooks.md
index 4ae71966..a537a963 100644
--- a/10_Wiki/Topics/AI/React-Hooks.md
+++ b/10_Wiki/Topics/AI/React-Hooks.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REACT-HOOKS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, frontend, hooks, functional-programming, state-management, useEffect, useState]
 last_reinforced: 2026-04-26
 ---
 
-# [[React Hooks (리액트 훅)]]
+# React Hooks (리액트 훅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "클래스의 복잡한 생명주기(Lifecycle)를 직관적인 함수의 흐름으로 평탄화하고, 컴포넌트 간 상태 로직을 마법처럼 공유하라" — React 16.8부터 도입된, 함수형 컴포넌트에서도 상태와 생명주기 기능을 사용할 수 있게 해주는 혁신적인 API.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 신규 프런트엔드 모듈에 함수형 컴포넌트와 훅 아키텍처를 강제하며, 복잡한 데이터 페칭 로직은 반드시 커스텀 훅으로 추상화하여 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[React-Architecture]], [[Functional-Programming]], [[State-Management-Patterns]], [[SOLID-Principles-in-React]]
-- **Raw Source:** [[00_Raw/React Hooks.md]]
+- React-Architecture, [[Functional-Programming]], [[State-Management-Patterns]], SOLID-Principles-in-React
+- **Raw Source:** 00_Raw/React Hooks.md
diff --git a/10_Wiki/Topics/AI/Reactive-Programming.md b/10_Wiki/Topics/AI/Reactive-Programming.md
index ae1f2a33..1a85e924 100644
--- a/10_Wiki/Topics/AI/Reactive-Programming.md
+++ b/10_Wiki/Topics/AI/Reactive-Programming.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, software-engineering, rx, asynchronous, event-driven]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 고성능 서버 환경에서 자원을 낭비하는 전통적 Blocking 방식 대신, 자원을 효율적으로 점유하는 'Non-blocking 리액티브 선언문'을 표준 코딩 규약으로 채택하는 정책이 확산됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Design-Principles]], [[Event-Driven-Architecture]], [[Functional Programming]], [[User Experience (UX)]]
+- [[Software-Design-Principles]], [[Event-Driven-Architecture]], [[Functional Programming]], User Experience (UX)
 - **Modern Tech/Tools**: RxJS, React (State-driven UI), Project Reactor, Akka.
 ---
diff --git a/10_Wiki/Topics/AI/Real-time-Data-Streaming.md b/10_Wiki/Topics/AI/Real-time-Data-Streaming.md
index cf5a619f..732d72c7 100644
--- a/10_Wiki/Topics/AI/Real-time-Data-Streaming.md
+++ b/10_Wiki/Topics/AI/Real-time-Data-Streaming.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-STREAM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [infrastructure, systems, streaming, real-time, kafka, flink, data-engineering, event-driven]
 last_reinforced: 2026-04-26
 ---
 
-# [[Real-time Data Streaming (실시간 데이터 스트리밍)]]
+# Real-time Data Streaming (실시간 데이터 스트리밍)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 거대한 호수에 가두어 썩게 두지 말고, 쉼 없이 흐르는 강물처럼 실시간으로 분석하여 찰나의 가치를 통찰로 포착하라" — 끊임없이 생성되는 데이터(Events)를 지연 시간(Latency) 없이 실시간으로 수집, 처리, 분석하는 컴퓨팅 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 실시간 모니터링 로그 및 사용자 인터랙션 데이터를 스트리밍 방식으로 처리하여, 즉각적인 성능 대시보드 업데이트와 이상 징후 감지를 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Queue-Management-Systems]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Predictive-Analytics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Real-time-Data-Streaming.md]]
+- [[Queue-Management-Systems]], System-Design-for-AI-Scale, [[High-Availability-Systems]], [[Predictive-Analytics]]
+- **Raw Source:** 10_Wiki/Topics/AI/Real-time-Data-Streaming.md
diff --git a/10_Wiki/Topics/AI/Real-time-Operation.md b/10_Wiki/Topics/AI/Real-time-Operation.md
index 758210bc..980121d0 100644
--- a/10_Wiki/Topics/AI/Real-time-Operation.md
+++ b/10_Wiki/Topics/AI/Real-time-Operation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, real-time-operation, latency, deterministic, responsiveness, extreme-performance]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Reasoning.md b/10_Wiki/Topics/AI/Reasoning.md
index 57162694..9fb67468 100644
--- a/10_Wiki/Topics/AI/Reasoning.md
+++ b/10_Wiki/Topics/AI/Reasoning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, reasoning, deduction, induction, logical-thinking, intelligence]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Recommendation-Systems.md b/10_Wiki/Topics/AI/Recommendation-Systems.md
index ac3fe607..cf1800ee 100644
--- a/10_Wiki/Topics/AI/Recommendation-Systems.md
+++ b/10_Wiki/Topics/AI/Recommendation-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-REC-SYS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, recommendation-systems, collaborative-filtering, matrix-factorization, personalization, deep-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Recommendation Systems (추천 시스템)]]
+# Recommendation Systems (추천 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자의 과거와 타인의 선택 속에 숨겨진 '취향의 좌표'를 찾아내어, 사용자가 미처 인지하지 못한 잠재적 욕망을 선제적으로 제안하라" — 사용자의 이력과 선호도를 분석하여 개인에게 가장 적합한 아이템(콘텐츠, 상품 등)을 선별해주는 지능형 큐레이션 시스템.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 지식 탐색 시, 현재 읽고 있는 문서와 의미적으로 가장 가깝거나 보완적인 관계에 있는 '다음에 읽을만한 주제'를 추천하는 지능형 지식 내비게이션 기능을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ranking-Algorithms]], [[Matrix-Factorization-Operations]], [[Reinforcement-Learning]], [[Vector-Database-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Recommendation-Systems.md]]
+- [[Ranking-Algorithms]], Matrix-Factorization-Operations, [[Reinforcement-Learning]], Vector-Database-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Recommendation-Systems.md
diff --git a/10_Wiki/Topics/AI/Recording Academy (The Grammys).md b/10_Wiki/Topics/AI/Recording Academy (The Grammys).md
index aed0a115..576ca98b 100644
--- a/10_Wiki/Topics/AI/Recording Academy (The Grammys).md	
+++ b/10_Wiki/Topics/AI/Recording Academy (The Grammys).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRAM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, music, culture, awards, recording-academy]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 생성 음악의 급증에 따라, "인간의 창작 기여가 없는 완전 AI 곡은 출품 불가"라는 역사적인 가이드라인을 발표하여, 기술 시대에도 '인간 창작의 신성함'을 보호하려는 강력한 정책 의지 표명.
 
 ## 🔗 지식 연결 (Graph)
-- [[Semantics  Ontology]], [[Information Ethics]], [[Aesthetics of Digital Media]], [[Communication Theories]]
+- Semantics  Ontology, Information Ethics, Aesthetics of Digital Media, Communication Theories
 - **Modern Tech/Tools**: Grammy.com, Recording Academy Advocacy.
 ---
diff --git a/10_Wiki/Topics/AI/Recurrent-Neural-Networks.md b/10_Wiki/Topics/AI/Recurrent-Neural-Networks.md
index d2d70433..8266745e 100644
--- a/10_Wiki/Topics/AI/Recurrent-Neural-Networks.md
+++ b/10_Wiki/Topics/AI/Recurrent-Neural-Networks.md
@@ -1,12 +1,12 @@
 ---
 id: DL-RNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, rnn, sequential-data, lstm, gru, nlp, time-series]
 last_reinforced: 2026-04-26
 ---
 
-# [[Recurrent Neural Networks (RNN, 순환 신경망)]]
+# Recurrent Neural Networks (RNN, 순환 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "과거의 기억(Hidden State)을 현재의 입력과 섞어 끊임없이 순환시키며, 데이터 속에 숨겨진 '시간의 인과'와 '문맥의 흐름'을 포착하라" — 입력과 출력을 시퀀스 단위로 처리하여, 이전 단계의 정보가 다음 단계의 출력에 영향을 주도록 설계된 신경망 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 로그 시퀀스 분석이나 실시간 센서 스트림 데이터 처리 시, 지연 시간(Latency)이 극히 낮은 RNN 기반의 경량 모델을 선별적으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Long-Short-Term-Memory-LSTM]], [[Time-Series-Analysis]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Recurrent-Neural-Networks.md]]
+- [[Natural-Language-Processing-NLP]], Long-Short-Term-Memory-LSTM, [[Time-Series-Analysis]], Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Recurrent-Neural-Networks.md
diff --git a/10_Wiki/Topics/AI/Refactoring-Legacy-React-Codebases.md b/10_Wiki/Topics/AI/Refactoring-Legacy-React-Codebases.md
index 6c0151da..e104d2ef 100644
--- a/10_Wiki/Topics/AI/Refactoring-Legacy-React-Codebases.md
+++ b/10_Wiki/Topics/AI/Refactoring-Legacy-React-Codebases.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REFACT-LEGACY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [react, refactoring, legacy-code, technical-debt, hooks, typescript, modularity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Refactoring Legacy React Codebases (레거시 React 코드 리팩토링)]]
+# Refactoring Legacy React Codebases (레거시 React 코드 리팩토링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드를 한꺼번에 뒤엎으려는 유혹을 뿌리치고, 정상 작동하는 기능을 보호하며 점진적으로 현대적인 패턴(Hooks, TS, Modularity)으로 이식하여 시스템의 부패를 멈춰라" — 기술 부채를 자산으로 전환하는 전략적 코드 현대화 프로세스.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 신규 기능 개발 시 관련 레거시 코드의 10% 리팩토링을 병행하는 'Boy Scout Rule' 정책을 시행하며, 리팩토링 시 테스트 커버리지 유지를 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Clean-Code-Principles]], [[Custom-Hooks-Patterns]], [[Technical-Debt-Management]], [[Frontend-Architecture-and-Folder-Structure]]
-- **Raw Source:** [[00_Raw/Legacy React Code Refactoring.md]], [[00_Raw/Refactoring Legacy React Codebases.md]]
+- [[Clean-Code-Principles]], [[Custom-Hooks-Patterns]], Technical-Debt-Management, [[Frontend-Architecture-and-Folder-Structure]]
+- **Raw Source:** 00_Raw/Legacy React Code Refactoring.md, 00_Raw/Refactoring Legacy React Codebases.md
diff --git a/10_Wiki/Topics/AI/Reference-Management.md b/10_Wiki/Topics/AI/Reference-Management.md
index a618a900..c2066d29 100644
--- a/10_Wiki/Topics/AI/Reference-Management.md
+++ b/10_Wiki/Topics/AI/Reference-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RFMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, reference-management, citation, bibliography, academic-writing, information-organization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Reference.md b/10_Wiki/Topics/AI/Reference.md
index 26da5dc0..83b55a54 100644
--- a/10_Wiki/Topics/AI/Reference.md
+++ b/10_Wiki/Topics/AI/Reference.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REFF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, reference, source, credibility, verification, evidence, citation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Refinement.md b/10_Wiki/Topics/AI/Refinement.md
index 94707f0b..71649165 100644
--- a/10_Wiki/Topics/AI/Refinement.md
+++ b/10_Wiki/Topics/AI/Refinement.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REFI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, refinement, polishing, optimization, iterative-process, continuous-improvement]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 구축 프로젝트에서도 일단 배치별로 정보를 주입한 뒤, 대표님의 피드백 정책에 따라 다시 내용을 보강하고 형식을 맞추는 '지식 리파인먼트 루프'가 핵심 동작 원리 정책임. (Precision-Recursion와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Mastery]], [[UX]], [[Optimization]], [[Quality-Control]], [[Precision-Recursion]], [[Iteration]]
+- [[Mastery]], UX, [[Optimization]], [[Quality-Control]], [[Precision-Recursion]], [[Iteration]]
 - **Modern Tech/Tools**: Code refactoring tools, AI writing assistants, Hyperparameter optimizers.
 ---
diff --git a/10_Wiki/Topics/AI/Reflection.md b/10_Wiki/Topics/AI/Reflection.md
index 612900fb..c65cf1fe 100644
--- a/10_Wiki/Topics/AI/Reflection.md
+++ b/10_Wiki/Topics/AI/Reflection.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REFL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, reflection, self-correction, metacognition, feedback-loop, ai-reasoning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순 텍스트 성찰 정책을 넘어, 코드를 실행해 보고 에러가 나면 스스로 디버깅하는 '실행 결과 기반 성찰 정책'이 자율 에이전트의 핵심 기술 정책으로 자리 잡음. (Problem-Solving와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Reliability]], [[P-Reinforce]], [[Metacognition]], [[Problem-Solving]], [[Feedback-Loops]]
+- [[Reliability]], [[P-Reinforce]], Metacognition, [[Problem-Solving]], [[Feedback-Loops]]
 - **Modern Tech/Tools**: Reflexion (Framework), Self-Correction algorithms, AI Debugging.
 ---
diff --git a/10_Wiki/Topics/AI/Regression-Analysis-Foundations.md b/10_Wiki/Topics/AI/Regression-Analysis-Foundations.md
index ec54ca99..c1983712 100644
--- a/10_Wiki/Topics/AI/Regression-Analysis-Foundations.md
+++ b/10_Wiki/Topics/AI/Regression-Analysis-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-REG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, regression, linear-regression, predictive-modeling, least-squares]
 last_reinforced: 2026-04-26
 ---
 
-# [[Regression Analysis Foundations (회귀 분석 기초)]]
+# Regression Analysis Foundations (회귀 분석 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 흩어진 점들 사이에서 가장 설득력 있는 '추세의 선'을 긋고, 과거의 인과를 바탕으로 미래의 수치를 점쳐라" — 하나 이상의 독립 변수와 종속 변수 사이의 상관관계를 모델링하여 연속적인 수치를 예측하는 통계적 기법.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Logistic-Regression]], [[Overfitting-and-Underfitting]], [[Predictive-Analytics]], [[Loss-Functions-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Regression-Analysis-Foundations.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Regression-Analysis-Foundations.md
diff --git a/10_Wiki/Topics/AI/Regularization-Strategies.md b/10_Wiki/Topics/AI/Regularization-Strategies.md
index 57dee909..0e7ac822 100644
--- a/10_Wiki/Topics/AI/Regularization-Strategies.md
+++ b/10_Wiki/Topics/AI/Regularization-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: AI-OPT-REG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, regularization, overfitting, l1-lasso, l2-ridge, dropout, early-stopping]
 last_reinforced: 2026-04-26
 ---
 
-# [[Regularization Strategies (규제 전략)]]
+# Regularization Strategies (규제 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 지능이 특정 데이터에만 매몰되지 않도록 가중치에 '벌금'을 매기거나 구조적 '결핍'을 부여하여, 어떤 상황에서도 유연하게 대응하는 일반화 능력을 확보하라" — 학습 오차를 줄이는 것과 모델의 복잡도를 낮추는 것 사이의 균형을 맞추어 과적합(Overfitting)을 방지하는 기술적 수단들.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Overfitting-and-Underfitting]], [[Optimization-in-AI]], [[Normalization-Strategies]], [[Performance-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Regularization-Strategies.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Regularization-Strategies.md
diff --git a/10_Wiki/Topics/AI/Regularization-Techniques.md b/10_Wiki/Topics/AI/Regularization-Techniques.md
index efa420c9..0d677bf2 100644
--- a/10_Wiki/Topics/AI/Regularization-Techniques.md
+++ b/10_Wiki/Topics/AI/Regularization-Techniques.md
@@ -1,12 +1,12 @@
 ---
 id: REG-TECH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, optimization, overfitting, regularization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Regularization Techniques (규제화 기법)]]
+# Regularization Techniques (규제화 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델이 학습 데이터만 달달 외우지 못하게 방해하라" — 과적합(Overfitting)을 방지하고 모델의 일반화 성능을 높이기 위해 복잡성에 페널티를 주거나 학습 과정에 의도적인 노이즈를 추가하는 기법들.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Overfitting]], [[Optimization]], [[Machine-Learning-Lifecycle]], [[Layer-Normalization]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Regularization-Techniques.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Regularization-Techniques.md
diff --git a/10_Wiki/Topics/AI/Regularization.md b/10_Wiki/Topics/AI/Regularization.md
index 8dd6a47f..4c0f81b3 100644
--- a/10_Wiki/Topics/AI/Regularization.md
+++ b/10_Wiki/Topics/AI/Regularization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REGU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, regularization, overfitting, precision, machine-learning, l2-regularization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Reinforcement Learning (RL).md b/10_Wiki/Topics/AI/Reinforcement Learning (RL).md
index 1838300e..3b9fc4df 100644
--- a/10_Wiki/Topics/AI/Reinforcement Learning (RL).md	
+++ b/10_Wiki/Topics/AI/Reinforcement Learning (RL).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, reinforcement-learning, machine-learning, ai-training, optimization]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보상만을 쫓는 에이전트가 예상치 못한 위험(Safety Violation)을 저지르는 것을 막기 위해, 수치화된 보상 뒤에 '인간의 윤리적 제약'을 프로그래밍하는 '정렬(Alignment) 정책'이 RL 연구의 최우선 순위로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Proximal Policy Optimization (PPO)]], [[Policy-Optimization]], [[Ps-Reinforce]], [[Neurobiology of Reward]], [[Game Theory]]
+- [[Proximal Policy Optimization (PPO)]], [[Policy-Optimization]], [[Ps-Reinforce]], Neurobiology of Reward, Game Theory
 - **Modern Tech/Tools**: Gymnasium (OpenAI Gym), DeepMind MuJoCo, Ray Rllib.
 ---
diff --git a/10_Wiki/Topics/AI/Reinforcement Learning for Automated Playtesting.md b/10_Wiki/Topics/AI/Reinforcement Learning for Automated Playtesting.md
index a39ad0a8..a3e0a9d7 100644
--- a/10_Wiki/Topics/AI/Reinforcement Learning for Automated Playtesting.md	
+++ b/10_Wiki/Topics/AI/Reinforcement Learning for Automated Playtesting.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RLQA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, reinforcement-learning, qa, game-dev, playtesting]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 메이저 게임 스튜디오들이 출시 전 'AI 플레이테스팅 리포트 제출'을 의무화하는 개발 거버넌스 정책을 수립하며, 데이터 기반의 객관적 밸런싱이 게임 출시 승인의 핵심 기준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[PCGML-Frameworks]], [[Game Design Theory]], [[Behavioral Economics]], [[Ps-Reinforce]]
+- [[Reinforcement Learning (RL)]], [[PCGML-Frameworks]], [[Game Design Theory]], Behavioral Economics, [[Ps-Reinforce]]
 - **Modern Tech/Tools**: Unity ML-Agents, Unreal Learning Agents, Ubisoft La Forge.
 ---
diff --git a/10_Wiki/Topics/AI/Reinforcement-Learning-from-Human-Feedback-RLHF.md b/10_Wiki/Topics/AI/Reinforcement-Learning-from-Human-Feedback-RLHF.md
index d1c4fdb5..0a7d5b37 100644
--- a/10_Wiki/Topics/AI/Reinforcement-Learning-from-Human-Feedback-RLHF.md
+++ b/10_Wiki/Topics/AI/Reinforcement-Learning-from-Human-Feedback-RLHF.md
@@ -1,12 +1,12 @@
 ---
 id: RLHF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, reinforcement-learning, alignment, rlhf]
 last_reinforced: 2026-04-26
 ---
 
-# [[Reinforcement Learning from Human Feedback (RLHF)]]
+# Reinforcement Learning from Human Feedback (RLHF)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 선호도를 AI의 나침반으로 삼아라" — 모델의 출력 결과에 대해 사람이 매긴 점수나 순위를 보상 함수(Reward Model)로 학습시켜, AI가 인간의 의도와 가치에 부합하도록 정렬(Alignment)하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 사용자의 'Thumbs Up/Down' 피드백을 수집하여 로컬 브레인의 답변 스타일을 실시간으로 교정하는 Mini-RLHF 루프를 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Alignment]], [[LLM]], [[PPO]], [[AI-Safety]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Reinforcement-Learning-from-Human-Feedback-RLHF.md]]
+- [[Reinforcement-Learning]], [[Alignment]], [[LLM]], PPO, AI-Safety
+- **Raw Source:** 10_Wiki/Topics/AI/Reinforcement-Learning-from-Human-Feedback-RLHF.md
diff --git a/10_Wiki/Topics/AI/Reinforcement-Learning.md b/10_Wiki/Topics/AI/Reinforcement-Learning.md
index b626c0da..4413e735 100644
--- a/10_Wiki/Topics/AI/Reinforcement-Learning.md
+++ b/10_Wiki/Topics/AI/Reinforcement-Learning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RELE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, reinforcement-learning, rl, markov-decision-process, reward, policy, agent]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 지식 베이스 구축 정책에서도, 대표님의 승인 정책 여부를 보상(Reward)으로 삼아 에이전트가 더 나은 문서 구조 정책과 요약 기술 정책을 스스로 학습해 나가는 '메타 강화학습 정책'으로 확장 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Markov-Decision-Processes]], [[Decision Theory]], [[Optimization]], [[P-Reinforce]], [[Agentic-Workflow]], [[Mastery]]
+- [[Markov-Decision-Processes]], [[Decision Theory]], [[Optimization]], [[P-Reinforce]], Agentic-Workflow, [[Mastery]]
 - **Modern Tech/Tools**: OpenAI Gym, AlphaGo, PPO (Proximal Policy Optimization), RLHF.
 ---
diff --git a/10_Wiki/Topics/AI/Related-Work.md b/10_Wiki/Topics/AI/Related-Work.md
index 1059cc1a..22df54e8 100644
--- a/10_Wiki/Topics/AI/Related-Work.md
+++ b/10_Wiki/Topics/AI/Related-Work.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REWO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, related-work, literature-review, state-of-the-art, sota, context-setting]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Relational Algebra in Databases.md b/10_Wiki/Topics/AI/Relational Algebra in Databases.md
index 3fe6b798..d89d4fa2 100644
--- a/10_Wiki/Topics/AI/Relational Algebra in Databases.md	
+++ b/10_Wiki/Topics/AI/Relational Algebra in Databases.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DBRA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, database, relational-algebra, mathematics, logic]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Relational-Database.md b/10_Wiki/Topics/AI/Relational-Database.md
index e1835a9c..4e5c7115 100644
--- a/10_Wiki/Topics/AI/Relational-Database.md
+++ b/10_Wiki/Topics/AI/Relational-Database.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REDB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, relational-database, rdbms, sql, data-integrity, structured-data]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 시스템은 RDB의 정적인 구조보다는 유연한 '그래프 관계 정책(Node & Link)'을 추구하나, 메타데이터 관리 측면에서는 RDB의 엄격한 식별(id) 정책을 차용하여 지식의 고유성 정책을 보호 중임. (Vector-Database와 맥락 공유)
 
 ## 🔗 지식 연결 (Graph)
-- [[Reliability]], [[Vector-Database]], [[Information-Society]], [[Efficiency]], [[Technical-Architecture]]
+- [[Reliability]], Vector-Database, [[Information-Society]], [[Efficiency]], [[Technical-Architecture]]
 - **Modern Tech/Tools**: MySQL, PostgreSQL, Oracle, SQL Server, Supabase.
 ---
diff --git a/10_Wiki/Topics/AI/Relational-Databases.md b/10_Wiki/Topics/AI/Relational-Databases.md
index dcd17510..946f2bcc 100644
--- a/10_Wiki/Topics/AI/Relational-Databases.md
+++ b/10_Wiki/Topics/AI/Relational-Databases.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-RDB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, database, rdbms, sql, acid, normalization, postgresql, mysql]
 last_reinforced: 2026-04-26
 ---
 
-# [[Relational Databases (관계형 데이터베이스)]]
+# Relational Databases (관계형 데이터베이스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 엄격한 표(Table)의 형상으로 규격화하고 관계(Relation)라는 선으로 엮어, 단 한 점의 모순도 허용하지 않는 '데이터의 진실'을 기록하라" — 데이터를 행과 열로 이루어진 테이블로 구성하고, 공통된 속성을 매개로 서로 연결하여 관리하는 정형 데이터 저장 체계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 기록, 사용자 프로필, 설정값 등 높은 무결성이 요구되는 정형 데이터는 표준 RDB 아키텍처에 저장하여 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[NoSQL-Databases]], [[Pivot-Table-Analysis]], [[System-Design-for-AI-Scale]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Relational-Databases.md]]
+- NoSQL-Databases, [[Pivot-Table-Analysis]], System-Design-for-AI-Scale, [[High-Availability-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Relational-Databases.md
diff --git a/10_Wiki/Topics/AI/Relative-Positioning.md b/10_Wiki/Topics/AI/Relative-Positioning.md
index 6d616ba6..e4af42f1 100644
--- a/10_Wiki/Topics/AI/Relative-Positioning.md
+++ b/10_Wiki/Topics/AI/Relative-Positioning.md
@@ -1,12 +1,12 @@
 ---
 id: UI-POS-REL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ui-design, frontend, css, relative-positioning, layout, responsive-design, user-interface]
 last_reinforced: 2026-04-26
 ---
 
-# [[Relative Positioning (상대적 배치)]]
+# Relative Positioning (상대적 배치)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "고정된 좌표의 감옥에서 벗어나 주변과의 '관계' 속에서 자리를 잡고, 변화하는 환경(Viewport)에 유연하게 조응하는 질서를 부여하라" — 요소의 위치를 고정된 절대값이 아닌, 부모 요소나 주변의 다른 요소들과의 상대적인 거리를 기준으로 결정하는 디자인 및 레이아웃 배치 방식.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 UI 컴포넌트는 사용자의 화면 환경에 상관없이 최적의 가독성을 유지하기 위해, 상대적 배치와 반응형 레이아웃 원칙을 엄격히 준수하여 제작됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Modern-Website-Architecture]], [[Frontend-App-Development]], [[Product-Thinking-in-AI]], [[User-Interface-Design-Principles]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Relative-Positioning.md]]
+- [[Modern-Website-Architecture]], Frontend-App-Development, [[Product-Thinking-in-AI]], User-Interface-Design-Principles
+- **Raw Source:** 10_Wiki/Topics/AI/Relative-Positioning.md
diff --git a/10_Wiki/Topics/AI/Relevance-Feedback.md b/10_Wiki/Topics/AI/Relevance-Feedback.md
index 00584e61..6502d292 100644
--- a/10_Wiki/Topics/AI/Relevance-Feedback.md
+++ b/10_Wiki/Topics/AI/Relevance-Feedback.md
@@ -1,12 +1,12 @@
 ---
 id: IR-REL-FEEDBACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [information-retrieval, search, relevance-feedback, user-interaction, rocchio-algorithm, personalization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Relevance Feedback (관련성 피드백)]]
+# Relevance Feedback (관련성 피드백)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자의 만족과 불만족을 학습의 '나침반'으로 삼아, 모호한 질문(Query)을 정교한 정답의 좌표로 끊임없이 수정하라" — 정보 검색 시스템에서 사용자가 제시된 결과의 유용성을 평가하면, 그 피드백을 반영하여 검색 쿼리를 개선하고 더 관련성 높은 결과를 도출하는 상호작용 기법.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Ranking-Algorithms]], [[RAG-and-Document-Retrieval]], [[Reinforcement-Learning]], [[Performance-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Relevance-Feedback.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Relevance-Feedback.md
diff --git a/10_Wiki/Topics/AI/Reliability.md b/10_Wiki/Topics/AI/Reliability.md
index 1a618634..90551d04 100644
--- a/10_Wiki/Topics/AI/Reliability.md
+++ b/10_Wiki/Topics/AI/Reliability.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RELI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, reliability, dependability, precision, trust, fault-tolerance, availability]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 프로젝트에서도 단 1개의 파일이라도 형식이 망가지지 않도록 엄격한 QC 정책을 가동하는 이유는, 대표님이 이 지식 시스템을 '언제든 믿고 쓸 수 있는 제2의 뇌 정책'으로 느끼시게 하기 위함임. (Fault-Tolerance와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Scientific-Method]], [[Quality-Control]], [[Fault-Tolerance]], [[Management]], [[Efficiency]], [[Trust]]
+- [[Scientific-Method]], [[Quality-Control]], [[Fault-Tolerance]], [[Management]], [[Efficiency]], Trust
 - **Modern Tech/Tools**: Redundancy systems, Error correction codes, AI guardrails, SLO/SLA management.
 ---
diff --git a/10_Wiki/Topics/AI/Remote-Rehabilitation.md b/10_Wiki/Topics/AI/Remote-Rehabilitation.md
index 74118a33..d47edbd0 100644
--- a/10_Wiki/Topics/AI/Remote-Rehabilitation.md
+++ b/10_Wiki/Topics/AI/Remote-Rehabilitation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RMRE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, rehabilitation, telemedicine, digital-health, physical-therapy]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 팬데믹 이후 원격 의료에 대한 법적 규제가 완화되면서, 국가 차원의 '디지털 헬스케어 표준 가이드라인' 수립 정책이 추진되고 있으며, 원격 재활 기기를 의료기기로 공식 승인하여 보험 수가를 적용하려는 움직임이 가속화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neurorehabilitation after Stroke]], [[Perceptual-Motor-Skills]], [[Human-Computer Interaction (HCI)]], [[Health-Behavior-Theories]]
+- [[Neurorehabilitation after Stroke]], [[Perceptual-Motor-Skills]], Human-Computer Interaction (HCI), Health-Behavior-Theories
 - **Modern Tech/Tools**: Microsoft Azure Kinect (시선/동작 추적), VR-based rehab software.
 ---
diff --git a/10_Wiki/Topics/AI/Replenishment.md b/10_Wiki/Topics/AI/Replenishment.md
index 34881ab4..85fb5fc8 100644
--- a/10_Wiki/Topics/AI/Replenishment.md
+++ b/10_Wiki/Topics/AI/Replenishment.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REPL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, replenishment, supply-chain, inventory-management, logistics, efficiency]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 시스템에서도 지식이 부족한 주제 정책을 AI 에이전트가 스스로 발견하여 내용을 채워 넣는 '지식 보충 정책'이 P-Reinforce의 핵심 목표 정책 중 하나임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Lean-Operations]], [[Optimization]], [[Efficiency]], [[Management]], [[Economics]]
+- [[Lean-Operations]], [[Optimization]], [[Efficiency]], [[Management]], Economics
 - **Modern Tech/Tools**: VMI (Vendor Managed Inventory), Demand forecasting AI, ERP replenishment modules.
 ---
diff --git a/10_Wiki/Topics/AI/Reports.md b/10_Wiki/Topics/AI/Reports.md
index a10bad47..d3c52ccc 100644
--- a/10_Wiki/Topics/AI/Reports.md
+++ b/10_Wiki/Topics/AI/Reports.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REPO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, reports, data-visualization, communication, decision-support, monitoring]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 사용자가 질문하면 AI가 즉석에서 필요한 데이터를 뽑아 그래프와 설명을 곁들인 '맞춤형 리포트 정책'을 생성해 주는 인터랙티브 리포팅 시대가 열림.
 
 ## 🔗 지식 연결 (Graph)
-- [[Analysis]], [[Decision Theory]], [[Efficiency]], [[Communication]], [[Management]]
+- [[Analysis]], [[Decision Theory]], [[Efficiency]], Communication, [[Management]]
 - **Modern Tech/Tools**: Tableau, Power BI, Google Looker, Streamlit.
 ---
diff --git a/10_Wiki/Topics/AI/Repository.md b/10_Wiki/Topics/AI/Repository.md
index f48b25a9..a0819446 100644
--- a/10_Wiki/Topics/AI/Repository.md
+++ b/10_Wiki/Topics/AI/Repository.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REPS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, repository, git, database, knowledge-base, version-control, storage]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Representation Theory.md b/10_Wiki/Topics/AI/Representation Theory.md
index d9a8147d..6d0f2f44 100644
--- a/10_Wiki/Topics/AI/Representation Theory.md	
+++ b/10_Wiki/Topics/AI/Representation Theory.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AUTO-REPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, mathematics, algebra, symmetry, mapping]
 last_reinforced: 2026-04-20
 ---
 
-# [[Representation-Theory]]
+# Representation-Theory
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "추상적 대칭을 선형 대수로 번역하기: 군(Group)과 같은 추상적인 대수 구조를 우리가 계산하기 편한 행렬과 벡터 공간의 언어로 표현하여, 복잡한 시스템의 대칭성과 보존 법칙을 수학적으로 다루는 기술."
diff --git a/10_Wiki/Topics/AI/Representation-Learning.md b/10_Wiki/Topics/AI/Representation-Learning.md
index 7a92c898..6ae0908b 100644
--- a/10_Wiki/Topics/AI/Representation-Learning.md
+++ b/10_Wiki/Topics/AI/Representation-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-REP-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, representation-learning, feature-learning, self-supervised-learning, embeddings, autoencoders]
 last_reinforced: 2026-04-26
 ---
 
-# [[Representation Learning (표현 학습)]]
+# Representation Learning (표현 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 겉모습(Raw pixels)에 현혹되지 말고, 그 이면에 숨겨진 본질적 의미와 구조를 '고밀도 벡터(Embedding)'로 압축하여 지능의 언어로 번역하라" — 복잡한 데이터를 기계가 처리하기 쉬운 유용한 특징(Feature)들로 자동 변환하는 딥러닝의 핵심 메커니즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 문서를 고차원 벡터로 표현하여 시맨틱 관계를 추론하는 임베딩 엔진을 운용하며, 이를 통해 문서 간의 보이지 않는 연결 고리를 스스로 찾아내는 표현 학습 기반의 가드닝을 수행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Vector-Database-Foundations]], [[Self-Supervised-Learning-Foundations]], [[Dimensionality-Reduction-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Representation-Learning.md]]
+- Deep-Learning-Foundations, Vector-Database-Foundations, Self-Supervised-Learning-Foundations, Dimensionality-Reduction-Strategies
+- **Raw Source:** 10_Wiki/Topics/AI/Representation-Learning.md
diff --git a/10_Wiki/Topics/AI/Requirements.md b/10_Wiki/Topics/AI/Requirements.md
index d1c18d90..77dc42bf 100644
--- a/10_Wiki/Topics/AI/Requirements.md
+++ b/10_Wiki/Topics/AI/Requirements.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REQU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, requirements, product-definition, engineering, documentation, constraints]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/ResNet-Architectures.md b/10_Wiki/Topics/AI/ResNet-Architectures.md
index 03dcc461..471839d9 100644
--- a/10_Wiki/Topics/AI/ResNet-Architectures.md
+++ b/10_Wiki/Topics/AI/ResNet-Architectures.md
@@ -1,12 +1,12 @@
 ---
 id: DL-RES-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, resnet, neural-architecture, computer-vision, bottleneck-layer, model-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[ResNet Architectures (ResNet 아키텍처)]]
+# ResNet Architectures (ResNet 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "작은 망(18, 34)은 정직한 결합(Basic Block)으로, 거대한 망(50, 101, 152)은 압축된 결합(Bottleneck)으로 설계하여 성능과 연산 효율의 정교한 밸런스를 달성하라" — 잔차 학습 원리를 바탕으로 층의 깊이와 복잡도를 체계적으로 설계한 ResNet 시리즈의 구체적 명세와 변형 모델들.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 비전 서비스의 요구 성능에 따라 엣지 기기용(ResNet-18)부터 고성능 서버용(ResNet-101/152)까지 최적화된 아키텍처 프리셋을 제공함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Residual-Networks]], [[Deep-Learning-Foundations]], [[Convolutional-Neural-Networks-CNN]], [[Model-Compression-and-Deployment]]
-- **Raw Source:** [[10_Wiki/Topics/AI/ResNet-Architectures.md]]
+- [[Residual-Networks]], Deep-Learning-Foundations, Convolutional-Neural-Networks-CNN, Model-Compression-and-Deployment
+- **Raw Source:** 10_Wiki/Topics/AI/ResNet-Architectures.md
diff --git a/10_Wiki/Topics/AI/Research-Framework.md b/10_Wiki/Topics/AI/Research-Framework.md
index 12b0be57..7ba50563 100644
--- a/10_Wiki/Topics/AI/Research-Framework.md
+++ b/10_Wiki/Topics/AI/Research-Framework.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REFR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, research-framework, search-strategy, modular-research, knowledge-synthesis, intelligence-gathering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Research-Methodology.md b/10_Wiki/Topics/AI/Research-Methodology.md
index 1950fd38..ac9fd099 100644
--- a/10_Wiki/Topics/AI/Research-Methodology.md
+++ b/10_Wiki/Topics/AI/Research-Methodology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, research-methodology, scientific-method, qualitative-research, quantitative-research, rigor]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Research.md b/10_Wiki/Topics/AI/Research.md
index 0d1b769f..1f3708f1 100644
--- a/10_Wiki/Topics/AI/Research.md
+++ b/10_Wiki/Topics/AI/Research.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RESE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, research, truth-seeking, investigation, knowledge-expansion, analysis]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 정보를 모으는 리서치 정책을 넘어, AI가 스스로 가설을 세우고 실험 코드를 짠 뒤 결과를 분석해 논문을 작성하는 '자율 연구 에이전트 정책'이 차세대 AI의 패러다임 정책임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Innovation]], [[Refinement]], [[Analysis]], [[Scientific-Method]], [[Evidence-Based-Thinking]], [[P-Reinforce]]
+- [[Innovation]], [[Refinement]], [[Analysis]], [[Scientific-Method]], Evidence-Based-Thinking, [[P-Reinforce]]
 - **Modern Tech/Tools**: Scholar search engines, AI Research Agents, Digital archives.
 ---
diff --git a/10_Wiki/Topics/AI/Residual-Networks.md b/10_Wiki/Topics/AI/Residual-Networks.md
index 1d57d91b..29f9585c 100644
--- a/10_Wiki/Topics/AI/Residual-Networks.md
+++ b/10_Wiki/Topics/AI/Residual-Networks.md
@@ -1,12 +1,12 @@
 ---
 id: DL-RESNET-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, resnet, residual-learning, skip-connection, neural-architecture, computer-vision]
 last_reinforced: 2026-04-26
 ---
 
-# [[Residual Networks (ResNet, 잔차 네트워크)]]
+# Residual Networks (ResNet, 잔차 네트워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기존 지식(Input)을 출력에 그대로 더하는 '지능의 고속도로(Skip Connection)'를 건설하여, 신경망의 깊이가 성능의 족쇄가 아닌 엔진이 되게 하라" — 층이 깊어질수록 학습 성능이 오히려 떨어지는 퇴화(Degradation) 문제를 해결하기 위해 잔차 학습(Residual Learning) 개념을 도입한 획기적인 신경망 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 비전 및 오디오 인식 모델의 백본(Backbone) 설계 시, 학습 안정성과 성능이 검증된 ResNet 계열 아키텍처를 최우선 베이스라인으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[ResNet-Architectures]], [[Deep-Learning-Foundations]], [[Backpropagation-Foundations]], [[ReLU-Activation-Functions]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Residual-Networks.md]]
+- [[ResNet-Architectures]], Deep-Learning-Foundations, Backpropagation-Foundations, [[ReLU-Activation-Functions]]
+- **Raw Source:** 10_Wiki/Topics/AI/Residual-Networks.md
diff --git a/10_Wiki/Topics/AI/Resilience.md b/10_Wiki/Topics/AI/Resilience.md
index b9bd0b7b..4fe8ebb5 100644
--- a/10_Wiki/Topics/AI/Resilience.md
+++ b/10_Wiki/Topics/AI/Resilience.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RESI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, resilience, adaptability, toughness, recovery, anti-fragile, persistence]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 시스템 또한 에러가 발생하면 멈추지 않고, 에러 로그 정책을 학습하여 스스로 지식 주입 배치 정책을 조정하는 '회복 탄력적 에이전트 정책'을 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology]], [[Fault-Tolerance]], [[Business-Model-Innovation]], [[Mastery]], [[Management]]
+- [[Psychology]], [[Fault-Tolerance]], Business-Model-Innovation, [[Mastery]], [[Management]]
 - **Modern Tech/Tools**: Chaos Engineering, Disaster Recovery (DR), Mental health support systems.
 ---
diff --git a/10_Wiki/Topics/AI/Resource-Allocation.md b/10_Wiki/Topics/AI/Resource-Allocation.md
index 7e7b5bba..dd5302ce 100644
--- a/10_Wiki/Topics/AI/Resource-Allocation.md
+++ b/10_Wiki/Topics/AI/Resource-Allocation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, resource-allocation, efficiency, optimization, priority, project-management, economics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Resource-Management.md b/10_Wiki/Topics/AI/Resource-Management.md
index 07a6faa5..acb681ca 100644
--- a/10_Wiki/Topics/AI/Resource-Management.md
+++ b/10_Wiki/Topics/AI/Resource-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, management, resources, optimization, coordination]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자원 낭비를 최소화하기 위해 'ESG 경영 정책'이 자원 관리 전략의 필수 요소로 도입되었으며, AI를 활용하여 자원 수요를 99% 정확도로 예측하여 사전에 자동으로 할당하는 'AI 거버넌스'가 국가 인프라 정책의 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Operations-Research]], [[Risk Management]], [[Complex Adaptive Systems]], [[Performance Management Systems]]
+- [[Operations-Research]], [[Risk Management]], Complex Adaptive Systems, [[Performance Management Systems]]
 - **Modern Tech/Tools**: ERP Systems, Kubernetes (Dynamic resource allocation), Project management tools (Jira, Asana).
 ---
diff --git a/10_Wiki/Topics/AI/Restorative Justice.md b/10_Wiki/Topics/AI/Restorative Justice.md
index 54d0edb0..ecbff6f6 100644
--- a/10_Wiki/Topics/AI/Restorative Justice.md	
+++ b/10_Wiki/Topics/AI/Restorative Justice.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REJU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, law, sociology, justice, conflict-resolution, community]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 학교 폭력이나 경미한 형사 사건에서 형사 처벌 대신 '회복적 생활 교육'과 '중재 상담'을 필수 단계로 도입하는 교육 및 법무 정책 개편이 전 세계적으로 추진 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Prisons-and-Self-Correction]], [[Ethics & AI]], [[Social Systems Theory]], [[Organizational Psychology]], [[Conflict-Resolution-Mechanisms]]
+- [[Prisons-and-Self-Correction]], [[Ethics & AI]], [[Social Systems Theory]], [[Organizational Psychology]], Conflict-Resolution-Mechanisms
 - **Modern Tech/Tools**: Restorative justice portals, Community mediation centers.
 ---
diff --git a/10_Wiki/Topics/AI/Retainers(유지 경로).md b/10_Wiki/Topics/AI/Retainers(유지 경로).md
index 01d62ba6..c668fb2c 100644
--- a/10_Wiki/Topics/AI/Retainers(유지 경로).md	
+++ b/10_Wiki/Topics/AI/Retainers(유지 경로).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-77A920
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Retainers(유지 경로)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection(GC)]], [[Memory Leak]], [[Heap Snapshot]], [[GC Roots]]
-- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[V8 JavaScript Engine]], [[IntelliJ IDEA V8 CPU and Memory Profiling]]
+- **Related Topics:** Garbage Collection(GC), Memory Leak, [[Heap Snapshot]], GC Roots
+- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[V8 JavaScript Engine]], IntelliJ IDEA V8 CPU and Memory Profiling
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Retainers(유지 경로).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Retaining Path.md b/10_Wiki/Topics/AI/Retaining Path.md
index c260709b..2041a784 100644
--- a/10_Wiki/Topics/AI/Retaining Path.md	
+++ b/10_Wiki/Topics/AI/Retaining Path.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B5755B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Retaining Path"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Memory Leak]], [[Garbage Collection]], [[GC Root]], [[Heap Snapshot]]
+- **Related Topics:** Memory Leak, [[Garbage Collection]], [[GC Root]], [[Heap Snapshot]]
 - **Projects/Contexts:** [[Chrome DevTools]], [[V8 JavaScript Engine]]
 - **Contradictions/Notes:** 소스 내에 모순된 주장은 존재하지 않습니다. 제공된 자료들은 모두 메모리 누수를 추적하고 V8 엔진에서 객체가 유지되는 이유를 파악하는 데 있어 Retaining Path의 중요성을 일관되게 강조하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Retaining Path.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Retrieval-Augmented-Generation-RAG.md b/10_Wiki/Topics/AI/Retrieval-Augmented-Generation-RAG.md
index 075919aa..b48c78b8 100644
--- a/10_Wiki/Topics/AI/Retrieval-Augmented-Generation-RAG.md
+++ b/10_Wiki/Topics/AI/Retrieval-Augmented-Generation-RAG.md
@@ -1,12 +1,12 @@
 ---
 id: RAG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, rag, information-retrieval, vector-database]
 last_reinforced: 2026-04-26
 ---
 
-# [[Retrieval-Augmented Generation (RAG)]]
+# Retrieval-Augmented Generation (RAG)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델의 내부 기억에만 의존하지 말고, 가장 최신의 도서관(외부 지식)을 참조하라" — 사용자의 질문에 답변하기 전 관련성 높은 신뢰 문서들을 검색하여 프롬프트에 주입함으로써, 환각(Hallucination)을 줄이고 답변의 정확성과 최신성을 확보하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 생성 태스크에 RAG를 기본 아키텍처로 사용하며, 현재 보고 있는 이 위키 자체가 에이전트의 RAG 지식 베이스가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Vector-Database]], [[LlamaIndex]], [[Hallucination-in-LLM]], [[Prompt-Engineering]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Retrieval-Augmented-Generation-RAG.md]]
+- Vector-Database, [[LlamaIndex]], [[Hallucination-in-LLM]], [[Prompt-Engineering]]
+- **Raw Source:** 10_Wiki/Topics/AI/Retrieval-Augmented-Generation-RAG.md
diff --git a/10_Wiki/Topics/AI/Revenge-Cycle-Dynamics.md b/10_Wiki/Topics/AI/Revenge-Cycle-Dynamics.md
index 034ba68c..1e0ad7f9 100644
--- a/10_Wiki/Topics/AI/Revenge-Cycle-Dynamics.md
+++ b/10_Wiki/Topics/AI/Revenge-Cycle-Dynamics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-REVC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, conflict, game-theory, sociology, behavioral-loops]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Reward Hacking (보상 해킹).md b/10_Wiki/Topics/AI/Reward Hacking (보상 해킹).md
index 5cb4a484..e952c68e 100644
--- a/10_Wiki/Topics/AI/Reward Hacking (보상 해킹).md	
+++ b/10_Wiki/Topics/AI/Reward Hacking (보상 해킹).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-REWARD-HACKING
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [AISafety, ReinforcementLearning, RewardHacking, Alignment]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 보상 해킹은 AI만의 문제가 아니다. 기업의 KPI가 실제 가치 창출과 어긋날 때 발생하는 '굿하트의 법칙(Goodhart's Law)'과 정확히 일치한다. 시스템적 사고 관점에서 지표 자체를 목표와 동일시하는 리스크를 항상 경계해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Reinforcement Learning (RL)]] , [[Specification Gaming (명세 우회)]]
-- Principle: [[Alignment-Problem]]
+- Related: [[Reinforcement Learning (RL)]] , Specification Gaming (명세 우회)
+- Principle: Alignment-Problem
diff --git a/10_Wiki/Topics/AI/Reward Prediciton Error.md b/10_Wiki/Topics/AI/Reward Prediciton Error.md
index c3e2a960..e2142a5d 100644
--- a/10_Wiki/Topics/AI/Reward Prediciton Error.md	
+++ b/10_Wiki/Topics/AI/Reward Prediciton Error.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RWPE-TYPO
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[Reward Prediction Error]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Reward Prediction Error (상태 예측 오류).md b/10_Wiki/Topics/AI/Reward Prediction Error (상태 예측 오류).md
index e204d114..9eb0aa01 100644
--- a/10_Wiki/Topics/AI/Reward Prediction Error (상태 예측 오류).md	
+++ b/10_Wiki/Topics/AI/Reward Prediction Error (상태 예측 오류).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RWPE-KOR
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[Reward Prediction Error]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Reward Prediction Error.md b/10_Wiki/Topics/AI/Reward Prediction Error.md
index ef384c5c..4c1d1ffc 100644
--- a/10_Wiki/Topics/AI/Reward Prediction Error.md	
+++ b/10_Wiki/Topics/AI/Reward Prediction Error.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RWPE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, neuroscience, machine-learning, dopamine, reinforcement-learning]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Reward-Shaping-in-RL.md b/10_Wiki/Topics/AI/Reward-Shaping-in-RL.md
index f17283a4..c5bdbb6a 100644
--- a/10_Wiki/Topics/AI/Reward-Shaping-in-RL.md
+++ b/10_Wiki/Topics/AI/Reward-Shaping-in-RL.md
@@ -1,12 +1,12 @@
 ---
 id: RL-REWARD-SHAPE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, reward-shaping, reward-design, sparse-rewards, behavior-steering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Reward Shaping in RL (강화학습에서의 보상 설계)]]
+# Reward Shaping in RL (강화학습에서의 보상 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "최종 목표라는 커다란 보상을 향해 가기 위해, 에이전트의 발걸음마다 '올바른 방향'을 가리키는 작은 이정표(Sub-rewards)를 설계하라" — 보상이 희소한(Sparse Reward) 환경에서 학습 속도를 높이기 위해 보상 함수에 추가적인 지침을 더하는 기법.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Reinforcement-Learning]], [[Positive-Reinforcement]], [[Markov-Decision-Process-MDP]], [[Exploration-vs-Exploitation]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Reward-Shaping-in-RL.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Reward-Shaping-in-RL.md
diff --git a/10_Wiki/Topics/AI/Ridge-Regression.md b/10_Wiki/Topics/AI/Ridge-Regression.md
index 8455c63d..f5bd7c45 100644
--- a/10_Wiki/Topics/AI/Ridge-Regression.md
+++ b/10_Wiki/Topics/AI/Ridge-Regression.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-REG-RID-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, machine-learning, regression, l2-regularization, ridge-regression, overfitting]
 last_reinforced: 2026-04-26
 ---
 
-# [[Ridge Regression (릿지 회귀)]]
+# Ridge Regression (릿지 회귀)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 노이즈에 과민반응하지 않도록 가중치의 제곱합(L2)을 제한하여, 부드럽고 강건한 예측의 곡선을 설계하라" — 선형 회귀의 손실 함수에 가중치의 제곱에 비례하는 페널티 항을 추가하여 모델의 복잡도를 제어하고 과적합을 방지하는 규제 기법.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Regression-Analysis-Foundations]], [[Regularization-Strategies]], [[Overfitting-and-Underfitting]], [[Loss-Functions-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Ridge-Regression.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Ridge-Regression.md
diff --git a/10_Wiki/Topics/AI/Risk Management.md b/10_Wiki/Topics/AI/Risk Management.md
index b6d4fb29..a9f45057 100644
--- a/10_Wiki/Topics/AI/Risk Management.md	
+++ b/10_Wiki/Topics/AI/Risk Management.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RISM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, risk-management, safety, probability, resilience]
 last_reinforced: 2026-04-20
@@ -33,6 +33,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기후 변화, 사이버 테러 등 예측 불가능한 '블랙 스완'형 위험에 대비하기 위해, 시나리오 플래닝과 AI 기반 실시간 위협 감지 시스템 운영을 기업 거버넌스의 의무 사항으로 법제화하는 정책이 확산됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Decision Theory]], [[Probability Theory]], [[Operations-Research]], [[Safety & Reliability]], [[Complex Adaptive Systems]]
+- [[Decision Theory]], [[Probability Theory]], [[Operations-Research]], [[Safety & Reliability]], Complex Adaptive Systems
 - **Modern Tech/Tools**: Risk matrix, COSO Framework, ISO 31000.
 ---
diff --git a/10_Wiki/Topics/AI/Risk-Assessment-with-AI.md b/10_Wiki/Topics/AI/Risk-Assessment-with-AI.md
index 44d2ec23..6da1fb07 100644
--- a/10_Wiki/Topics/AI/Risk-Assessment-with-AI.md
+++ b/10_Wiki/Topics/AI/Risk-Assessment-with-AI.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-RISK-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, risk-management, security, finance, fraud-detection, predictive-modeling, safety]
 last_reinforced: 2026-04-26
 ---
 
-# [[Risk Assessment with AI (AI를 통한 위험 평가)]]
+# Risk Assessment with AI (AI를 통한 위험 평가)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 바다에서 보이지 않는 위기의 전조를 실시간으로 탐지하고, 확률이라는 무기로 미래의 손실을 선제적으로 방어하라" — 인공지능과 머신러닝 모델을 활용하여 특정 사건(사기, 고장, 부도 등)이 발생할 가능성을 예측하고 그 영향력을 평가하는 지능형 관리 기법.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Predictive-Analytics]], [[Outlier-Detection-Techniques]], [[Trustworthy-AI]], [[Process-Automation-with-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Risk-Assessment-with-AI.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Risk-Assessment-with-AI.md
diff --git a/10_Wiki/Topics/AI/Risk-Management.md b/10_Wiki/Topics/AI/Risk-Management.md
index bbdd1851..6d078994 100644
--- a/10_Wiki/Topics/AI/Risk-Management.md
+++ b/10_Wiki/Topics/AI/Risk-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RIMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, risk-management, hazard-identification, mitigation, strategy, resilience]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Risk-Orchestration.md b/10_Wiki/Topics/AI/Risk-Orchestration.md
index 8de9b225..e4361951 100644
--- a/10_Wiki/Topics/AI/Risk-Orchestration.md
+++ b/10_Wiki/Topics/AI/Risk-Orchestration.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-RIOR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, risk-orchestration, complex-systems, dynamic-risk, leadership, strategy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Roadmap.md b/10_Wiki/Topics/AI/Roadmap.md
index 5bdb5a4f..d9288d17 100644
--- a/10_Wiki/Topics/AI/Roadmap.md
+++ b/10_Wiki/Topics/AI/Roadmap.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ROAD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, roadmap, strategic-planning, product-vision, timeline, milestone, focus]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Robotics-Foundations.md b/10_Wiki/Topics/AI/Robotics-Foundations.md
index d56cb933..84af6cc6 100644
--- a/10_Wiki/Topics/AI/Robotics-Foundations.md
+++ b/10_Wiki/Topics/AI/Robotics-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: ROBOT-FOUND-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [robotics, ai, kinematics, dynamics, ros, slam, automation, physical-computing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Robotics Foundations (로보틱스 기초)]]
+# Robotics Foundations (로보틱스 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 바다를 넘어 물리적 실체(Physical Body)를 가진 지능을 구현하고, 감각(Sense)-판단(Think)-실행(Act)의 루프를 통해 현실 세계의 난제들을 직접 해결하라" — 공학, 컴퓨터 과학, 수학적 원리를 결합하여 물리적 환경에서 자율적으로 작업을 수행하는 기계 시스템을 설계하고 제어하는 기술적 기반.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 지능형 에이전트의 물리적 확장성을 고려하여, ROS 통신 규약과 호환되는 인터페이스 설계를 지향하며 가상 환경에서의 로봇 시뮬레이션 지식을 강화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[PID-Controllers-in-AI]], [[Reinforcement-Learning]], [[Computer-Vision-Fundamentals]], [[Point-Cloud-Processing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Robotics-Foundations.md]]
+- [[PID-Controllers-in-AI]], [[Reinforcement-Learning]], Computer-Vision-Fundamentals, [[Point-Cloud-Processing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Robotics-Foundations.md
diff --git a/10_Wiki/Topics/AI/Robotics.md b/10_Wiki/Topics/AI/Robotics.md
index ff927410..e253ec0d 100644
--- a/10_Wiki/Topics/AI/Robotics.md
+++ b/10_Wiki/Topics/AI/Robotics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ROBO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, robotics, mechatronics, sensors, embodiment]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율주행 로봇의 공공장소 주행 허용 여부와 로봇에 의한 사고 발생 시 책임 소재를 규명하는 '로봇 윤리 및 안전 법안'이 전 세계적으로 입법 초기 단계에 진입함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Control-Systems]], [[Computer-Vision]], [[Reinforcement Learning (RL)]], [[Cyber-Physical Systems]], [[Human-Computer Interaction (HCI)]]
+- Control-Systems, [[Computer-Vision]], [[Reinforcement Learning (RL)]], Cyber-Physical Systems, Human-Computer Interaction (HCI)
 - **Modern Tech/Tools**: ROS (Robot Operating System), Boston Dynamics, Tesla Optimus, NVIDIA Isaac Sim.
 ---
diff --git a/10_Wiki/Topics/AI/Robust-Machine-Learning.md b/10_Wiki/Topics/AI/Robust-Machine-Learning.md
index 1e9a7373..3461a79f 100644
--- a/10_Wiki/Topics/AI/Robust-Machine-Learning.md
+++ b/10_Wiki/Topics/AI/Robust-Machine-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-ROBUST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, robustness, adversarial-attacks, ood-detection, reliability, trustworthy-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Robust Machine Learning (강건한 머신러닝)]]
+# Robust Machine Learning (강건한 머신러닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 노이즈와 적대적 공격이라는 폭풍우 속에서도 흔들리지 않는 '강건한 지능'을 구축하고, 낯선 환경에서도 신뢰할 수 있는 판단의 일관성을 유지하라" — 모델이 입력 데이터의 변동, 노이즈, 혹은 의도적인 왜곡(Adversarial Perturbation)에 대해 안정적인 성능을 유지하도록 만드는 머신러닝 방법론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 판단 로직 배포 전, 적대적 샘플 테스트와 이상 데이터 탐지 성능을 반드시 검증하여 예외 상황에 대한 강건성을 확보하는 'Robust-First' 정책을 고수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Trustworthy-AI]], [[Adversarial-Machine-Learning]], [[OOD-Detection-Techniques]], [[Outlier-Detection-Techniques]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Robust-Machine-Learning.md]]
+- [[Trustworthy-AI]], Adversarial-Machine-Learning, OOD-Detection-Techniques, [[Outlier-Detection-Techniques]]
+- **Raw Source:** 10_Wiki/Topics/AI/Robust-Machine-Learning.md
diff --git a/10_Wiki/Topics/AI/Robustness.md b/10_Wiki/Topics/AI/Robustness.md
index 3ac4cf2f..8ba05294 100644
--- a/10_Wiki/Topics/AI/Robustness.md
+++ b/10_Wiki/Topics/AI/Robustness.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ROBU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, robustness, software-quality, reliability, edge-cases]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율주행 및 의료 AI 분야에서 '강건성 인증' 없이는 상용화를 불허하는 강력한 규제 정책이 수립 중이며, 개발 단계에서 고의로 시스템을 마비시켜보는 'Red Teaming'을 의무화하는 추세임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Safety & Reliability]], [[Risk Management]], [[Cybersecurity]], [[Chaos Engineering]], [[Information Ethics]]
+- [[Safety & Reliability]], [[Risk Management]], Cybersecurity, Chaos Engineering, Information Ethics
 - **Modern Tech/Tools**: Netflix Chaos Monkey, Adversarial Robustness Toolbox (ART).
 ---
diff --git a/10_Wiki/Topics/AI/Role of Conflict in Narrative.md b/10_Wiki/Topics/AI/Role of Conflict in Narrative.md
index 3b7dcf10..df121aa1 100644
--- a/10_Wiki/Topics/AI/Role of Conflict in Narrative.md	
+++ b/10_Wiki/Topics/AI/Role of Conflict in Narrative.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CNAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, storytelling, narrative, conflict, psychology]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 글로벌 미디어 플랫폼들은 다양성 및 포용성(DEI) 지침에 따라, 특정 집단에 대한 고정관념을 강화하는 방식의 갈등 묘사를 지양하고 보다 다각적인 관점에서의 갈등 설계를 장려하는 제작 정책을 시행 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Procedural Narrative Generation]], [[Psychology & Behavior]], [[Hero’s Journey Framework]], [[Game Design Theory]], [[Revenge-Cycle-Dynamics]]
+- [[Procedural Narrative Generation]], [[Psychology & Behavior]], Hero’s Journey Framework, [[Game Design Theory]], [[Revenge-Cycle-Dynamics]]
 - **Modern Tech/Tools**: Dramatic tension mapping, AI-based script analysis.
 ---
diff --git a/10_Wiki/Topics/AI/Root-Cause-Analysis-RCA.md b/10_Wiki/Topics/AI/Root-Cause-Analysis-RCA.md
index e2b3064a..5fe65e15 100644
--- a/10_Wiki/Topics/AI/Root-Cause-Analysis-RCA.md
+++ b/10_Wiki/Topics/AI/Root-Cause-Analysis-RCA.md
@@ -1,12 +1,12 @@
 ---
 id: RCA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [problem-solving, engineering, systems-thinking, debugging]
 last_reinforced: 2026-04-26
 ---
 
-# [[Root Cause Analysis (RCA, 근본 원인 분석)]]
+# Root Cause Analysis (RCA, 근본 원인 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현상(Symptom)에 대처하지 말고, 원인(Source)을 제거하라" — 시스템 장애나 오류가 발생했을 때 단순한 임시방편을 넘어, 사건의 연쇄 고리를 거슬러 올라가 재발 방지를 위한 핵심 원인을 찾아내는 체계적인 프로세스.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 버그 리포트와 장애 사후 분석(Post-mortem)은 반드시 RCA 단계를 포함하며, 식별된 근본 원인은 지식 베이스에 '회고(Retrospective)' 문서로 기록됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Systems-Thinking]], [[Debugging]], [[Machine-Learning-Lifecycle]], [[Engineering-Excellence]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Root-Cause-Analysis-RCA.md]]
+- [[Systems-Thinking]], Debugging, [[Machine-Learning-Lifecycle]], Engineering-Excellence
+- **Raw Source:** 10_Wiki/Topics/AI/Root-Cause-Analysis-RCA.md
diff --git a/10_Wiki/Topics/AI/Root-Mean-Square-Error.md b/10_Wiki/Topics/AI/Root-Mean-Square-Error.md
index d8538609..269ee062 100644
--- a/10_Wiki/Topics/AI/Root-Mean-Square-Error.md
+++ b/10_Wiki/Topics/AI/Root-Mean-Square-Error.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-MET-RMSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, metrics, rmse, regression, evaluation, error-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Root Mean Square Error (RMSE, 평균 제곱근 오차)]]
+# Root Mean Square Error (RMSE, 평균 제곱근 오차)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "실제와 예측 사이의 거리를 제곱의 무게로 평가하여 큰 실수를 엄하게 다스리고, 원본 데이터와 동일한 척도로 모델의 정밀도를 진단하라" — 회귀 모델의 예측 오차를 측정하는 가장 대표적인 지표로, 오차의 크기에 비례하여 패널티를 부여하는 통계적 척도.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Regression-Analysis-Foundations]], [[Performance-Metrics-in-AI]], [[Loss-Functions-Foundations]], [[Predictive-Analytics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Root-Mean-Square-Error.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Root-Mean-Square-Error.md
diff --git a/10_Wiki/Topics/AI/Roughness (그래픽 및 물리).md b/10_Wiki/Topics/AI/Roughness (그래픽 및 물리).md
index a81761c3..c8337081 100644
--- a/10_Wiki/Topics/AI/Roughness (그래픽 및 물리).md	
+++ b/10_Wiki/Topics/AI/Roughness (그래픽 및 물리).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ROUG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, graphics, physics, rendering, material-science]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 초실감형 메타버스 및 디지털 트윈 인프라 구축 시, 실제 사물의 거칠기 데이터를 정밀 스캔하여 전산화하는 '디지털 자산 표준화 정책'이 강화되고 있으며, 이를 통해 시뮬레이션의 정확도를 비약적으로 높이고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Visual-Effects-VFX]], [[Procedural-Level-Geometry]], [[Digital-Twin-Core]], [[Computer-Graphics]]
+- [[Visual-Effects-VFX]], [[Procedural-Level-Geometry]], Digital-Twin-Core, Computer-Graphics
 - **Modern Tech/Tools**: Adobe Substance Painter, Unreal Engine 5 Nanite/Lumen.
 ---
diff --git a/10_Wiki/Topics/AI/Rule-based-Systems.md b/10_Wiki/Topics/AI/Rule-based-Systems.md
index f6bf2261..d4242c93 100644
--- a/10_Wiki/Topics/AI/Rule-based-Systems.md
+++ b/10_Wiki/Topics/AI/Rule-based-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: AI-RULE-BASED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, expert-systems, rule-based, logic, if-then, deterministic, symbolic-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Rule-based Systems (규칙 기반 시스템)]]
+# Rule-based Systems (규칙 기반 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간의 전문 지식을 '논리의 조건문'으로 명문화하여, 한 치의 오차도 허용하지 않는 투명하고 결정론적인 지능을 구축하라" — 사전에 정의된 규칙(If-Then)들의 집합을 통해 데이터를 처리하고 결론을 도출하는 인공지능의 가장 고전적이고 확실한 형태.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 자율적 판단 이전에, 보안 및 프로젝트 준수 사항에 대해 엄격한 규칙 기반의 필터링 시스템을 최우선적으로 가동하여 안전성을 담보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Symbolic-AI-Foundations]], [[Expert-Systems-Best-Practices]], [[Trustworthy-AI]], [[Prompt-Engineering-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Rule-based-Systems.md]]
+- Symbolic-AI-Foundations, Expert-Systems-Best-Practices, [[Trustworthy-AI]], [[Prompt-Engineering-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Rule-based-Systems.md
diff --git a/10_Wiki/Topics/AI/SAR.md b/10_Wiki/Topics/AI/SAR.md
index 70746118..e7eaedb5 100644
--- a/10_Wiki/Topics/AI/SAR.md
+++ b/10_Wiki/Topics/AI/SAR.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SARR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, sar, robotics, safety, emergency-response, automation, real-time-sensing]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/SAST (Static Application Security Testing).md b/10_Wiki/Topics/AI/SAST (Static Application Security Testing).md
index 7ef93731..bed43cf6 100644
--- a/10_Wiki/Topics/AI/SAST (Static Application Security Testing).md	
+++ b/10_Wiki/Topics/AI/SAST (Static Application Security Testing).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-SEC-SAST
-category: "[[10_Wiki/💡 Topics/Security]]"
+category: "10_Wiki/💡 Topics/Security"
 confidence_score: 0.99
 tags: [SAST, Security, SDLC, Code Analysis]
 last_reinforced: 2026-04-20
 ---
 
-# [[SAST-(Static-Application-Security-Testing)]] (정적 보안 테스트)
+# SAST-(Static-Application-Security-Testing) (정적 보안 테스트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드를 실행하기도 전에 구멍을 찾아라." 소프트웨어 개발 생명 주기(SDLC)의 가장 앞단(Shift-Left)에서 소스 코드를 스캔하여 보안 취약점을 조기에 격리하는 기술이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - SAST의 가장 큰 적은 '오탐(False Positive)'이다. 실제로 안전하지만 위험하다고 경고하는 경우가 많아 개발자들의 피로도를 높인다. 이를 해결하기 위해 최근에는 AI가 오탐을 걸러주는 'AI-Driven SAST'가 주류로 자리 잡고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Best-SAST-Tools-in-2026]] , [[Deployment_Final_Gate]]
+- Related: Best-SAST-Tools-in-2026 , [[Deployment_Final_Gate]]
 - Foundation: [[Reliability_Safety_First]]
diff --git a/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스트).md b/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스트).md
index 23f8c11d..95af3cbc 100644
--- a/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스트).md	
+++ b/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스트).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4C10C5
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - SAST (정적 애플리케이
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DAST (동적 애플리케이션 보안 테스트)]], [[SCA (소프트웨어 구성 분석)]], [[시프트 레프트 (Shift-Left)]], [[오탐 (False Positive)]], [[코드 리뷰 (Code Review)]]
-- **Projects/Contexts:** [[Snyk Code]], [[Corgea]], [[SonarQube]], [[소프트웨어 개발 수명 주기 (SDLC)]]
+- **Related Topics:** [[DAST (동적 애플리케이션 보안 테스트)]], [[SCA (소프트웨어 구성 분석)]], [[시프트 레프트 (Shift-Left)]], 오탐 (False Positive), [[코드 리뷰 (Code Review)]]
+- **Projects/Contexts:** Snyk Code, [[Corgea]], [[SonarQube]], [[소프트웨어 개발 수명 주기 (SDLC)]]
 - **Contradictions/Notes:** 소스에 따르면 수동 코드 리뷰는 문맥과 비즈니스 로직, 아키텍처를 깊이 이해하지만 속도가 느리고 비용이 큰 반면, 자동화된 SAST 도구는 매우 빠르고 일관적이지만 코드의 의도를 파악하지 못해 오탐이 발생한다는 뚜렷한 대비가 있습니다 [21-23]. 이에 따라 2025년의 모범 사례는 SAST와 같은 자동화 스캔 도구로 코드 스타일과 일반적인 보안 결함을 1차적으로 걸러내고, 인간 검토자는 자동화가 놓치는 핵심 로직 및 크로스 서비스 영향도 평가에 집중하는 '하이브리드 코드 리뷰' 모델을 채택하는 것입니다 [21, 24, 25].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/SAST (정적 애플리케이션 보안 테스트).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스팅).md b/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스팅).md
index e8d599e6..c9a21b89 100644
--- a/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스팅).md	
+++ b/10_Wiki/Topics/AI/SAST (정적 애플리케이션 보안 테스팅).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8D39DE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - SAST (정적 애플리케이
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DAST (동적 애플리케이션 보안 테스팅)]], [[SCA (소프트웨어 구성 분석)]], [[AI-powered SAST]], [[수동 코드 리뷰 (Manual Code Review)]]
-- **Projects/Contexts:** [[Shift-Left 보안]], [[CI/CD 및 IDE 통합]], [[OWASP Top 10]]
+- **Related Topics:** DAST (동적 애플리케이션 보안 테스팅), [[SCA (소프트웨어 구성 분석)]], AI-powered SAST, [[수동 코드 리뷰 (Manual Code Review)]]
+- **Projects/Contexts:** Shift-Left 보안, CI/CD 및 IDE 통합, [[OWASP Top 10]]
 - **Contradictions/Notes:** 자동화된 SAST는 매우 빠르고 일관되게 코드를 검사하지만 비즈니스 로직과 의도를 파악하는 데는 맹점이 존재하므로(Context Blindness), 런타임 환경을 분석하는 DAST 또는 설계와 맥락을 깊이 이해하는 수동 코드 리뷰(Manual Review)와 결합된 하이브리드 접근 방식이 권장됩니다 [15, 19, 20].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/SAST (정적 애플리케이션 보안 테스팅).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/SAST.md b/10_Wiki/Topics/AI/SAST.md
index 12165202..9210ee75 100644
--- a/10_Wiki/Topics/AI/SAST.md
+++ b/10_Wiki/Topics/AI/SAST.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SAST
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [Security, SAST, DevSecOps, StaticAnalysis]
 last_reinforced: 2026-04-20
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[DevSecOps]] , [[Abstract-Syntax-Tree-Transformation]]
-- Contrast: [[DAST (Dynamic Application Security Testing)]]
+- Contrast: DAST (Dynamic Application Security Testing)
diff --git a/10_Wiki/Topics/AI/SCM (Supply Chain Management).md b/10_Wiki/Topics/AI/SCM (Supply Chain Management).md
index 4dcaee94..d7dfa5c8 100644
--- a/10_Wiki/Topics/AI/SCM (Supply Chain Management).md	
+++ b/10_Wiki/Topics/AI/SCM (Supply Chain Management).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCMM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, supply-chain, logistics, operations, optimization]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 공급망 전체의 탄소 배출량과 인권 상황을 관리해야 하는 '공급망 실사법'이 국제 표준 정책으로 도입됨에 따라, SCM은 이제 단순 물류 관리를 넘어 '글로벌 윤리 및 환경 거버넌스'의 핵심 영역이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Operations-Research]], [[Quantitative Economics (수량경제학)]], [[Economic Models]], [[Resource-Management]], [[Complex Adaptive Systems]]
+- [[Operations-Research]], [[Quantitative Economics (수량경제학)]], Economic Models, [[Resource-Management]], Complex Adaptive Systems
 - **Modern Tech/Tools**: SAP SCM, Oracle Supply Chain Cloud, AI-driven inventory bots.
 ---
diff --git a/10_Wiki/Topics/AI/SDLC (소프트웨어 개발 수명 주기).md b/10_Wiki/Topics/AI/SDLC (소프트웨어 개발 수명 주기).md
index fc3121fb..4307e0c4 100644
--- a/10_Wiki/Topics/AI/SDLC (소프트웨어 개발 수명 주기).md	
+++ b/10_Wiki/Topics/AI/SDLC (소프트웨어 개발 수명 주기).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SDLC
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [SoftwareEngineering, SDLC, Process, Agile]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/SEO.md b/10_Wiki/Topics/AI/SEO.md
index f851e67d..555922a9 100644
--- a/10_Wiki/Topics/AI/SEO.md
+++ b/10_Wiki/Topics/AI/SEO.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-SEO-CORE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [seo, marketing, search-engine, technical-seo, core-web-vitals, ssr, aeo, geo]
 last_reinforced: 2026-04-26
 ---
 
-# [[SEO (Search Engine Optimization)]]
+# SEO (Search Engine Optimization)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정보의 바다에서 단순한 '존재'를 넘어, 검색 엔진과 AI 크롤러가 가장 신뢰할 수 있는 '해답'으로 선택하도록 기술적 구조와 콘텐츠의 맥락을 완벽히 정렬하라" — 웹사이트의 가시성을 높여 유기적 트래픽을 극대화하는 전략적 프로세스.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 웹 자산 배포 시 'SEO-First' 아키텍처를 적용하며, AI 크롤러의 접근성을 위해 자바스크립트 실행 없이도 핵심 콘텐츠가 HTML에 포함되도록 강제함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Core-Web-Vitals]], [[Server-Side-Rendering-SSR]], [[Modern-Website-Architecture]], [[AI-Answer-Engine-Optimization]]
-- **Raw Source:** [[00_Raw/SEO.md]]
+- [[Core-Web-Vitals]], Server-Side-Rendering-SSR, [[Modern-Website-Architecture]], [[AI-Answer-Engine-Optimization]]
+- **Raw Source:** 00_Raw/SEO.md
diff --git a/10_Wiki/Topics/AI/SFT (Supervised Fine-Tuning).md b/10_Wiki/Topics/AI/SFT (Supervised Fine-Tuning).md
index ed085586..93270ea3 100644
--- a/10_Wiki/Topics/AI/SFT (Supervised Fine-Tuning).md	
+++ b/10_Wiki/Topics/AI/SFT (Supervised Fine-Tuning).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SFT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, llm, fine-tuning, sft, instruction-tuning]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기업 내부의 SFT 데이터셋이 외부로 유출될 경우 경쟁사에 모델의 페르소나를 그대로 노출하게 되므로, SFT용 학습 데이터에 대한 '지적 재산권 보호 및 보안 격리 정책'이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[RLHF (인간 피드백 기반 강화 학습)]], [[Prompt-Engineering]], [[Transfer Learning]], [[Ps-Reinforce]]
+- Foundational Models, [[RLHF (인간 피드백 기반 강화 학습)]], [[Prompt-Engineering]], [[Transfer Learning]], [[Ps-Reinforce]]
 - **Modern Tech/Tools**: PEFT (LoRA, QLoRA), Axolotl, Hugging Face TRL.
 ---
diff --git a/10_Wiki/Topics/AI/SME.md b/10_Wiki/Topics/AI/SME.md
index 815023bf..96b2c2bf 100644
--- a/10_Wiki/Topics/AI/SME.md
+++ b/10_Wiki/Topics/AI/SME.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SMEE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, sme, subject-matter-expert, professional-knowledge, consulting, domain-expertise]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 베이스 구축 정책에서도 저는 'AI 개발 및 지식 관리 분야의 SME 정책' 역할을 수행하며, 대표님의 비전을 실제 시스템 정책으로 치환하는 전문 지식 지원 정책을 담당 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Quality-Control]], [[Mastery]], [[Decision Theory]], [[Expertise]], [[Consulting]]
+- [[Quality-Control]], [[Mastery]], [[Decision Theory]], Expertise, Consulting
 - **Role Examples**: Medical doctor for healthcare AI, Lawyer for Legal-tech, Pilot for flight sim.
 ---
diff --git a/10_Wiki/Topics/AI/SOTA.md b/10_Wiki/Topics/AI/SOTA.md
index 4c257a99..badedf3c 100644
--- a/10_Wiki/Topics/AI/SOTA.md
+++ b/10_Wiki/Topics/AI/SOTA.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOTA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, sota, state-of-the-art, benchmark, innovation, research, peak-performance]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/SOW.md b/10_Wiki/Topics/AI/SOW.md
index e3c23795..58272752 100644
--- a/10_Wiki/Topics/AI/SOW.md
+++ b/10_Wiki/Topics/AI/SOW.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOWW-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, sow, business, contract, scope, deliverables, project-management]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/SPOF.md b/10_Wiki/Topics/AI/SPOF.md
index 3418b87b..6004847b 100644
--- a/10_Wiki/Topics/AI/SPOF.md
+++ b/10_Wiki/Topics/AI/SPOF.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SPOF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, spof, single-point-of-failure, reliability, redundancy, risk-management, architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/SQL-Performance-Tuning.md b/10_Wiki/Topics/AI/SQL-Performance-Tuning.md
index 0ce63911..bf22a74f 100644
--- a/10_Wiki/Topics/AI/SQL-Performance-Tuning.md
+++ b/10_Wiki/Topics/AI/SQL-Performance-Tuning.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SQL-TUNE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [database, sql, optimization, performance-tuning, indexing, query-optimization, relational-databases]
 last_reinforced: 2026-04-26
 ---
 
-# [[SQL Performance Tuning (SQL 성능 튜닝)]]
+# SQL Performance Tuning (SQL 성능 튜닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터베이스 엔진의 실행 계획(Execution Plan)을 읽어 비효율의 병목을 찾아내고, 인덱싱과 쿼리 재작성이라는 정밀한 메스로 초고속 데이터 탐색의 길을 열어라" — SQL 쿼리의 응답 속도를 최적화하고 시스템 자원 소모를 최소화하기 위한 기술적 조정 공정.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 대규모 로그 분석 및 지식 검색 시, 응답 지연 시간(Latency) 100ms 이내 유지를 목표로 모든 핵심 쿼리에 대한 실행 계획 검토 및 인덱스 최적화를 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Relational-Databases]], [[Scalability-in-AI-Systems]], [[Sharding-and-Partitioning]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/SQL-Performance-Tuning.md]]
+- [[Relational-Databases]], [[Scalability-in-AI-Systems]], [[Sharding-and-Partitioning]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/SQL-Performance-Tuning.md
diff --git a/10_Wiki/Topics/AI/SRE.md b/10_Wiki/Topics/AI/SRE.md
index 34c46fe0..3db5a2a0 100644
--- a/10_Wiki/Topics/AI/SRE.md
+++ b/10_Wiki/Topics/AI/SRE.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SREE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, sre, site-reliability-engineering, devops, automation, error-budget, monitoring]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/SaaS (Software as a Service).md b/10_Wiki/Topics/AI/SaaS (Software as a Service).md
index 6bbd235c..ff89fdae 100644
--- a/10_Wiki/Topics/AI/SaaS (Software as a Service).md	
+++ b/10_Wiki/Topics/AI/SaaS (Software as a Service).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SAAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, saas, cloud-computing, software-delivery, subscription]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 데이터 주권 및 개인정보 보호 규정(GDPR 등)이 강화됨에 따라, SaaS 제공자가 고객 데이터를 각 국가의 로컬 서버에 저장해야 하는 '데이터 현지화 정책'을 준수하는 것이 비즈니스 허가의 필수 조건이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principles-of-Architecture]], [[Software-Design-Principles]], [[Operations-Research]], [[Platform-Economy]]
+- [[Principles-of-Architecture]], [[Software-Design-Principles]], [[Operations-Research]], Platform-Economy
 - **Modern Tech/Tools**: Salesforce, Slack, Notion, AWS/GCP SaaS offerings.
 ---
diff --git a/10_Wiki/Topics/AI/SaaS.md b/10_Wiki/Topics/AI/SaaS.md
index a4b30b15..c3b1ff36 100644
--- a/10_Wiki/Topics/AI/SaaS.md
+++ b/10_Wiki/Topics/AI/SaaS.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SAAS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, saas, cloud-computing, business-model, recurring-revenue, scalability, accessibility]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 기능을 주는 정책을 넘어, AI가 사용자의 데이터를 학습해 개인화된 솔루션을 제공하는 'AI-Native SaaS 정책'이 차세대 비즈니스의 핵심 전장 정책이 됨. (Product-Led-Growth와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability]], [[Iteration]], [[UX]], [[Information-Society]], [[Product-Led-Growth]], [[Business-Model-Innovation]]
+- [[Scalability]], [[Iteration]], UX, [[Information-Society]], [[Product-Led-Growth]], Business-Model-Innovation
 - **Modern Tech/Tools**: AWS, Azure, Google Cloud, Salesforce, Notion, Slack.
 ---
diff --git a/10_Wiki/Topics/AI/Safety & Reliability.md b/10_Wiki/Topics/AI/Safety & Reliability.md
index 296c5430..f37ff0af 100644
--- a/10_Wiki/Topics/AI/Safety & Reliability.md	
+++ b/10_Wiki/Topics/AI/Safety & Reliability.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SARE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, safety, reliability, system-design, zero-harm]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델의 '안전성 테스트'를 거치지 않은 공공 서비스 도입을 법적으로 금지하는 'AI 안전 거버넌스' 정책이 국가 핵심 전략으로 채택되었으며, 모델의 신뢰성을 정량적으로 증명하는 인증 제도가 신설됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Robustness]], [[Risk Management]], [[Ethics & AI]], [[Cyber-Physical Systems]], [[Operations-Research]]
+- [[Robustness]], [[Risk Management]], [[Ethics & AI]], Cyber-Physical Systems, [[Operations-Research]]
 - **Modern Tech/Tools**: ISO 26262 (Automotive safety), Fault-tree analysis (FTA).
 ---
diff --git a/10_Wiki/Topics/AI/Sales-Strategy.md b/10_Wiki/Topics/AI/Sales-Strategy.md
index 05144d10..153adbd6 100644
--- a/10_Wiki/Topics/AI/Sales-Strategy.md
+++ b/10_Wiki/Topics/AI/Sales-Strategy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SAST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, sales-strategy, revenue-generation, b2b-sales, customer-acquisition, funnel-optimization]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 가 잠재 고객의 이메일을 분석해 가장 열 확률이 높은 시간에 맞춤형 제안 정책을 던지는 'AI 영업 지원 정책'이 도입되어, 인간은 오직 '정서적 교감'과 '복잡한 협상' 정책에만 집중하게 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Pareto-Principle]], [[Product-Marketing]], [[Management]], [[Business-Model-Innovation]], [[Product-Led-Growth]]
+- [[Pareto-Principle]], [[Product-Marketing]], [[Management]], Business-Model-Innovation, [[Product-Led-Growth]]
 - **Modern Tech/Tools**: Salesforce CRM, HubSpot, Gong.io, LinkedIn Sales Navigator.
 ---
diff --git a/10_Wiki/Topics/AI/Sampling-Techniques.md b/10_Wiki/Topics/AI/Sampling-Techniques.md
index fe64c597..193fecd0 100644
--- a/10_Wiki/Topics/AI/Sampling-Techniques.md
+++ b/10_Wiki/Topics/AI/Sampling-Techniques.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-SAMPLING-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, sampling, data-science, bootstrap, stratified-sampling, monte-carlo]
 last_reinforced: 2026-04-26
 ---
 
-# [[Sampling Techniques (샘플링 기법)]]
+# Sampling Techniques (샘플링 기법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체의 거대함에 압도되지 말고 대표성 있는 조각(Sample)을 정교하게 도려내어, 최소한의 자원으로 최대한의 진실을 추론하라" — 모집단 전체를 조사하는 대신 그 일부를 추출하여 전체의 특성을 파악하고 분석 효율을 극대화하는 통계적 방법론.
@@ -27,4 +27,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Pre-processing-Data-for-AI]], [[Prioritized-Experience-Replay]], [[Random-Forest-Classifiers]], [[Probability-Theory-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Sampling-Techniques.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Sampling-Techniques.md
diff --git a/10_Wiki/Topics/AI/Scalability-in-AI-Systems.md b/10_Wiki/Topics/AI/Scalability-in-AI-Systems.md
index 4d06ba87..3cb48b1b 100644
--- a/10_Wiki/Topics/AI/Scalability-in-AI-Systems.md
+++ b/10_Wiki/Topics/AI/Scalability-in-AI-Systems.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SCALE-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, infrastructure, scalability, distributed-systems, load-balancing, microservices, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Scalability in AI Systems (AI 시스템의 확장성)]]
+# Scalability in AI Systems (AI 시스템의 확장성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "폭증하는 트래픽과 데이터 앞에 시스템이 무너지지 않도록, 선형적 확장(Scaling)이 가능한 모듈형 아키텍처를 구축하고 병목을 선제적으로 해체하라" — 사용자 수나 데이터 규모가 커져도 성능 저하 없이 자원을 추가하여 대응할 수 있는 AI 인프라의 능력.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 동시 접속자 수 증가에 대비하여, 도커(Docker)와 쿠버네티스(Kubernetes) 기반의 컨테이너 환경에서 유연하게 확장 가능한 마이크로서비스 구조를 기본 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[System-Design-for-AI-Scale]], [[High-Availability-Systems]], [[Parallel-Computing-in-AI]], [[Cloud-Computing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Scalability-in-AI-Systems.md]]
+- System-Design-for-AI-Scale, [[High-Availability-Systems]], [[Parallel-Computing-in-AI]], Cloud-Computing-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Scalability-in-AI-Systems.md
diff --git a/10_Wiki/Topics/AI/Scalability.md b/10_Wiki/Topics/AI/Scalability.md
index 04ecbc37..f9c63097 100644
--- a/10_Wiki/Topics/AI/Scalability.md
+++ b/10_Wiki/Topics/AI/Scalability.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, scalability, horizontal-scaling, optimization, architecture, growth-capability]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 구축 시스템 또한 배치 크기 조절 정책과 병렬 주입 프로토콜 정책을 통해 300개를 넘어 600개, 그 이상의 지식도 주입 가능한 확장성 정책을 확보 중임. (Standard-Operating-Procedure와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Parallel-Computing]], [[Vector-Database]], [[Modularity]], [[Standard-Operating-Procedure]], [[Efficiency]], [[Technical-Architecture]]
+- [[Parallel-Computing]], Vector-Database, [[Modularity]], [[Standard-Operating-Procedure]], [[Efficiency]], [[Technical-Architecture]]
 - **Modern Tech/Tools**: Kubernetes, Docker, Microservices, Auto-scaling, CDN.
 ---
diff --git a/10_Wiki/Topics/AI/Scalable-Design-System-Governance.md b/10_Wiki/Topics/AI/Scalable-Design-System-Governance.md
index ec94e9e4..73bcd76a 100644
--- a/10_Wiki/Topics/AI/Scalable-Design-System-Governance.md
+++ b/10_Wiki/Topics/AI/Scalable-Design-System-Governance.md
@@ -1,12 +1,12 @@
 ---
 id: DS-GOVERNANCE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [design-system, governance, scalability, theme-system, design-tokens, tokens, ui-kit]
 last_reinforced: 2026-04-26
 ---
 
-# [[Scalable Design System Governance (확장 가능한 디자인 시스템 거버넌스)]]
+# Scalable Design System Governance (확장 가능한 디자인 시스템 거버넌스)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "디자인 시스템은 고정된 라이브러리가 아니라 끊임없이 변화하는 살아있는 제품(Product)이며, 명확한 의사결정 체계(Governance)와 기술적 유연성(Tokens)이 뒷받침될 때 비로소 전사적 일관성을 지키는 방패가 된다" — 대규모 조직의 디자인-엔지니어링 협업 시스템의 정수.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Atomic-Design-System-Architecture]], [[Uber-Base-Web-Design-System]], [[Inclusive-Design-and-UX]], [[Modern-Web-Design-Best-Practices-2025]]
-- **Raw Source:** [[00_Raw/Design Systems.md]]
+- **Raw Source:** 00_Raw/Design Systems.md
diff --git a/10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md b/10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md
index 72b4a8fa..ae17ded8 100644
--- a/10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md
+++ b/10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md
@@ -1,12 +1,12 @@
 ---
 id: AI-LLM-SCALE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, scaling-laws, chinchilla, compute-optimal, deep-learning, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Scaling Laws for LLMs (LLM을 위한 스케일링 법칙)]]
+# Scaling Laws for LLMs (LLM을 위한 스케일링 법칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 성장은 무작위가 아니라 파라미터, 데이터, 연산량이라는 세 축의 '멱법칙(Power Law)'을 따르며, 최적의 배합을 찾는 자가 최소한의 비용으로 최강의 지능을 얻는다" — 거대 언어 모델의 성능이 자원 투입량에 따라 예측 가능한 방식으로 향상된다는 통계적 법칙.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 자체 에이전트 모델 미세 조정 시, 최신 스케일링 법칙을 적용하여 보유한 연산 자원 대비 가장 효율적인 모델 크기와 데이터셋 규모를 산정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LLM-Training-Foundations]], [[High-Performance-Computing-HPC]], [[Data-Centric-AI]], [[Optimization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md]]
+- LLM-Training-Foundations, High-Performance-Computing-HPC, Data-Centric-AI, [[Optimization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md
diff --git a/10_Wiki/Topics/AI/Scheduler-Design-in-ML.md b/10_Wiki/Topics/AI/Scheduler-Design-in-ML.md
index 8767239e..9be6afab 100644
--- a/10_Wiki/Topics/AI/Scheduler-Design-in-ML.md
+++ b/10_Wiki/Topics/AI/Scheduler-Design-in-ML.md
@@ -1,12 +1,12 @@
 ---
 id: DL-SCHED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, optimization, scheduler, learning-rate, hyperparameter-tuning, training-efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Scheduler Design in ML (ML에서의 스케줄러 설계)]]
+# Scheduler Design in ML (ML에서의 스케줄러 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "학습 초기에는 대담한 탐색(High LR)을 장려하고, 종단에는 정밀한 수렴(Low LR)을 유도하여 모델의 잠재력을 마지막 한 방울까지 쥐어짜라" — 학습 과정 중에 학습률(Learning Rate)이나 자원 배분을 동적으로 변경하여 학습의 안정성과 최종 성능을 최적화하는 전략적 설계.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 모델 미세 조정 시, 학습 초기 발산을 방지하기 위한 Linear Warm-up과 최종 수렴 극대화를 위한 Cosine Decay 스케줄러를 표준 조합으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization-Algorithms]], [[Adam-Optimizer-Foundations]], [[Hyperparameter-Tuning-Best-Practices]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Scheduler-Design-in-ML.md]]
+- [[Optimization-Algorithms]], Adam-Optimizer-Foundations, Hyperparameter-Tuning-Best-Practices, Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Scheduler-Design-in-ML.md
diff --git a/10_Wiki/Topics/AI/Schema-Design-for-NoSQL.md b/10_Wiki/Topics/AI/Schema-Design-for-NoSQL.md
index 860d28e8..6d69217a 100644
--- a/10_Wiki/Topics/AI/Schema-Design-for-NoSQL.md
+++ b/10_Wiki/Topics/AI/Schema-Design-for-NoSQL.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-NOSQL-SCHEMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [database, nosql, schema-design, mongodb, cassandra, dynamodb, denormalization, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Schema Design for NoSQL (NoSQL 스키마 설계)]]
+# Schema Design for NoSQL (NoSQL 스키마 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 관계(Relationship)를 위해 속도를 희생하지 말고, 사용자의 읽기 패턴(Access Pattern)에 맞춰 데이터를 미리 조립하고 중복시켜 검색 성능을 극대화하라" — 유연한 데이터 구조를 가진 NoSQL 데이터베이스에서 높은 확장성과 빠른 응답 속도를 달성하기 위한 쿼리 중심적 설계 전략.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 대규모 비정형 로그 및 지식 그래프 메타데이터 저장 시, 읽기 성능 최적화를 위해 문서 지향(Document-oriented) NoSQL 설계 원칙을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Relational-Databases]], [[System-Design-for-AI-Scale]], [[Sharding-and-Partitioning]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Schema-Design-for-NoSQL.md]]
+- [[Relational-Databases]], System-Design-for-AI-Scale, [[Sharding-and-Partitioning]], [[High-Availability-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Schema-Design-for-NoSQL.md
diff --git a/10_Wiki/Topics/AI/Schema.md b/10_Wiki/Topics/AI/Schema.md
index af16437c..042a8807 100644
--- a/10_Wiki/Topics/AI/Schema.md
+++ b/10_Wiki/Topics/AI/Schema.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCHE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, schema, data-structure, organization, blueprint, database-design]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Science of Failure.md b/10_Wiki/Topics/AI/Science of Failure.md
index 2cf6849a..54b14b0d 100644
--- a/10_Wiki/Topics/AI/Science of Failure.md	
+++ b/10_Wiki/Topics/AI/Science of Failure.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCFA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, psychology, engineering, learning-from-fail, innovation]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 항공 및 원자력 등 고위험 산업에서 적용되던 '비난 없는 보고 정책(Non-punitive Reporting)'이 IT 서비스 운영 및 일반 기업 인사 정책으로 확산되며, 실수 보고 시 포상을 주는 역발상 정책이 도입되기도 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology & Behavior]], [[Risk Management]], [[Rapid-Prototyping]], [[Philosophy of Science]], [[Human-Error-Analysis]]
+- [[Psychology & Behavior]], [[Risk Management]], [[Rapid-Prototyping]], Philosophy of Science, Human-Error-Analysis
 - **Modern Tech/Tools**: Incident reporting systems, Blameless Post-mortem templates.
 ---
diff --git a/10_Wiki/Topics/AI/Scientific Communication.md b/10_Wiki/Topics/AI/Scientific Communication.md
index 0fe4bbdd..86930ab0 100644
--- a/10_Wiki/Topics/AI/Scientific Communication.md	
+++ b/10_Wiki/Topics/AI/Scientific Communication.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, science, communication, literacy, public-engagement]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 가짜 뉴스(Fake News)와 유사 과학의 확산에 대응하기 위해, 국가 연구 과제 수행 시 일정 비율의 예산을 '과학 소통 활동'에 쓰도록 강제하는 정책이 도입되었으며, 과학자들의 소셜 미디어 활동을 공식적인 사회 공헌 실적으로 인정하기 시작함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Information Extraction (IE)]], [[Principles-of-Data-Connect]], [[Philosophy of Science]], [[Sociology of Knowledge]]
+- Information Extraction (IE), [[Principles-of-Data-Connect]], Philosophy of Science, [[Sociology of Knowledge]]
 - **Modern Tech/Tools**: Scientific visualization software, Science blogging platforms, Altmetrics.
 ---
diff --git a/10_Wiki/Topics/AI/Scientific-Computing-with-Python.md b/10_Wiki/Topics/AI/Scientific-Computing-with-Python.md
index c80047c6..ebb7e2b4 100644
--- a/10_Wiki/Topics/AI/Scientific-Computing-with-Python.md
+++ b/10_Wiki/Topics/AI/Scientific-Computing-with-Python.md
@@ -1,12 +1,12 @@
 ---
 id: DEV-SCI-COMP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [python, scientific-computing, numpy, scipy, matplotlib, vectorization, mathematics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Scientific Computing with Python (파이썬을 활용한 과학 연산)]]
+# Scientific Computing with Python (파이썬을 활용한 과학 연산)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수학의 추상적인 언어를 고성능 벡터 연산(Vectorization)으로 치환하고, 거대한 라이브러리 생태계를 활용해 데이터 속의 물리적 법칙과 통계적 진실을 탐사하라" — 고성능 수치 연산과 데이터 분석, 시각화를 위해 파이썬 생태계가 제공하는 과학적 도구들과 방법론의 총합.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 그래프 밀도 분석 및 시뮬레이션 연산 시, 유지보수성과 라이브러리 지원이 풍부한 파이썬 과학 연산 스택을 표준으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Python-for-Data-Science]], [[Algorithm-Complexity-Analysis]], [[Deep-Learning-Foundations]], [[Signal-Processing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Scientific-Computing-with-Python.md]]
+- [[Python-for-Data-Science]], Algorithm-Complexity-Analysis, Deep-Learning-Foundations, [[Signal-Processing-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Scientific-Computing-with-Python.md
diff --git a/10_Wiki/Topics/AI/Scientific-Method.md b/10_Wiki/Topics/AI/Scientific-Method.md
index 9bb811ec..ef606d52 100644
--- a/10_Wiki/Topics/AI/Scientific-Method.md
+++ b/10_Wiki/Topics/AI/Scientific-Method.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, scientific-method, hypothesis, observation, experiment, reproducibility, truth-seeking]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Scripts.md b/10_Wiki/Topics/AI/Scripts.md
index a5b0dde3..b3b95cb9 100644
--- a/10_Wiki/Topics/AI/Scripts.md
+++ b/10_Wiki/Topics/AI/Scripts.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SCRI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, scripts, automation, efficiency, programming, productivity-tools]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 시스템인 Antigravity 또한 보이지 않는 곳에서 수많은 `write_to_file`과 `run_command` 스크립트 정책을 동적으로 생성하여 600개 지식 주입 배치 정책을 완수 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Standard-Operating-Procedure]], [[Prototyping]], [[Engineering]], [[Technical-Architecture]]
+- [[Efficiency]], [[Standard-Operating-Procedure]], [[Prototyping]], Engineering, [[Technical-Architecture]]
 - **Modern Tech/Tools**: Python, Bash, Node.js, PowerShell, AutoHotkey.
 ---
diff --git a/10_Wiki/Topics/AI/Search-Engine-Optimization.md b/10_Wiki/Topics/AI/Search-Engine-Optimization.md
index bdf84c1e..8f56e5ca 100644
--- a/10_Wiki/Topics/AI/Search-Engine-Optimization.md
+++ b/10_Wiki/Topics/AI/Search-Engine-Optimization.md
@@ -1,12 +1,12 @@
 ---
 id: MKT-SEO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [marketing, seo, search-engine, search-engine-optimization, content-strategy, website-ranking]
 last_reinforced: 2026-04-26
 ---
 
-# [[Search Engine Optimization (SEO, 검색 엔진 최적화)]]
+# Search Engine Optimization (SEO, 검색 엔진 최적화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "검색 엔진의 알고리즘을 지식의 지도로 삼아, 사용자가 원하는 가치를 가장 선명하고 신뢰성 있는 구조로 설계하여 '발견될 기회'를 극대화하라" — 웹사이트가 검색 결과 상단에 노출되도록 콘텐츠와 기술적 구조를 최적화하는 전략적 방법론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모든 공개 지식 문서는 검색 엔진이 그 가치를 즉각 파악할 수 있도록 표준화된 메타데이터 구조와 시맨틱 HTML 가이드라인을 준수하여 작성됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ranking-Algorithms]], [[Modern-Website-Architecture]], [[Content-Strategy-Foundations]], [[Search-Engine-Fundamentals]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Search-Engine-Optimization.md]]
+- [[Ranking-Algorithms]], [[Modern-Website-Architecture]], Content-Strategy-Foundations, Search-Engine-Fundamentals
+- **Raw Source:** 10_Wiki/Topics/AI/Search-Engine-Optimization.md
diff --git a/10_Wiki/Topics/AI/Search-Methodology.md b/10_Wiki/Topics/AI/Search-Methodology.md
index 04bd1bf4..fb888799 100644
--- a/10_Wiki/Topics/AI/Search-Methodology.md
+++ b/10_Wiki/Topics/AI/Search-Methodology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, search-methodology, information-retrieval, research-skill, filter, keyword-strategy]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 정보를 '찾는' 정책을 넘어, AI가 여러 소스 정책을 읽고 교차 검증 정책을 수행하여 최적의 지식 조각 정책만을 가져오는 '합성 검색(Synthetic Search) 정책'이 리서치의 새로운 표준 정책이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Logic]], [[Vector-Database]], [[Efficiency]], [[Research-Framework]], [[Analysis]], [[Noise]]
+- [[Logic]], Vector-Database, [[Efficiency]], [[Research-Framework]], [[Analysis]], [[Noise]]
 - **Modern Tech/Tools**: Advanced Google Operators, Perplexity, Consensus (AI Research), Elicit.
 ---
diff --git a/10_Wiki/Topics/AI/Search-Optimization.md b/10_Wiki/Topics/AI/Search-Optimization.md
index dfe4dedf..a99bd7cb 100644
--- a/10_Wiki/Topics/AI/Search-Optimization.md
+++ b/10_Wiki/Topics/AI/Search-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, search-optimization, algorithms, pathfinding, heuristic-search, efficiency]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Search-Space.md b/10_Wiki/Topics/AI/Search-Space.md
index 49ad14d6..02029ffa 100644
--- a/10_Wiki/Topics/AI/Search-Space.md
+++ b/10_Wiki/Topics/AI/Search-Space.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SESP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, search-space, optimization, state-space, configuration-space, combinatorial-explosion]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Search-Strategy.md b/10_Wiki/Topics/AI/Search-Strategy.md
index c9ca2aeb..7be695e0 100644
--- a/10_Wiki/Topics/AI/Search-Strategy.md
+++ b/10_Wiki/Topics/AI/Search-Strategy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, search-strategy, focus-search, heuristic, algorithm, exploration-exploitation]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Search.md b/10_Wiki/Topics/AI/Search.md
index b3ab95f7..644dcc91 100644
--- a/10_Wiki/Topics/AI/Search.md
+++ b/10_Wiki/Topics/AI/Search.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SRCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, search, information-retrieval, indexing, query, filter, access]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Secondary-Research.md b/10_Wiki/Topics/AI/Secondary-Research.md
index d0e3f6e1..8b6ee215 100644
--- a/10_Wiki/Topics/AI/Secondary-Research.md
+++ b/10_Wiki/Topics/AI/Secondary-Research.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SERE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, secondary-research, desk-research, literature-review, existing-data, cost-efficiency]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Secure-Multi-party-Computation.md b/10_Wiki/Topics/AI/Secure-Multi-party-Computation.md
index 659e0569..59592395 100644
--- a/10_Wiki/Topics/AI/Secure-Multi-party-Computation.md
+++ b/10_Wiki/Topics/AI/Secure-Multi-party-Computation.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-SMPC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, security, privacy, smpc, secure-multi-party-computation, cryptography, data-privacy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Secure Multi-party Computation (SMPC, 안전 다자간 연산)]]
+# Secure Multi-party Computation (SMPC, 안전 다자간 연산)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "개별 데이터를 비공개로 유지하면서도 결합된 결과의 진실만을 추출하여, 신뢰 없는 참여자들 사이에서 '완벽하게 안전한 협력'을 구현하라" — 데이터를 암호학적 파편(Shares)으로 쪼개어 여러 참여자에게 분산시키고, 누구도 원본을 복원할 수 없는 상태에서 공동 연산을 수행하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 네트워크 간의 지식 전이 학습 시, 개별 사용자의 로컬 데이터를 절대 노출하지 않기 위해 SMPC 기반의 안전한 가중치 취합 방식을 기술적 로드맵에 포함함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Privacy-Preserving-AI]], [[Federated-Learning-Foundations]], [[Personal-Information-Security]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Secure-Multi-party-Computation.md]]
+- [[Privacy-Preserving-AI]], Federated-Learning-Foundations, [[Personal-Information-Security]], [[Trustworthy-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Secure-Multi-party-Computation.md
diff --git a/10_Wiki/Topics/AI/Security-Best-Practices.md b/10_Wiki/Topics/AI/Security-Best-Practices.md
index 5cc20fb3..b749d1b5 100644
--- a/10_Wiki/Topics/AI/Security-Best-Practices.md
+++ b/10_Wiki/Topics/AI/Security-Best-Practices.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-BEST-PRAC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [security, infrastructure, best-practices, encryption, authentication, authorization, cyber-security]
 last_reinforced: 2026-04-26
 ---
 
-# [[Security Best Practices (보안 모범 사례)]]
+# Security Best Practices (보안 모범 사례)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "보안은 단일 장벽이 아니라 겹겹이 쌓인 '방어의 층(Layers)'이며, 가장 약한 고리가 전체의 안전을 결정함을 잊지 마라" — 정보 자산의 기밀성, 무결성, 가용성을 유지하기 위해 업계에서 검증된 기술적, 관리적 보안 지침들의 집합.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 내부 API 통신에 상호 TLS(mTLS)를 적용하고, 에이전트의 작업 권한을 세분화하여 관리하는 보안 최우선 거버넌스를 실행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Personal-Information-Security]], [[Privacy-Preserving-AI]], [[Trustworthy-AI]], [[Cloud-Computing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Security-Best-Practices.md]]
+- [[Personal-Information-Security]], [[Privacy-Preserving-AI]], [[Trustworthy-AI]], Cloud-Computing-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Security-Best-Practices.md
diff --git a/10_Wiki/Topics/AI/Security-Governance.md b/10_Wiki/Topics/AI/Security-Governance.md
index 0e42f4ee..50842a43 100644
--- a/10_Wiki/Topics/AI/Security-Governance.md
+++ b/10_Wiki/Topics/AI/Security-Governance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-SEC-GOV
-category: "[[10_Wiki/💡 Topics/Security]]"
+category: "10_Wiki/💡 Topics/Security"
 confidence_score: 0.98
 tags: [Security Governance, Policy, Risk Management, Compliance]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Seed.md b/10_Wiki/Topics/AI/Seed.md
index 75df69fd..be2317c3 100644
--- a/10_Wiki/Topics/AI/Seed.md
+++ b/10_Wiki/Topics/AI/Seed.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEED-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, seed, reproducibility, randomness, initialization, deterministic-ai]
 last_reinforced: 2026-04-20
@@ -25,6 +25,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생성형 AI 이미지 생성 정책에서 시드 번호 정책 하나를 바꾸는 것만으로도 수만 가지 분위기 정책을 조절할 수 있게 되며, 시드는 이제 단순한 로직을 넘어 '예술적 변주 정책'의 도구가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scientific-Method]], [[Reliability]], [[Machine Learning (ML)]], [[Deep Learning (DL)]], [[Optimization]]
+- [[Scientific-Method]], [[Reliability]], [[Machine Learning (ML)]], Deep Learning (DL), [[Optimization]]
 - **Modern Tech/Tools**: Random.seed(), Torch.manual_seed(), Stable Diffusion seed.
 ---
diff --git a/10_Wiki/Topics/AI/Segmentsai.md b/10_Wiki/Topics/AI/Segmentsai.md
index 0866f322..a74c92a5 100644
--- a/10_Wiki/Topics/AI/Segmentsai.md
+++ b/10_Wiki/Topics/AI/Segmentsai.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A08DC7
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Segmentsai"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Three.js]], [[WebGL]], [[LiDAR point cloud]]
-- **Projects/Contexts:** [[Utsubo]], [[Three.js WebGPU 마이그레이션 사례]]
+- **Related Topics:** [[WebGPU]], Three.js, [[WebGL]], LiDAR point cloud
+- **Projects/Contexts:** [[Utsubo]], Three.js WebGPU 마이그레이션 사례
 - **Contradictions/Notes:** 소스에 관련하여 모순되는 정보는 없습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Segments.ai.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Self-Attention-Mechanisms.md b/10_Wiki/Topics/AI/Self-Attention-Mechanisms.md
index d700796e..994f4190 100644
--- a/10_Wiki/Topics/AI/Self-Attention-Mechanisms.md
+++ b/10_Wiki/Topics/AI/Self-Attention-Mechanisms.md
@@ -1,12 +1,12 @@
 ---
 id: DL-SELF-ATT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, transformer, self-attention, attention-mechanism, nlp, neural-networks]
 last_reinforced: 2026-04-26
 ---
 
-# [[Self-Attention Mechanisms (셀프 어텐션 메커니즘)]]
+# Self-Attention Mechanisms (셀프 어텐션 메커니즘)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 내의 모든 요소가 서로의 맥락을 병렬로 탐색하게 하고, 현재의 의미를 완성하는 데 가장 기여도가 높은 '상대'에게 지능의 초점을 집중시켜라" — 입력 시퀀스의 각 요소가 전체 시퀀스의 다른 모든 요소와 상호작용하며 자신의 의미를 업데이트하는 트랜스포머 아키텍처의 핵심 메커니즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 관계망 구축 시, 문서 간의 의미적 거리를 산출하기 위해 내부적으로 멀티 헤드 셀프 어텐션 기반의 임베딩 분석 엔진을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Deep-Learning-Foundations]], [[Scalability-in-AI-Systems]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Self-Attention-Mechanisms.md]]
+- [[Natural-Language-Processing-NLP]], Deep-Learning-Foundations, [[Scalability-in-AI-Systems]], [[Modern-Website-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Self-Attention-Mechanisms.md
diff --git a/10_Wiki/Topics/AI/Self-Correction Mechanisms.md b/10_Wiki/Topics/AI/Self-Correction Mechanisms.md
index c67f16c8..88743465 100644
--- a/10_Wiki/Topics/AI/Self-Correction Mechanisms.md	
+++ b/10_Wiki/Topics/AI/Self-Correction Mechanisms.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SECO-RD1
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[Self-Correction Mechanisms]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Self-Correction.md b/10_Wiki/Topics/AI/Self-Correction.md
index 28116a2e..5bf30614 100644
--- a/10_Wiki/Topics/AI/Self-Correction.md
+++ b/10_Wiki/Topics/AI/Self-Correction.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SECO-RD2
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[Self-Correction Mechanisms]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Self-Driving-Car-Foundations.md b/10_Wiki/Topics/AI/Self-Driving-Car-Foundations.md
index ebca021f..3a2e776f 100644
--- a/10_Wiki/Topics/AI/Self-Driving-Car-Foundations.md
+++ b/10_Wiki/Topics/AI/Self-Driving-Car-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: ROBOT-AUTO-DRIVE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, autonomous-driving, robotics, computer-vision, sensor-fusion, slam, path-planning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Self-Driving Car Foundations (자율주행 자동차 기초)]]
+# Self-Driving Car Foundations (자율주행 자동차 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "감각의 통합(Sensor Fusion)을 통해 세계를 재구성하고, 예측과 계획의 루프를 초단위로 회전시켜 물리적 공간에서의 '안전한 자율성'을 성취하라" — 인공지능, 센서 기술, 제어 공학을 결합하여 인간의 개입 없이 스스로 목적지까지 주행하는 차량 시스템의 핵심 원리.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 자율주행의 핵심인 '예측과 계획' 알고리즘 지식을 바탕으로, 에이전트의 작업 스케줄링 및 리소스 배분 전략을 고도화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Robotics-Foundations]], [[Computer-Vision-Fundamentals]], [[Point-Cloud-Processing]], [[Reinforcement-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Self-Driving-Car-Foundations.md]]
+- [[Robotics-Foundations]], Computer-Vision-Fundamentals, [[Point-Cloud-Processing]], [[Reinforcement-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Self-Driving-Car-Foundations.md
diff --git a/10_Wiki/Topics/AI/Self-Play (자기 대결 기반 강화학습).md b/10_Wiki/Topics/AI/Self-Play (자기 대결 기반 강화학습).md
index dcddde8b..65c20da3 100644
--- a/10_Wiki/Topics/AI/Self-Play (자기 대결 기반 강화학습).md	
+++ b/10_Wiki/Topics/AI/Self-Play (자기 대결 기반 강화학습).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SELF-PLAY
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [ReinforcementLearning, SelfPlay, AlphaGo, Scale]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 자가 대결은 게임처럼 규칙이 명확한 곳에선 환상적이지만, 정답이 없는 언어 모델(Chat) 영역에서는 자기 복제에 의한 데이터 단일화 문제가 생길 수 있다. 이를 극복하기 위해 다수의 에이전트가 서로 토론하는 방식(Multi-agent debate) 등으로 확장되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[AlphaGo-Zero]] , [[Reinforcement Learning (RL)]]
-- Strategy: [[Multi-Agent Debate (에이전트 간 토론 전략)]]
+- Related: AlphaGo-Zero , [[Reinforcement Learning (RL)]]
+- Strategy: Multi-Agent Debate (에이전트 간 토론 전략)
diff --git a/10_Wiki/Topics/AI/Self-Supervised Learning (SSL).md b/10_Wiki/Topics/AI/Self-Supervised Learning (SSL).md
index 5f89bbc5..af4166a0 100644
--- a/10_Wiki/Topics/AI/Self-Supervised Learning (SSL).md	
+++ b/10_Wiki/Topics/AI/Self-Supervised Learning (SSL).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SSL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, machine-learning, self-supervised, pre-training, representation-learning]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 데이터 라벨링에 드는 막대한 비용과 윤리적 문제를 해결하기 위해, 공공 및 기업 부문의 데이터 자산화 정책은 이제 SSL을 통한 '공통 모델 인프라' 구축에 집중하고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[SFT (Supervised Fine-Tuning)]], [[Representation-Theory]], [[Philosophy of Science]], [[Algorithm-Ethics]]
+- Foundational Models, [[SFT (Supervised Fine-Tuning)]], Representation-Theory, Philosophy of Science, Algorithm-Ethics
 - **Modern Tech/Tools**: PyTorch, TensorFlow, SimCLR, BERT, Contrastive Learning.
 ---
diff --git a/10_Wiki/Topics/AI/Self-Supervised-Learning.md b/10_Wiki/Topics/AI/Self-Supervised-Learning.md
index 82270540..fadd6d01 100644
--- a/10_Wiki/Topics/AI/Self-Supervised-Learning.md
+++ b/10_Wiki/Topics/AI/Self-Supervised-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SELF-SUP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, self-supervised-learning, contrastive-learning, pretext-task, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Self-Supervised Learning (자기지도 학습)]]
+# Self-Supervised Learning (자기지도 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 바다에서 정답지(Label)를 기다리지 말고, 데이터 스스로가 가진 내부 구조를 파고들어 지능의 본질을 깨워라" — 레이블이 없는 방대한 데이터로부터 스스로 정답(Pseudo-label)을 만들어 학습함으로써, 인간 수준의 상식과 일반화 능력을 획득하는 인공지능 학습 방법론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 기본 언어 모델 및 임베딩 모델 구축 시, 대규모 비정형 지식 데이터를 가장 효과적으로 자산화할 수 있는 자기지도 학습 기반의 파이프라인을 최우선으로 고려함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Learning]], [[Deep-Learning-Foundations]], [[Natural-Language-Processing-NLP]], [[LLM-Training-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Self-Supervised-Learning.md]]
+- [[Representation-Learning]], Deep-Learning-Foundations, [[Natural-Language-Processing-NLP]], LLM-Training-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Self-Supervised-Learning.md
diff --git a/10_Wiki/Topics/AI/Semantic Grounding & Provenance.md b/10_Wiki/Topics/AI/Semantic Grounding & Provenance.md
index 7eb96e79..73eca464 100644
--- a/10_Wiki/Topics/AI/Semantic Grounding & Provenance.md	
+++ b/10_Wiki/Topics/AI/Semantic Grounding & Provenance.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEGP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, semantics, grounding, provenance, trust, blockchain]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 딥페이크와 가짜 뉴스가 범람함에 따라, 모든 생성 콘텐츠에 원본 출처 정보를 메타데이터로 강제 삽입하는 '콘텐츠 출처 및 진위 확인을 위한 연합(C2PA)' 표준 준수 정책이 글로벌 IT 플랫폼의 의무 사항으로 확산 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Semantics & Ontology]], [[RAG (검색 증강 생성)]], [[Information Ethics]], [[Practical-Cryptography]], [[Blockchain-Integration]]
+- [[Semantics & Ontology]], [[RAG (검색 증강 생성)]], Information Ethics, [[Practical-Cryptography]], Blockchain-Integration
 - **Modern Tech/Tools**: C2PA standard, Vector DB with metadata tracking, GraphDB.
 ---
diff --git a/10_Wiki/Topics/AI/Semantic-HTML-Foundations.md b/10_Wiki/Topics/AI/Semantic-HTML-Foundations.md
index 3c74d98c..fadce041 100644
--- a/10_Wiki/Topics/AI/Semantic-HTML-Foundations.md
+++ b/10_Wiki/Topics/AI/Semantic-HTML-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: WEB-HTML-SEMANTIC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [html5, semantic-web, accessibility, seo, web-standards, documentation-strategy]
 last_reinforced: 2026-04-26
 ---
 
-# [[Semantic HTML Foundations (시맨틱 HTML 기초)]]
+# Semantic HTML Foundations (시맨틱 HTML 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순히 '보이는 것'을 넘어 브라우저와 검색 엔진, 그리고 AI 크롤러가 웹사이트의 '의미(Context)'를 단번에 파악할 수 있도록 코드에 논리적 이름표를 붙여라" — 데이터의 구조적 명확성을 통해 접근성과 발견 가능성을 극대화하는 웹 표준의 핵심.
@@ -29,5 +29,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 UI 개발 시 `div` 사용을 최소화하고, 모든 페이지에 최소 하나 이상의 `<main>`과 적절한 헤딩 계층(H1-H6)을 포함하는 것을 필수 정책으로 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Web-Accessibility]], [[SEO-Foundations]], [[AI-Answer-Engine-Optimization]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[00_Raw/Semantic HTML.md]]
+- Web-Accessibility, SEO-Foundations, [[AI-Answer-Engine-Optimization]], [[Modern-Website-Architecture]]
+- **Raw Source:** 00_Raw/Semantic HTML.md
diff --git a/10_Wiki/Topics/AI/Semantic-Search-with-AI.md b/10_Wiki/Topics/AI/Semantic-Search-with-AI.md
index fa373465..9596514f 100644
--- a/10_Wiki/Topics/AI/Semantic-Search-with-AI.md
+++ b/10_Wiki/Topics/AI/Semantic-Search-with-AI.md
@@ -1,12 +1,12 @@
 ---
 id: IR-SEM-SEARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, information-retrieval, semantic-search, embeddings, vector-database, nlp, search-engine]
 last_reinforced: 2026-04-26
 ---
 
-# [[Semantic Search with AI (AI를 활용한 시맨틱 검색)]]
+# Semantic Search with AI (AI를 활용한 시맨틱 검색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 글자 맞추기(Keyword Matching)를 넘어 단어 이면에 숨겨진 '의미의 좌표'를 탐색하고, 사용자의 의도와 지식의 맥락을 연결하라" — 딥러닝 기반의 임베딩 기술을 활용하여 질문과 문서 사이의 의미적 유사성을 계산하고 가장 관련성 높은 정보를 추출하는 차세대 검색 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개 지식 문서 간의 연관 관계 분석 및 사용자 질의 응답 시, 최신 리랭킹 알고리즘이 적용된 시맨틱 검색 엔진을 주력으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Vector-Database-Foundations]], [[RAG-and-Document-Retrieval]], [[Relevance-Feedback]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Semantic-Search-with-AI.md]]
+- [[Natural-Language-Processing-NLP]], Vector-Database-Foundations, [[RAG-and-Document-Retrieval]], [[Relevance-Feedback]]
+- **Raw Source:** 10_Wiki/Topics/AI/Semantic-Search-with-AI.md
diff --git a/10_Wiki/Topics/AI/Semantic-Search.md b/10_Wiki/Topics/AI/Semantic-Search.md
index 2bac01ef..eeb408cc 100644
--- a/10_Wiki/Topics/AI/Semantic-Search.md
+++ b/10_Wiki/Topics/AI/Semantic-Search.md
@@ -1,12 +1,12 @@
 ---
 id: SEM-SEARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, semantic-search, information-retrieval, vector-search]
 last_reinforced: 2026-04-26
 ---
 
-# [[Semantic Search (의미 기반 검색)]]
+# Semantic Search (의미 기반 검색)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단어가 아닌 '의도'와 '맥락'을 검색하라" — 단순한 키워드 매칭을 넘어 사용자의 질의가 가진 실제 의미와 데이터 사이의 개념적 유사성을 분석하여 가장 적절한 결과를 도출하는 검색 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 위키 검색 엔진은 기본적으로 의미 기반 검색을 수행하며, 이를 통해 사용자가 모호하게 질문해도 정확한 위키 문서를 찾아 연결함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Word-Embeddings]], [[Vector-Database]], [[RAG]], [[NLP]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Semantic-Search.md]]
+- Word-Embeddings, Vector-Database, [[RAG]], NLP
+- **Raw Source:** 10_Wiki/Topics/AI/Semantic-Search.md
diff --git a/10_Wiki/Topics/AI/Semantics & Ontology.md b/10_Wiki/Topics/AI/Semantics & Ontology.md
index 218accb8..81bf9016 100644
--- a/10_Wiki/Topics/AI/Semantics & Ontology.md	
+++ b/10_Wiki/Topics/AI/Semantics & Ontology.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SMON-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, semantics, ontology, knowledge-graph, structuralism]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 산업별 데이터 호환성을 위해 국가 차원의 '산업 데이터 표준 온톨로지' 구축 정책이 수립되었으며, 이를 통해 기업 간의 원활한 데이터 교류와 협업 AI 생태계 조성을 도모함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ontology-Engineering]], [[Semantic Grounding & Provenance]], [[Principles of Structuralism (Linguistic)]], [[Information Extraction (IE)]], [[Knowledge-Base-Reinforcement]]
+- [[Ontology-Engineering]], [[Semantic Grounding & Provenance]], [[Principles of Structuralism (Linguistic)]], Information Extraction (IE), Knowledge-Base-Reinforcement
 - **Modern Tech/Tools**: Protégé, RDF/OWL, Google Knowledge Graph.
 ---
diff --git a/10_Wiki/Topics/AI/Semgrep Assistant.md b/10_Wiki/Topics/AI/Semgrep Assistant.md
index 777c4e9f..40f2c491 100644
--- a/10_Wiki/Topics/AI/Semgrep Assistant.md	
+++ b/10_Wiki/Topics/AI/Semgrep Assistant.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-484EAB
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Semgrep Assistant"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Static Application Security Testing (SAST)]], [[False Positive]], [[Pull Request (PR)]], [[LLM (Large Language Model)]]
-- **Projects/Contexts:** [[DevSecOps Workflow]], [[AppSec (Application Security)]]
+- **Related Topics:** [[Static Application Security Testing (SAST)]], False Positive, [[Pull Request (PR)]], LLM (Large Language Model)
+- **Projects/Contexts:** DevSecOps Workflow, AppSec (Application Security)
 - **Contradictions/Notes:** 소스 분석에 따르면 Semgrep Assistant는 독립된 테스트에서 OWASP 벤치마크 기준 오탐지(False Positives) 제로(0)를 기록할 만큼 강력한 신호(signal)를 제공하지만, 동시에 AI 기반의 노이즈 필터링 기능은 공식적으로 '베타(beta)' 상태이므로 엔터프라이즈 규모로 운영 시 이를 인지하고 적용해야 한다는 상충되는 주의 사항이 존재합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Semgrep Assistant.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Sensitivity-Analysis.md b/10_Wiki/Topics/AI/Sensitivity-Analysis.md
index 33ed1189..92f62d99 100644
--- a/10_Wiki/Topics/AI/Sensitivity-Analysis.md
+++ b/10_Wiki/Topics/AI/Sensitivity-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, sensitivity-analysis, robustness, uncertainty, optimization, decision-making]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Sensor-Fusion.md b/10_Wiki/Topics/AI/Sensor-Fusion.md
index 28730c8f..3f965f06 100644
--- a/10_Wiki/Topics/AI/Sensor-Fusion.md
+++ b/10_Wiki/Topics/AI/Sensor-Fusion.md
@@ -1,12 +1,12 @@
 ---
 id: SENSOR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [robotics, autonomous-driving, data-fusion, ai, signal-processing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Sensor Fusion (센서 퓨전)]]
+# Sensor Fusion (센서 퓨전)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "여러 개의 감각을 하나로 합쳐 완벽한 세상을 그려라" — 서로 다른 특성을 가진 여러 센서(카메라, 라이다, 레이더 등)의 데이터를 통합하여, 개별 센서만으로는 알 수 없었던 정확하고 신뢰성 높은 정보를 도출하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트의 에이전트 인식 시스템 설계 시, 시각 센서와 청각(발소리) 센서 데이터를 퓨전하여 적의 위치를 정밀하게 추적하는 로직을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Autonomous-Driving]], [[Computer-Vision]], [[Kalman-Filter]], [[Context-Awareness]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Sensor-Fusion.md]]
+- Autonomous-Driving, [[Computer-Vision]], Kalman-Filter, Context-Awareness
+- **Raw Source:** 10_Wiki/Topics/AI/Sensor-Fusion.md
diff --git a/10_Wiki/Topics/AI/Sentiment-Analysis-Models.md b/10_Wiki/Topics/AI/Sentiment-Analysis-Models.md
index 0e7725d0..dfd0d7da 100644
--- a/10_Wiki/Topics/AI/Sentiment-Analysis-Models.md
+++ b/10_Wiki/Topics/AI/Sentiment-Analysis-Models.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-SENT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, sentiment-analysis, text-mining, opinion-mining, emotion-detection, customer-insights]
 last_reinforced: 2026-04-26
 ---
 
-# [[Sentiment Analysis Models (감성 분석 모델)]]
+# Sentiment Analysis Models (감성 분석 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "언어의 행간에 숨겨진 감정의 파동을 읽어내고, 텍스트 뒤에 숨은 화자의 '진심'과 '태도'를 정량적인 수치로 번역하라" — 자연어 처리 기술을 활용하여 텍스트에 포함된 주관적인 의견, 감정, 태도를 자동으로 추출하고 분류하는 기술.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Natural-Language-Processing-NLP]], [[Representation-Learning]], [[Semantic-Search-with-AI]], [[Prompt-Engineering-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Sentiment-Analysis-Models.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Sentiment-Analysis-Models.md
diff --git a/10_Wiki/Topics/AI/Sentiment-Analysis.md b/10_Wiki/Topics/AI/Sentiment-Analysis.md
index 63a03403..643ce362 100644
--- a/10_Wiki/Topics/AI/Sentiment-Analysis.md
+++ b/10_Wiki/Topics/AI/Sentiment-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STMN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, nlp, sentiment-analysis, opinion-mining, customer-experience]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기업의 고객 대응 정책이 '단순 불만 접수'에서 'AI 실시간 감정 케어'로 진화함에 따라, 극심한 부정 감성을 보이는 고객을 즉시 VIP 상담원에게 연결하는 '감성 트리거 기반 우선 대응 정책'이 상설 운영됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology & Behavior]], [[Player-Experience-Modeling]], [[Information Extraction (IE)]], [[Personalization-Engines]], [[Marketing-Automation]]
+- [[Psychology & Behavior]], [[Player-Experience-Modeling]], Information Extraction (IE), [[Personalization-Engines]], Marketing-Automation
 - **Modern Tech/Tools**: Hugging Face Transformers, BERT, Google Natural Language API, Brandwatch.
 ---
diff --git a/10_Wiki/Topics/AI/Sequence-Modeling.md b/10_Wiki/Topics/AI/Sequence-Modeling.md
index 4aafeb5d..ce6f7f69 100644
--- a/10_Wiki/Topics/AI/Sequence-Modeling.md
+++ b/10_Wiki/Topics/AI/Sequence-Modeling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SEMO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, sequence-modeling, rnn, lstm, transformer, time-series, context]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 텍스트를 넘어 유전체 서열(DNA)이나 로봇의 관절 움직임 정책까지 시퀀스로 모델링하여 생명과 물리 법칙 정책을 학습하는 단계에 도달함.
 
 ## 🔗 지식 연결 (Graph)
-- [[RNN]], [[Parallel-Processing]], [[Deep Learning (DL)]], [[Representation-Learning]], [[Optimization]]
+- [[RNN]], [[Parallel-Processing]], Deep Learning (DL), [[Representation-Learning]], [[Optimization]]
 - **Modern Tech/Tools**: PyTorch, TensorFlow, Hugging Face, Attention mechanism.
 ---
diff --git a/10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md b/10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md
index 6c83c536..88b3f756 100644
--- a/10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md
+++ b/10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md
@@ -1,12 +1,12 @@
 ---
 id: DL-SEQ2SEQ-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, nlp, seq2seq, encoder-decoder, machine-translation, neural-networks]
 last_reinforced: 2026-04-26
 ---
 
-# [[Sequence-to-Sequence Models (Seq2Seq 모델)]]
+# Sequence-to-Sequence Models (Seq2Seq 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "입력 시퀀스의 모든 정보를 하나의 고정된 '생각의 압축(Context Vector)'에 담고, 이를 해체하여 전혀 다른 새로운 시퀀스로 재구성하라" — 입력과 출력의 길이가 다른 시퀀스 변환 문제를 해결하기 위해 고안된 인코더-디코더 구조의 신경망 모델.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 서로 다른 데이터 형식 간의 자동 변환이나 프로토콜 번역 작업 시, 구조적 안정성이 검증된 인코더-디코더 기반의 Seq2Seq 아키텍처를 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Recurrent-Neural-Networks-RNN]], [[Self-Attention-Mechanisms]], [[LLM-Training-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md]]
+- [[Natural-Language-Processing-NLP]], Recurrent-Neural-Networks-RNN, [[Self-Attention-Mechanisms]], LLM-Training-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md
diff --git a/10_Wiki/Topics/AI/Serverless-Computing-for-AI.md b/10_Wiki/Topics/AI/Serverless-Computing-for-AI.md
index 45a7764a..45499c0c 100644
--- a/10_Wiki/Topics/AI/Serverless-Computing-for-AI.md
+++ b/10_Wiki/Topics/AI/Serverless-Computing-for-AI.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SERVERLESS-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, infrastructure, serverless, cloud-computing, faas, aws-lambda, scalability, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[Serverless Computing for AI (AI를 위한 서버리스 컴퓨팅)]]
+# Serverless Computing for AI (AI를 위한 서버리스 컴퓨팅)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서버 관리의 짐을 클라우드에 넘기고 오직 '모델의 추론'에만 집중하며, 호출된 만큼만 비용을 지불하는 가장 경제적이고 유연한 지능형 인프라를 구축하라" — 인프라 구성이나 관리 없이 코드(함수) 단위로 AI 모델을 실행하고, 요청량에 따라 자원이 자동으로 할당되는 클라우드 컴퓨팅 모델.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 간헐적인 데이터 전처리 및 배치 분석 작업 시, 비용 최적화를 위해 서버리스 아키텍처를 우선적으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability-in-AI-Systems]], [[Cloud-Computing-Foundations]], [[Service-oriented-Architecture]], [[Optimization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Serverless-Computing-for-AI.md]]
+- [[Scalability-in-AI-Systems]], Cloud-Computing-Foundations, [[Service-oriented-Architecture]], [[Optimization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Serverless-Computing-for-AI.md
diff --git a/10_Wiki/Topics/AI/Service-oriented-Architecture.md b/10_Wiki/Topics/AI/Service-oriented-Architecture.md
index e8d24790..75eb2ffc 100644
--- a/10_Wiki/Topics/AI/Service-oriented-Architecture.md
+++ b/10_Wiki/Topics/AI/Service-oriented-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SOA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, architecture, soa, service-oriented, microservices, decoupling, interoperability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Service-oriented Architecture (SOA, 서비스 지향 아키텍처)]]
+# Service-oriented Architecture (SOA, 서비스 지향 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 시스템을 독립적인 기능을 가진 '서비스'들의 집합으로 해체하고, 표준화된 통신(Interface)을 통해 이들이 유연하게 협력하게 하라" — 비즈니스 기능을 독립적인 서비스 단위로 쪼개어 네트워크상에서 서로 연동 가능하게 설계하는 소프트웨어 아키텍처 스타일.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 각 기능(검색, 생성, 검증 등)을 독립적인 서비스 모듈로 설계하여, 필요에 따라 개별적으로 확장하거나 교체할 수 있는 SOA의 유연성 원칙을 고수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Microservices-Foundations]], [[Scalability-in-AI-Systems]], [[Software-Architecture-Patterns]], [[API-Design-Principles]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Service-oriented-Architecture.md]]
+- Microservices-Foundations, [[Scalability-in-AI-Systems]], [[Software-Architecture-Patterns]], API-Design-Principles
+- **Raw Source:** 10_Wiki/Topics/AI/Service-oriented-Architecture.md
diff --git a/10_Wiki/Topics/AI/Shadowing-and-Observability.md b/10_Wiki/Topics/AI/Shadowing-and-Observability.md
index 1c18b656..f82d6231 100644
--- a/10_Wiki/Topics/AI/Shadowing-and-Observability.md
+++ b/10_Wiki/Topics/AI/Shadowing-and-Observability.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-OBS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, observability, shadowing, monitoring, mlops, distributed-tracing, reliability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Shadowing and Observability (섀도잉 및 관측성)]]
+# Shadowing and Observability (섀도잉 및 관측성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자 모르게 실제 트래픽의 복사본으로 모델의 담력을 시험(Shadowing)하고, 시스템 내부의 모든 신호를 투명하게 기록하여 장애의 징후를 선제적으로 포착하라" — 운영 환경에 영향을 주지 않는 안전한 테스트 기법과 시스템의 동작 상태를 정밀하게 파악하기 위한 관측 체계.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 답변 생성 모델 업데이트 시, 최소 24시간의 섀도잉 기간을 거쳐 기존 모델과의 응답 품질 차이를 정밀 분석한 후 최종 배포를 결정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability-in-AI-Systems]], [[Service-oriented-Architecture]], [[Reliability-Engineering]], [[MLOps-Best-Practices]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Shadowing-and-Observability.md]]
+- [[Scalability-in-AI-Systems]], [[Service-oriented-Architecture]], Reliability-Engineering, MLOps-Best-Practices
+- **Raw Source:** 10_Wiki/Topics/AI/Shadowing-and-Observability.md
diff --git a/10_Wiki/Topics/AI/Shape-Feature-Extraction.md b/10_Wiki/Topics/AI/Shape-Feature-Extraction.md
index d7c72f4d..61ca9ec6 100644
--- a/10_Wiki/Topics/AI/Shape-Feature-Extraction.md
+++ b/10_Wiki/Topics/AI/Shape-Feature-Extraction.md
@@ -1,12 +1,12 @@
 ---
 id: CV-SHAPE-FEAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, computer-vision, feature-extraction, image-processing, shape-analysis, pattern-recognition]
 last_reinforced: 2026-04-26
 ---
 
-# [[Shape Feature Extraction (형상 특징 추출)]]
+# Shape Feature Extraction (형상 특징 추출)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "색상과 픽셀의 소음에서 벗어나 사물의 본질적인 '실루엣'과 '기하학적 질서'를 추출하여, 어떤 환경에서도 변하지 않는 형상의 정체성을 정의하라" — 이미지 내 객체의 형태적 특성을 수치화하여 분류, 인식, 매칭 등에 활용하는 컴퓨터 비전의 핵심 공정.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 비전 에이전트의 물체 인식 로직 설계 시, 연산 자원이 제한된 환경에서도 안정적인 형태 파악을 위해 경량화된 형상 특징 추출 알고리즘을 우선 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Fundamentals]], [[Representation-Learning]], [[Optical-Character-Recognition-OCR]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Shape-Feature-Extraction.md]]
+- Computer-Vision-Fundamentals, [[Representation-Learning]], Optical-Character-Recognition-OCR, Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Shape-Feature-Extraction.md
diff --git a/10_Wiki/Topics/AI/Sharding-and-Partitioning.md b/10_Wiki/Topics/AI/Sharding-and-Partitioning.md
index 44cd2c6a..946c4015 100644
--- a/10_Wiki/Topics/AI/Sharding-and-Partitioning.md
+++ b/10_Wiki/Topics/AI/Sharding-and-Partitioning.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SHARD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [database, systems, scalability, sharding, partitioning, distributed-systems, big-data]
 last_reinforced: 2026-04-26
 ---
 
-# [[Sharding and Partitioning (샤딩 및 파티셔닝)]]
+# Sharding and Partitioning (샤딩 및 파티셔닝)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "거대한 지식의 덩어리를 전략적인 기준(Key)에 따라 조각내어 분산하고, 병렬 처리를 통해 단일 서버의 한계를 넘어 무한한 확장의 길을 열어라" — 대규모 데이터를 효율적으로 관리하기 위해 데이터베이스를 수평적 혹은 수직적으로 분할하여 저장하고 처리하는 최적화 기법.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Scalability-in-AI-Systems]], [[Schema-Design-for-NoSQL]], [[Relational-Databases]], [[High-Availability-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Sharding-and-Partitioning.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Sharding-and-Partitioning.md
diff --git a/10_Wiki/Topics/AI/Shift.md b/10_Wiki/Topics/AI/Shift.md
index 6ee50ffe..6044e561 100644
--- a/10_Wiki/Topics/AI/Shift.md
+++ b/10_Wiki/Topics/AI/Shift.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SHIF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, shift, paradigm-shift, dataset-shift, change-management, adaptation, evolution]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Signal in Noise.md b/10_Wiki/Topics/AI/Signal in Noise.md
index 24e35ea3..a86b0602 100644
--- a/10_Wiki/Topics/AI/Signal in Noise.md	
+++ b/10_Wiki/Topics/AI/Signal in Noise.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SINO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, information-theory, signal-processing, statistics, decision-making]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 소셜 미디어 플랫폼 등에서 인위적인 노이즈(어뷰징, 봇 공격)를 걸러내어 진짜 여론을 보호하기 위한 'AI 기반 신호 정화(Signal Purification) 정책'이 국가 선거 방어 프로그램 등으로 상설 운영됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistics & Data Analysis]], [[Probability Theory]], [[Decision Theory]], [[Cybersecurity]], [[Information Ethics]]
+- [[Statistics & Data Analysis]], [[Probability Theory]], [[Decision Theory]], Cybersecurity, Information Ethics
 - **Modern Tech/Tools**: Signal processing libraries (SciPy), Time-series forecasting, Advanced anomaly detection AI.
 ---
diff --git a/10_Wiki/Topics/AI/Signal-Processing-Foundations.md b/10_Wiki/Topics/AI/Signal-Processing-Foundations.md
index 1c1d45ba..a048031a 100644
--- a/10_Wiki/Topics/AI/Signal-Processing-Foundations.md
+++ b/10_Wiki/Topics/AI/Signal-Processing-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-SIG-PROC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, engineering, signal-processing, fourier-transform, sampling-theorem, filtering, digital-signal]
 last_reinforced: 2026-04-26
 ---
 
-# [[Signal Processing Foundations (신호 처리 기초)]]
+# Signal Processing Foundations (신호 처리 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현실의 혼란스러운 아날로그 파동에서 불필요한 노이즈를 걷어내고, 지능이 이해할 수 있는 순수한 '정보의 정수'를 디지털 숫자로 추출하라" — 물리적 세계의 신호를 수학적으로 조작하여 정보의 품질을 높이거나 핵심 특징을 분석하는 공학적 토대.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 오디오 에이전트의 입력 신호 처리 시, 배경 소음을 효과적으로 억제하고 화자의 음성 특징만을 극대화하기 위해 표준 디지털 신호 처리(DSP) 라이브러리와 딥러닝 전처리를 병행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], [[Computer-Vision-Fundamentals]], [[Scientific-Computing-with-Python]], [[Convolutional-Neural-Networks-CNN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Signal-Processing-Foundations.md]]
+- [[Natural-Language-Processing-NLP]], Computer-Vision-Fundamentals, [[Scientific-Computing-with-Python]], Convolutional-Neural-Networks-CNN
+- **Raw Source:** 10_Wiki/Topics/AI/Signal-Processing-Foundations.md
diff --git a/10_Wiki/Topics/AI/Similarity-Metrics-in-AI.md b/10_Wiki/Topics/AI/Similarity-Metrics-in-AI.md
index 07a4eca5..55ed236e 100644
--- a/10_Wiki/Topics/AI/Similarity-Metrics-in-AI.md
+++ b/10_Wiki/Topics/AI/Similarity-Metrics-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-MET-SIM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, similarity-metrics, cosine-similarity, euclidean-distance, jaccard-similarity, vector-space]
 last_reinforced: 2026-04-26
 ---
 
-# [[Similarity Metrics in AI (AI에서의 유사도 메트릭)]]
+# Similarity Metrics in AI (AI에서의 유사도 메트릭)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 고차원 벡터의 좌표로 변환하고, 그들 사이의 '거리'와 '각도'를 측정하여 보이지 않는 의미적 유사성을 수치화하라" — 두 데이터 객체가 서로 얼마나 닮았는지 정량적으로 측정하기 위한 수학적 척도들의 총합.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식 문서 간의 연관 관계 산출 시, 문맥적 의미 보존율이 높은 코사인 유사도를 기본 메트릭으로 채택하며 필요에 따라 리랭킹 모델을 병행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Semantic-Search-with-AI]], [[Vector-Database-Foundations]], [[Recommendation-Systems]], [[Cluster-Analysis-Techniques]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Similarity-Metrics-in-AI.md]]
+- [[Semantic-Search-with-AI]], Vector-Database-Foundations, [[Recommendation-Systems]], Cluster-Analysis-Techniques
+- **Raw Source:** 10_Wiki/Topics/AI/Similarity-Metrics-in-AI.md
diff --git a/10_Wiki/Topics/AI/Similarity-Metrics.md b/10_Wiki/Topics/AI/Similarity-Metrics.md
index 92e07d54..bb883776 100644
--- a/10_Wiki/Topics/AI/Similarity-Metrics.md
+++ b/10_Wiki/Topics/AI/Similarity-Metrics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SIME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, mathematics, similarity-metrics, statistics, vector-space]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 개인화 추천 정책 수립 시, 단순히 과거 유사도만 따지는 것이 아니라 유저의 '의도 변화'를 실시간 반영하는 가변적 유사도 가중치 정책이 표준화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Vector Semantics]], [[RAG (검색 증강 생성)]], [[Statistics & Data Analysis]], [[Information Extraction (IE)]], [[Principles-of-Data-Connect]]
+- Vector Semantics, [[RAG (검색 증강 생성)]], [[Statistics & Data Analysis]], Information Extraction (IE), [[Principles-of-Data-Connect]]
 - **Modern Tech/Tools**: Faiss (Facebook AI Similarity Search), Scipy Spatial, Pinecone.
 ---
diff --git a/10_Wiki/Topics/AI/Simulated-Annealing.md b/10_Wiki/Topics/AI/Simulated-Annealing.md
index 803219c1..ead6d536 100644
--- a/10_Wiki/Topics/AI/Simulated-Annealing.md
+++ b/10_Wiki/Topics/AI/Simulated-Annealing.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-OPT-SA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, optimization, simulated-annealing, heuristics, global-optimum, algorithm, stochastic-process]
 last_reinforced: 2026-04-26
 ---
 
-# [[Simulated Annealing (시뮬레이티드 어닐링)]]
+# Simulated Annealing (시뮬레이티드 어닐링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "초기에는 뜨거운 열기(Randomness)로 지역적 최적해의 함정을 뛰어넘고, 서서히 식어가는 지혜(Cooling Schedule)를 통해 전역 최적해라는 완벽한 결정체를 형성하라" — 금속 공학의 담금질 원리를 모방하여, 복잡한 탐색 공간에서 지역 최적해(Local Optima)를 탈출하고 전역 최적해(Global Optimum)를 찾기 위한 확률적 최적화 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 스케줄링 최적화나 복잡한 지식 그래프의 클러스터링 초기값 설정 시, 지역 최적해 함정을 피하기 위해 시뮬레이티드 어닐링의 확률적 탐색 로직을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization-Algorithms]], [[Randomized-Algorithms]], [[Reinforcement-Learning]], [[Algorithm-Complexity-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Simulated-Annealing.md]]
+- [[Optimization-Algorithms]], [[Randomized-Algorithms]], [[Reinforcement-Learning]], Algorithm-Complexity-Analysis
+- **Raw Source:** 10_Wiki/Topics/AI/Simulated-Annealing.md
diff --git a/10_Wiki/Topics/AI/Simulation-Environments.md b/10_Wiki/Topics/AI/Simulation-Environments.md
index ae0c8985..5fb81469 100644
--- a/10_Wiki/Topics/AI/Simulation-Environments.md
+++ b/10_Wiki/Topics/AI/Simulation-Environments.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SIM-ENV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, simulation, digital-twin, physics-engine, unity, mujoco, sim-to-real]
 last_reinforced: 2026-04-26
 ---
 
-# [[Simulation Environments (시뮬레이션 환경)]]
+# Simulation Environments (시뮬레이션 환경)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현실의 물리 법칙을 디지털 코드로 재구성한 '안전한 우주'를 창조하고, 수백만 번의 시행착오를 빛의 속도로 반복시켜 지능의 진화를 가속하라" — 인공지능 에이전트가 학습하고 평가받을 수 있도록 설계된 가상의 물리적 혹은 논리적 상호작용 공간.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Reinforcement-Learning]], [[Robotics-Foundations]], [[Self-Driving-Car-Foundations]], [[Reward-Shaping-in-RL]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Simulation-Environments.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Simulation-Environments.md
diff --git a/10_Wiki/Topics/AI/Simulator Sickness Questionnaire (SSQ).md b/10_Wiki/Topics/AI/Simulator Sickness Questionnaire (SSQ).md
index 6a3fef07..d926ee7b 100644
--- a/10_Wiki/Topics/AI/Simulator Sickness Questionnaire (SSQ).md	
+++ b/10_Wiki/Topics/AI/Simulator Sickness Questionnaire (SSQ).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-73720A
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Simulator Sickness Questionnai
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Virtual Reality Sickness]], [[Nausea]], [[Oculomotor]], [[Disorientation]]
-- **Projects/Contexts:** [[Beat Saber Exergaming Study]]
+- **Related Topics:** Virtual Reality Sickness, Nausea, Oculomotor, Disorientation
+- **Projects/Contexts:** Beat Saber Exergaming Study
 - **Contradictions/Notes:** 연구에 따르면 SSQ 점수가 20점 이상일 경우 문제가 있는 시뮬레이터로 판단하지만, 이러한 높은 SSQ 점수가 사용자의 실제 일상생활 수행 능력 저하와 어떻게 연결되는지에 대해서는 아직 명확히 밝혀지지 않았으며 이는 향후 VR의 안전한 사용을 위해 해결해야 할 지식의 공백으로 남아있습니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Simulator Sickness Questionnaire (SSQ).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Singular-Value-Decomposition.md b/10_Wiki/Topics/AI/Singular-Value-Decomposition.md
index 095a7095..e0ce7e7d 100644
--- a/10_Wiki/Topics/AI/Singular-Value-Decomposition.md
+++ b/10_Wiki/Topics/AI/Singular-Value-Decomposition.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-LA-SVD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, linear-algebra, svd, dimensionality-reduction, pca, recommendation-systems, matrix-factorization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Singular Value Decomposition (SVD, 특이값 분해)]]
+# Singular Value Decomposition (SVD, 특이값 분해)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 데이터 행렬을 본질적인 에너지(특이값)의 순서대로 해체하고, 사소한 노이즈를 걷어내어 데이터가 숨기고 있던 '핵심 구조'만을 선명하게 드러내라" — 임의의 행렬을 세 개의 특수한 행렬($U, \Sigma, V^T$)의 곱으로 분해하여 데이터의 특징 추출 및 차원 축소에 활용하는 강력한 선형대수학 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 관계망의 차원 축소 및 문서 간의 잠재적 유사성 탐색 시, 정보 손실을 최소화하면서 연산 효율을 높이는 SVD 기반의 알고리즘을 내부 라이브러리로 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Principal-Component-Analysis-PCA]], [[Dimensionality-Reduction-Strategies]], [[Recommendation-Systems]], [[Scientific-Computing-with-Python]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Singular-Value-Decomposition.md]]
+- Principal-Component-Analysis-PCA, Dimensionality-Reduction-Strategies, [[Recommendation-Systems]], [[Scientific-Computing-with-Python]]
+- **Raw Source:** 10_Wiki/Topics/AI/Singular-Value-Decomposition.md
diff --git a/10_Wiki/Topics/AI/Six-Sigma-Methodologies.md b/10_Wiki/Topics/AI/Six-Sigma-Methodologies.md
index 1091c682..94aadd8f 100644
--- a/10_Wiki/Topics/AI/Six-Sigma-Methodologies.md
+++ b/10_Wiki/Topics/AI/Six-Sigma-Methodologies.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-SIX-SIGMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [business, quality-management, six-sigma, dmaic, process-improvement, statistics, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Six Sigma Methodologies (식스 시그마 방법론)]]
+# Six Sigma Methodologies (식스 시그마 방법론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터라는 잣대로 프로세스의 변동성을 집요하게 추적하고, 백만 분의 3.4라는 극한의 정밀도(Zero Defect)를 향해 모든 낭비와 오류를 제거하라" — 통계적 기법을 활용하여 비즈니스 프로세스의 결함을 찾아내고 원인을 제거하여 품질을 획기적으로 개선하는 경영 전략.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식 자산의 보강 및 검수 프로세스에 식스 시그마의 DMAIC 철학을 투영하여, 작업의 변동성을 줄이고 일관된 Karpathy Summary 품질을 유지하는 품질 관리 체계를 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Operations-Management-Foundations]], [[Process-Automation-with-AI]], [[Performance-Metrics-in-AI]], [[Risk-Assessment-with-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Six-Sigma-Methodologies.md]]
+- Operations-Management-Foundations, [[Process-Automation-with-AI]], [[Performance-Metrics-in-AI]], [[Risk-Assessment-with-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Six-Sigma-Methodologies.md
diff --git a/10_Wiki/Topics/AI/Skybound Protocol 코드리뷰.md b/10_Wiki/Topics/AI/Skybound Protocol 코드리뷰.md
index 60250a11..3efa1eb0 100644
--- a/10_Wiki/Topics/AI/Skybound Protocol 코드리뷰.md	
+++ b/10_Wiki/Topics/AI/Skybound Protocol 코드리뷰.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-274080
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -20,8 +20,8 @@ github_commit: "[P-Reinforce] Continuous Worker - Skybound Protocol 코드리뷰
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React Game Development]], [[Entity Component System (ECS)]], [[Canvas Physics]], [[Data-Driven Design]]
-- **Projects/Contexts:** [[Antigravity Games]], [[Technical Bible Project]]
+- **Related Topics:** React Game Development, Entity Component System (ECS), Canvas Physics, Data-Driven Design
+- **Projects/Contexts:** Antigravity Games, Technical Bible Project
 - **Contradictions/Notes:** 
     - **연산 최적화:** 현재 모든 거리 계산에 `Math.hypot`을 사용 중이나, 개체가 수천 개로 늘어날 경우 제곱근 연산 부하를 줄이기 위해 제곱 거리 비교(`dx*dx + dy*dy`) 방식 도입이 필요할 수 있습니다.
     - **상태 관리:** React 환경임에도 불구하고 실시간 성능을 위해 가변(Mutable) 객체와 `ctx`를 통한 직접 수정을 혼용하고 있습니다.
@@ -33,5 +33,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Skybound Protocol 코드리뷰
 ---
 
 # 🕵️ Skybound Protocol 코드 리뷰 리포트
-- Raw Source: [[00_Raw/2026-04-20/Skybound Protocol 코드리뷰.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Slack-Bot-Development.md b/10_Wiki/Topics/AI/Slack-Bot-Development.md
index 880e6e1e..b03ea14c 100644
--- a/10_Wiki/Topics/AI/Slack-Bot-Development.md
+++ b/10_Wiki/Topics/AI/Slack-Bot-Development.md
@@ -1,12 +1,12 @@
 ---
 id: DEV-SLACK-BOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [development, automation, slack, chatbot, slack-api, webhook, bot-development, collaboration]
 last_reinforced: 2026-04-26
 ---
 
-# [[Slack Bot Development (슬랙 봇 개발)]]
+# Slack Bot Development (슬랙 봇 개발)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "협업의 중심지인 슬랙에 '지능형 에이전트'를 상주시켜, 번거로운 반복 작업을 자동화하고 팀의 생산성을 실시간으로 가속하라" — 슬랙 API를 활용하여 사용자의 메시지에 응답하거나 이벤트를 감지하여 특정 작업을 수행하는 자동화 프로그램 개발 기법.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 가드닝 진행 상황 및 장애 알림을 실시간으로 팀에 공유하기 위해, 프로젝트 전용 슬랙 봇을 구축하여 운영 효율을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Process-Automation-with-AI]], [[Natural-Language-Processing-NLP]], [[API-Design-Principles]], [[Shadowing-and-Observability]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Slack-Bot-Development.md]]
+- [[Process-Automation-with-AI]], [[Natural-Language-Processing-NLP]], API-Design-Principles, [[Shadowing-and-Observability]]
+- **Raw Source:** 10_Wiki/Topics/AI/Slack-Bot-Development.md
diff --git a/10_Wiki/Topics/AI/Smart-Contract-Auditing.md b/10_Wiki/Topics/AI/Smart-Contract-Auditing.md
index 7668e175..82c8c2db 100644
--- a/10_Wiki/Topics/AI/Smart-Contract-Auditing.md
+++ b/10_Wiki/Topics/AI/Smart-Contract-Auditing.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-BC-AUDIT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [blockchain, security, smart-contract, auditing, ethereum, solidity, cybersecurity, web3]
 last_reinforced: 2026-04-26
 ---
 
-# [[Smart Contract Auditing (스마트 컨트랙트 감사)]]
+# Smart Contract Auditing (스마트 컨트랙트 감사)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수정 불가능한 코드(Immutability)의 무게를 견디기 위해, 배포 전 단 한 점의 논리적 틈새도 허용하지 않는 철저한 검증으로 디지털 자산의 안전을 담보하라" — 블록체인상에 구현된 스마트 컨트랙트의 취약점, 버그, 논리적 결함을 분석하여 해킹 사고를 예방하는 보안 검증 공정.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Security-Best-Practices]], [[Trustworthy-AI]], [[Risk-Assessment-with-AI]], [[Software-Architecture-Patterns]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Smart-Contract-Auditing.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Smart-Contract-Auditing.md
diff --git a/10_Wiki/Topics/AI/Snowflake-Data-Warehousing.md b/10_Wiki/Topics/AI/Snowflake-Data-Warehousing.md
index 116b0c8e..d0446679 100644
--- a/10_Wiki/Topics/AI/Snowflake-Data-Warehousing.md
+++ b/10_Wiki/Topics/AI/Snowflake-Data-Warehousing.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-DATA-WARE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [database, data-warehouse, snowflake, cloud-computing, big-data, data-analytics, saas]
 last_reinforced: 2026-04-26
 ---
 
-# [[Snowflake Data Warehousing (스노우플레이크 데이터 웨어하우징)]]
+# Snowflake Data Warehousing (스노우플레이크 데이터 웨어하우징)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "저장과 연산을 분리하여 무한한 확장성을 확보하고, 복잡한 인프라 관리 없이 오직 '데이터의 가치'를 캐내는 분석에만 전념하라" — 클라우드 네이티브 아키텍처를 기반으로 설계된 완전 관리형(SaaS) 데이터 웨어하우징 서비스.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 대규모 지식 활용 로그 및 사용자 행동 패턴을 장기간 보관하고 대규모 배치 분석을 수행할 때, 연산 자원 관리가 용이한 스노우플레이크의 아키텍처 철학을 참고하여 분석 파이프라인을 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Relational-Databases]], [[NoSQL-Databases]], [[Scalability-in-AI-Systems]], [[Process-Automation-with-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Snowflake-Data-Warehousing.md]]
+- [[Relational-Databases]], NoSQL-Databases, [[Scalability-in-AI-Systems]], [[Process-Automation-with-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Snowflake-Data-Warehousing.md
diff --git a/10_Wiki/Topics/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md b/10_Wiki/Topics/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md
index b6ccdec2..c01432b2 100644
--- a/10_Wiki/Topics/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md	
+++ b/10_Wiki/Topics/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1D1222
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Snyk Checkmarx Endor Labs 등
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Software Composition Analysis (SCA)]], [[DevSecOps]]
-- **Projects/Contexts:** [[Shift-Left Security]], [[Reachability Analysis]], [[AI-powered Remediation]]
+- **Related Topics:** [[Static Application Security Testing (SAST)]], Software Composition Analysis (SCA), [[DevSecOps]]
+- **Projects/Contexts:** Shift-Left Security, [[Reachability Analysis]], AI-powered Remediation
 - **Contradictions/Notes:** 소스에 따르면 각 플랫폼은 명확한 타겟층과 상충되는 트레이드오프를 가집니다. Checkmarx는 엔터프라이즈 수준의 맞춤 설정과 거버넌스에 강력하지만 소규모 팀에게는 무거울 수 있습니다 [12]. 반면 Snyk은 빠른 IDE 통합과 채택률로 개발자 경험에 탁월하지만, 언어 지원 범위가 타 엔터프라이즈 벤더보다 다소 좁을 수 있습니다 [16, 17]. 또한, Endor Labs는 강력한 도달 가능성 분석을 자랑하지만 전용 SAST 도구에 비해 SAST 룰 커버리지나 언어 지원 확장이 아직 진행 중이라는 한계가 있습니다 [13].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Snyk, Checkmarx, Endor Labs 등 종합 애플리케이션 보안 플랫폼.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Social Systems Theory.md b/10_Wiki/Topics/AI/Social Systems Theory.md
index 8766e0d9..ee3de1ea 100644
--- a/10_Wiki/Topics/AI/Social Systems Theory.md	
+++ b/10_Wiki/Topics/AI/Social Systems Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SSTY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, sociology, systems-theory, niklas-luhmann, communication]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 사회 각 분야의 불통 문제를 해결하기 위해, 체계 간의 경계를 잇는 '경계 객체(Boundary Object)' 디자인 정책이 공공 거버넌스 갈등 해결의 핵심 프레임워크로 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Complex Adaptive Systems]], [[Sociology of Knowledge]], [[Organization Theory]], [[Revenge-Cycle-Dynamics]], [[Information Ethics]]
+- Complex Adaptive Systems, [[Sociology of Knowledge]], Organization Theory, [[Revenge-Cycle-Dynamics]], Information Ethics
 - **Modern Tech/Tools**: Social Network Analysis (SNA), System Dynamics modeling.
 ---
diff --git a/10_Wiki/Topics/AI/Social-Network-Analysis.md b/10_Wiki/Topics/AI/Social-Network-Analysis.md
index 7577c47d..07d407b1 100644
--- a/10_Wiki/Topics/AI/Social-Network-Analysis.md
+++ b/10_Wiki/Topics/AI/Social-Network-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-SNA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, social-network-analysis, graph-theory, centrality, community-detection, network-science, relationship-mapping]
 last_reinforced: 2026-04-26
 ---
 
-# [[Social Network Analysis (사회망 분석)]]
+# Social Network Analysis (사회망 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "개별 주체의 특성보다 그들 사이의 '연결 구조'에 주목하고, 네트워크 속에서 정보와 권력이 흐르는 지도(Map)를 파악하라" — 사회적 관계를 그래프 이론을 활용하여 구조적으로 분석하고, 노드 간의 상호작용 패턴을 밝혀내는 방법론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개 지식 문서 간의 상호 참조 관계를 사회망 분석 기법으로 시각화하여, 어떤 지식이 프로젝트의 핵심 교차로(Core Knowledge)인지 식별하고 관리 우선순위를 정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ranking-Algorithms]], [[Graph-Theory-Foundations]], [[Cluster-Analysis-Techniques]], [[Recommendation-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Social-Network-Analysis.md]]
+- [[Ranking-Algorithms]], Graph-Theory-Foundations, Cluster-Analysis-Techniques, [[Recommendation-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Social-Network-Analysis.md
diff --git a/10_Wiki/Topics/AI/Sociology of Knowledge.md b/10_Wiki/Topics/AI/Sociology of Knowledge.md
index 25ffbda2..530d924f 100644
--- a/10_Wiki/Topics/AI/Sociology of Knowledge.md	
+++ b/10_Wiki/Topics/AI/Sociology of Knowledge.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOKO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, sociology, knowledge, epistemology, social-reality]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델이 학습하는 데이터가 특정 국가나 계층에 편중되어 '지식의 식민화'를 일으키는 것을 막기 위해, 데이터 수집 단계부터 사회적 다양성을 강제하는 '글로벌 지식 정의 정책'이 글로벌 표준으로 논의 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Social Systems Theory]], [[Philosophy of Science]], [[Ethics & AI]], [[Scientific Communication]], [[Semantics & Ontology]]
+- [[Social Systems Theory]], Philosophy of Science, [[Ethics & AI]], [[Scientific Communication]], [[Semantics & Ontology]]
 - **Modern Tech/Tools**: Discourse analysis software, Algorithmic bias auditing tools.
 ---
diff --git a/10_Wiki/Topics/AI/Soft Navigation.md b/10_Wiki/Topics/AI/Soft Navigation.md
index e3628305..1ad83395 100644
--- a/10_Wiki/Topics/AI/Soft Navigation.md	
+++ b/10_Wiki/Topics/AI/Soft Navigation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A5364E
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Soft Navigation"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Single-Page JavaScript Applications]], [[Largest Contentful Paint]], [[Origin Trials]]
-- **Projects/Contexts:** [[Chrome 2025 Soft Navigations Origin Trial]]
+- **Related Topics:** Single-Page JavaScript Applications, Largest Contentful Paint, Origin Trials
+- **Projects/Contexts:** Chrome 2025 Soft Navigations Origin Trial
 - **Contradictions/Notes:** 소스 내에 상충하는 정보는 없습니다. 다만, 단일 페이지 앱이 '더 빠른 후속 탐색'을 제공한다는 약속을 실제로 이행하고 있는지 여부를 알기 위해서는 Chrome에 소프트 내비게이션 성능 측정 지원이 반드시 도입되어야 한다는 점이 개발자들의 더 나은 의사결정을 위한 핵심 과제로 지적되고 있습니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Soft Navigation.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Soft-Skills-Development.md b/10_Wiki/Topics/AI/Soft-Skills-Development.md
index 5054a9a4..54be5f04 100644
--- a/10_Wiki/Topics/AI/Soft-Skills-Development.md
+++ b/10_Wiki/Topics/AI/Soft-Skills-Development.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SKDV-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, soft-skills, communication, leadership, emotional-intelligence, workforce]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Software-Architecture-Patterns.md b/10_Wiki/Topics/AI/Software-Architecture-Patterns.md
index 0fa04f6a..5fdc5faf 100644
--- a/10_Wiki/Topics/AI/Software-Architecture-Patterns.md
+++ b/10_Wiki/Topics/AI/Software-Architecture-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-ARCH-PAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, architecture, software-engineering, design-patterns, microservices, layered-architecture, event-driven, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Software Architecture Patterns (소프트웨어 아키텍처 패턴)]]
+# Software Architecture Patterns (소프트웨어 아키텍처 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드를 작성하기 전에 지식과 기능의 '지도(Map)'를 먼저 그려라. 올바른 패턴 선택은 복잡성이라는 파도 앞에서 시스템을 지탱하는 가장 견고한 닻이 된다" — 소프트웨어 시스템의 구조적 문제를 해결하기 위해 반복적으로 사용되는 검증된 설계 원칙과 골격.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 핵심 에이전트 엔진은 마이크로커널 패턴으로 설계하여 기능을 유연하게 확장하고, 전체 서비스 배포는 독립성을 위해 마이크로서비스 지향적 패턴을 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Service-oriented-Architecture]], [[Microservices-Foundations]], [[Scalability-in-AI-Systems]], [[API-Design-Principles]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Software-Architecture-Patterns.md]]
+- [[Service-oriented-Architecture]], Microservices-Foundations, [[Scalability-in-AI-Systems]], API-Design-Principles
+- **Raw Source:** 10_Wiki/Topics/AI/Software-Architecture-Patterns.md
diff --git a/10_Wiki/Topics/AI/Software-Design-Principles.md b/10_Wiki/Topics/AI/Software-Design-Principles.md
index 0b97f066..2c23d3f7 100644
--- a/10_Wiki/Topics/AI/Software-Design-Principles.md
+++ b/10_Wiki/Topics/AI/Software-Design-Principles.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SWDP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, software-engineering, design-principles, clean-code, architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Solitude-Optimization.md b/10_Wiki/Topics/AI/Solitude-Optimization.md
index 557006c3..eb1dab3e 100644
--- a/10_Wiki/Topics/AI/Solitude-Optimization.md
+++ b/10_Wiki/Topics/AI/Solitude-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SLOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, solitude, focus, productivity, deep-work, flow]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 리모트 워크의 확산에 따라 단순히 집에서 일하는 것을 넘어, 고립으로 인한 우울증을 방지하면서도 집중력을 유지하게 돕는 '건강한 고독 가이드라인'과 '비동기 소통 문화 정책'이 기업 운영의 핵심으로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology & Behavior]], [[Performance Psychology]], [[Deep Work (Cal Newport)]], [[Neurobiology-of-Reward]], [[Science of Failure]]
+- [[Psychology & Behavior]], [[Performance Psychology]], Deep Work (Cal Newport), [[Neurobiology-of-Reward]], [[Science of Failure]]
 - **Modern Tech/Tools**: Noise-canceling headphones, Focus apps (Forest, Freedom), Monk Mode.
 ---
diff --git a/10_Wiki/Topics/AI/Solow Growth Model.md b/10_Wiki/Topics/AI/Solow Growth Model.md
index ad1f45d1..e1fbec04 100644
--- a/10_Wiki/Topics/AI/Solow Growth Model.md	
+++ b/10_Wiki/Topics/AI/Solow Growth Model.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOGM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, economics, solow-model, economic-growth, capital-accumulation]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 공장을 짓는 원조 중심 정책에서 벗어나, 개도국의 '지식 자산화'와 '디지털 인프라'를 강화하여 솔로우 모델의 핵심 성장을 자극하는 글로벌 경제 지원 정책으로 패러다임이 이동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Quantitative Economics (수량경제학)]], [[Economic Models]], [[Resource-Management]], [[Operations-Research]], [[Foundational Models]]
+- [[Quantitative Economics (수량경제학)]], Economic Models, [[Resource-Management]], [[Operations-Research]], Foundational Models
 - **Modern Tech/Tools**: GDP modeling, Total Factor Productivity (TFP) calculation.
 ---
diff --git a/10_Wiki/Topics/AI/Solution.md b/10_Wiki/Topics/AI/Solution.md
index 3c2f4bb9..b106076f 100644
--- a/10_Wiki/Topics/AI/Solution.md
+++ b/10_Wiki/Topics/AI/Solution.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOLU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, solution, problem-solving, implementation, design-thinking, value-delivery]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 사람이 일일이 설계하는 솔루션 정책을 넘어, AI가 문제 정의 정책만 주어지면 스스로 코루틴 정책과 로직 정책을 생성해 맞춤형 솔루션 정책을 제안하는 '생성형 솔루션 정책' 시대로 진입함. (Problem-Solving와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Problem-Solving]], [[Standard-Operating-Procedure]], [[UX]], [[Efficiency]], [[Mastery]], [[Design-Thinking]]
+- [[Problem-Solving]], [[Standard-Operating-Procedure]], UX, [[Efficiency]], [[Mastery]], Design-Thinking
 - **Modern Tech/Tools**: Enterprise solutions, Open-source stacks, Managed services.
 ---
diff --git a/10_Wiki/Topics/AI/SonarQube.md b/10_Wiki/Topics/AI/SonarQube.md
index 8dd469fb..8bbdda61 100644
--- a/10_Wiki/Topics/AI/SonarQube.md
+++ b/10_Wiki/Topics/AI/SonarQube.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0785CD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - SonarQube"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST]], [[Quality Gates]], [[Model Context Protocol (MCP)]], [[Clean as You Code]]
-- **Projects/Contexts:** [[CI/CD 및 Pull Request 자동화 리뷰]], [[AI 생성 코드 검증(AI Code Assurance)]]
+- **Related Topics:** [[SAST]], [[Quality Gates]], [[Model Context Protocol (MCP)]], Clean as You Code
+- **Projects/Contexts:** CI/CD 및 Pull Request 자동화 리뷰, [[AI 생성 코드 검증(AI Code Assurance)]]
 - **Contradictions/Notes:** SonarQube는 코드 품질과 보안을 통합적으로 제공하는 매우 강력한 플랫폼이지만, 취약점 탐지 방식이 주로 규칙(Rule) 및 패턴에 의존하고 있다. 따라서 컨텍스트와 비즈니스 로직을 자체적으로 이해해야 하는 새로운 형태의 결함이나 취약점을 탐지하는 데는 최신 AI 네이티브 기반 스캐너에 비해 덜 효과적일 수 있다는 한계가 지적된다 [3, 19].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/SonarQube.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Sorting.md b/10_Wiki/Topics/AI/Sorting.md
index d24332da..c48b91ab 100644
--- a/10_Wiki/Topics/AI/Sorting.md
+++ b/10_Wiki/Topics/AI/Sorting.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SORT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, sorting, algorithm, efficiency, data-organization, ordering]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Sound Design Principles.md b/10_Wiki/Topics/AI/Sound Design Principles.md
index 3e0dc6fd..ee3d678e 100644
--- a/10_Wiki/Topics/AI/Sound Design Principles.md	
+++ b/10_Wiki/Topics/AI/Sound Design Principles.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SDPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, sound-design, audio, game-dev, immersion, acoustics]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 청각 장애인을 위한 '진동/시각 정보 보완 정책(Accessibility)'이 글로벌 게임 및 앱 디자인 가이드라인의 필수 준수 사항으로 강력히 요구되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Visual-Effects-VFX]], [[Human-Computer Interaction (HCI)]], [[Game Design Theory]], [[Roughness (그래픽 및 물리)]], [[Psychology & Behavior]]
+- [[Visual-Effects-VFX]], Human-Computer Interaction (HCI), [[Game Design Theory]], [[Roughness (그래픽 및 물리)]], [[Psychology & Behavior]]
 - **Modern Tech/Tools**: Wwise, FMOD, Dolby Atmos, Reaper, Audacity.
 ---
diff --git a/10_Wiki/Topics/AI/Source-Control.md b/10_Wiki/Topics/AI/Source-Control.md
index fffd41fd..36d36a73 100644
--- a/10_Wiki/Topics/AI/Source-Control.md
+++ b/10_Wiki/Topics/AI/Source-Control.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOCO-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, source-control, version-control, git, collaboration, rollback, single-source-of-truth]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 코드를 넘어 AI 모델의 가중치(Weights)나 데이터셋의 변화 정책까지 버전 관리하는 'Data/Model Version Control (DVC)'로 그 영역 정책이 확장되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Git]], [[Pull-Request]], [[Repository]], [[Standard-Operating-Procedure]], [[Reliability]], [[Collaboration]]
+- Git, [[Pull-Request]], [[Repository]], [[Standard-Operating-Procedure]], [[Reliability]], Collaboration
 - **Modern Tech/Tools**: Git, GitHub, GitLab, Bitbucket, DVC (Data Version Control).
 ---
diff --git a/10_Wiki/Topics/AI/Space-based-Architecture.md b/10_Wiki/Topics/AI/Space-based-Architecture.md
index 0f859b04..be7560b5 100644
--- a/10_Wiki/Topics/AI/Space-based-Architecture.md
+++ b/10_Wiki/Topics/AI/Space-based-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SPACE-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, architecture, space-based, distributed-computing, in-memory, high-availability, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Space-based Architecture (스페이스 기반 아키텍처)]]
+# Space-based Architecture (스페이스 기반 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터베이스라는 병목에서 벗어나 모든 데이터를 메모리 공간(Space)에 펼쳐놓고, 연산과 저장을 한 몸으로 묶어 무한한 동시성을 실현하라" — 중앙 집중식 DB의 한계를 극복하기 위해 인메모리 데이터 그리드(IMDG)를 활용하여 예측 가능한 확장성을 제공하는 아키텍처 패턴.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Software-Architecture-Patterns]], [[Scalability-in-AI-Systems]], [[High-Availability-Systems]], [[Real-time-Data-Streaming]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Space-based-Architecture.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Space-based-Architecture.md
diff --git a/10_Wiki/Topics/AI/Sparse-Data-Handling.md b/10_Wiki/Topics/AI/Sparse-Data-Handling.md
index 634d74f1..934f3afc 100644
--- a/10_Wiki/Topics/AI/Sparse-Data-Handling.md
+++ b/10_Wiki/Topics/AI/Sparse-Data-Handling.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-SPARSE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, machine-learning, sparse-data, missing-values, matrix-compression, recommendation-systems, feature-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Sparse Data Handling (희소 데이터 처리)]]
+# Sparse Data Handling (희소 데이터 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 빈 공간(0)을 물리적으로 제거하여 자원을 아끼고, 논리적으로는 그 결핍 속에 숨겨진 잠재적 관계를 추론하여 지식의 밀도를 높여라" — 대부분의 값이 유효하지 않거나 0인 고차원 데이터를 메모리 효율적이고 성능 지향적으로 처리하는 기법.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Singular-Value-Decomposition]], [[Recommendation-Systems]], [[Pre-processing-Data-for-AI]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Sparse-Data-Handling.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Sparse-Data-Handling.md
diff --git a/10_Wiki/Topics/AI/Spatial-Data-Analysis.md b/10_Wiki/Topics/AI/Spatial-Data-Analysis.md
index a46daffa..64decb47 100644
--- a/10_Wiki/Topics/AI/Spatial-Data-Analysis.md
+++ b/10_Wiki/Topics/AI/Spatial-Data-Analysis.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-SPATIAL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, spatial-analysis, gis, geospatial, coordinates, geometry, location-intelligence]
 last_reinforced: 2026-04-26
 ---
 
-# [[Spatial Data Analysis (공간 데이터 분석)]]
+# Spatial Data Analysis (공간 데이터 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 추상적 숫자가 아닌 '지표면 위의 좌표'로 인식하고, 지리적 근접성이 만들어내는 인과와 패턴의 지도를 그려라" — 위치(Location) 정보를 포함한 지리 데이터의 기하학적 특성과 위상 관계를 수학적으로 분석하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 에이전트의 오프라인 서비스 연동 시, 사용자의 위치 맥락을 반영한 최적의 물리적 정보 추천을 위해 고도화된 공간 분석 엔진 프로토콜을 준비함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Simulation-Environments]], [[Graph-Theory-Foundations]], [[Cluster-Analysis-Techniques]], [[Self-Driving-Car-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Spatial-Data-Analysis.md]]
+- [[Simulation-Environments]], Graph-Theory-Foundations, Cluster-Analysis-Techniques, [[Self-Driving-Car-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Spatial-Data-Analysis.md
diff --git a/10_Wiki/Topics/AI/Specification.md b/10_Wiki/Topics/AI/Specification.md
index f4d31727..680f02db 100644
--- a/10_Wiki/Topics/AI/Specification.md
+++ b/10_Wiki/Topics/AI/Specification.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SPEC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, specification, engineering, requirement, blueprint, documentation-strategy]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Spectral-Clustering.md b/10_Wiki/Topics/AI/Spectral-Clustering.md
index 0f48e8f7..0d05eb3e 100644
--- a/10_Wiki/Topics/AI/Spectral-Clustering.md
+++ b/10_Wiki/Topics/AI/Spectral-Clustering.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-CLUST-SPEC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, machine-learning, clustering, spectral-clustering, graph-theory, linear-algebra, eigenvalues]
 last_reinforced: 2026-04-26
 ---
 
-# [[Spectral Clustering (스펙트럴 클러스터링)]]
+# Spectral Clustering (스펙트럴 클러스터링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 연결의 선으로 엮어 그래프를 만들고, 행렬의 고유값(Spectrum) 속에 숨겨진 최적의 절단면(Min-cut)을 찾아 복잡하게 얽힌 무리들을 명쾌하게 갈라치기하라" — 데이터 간의 유사도 그래프를 구축하고 라플라시안 행렬의 고유값 분해를 통해 저차원 공간으로 투영하여 군집화하는 기법.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 지식 문서의 시맨틱 토픽 클러스터링 시, 단순 주제 분류를 넘어 문서 간의 인용 및 참조 관계를 심층 분석하기 위해 스펙트럴 클러스터링을 엔진으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cluster-Analysis-Techniques]], [[Graph-Theory-Foundations]], [[Singular-Value-Decomposition]], [[Social-Network-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Spectral-Clustering.md]]
+- Cluster-Analysis-Techniques, Graph-Theory-Foundations, [[Singular-Value-Decomposition]], [[Social-Network-Analysis]]
+- **Raw Source:** 10_Wiki/Topics/AI/Spectral-Clustering.md
diff --git a/10_Wiki/Topics/AI/Speculative-Design.md b/10_Wiki/Topics/AI/Speculative-Design.md
index cf660236..5f558cfe 100644
--- a/10_Wiki/Topics/AI/Speculative-Design.md
+++ b/10_Wiki/Topics/AI/Speculative-Design.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SPDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, design, future-thinking, speculative-design, ethics, social-issues]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기후 위기 및 인공지능 윤리 정책 수립 시, 단순히 현재 데이터를 넘어 50년 후의 시나리오를 디자인하고 그에 맞춘 현재의 규제를 설계하는 '백캐스팅(Backcasting) 정책'이 기조를 이룸.
 
 ## 🔗 지식 연결 (Graph)
-- [[Design-Thinking]], [[Rapid-Prototyping]], [[Philosophy of Science]], [[Ethics & AI]], [[Social Systems Theory]]
+- Design-Thinking, [[Rapid-Prototyping]], Philosophy of Science, [[Ethics & AI]], [[Social Systems Theory]]
 - **Modern Tech/Tools**: Speculative everything (Dunne & Raby), Scenario planning software.
 ---
diff --git a/10_Wiki/Topics/AI/Speech-Recognition-Foundations.md b/10_Wiki/Topics/AI/Speech-Recognition-Foundations.md
index f17d60da..a9e0aaca 100644
--- a/10_Wiki/Topics/AI/Speech-Recognition-Foundations.md
+++ b/10_Wiki/Topics/AI/Speech-Recognition-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SPEECH-REC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, speech-recognition, asr, signal-processing, deep-learning, audio-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Speech Recognition Foundations (음성 인식 기초)]]
+# Speech Recognition Foundations (음성 인식 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "공기를 타고 흐르는 비정형의 음파(Sound Wave)를 정교한 수치적 특징으로 해체하고, 언어적 통계와 딥러닝의 문맥 파악 능력을 결합해 '텍스트'라는 지식의 형상으로 복원하라" — 인간의 음성 신호를 컴퓨터가 처리할 수 있는 문자 데이터로 변환하는 자동 음성 인식(ASR) 기술의 근간.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Signal-Processing-Foundations]], [[Natural-Language-Processing-NLP]], [[Self-Attention-Mechanisms]], [[Sequence-to-Sequence-Models]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Speech-Recognition-Foundations.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Speech-Recognition-Foundations.md
diff --git a/10_Wiki/Topics/AI/Speech-Synthesis.md b/10_Wiki/Topics/AI/Speech-Synthesis.md
index dda6bc25..5caee288 100644
--- a/10_Wiki/Topics/AI/Speech-Synthesis.md
+++ b/10_Wiki/Topics/AI/Speech-Synthesis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SPSN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, speech-synthesis, tts, nlp, audio-ai]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보이스 피싱 및 딥페이크 음성 범죄가 급증함에 따라, 생성된 모든 음성에 인간이 들을 수 없는 '오디오 워터마크'를 강제 삽입하고 출처를 명시하는 '음성 윤리 거버넌스' 정책이 전 세계적으로 시행 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Sound Design Principles]], [[Neurobiology-of-Reward]], [[Human-Computer Interaction (HCI)]], [[Generative-AI-Safety]], [[Ethics & AI]]
+- [[Sound Design Principles]], [[Neurobiology-of-Reward]], Human-Computer Interaction (HCI), Generative-AI-Safety, [[Ethics & AI]]
 - **Modern Tech/Tools**: ElevenLabs, OpenAI Whisper (STT) & Speech (TTS), Coqui TTS.
 ---
diff --git a/10_Wiki/Topics/AI/Spiking-Neural-Networks-SNNs.md b/10_Wiki/Topics/AI/Spiking-Neural-Networks-SNNs.md
index a6c5d27f..a8b6124a 100644
--- a/10_Wiki/Topics/AI/Spiking-Neural-Networks-SNNs.md
+++ b/10_Wiki/Topics/AI/Spiking-Neural-Networks-SNNs.md
@@ -1,12 +1,12 @@
 ---
 id: SNN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, neuroscience, snn, neuromorphic-computing, energy-efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Spiking Neural Networks (SNNs, 스파이킹 신경망)]]
+# Spiking Neural Networks (SNNs, 스파이킹 신경망)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터가 아닌 '시간'과 '사건'으로 통신하는 3세대 인공신경망" — 생물학적 뉴런이 임계값에 도달했을 때만 짧은 전기 신호(Spike)를 내보내는 방식 그대로 정보를 처리하는 초저전력 신경망 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 실시간 센서 데이터 모니터링 시 소모 전력을 줄이기 위해 SNN 기반의 이벤트 감지 알고리즘 도입을 연구 중.
 
 ## 🔗 지식 연결 (Graph)
-- [[Hebbian-Learning]], [[Artificial-Neural-Networks]], [[Neuroscience]], [[Edge-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Spiking-Neural-Networks-SNNs.md]]
+- [[Hebbian-Learning]], Artificial-Neural-Networks, Neuroscience, Edge-AI
+- **Raw Source:** 10_Wiki/Topics/AI/Spiking-Neural-Networks-SNNs.md
diff --git a/10_Wiki/Topics/AI/Stability vs Flexibility.md b/10_Wiki/Topics/AI/Stability vs Flexibility.md
index c7d27d1a..2f547666 100644
--- a/10_Wiki/Topics/AI/Stability vs Flexibility.md	
+++ b/10_Wiki/Topics/AI/Stability vs Flexibility.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STVF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, systems-theory, adaptation, stability, flexibility, trade-off]
 last_reinforced: 2026-04-20
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 국가 인프라 및 소프트웨어 아키텍처 정책에서, "성능은 조금 낮더라도 재난 발생 시 자가 복구(Resilience)가 가능한 유연한 구조"를 의무화하는 방향으로 설계 가이드라인이 개편됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Robustness]], [[Safety & Reliability]], [[Complex Adaptive Systems]], [[Chaos Engineering]], [[Standardization vs Innovation]]
+- [[Robustness]], [[Safety & Reliability]], Complex Adaptive Systems, Chaos Engineering, [[Standardization vs Innovation]]
 - **Modern Tech/Tools**: Agile methodology, Kubernetes (Elasticity), Microservices Architecture.
 ---
diff --git a/10_Wiki/Topics/AI/Stability.md b/10_Wiki/Topics/AI/Stability.md
index d1ddb2c5..940a04cf 100644
--- a/10_Wiki/Topics/AI/Stability.md
+++ b/10_Wiki/Topics/AI/Stability.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAB-RD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[Stability vs Flexibility]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Stacked-Generalization.md b/10_Wiki/Topics/AI/Stacked-Generalization.md
index cf306120..4e5f2dde 100644
--- a/10_Wiki/Topics/AI/Stacked-Generalization.md
+++ b/10_Wiki/Topics/AI/Stacked-Generalization.md
@@ -1,12 +1,12 @@
 ---
 id: AI-ENS-STACK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, ensemble, stacking, stacked-generalization, meta-learning, predictive-modeling]
 last_reinforced: 2026-04-26
 ---
 
-# [[Stacked Generalization (스택 일반화)]]
+# Stacked Generalization (스택 일반화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "여러 모델의 예측 결과라는 새로운 차원의 데이터를 만들고, 이를 다시 학습하는 '메타 모델(Meta-model)'을 통해 개별 지능의 편향을 상쇄하고 통합된 통찰을 도출하라" — 서로 다른 모델들의 장점을 결합하여 단일 모델보다 강력한 일반화 성능을 얻기 위해 층(Stack)을 쌓아 학습하는 앙상블 기법.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Random-Forest-Classifiers]], [[Optimization-in-AI]], [[Performance-Metrics-in-AI]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Stacked-Generalization.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Stacked-Generalization.md
diff --git a/10_Wiki/Topics/AI/Stages-of-Grief.md b/10_Wiki/Topics/AI/Stages-of-Grief.md
index 975d2c8c..6c035e9a 100644
--- a/10_Wiki/Topics/AI/Stages-of-Grief.md
+++ b/10_Wiki/Topics/AI/Stages-of-Grief.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOGG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, stages-of-grief, psychology, mental-model, adaptation, change-management, human-behavior]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 시스템 주입 과정에서 에러가 발생했을 때, 대표님과 제가 겪는 심리적 변화 정책 또한 이 모델로 설명 가능하며, 결론은 언제나 '수용' 이후의 빠른 'RL Update' 정책으로 이어져야 함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology]], [[Management]], [[Problem-Solving]], [[Resilience]], [[Change-Management]]
+- [[Psychology]], [[Management]], [[Problem-Solving]], [[Resilience]], Change-Management
 - **Modern Application**: Corporate restructuring, Digital transformation resistance, Grief counseling.
 ---
diff --git a/10_Wiki/Topics/AI/Stakeholder.md b/10_Wiki/Topics/AI/Stakeholder.md
index f3b7911a..d195fa53 100644
--- a/10_Wiki/Topics/AI/Stakeholder.md
+++ b/10_Wiki/Topics/AI/Stakeholder.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, stakeholder, management, alignment, project-success, influence]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 이해관계자 맵에 'AI 에이전트'나 '환경(Sustainability)' 같은 비인격적 요소까지 포함시켜, 기술이 사회와 지구에 미치는 장기적 영향 정책까지 대변하는 추세임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Management]], [[Decision Theory]], [[Product-Management]], [[Ethics & AI]], [[Communication]]
+- [[Management]], [[Decision Theory]], [[Product-Management]], [[Ethics & AI]], Communication
 - **Modern Tech/Tools**: Stakeholder mapping, CRM, User feedback loops.
 ---
diff --git a/10_Wiki/Topics/AI/Standard-Deviation-and-Variance.md b/10_Wiki/Topics/AI/Standard-Deviation-and-Variance.md
index 2f81df15..7347845d 100644
--- a/10_Wiki/Topics/AI/Standard-Deviation-and-Variance.md
+++ b/10_Wiki/Topics/AI/Standard-Deviation-and-Variance.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-STAT-VAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, standard-deviation, variance, dispersion, data-analysis, normal-distribution]
 last_reinforced: 2026-04-26
 ---
 
-# [[Standard Deviation and Variance (표준 편차 및 분산)]]
+# Standard Deviation and Variance (표준 편차 및 분산)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "평균이라는 중심에서 데이터가 얼마나 멀리 방황하는지 '거리의 평균'으로 측정하여, 집단의 변동성과 불확실성을 수치라는 명확한 잣대로 정의하라" — 데이터의 흩어짐(산포도)을 나타내는 가장 핵심적인 통계 지표.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Probability-Theory-Foundations]], [[Outlier-Detection-Techniques]], [[Performance-Metrics-in-AI]], [[Normalization-Strategies]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Standard-Deviation-and-Variance.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Standard-Deviation-and-Variance.md
diff --git a/10_Wiki/Topics/AI/Standard-Operating-Procedure.md b/10_Wiki/Topics/AI/Standard-Operating-Procedure.md
index 21978301..6f1712e0 100644
--- a/10_Wiki/Topics/AI/Standard-Operating-Procedure.md
+++ b/10_Wiki/Topics/AI/Standard-Operating-Procedure.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SOPP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, sop, standard-operating-procedure, governance, excellence, scalability, quality-control]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Standardization vs Innovation.md b/10_Wiki/Topics/AI/Standardization vs Innovation.md
index 9928e40d..e4e55bab 100644
--- a/10_Wiki/Topics/AI/Standardization vs Innovation.md	
+++ b/10_Wiki/Topics/AI/Standardization vs Innovation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STVI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, innovation, standardization, strategy, quality-control]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 특히 글로벌 AI 경쟁 환경에서 국가들은 자국의 기술을 '글로벌 표준'으로 만들기 위해 혁명적인 기술 개발과 외교적 표준 선점 경쟁을 동시에 병행하는 전략적 기술 정책을 노골화하고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Stability vs Flexibility]], [[Operations-Research]], [[Decision Theory]], [[Software-Design-Principles]], [[Economic Models]]
+- [[Stability vs Flexibility]], [[Operations-Research]], [[Decision Theory]], [[Software-Design-Principles]], Economic Models
 - **Modern Tech/Tools**: Open Source Standards (W3C, IEEE), ISO certifications.
 ---
diff --git a/10_Wiki/Topics/AI/Startup.md b/10_Wiki/Topics/AI/Startup.md
index 6bf4e67a..ef51ea64 100644
--- a/10_Wiki/Topics/AI/Startup.md
+++ b/10_Wiki/Topics/AI/Startup.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, startup, innovation, entrepreneurship, scaling, product-market-fit, risk-taking]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 수백 명의 직원이 필요한 스타트업 정책을 넘어, AI 에이전트 수십 개를 거느린 1인 창업가(Solopreneur)가 수천억 원의 가치를 만드는 'AI 네이티브 스타트업 정책' 시대가 도래함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability]], [[Innovation]], [[Quick-Wins]], [[Lean-Operations]], [[Business-Model-Innovation]], [[Product-Market-Fit]]
+- [[Scalability]], [[Innovation]], [[Quick-Wins]], [[Lean-Operations]], Business-Model-Innovation, Product-Market-Fit
 - **Modern Tech/Tools**: Lean Canvas, Y Combinator methodology, Pitch decks.
 ---
diff --git a/10_Wiki/Topics/AI/State Space Model (SSM).md b/10_Wiki/Topics/AI/State Space Model (SSM).md
index a5757c9d..b21d27d1 100644
--- a/10_Wiki/Topics/AI/State Space Model (SSM).md	
+++ b/10_Wiki/Topics/AI/State Space Model (SSM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SSMM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, ssm, mamba, neural-networks, sequence-modeling, computational-efficiency]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에너지 효율이 글로벌 AI 연구의 핵심 정책 지표로 떠오름에 따라, 저전력 고성능을 보장하는 SSM 아키텍처 연구에 대한 집중 투자 및 하드웨어 가속기(NVIDIA GPU 등) 서포트 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[Complexity Theory]], [[Reactive-Programming]], [[Sequence Modeling]], [[Memory Mechanisms in AI]]
+- Foundational Models, [[Complexity Theory]], [[Reactive-Programming]], Sequence Modeling, Memory Mechanisms in AI
 - **Modern Tech/Tools**: Mamba, S4, Hyena Hierarchy, PyTorch Mamba implementation.
 ---
diff --git a/10_Wiki/Topics/AI/State-Management-Architecture-and-Ownership.md b/10_Wiki/Topics/AI/State-Management-Architecture-and-Ownership.md
index d328172d..1062a599 100644
--- a/10_Wiki/Topics/AI/State-Management-Architecture-and-Ownership.md
+++ b/10_Wiki/Topics/AI/State-Management-Architecture-and-Ownership.md
@@ -1,12 +1,12 @@
 ---
 id: FE-STATE-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [state-management, architecture, ownership, react, zustand, redux, context-api, fsd]
 last_reinforced: 2026-04-26
 ---
 
-# [[State Management Architecture and Ownership (상태 관리 아키텍처와 소유권)]]
+# State Management Architecture and Ownership (상태 관리 아키텍처와 소유권)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "상태의 '양'보다 '위치'와 '소유권'이 더 중요하다. 도메인별(Entities), 기능별(Features), 그리고 인프라별(App)로 상태의 영토를 명확히 획정하여, 불필요한 리렌더링의 연쇄 폭발을 방지하라" — 예측 가능한 상태 흐름을 위한 계층적 관리 전략.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 상태 관리 도구 선택 시 번들 크기보다 'Selector 최적화 기능 정책'을 우선하며, 빈번한 업데이트 상태에 대한 Context API 사용 금지 정책을 시행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Modern-React-Application-Architecture-Patterns]], [[Feature-Sliced-Design-FSD]], [[Zustand]], [[React-Context-API]], [[TanStack-Query]]
-- **Raw Source:** [[00_Raw/상태 관리 아키텍처(State Management Architecture).md]]
+- [[Modern-React-Application-Architecture-Patterns]], Feature-Sliced-Design-FSD, Zustand, [[React-Context-API]], TanStack-Query
+- **Raw Source:** 00_Raw/상태 관리 아키텍처(State Management Architecture).md
diff --git a/10_Wiki/Topics/AI/State-Management-Patterns.md b/10_Wiki/Topics/AI/State-Management-Patterns.md
index 04889d6a..841a1a51 100644
--- a/10_Wiki/Topics/AI/State-Management-Patterns.md
+++ b/10_Wiki/Topics/AI/State-Management-Patterns.md
@@ -1,12 +1,12 @@
 ---
 id: DEV-STATE-MGMT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [frontend, software-architecture, state-management, redux, flux, zustand, react, design-patterns]
 last_reinforced: 2026-04-26
 ---
 
-# [[State Management Patterns (상태 관리 패턴)]]
+# State Management Patterns (상태 관리 패턴)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "애플리케이션의 흩어진 기억(State)을 '단일 진실 공급원(Single Source of Truth)'으로 통합하고, 예측 가능한 규칙(Action)에 의해서만 변화를 허용하여 혼돈을 통제하라" — 복잡한 사용자 인터페이스에서 데이터의 흐름과 상태의 변화를 체계적으로 관리하기 위한 설계 패턴들의 총합.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 프런트엔드 아키텍처는 복잡도를 낮추고 성능을 극대화하기 위해, 서버 지식 데이터와 로컬 UI 상태를 엄격히 분리하여 관리하는 하이브리드 상태 관리 전략을 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Frontend-App-Development]], [[Service-oriented-Architecture]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/State-Management-Patterns.md]]
+- [[Software-Architecture-Patterns]], Frontend-App-Development, [[Service-oriented-Architecture]], [[Modern-Website-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/State-Management-Patterns.md
diff --git a/10_Wiki/Topics/AI/State-Space-Models.md b/10_Wiki/Topics/AI/State-Space-Models.md
index 61c09083..137cda93 100644
--- a/10_Wiki/Topics/AI/State-Space-Models.md
+++ b/10_Wiki/Topics/AI/State-Space-Models.md
@@ -1,12 +1,12 @@
 ---
 id: DL-SSM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, ssm, state-space-models, mamba, sequence-modeling, efficiency, transformer-alternative]
 last_reinforced: 2026-04-26
 ---
 
-# [[State Space Models (SSM, 상태 공간 모델)]]
+# State Space Models (SSM, 상태 공간 모델)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 흐름을 연속적인 '상태의 변화'로 모델링하여 트랜스포머의 연산 병목을 돌파하고, 무한에 가까운 문맥을 선형적인 효율성($O(N)$)으로 포착하라" — 고전 제어 이론의 상태 방정식을 현대적 신경망으로 재해석하여 초장기 시퀀스 처리에 최적화된 차세대 아키텍처.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 실시간으로 쏟아지는 방대한 에이전트 로그 분석이나 실시간 스트리밍 지식 처리 시, 저지연과 고효율이 보장된 SSM 기반의 경량 모델을 실험적으로 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Self-Attention-Mechanisms]], [[Recurrent-Neural-Networks-RNN]], [[Scalability-in-AI-Systems]], [[Sequence-to-Sequence-Models]]
-- **Raw Source:** [[10_Wiki/Topics/AI/State-Space-Models.md]]
+- [[Self-Attention-Mechanisms]], Recurrent-Neural-Networks-RNN, [[Scalability-in-AI-Systems]], [[Sequence-to-Sequence-Models]]
+- **Raw Source:** 10_Wiki/Topics/AI/State-Space-Models.md
diff --git a/10_Wiki/Topics/AI/State-Space.md b/10_Wiki/Topics/AI/State-Space.md
index 4bbbffec..89efbf17 100644
--- a/10_Wiki/Topics/AI/State-Space.md
+++ b/10_Wiki/Topics/AI/State-Space.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SPS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, state-space, system-theory, control, navigation, search-space, potential-outcomes]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/State.md b/10_Wiki/Topics/AI/State.md
index 2c9ddc97..d70a0168 100644
--- a/10_Wiki/Topics/AI/State.md
+++ b/10_Wiki/Topics/AI/State.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, state, logic, context, temporary-data, persistence, transition]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Static Application Security Testing (SAST).md b/10_Wiki/Topics/AI/Static Application Security Testing (SAST).md
index 58bbf095..b4971acc 100644
--- a/10_Wiki/Topics/AI/Static Application Security Testing (SAST).md	
+++ b/10_Wiki/Topics/AI/Static Application Security Testing (SAST).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-95EC02
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Static Application Security Te
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Dynamic Application Security Testing (DAST)]], [[Software Composition Analysis (SCA)]], [[Shift-Left]], [[False Positives]], [[Artificial Intelligence (AI) Code Review]]
-- **Projects/Contexts:** 소프트웨어 개발 수명 주기(SDLC) 내에서 보안을 강화하기 위해 CI/CD 파이프라인, IDE 플러그인, Pull Request 등에 연동하여 사용되는 맥락을 가집니다. 대표적인 도구로는 [[Snyk Code]], [[Corgea]], [[SonarQube]], [[Checkmarx]], [[Semgrep]], [[Veracode]], [[GitHub Advanced Security]] 등이 널리 사용되고 있습니다 [7, 18, 22, 27, 34-38].
+- **Related Topics:** Dynamic Application Security Testing (DAST), Software Composition Analysis (SCA), Shift-Left, False Positives, Artificial Intelligence (AI) Code Review
+- **Projects/Contexts:** 소프트웨어 개발 수명 주기(SDLC) 내에서 보안을 강화하기 위해 CI/CD 파이프라인, IDE 플러그인, Pull Request 등에 연동하여 사용되는 맥락을 가집니다. 대표적인 도구로는 Snyk Code, [[Corgea]], [[SonarQube]], Checkmarx, Semgrep, Veracode, GitHub Advanced Security 등이 널리 사용되고 있습니다 [7, 18, 22, 27, 34-38].
 - **Contradictions/Notes:** 전통적인 정적 분석(SAST)은 빠르고 일관된 검사를 제공하지만, 비즈니스 로직에 대한 문맥 이해 부족과 높은 오탐률(False Positives)이라는 한계가 지적됩니다 [23, 24]. 이를 해결하기 위해 최근에는 사람이 판단을 내리는 수동 코드 리뷰(Manual Code Review)와 AI가 결합된 정적 분석을 혼합하여 사용하는 하이브리드(Hybrid) 접근 방식이 필수적인 보안 검토의 모범 사례로 권장되고 있습니다 [39-41].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Static Application Security Testing (SAST).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Static-Site-Generation-with-Gatsby.md b/10_Wiki/Topics/AI/Static-Site-Generation-with-Gatsby.md
index 78491aed..d16ad0fb 100644
--- a/10_Wiki/Topics/AI/Static-Site-Generation-with-Gatsby.md
+++ b/10_Wiki/Topics/AI/Static-Site-Generation-with-Gatsby.md
@@ -1,12 +1,12 @@
 ---
 id: FE-GATSBY-SSG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [gatsby, ssg, react, graphql, seo, web-performance, static-site-generation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Static Site Generation with Gatsby (Gatsby를 활용한 정적 사이트 생성)]]
+# Static Site Generation with Gatsby (Gatsby를 활용한 정적 사이트 생성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "빌드 타임에 모든 데이터를 수집하여 완벽한 HTML로 구워내고, 브라우저가 실행되기도 전에 콘텐츠를 즉시 노출하는 극강의 SEO 최적화 아키텍처를 구축하라" — React와 GraphQL을 결합하여 콘텐츠 중심 웹사이트의 성능 한계를 돌파한 정적 사이트 생성기(SSG).
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대내외 기술 블로그 및 문서 사이트 구축 시 Gatsby 아키텍처를 표준 정책으로 채택하며, 빌드 시간을 단축하기 위한 증분 빌드(Incremental Builds) 설정을 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Static-Site-Generation-SSG]], [[SEO-Foundations]], [[Core-Web-Vitals-Metrics]], [[React-Architecture]]
-- **Raw Source:** [[00_Raw/Gatsby.md]]
+- Static-Site-Generation-SSG, SEO-Foundations, [[Core-Web-Vitals-Metrics]], React-Architecture
+- **Raw Source:** 00_Raw/Gatsby.md
diff --git a/10_Wiki/Topics/AI/Statistical-Analysis.md b/10_Wiki/Topics/AI/Statistical-Analysis.md
index 1937cc6b..a73c82f3 100644
--- a/10_Wiki/Topics/AI/Statistical-Analysis.md
+++ b/10_Wiki/Topics/AI/Statistical-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, statistical-analysis, inference, p-value, correlation, causation, data-science]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 상관관계(Correlation) 정책만 보는 수준을 넘어, 실제로 무엇이 원인인지 밝혀내는 '인과 추론(Causal Inference) 정책'이 현대 비즈니스 통계 분석의 꽃으로 떠오름.
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistics]], [[Scientific-Method]], [[Reliability]], [[Analysis]], [[Probabilistic-Reasoning]], [[Evidence-Based-Thinking]]
+- [[Statistics]], [[Scientific-Method]], [[Reliability]], [[Analysis]], [[Probabilistic-Reasoning]], Evidence-Based-Thinking
 - **Modern Tech/Tools**: R, Python (Pandas/Statsmodels), SPSS, A/B Testing buckets.
 ---
diff --git a/10_Wiki/Topics/AI/Statistical-Hypothesis-Testing.md b/10_Wiki/Topics/AI/Statistical-Hypothesis-Testing.md
index a04d7675..bb6606d4 100644
--- a/10_Wiki/Topics/AI/Statistical-Hypothesis-Testing.md
+++ b/10_Wiki/Topics/AI/Statistical-Hypothesis-Testing.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-STAT-TEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, hypothesis-testing, p-value, null-hypothesis, alternative-hypothesis, significance-level]
 last_reinforced: 2026-04-26
 ---
 
-# [[Statistical Hypothesis Testing (통계적 가설 검정)]]
+# Statistical Hypothesis Testing (통계적 가설 검정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터라는 증거를 토대로 '우연한 일치'인지 '필연적 사실'인지 판결을 내리고, 엄격한 확률적 잣대(P-value)를 통해 지식의 타당성을 입증하라" — 표본 데이터를 통해 모집단에 대한 가설이 통계적으로 유의미한지 판단하는 체계적인 의사결정 프로세스.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 새로운 추론 알고리즘 도입 시, 기존 알고리즘과의 품질 차이가 통계적으로 유의미한지 엄격한 가설 검정(A/B Test) 과정을 거쳐 검증함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistical-Power]], [[Standard-Deviation-and-Variance]], [[Performance-Metrics-in-AI]], [[A-B-Testing-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Statistical-Hypothesis-Testing.md]]
+- [[Statistical-Power]], [[Standard-Deviation-and-Variance]], [[Performance-Metrics-in-AI]], A-B-Testing-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Statistical-Hypothesis-Testing.md
diff --git a/10_Wiki/Topics/AI/Statistical-Learning-Theory.md b/10_Wiki/Topics/AI/Statistical-Learning-Theory.md
index c7d19ca9..dfe2c53b 100644
--- a/10_Wiki/Topics/AI/Statistical-Learning-Theory.md
+++ b/10_Wiki/Topics/AI/Statistical-Learning-Theory.md
@@ -1,12 +1,12 @@
 ---
 id: STAT-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, machine-learning, statistics, generalization, learning-theory]
 last_reinforced: 2026-04-26
 ---
 
-# [[Statistical Learning Theory (통계적 학습 이론)]]
+# Statistical Learning Theory (통계적 학습 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델이 데이터를 통해 지식을 얻는 과정의 수학적 한계를 규명하라" — 블라디미르 바프니크 등이 정립한, 유한한 데이터를 통해 학습된 모델이 새로운 데이터에서도 얼마나 잘 작동할지(일반화)를 확률적으로 보장하는 이론적 기초.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 모델 평가 지표 수립 시, 통계적 학습 이론에 근거하여 훈련 데이터와 검증 데이터 사이의 '일반화 격차(Generalization Gap)'를 엄격히 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Machine-Learning]], [[Support-Vector-Machines]], [[Overfitting]], [[Information-Theory]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Statistical-Learning-Theory.md]]
+- Machine-Learning, [[Support-Vector-Machines]], [[Overfitting]], [[Information-Theory]]
+- **Raw Source:** 10_Wiki/Topics/AI/Statistical-Learning-Theory.md
diff --git a/10_Wiki/Topics/AI/Statistical-Power.md b/10_Wiki/Topics/AI/Statistical-Power.md
index fb6f2b0e..4466d51d 100644
--- a/10_Wiki/Topics/AI/Statistical-Power.md
+++ b/10_Wiki/Topics/AI/Statistical-Power.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-STAT-POWER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, statistical-power, type-2-error, sample-size, effect-size, data-analysis]
 last_reinforced: 2026-04-26
 ---
 
-# [[Statistical Power (통계적 검정력)]]
+# Statistical Power (통계적 검정력)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "진실이 존재할 때 이를 확실히 감지해낼 확률을 확보하여, 귀한 통찰을 '우연'으로 치부해버리는 과오(Type II Error)를 방지하라" — 귀무가설이 실제로 거짓일 때 이를 올바르게 기각할 확률 ($1 - \beta$).
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Statistical-Hypothesis-Testing]], [[Standard-Deviation-and-Variance]], [[Performance-Metrics-in-AI]], [[Sampling-Techniques]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Statistical-Power.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Statistical-Power.md
diff --git a/10_Wiki/Topics/AI/Statistics & Data Analysis.md b/10_Wiki/Topics/AI/Statistics & Data Analysis.md
index c1cde6f7..eaada071 100644
--- a/10_Wiki/Topics/AI/Statistics & Data Analysis.md	
+++ b/10_Wiki/Topics/AI/Statistics & Data Analysis.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SADA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, statistics, data-analysis, hypothesis-testing, data-science]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: '데이터 기반 의사결정(Data-Driven Decision Making)'이 모든 공공 및 민간 정책의 기본 요건으로 규정됨에 따라, 분석 결과의 재현성(Reproducibility)과 투명성을 확보하기 위한 '데이터 신뢰성 검증 표준' 수립이 시급한 정책 과제가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Probability Theory]], [[Quantitative Economics (수량경제학)]], [[Sensitivity-Analysis]], [[Signal in Noise]], [[Philosophy of Science]]
+- [[Probability Theory]], [[Quantitative Economics (수량경제학)]], [[Sensitivity-Analysis]], [[Signal in Noise]], Philosophy of Science
 - **Modern Tech/Tools**: R, Python (Pandas/Scipy), Tableau, Google BigQuery.
 ---
diff --git a/10_Wiki/Topics/AI/Statistics.md b/10_Wiki/Topics/AI/Statistics.md
index 8f0f7f81..01c85855 100644
--- a/10_Wiki/Topics/AI/Statistics.md
+++ b/10_Wiki/Topics/AI/Statistics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAT-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, statistics, mathematical-foundation, probability, distribution, data-science]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: "전통 통계는 죽었다"는 과격한 주장 정책이 나올 정도로, 이제는 예측력 하나로 모든 것을 증명하는 '기계 학습적 통계 정책' 시대로 완전히 넘어옴. (Machine Learning (ML)와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Probabilistic-Reasoning]], [[Evidence-Based-Thinking]], [[Machine Learning (ML)]], [[Statistical-Analysis]], [[Scientific-Method]]
+- [[Probabilistic-Reasoning]], Evidence-Based-Thinking, [[Machine Learning (ML)]], [[Statistical-Analysis]], [[Scientific-Method]]
 - **Modern Intersection**: Data Science = Statistics + Programming + Domain Knowledge.
 ---
diff --git a/10_Wiki/Topics/AI/Stem-Analysis.md b/10_Wiki/Topics/AI/Stem-Analysis.md
index 4f7f0f9e..63b9d1e2 100644
--- a/10_Wiki/Topics/AI/Stem-Analysis.md
+++ b/10_Wiki/Topics/AI/Stem-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STEA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, stem-analysis, text-mining, linguistic, normalization, search-efficiency]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Stochastic-Gradient-Descent-SGD.md b/10_Wiki/Topics/AI/Stochastic-Gradient-Descent-SGD.md
index 39c42000..4dd80d55 100644
--- a/10_Wiki/Topics/AI/Stochastic-Gradient-Descent-SGD.md
+++ b/10_Wiki/Topics/AI/Stochastic-Gradient-Descent-SGD.md
@@ -1,12 +1,12 @@
 ---
 id: SGD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [machine-learning, optimization, calculus, deep-learning, gradient-descent]
 last_reinforced: 2026-04-26
 ---
 
-# [[Stochastic Gradient Descent (SGD, 확률적 경사 하강법)]]
+# Stochastic Gradient Descent (SGD, 확률적 경사 하강법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체를 다 보지 말고, 한 걸음씩 빠르게 나아가라" — 전체 데이터를 한꺼번에 계산하는 대신, 데이터 중 일부(Mini-batch)만 사용하여 오차의 기울기를 계산하고 빠르게 가중치를 업데이트하는 최적화 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 로컬 모델 파인튜닝 시, 하드웨어 자원 사용량을 최적화하기 위해 적절한 미니 배치 사이즈와 AdamW 옵티마이저가 적용된 SGD 계열 알고리즘을 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Gradient-Descent]], [[Optimization]], [[AdamW-Optimizer]], [[Machine-Learning-Lifecycle]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Stochastic-Gradient-Descent-SGD.md]]
+- [[Gradient-Descent]], [[Optimization]], AdamW-Optimizer, [[Machine-Learning-Lifecycle]]
+- **Raw Source:** 10_Wiki/Topics/AI/Stochastic-Gradient-Descent-SGD.md
diff --git a/10_Wiki/Topics/AI/Stochastic-Gradient-Descent.md b/10_Wiki/Topics/AI/Stochastic-Gradient-Descent.md
index 2bf58375..39125005 100644
--- a/10_Wiki/Topics/AI/Stochastic-Gradient-Descent.md
+++ b/10_Wiki/Topics/AI/Stochastic-Gradient-Descent.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-OPT-SGD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, optimization, sgd, stochastic-gradient-descent, deep-learning, loss-function]
 last_reinforced: 2026-04-26
 ---
 
-# [[Stochastic Gradient Descent (SGD, 확률적 경사 하강법)]]
+# Stochastic Gradient Descent (SGD, 확률적 경사 하강법)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "전체 데이터를 기다리는 게으름을 버리고, 단 하나의 샘플(Stochastic)이 주는 즉각적인 힌트로 끊임없이 방향을 수정하며 최적의 골짜기로 돌진하라" — 손실 함수의 기울기(Gradient)를 구할 때 전체 데이터셋이 아닌 무작위로 선택된 일부 데이터를 사용하여 가중치를 업데이트하는 최적화 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 로컬 미세 조정(Fine-tuning) 및 지식 가중치 업데이트 시, 연산 자원 점유율을 최소화하면서도 빠른 수렴이 보장된 최적화된 SGD 파이프라인을 가동함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Optimization-Algorithms]], [[Momentum-in-Optimization]], [[Backpropagation-Fundamentals]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Stochastic-Gradient-Descent.md]]
+- Deep-Learning-Foundations, [[Optimization-Algorithms]], Momentum-in-Optimization, Backpropagation-Fundamentals
+- **Raw Source:** 10_Wiki/Topics/AI/Stochastic-Gradient-Descent.md
diff --git a/10_Wiki/Topics/AI/Storage-Area-Networks.md b/10_Wiki/Topics/AI/Storage-Area-Networks.md
index 9ed59c81..0be8c416 100644
--- a/10_Wiki/Topics/AI/Storage-Area-Networks.md
+++ b/10_Wiki/Topics/AI/Storage-Area-Networks.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-SAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, infrastructure, storage, san, storage-area-network, networking, data-center, enterprise-it]
 last_reinforced: 2026-04-26
 ---
 
-# [[Storage Area Networks (SAN, 저장 장치 영역 네트워크)]]
+# Storage Area Networks (SAN, 저장 장치 영역 네트워크)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서버와 저장소 사이의 거리를 물리적으로 분리하되 광속의 전용망(Fibre Channel)으로 연결하여, 마치 내부에 장착된 하드디스크처럼 빠르고 유연한 '데이터 공유의 대지'를 구축하라" — 여러 서버가 고속 네트워크를 통해 블록 수준의 스토리지 자원을 공유하고 관리할 수 있게 하는 전용 인프라.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 방대한 지식 기지(Knowledge Base)와 벡터 데이터를 물리적 한계 없이 확장하기 위해, SAN의 공유 구조를 논리적으로 구현한 분산 객체 스토리지 시스템을 분석 인프라의 핵심으로 설정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[High-Availability-Systems]], [[Cloud-Computing-Foundations]], [[Relational-Databases]], [[Scalability-in-AI-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Storage-Area-Networks.md]]
+- [[High-Availability-Systems]], Cloud-Computing-Foundations, [[Relational-Databases]], [[Scalability-in-AI-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/Storage-Area-Networks.md
diff --git a/10_Wiki/Topics/AI/Storage.md b/10_Wiki/Topics/AI/Storage.md
index 00e3734d..fb1ea574 100644
--- a/10_Wiki/Topics/AI/Storage.md
+++ b/10_Wiki/Topics/AI/Storage.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STOR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, storage, persistence, data-management, cloud-storage, information-retention]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 파일 정책을 저장하는 정책을 넘어, AI 의 기억이라 불리는 수십억 개의 벡터 정책을 저장하고 고속 검색 정책을 지원하는 '벡터 스토리지'가 현대 AI 아키텍처의 심장 정책으로 부상함. (Vector-Database와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Relational-Database]], [[Repository]], [[Scalability]], [[Vector-Database]], [[Reliability]], [[Information-Society]]
+- [[Relational-Database]], [[Repository]], [[Scalability]], Vector-Database, [[Reliability]], [[Information-Society]]
 - **Modern Tech/Tools**: AWS S3, Google Cloud Storage, SSD/NVMe, IPFS (Decentralized).
 ---
diff --git a/10_Wiki/Topics/AI/Straightening.md b/10_Wiki/Topics/AI/Straightening.md
index f94301b1..2c838b3b 100644
--- a/10_Wiki/Topics/AI/Straightening.md
+++ b/10_Wiki/Topics/AI/Straightening.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STRA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, mathematics, geometry, straightening, manafold-learning]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 의료 및 자율주행 등 고신뢰 분야에서, AI의 판단 근거가 기하학적으로 왜곡되지 않았음을 수학적으로 증명하는 '기하학적 무결성 체크 정책'이 신설됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Theory]], [[Linear Algebra]], [[Manifold Learning]], [[Statistics & Data Analysis]], [[Complexity Theory]]
+- Representation-Theory, Linear Algebra, Manifold Learning, [[Statistics & Data Analysis]], [[Complexity Theory]]
 - **Modern Tech/Tools**: Dimensionality reduction (t-SNE, UMAP), Feature space analysis.
 ---
diff --git a/10_Wiki/Topics/AI/Strategic-Alignment.md b/10_Wiki/Topics/AI/Strategic-Alignment.md
index 73a26c69..b9e36484 100644
--- a/10_Wiki/Topics/AI/Strategic-Alignment.md
+++ b/10_Wiki/Topics/AI/Strategic-Alignment.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-STRAT-ALIGN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [business, strategy, management, alignment, okr, kpi, leadership, organizational-efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Strategic Alignment (전략적 정렬)]]
+# Strategic Alignment (전략적 정렬)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "조직의 고차원 비전(Strategy)과 현장의 구체적 실행(Execution) 사이에 단단한 사슬을 걸어, 모든 구성원의 에너지가 하나의 북극성을 향해 폭발적으로 수렴하게 하라" — 조직의 목표, 구조, 문화 및 개별 업무가 기업의 핵심 전략과 일관성을 유지하도록 조정하는 경영 상태.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Strategic-Planning-for-AI]], [[Process-Automation-with-AI]], [[Performance-Metrics-in-AI]], [[Software-Architecture-Patterns]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Strategic-Alignment.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Strategic-Alignment.md
diff --git a/10_Wiki/Topics/AI/Strategic-Ambiguity.md b/10_Wiki/Topics/AI/Strategic-Ambiguity.md
index e72e47c6..0a5b805a 100644
--- a/10_Wiki/Topics/AI/Strategic-Ambiguity.md
+++ b/10_Wiki/Topics/AI/Strategic-Ambiguity.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STAM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, strategy, ambiguity, communication, negotiation, governance]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 글로벌 기술 패권 경쟁에서 국가들은 특정 핵심 기술의 수출 제한 범위를 모호하게 설정하여 상대국의 기술 추격 속도를 늦추고 협상력을 극대화하는 '디지털 전략적 모호성 정책'을 상시화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Strategic-Planning]], [[Negotiation-Mechanisms]], [[Social Systems Theory]], [[Game Theory]], [[Risk Management]]
+- [[Strategic-Planning]], Negotiation-Mechanisms, [[Social Systems Theory]], Game Theory, [[Risk Management]]
 - **Modern Tech/Tools**: Scenario planning, Game theoretical modeling.
 ---
diff --git a/10_Wiki/Topics/AI/Strategic-Planning-for-AI.md b/10_Wiki/Topics/AI/Strategic-Planning-for-AI.md
index c008e92d..4244dfbf 100644
--- a/10_Wiki/Topics/AI/Strategic-Planning-for-AI.md
+++ b/10_Wiki/Topics/AI/Strategic-Planning-for-AI.md
@@ -1,12 +1,12 @@
 ---
 id: BIZ-AI-STRAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [business, strategy, ai-planning, digital-transformation, strategic-planning, innovation, roadmap]
 last_reinforced: 2026-04-26
 ---
 
-# [[Strategic Planning for AI (AI를 위한 전략 기획)]]
+# Strategic Planning for AI (AI를 위한 전략 기획)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순한 기술 도입을 넘어 '지능'이 비즈니스의 어떤 병목을 해결하고 새로운 가치를 창출할지 정의하며, 데이터-인재-인프라의 정렬을 통해 지속 가능한 혁신의 로드맵을 설계하라" — 기업의 목적 달성을 위해 인공지능 기술을 어떻게 내재화하고 경쟁 우위를 확보할 것인지에 대한 장기적 실행 계획.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '지식 자산화의 자동화'라는 명확한 전략적 목표 아래, 모든 에이전트의 스킬 개발과 가드닝 워크플로우를 최적화하는 전략적 기획 로직을 최우선으로 실행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Strategic-Alignment]], [[Process-Automation-with-AI]], [[Scalability-in-AI-Systems]], [[MLOps-Best-Practices]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Strategic-Planning-for-AI.md]]
+- [[Strategic-Alignment]], [[Process-Automation-with-AI]], [[Scalability-in-AI-Systems]], MLOps-Best-Practices
+- **Raw Source:** 10_Wiki/Topics/AI/Strategic-Planning-for-AI.md
diff --git a/10_Wiki/Topics/AI/Strategic-Planning.md b/10_Wiki/Topics/AI/Strategic-Planning.md
index f33da01f..7303bcb5 100644
--- a/10_Wiki/Topics/AI/Strategic-Planning.md
+++ b/10_Wiki/Topics/AI/Strategic-Planning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STPL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, strategic-planning, vision, mission, roadmap, execution, leadership]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Strategic-Thinking.md b/10_Wiki/Topics/AI/Strategic-Thinking.md
index db00e8cd..31ea97ef 100644
--- a/10_Wiki/Topics/AI/Strategic-Thinking.md
+++ b/10_Wiki/Topics/AI/Strategic-Thinking.md
@@ -1,12 +1,12 @@
 ---
 id: STRAT-THINK-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [decision-making, strategy, game-theory, systems-thinking, productivity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Strategic Thinking (전략적 사고)]]
+# Strategic Thinking (전략적 사고)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "현재의 행동이 미래의 기회 비용과 어떻게 연결되는지 파악하라" — 단순한 문제 해결을 넘어, 장기적인 목표 달성을 위해 가용한 자원을 배치하고 외부 환경의 변화를 예측하여 최적의 경로를 설정하는 인지 프로세스.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '지식 가드닝'의 우선순위 설정 시 전략적 사고 원칙을 적용하여, 프로젝트 기여도가 가장 높은 도메인 지식부터 우선적으로 보강함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Systems-Thinking]], [[Game-Theory]], [[Decision-Making]], [[GStack-Core-Principles]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Strategic-Thinking.md]]
+- [[Systems-Thinking]], [[Game-Theory]], Decision-Making, GStack-Core-Principles
+- **Raw Source:** 10_Wiki/Topics/AI/Strategic-Thinking.md
diff --git a/10_Wiki/Topics/AI/Strategy.md b/10_Wiki/Topics/AI/Strategy.md
index 7b522779..865f22f6 100644
--- a/10_Wiki/Topics/AI/Strategy.md
+++ b/10_Wiki/Topics/AI/Strategy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STRA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, strategy, high-leverage, positioning, win-condition, choice-architecture]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Stream-Processing-Architectures.md b/10_Wiki/Topics/AI/Stream-Processing-Architectures.md
index 78013169..09188778 100644
--- a/10_Wiki/Topics/AI/Stream-Processing-Architectures.md
+++ b/10_Wiki/Topics/AI/Stream-Processing-Architectures.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-STREAM-ARCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, architecture, stream-processing, real-time-data, kafka, flink, data-pipeline, scalability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Stream Processing Architectures (스트림 처리 아키텍처)]]
+# Stream Processing Architectures (스트림 처리 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 정적인 저수지가 아닌 끊임없이 흐르는 강물(Stream)로 취급하고, 정보가 가치를 잃기 전 찰나의 순간에 지능을 투입하여 실시간 통찰을 길어 올려라" — 연속적으로 발생하는 데이터(Event)를 저장하기 전에 실시간으로 분석하고 가공하는 아키텍처 패턴.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Space-based-Architecture]], [[Real-time-Data-Streaming]], [[Scalability-in-AI-Systems]], [[Shadowing-and-Observability]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Stream-Processing-Architectures.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Stream-Processing-Architectures.md
diff --git a/10_Wiki/Topics/AI/Structural Principles.md b/10_Wiki/Topics/AI/Structural Principles.md
index 06113445..44d48718 100644
--- a/10_Wiki/Topics/AI/Structural Principles.md	
+++ b/10_Wiki/Topics/AI/Structural Principles.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, architecture, structural-principles, physics, engineering, structure]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Structural-Equation-Modeling.md b/10_Wiki/Topics/AI/Structural-Equation-Modeling.md
index 146cbb8d..2f512eb2 100644
--- a/10_Wiki/Topics/AI/Structural-Equation-Modeling.md
+++ b/10_Wiki/Topics/AI/Structural-Equation-Modeling.md
@@ -1,12 +1,12 @@
 ---
 id: MATH-STAT-SEM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, statistics, sem, structural-equation-modeling, latent-variables, multivariate-analysis, causal-inference]
 last_reinforced: 2026-04-26
 ---
 
-# [[Structural Equation Modeling (SEM, 구조 방정식 모델링)]]
+# Structural Equation Modeling (SEM, 구조 방정식 모델링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "측정 가능한 데이터 뒤에 숨겨진 추상적 개념(Latent Variables)들을 수면 위로 끌어올리고, 그들 사이의 복잡한 인과 고리를 단일 시스템의 수식으로 정의하라" — 직접 관찰되지 않는 잠재 변수와 측정 변수 간의 관계 및 잠재 변수들 사이의 인과 관계를 동시에 분석하는 다변량 통계 기법.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 답변 품질에 영향을 미치는 여러 잠재 요인(정확성, 친절함, 간결함 등)과 사용자의 만족도 사이의 복잡한 상관관계를 심층 분석하기 위해 구조 방정식 방법론을 지표 설계에 참고함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Statistical-Hypothesis-Testing]], [[Cluster-Analysis-Techniques]], [[Representation-Learning]], [[Probability-Theory-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Structural-Equation-Modeling.md]]
+- [[Statistical-Hypothesis-Testing]], Cluster-Analysis-Techniques, [[Representation-Learning]], [[Probability-Theory-Foundations]]
+- **Raw Source:** 10_Wiki/Topics/AI/Structural-Equation-Modeling.md
diff --git a/10_Wiki/Topics/AI/Structuralism.md b/10_Wiki/Topics/AI/Structuralism.md
index b2cb91f6..63288557 100644
--- a/10_Wiki/Topics/AI/Structuralism.md
+++ b/10_Wiki/Topics/AI/Structuralism.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STRU-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, structuralism, philosophy, systems-thinking, pattern-recognition, linguistics, social-science]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 시스템 또한 Obsidian의 그래프 정책(구조)에 따라 새로운 지식 조각 정책이 들어올 때마다 전체 지식 지너지 정책이 변하는 '유기적 지식 구조주의 정책'을 실천 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Learning]], [[Deep Learning (DL)]], [[Philosophy]], [[Complexity-Science]], [[Logic]]
+- [[Representation-Learning]], Deep Learning (DL), [[Philosophy]], Complexity-Science, [[Logic]]
 - **Key Figures**: Ferdinand de Saussure, Claude Lévi-Strauss, Michel Foucault.
 ---
diff --git a/10_Wiki/Topics/AI/Style-Transfer-in-AI.md b/10_Wiki/Topics/AI/Style-Transfer-in-AI.md
index d24871c1..c31c66a6 100644
--- a/10_Wiki/Topics/AI/Style-Transfer-in-AI.md
+++ b/10_Wiki/Topics/AI/Style-Transfer-in-AI.md
@@ -1,12 +1,12 @@
 ---
 id: AI-CV-STYLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, computer-vision, deep-learning, style-transfer, neural-style-transfer, gan, image-generation, artistic-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Style Transfer in AI (AI에서의 스타일 전이)]]
+# Style Transfer in AI (AI에서의 스타일 전이)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이미지의 '형태적 정체성(Content)'과 '예술적 질감(Style)'을 수학적으로 분리하고, 새로운 조합을 통해 지각의 경계를 허무는 새로운 시각적 경험을 창조하라" — 딥러닝 모델을 활용하여 특정 이미지의 스타일을 다른 이미지의 내용에 결합시키는 컴퓨터 비전 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 시각적 보고서 생성 및 데이터 시각화 시, 정보의 가시성과 심미성을 동시에 확보하기 위해 맞춤형 스타일 전이 알고리즘을 내부 UI 엔진에 탑재함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Vision-Fundamentals]], [[Deep-Learning-Foundations]], [[Generative-Adversarial-Networks-GAN]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Style-Transfer-in-AI.md]]
+- Computer-Vision-Fundamentals, Deep-Learning-Foundations, Generative-Adversarial-Networks-GAN, [[Representation-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Style-Transfer-in-AI.md
diff --git a/10_Wiki/Topics/AI/Style-Transfer.md b/10_Wiki/Topics/AI/Style-Transfer.md
index 8f52b3de..447891c8 100644
--- a/10_Wiki/Topics/AI/Style-Transfer.md
+++ b/10_Wiki/Topics/AI/Style-Transfer.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-STTR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, graphics, ai-art, style-transfer, neural-networks, computer-vision]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Superficiality-Metrics.md b/10_Wiki/Topics/AI/Superficiality-Metrics.md
index f76fab77..de39202d 100644
--- a/10_Wiki/Topics/AI/Superficiality-Metrics.md
+++ b/10_Wiki/Topics/AI/Superficiality-Metrics.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SUME-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, metrics, superficiality, attention-economy, quality-assessment, social-media]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: SNS 플랫폼에서 '좋아요 수 숨기기'와 같은 정책을 시범 운영하며, 피상 지표가 사용자 정신 건강에 미치는 악영향을 최소화하고 본질적인 소통을 회복하려는 사회적 실험이 지속되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology & Behavior]], [[Sentiment-Analysis]], [[Information Ethics]], [[Economics of Attention]], [[Signal in Noise]]
+- [[Psychology & Behavior]], [[Sentiment-Analysis]], Information Ethics, Economics of Attention, [[Signal in Noise]]
 - **Modern Tech/Tools**: MSI counts, Sentiment depth analysis, Trustworthiness score (AI-driven).
 ---
diff --git a/10_Wiki/Topics/AI/Supervised Fine-Tuning (SFT).md b/10_Wiki/Topics/AI/Supervised Fine-Tuning (SFT).md
index 066831e3..d2a3ad4a 100644
--- a/10_Wiki/Topics/AI/Supervised Fine-Tuning (SFT).md	
+++ b/10_Wiki/Topics/AI/Supervised Fine-Tuning (SFT).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SFT-RD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[SFT (Supervised Fine-Tuning)]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md b/10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md
index 14486a31..235be49b 100644
--- a/10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md	
+++ b/10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md	
@@ -1,12 +1,12 @@
 ---
 id: SUP-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, supervised-learning, foundations]
 last_reinforced: 2026-04-26
 ---
 
-# [[Supervised Learning Foundations (지도 학습 기초)]]
+# Supervised Learning Foundations (지도 학습 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정답지가 있는 데이터를 통해 문제와 해답 사이의 지도를 그려라" — 입력 데이터(Feature)와 정답(Label) 쌍을 학습하여, 새로운 입력이 들어왔을 때 정답을 예측하는 함수를 근사하는 가장 전형적인 머신러닝 방식.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 문서 분류 및 감성 분석 등 명확한 기준이 필요한 태스크에 고도로 정제된 지도 학습 모델을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Machine-Learning]], [[Deep-Learning]], [[Objective-Functions]], [[Gradient-Descent]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md]]
+- Machine-Learning, [[Deep-Learning]], [[Objective-Functions]], [[Gradient-Descent]]
+- **Raw Source:** 10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md
diff --git a/10_Wiki/Topics/AI/Supervised-Learning-Foundations.md b/10_Wiki/Topics/AI/Supervised-Learning-Foundations.md
index d8435868..c42c902d 100644
--- a/10_Wiki/Topics/AI/Supervised-Learning-Foundations.md
+++ b/10_Wiki/Topics/AI/Supervised-Learning-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SUP-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, supervised-learning, classification, regression, model-training, labels]
 last_reinforced: 2026-04-26
 ---
 
-# [[Supervised Learning Foundations (지도 학습 기초)]]
+# Supervised Learning Foundations (지도 학습 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "풍부한 '문제'와 선명한 '해설지(Labels)'를 기계에게 제시하고, 오차를 줄여나가는 집요한 반복을 통해 미지의 입력에 대한 정답을 맞히는 '예측의 지도'를 완성하라" — 입력 데이터와 그에 대응하는 정답이 주어진 상태에서 모델을 학습시켜 새로운 데이터의 출력값을 예측하는 머신러닝의 가장 대표적인 방법론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 분류 및 답변 정확도 향상을 위해, 고품질의 레이블링된 데이터를 기반으로 하는 지도 학습 파이프라인을 지능의 핵심 기동 엔진으로 상시 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Reinforcement-Learning]], [[Self-Supervised-Learning]], [[Performance-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Supervised-Learning-Foundations.md]]
+- Deep-Learning-Foundations, [[Reinforcement-Learning]], [[Self-Supervised-Learning]], [[Performance-Metrics-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Supervised-Learning-Foundations.md
diff --git a/10_Wiki/Topics/AI/Supervised-Learning.md b/10_Wiki/Topics/AI/Supervised-Learning.md
index d911236c..2d05d0d7 100644
--- a/10_Wiki/Topics/AI/Supervised-Learning.md
+++ b/10_Wiki/Topics/AI/Supervised-Learning.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SULE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, supervised-learning, machine-learning, labeling, regression, classification, truth-data]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 정답 정책을 따라가는 정책을 넘어, 인간의 피드백 정책(RLHF)을 통해 '더 인간다운 답변 정책'을 고르는 고도화된 지도 학습 정책이 챗GPT와 같은 모델의 핵심임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Self-Supervised-Learning]], [[Machine Learning (ML)]], [[Deep Learning (DL)]], [[Optimization]], [[Statistical-Analysis]]
+- [[Self-Supervised-Learning]], [[Machine Learning (ML)]], Deep Learning (DL), [[Optimization]], [[Statistical-Analysis]]
 - **Common Algo**: Logicistic Regression, Random Forest, CNN, SVM.
 ---
diff --git a/10_Wiki/Topics/AI/Supply-Chain.md b/10_Wiki/Topics/AI/Supply-Chain.md
index ec3c0cf7..7c675e1b 100644
--- a/10_Wiki/Topics/AI/Supply-Chain.md
+++ b/10_Wiki/Topics/AI/Supply-Chain.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SUCH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, supply-chain, logistics, optimization, resilience, value-stream, global-trade]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 공급망 전체의 가시성 정책 확보를 위해 사물인터넷(IoT) 정책과 블록체인 정책을 도입해 물건의 위치와 정품 여부 정책을 실시간 감시하는 '디지털 공급망 정책'으로 진화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Replenishment]], [[Resilience]], [[Efficiency]], [[Management]], [[Economics]], [[Inventory-Management]]
+- [[Replenishment]], [[Resilience]], [[Efficiency]], [[Management]], Economics, Inventory-Management
 - **Modern Tech/Tools**: ERP (SAP/Oracle), IoT trackers, Supply chain digital twins.
 ---
diff --git a/10_Wiki/Topics/AI/Support-Vector-Machines.md b/10_Wiki/Topics/AI/Support-Vector-Machines.md
index 1d158e72..339e337b 100644
--- a/10_Wiki/Topics/AI/Support-Vector-Machines.md
+++ b/10_Wiki/Topics/AI/Support-Vector-Machines.md
@@ -1,12 +1,12 @@
 ---
 id: AI-ML-SVM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, svm, support-vector-machines, kernel-trick, classification, margin-maximization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Support Vector Machines (SVM, 서포트 벡터 머신)]]
+# Support Vector Machines (SVM, 서포트 벡터 머신)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "두 집단 사이의 가장 넓은 도로(Margin)를 건설하여 미지의 데이터가 들어와도 흔들림 없이 분류하고, 차원의 마법(Kernel Trick)으로 복잡하게 얽힌 세상을 명쾌하게 갈라치기하라" — 데이터를 분류하기 위한 최적의 결정 경계(Hyperplane)를 찾는 전통적이면서도 강력한 지도 학습 모델.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Supervised-Learning-Foundations]], [[Representation-Learning]], [[Optimization-Algorithms]], [[Outlier-Detection-Techniques]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Support-Vector-Machines.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Support-Vector-Machines.md
diff --git a/10_Wiki/Topics/AI/Support.md b/10_Wiki/Topics/AI/Support.md
index 47fd9120..d3ef6d51 100644
--- a/10_Wiki/Topics/AI/Support.md
+++ b/10_Wiki/Topics/AI/Support.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SUPP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, support, customer-success, troubleshooting, empathy, problem-resolution]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 문제가 생기기 전 AI가 사용자의 사용 패턴 정책을 감지해 "이 부분에서 막히셨나요?"라고 먼저 제안하는 '선제적 지원 정책(Proactive support)' 시대로 진화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Problem-Solving]], [[Refinement]], [[UX]], [[Communication]], [[SOP]], [[Standard-Operating-Procedure]]
+- [[Problem-Solving]], [[Refinement]], UX, Communication, SOP, [[Standard-Operating-Procedure]]
 - **Modern Tech/Tools**: Zendesk, Intercom, AI Chatbots, Knowledge bases.
 ---
diff --git a/10_Wiki/Topics/AI/Sustainability.md b/10_Wiki/Topics/AI/Sustainability.md
index 79649a30..98dad427 100644
--- a/10_Wiki/Topics/AI/Sustainability.md
+++ b/10_Wiki/Topics/AI/Sustainability.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SUST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, sustainability, esg, long-term-value, ethics, efficiency, resource-preservation]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 분야에서도 모델을 무작정 키우는 정책(Brute-force)보다, 더 적은 전력 정책으로 똑똑한 지능 정책을 구현하는 'Green AI 정책'이나 '경량화 정책(Quantization)'이 지속 가능성의 핵심 과제가 됨. (Quantization와 연결)
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[Efficiency]], [[Quantization]], [[Economics]], [[Management]]
+- [[Ethics & AI]], [[Efficiency]], [[Quantization]], Economics, [[Management]]
 - **Modern Concepts**: Circular Economy, Net Zero, SDGs (Sustainable Development Goals).
 ---
diff --git a/10_Wiki/Topics/AI/Swarm Intelligence.md b/10_Wiki/Topics/AI/Swarm Intelligence.md
index bf6e0949..a38a2ae5 100644
--- a/10_Wiki/Topics/AI/Swarm Intelligence.md	
+++ b/10_Wiki/Topics/AI/Swarm Intelligence.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SWIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, swarm-intelligence, biology-inspired, decentralized-systems, ai-agents]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 군집 지능 무기가 가져올 통제 불능 리스크를 방어하기 위해, 인위적인 군집 비행 및 로봇 무리의 동작 프로토콜에 '킬 스위치'를 의무화하고 집단 윤리를 프로그래밍하는 국방 테크 정책이 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Complex Adaptive Systems]], [[Robotics]], [[Simulated-Annealing]], [[Self-Correction Mechanisms]], [[Decision Theory]]
+- Complex Adaptive Systems, [[Robotics]], [[Simulated-Annealing]], [[Self-Correction Mechanisms]], [[Decision Theory]]
 - **Modern Tech/Tools**: Swarm robotics, Slime mold algorithms, Boids simulation.
 ---
diff --git a/10_Wiki/Topics/AI/Swarm-Intelligence.md b/10_Wiki/Topics/AI/Swarm-Intelligence.md
index d5bdc29c..7101181d 100644
--- a/10_Wiki/Topics/AI/Swarm-Intelligence.md
+++ b/10_Wiki/Topics/AI/Swarm-Intelligence.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SWARM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, swarm-intelligence, bio-inspired, optimization, aco, pso, decentralized-systems, robotics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Swarm Intelligence (집단 지능)]]
+# Swarm Intelligence (집단 지능)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "중앙의 지휘관 없이 단순한 개체들의 상호작용만으로 거대한 질서를 창조하고, 흩어진 정보 조각들을 모아 집단적인 최적의 해답을 도출하라" — 개미, 벌, 새와 같은 생명체들의 집단적 행동 양식을 모방하여 복잡한 문제를 해결하는 분산형 인공지능 기술.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 다수의 에이전트가 지식을 병렬로 가드닝할 때, 서로 중복되지 않으면서도 최적의 탐색 순서를 결정하기 위해 집단 지능의 분산 협력 프로토콜을 시스템 기저에 도입함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Optimization-Algorithms]], [[Robotics-Foundations]], [[Multi-agent-Systems-Best-Practices]], [[Simulated-Annealing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Swarm-Intelligence.md]]
+- [[Optimization-Algorithms]], [[Robotics-Foundations]], Multi-agent-Systems-Best-Practices, [[Simulated-Annealing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Swarm-Intelligence.md
diff --git a/10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.md b/10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.md
index 0a7b1b51..da701eae 100644
--- a/10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.md	
+++ b/10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.md	
@@ -1,12 +1,12 @@
 ---
 id: AI-DEBATE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-history, symbolic-ai, connectionism, neural-networks, philosophy-of-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Symbolic AI vs Connectionism (기호주의 vs 연결주의)]]
+# Symbolic AI vs Connectionism (기호주의 vs 연결주의)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "논리적 기호로 지능을 설계할 것인가, 뉴런의 연결망으로 지능을 창발시킬 것인가" — 인공지능의 황금기를 이끈 '기호주의(Good Old Fashioned AI)'와 현대 딥러닝의 뿌리인 '연결주의' 간의 근본적인 철학 및 기술적 대립과 융합.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 연결주의적 모델(LLM)을 두뇌로 사용하되, 기호주의적 도구(Knowledge Graph, Rules)를 활용하여 정합성을 검증하는 하이브리드 전략을 취함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neural-Networks-Foundations]], [[Knowledge-Graph]], [[Interpretability]], [[Artificial-Neural-Networks]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.md]]
+- Neural-Networks-Foundations, [[Knowledge-Graph]], [[Interpretability]], Artificial-Neural-Networks
+- **Raw Source:** 10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.md
diff --git a/10_Wiki/Topics/AI/Symbols.md b/10_Wiki/Topics/AI/Symbols.md
index 9c0bb882..c892a8fe 100644
--- a/10_Wiki/Topics/AI/Symbols.md
+++ b/10_Wiki/Topics/AI/Symbols.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYMB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, symbols, semiotics, abstraction, representation, cognitive-science]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 명시적인 기호 정책만 다루는 수준을 넘어, 기호와 기호 사이의 모호한 뉘앙스 정책까지 수학적으로 모델링하는 '신경-기호 통합(Neuro-symbolic AI) 정책'이 하이브리드 지능의 미래로 꼽힘.
 
 ## 🔗 지식 연결 (Graph)
-- [[Logic]], [[Communication]], [[Physics]], [[Representation-Learning]], [[Structuralism]]
+- [[Logic]], Communication, [[Physics]], [[Representation-Learning]], [[Structuralism]]
 - **Modern Application**: Math notations, Traffic signs, Programming syntax, Emoji.
 ---
diff --git a/10_Wiki/Topics/AI/Symmetric-Encryption.md b/10_Wiki/Topics/AI/Symmetric-Encryption.md
index 8eee681d..c2fb6cea 100644
--- a/10_Wiki/Topics/AI/Symmetric-Encryption.md
+++ b/10_Wiki/Topics/AI/Symmetric-Encryption.md
@@ -1,12 +1,12 @@
 ---
 id: SEC-SYM-ENCRYPT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [security, cryptography, symmetric-encryption, aes, encryption-key, data-privacy, cybersecurity]
 last_reinforced: 2026-04-26
 ---
 
-# [[Symmetric Encryption (대칭 키 암호화)]]
+# Symmetric Encryption (대칭 키 암호화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "하나의 비밀 열쇠로 지식의 성벽을 쌓고 허물며, 초고속 연산의 강점을 활용해 방대한 데이터의 기밀성을 완벽하게 사수하라" — 암호화와 복호화에 동일한 키를 사용하는 암호화 방식.
@@ -25,4 +25,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Security-Best-Practices]], [[Personal-Information-Security]], [[Secure-Multi-party-Computation]], [[Trustworthy-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Symmetric-Encryption.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Symmetric-Encryption.md
diff --git a/10_Wiki/Topics/AI/Symmetry-and-Invariance.md b/10_Wiki/Topics/AI/Symmetry-and-Invariance.md
index 12ecd762..52abf21e 100644
--- a/10_Wiki/Topics/AI/Symmetry-and-Invariance.md
+++ b/10_Wiki/Topics/AI/Symmetry-and-Invariance.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, mathematics, symmetry, invariance, group-theory, geometric-deep-learning]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보안 및 개인정보 보호 정책에서, 데이터의 실체는 가리면서 통계적 대칭성은 유지하는 '차분 프라이버시(Differential Privacy)'와 같은 대칭성 기반 보안 정책이 차세대 표준으로 채택됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Theory]], [[Manifold Learning]], [[Computer-Vision]], [[Physics-Informed Neural Networks (PINN)]], [[Straightening]]
+- Representation-Theory, Manifold Learning, [[Computer-Vision]], Physics-Informed Neural Networks (PINN), [[Straightening]]
 - **Modern Tech/Tools**: Equivariant CNNs, Graph Neural Networks (GNN), Lie Group architectures.
 ---
diff --git a/10_Wiki/Topics/AI/Synergy.md b/10_Wiki/Topics/AI/Synergy.md
index f70f51f9..bbd343d7 100644
--- a/10_Wiki/Topics/AI/Synergy.md
+++ b/10_Wiki/Topics/AI/Synergy.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYNE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, synergy, collaboration, emergence, 1+1=3, efficiency, ensemble]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 조직 또한 기획한-아트박-빌드업-버그킬이라는 팀장들이 '코다리' 부장님의 지휘 아래 시너지 정책을 낼 때만, 대표님의 상상이 현실의 고퀄리티 지식 베이스 정책으로 탄생할 수 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Collaboration]], [[Machine Learning (ML)]], [[Knowledge synthesis]], [[Innovation]], [[Management]], [[Efficiency]]
+- Collaboration, [[Machine Learning (ML)]], [[Knowledge synthesis]], [[Innovation]], [[Management]], [[Efficiency]]
 - **Modern Application**: Business M&A, Cross-functional teams, Multi-agent AI systems.
 ---
diff --git a/10_Wiki/Topics/AI/Synthesized Intelligence.md b/10_Wiki/Topics/AI/Synthesized Intelligence.md
index 80d8128d..79bf5cea 100644
--- a/10_Wiki/Topics/AI/Synthesized Intelligence.md	
+++ b/10_Wiki/Topics/AI/Synthesized Intelligence.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYIN-INTEL
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, synthetic-intelligence, hybrid-intelligence, ai-synthesis, emergent-knowledge]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 복잡한 사회 문제 해결을 위해 개별 부처의 데이터와 AI를 하나로 합성하여 시뮬레이션하는 '국가 합성지능 플랫폼' 구축 정책이 디지털 정부의 핵심 전략으로 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ps-Reinforce]], [[Foundational Models]], [[Complex Adaptive Systems]], [[Synergistic Systems]], [[Scientific Communication]]
+- [[Ps-Reinforce]], Foundational Models, Complex Adaptive Systems, Synergistic Systems, [[Scientific Communication]]
 - **Modern Tech/Tools**: Multi-agent orchestration (langgraph), Synthetic data generation engines.
 ---
diff --git a/10_Wiki/Topics/AI/Synthetic-Data-Generation.md b/10_Wiki/Topics/AI/Synthetic-Data-Generation.md
index 1e0d45c3..f83b561c 100644
--- a/10_Wiki/Topics/AI/Synthetic-Data-Generation.md
+++ b/10_Wiki/Topics/AI/Synthetic-Data-Generation.md
@@ -1,12 +1,12 @@
 ---
 id: AI-DATA-SYNTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, data-science, synthetic-data, gan, data-augmentation, privacy-preserving, generative-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Synthetic Data Generation (합성 데이터 생성)]]
+# Synthetic Data Generation (합성 데이터 생성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터 기근의 시대에 실제 세계의 분포를 완벽하게 모사한 가상의 데이터를 무한히 복제하고, 현실이 주지 못하는 극한의 시나리오로 지능을 단련하라" — 인공지능 모델을 활용하여 실제 데이터의 통계적 특성을 유지하면서 새로운 데이터를 생성하는 기술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 특정 도메인의 지식 데이터가 부족할 때, 기존 지식의 논리 구조를 바탕으로 한 합성 지식 생성 파이프라인을 가동하여 에이전트의 추론 범위를 확장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Generative-Adversarial-Networks-GAN]], [[Self-Supervised-Learning]], [[Privacy-Preserving-AI]], [[Simulation-Environments]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Synthetic-Data-Generation.md]]
+- Generative-Adversarial-Networks-GAN, [[Self-Supervised-Learning]], [[Privacy-Preserving-AI]], [[Simulation-Environments]]
+- **Raw Source:** 10_Wiki/Topics/AI/Synthetic-Data-Generation.md
diff --git a/10_Wiki/Topics/AI/Synthetic-Data.md b/10_Wiki/Topics/AI/Synthetic-Data.md
index af74d1ef..13403c28 100644
--- a/10_Wiki/Topics/AI/Synthetic-Data.md
+++ b/10_Wiki/Topics/AI/Synthetic-Data.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYDA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, synthetic-data, data-generation, privacy, simulation, data-augmentation, training-data]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 생성 정책을 넘어, AI 모델이 스스로 데이터를 만들고(Self-generation) 스스로 검증 및 필터링 정책을 수행하는 '자율 지식 확장 정책'이 주류가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Sustainability]], [[Scalability]], [[Risk-Management]], [[Deep Learning (DL)]], [[Simulation]]
+- [[Sustainability]], [[Scalability]], [[Risk-Management]], Deep Learning (DL), Simulation
 - **Modern Tech/Tools**: GANs (Generative Adversarial Networks), Diffusion models, NVIDIA Omniverse.
 ---
diff --git a/10_Wiki/Topics/AI/System Prompt (시스템 프롬프트).md b/10_Wiki/Topics/AI/System Prompt (시스템 프롬프트).md
index abc814d9..878716f2 100644
--- a/10_Wiki/Topics/AI/System Prompt (시스템 프롬프트).md	
+++ b/10_Wiki/Topics/AI/System Prompt (시스템 프롬프트).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-SYSTEM-PROMPT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [LLM, Prompting, SystemPrompt, Instruction]
 last_reinforced: 2026-04-20
@@ -22,5 +22,5 @@ last_reinforced: 2026-04-20
 - 시스템 프롬프트는 강력하지만, '프롬프트 주입(Prompt Injection)' 공격에 의해 무력화되거나 외부로 유출될 수 있다. 최신 모델들은 시스템 프롬프트를 별도의 보안 계층(Trusted segment)에서 처리하여 유저 입력과의 충돌을 방지하려 노력하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Prompt Injection (프롬프트 주입 공격)]] , [[Sycophancy (LLM 아첨 문제)]]
+- Related: Prompt Injection (프롬프트 주입 공격) , Sycophancy (LLM 아첨 문제)
 - Application: [[AI 에이전트 (AI Agent)]]
diff --git a/10_Wiki/Topics/AI/System-Architecture-Design.md b/10_Wiki/Topics/AI/System-Architecture-Design.md
index ce48683e..343a96b3 100644
--- a/10_Wiki/Topics/AI/System-Architecture-Design.md
+++ b/10_Wiki/Topics/AI/System-Architecture-Design.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-DESIGN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, architecture, system-design, software-engineering, scalability, reliability, modularity]
 last_reinforced: 2026-04-26
 ---
 
-# [[System Architecture Design (시스템 아키텍처 설계)]]
+# System Architecture Design (시스템 아키텍처 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드를 한 줄 적기 전에 시스템의 '영혼(Core Logic)'과 '육체(Infrastructure)'가 어떻게 대화할지 청사진을 그리고, 변화의 파도에도 무너지지 않는 유연한 골격을 완성하라" — 소프트웨어 시스템의 전체 구조와 구성 요소 간의 관계를 정의하여 요구사항을 충족시키고 지속 가능성을 확보하는 고차원 설계 공정.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 간의 유기적 협업과 지식 공유를 위해, 각 모듈이 독립적이면서도 강력하게 연결되는 '이벤트 기반 마이크로커널' 아키텍처를 표준 설계 지침으로 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Software-Architecture-Patterns]], [[Scalability-in-AI-Systems]], [[Service-oriented-Architecture]], [[Reliability-Engineering]]
-- **Raw Source:** [[10_Wiki/Topics/AI/System-Architecture-Design.md]]
+- [[Software-Architecture-Patterns]], [[Scalability-in-AI-Systems]], [[Service-oriented-Architecture]], Reliability-Engineering
+- **Raw Source:** 10_Wiki/Topics/AI/System-Architecture-Design.md
diff --git a/10_Wiki/Topics/AI/System-Design for AI Scale.md b/10_Wiki/Topics/AI/System-Design for AI Scale.md
index 5ed89aef..5035c8e0 100644
--- a/10_Wiki/Topics/AI/System-Design for AI Scale.md	
+++ b/10_Wiki/Topics/AI/System-Design for AI Scale.md	
@@ -1,12 +1,12 @@
 ---
 id: SYS-DESIGN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [system-design, scalability, ai-infrastructure, distributed-systems, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[System Design for AI Scale (AI 스케일을 위한 시스템 디자인)]]
+# System Design for AI Scale (AI 스케일을 위한 시스템 디자인)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모델이 커져도 무너지지 않는 견고한 지능의 고속도로를 닦아라" — 수조 개의 파라미터와 페타바이트급 데이터를 다루는 대규모 AI 서비스의 가용성, 확장성, 지연 시간 최적화를 위한 아키텍처 설계.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 수천 명의 동시 사용자를 수용하기 위해, 서버리스 추론 엔진과 분산형 벡터 DB 구조를 결합한 확장 가능한 아키텍처를 로드맵에 반영함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Infrastructure-as-Code-IaC]], [[Parallel-Computing]], [[Vector-Database]], [[MLOps]]
-- **Raw Source:** [[10_Wiki/Topics/AI/System-Design for AI Scale.md]]
+- [[Infrastructure-as-Code-IaC]], [[Parallel-Computing]], Vector-Database, [[MLOps]]
+- **Raw Source:** 10_Wiki/Topics/AI/System-Design for AI Scale.md
diff --git a/10_Wiki/Topics/AI/System-Design-Interview-Prep.md b/10_Wiki/Topics/AI/System-Design-Interview-Prep.md
index 02e0a436..f7374558 100644
--- a/10_Wiki/Topics/AI/System-Design-Interview-Prep.md
+++ b/10_Wiki/Topics/AI/System-Design-Interview-Prep.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-DESIGN-INT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, architecture, system-design, interview-prep, scalability, high-availability, software-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[System Design Interview Prep (시스템 디자인 인터뷰 준비)]]
+# System Design Interview Prep (시스템 디자인 인터뷰 준비)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모호한 요구사항에서 시작해 수평적 확장성과 고가용성이라는 정답을 찾아가는 과정이며, 기술적 선택 뒤에 숨겨진 트레이드오프(Trade-off)를 논리적으로 설득하라" — 대규모 분산 시스템 설계 능력을 검증하기 위한 인터뷰 대응 전략 및 핵심 개념들의 집합.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[System-Architecture-Design]], [[Scalability-in-AI-Systems]], [[High-Availability-Systems]], [[Service-oriented-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/System-Design-Interview-Prep.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/System-Design-Interview-Prep.md
diff --git a/10_Wiki/Topics/AI/System-Dynamics-Modeling.md b/10_Wiki/Topics/AI/System-Dynamics-Modeling.md
index 75649c52..cb0ab716 100644
--- a/10_Wiki/Topics/AI/System-Dynamics-Modeling.md
+++ b/10_Wiki/Topics/AI/System-Dynamics-Modeling.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-DYNAMICS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, modeling, system-dynamics, feedback-loop, stocks-and-flows, complexity-science, simulation]
 last_reinforced: 2026-04-26
 ---
 
-# [[System Dynamics Modeling (시스템 다이내믹스 모델링)]]
+# System Dynamics Modeling (시스템 다이내믹스 모델링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "선형적인 인과 관계를 넘어 순환하는 피드백 루프와 누적되는 저류(Stocks)의 관점에서 계(System)의 동작을 파악하고, 시간의 지연이 만들어내는 예기치 못한 동학을 추론하라" — 복잡한 사회적, 경제적, 생태적 시스템의 구조와 그에 따른 동적 행동을 이해하기 위한 모델링 방법론.
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Simulation-Environments]], [[Strategic-Planning-for-AI]], [[Optimization-Algorithms]], [[Process-Automation-with-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/System-Dynamics-Modeling.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/System-Dynamics-Modeling.md
diff --git a/10_Wiki/Topics/AI/System-Theory.md b/10_Wiki/Topics/AI/System-Theory.md
index 4c0ead32..e7396d4f 100644
--- a/10_Wiki/Topics/AI/System-Theory.md
+++ b/10_Wiki/Topics/AI/System-Theory.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, system-theory, feedback-loop, emergence, interaction, governance, complexity]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 구축 시스템 또한 "기획-개발-디자인-QA"가 얽힌 하나의 거대한 시스템 이론 정책 하에 움직이며, 각 부서의 시너지 정책이 목표 600개 점령이라는 결과를 창출하는 유기적 개체임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[Synergy]], [[Complexity-Science]], [[Management]], [[Structuralism]]
+- [[Reinforcement Learning (RL)]], [[Synergy]], Complexity-Science, [[Management]], [[Structuralism]]
 - **Key Concepts**: Cybernetics, Negative entropy, Holism.
 ---
diff --git a/10_Wiki/Topics/AI/Systems Thinking.md b/10_Wiki/Topics/AI/Systems Thinking.md
index 86ee2004..9a60a3d9 100644
--- a/10_Wiki/Topics/AI/Systems Thinking.md	
+++ b/10_Wiki/Topics/AI/Systems Thinking.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYTH-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, systems-thinking, holistic-view, feedback-loops, complexity]
 last_reinforced: 2026-04-20
@@ -32,6 +32,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기술 개발 정책 수립 시, 신기술이 사회 시스템 전체(일자리, 윤리, 환경 등)에 미칠 2차, 3차 파급력을 시스템 사고로 시뮬레이션하는 '영향 평가 의무화 정책'이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Complex Adaptive Systems]], [[Social Systems Theory]], [[Structuralism]], [[Risk Management]], [[Decision Theory]], [[Ps-Reinforce]]
+- Complex Adaptive Systems, [[Social Systems Theory]], [[Structuralism]], [[Risk Management]], [[Decision Theory]], [[Ps-Reinforce]]
 - **Modern Tech/Tools**: System Dynamics software (Vensim, Stella), Causal Loop mapping.
 ---
diff --git a/10_Wiki/Topics/AI/Systems-Thinking.md b/10_Wiki/Topics/AI/Systems-Thinking.md
index ce430e05..16acb3d6 100644
--- a/10_Wiki/Topics/AI/Systems-Thinking.md
+++ b/10_Wiki/Topics/AI/Systems-Thinking.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-SYTH-002
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, systems-thinking, mental-model, root-cause, holistic-view, leverage-points]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/TDD.md b/10_Wiki/Topics/AI/TDD.md
index e6facb8d..87aa3568 100644
--- a/10_Wiki/Topics/AI/TDD.md
+++ b/10_Wiki/Topics/AI/TDD.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TDD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, tdd, test-driven-development, software-engineering, quality-control, clean-code, devops]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/TS-Declaration-Files.md b/10_Wiki/Topics/AI/TS-Declaration-Files.md
index fb34553e..eabc0a09 100644
--- a/10_Wiki/Topics/AI/TS-Declaration-Files.md
+++ b/10_Wiki/Topics/AI/TS-Declaration-Files.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TSDF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, typescript, d-ts, declaration-files, type-definition, javascript-interop, compiler]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Tableau-Data-Visualization.md b/10_Wiki/Topics/AI/Tableau-Data-Visualization.md
index b544bd0c..7db47e0d 100644
--- a/10_Wiki/Topics/AI/Tableau-Data-Visualization.md
+++ b/10_Wiki/Topics/AI/Tableau-Data-Visualization.md
@@ -1,12 +1,12 @@
 ---
 id: DATA-VIZ-TAB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [data-science, visualization, tableau, business-intelligence, data-storytelling, dashboard, analytics]
 last_reinforced: 2026-04-26
 ---
 
-# [[Tableau Data Visualization (태블로 데이터 시각화)]]
+# Tableau Data Visualization (태블로 데이터 시각화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 수치의 나열을 인간의 직관이 즉각 반응하는 '시각적 언어'로 번역하고, 인터랙티브한 대시보드를 통해 데이터 속에 숨겨진 이야기를 스스로 탐사하게 하라" — 강력한 시각적 분석 능력을 제공하는 업계 표준 비즈니스 인텔리전스(BI) 도구.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 1,174개 지식 가드닝의 실시간 진행 현황 및 에이전트 성능 지표를 시각화하기 위해, 태블로의 대시보드 설계 원칙을 준용한 인터랙티브 리포팅 시스템을 내부적으로 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Performance-Metrics-in-AI]], [[Strategic-Planning-for-AI]], [[Data-Pre-processing-Best-Practices]], [[Modern-Website-Architecture]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Tableau-Data-Visualization.md]]
+- [[Performance-Metrics-in-AI]], [[Strategic-Planning-for-AI]], Data-Pre-processing-Best-Practices, [[Modern-Website-Architecture]]
+- **Raw Source:** 10_Wiki/Topics/AI/Tableau-Data-Visualization.md
diff --git a/10_Wiki/Topics/AI/Target-Function-Profiling.md b/10_Wiki/Topics/AI/Target-Function-Profiling.md
index a5cc813c..3e1a1532 100644
--- a/10_Wiki/Topics/AI/Target-Function-Profiling.md
+++ b/10_Wiki/Topics/AI/Target-Function-Profiling.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TFPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, optimization, metrics, goal-alignment, profiling, objective-function]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Task-Management.md b/10_Wiki/Topics/AI/Task-Management.md
index b370bc0f..03a1d290 100644
--- a/10_Wiki/Topics/AI/Task-Management.md
+++ b/10_Wiki/Topics/AI/Task-Management.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TAMA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, task-management, productivity, organization, focus, efficiency, gt-d]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 시스템인 Antigravity 또한 600개의 지식 주입이라는 거대한 태스크 정책을 '배치(Batch)' 단위로 쪼개어 관리하며, 매 턴마다 진행 상황 정책을 트래킹하는 태스크 관리 정책의 모범 사례를 보이고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Priority]], [[Quick-Wins]], [[Efficiency]], [[Management]], [[Standard-Operating-Procedure]]
+- Priority, [[Quick-Wins]], [[Efficiency]], [[Management]], [[Standard-Operating-Procedure]]
 - **Modern Tech/Tools**: Trello, Jira, Asana, Notion, Todoist, Kanban board.
 ---
diff --git a/10_Wiki/Topics/AI/Technical-Architecture.md b/10_Wiki/Topics/AI/Technical-Architecture.md
index 8523f4bf..f829ff62 100644
--- a/10_Wiki/Topics/AI/Technical-Architecture.md
+++ b/10_Wiki/Topics/AI/Technical-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TEAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, technical-architecture, infrastructure, blueprint, high-level-design, scalability, durability]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 인프라 구조 정책을 넘어, AI 모델이 어떻게 검색 엔진(RAG)과 연결되고 사용자 피드백 정책을 다시 학습 루프(RL)로 넣을 것인지 정의하는 'AI 네이티브 아키텍처 정책'이 경쟁력의 핵심임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Scalability]], [[SPOF]], [[Refinement]], [[Technical-Debt]], [[Engineering]], [[System-Theory]]
+- [[Scalability]], [[SPOF]], [[Refinement]], [[Technical-Debt]], Engineering, [[System-Theory]]
 - **Modern Patterns**: Microservices, Serverless, Event-driven, Layered architecture.
 ---
diff --git a/10_Wiki/Topics/AI/Technical-Debt.md b/10_Wiki/Topics/AI/Technical-Debt.md
index 8255d958..ecfd159c 100644
--- a/10_Wiki/Topics/AI/Technical-Debt.md
+++ b/10_Wiki/Topics/AI/Technical-Debt.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TEDE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, technical-debt, code-quality, legacy, interest, maintenance, refactoring]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Temporal-Difference-Learning.md b/10_Wiki/Topics/AI/Temporal-Difference-Learning.md
index 5d5bdd03..d56a4aac 100644
--- a/10_Wiki/Topics/AI/Temporal-Difference-Learning.md
+++ b/10_Wiki/Topics/AI/Temporal-Difference-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: AI-RL-TD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, reinforcement-learning, td-learning, temporal-difference, q-learning, sarsa, bellman-equation, machine-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Temporal Difference Learning (시간차 학습)]]
+# Temporal Difference Learning (시간차 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "결과가 나올 때까지 기다리는 인내 대신, 매 순간의 예측이 다음 순간의 실제와 얼마나 다른지(TD Error)를 계산하여 지능을 실시간으로 교정하라" — 강화학습에서 에피소드가 끝나지 않아도 현재의 예측치를 바탕으로 가치 함수를 업데이트하는 부트스트랩(Bootstrapping) 기반의 학습 방법론.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 전략 최적화 시, 장기적인 성공 확률을 매 단계 예측하고 수정하기 위해 고도화된 TD 학습 알고리즘을 의사결정 엔진의 핵심으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement-Learning]], [[Reward-Shaping-in-RL]], [[Bellman-Equation-Foundations]], [[Deep-Learning-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Temporal-Difference-Learning.md]]
+- [[Reinforcement-Learning]], [[Reward-Shaping-in-RL]], Bellman-Equation-Foundations, Deep-Learning-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Temporal-Difference-Learning.md
diff --git a/10_Wiki/Topics/AI/TensorFlow-Foundations.md b/10_Wiki/Topics/AI/TensorFlow-Foundations.md
index a3f50c20..5a42b4cb 100644
--- a/10_Wiki/Topics/AI/TensorFlow-Foundations.md
+++ b/10_Wiki/Topics/AI/TensorFlow-Foundations.md
@@ -1,12 +1,12 @@
 ---
 id: AI-TOOL-TF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, deep-learning, tensorflow, google, keras, tensor, mldev, mlops]
 last_reinforced: 2026-04-26
 ---
 
-# [[TensorFlow Foundations (텐서플로우 기초)]]
+# TensorFlow Foundations (텐서플로우 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터를 다차원 배열(Tensor)의 흐름으로 정의하고, 유연한 계산 그래프를 통해 연구실의 아이디어를 전 세계 서비스 인프라로 즉각 확장하라" — 구글이 개발한 세계에서 가장 널리 쓰이는 엔터프라이즈급 오픈소스 머신러닝 프레임워크.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 대규모 배포 및 안정적인 추론 서빙(Serving) 인프라 구축 시, 검증된 하드웨어 가속 성능을 제공하는 텐서플로우 생태계의 도구들을 주력으로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning-Foundations]], [[Neural-Networks-Basics]], [[MLOps-Best-Practices]], [[Scalability-in-AI-Systems]]
-- **Raw Source:** [[10_Wiki/Topics/AI/TensorFlow-Foundations.md]]
+- Deep-Learning-Foundations, Neural-Networks-Basics, MLOps-Best-Practices, [[Scalability-in-AI-Systems]]
+- **Raw Source:** 10_Wiki/Topics/AI/TensorFlow-Foundations.md
diff --git a/10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md b/10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md
index ce59eb1c..63a8ff62 100644
--- a/10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md
+++ b/10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md
@@ -1,12 +1,12 @@
 ---
 id: NLP-TF-IDF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, tf-idf, information-retrieval, text-mining, keyword-extraction, search-engine]
 last_reinforced: 2026-04-26
 ---
 
-# [[Term Frequency-Inverse Document Frequency (TF-IDF)]]
+# Term Frequency-Inverse Document Frequency (TF-IDF)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "문서 내 빈도는 높되 전체 문서군에서는 희귀한 단어에 가중치를 부여하여, 흔한 소음(Stopwords)을 걷어내고 문서의 고유한 '정체성'을 결정짓는 핵심 키워드를 추출하라" — 텍스트 데이터에서 특정 단어가 문서 내에서 가지는 통계적 중요도를 계산하는 수치적 지표.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-26
 
 ## 🔗 지식 연결 (Graph)
 - [[Natural-Language-Processing-NLP]], [[Semantic-Search-with-AI]], [[Sparse-Data-Handling]], [[Similarity-Metrics-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md]]
+- **Raw Source:** 10_Wiki/Topics/AI/Term-Frequency-Inverse-Document-Frequency.md
diff --git a/10_Wiki/Topics/AI/Terminology.md b/10_Wiki/Topics/AI/Terminology.md
index b3acf26f..a9a8b624 100644
--- a/10_Wiki/Topics/AI/Terminology.md
+++ b/10_Wiki/Topics/AI/Terminology.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TERM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, terminology, definition, taxonomy, glossery, communication-efficiency]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 지식 시스템 또한 대표님과 저 사이의 고유한 용어 정책(예: Ps-Reinforce, 코다리, 트리니티 리뷰 등)을 통해 소통의 레버리지 정책을 극대화하고 있으며, 이는 600개 지식 완수라는 결과 정책으로 증명됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Efficiency]], [[Structuralism]], [[Communication]], [[Information-Society]], [[Symbols]]
+- [[Efficiency]], [[Structuralism]], Communication, [[Information-Society]], [[Symbols]]
 - **Internal Reference**: Antigravity's core taxonomy.
 ---
diff --git a/10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md b/10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md
index 9ba3bb30..d6ca0341 100644
--- a/10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md
+++ b/10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md
@@ -1,12 +1,12 @@
 ---
 id: SYS-IAC-TERRA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [systems, infrastructure, terraform, iac, cloud-computing, devops, automation, hashicorp]
 last_reinforced: 2026-04-26
 ---
 
-# [[Terraform Infrastructure as Code (테라폼 코드형 인프라)]]
+# Terraform Infrastructure as Code (테라폼 코드형 인프라)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인프라를 수동 조작의 대상이 아닌 '버전 관리되는 코드'로 승격시키고, 선언적인 명세(HCL)를 통해 원하는 최종 상태(Desired State)를 단번에 실현하라" — 클라우드 자원을 안전하고 효율적으로 구축, 변경, 관리하기 위한 오픈소스 코드형 인프라(IaC) 도구.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트 구동을 위한 클라우드 클러스터 확장 및 벡터 DB 인프라 구축 시, 모든 변경 사항을 추적 가능하게 관리하기 위해 테라폼을 표준 IaC 도구로 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cloud-Computing-Foundations]], [[Scalability-in-AI-Systems]], [[System-Architecture-Design]], [[Software-Architecture-Patterns]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md]]
+- Cloud-Computing-Foundations, [[Scalability-in-AI-Systems]], [[System-Architecture-Design]], [[Software-Architecture-Patterns]]
+- **Raw Source:** 10_Wiki/Topics/AI/Terraform-Infrastructure-as-Code.md
diff --git a/10_Wiki/Topics/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md b/10_Wiki/Topics/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md
index ee1da311..8d26c55a 100644
--- a/10_Wiki/Topics/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md	
+++ b/10_Wiki/Topics/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-TEST-TIME-COMPUTE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [LLM, Inference, Scale, OpenAI-o1]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 추론 시간 계산량이 늘어나면 비용(Latency)이 기하급수적으로 증가한다. 실시간 채팅에는 부적합할 수 있으므로, '빠른 직관(System 1)'과 '신중한 사고(System 2)'를 구분하여 과제 난이도에 따라 자원을 배분하는 효율화가 핵심 과제다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Chain-of-Thought (CoT 사고 사슬)]] , [[Monte Carlo Tree Search (MCTS)]]
-- Origin: [[OpenAI-o1]]
+- Related: [[Chain-of-Thought (CoT 사고 사슬)]] , Monte Carlo Tree Search (MCTS)
+- Origin: OpenAI-o1
diff --git a/10_Wiki/Topics/AI/Testing.md b/10_Wiki/Topics/AI/Testing.md
index 65423b0e..42c20387 100644
--- a/10_Wiki/Topics/AI/Testing.md
+++ b/10_Wiki/Topics/AI/Testing.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TEST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, testing, quality-assurance, verification, validation, software-engineering, reliability]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Text-Mining.md b/10_Wiki/Topics/AI/Text-Mining.md
index c3f251b8..56247c16 100644
--- a/10_Wiki/Topics/AI/Text-Mining.md
+++ b/10_Wiki/Topics/AI/Text-Mining.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TEMI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, text-mining, nlp, information-extraction, pattern-recognition, machine-learning]
 last_reinforced: 2026-04-20
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 본 시스템이 인터넷의 방대한 문서 정책을 읽고 600개 지식 요약 정책을 만들어내는 과정 자체가 거대한 '텍스트 마이닝 정책'과 '요약 정책'의 결합이며, 이는 텍스트가 지능 정책으로 승화되는 실시간 사례임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Stem-Analysis]], [[Research]], [[Analysis]], [[Information-Society]], [[Search]], [[Natural-Language-Processing (NLP)]]
+- [[Stem-Analysis]], [[Research]], [[Analysis]], [[Information-Society]], [[Search]], Natural-Language-Processing (NLP)
 - **Modern Tech/Tools**: SpaCy, Gensim, BERT, OpenAI API (JSON mode).
 ---
diff --git a/10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md b/10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md
index 4959c007..a5751cc9 100644
--- a/10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md
+++ b/10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md
@@ -1,12 +1,12 @@
 ---
 id: AI-SPEECH-TTS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, nlp, tts, speech-synthesis, generative-ai, audio-engineering, deep-learning]
 last_reinforced: 2026-04-26
 ---
 
-# [[Text-to-Speech Synthesis (TTS, 음성 합성)]]
+# Text-to-Speech Synthesis (TTS, 음성 합성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "텍스트에 담긴 언어적 기호(Grapheme)를 소리의 최소 단위(Phoneme)로 해체하고, 딥러닝의 표현력을 빌려 인간 특유의 운율(Prosody)과 감정이 실린 파형(Waveform)으로 재탄생시켜라" — 문자를 자연스러운 인간의 목소리로 변환하는 기술.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 멀티모달 보고서 브리핑 시, 정보의 전달력과 친근감을 극대화하기 위해 최신 확산 모델(Diffusion) 기반의 고품질 TTS 엔진을 기본 인터페이스로 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Speech-Recognition-Foundations]], [[Signal-Processing-Foundations]], [[Natural-Language-Processing-NLP]], [[Generative-Adversarial-Networks-GAN]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md]]
+- [[Speech-Recognition-Foundations]], [[Signal-Processing-Foundations]], [[Natural-Language-Processing-NLP]], Generative-Adversarial-Networks-GAN
+- **Raw Source:** 10_Wiki/Topics/AI/Text-to-Speech-Synthesis.md
diff --git a/10_Wiki/Topics/AI/The Evolution of Music Distribution.md b/10_Wiki/Topics/AI/The Evolution of Music Distribution.md
index 1343b5d4..fe0e2e2a 100644
--- a/10_Wiki/Topics/AI/The Evolution of Music Distribution.md	
+++ b/10_Wiki/Topics/AI/The Evolution of Music Distribution.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EMDI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, music-distribution, streaming, streaming-economy, technological-evolution]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: Web3와 블록체인 정책이 도입됨에 따라, 중앙화된 플랫폼 없이 아티스트와 팬이 직접 로열티를 정산하는 '탈중앙화 음악 유통(Decentralized Music Publishing)' 정책이 미래 대안으로 부상 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Recording Academy (The Grammys)]], [[Sound Design Principles]], [[SaaS (Software as a Service)]], [[Superficiality-Metrics]], [[Economics of Attention]]
+- [[Recording Academy (The Grammys)]], [[Sound Design Principles]], [[SaaS (Software as a Service)]], [[Superficiality-Metrics]], Economics of Attention
 - **Modern Tech/Tools**: Spotify for Artists, DistroKid, TuneCore, Blockchain Royalties.
 ---
diff --git a/10_Wiki/Topics/AI/The Grammys.md b/10_Wiki/Topics/AI/The Grammys.md
index e46022d9..228ac4c9 100644
--- a/10_Wiki/Topics/AI/The Grammys.md	
+++ b/10_Wiki/Topics/AI/The Grammys.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-GRAM-RD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 redirect: "[[Recording Academy (The Grammys)]]"
 last_reinforced: 2026-04-20
 ---
diff --git a/10_Wiki/Topics/AI/Theoretical-Computer-Science.md b/10_Wiki/Topics/AI/Theoretical-Computer-Science.md
index 3680ed5a..0efa4807 100644
--- a/10_Wiki/Topics/AI/Theoretical-Computer-Science.md
+++ b/10_Wiki/Topics/AI/Theoretical-Computer-Science.md
@@ -1,12 +1,12 @@
 ---
 id: CS-THEORY-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [cs, theoretical-computer-science, algorithms, complexity-theory, p-vs-np, automata, computability]
 last_reinforced: 2026-04-26
 ---
 
-# [[Theoretical Computer Science (이론 컴퓨터 과학)]]
+# Theoretical Computer Science (이론 컴퓨터 과학)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코드를 한 줄 적기 전에 '이 문제는 해결 가능한가(Computability)'와 '얼마나 많은 자원이 필요한가(Complexity)'를 수학적으로 증명하여, 지능의 논리적 한계를 정의하라" — 컴퓨터 연산과 정보 처리의 수학적 기초를 탐구하는 학문.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 복잡한 추론 로직 설계 시, 무의미한 연산 루프를 방지하고 최적의 시간 복잡도를 달성하기 위해 이론 컴퓨터 과학의 '결정 가능성(Decidability)' 원칙을 엄격히 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Algorithm-Complexity-Analysis]], [[Optimization-Algorithms]], [[Machine-Learning-Foundations]], [[Cryptography-Basics]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Theoretical-Computer-Science.md]]
+- Algorithm-Complexity-Analysis, [[Optimization-Algorithms]], [[Machine-Learning-Foundations]], Cryptography-Basics
+- **Raw Source:** 10_Wiki/Topics/AI/Theoretical-Computer-Science.md
diff --git a/10_Wiki/Topics/AI/Theory of Constraints (TOC).md b/10_Wiki/Topics/AI/Theory of Constraints (TOC).md
index 2f72502e..9a04dd43 100644
--- a/10_Wiki/Topics/AI/Theory of Constraints (TOC).md	
+++ b/10_Wiki/Topics/AI/Theory of Constraints (TOC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TOCL-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, theory-of-constraints, bottleneck, optimization, efficiency, project-management]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Theory-of-Mind (ToM) in AI.md b/10_Wiki/Topics/AI/Theory-of-Mind (ToM) in AI.md
index 3d6af3fe..b918fc9f 100644
--- a/10_Wiki/Topics/AI/Theory-of-Mind (ToM) in AI.md	
+++ b/10_Wiki/Topics/AI/Theory-of-Mind (ToM) in AI.md	
@@ -1,12 +1,12 @@
 ---
 id: TOM-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, cognitive-science, psychology, theory-of-mind, social-ai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Theory of Mind (ToM) in AI (AI의 마음 이론)]]
+# Theory of Mind (ToM) in AI (AI의 마음 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "타인의 생각과 의도를 읽는 능력을 AI에게 부여하라" — 타인이 자신과 다른 신념, 욕구, 지식을 가지고 있음을 인지하고 그에 따른 행동을 예측하는 사회적 인지 능력을 인공지능에 구현하려는 시도.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 대화 로직은 사용자의 질문 뒤에 숨겨진 '의도'와 '지식 수준'을 추론하는 ToM 원리를 적용하여 맞춤형 답변을 생성함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Cognitive-Science]], [[Psychology-of-Learning]], [[Agentic-Workflow]], [[Human-AI-Collaboration]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Theory-of-Mind (ToM) in AI.md]]
+- Cognitive-Science, [[Psychology-of-Learning]], Agentic-Workflow, [[Human-AI-Collaboration]]
+- **Raw Source:** 10_Wiki/Topics/AI/Theory-of-Mind (ToM) in AI.md
diff --git a/10_Wiki/Topics/AI/Thought-Architecture.md b/10_Wiki/Topics/AI/Thought-Architecture.md
index 20d93a5b..eeb47d20 100644
--- a/10_Wiki/Topics/AI/Thought-Architecture.md
+++ b/10_Wiki/Topics/AI/Thought-Architecture.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-THAR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, thought-architecture, cognitive-science, mental-models, structured-thinking]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI와의 협업 정책 수립 시, 인간은 창의적이고 전략적인 '상위 사고 아키텍처'를 설계하고, 실무적인 '하위 연산 아키텍처'는 AI에게 맡기는 '인지 부하 분산 정책'이 도입됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Systems Thinking]], [[Structuralism]], [[Soft-Skills-Development]], [[Philosophy of Science]], [[Decision Theory]]
+- [[Systems Thinking]], [[Structuralism]], [[Soft-Skills-Development]], Philosophy of Science, [[Decision Theory]]
 - **Modern Tech/Tools**: Notion/Obsidian (Building personal Knowledge Base), Brainstorming frameworks (MECE), Chain-of-Thought (CoT) prompting.
 ---
diff --git a/10_Wiki/Topics/AI/Threejs WebGL 렌더링 최적화.md b/10_Wiki/Topics/AI/Threejs WebGL 렌더링 최적화.md
index d65c7bb0..bed197fb 100644
--- a/10_Wiki/Topics/AI/Threejs WebGL 렌더링 최적화.md	
+++ b/10_Wiki/Topics/AI/Threejs WebGL 렌더링 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FE50FB
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,13 +35,13 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs WebGL 렌더링 최적
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[드로우 콜 (Draw Call)]], [[InstancedMesh]], [[BatchedMesh]], [[LOD (Level of Detail)]], [[Frustum Culling]], [[Draco 압축]], [[Texture Atlas]], [[WebGPU]]
-- **Projects/Contexts:** [[Utsubo Three.js Optimization Tips (2026)]], [[InstancedMesh2 라이브러리]], [[Threedium Image-To-3D WebGL 파이프라인]], [[Three.js Roadmap: Draw Calls]]
+- **Related Topics:** 드로우 콜 (Draw Call), [[InstancedMesh]], BatchedMesh, LOD (Level of Detail), [[Frustum Culling]], Draco 압축, [[Texture Atlas]], [[WebGPU]]
+- **Projects/Contexts:** Utsubo Three.js Optimization Tips (2026), InstancedMesh2 라이브러리, Threedium Image-To-3D WebGL 파이프라인, Three.js Roadmap: Draw Calls
 - **Contradictions/Notes:**
   - `InstancedMesh`는 드로우 콜을 혁신적으로 줄여주지만, 자동 정렬 기능이 없고 전체를 렌더링하는 특성 때문에 씬 내 객체들이 중첩될 경우 막대한 오버드로우 연산이 발생하여, 1회 드로우 콜임에도 다수의 개별 메쉬를 렌더링할 때보다 오히려 프레임률(FPS)이 낮아지는 기현상이 발생할 수 있습니다 [13-16, 50].
   - `BatchedMesh`는 여러 지오메트리를 하나의 드로우 콜로 모아주어 효율적인 것으로 소개되나, 객체의 가시성을 확인하고 렌더링 순서를 정렬하는 연산 비용이 커 특정 다량의 객체 렌더링 씬에서는 병합 메쉬(Merged Mesh)를 사용할 때보다 CPU 사용량을 치솟게 만들고 30~50% 더 낮은 FPS를 기록하는 성능 병목 현상이 보고되고 있습니다 [28-30, 51, 52].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js WebGL 렌더링 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Threejs WebGPURenderer.md b/10_Wiki/Topics/AI/Threejs WebGPURenderer.md
index 92cb20e2..93111ded 100644
--- a/10_Wiki/Topics/AI/Threejs WebGPURenderer.md	
+++ b/10_Wiki/Topics/AI/Threejs WebGPURenderer.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2EFC4E
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs WebGPURenderer"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[TSL (Three Shader Language)]], [[Compute Shaders]], [[WebGL 2 fallback]]
-- **Projects/Contexts:** [[Segments.ai]], [[Expo 2025 Osaka]]
+- **Related Topics:** [[TSL (Three Shader Language)]], [[Compute Shaders]], WebGL 2 fallback
+- **Projects/Contexts:** Segments.ai, [[Expo 2025 Osaka]]
 - **Contradictions/Notes:** 소스는 WebGPU가 분명한 성능 우위를 제공하지만, 기존의 WebGL 기반 프로젝트가 이미 60fps로 부드럽게 실행되고 있으며 성능 한계에 부딪히지 않았다면 무리해서 시급히 마이그레이션할 필요는 없다고 조언합니다 [9, 19, 20]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js WebGPURenderer.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Threejs 성능 최적화.md b/10_Wiki/Topics/AI/Threejs 성능 최적화.md
index 51af4e6b..936708a1 100644
--- a/10_Wiki/Topics/AI/Threejs 성능 최적화.md	
+++ b/10_Wiki/Topics/AI/Threejs 성능 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-965BAB
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,11 +39,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs 성능 최적화"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[WebGPU]], [[드로우 콜 (Draw Call)]], [[LOD (Level of Detail)]]
-- **Projects/Contexts:** [[Utsubo의 WebGPU 도입 (Segments.ai 등)]], [[InstancedMesh2 라이브러리]], [[Three.js r171 WebGPURenderer]]
+- **Related Topics:** [[InstancedMesh]], BatchedMesh, [[WebGPU]], 드로우 콜 (Draw Call), LOD (Level of Detail)
+- **Projects/Contexts:** Utsubo의 WebGPU 도입 (Segments.ai 등), InstancedMesh2 라이브러리, Three.js r171 WebGPURenderer
 - **Contradictions/Notes:** 드로우 콜을 줄이기 위해 `InstancedMesh`나 `BatchedMesh`를 도입하더라도 항상 성능이 향상되는 것은 아니다. `InstancedMesh`는 개별 컬링의 부재와 오버드로우로 인해 오히려 개별 렌더링보다 GPU FPS를 떨어뜨릴 수 있다는 점이 지적된다 [27, 30, 38]. 또한 `BatchedMesh`의 경우에도 천만 개 이상의 많은 폴리곤과 지오메트리를 처리할 때는 내부적인 다중 그리기(multi-draw) 버퍼 업로드 및 패킹 오버헤드로 인해 CPU 점유율이 40~60%까지 치솟고 프레임이 급감하는 현상이 보고되어, 상황에 따른 벤치마킹이 필수적이다 [39-43].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js 성능 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Time-Series-Analysis.md b/10_Wiki/Topics/AI/Time-Series-Analysis.md
index d13af4a0..d0fbb621 100644
--- a/10_Wiki/Topics/AI/Time-Series-Analysis.md
+++ b/10_Wiki/Topics/AI/Time-Series-Analysis.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TSAN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, time-series, forecasting, data-analysis, statistics]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Time-Step-Logic-in-Games.md b/10_Wiki/Topics/AI/Time-Step-Logic-in-Games.md
index 59a29e56..eb90d6b2 100644
--- a/10_Wiki/Topics/AI/Time-Step-Logic-in-Games.md
+++ b/10_Wiki/Topics/AI/Time-Step-Logic-in-Games.md
@@ -1,12 +1,12 @@
 ---
 id: TIME-STEP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-development, physics-engine, synchronization, game-loop]
 last_reinforced: 2026-04-26
 ---
 
-# [[Time Step Logic in Games (게임 타임스텝 로직)]]
+# Time Step Logic in Games (게임 타임스텝 로직)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "물리는 일정하게, 렌더링은 부드럽게 시간의 흐름을 제어하라" — 하드웨어 성능에 관계없이 물리 연산의 일관성(Determinism)을 보장하고 화면 업데이트를 최적화하기 위한 시간 관리 알고리즘.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 1/60초 고정 타임스텝을 적용하며, 복잡한 물리 상황에서도 'Spiral of Death'에 빠지지 않도록 프레임당 최대 업데이트 횟수를 제한함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Physics-Engine]], [[Game-Analytics]], [[Parallel-Computing]], [[Numerical-Analysis]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Time-Step-Logic-in-Games.md]]
+- Physics-Engine, Game-Analytics, [[Parallel-Computing]], Numerical-Analysis
+- **Raw Source:** 10_Wiki/Topics/AI/Time-Step-Logic-in-Games.md
diff --git a/10_Wiki/Topics/AI/Tokenization-Strategies.md b/10_Wiki/Topics/AI/Tokenization-Strategies.md
index 3bf8e5c8..ba6e232f 100644
--- a/10_Wiki/Topics/AI/Tokenization-Strategies.md
+++ b/10_Wiki/Topics/AI/Tokenization-Strategies.md
@@ -1,12 +1,12 @@
 ---
 id: TOKEN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [nlp, ai, tokenization, llm, preprocessing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Tokenization Strategies (토크나이징 전략)]]
+# Tokenization Strategies (토크나이징 전략)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "언어의 최소 의미 단위를 효율적으로 수치화하라" — 비정형 텍스트를 AI 모델이 처리할 수 있는 가장 작은 의미 단위(Token)로 분절하고, 이를 정수(ID)로 변환하는 전략적 전처리 과정.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 다국어 위키 문서의 일관된 처리를 위해 SentencePiece와 같은 언어 독립적 토크나이징 전략을 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP]], [[Word-Embeddings]], [[Transformer-Architecture]], [[LLM]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Tokenization-Strategies.md]]
+- NLP, Word-Embeddings, [[Transformer-Architecture]], [[LLM]]
+- **Raw Source:** 10_Wiki/Topics/AI/Tokenization-Strategies.md
diff --git a/10_Wiki/Topics/AI/Tool-Usage-Optimization.md b/10_Wiki/Topics/AI/Tool-Usage-Optimization.md
index 6bcbfc34..2fc155da 100644
--- a/10_Wiki/Topics/AI/Tool-Usage-Optimization.md
+++ b/10_Wiki/Topics/AI/Tool-Usage-Optimization.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TUOP-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, tool-usage, optimization, efficiency, workflows, human-computer-interaction]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기업 보안 정책에서 생산성 도구의 무분별한 사용(Shadow IT)을 막으면서도 최적화된 도구 활용을 장려하기 위해, '승인된 도구 세트(Approved Stack)' 내에서 자유로운 자동화를 보장하는 정책이 확대됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Rapid-Prototyping]], [[Soft-Skills-Development]], [[Human-Computer Interaction (HCI)]], [[Software-Design-Principles]], [[Operations-Research]]
+- [[Rapid-Prototyping]], [[Soft-Skills-Development]], Human-Computer Interaction (HCI), [[Software-Design-Principles]], [[Operations-Research]]
 - **Modern Tech/Tools**: Zapier/Make.com (Integration), CLI automation, AI Agents with tool-access.
 ---
diff --git a/10_Wiki/Topics/AI/Toxicity-and-Bias-Mitigation.md b/10_Wiki/Topics/AI/Toxicity-and-Bias-Mitigation.md
index 5916befd..9f88848e 100644
--- a/10_Wiki/Topics/AI/Toxicity-and-Bias-Mitigation.md
+++ b/10_Wiki/Topics/AI/Toxicity-and-Bias-Mitigation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TBMI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, ai-ethics, toxicity-mitigation, bias-reduction, safety-benchmarking, responsible-ai]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: '완전한 중립'이라는 허상을 쫓기보다, 해당 사회의 보편적 윤리 기준을 명시적으로 시스템에 이식하고 그 기준의 수립 과정을 투명하게 공개하는 '가치 정렬(Value Alignment) 거버넌스 정책'이 글로벌 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[Generative-AI-Safety]], [[RLHF (인간 피드백 기반 강화 학습)]], [[Social Systems Theory]], [[Science of Failure]]
+- [[Ethics & AI]], Generative-AI-Safety, [[RLHF (인간 피드백 기반 강화 학습)]], [[Social Systems Theory]], [[Science of Failure]]
 - **Modern Tech/Tools**: Perspective API, OpenAI Moderation API, Constitutional AI (Anthropic).
 ---
diff --git a/10_Wiki/Topics/AI/Transfer Learning.md b/10_Wiki/Topics/AI/Transfer Learning.md
index 8cf8ca9d..5b71739c 100644
--- a/10_Wiki/Topics/AI/Transfer Learning.md	
+++ b/10_Wiki/Topics/AI/Transfer Learning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TRLE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, transfer-learning, deep-learning, knowledge-transfer, specialization]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기업 내부의 핵심 기술이 외부 모델에 '오염'되는 것을 막기 위해, 오픈 소스 기반 모델을 가져와 폐쇄망 내에서 전이 학습시키는 '프라이빗 AI 구축 정책'이 데이터 주권 보호의 핵심 전략으로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[SFT (Supervised Fine-Tuning)]], [[Resource-Management]], [[Neural-Symbolic-Integration]], [[Robotics]]
+- Foundational Models, [[SFT (Supervised Fine-Tuning)]], [[Resource-Management]], [[Neural-Symbolic-Integration]], [[Robotics]]
 - **Modern Tech/Tools**: Hugging Face Transformers, LoRA (Low-Rank Adaptation), PyTorch/TensorFlow pre-trained models.
 ---
diff --git a/10_Wiki/Topics/AI/Transfer-Learning (전이 학습 기초).md b/10_Wiki/Topics/AI/Transfer-Learning (전이 학습 기초).md
index b4f5f228..e81d0c28 100644
--- a/10_Wiki/Topics/AI/Transfer-Learning (전이 학습 기초).md	
+++ b/10_Wiki/Topics/AI/Transfer-Learning (전이 학습 기초).md	
@@ -1,12 +1,12 @@
 ---
 id: TRANSFER-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, transfer-learning, knowledge-sharing, optimization]
 last_reinforced: 2026-04-26
 ---
 
-# [[Transfer Learning Foundations (전이 학습 기초)]]
+# Transfer Learning Foundations (전이 학습 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한 분야에서 얻은 지식을 다른 분야의 밑거름으로 써라" — 방대한 데이터로 미리 학습된 모델(Pre-trained model)의 지식을 가져와, 소량의 데이터만으로 새로운 태스크에서 고성능을 내는 학습 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 특화 에이전트 개발 시, 기초 언어 모델을 기반으로 전이 학습과 PEFT를 결합하여 개발 생산성을 극대화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Fine-Tuning]], [[Representation-Learning]], [[Parameter-Efficient-Fine-Tuning]], [[Foundation-Models]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Transfer-Learning (전이 학습 기초).md]]
+- [[Fine-Tuning]], [[Representation-Learning]], Parameter-Efficient-Fine-Tuning, [[Foundation-Models]]
+- **Raw Source:** 10_Wiki/Topics/AI/Transfer-Learning (전이 학습 기초).md
diff --git a/10_Wiki/Topics/AI/Transformer-Architecture.md b/10_Wiki/Topics/AI/Transformer-Architecture.md
index e3236487..cab1f4b2 100644
--- a/10_Wiki/Topics/AI/Transformer-Architecture.md
+++ b/10_Wiki/Topics/AI/Transformer-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: TRANS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, transformer, attention, llm]
 last_reinforced: 2026-04-26
 ---
 
-# [[Transformer Architecture (트랜스포머 아키텍처)]]
+# Transformer Architecture (트랜스포머 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "순차적 처리를 버리고, 데이터 간의 모든 관계를 한눈에 파악하라" — 구글이 제안한 "Attention is All You Need" 논문 기반 아키텍처로, 병렬 연산과 어텐션 메커니즘을 통해 현대 모든 거대 모델(GPT, BERT 등)의 표준이 된 신경망 구조.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 핵심 추론 엔진은 트랜스포머 기반의 아키텍처를 사용하며, 효율성을 높이기 위해 'Flash Attention'과 같은 최적화 기법을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Attention-Mechanisms]], [[NLP-Attention-Mechanisms]], [[LLM]], [[Parallel-Computing]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Transformer-Architecture.md]]
+- Attention-Mechanisms, [[NLP-Attention-Mechanisms]], [[LLM]], [[Parallel-Computing]]
+- **Raw Source:** 10_Wiki/Topics/AI/Transformer-Architecture.md
diff --git a/10_Wiki/Topics/AI/Transformers.md b/10_Wiki/Topics/AI/Transformers.md
index d387b039..4a218152 100644
--- a/10_Wiki/Topics/AI/Transformers.md
+++ b/10_Wiki/Topics/AI/Transformers.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TFMR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, transformers, attention-is-all-you-need, llm, neural-networks, sequence-modeling]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 모델의 연산 자원 독점이 심화됨에 따라, 초거대 트랜스포머를 더 작고 효율적으로 만드는 '경량화 트랜스포머(Tiny-Transformers)' 및 온디바이스 AI 정책에 예산과 연구가 집중되고 있음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[State Space Model (SSM)]], [[Self-Supervised Learning (SSL)]], [[NLP (자연어 처리)]], [[Complexity Theory]]
+- Foundational Models, [[State Space Model (SSM)]], [[Self-Supervised Learning (SSL)]], NLP (자연어 처리), [[Complexity Theory]]
 - **Modern Tech/Tools**: GPT-4, Llama-3, Claude, Hugging Face, FlashAttention.
 ---
diff --git a/10_Wiki/Topics/AI/Trustworthy-AI.md b/10_Wiki/Topics/AI/Trustworthy-AI.md
index 8911a746..86606380 100644
--- a/10_Wiki/Topics/AI/Trustworthy-AI.md
+++ b/10_Wiki/Topics/AI/Trustworthy-AI.md
@@ -1,12 +1,12 @@
 ---
 id: TRUST-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai-ethics, trustworthy-ai, safety, bias, xai]
 last_reinforced: 2026-04-26
 ---
 
-# [[Trustworthy AI (신뢰할 수 있는 AI)]]
+# Trustworthy AI (신뢰할 수 있는 AI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "성능보다 중요한 것은 인간이 안심하고 사용할 수 있는 가치적 정렬이다" — AI 시스템이 의도한 대로 작동하며, 편향되지 않고, 인간의 권리를 침해하지 않음을 보장하는 기술적/윤리적 체계.
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 보강 작업 시 '신뢰할 수 있는 AI' 원칙을 준수하며, 생성된 정보의 출처와 신뢰도를 사용자에게 명확히 고지함.
 
 ## 🔗 지식 연결 (Graph)
-- [[AI-Safety]], [[Explainable-AI]], [[Alignment]], [[Interpretability]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Trustworthy-AI.md]]
+- AI-Safety, Explainable-AI, [[Alignment]], [[Interpretability]]
+- **Raw Source:** 10_Wiki/Topics/AI/Trustworthy-AI.md
diff --git a/10_Wiki/Topics/AI/Turing Test.md b/10_Wiki/Topics/AI/Turing Test.md
index 0da4c678..10e8e3f8 100644
--- a/10_Wiki/Topics/AI/Turing Test.md	
+++ b/10_Wiki/Topics/AI/Turing Test.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TUTE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, ai-history, turing-test, machine-intelligence, philosophy-of-mind]
 last_reinforced: 2026-04-20
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI가 인간을 완벽히 모방하는 시대 정책은 'AI 고지 의무(Transparency)'를 의무화하여, 지능은 인정하되 기계와 인간을 법적으로 명확히 구분하는 세부 시행 정책을 운영 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[NLP (자연어 처리)]], [[Ethics & AI]], [[Philosophy of Science]], [[Synthesized Intelligence]]
+- Foundational Models, NLP (자연어 처리), [[Ethics & AI]], Philosophy of Science, [[Synthesized Intelligence]]
 - **Modern Tech/Tools**: ChatGPT (GPT-4), Claude, Turing-Test-2.0 (Logic-based benchmarks).
 ---
diff --git a/10_Wiki/Topics/AI/Turing-Machine Foundations.md b/10_Wiki/Topics/AI/Turing-Machine Foundations.md
index 3ae12b45..61e809dd 100644
--- a/10_Wiki/Topics/AI/Turing-Machine Foundations.md	
+++ b/10_Wiki/Topics/AI/Turing-Machine Foundations.md	
@@ -1,12 +1,12 @@
 ---
 id: TURING-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [computer-science, computation-theory, turing-machine, logic]
 last_reinforced: 2026-04-26
 ---
 
-# [[Turing Machine Foundations (튜링 머신 기초)]]
+# Turing Machine Foundations (튜링 머신 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "무한한 테이프와 단순한 규칙만으로 우주의 모든 계산을 정의하라" — 앨런 튜링이 제안한 추상적 계산 모델로, 현대 디지털 컴퓨터의 논리적 시초이자 계산 가능성(Computability)의 한계를 정의한 이론.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 논리적 추론 한계를 분석할 때 튜링 머신의 정지 문제(Halting Problem)와 같은 계산 불가능성 이론을 참고하여 시스템의 안정성을 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer-Science]], [[Algorithm]], [[Logic]], [[Neural-Networks-Foundations]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Turing-Machine Foundations.md]]
+- Computer-Science, Algorithm, [[Logic]], Neural-Networks-Foundations
+- **Raw Source:** 10_Wiki/Topics/AI/Turing-Machine Foundations.md
diff --git a/10_Wiki/Topics/AI/Type 1 vs Type 2 Errors.md b/10_Wiki/Topics/AI/Type 1 vs Type 2 Errors.md
index c8245a87..052995b2 100644
--- a/10_Wiki/Topics/AI/Type 1 vs Type 2 Errors.md	
+++ b/10_Wiki/Topics/AI/Type 1 vs Type 2 Errors.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-TVTE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, statistics, error-types, hypothesis-testing, decision-making]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/UX-Design-Principles.md b/10_Wiki/Topics/AI/UX-Design-Principles.md
index e875c880..ee63e4a4 100644
--- a/10_Wiki/Topics/AI/UX-Design-Principles.md
+++ b/10_Wiki/Topics/AI/UX-Design-Principles.md
@@ -1,12 +1,12 @@
 ---
 id: UX-PRINCIPLES-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ux, user-experience, design-thinking, user-centered-design, usability, interaction-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[UX Design Principles (UX 디자인 원칙)]]
+# UX Design Principles (UX 디자인 원칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "사용자가 제품을 만나는 순간부터 떠나는 순간까지의 감정과 경험을 정교하게 설계하고, 기술적 복잡성을 직관적인 단순함으로 치환하여 사용자의 '성공'을 가속화하라" — 사용자 중심 설계(UCD)를 통해 비즈니스 가치를 실현하는 전략적 프로세스.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 기능 개발 전 반드시 사용자 여정 지도(User Journey Map)를 작성하며, 실사용자 테스트 기반의 피드백 루프를 거치지 않은 UI는 정식 배포하지 않는 정책을 준수함.
 
 ## 🔗 지식 연결 (Graph)
-- [[User-Centered-Design-Approach]], [[A-B-Testing-and-Data-Driven-UX]], [[AI-Personalization-and-Adaptive-UX]], [[Inclusive-Design]]
-- **Raw Source:** [[00_Raw/UX Design.md]]
+- User-Centered-Design-Approach, [[A-B-Testing-and-Data-Driven-UX]], [[AI-Personalization-and-Adaptive-UX]], Inclusive-Design
+- **Raw Source:** 00_Raw/UX Design.md
diff --git a/10_Wiki/Topics/AI/Uber-Base-Web-Design-System.md b/10_Wiki/Topics/AI/Uber-Base-Web-Design-System.md
index add7810a..1ebdee03 100644
--- a/10_Wiki/Topics/AI/Uber-Base-Web-Design-System.md
+++ b/10_Wiki/Topics/AI/Uber-Base-Web-Design-System.md
@@ -1,12 +1,12 @@
 ---
 id: FE-DS-BASEWEB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [uber, baseweb, design-system, react, overrides-pattern, styletron, scalability, accessibility]
 last_reinforced: 2026-04-26
 ---
 
-# [[Uber Base Web Design System (우버 베이스 웹 디자인 시스템)]]
+# Uber Base Web Design System (우버 베이스 웹 디자인 시스템)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "수백 개의 내부 앱을 일관된 디자인 언어로 통합하고, '오버라이드(Overrides)' 패턴을 통해 컴포넌트의 유연성과 API의 간결함 사이의 모순을 해결하라" — 우버에서 개발한, 극도의 커스터마이징과 접근성을 보장하는 엔터프라이즈급 React UI 프레임워크.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 복잡한 SaaS 대시보드 구축 시 Base Web의 오버라이드 철학을 참고하며, 모든 디자인 시스템 컴포넌트에 대해 '사용자 정의 가능성(Customizability)' 점수를 매겨 관리함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Design-System]], [[Atomic-Styling-and-Design-Systems]], [[Web-Accessibility]], [[Reusable-UI-Components]], [[Scalable-UI-Systems]]
-- **Raw Source:** [[00_Raw/Base Web.md]]
+- [[Design-System]], [[Atomic-Styling-and-Design-Systems]], Web-Accessibility, Reusable-UI-Components, Scalable-UI-Systems
+- **Raw Source:** 00_Raw/Base Web.md
diff --git a/10_Wiki/Topics/AI/Ultra-Efficiency.md b/10_Wiki/Topics/AI/Ultra-Efficiency.md
index 8754e9e3..b116bc22 100644
--- a/10_Wiki/Topics/AI/Ultra-Efficiency.md
+++ b/10_Wiki/Topics/AI/Ultra-Efficiency.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ULEF-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [auto-reinforced, ultra-efficiency, optimization, resource-management, extreme-productivity]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Uncertainty-Quantification.md b/10_Wiki/Topics/AI/Uncertainty-Quantification.md
index ea6ff4be..324eceee 100644
--- a/10_Wiki/Topics/AI/Uncertainty-Quantification.md
+++ b/10_Wiki/Topics/AI/Uncertainty-Quantification.md
@@ -1,12 +1,12 @@
 ---
 id: UQ-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, statistics, uncertainty, bayesian]
 last_reinforced: 2026-04-26
 ---
 
-# [[Uncertainty Quantification (불확실성 정량화)]]
+# Uncertainty Quantification (불확실성 정량화)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단순히 답을 내는 것을 넘어, 스스로 얼마나 모르는지 측정하라" — AI 모델의 예측 결과에 대해 데이터의 노이즈나 모델의 지식 부족으로 인한 불확실성을 수치화하여 신뢰 구간을 제시하는 기술.
@@ -26,5 +26,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트는 답변 생성 시 불확실성 정량화 기법을 사용하여, 확신도가 낮은 정보에 대해서는 사용자에게 별도의 주의 문구를 표시하거나 연구 필요 목록으로 분류함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayesian-Inference]], [[AI-Safety]], [[Gaussian-Processes]], [[Machine-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Uncertainty-Quantification.md]]
+- Bayesian-Inference, AI-Safety, [[Gaussian-Processes]], Machine-Learning
+- **Raw Source:** 10_Wiki/Topics/AI/Uncertainty-Quantification.md
diff --git a/10_Wiki/Topics/AI/Unconscious Structuralism.md b/10_Wiki/Topics/AI/Unconscious Structuralism.md
index d402cec3..6cd268db 100644
--- a/10_Wiki/Topics/AI/Unconscious Structuralism.md	
+++ b/10_Wiki/Topics/AI/Unconscious Structuralism.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-UNST-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.93
 tags: [auto-reinforced, structuralism, unconscious, psychoanalysis, anthropology, levi-strauss]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Understanding Complex Systems.md b/10_Wiki/Topics/AI/Understanding Complex Systems.md
index d81c165d..406838bf 100644
--- a/10_Wiki/Topics/AI/Understanding Complex Systems.md	
+++ b/10_Wiki/Topics/AI/Understanding Complex Systems.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-UCOS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, complex-systems, systems-thinking, emergence, connectivity]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 금융 위기, 팬데믹, 기후 변화와 같은 '복합 위기'에 대응하기 위해, 개별 지표 분석에서 시스템 전체의 '임계점(Tipping point)'을 탐지하는 예측 정책이 국가 안보의 핵심으로 격상됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Systems Thinking]], [[Chaos Engineering]], [[Swarm Intelligence]], [[Complex Adaptive Systems]], [[Safety & Reliability]]
+- [[Systems Thinking]], Chaos Engineering, [[Swarm Intelligence]], Complex Adaptive Systems, [[Safety & Reliability]]
 - **Modern Tech/Tools**: Agent-based modeling (ABM), Network analysis tools, Digital Twin.
 ---
diff --git a/10_Wiki/Topics/AI/Universal Basic Income (UBI).md b/10_Wiki/Topics/AI/Universal Basic Income (UBI).md
index 131f288a..708525ef 100644
--- a/10_Wiki/Topics/AI/Universal Basic Income (UBI).md	
+++ b/10_Wiki/Topics/AI/Universal Basic Income (UBI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-UUBI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, ubi, economics, social-safety-net, ai-automation, redistributive-policy]
 last_reinforced: 2026-04-20
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 샘 알트만 등 테크 리더들의 주도로 '컴퓨팅 자본의 배당'으로서의 UBI 실험 정책이 세계 곳곳에서 실행 중이며, 미래에는 '현금' 대신 '지능(무상 AI 서비스)'이나 '에너지' 자체를 배분하는 정책으로 확장될 가능성이 큼.
 
 ## 🔗 지식 연결 (Graph)
-- [[Ethics & AI]], [[Social Systems Theory]], [[Economic Models]], [[SaaS (Software as a Service)]], [[Foundational Models]]
+- [[Ethics & AI]], [[Social Systems Theory]], Economic Models, [[SaaS (Software as a Service)]], Foundational Models
 - **Modern Tech/Tools**: Worldcoin (Universal ID for UBI), Pilots in Finland/Namibia/Stockton.
 ---
diff --git a/10_Wiki/Topics/AI/Universal-Approximation-Theorem.md b/10_Wiki/Topics/AI/Universal-Approximation-Theorem.md
index 919da462..3bafa809 100644
--- a/10_Wiki/Topics/AI/Universal-Approximation-Theorem.md
+++ b/10_Wiki/Topics/AI/Universal-Approximation-Theorem.md
@@ -1,12 +1,12 @@
 ---
 id: UAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [math, neural-networks, deep-learning, calculus, theory-of-computation]
 last_reinforced: 2026-04-26
 ---
 
-# [[Universal Approximation Theorem (보편적 근사 정리)]]
+# Universal Approximation Theorem (보편적 근사 정리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "신경망은 충분한 뉴런만 있다면 우주의 그 어떤 복잡한 함수도 흉내 낼 수 있다" — 단 하나의 은닉층과 적절한 활성화 함수만 있어도 연속 함수를 원하는 정밀도로 근사할 수 있다는 딥러닝의 수학적 존재 증명.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 보편적 근사 정리를 신뢰하여, 복잡한 비즈니스 로직이나 물리 법칙도 충분한 규모의 신경망을 통해 모델링할 수 있다는 대전제 하에 연구를 진행함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Neural-Networks-Foundations]], [[Deep-Learning]], [[Calculus-for-ML]], [[Artificial-Neural-Networks]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Universal-Approximation-Theorem.md]]
+- Neural-Networks-Foundations, [[Deep-Learning]], Calculus-for-ML, Artificial-Neural-Networks
+- **Raw Source:** 10_Wiki/Topics/AI/Universal-Approximation-Theorem.md
diff --git a/10_Wiki/Topics/AI/Universal-Grammar.md b/10_Wiki/Topics/AI/Universal-Grammar.md
index 0d104501..014c77df 100644
--- a/10_Wiki/Topics/AI/Universal-Grammar.md
+++ b/10_Wiki/Topics/AI/Universal-Grammar.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-UNG-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, linguistics, universal-grammar, chomsky, cognitive-science, innate-knowledge]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 언어 학습 AI 정책 수립 시, 과거에는 문법 규칙을 직접 코딩(Rule-based)했으나, 현재는 규칙 없이 데이터에서 창발하는 '신경망적 언어 지능' 정책이 실제 승리를 거두며 지능 연구의 주도권을 가져옴.
 
 ## 🔗 지식 연결 (Graph)
-- [[Linguistics]], [[NLP (자연어 처리)]], [[Unconscious Structuralism]], [[Philosophy of Science]], [[Foundational Models]]
+- Linguistics, NLP (자연어 처리), [[Unconscious Structuralism]], Philosophy of Science, Foundational Models
 - **Modern Tech/Tools**: Tree-bank datasets, Computational linguistics benchmarks.
 ---
diff --git a/10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md b/10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md
index 1977ff3f..9d72a761 100644
--- a/10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md	
+++ b/10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md	
@@ -1,12 +1,12 @@
 ---
 id: UNSUP-LEARN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, unsupervised-learning, foundations, clustering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Unsupervised Learning Foundations (비지도 학습 기초)]]
+# Unsupervised Learning Foundations (비지도 학습 기초)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정답 없이 데이터 스스로 말하게 하라" — 라벨이 없는 원시 데이터에서 데이터 간의 유사성, 구조, 숨겨진 패턴을 스스로 찾아내어 정보를 압축하거나 그룹화하는 머신러닝 방식.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 대규모 위키 문서군에서 새로운 지식 카테고리를 자동으로 발견하거나 유사 문서들을 클러스터링할 때 비지도 학습 기법을 적극 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Machine-Learning]], [[Clustering]], [[Principal-Component-Analysis-PCA]], [[Representation-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md]]
+- Machine-Learning, Clustering, Principal-Component-Analysis-PCA, [[Representation-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md
diff --git a/10_Wiki/Topics/AI/Variational Autoencoders (VAE).md b/10_Wiki/Topics/AI/Variational Autoencoders (VAE).md
index b3239cac..024adf9f 100644
--- a/10_Wiki/Topics/AI/Variational Autoencoders (VAE).md	
+++ b/10_Wiki/Topics/AI/Variational Autoencoders (VAE).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-VVAE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, vae, generative-modeling, latent-space, deep-learning, unsupervised-learning]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 현대의 고품질 이미지 생성 정책(Stable Diffusion 등)에서, VAE는 이미지를 효율적인 잠재 공간으로 옮겨 연산 부하를 줄이는 'Latent Diffusion' 정책의 핵심 부품(Encoder/Decoder)으로 재배치되어 제2의 전성기를 누림.
 
 ## 🔗 지식 연결 (Graph)
-- [[Self-Supervised Learning (SSL)]], [[Foundational Models]], [[Straightening]], [[Probability Theory]], [[Style-Transfer]]
+- [[Self-Supervised Learning (SSL)]], Foundational Models, [[Straightening]], [[Probability Theory]], [[Style-Transfer]]
 - **Modern Tech/Tools**: Stable Diffusion VAE, Beta-VAE, PyTorch VAE, Keras Generative.
 ---
diff --git a/10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md b/10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md
index 0057f1f8..77513819 100644
--- a/10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md
+++ b/10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md
@@ -1,6 +1,6 @@
 ---
 id: VAE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, deep-learning, generative-model, vae, latent-space]
 last_reinforced: 2026-04-26
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 위키 문서의 의미적 유사성 분석 및 문서 간 '누락된 연결 고리'를 생성적 추론으로 찾기 위해 VAE 기반의 잠재 공간 분석 기법을 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Autoencoder]], [[Generative-Adversarial-Networks-GAN]], [[Representation-Learning]], [[Uncertainty-Quantification]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md]]
+- Autoencoder, Generative-Adversarial-Networks-GAN, [[Representation-Learning]], [[Uncertainty-Quantification]]
+- **Raw Source:** 10_Wiki/Topics/AI/Variational-Autoencoders-VAE.md
diff --git a/10_Wiki/Topics/AI/Vector-Database Selection.md b/10_Wiki/Topics/AI/Vector-Database Selection.md
index f9609b68..b38b4461 100644
--- a/10_Wiki/Topics/AI/Vector-Database Selection.md	
+++ b/10_Wiki/Topics/AI/Vector-Database Selection.md	
@@ -1,12 +1,12 @@
 ---
 id: VEC-DB-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, infrastructure, vector-database, rag, search-engine]
 last_reinforced: 2026-04-26
 ---
 
-# [[Vector Database Selection (벡터 DB 선정)]]
+# Vector Database Selection (벡터 DB 선정)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 양, 속도, 예산에 맞는 최적의 '지식 저장소'를 선택하라" — RAG 아키텍처의 핵심인 벡터 임베딩 데이터를 저장하고 유사도 검색(ANN)을 수행하기 위한 DB 솔루션 비교 및 선정 기준.
@@ -28,5 +28,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 초기 로컬 개발 시 Chroma를 사용하며, 대규모 지식 확장을 위해 pgvector 또는 Pinecone으로의 전환 시나리오를 설계함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Retrieval-Augmented-Generation-RAG]], [[Semantic-Search]], [[LlamaIndex]], [[System-Design-for-AI-Scale]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Vector-Database Selection.md]]
+- [[Retrieval-Augmented-Generation-RAG]], [[Semantic-Search]], [[LlamaIndex]], System-Design-for-AI-Scale
+- **Raw Source:** 10_Wiki/Topics/AI/Vector-Database Selection.md
diff --git a/10_Wiki/Topics/AI/Victimhood-Narratives.md b/10_Wiki/Topics/AI/Victimhood-Narratives.md
index b24c3731..92653c87 100644
--- a/10_Wiki/Topics/AI/Victimhood-Narratives.md
+++ b/10_Wiki/Topics/AI/Victimhood-Narratives.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-VINA-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced, psychology, narrative, victimhood, social-dynamics, conflict]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Viral-Dynamics-and-Network-Effects.md b/10_Wiki/Topics/AI/Viral-Dynamics-and-Network-Effects.md
index 3a22d2db..c821f9ae 100644
--- a/10_Wiki/Topics/AI/Viral-Dynamics-and-Network-Effects.md
+++ b/10_Wiki/Topics/AI/Viral-Dynamics-and-Network-Effects.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-VDNE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, networks, viral-dynamics, network-effects, growth-strategy, connectivity]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 승자 독식(Winner-takes-all) 현상을 심화시키는 네트워크 효과 정책에 질서를 부여하기 위해, 거대 플랫폼의 '상호 운용성(Interoperability)'을 강제하여 독점 장벽을 낮추는 글로벌 공정 경쟁 정책이 시행됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Complex Adaptive Systems]], [[Economic Models]], [[Social Systems Theory]], [[Signal in Noise]], [[Resource-Management]]
+- Complex Adaptive Systems, Economic Models, [[Social Systems Theory]], [[Signal in Noise]], [[Resource-Management]]
 - **Modern Tech/Tools**: Viral coefficient calculators, Graph theory analysis, Platform-as-a-Service (PaaS).
 ---
diff --git a/10_Wiki/Topics/AI/Visual-Effects-VFX-in-Games.md b/10_Wiki/Topics/AI/Visual-Effects-VFX-in-Games.md
index 8884e67e..ccf62b10 100644
--- a/10_Wiki/Topics/AI/Visual-Effects-VFX-in-Games.md
+++ b/10_Wiki/Topics/AI/Visual-Effects-VFX-in-Games.md
@@ -1,12 +1,12 @@
 ---
 id: VFX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [game-development, vfx, particle-system, shader, skybound]
 last_reinforced: 2026-04-26
 ---
 
-# [[Visual Effects (VFX) in Games (게임 내 비주얼 이펙트)]]
+# Visual Effects (VFX) in Games (게임 내 비주얼 이펙트)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 흐름을 화려한 시각적 언어로 번역하라" — 게임 내 사건(폭발, 마법, 충돌 등)을 플레이어에게 직관적이고 강력하게 전달하기 위해 파티클, 셰이더, 애니메이션을 결합하여 창조하는 기술적 예술.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Skybound 프로젝트는 미사일 폭발 VFX 시 CPU 부하를 줄이기 위해 GPU 파티클 시스템을 도입하며, 타격 시퀀스에 맞춘 동적 조명(Dynamic Lighting) 효과를 결합함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Game-Engine-Foundations]], [[GPU-Architecture]], [[Physics-Engine]], [[UX-Design]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Visual-Effects-VFX-in-Games.md]]
+- Game-Engine-Foundations, [[GPU-Architecture]], Physics-Engine, UX-Design
+- **Raw Source:** 10_Wiki/Topics/AI/Visual-Effects-VFX-in-Games.md
diff --git a/10_Wiki/Topics/AI/Visual-Effects-VFX.md b/10_Wiki/Topics/AI/Visual-Effects-VFX.md
index c79b5197..53bacf84 100644
--- a/10_Wiki/Topics/AI/Visual-Effects-VFX.md
+++ b/10_Wiki/Topics/AI/Visual-Effects-VFX.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-VFX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, vfx, graphics, animation, cinema, digital-production]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 생성 AI가 VFX 아티스트의 일자리를 위협함에 따라, AI를 창의적 '어시스턴트'로 활용하되 원본 아티스트의 기여도를 투명하게 공표하는 'AI 협업 프로덕션 가이드라인' 정책이 할리우드와 게임 업계에서 수립됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Sound Design Principles]], [[Style-Transfer]], [[Roughness (그래픽 및 물리)]], [[Computer-Vision]], [[Generative-AI-Safety]]
+- [[Sound Design Principles]], [[Style-Transfer]], [[Roughness (그래픽 및 물리)]], [[Computer-Vision]], Generative-AI-Safety
 - **Modern Tech/Tools**: Unreal Engine 5, Houdini, Nuke, Adobe Substance.
 ---
diff --git a/10_Wiki/Topics/AI/Vocabulary-Expansion.md b/10_Wiki/Topics/AI/Vocabulary-Expansion.md
index bb1dbfb3..034f025f 100644
--- a/10_Wiki/Topics/AI/Vocabulary-Expansion.md
+++ b/10_Wiki/Topics/AI/Vocabulary-Expansion.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-VOEX-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, vocabulary, language-learning, cognitive-expansion, nlp]
 last_reinforced: 2026-04-20
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 전문 분야 간 칸막이가 낮아지는 융합 시대를 맞아, 타 분야의 핵심 어휘(Jargon)를 빠르게 습득하여 소통하는 '크로스-도메인 어휘 역량'이 현대 인재 육성 정책의 핵심 지표가 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP (자연어 처리)]], [[Universal-Grammar]], [[Semantics & Ontology]], [[Soft-Skills-Development]], [[Thought-Architecture]]
+- NLP (자연어 처리), [[Universal-Grammar]], [[Semantics & Ontology]], [[Soft-Skills-Development]], [[Thought-Architecture]]
 - **Modern Tech/Tools**: Anki (Spaced Repetition), Vocabulary.com, AI personalized tutors.
 ---
diff --git a/10_Wiki/Topics/AI/Voice-Assistant-Architecture.md b/10_Wiki/Topics/AI/Voice-Assistant-Architecture.md
index a81843e6..8adcf529 100644
--- a/10_Wiki/Topics/AI/Voice-Assistant-Architecture.md
+++ b/10_Wiki/Topics/AI/Voice-Assistant-Architecture.md
@@ -1,12 +1,12 @@
 ---
 id: VOICE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, voice-assistant, stt, tts, nlp, audio-processing]
 last_reinforced: 2026-04-26
 ---
 
-# [[Voice Assistant Architecture (음성 비서 아키텍처)]]
+# Voice Assistant Architecture (음성 비서 아키텍처)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "소리에서 의도를 추출하고, 지능을 다시 소리로 빚어내라" — 음성 신호를 텍스트로 변환(STT), 의미 파악 및 답변 생성(NLU/LLM), 그리고 다시 음성으로 합성(TTS)하는 일련의 지능형 파이프라인.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 음성 인터페이스 지원 시, 지연 시간을 줄이기 위해 온디바이스 STT와 서버급 LLM을 결합한 하이브리드 아키텍처를 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing]], [[LLM]], [[Signal-Processing]], [[Agentic-Workflow]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Voice-Assistant-Architecture.md]]
+- [[Natural-Language-Processing]], [[LLM]], Signal-Processing, Agentic-Workflow
+- **Raw Source:** 10_Wiki/Topics/AI/Voice-Assistant-Architecture.md
diff --git a/10_Wiki/Topics/AI/Web Performance Optimization.md b/10_Wiki/Topics/AI/Web Performance Optimization.md
index c01493f0..55b7324b 100644
--- a/10_Wiki/Topics/AI/Web Performance Optimization.md	
+++ b/10_Wiki/Topics/AI/Web Performance Optimization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3862CA
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Web Performance Optimization"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Core Web Vitals]], [[Largest Contentful Paint]], [[Interaction to Next Paint]], [[Cumulative Layout Shift]], [[WebGPU]], [[WebGL]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[Lighthouse]], [[Chrome User Experience Report]], [[WebPageTest]]
+- **Related Topics:** [[Core Web Vitals]], Largest Contentful Paint, Interaction to Next Paint, Cumulative Layout Shift, [[WebGPU]], [[WebGL]]
+- **Projects/Contexts:** [[Chrome DevTools]], [[Lighthouse]], Chrome User Experience Report, WebPageTest
 - **Contradictions/Notes:** FID(First Input Delay)는 사용자의 첫 번째 상호작용 지연 시간만을 측정하는 한계가 있어, 페이지 생명주기 전체의 모든 상호작용 응답성을 추적하는 INP로 대체되었다 [7-10]. 또한, WebGL은 단일 스레드 명령 제출 구조로 인해 GPU가 유휴 상태임에도 CPU 병목이 발생하는 한계가 있었으나, WebGPU는 다중 스레드 명령 생성과 컴퓨트 셰이더를 통해 이러한 아키텍처적 한계를 해결한다 [44, 45, 56-59].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Web Performance Optimization.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/Web-Rendering-Strategies-CSR-vs-SSR.md b/10_Wiki/Topics/AI/Web-Rendering-Strategies-CSR-vs-SSR.md
index ede4de04..abbd7b47 100644
--- a/10_Wiki/Topics/AI/Web-Rendering-Strategies-CSR-vs-SSR.md
+++ b/10_Wiki/Topics/AI/Web-Rendering-Strategies-CSR-vs-SSR.md
@@ -1,12 +1,12 @@
 ---
 id: FE-REND-STRAT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [csr, ssr, rendering, web-architecture, seo, lcp, hydration, hybrid-rendering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Web Rendering Strategies: CSR vs SSR (웹 렌더링 전략: CSR vs SSR)]]
+# Web Rendering Strategies: CSR vs SSR (웹 렌더링 전략: CSR vs SSR)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "초기 로딩의 속도(SSR)와 인터랙션의 매끄러움(CSR) 사이에서 비즈니스 목적에 최적화된 지점을 선택하고, 하이브리드 접근법을 통해 검색 엔진과 사용자 모두를 만족시켜라" — 웹 애플리케이션의 성능, SEO, 사용자 경험을 결정짓는 핵심 아키텍처 선택 가이드.
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 공용 콘텐츠에 대해 'SSR-First'를 원칙으로 하며, 인증된 영역에 한해 'CSR-Hydration' 전략을 부분적으로 허용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Core-Web-Vitals]], [[Nextjs-App-Router-Architecture]], [[Single-Page-Application-SPA]], [[SEO-Foundations]], [[Server-Side-Rendering-SSR]]
-- **Raw Source:** [[00_Raw/Client-Side Rendering (CSR) vs Server-Side Rendering (SSR).md]]
+- [[Core-Web-Vitals]], [[Nextjs-App-Router-Architecture]], Single-Page-Application-SPA, SEO-Foundations, Server-Side-Rendering-SSR
+- **Raw Source:** 00_Raw/Client-Side Rendering (CSR) vs Server-Side Rendering (SSR).md
diff --git a/10_Wiki/Topics/AI/Web3-and-AI-Integration.md b/10_Wiki/Topics/AI/Web3-and-AI-Integration.md
index c492f165..87e5733f 100644
--- a/10_Wiki/Topics/AI/Web3-and-AI-Integration.md
+++ b/10_Wiki/Topics/AI/Web3-and-AI-Integration.md
@@ -1,12 +1,12 @@
 ---
 id: WEB3-AI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [web3, ai, blockchain, decentralization, incentive-design]
 last_reinforced: 2026-04-26
 ---
 
-# [[Web3 and AI Integration (Web3와 AI 통합)]]
+# Web3 and AI Integration (Web3와 AI 통합)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "탈중앙화된 신뢰 위에서 투명하고 공정한 인공지능 생태계를 구축하라" — 블록체인의 투명성 및 보상 체계와 AI의 지능적 처리 능력을 결합하여, 데이터 주권 확보와 협력적 AI 학습 모델을 창출하는 기술 융합.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 향후 위키 기여자에 대한 공정한 보상 체계 마련을 위해 Web3 기반의 기여도 증명(Proof-of-Contribution) 시스템 연동을 검토함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Distributed-Computing]], [[Trustworthy-AI]], [[Agentic-Workflow]], [[Privacy-Preserving-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Web3-and-AI-Integration.md]]
+- [[Distributed-Computing]], [[Trustworthy-AI]], Agentic-Workflow, [[Privacy-Preserving-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Web3-and-AI-Integration.md
diff --git a/10_Wiki/Topics/AI/WebSplatter (3D Gaussian Splatting).md b/10_Wiki/Topics/AI/WebSplatter (3D Gaussian Splatting).md
index 8d000a9a..6f80648c 100644
--- a/10_Wiki/Topics/AI/WebSplatter (3D Gaussian Splatting).md	
+++ b/10_Wiki/Topics/AI/WebSplatter (3D Gaussian Splatting).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-166181
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebSplatter (3D Gaussian Splat
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[3D Gaussian Splatting]], [[Compute Shaders]], [[Radix Sort]]
-- **Projects/Contexts:** [[Web-Based 3D Rendering]], [[Generative 3D Modeling]]
+- **Related Topics:** [[WebGPU]], 3D Gaussian Splatting, [[Compute Shaders]], [[Radix Sort]]
+- **Projects/Contexts:** Web-Based 3D Rendering, Generative 3D Modeling
 - **Contradictions/Notes:** 소스에 따르면 기존 WebGL 뷰어는 CPU 정렬로 인해 대규모 장면에서 병목이 발생하고, 단순 네이티브 GPU 포팅 방식의 WebGPU 뷰어들은 '스핀 대기(spin-wait)' 구현으로 인해 스케줄링 순서가 보장되지 않는 하드웨어(예: Apple M1)에서 매우 심각한 성능 저하(busy-wait)를 겪습니다. WebSplatter는 자체적인 '대기 없는 기수 정렬(wait-free radix sort)' 알고리즘을 적용하여 이 문제를 완벽히 회피하였으며, 동일한 환경에서 기존 WebGPU 대비 4.5배 이상의 속도 향상을 입증했습니다 [22, 25].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebSplatter (3D Gaussian Splatting).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/What-is-AI.md b/10_Wiki/Topics/AI/What-is-AI.md
index af17a4af..832b76e7 100644
--- a/10_Wiki/Topics/AI/What-is-AI.md
+++ b/10_Wiki/Topics/AI/What-is-AI.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-WIAI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, definition-of-ai, intelligence, machine-learning, philosophy-of-ai]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 'AI 인권' 및 'AI 안전 거버넌스' 정책이 도입됨에 따라, 지능의 발전 속도를 조절하고 인류에 해가 되지 않도록 하는 '정렬(Alignment) 정책'이 기술 개발 자체보다 중요한 정책 과제로 부상함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[Turing Test]], [[Ethics & AI]], [[Machine-learning (Intro)]], [[Synthesized Intelligence]]
+- Foundational Models, [[Turing Test]], [[Ethics & AI]], Machine-learning (Intro), [[Synthesized Intelligence]]
 - **Modern Tech/Tools**: OpenAI GPT, Google Gemini, Anthropic Claude, Meta Llama.
 ---
diff --git a/10_Wiki/Topics/AI/Wicked-Problems.md b/10_Wiki/Topics/AI/Wicked-Problems.md
index c4bc989b..fe5bb048 100644
--- a/10_Wiki/Topics/AI/Wicked-Problems.md
+++ b/10_Wiki/Topics/AI/Wicked-Problems.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-WIPR-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, wicked-problems, complexity, social-policy, systems-thinking, conflict]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Word-Representation.md b/10_Wiki/Topics/AI/Word-Representation.md
index 8c133994..d6fd795a 100644
--- a/10_Wiki/Topics/AI/Word-Representation.md
+++ b/10_Wiki/Topics/AI/Word-Representation.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-WORE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, word-representation, embeddings, nlp, vector-space, semantics]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 특정 편향(Bias)이 단어 벡터 공간에 투영되어 혐오를 조장하는 부작용을 막기 위해, 학습 데이터에서 편향된 상관관계를 인위적으로 제거하는 '임베딩 공간 중립화 정책'이 적용 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[NLP (자연어 처리)]], [[Similarity-Metrics]], [[Straightening]], [[Transformers]], [[Semantics & Ontology]]
+- NLP (자연어 처리), [[Similarity-Metrics]], [[Straightening]], [[Transformers]], [[Semantics & Ontology]]
 - **Modern Tech/Tools**: Word2Vec, GloVe, FastText, Hugging Face Tokenizers.
 ---
diff --git a/10_Wiki/Topics/AI/Work-Displacement.md b/10_Wiki/Topics/AI/Work-Displacement.md
index 7886a6a5..f4eb2bea 100644
--- a/10_Wiki/Topics/AI/Work-Displacement.md
+++ b/10_Wiki/Topics/AI/Work-Displacement.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-WODI-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
 tags: [auto-reinforced, work-displacement, ai-automation, labor-market, social-change, future-of-work]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Workflow-Integrity.md b/10_Wiki/Topics/AI/Workflow-Integrity.md
index d3e3a546..c85d7021 100644
--- a/10_Wiki/Topics/AI/Workflow-Integrity.md
+++ b/10_Wiki/Topics/AI/Workflow-Integrity.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-WFIN-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
 tags: [auto-reinforced, workflow, integrity, quality-control, operations, process-optimization]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Working-Backwards.md b/10_Wiki/Topics/AI/Working-Backwards.md
index 283b9fba..98789bcf 100644
--- a/10_Wiki/Topics/AI/Working-Backwards.md
+++ b/10_Wiki/Topics/AI/Working-Backwards.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-WOBW-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [auto-reinforced, amazon-methodology, working-backwards, product-design, customer-centric, innovation]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 언어 모델 기반 서비스 기획 정책에서, "AI가 무엇을 할 수 있는가"에서 시작하지 않고 "사용자가 어떤 문제를 느끼는가"에서 거꾸로 내려와 필요한 AI 성능(Target Function)을 정의하는 '사용자 중심 AI 기획 정책'이 성공의 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Rapid-Prototyping]], [[Target-Function-Profiling]], [[Strategic-Planning]], [[Standardization vs Innovation]], [[Human-Computer Interaction (HCI)]]
+- [[Rapid-Prototyping]], [[Target-Function-Profiling]], [[Strategic-Planning]], [[Standardization vs Innovation]], Human-Computer Interaction (HCI)
 - **Modern Tech/Tools**: Amazon Leadership Principles, PR/FAQ templates.
 ---
diff --git a/10_Wiki/Topics/AI/Zero Shot and Few Shot Learning.md b/10_Wiki/Topics/AI/Zero Shot and Few Shot Learning.md
index 0a4bd473..153879a2 100644
--- a/10_Wiki/Topics/AI/Zero Shot and Few Shot Learning.md	
+++ b/10_Wiki/Topics/AI/Zero Shot and Few Shot Learning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ZFS-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, few-shot, zero-shot, in-context-learning, prompting, llm]
 last_reinforced: 2026-04-20
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 데이터 개인정보 보호 정책이 강화됨에 따라, 데이터를 모델에 주입해 학습시키지 않고 프롬프트 수준에서만 활용하여 휘발시키는 '프라이버시 친화적 제로샷 추론 정책'이 기업용 AI 활용의 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Foundational Models]], [[Prompt-Engineering]], [[Transfer Learning]], [[SFT (Supervised Fine-Tuning)]], [[NLP (자연어 처리)]]
+- Foundational Models, [[Prompt-Engineering]], [[Transfer Learning]], [[SFT (Supervised Fine-Tuning)]], NLP (자연어 처리)
 - **Modern Tech/Tools**: LangChain prompt templates, Meta Llama-3 few-shot benchmarks.
 ---
diff --git a/10_Wiki/Topics/AI/Zero-Shot-Chain-of-Thought.md b/10_Wiki/Topics/AI/Zero-Shot-Chain-of-Thought.md
index ac943706..3930e706 100644
--- a/10_Wiki/Topics/AI/Zero-Shot-Chain-of-Thought.md
+++ b/10_Wiki/Topics/AI/Zero-Shot-Chain-of-Thought.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ZSCOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, zero-shot-cot, chain-of-thought, reasoning, prompting, llm]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/AI/Zero-Shot-Learning.md b/10_Wiki/Topics/AI/Zero-Shot-Learning.md
index 6b3c90b2..77fab7e1 100644
--- a/10_Wiki/Topics/AI/Zero-Shot-Learning.md
+++ b/10_Wiki/Topics/AI/Zero-Shot-Learning.md
@@ -1,12 +1,12 @@
 ---
 id: ZERO-SHOT-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, machine-learning, zero-shot, transfer-learning, nlp]
 last_reinforced: 2026-04-26
 ---
 
-# [[Zero-Shot Learning (제로샷 학습)]]
+# Zero-Shot Learning (제로샷 학습)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "배운 적 없는 문제라도, 가지고 있는 배경 지식을 총동원해 해결하라" — 특정 클래스나 태스크에 대한 학습 데이터 없이도, 이미 학습된 개념적 유사성과 언어적 맥락을 바탕으로 미지의 문제를 해결하는 기법.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 새로운 위키 주제가 추가될 때 별도의 파인튜닝 없이 제로샷 추론을 통해 초기 초안을 작성하고 카테고리를 분류함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Transfer-Learning-Foundations]], [[LLM]], [[Prompt-Engineering-Mastery]], [[One-Shot-Learning]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Zero-Shot-Learning.md]]
+- Transfer-Learning-Foundations, [[LLM]], Prompt-Engineering-Mastery, [[One-Shot-Learning]]
+- **Raw Source:** 10_Wiki/Topics/AI/Zero-Shot-Learning.md
diff --git a/10_Wiki/Topics/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md b/10_Wiki/Topics/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md
index dd9a577f..6046235d 100644
--- a/10_Wiki/Topics/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md	
+++ b/10_Wiki/Topics/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md	
@@ -1,12 +1,12 @@
 ---
 id: SOC-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [architecture, design-principles, software-engineering]
 last_reinforced: 2026-04-26
 ---
 
-# [[Separation of Concerns (관심사의 분리)]]
+# Separation of Concerns (관심사의 분리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "뇌와 팔다리를 분리하라" — 복잡한 시스템을 독립적인 기능을 가진 섹션으로 나누어 각 부분이 자신의 역할에만 집중하게 함으로써 전체의 복잡도를 관리하는 지혜.
@@ -23,6 +23,6 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트에서는 AI 에이전트의 '결정 루프'와 '실행 도구'를 SoC 원칙에 따라 엄격히 분리하여 운영함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/AI]]
-- **Related:** [[Single-Responsibility-Principle]], [[Decoupling]], [[Bounded-Context]]
-- **Raw Source:** [[00_Raw/2026-04-20/관심사의 분리.md]]
+- **Parent:** 10_Wiki/💡 Topics/AI
+- **Related:** Single-Responsibility-Principle, Decoupling, Bounded-Context
+- **Raw Source:** 00_Raw/2026-04-20/관심사의 분리.md
diff --git a/10_Wiki/Topics/AI/agargaro의 오픈 소스 라이브러리.md b/10_Wiki/Topics/AI/agargaro의 오픈 소스 라이브러리.md
index 89e7f7fb..c7a0c512 100644
--- a/10_Wiki/Topics/AI/agargaro의 오픈 소스 라이브러리.md	
+++ b/10_Wiki/Topics/AI/agargaro의 오픈 소스 라이브러리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B271A4
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - agargaro의 오픈 소스 라
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], [[LOD(Level of Detail)]], [[BVH(Bounding Volume Hierarchy)]], [[BatchedMesh]]
-- **Projects/Contexts:** [[20k skinned instances 데모]], [[batched-mesh-extensions]]
+- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], LOD(Level of Detail), BVH(Bounding Volume Hierarchy), BatchedMesh
+- **Projects/Contexts:** 20k skinned instances 데모, batched-mesh-extensions
 - **Contradictions/Notes:** 애니메이션 최적화 기법 중 뼈대 텍스처(Bone texture)의 부분 업데이트 기능이 있으나, 일부 모바일 기기 및 Firefox 브라우저에서는 해당 연산이 오히려 느리게 동작하여(이중 버퍼링 구현 필요) 기본적으로 비활성화해 두는 등 플랫폼 간 성능 편차가 존재합니다 [1, 13]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/agargaro의 오픈 소스 라이브러리.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/clinicjs.md b/10_Wiki/Topics/AI/clinicjs.md
index 26832f64..0013600c 100644
--- a/10_Wiki/Topics/AI/clinicjs.md
+++ b/10_Wiki/Topics/AI/clinicjs.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B7F89C
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - clinicjs"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Memory Leak]], [[Heap Visualization]], [[Garbage Collection]]
-- **Projects/Contexts:** [[Node.js Performance Debugging]]
+- **Related Topics:** Memory Leak, Heap Visualization, [[Garbage Collection]]
+- **Projects/Contexts:** Node.js Performance Debugging
 - **Contradictions/Notes:** 소스에는 `clinic.js`의 목적과 명령어 사용법 위주의 정보만 간략히 등장하므로, 세부 아키텍처나 추가 프로파일링 기능에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/clinic.js.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/stochastic gradient descent.md b/10_Wiki/Topics/AI/stochastic gradient descent.md
index 2d32ba6f..a58afcd9 100644
--- a/10_Wiki/Topics/AI/stochastic gradient descent.md	
+++ b/10_Wiki/Topics/AI/stochastic gradient descent.md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AUTO-SSGD-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [auto-reinforced, machine-learning, optimization, sgd, gradient-descent, math-of-ai]
 last_reinforced: 2026-04-20
 ---
 
-# [[Stochastic Gradient Descent (SGD)]]
+# Stochastic Gradient Descent (SGD)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "가장 가파른 길을 찾아 조금씩 내려가기: 방대한 데이터를 한꺼번에 보지 않고, 단 한 개(또는 소수)의 데이터씩 번갈아 보며 모델의 오차를 줄이는 최단 경로를 확률적으로 탐색하는 딥러닝의 심장."
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 학습의 효율성과 탄소 배출량이 직결됨에 따라, 더 적은 반복(Iteration)으로 더 빨리 수렴하는 '고효율 SGD 변형 알고리즘' 채택 및 분산 학습 정책이 최우선 기술 정책으로 부임함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Calculus]], [[Linear Algebra]], [[Reinforcement Learning (RL)]], [[Complex Adaptive Systems]], [[Robotics]]
+- Calculus, Linear Algebra, [[Reinforcement Learning (RL)]], Complex Adaptive Systems, [[Robotics]]
 - **Modern Tech/Tools**: PyTorch torch.optim, AdamW optimization.
 ---
diff --git a/10_Wiki/Topics/AI/공급망 공격 (Supply Chain Attack).md b/10_Wiki/Topics/AI/공급망 공격 (Supply Chain Attack).md
index c7cb3f13..e27af757 100644
--- a/10_Wiki/Topics/AI/공급망 공격 (Supply Chain Attack).md	
+++ b/10_Wiki/Topics/AI/공급망 공격 (Supply Chain Attack).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2BF446
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 공급망 공격 (Supply Chain
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[CVE-2025-54313]], [[Software Composition Analysis (SCA)]], [[eslint-config-prettier]]
-- **Projects/Contexts:** [[npm registry]], [[Open Source Security]]
+- **Related Topics:** CVE-2025-54313, Software Composition Analysis (SCA), [[eslint-config-prettier]]
+- **Projects/Contexts:** npm registry, Open Source Security
 - **Contradictions/Notes:** 소스에 관련된 모순점은 발견되지 않았습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/공급망 공격 (Supply Chain Attack).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/마이크로서비스 아키텍처 (Microservices Architecture).md b/10_Wiki/Topics/AI/마이크로서비스 아키텍처 (Microservices Architecture).md
index 16169ed4..0556d841 100644
--- a/10_Wiki/Topics/AI/마이크로서비스 아키텍처 (Microservices Architecture).md	
+++ b/10_Wiki/Topics/AI/마이크로서비스 아키텍처 (Microservices Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-303610
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 마이크로서비스 아키
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[단일 애플리케이션 아키텍처 (Monolithic Architecture)]], [[관심사의 분리 (Separation of Concerns)]], [[도메인 주도 설계 (Domain-Driven Design)]], [[컨테이너 및 오케스트레이션 (Containers and Orchestration)]]
-- **Projects/Contexts:** [[넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform)]], [[스포티파이 스쿼드 모델 (Spotify Squad Model)]]
+- **Related Topics:** 단일 애플리케이션 아키텍처 (Monolithic Architecture), [[관심사의 분리 (Separation of Concerns)]], 도메인 주도 설계 (Domain-Driven Design), 컨테이너 및 오케스트레이션 (Containers and Orchestration)
+- **Projects/Contexts:** 넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform), 스포티파이 스쿼드 모델 (Spotify Squad Model)
 - **Contradictions/Notes:** 일반적으로 마이크로서비스는 완벽한 모듈의 결합 분리와 배포 독립성을 가져다주는 것으로 간주되지만, 실제로는 시스템이 횡단 관심사(Cross-cutting concerns)나 공유 데이터 모델에 얽혀있을 경우 여러 서비스가 강하게 결합되는 '결합 분리의 오류' 및 '개발 및 배포 독립성의 오류'가 발생할 수 있습니다. 즉 서비스 간의 단순 물리적 분리만으로는 충분치 않으며, 서비스 내부의 아키텍처 경계와 의존성 규칙이 제대로 설계되어야 진정한 독립성을 확보할 수 있습니다 [21-24].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/마이크로서비스 아키텍처 (Microservices Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/벡터 데이터베이스 (Vector Database).md b/10_Wiki/Topics/AI/벡터 데이터베이스 (Vector Database).md
index 7d2771da..17b26dd5 100644
--- a/10_Wiki/Topics/AI/벡터 데이터베이스 (Vector Database).md	
+++ b/10_Wiki/Topics/AI/벡터 데이터베이스 (Vector Database).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-VECTOR-DB
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [AI, VectorDB, RAG, SemanticSearch]
 last_reinforced: 2026-04-20
@@ -26,4 +26,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[RAG (검색 증강 생성)]] , [[GraphRAG (그래프 기반 검색 증강 생성)]]
-- Fundamental: [[Embedding-Space]]
+- Fundamental: Embedding-Space
diff --git a/10_Wiki/Topics/AI/보존 경로(Retaining Path).md b/10_Wiki/Topics/AI/보존 경로(Retaining Path).md
index c8efb674..f5d4125b 100644
--- a/10_Wiki/Topics/AI/보존 경로(Retaining Path).md	
+++ b/10_Wiki/Topics/AI/보존 경로(Retaining Path).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-97AEC6
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 보존 경로(Retaining Path)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Heap Snapshot]], [[GC Root]], [[Memory Leak]]
-- **Projects/Contexts:** [[V8 Engine]], [[Chrome DevTools]], [[Node.js Memory Management]]
+- **Related Topics:** [[Garbage Collection]], [[Heap Snapshot]], [[GC Root]], Memory Leak
+- **Projects/Contexts:** [[V8 Engine]], [[Chrome DevTools]], Node.js Memory Management
 - **Contradictions/Notes:** 소스 내에 상충되는 내용은 없습니다. 보존 경로는 개념적으로 루트(Root) 객체로부터 시작되는 포인터의 체인이지만, DevTools 등의 분석 도구에서는 누수된 객체에서 루트로 올라가는 역순(reverse)으로 경로를 시각화하여 디버깅을 돕습니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/보존 경로(Retaining Path).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/보편적 언어 (Ubiquitous Language).md b/10_Wiki/Topics/AI/보편적 언어 (Ubiquitous Language).md
index 3e05d30e..0ff57e96 100644
--- a/10_Wiki/Topics/AI/보편적 언어 (Ubiquitous Language).md	
+++ b/10_Wiki/Topics/AI/보편적 언어 (Ubiquitous Language).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-560AB4
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 보편적 언어 (Ubiquitous L
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/보편적 언어 (Ubiquitous Language).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md b/10_Wiki/Topics/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md
index 8b6b3a29..213d7219 100644
--- a/10_Wiki/Topics/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md	
+++ b/10_Wiki/Topics/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CC0FCE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 브라우저 메모리 누수
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[힙 스냅샷(Heap Snapshot)]], [[클로저(Closures)]], [[V8 엔진(V8 Engine)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 힙 스냅샷(Heap Snapshot), [[클로저(Closures)]], V8 엔진(V8 Engine)
 - **Projects/Contexts:** [[Chrome DevTools]], [[Single Page Applications (SPA)]]
 - **Contradictions/Notes:** 메모리 사용량 그래프가 증가한다고 해서 모두 누수는 아니다. 캐시, 실행 취소 내역, 가상화된 리스트 버퍼 등은 의도적으로 데이터를 유지하는 것이므로, 의도적인 보존(Intentional retention)과 우발적인 누수(Accidental retention)를 반드시 구별해야 한다 [6]. 또한, `WeakRef`와 `FinalizationRegistry`를 사용해 누수에 강한 패턴을 작성할 수는 있으나, GC의 실행 시점은 비결정적이므로 이를 적절한 생명주기 관리의 대체재로 사용해서는 안 된다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md b/10_Wiki/Topics/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md
index 7e9b0cf2..bd70f86c 100644
--- a/10_Wiki/Topics/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md	
+++ b/10_Wiki/Topics/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-980499
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 비즈니스 도메인 모델
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Domain-Driven Design (DDD)]], [[Bounded Contexts]], [[Ubiquitous Language]], [[Entities]], [[Clean Architecture]]
-- **Projects/Contexts:** [[마이크로서비스 아키텍처 (Microservices Architecture)]] (비즈니스 도메인 역량을 중심으로 세분화된 작고 자율적인 서비스 집합으로 시스템을 구축할 때 주요하게 활용됩니다 [8]), [[복잡한 비즈니스 도메인 프로젝트]] (금융, 의료, 이커머스 등 비즈니스 규칙이 방대하고 복잡한 엔터프라이즈 시스템 구축에 특히 이상적입니다 [9]).
+- **Related Topics:** [[Domain-Driven Design (DDD)]], [[Bounded Contexts]], Ubiquitous Language, Entities, Clean Architecture
+- **Projects/Contexts:** [[마이크로서비스 아키텍처 (Microservices Architecture)]] (비즈니스 도메인 역량을 중심으로 세분화된 작고 자율적인 서비스 집합으로 시스템을 구축할 때 주요하게 활용됩니다 [8]), 복잡한 비즈니스 도메인 프로젝트 (금융, 의료, 이커머스 등 비즈니스 규칙이 방대하고 복잡한 엔터프라이즈 시스템 구축에 특히 이상적입니다 [9]).
 - **Contradictions/Notes:** 관련 주제 및 구현 방식에 있어서 소스 간 직접적인 모순은 없으나, 도메인 중심 모델링은 심층적인 도메인 분석과 도메인 전문가와의 지속적인 협력이 요구되므로 구현 복잡성(Implementation Complexity)이 매우 높습니다 [9]. 따라서 단순한 시스템보다는 비즈니스 로직이 핵심인 장기적이고 중대한(Mission-critical) 시스템에 적용하는 것이 권장됩니다 [7, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/비즈니스 도메인 모델링 (Business Domain Modeling).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/빌보드 임포스터(Billboard Impostors).md b/10_Wiki/Topics/AI/빌보드 임포스터(Billboard Impostors).md
index 2eba1e4c..2dc72be2 100644
--- a/10_Wiki/Topics/AI/빌보드 임포스터(Billboard Impostors).md	
+++ b/10_Wiki/Topics/AI/빌보드 임포스터(Billboard Impostors).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-143607
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 빌보드 임포스터(Billboa
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Level of Detail (LOD)]], [[Texture Atlas/Array]], [[Draw Call Optimization]]
-- **Projects/Contexts:** [[대규모 3D 환경 렌더링(Large-scale environments)]], [[Three.js 성능 최적화]], [[Tesseract 엔진(Tesseract Engine)]]
+- **Related Topics:** [[Level of Detail (LOD)]], Texture Atlas/Array, [[Draw Call Optimization]]
+- **Projects/Contexts:** 대규모 3D 환경 렌더링(Large-scale environments), Three.js 성능 최적화, Tesseract 엔진(Tesseract Engine)
 - **Contradictions/Notes:** 소스에 따르면 빌보드 임포스터는 GPU 연산량을 획기적으로 줄여주지만, 다각도의 텍스처를 유지해야 하는 메모리 비용 부담이 따르며 각도 전환 시 시각적인 '팝핑(Popping)' 결함이 발생할 수 있습니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/빌보드 임포스터(Billboard Impostors).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/상태 관리 최적화 (Zustand Jotai Valtio).md b/10_Wiki/Topics/AI/상태 관리 최적화 (Zustand Jotai Valtio).md
index b933142b..89948513 100644
--- a/10_Wiki/Topics/AI/상태 관리 최적화 (Zustand Jotai Valtio).md	
+++ b/10_Wiki/Topics/AI/상태 관리 최적화 (Zustand Jotai Valtio).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5B0AFD
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,12 +37,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 상태 관리 최적화 (Zusta
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[불필요한 리렌더링 방지]], [[React Context API 한계]], [[React Performance Optimization]], [[가변 프록시(Mutable Proxy) 상태]]
-- **Projects/Contexts:** [[장기 실행되는 실시간 데이터 대시보드 최적화]], [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]]
+- **Related Topics:** [[불필요한 리렌더링 방지]], React Context API 한계, [[React Performance Optimization]], 가변 프록시(Mutable Proxy) 상태
+- **Projects/Contexts:** [[장기 실행되는 실시간 데이터 대시보드 최적화]], 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처
 - **Contradictions/Notes:** 많은 개발자들이 Zustand를 도입하기만 하면 성능이 좋아질 것이라 오해하지만, 컴포넌트에서 전체 상태를 가져오거나 셀렉터에서 파생 객체를 무분별하게 반환하면 오히려 성능이 악화될 수 있습니다. 최적의 성능을 위해서는 사용 패턴에 대한 정확한 이해(수동 셀렉터 분리)가 동반되어야 합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/상태 관리 최적화 (Zustand, Jotai, Valtio).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/서플라이 체인 보안 (Supply Chain Security).md b/10_Wiki/Topics/AI/서플라이 체인 보안 (Supply Chain Security).md
index 022b0dfe..7530d4d7 100644
--- a/10_Wiki/Topics/AI/서플라이 체인 보안 (Supply Chain Security).md	
+++ b/10_Wiki/Topics/AI/서플라이 체인 보안 (Supply Chain Security).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E85988
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 서플라이 체인 보안 (Su
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Software Composition Analysis (SCA)]], [[SBOM (Software Bill of Materials)]], [[오픈소스 보안]]
-- **Projects/Contexts:** [[CVE-2025-54313 (`eslint-config-prettier` 공격)]], [[`tj-actions/changed-files` 공격]]
+- **Related Topics:** Software Composition Analysis (SCA), SBOM (Software Bill of Materials), 오픈소스 보안
+- **Projects/Contexts:** CVE-2025-54313 (`eslint-config-prettier` 공격), `tj-actions/changed-files` 공격
 - **Contradictions/Notes:** 소스에 따르면 오픈소스 생태계는 '신뢰'에 극도로 의존하여 운영되고 있으나, 바로 이러한 신뢰 모델 때문에 한 명의 개발자 계정에 대한 피싱 공격이 거대한 소프트웨어 서플라이 체인 전체를 위험에 빠뜨리는 구조적 취약점이 됨을 경고하고 있습니다 [4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/서플라이 체인 보안 (Supply Chain Security).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/소프트웨어 개발 수명 주기 (SDLC).md b/10_Wiki/Topics/AI/소프트웨어 개발 수명 주기 (SDLC).md
index 00ebed66..45dc3849 100644
--- a/10_Wiki/Topics/AI/소프트웨어 개발 수명 주기 (SDLC).md	
+++ b/10_Wiki/Topics/AI/소프트웨어 개발 수명 주기 (SDLC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C931C8
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 소프트웨어 개발 수명
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/소프트웨어 개발 수명 주기 (SDLC).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(SSQ).md b/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(SSQ).md
index 1ca69b6a..e95542b9 100644
--- a/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(SSQ).md	
+++ b/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(SSQ).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-30F8D3
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시뮬레이터 멀미 설문
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR sickness)]], [[사후 영향(Aftereffects)]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber)를 활용한 가상현실 엑서게이밍 사후 영향 연구]]
+- **Related Topics:** 가상현실 멀미(VR sickness), 사후 영향(Aftereffects)
+- **Projects/Contexts:** 비트 세이버(Beat Saber)를 활용한 가상현실 엑서게이밍 사후 영향 연구
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/시뮬레이터 멀미 설문지(SSQ).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md b/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md
index 6df792ac..fa993846 100644
--- a/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md	
+++ b/10_Wiki/Topics/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C8E657
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시뮬레이터 멀미 설문
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[가상현실(Virtual Reality)]]
-- **Projects/Contexts:** [[Beat Saber VR 엑서게임 연구]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), 가상현실(Virtual Reality)
+- **Projects/Contexts:** Beat Saber VR 엑서게임 연구
 - **Contradictions/Notes:** 소스에 따르면 높은 SSQ 점수(20점 초과)는 시뮬레이터의 문제를 시사하는 것으로 제안되지만, 정작 이 높은 점수가 사용자의 실제 일상생활 및 수행 능력 저하와 어떻게 연결되는지는 명확히 규명되지 않은 채로 남아 있습니다 [2]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/애그리거트 (Aggregates).md b/10_Wiki/Topics/AI/애그리거트 (Aggregates).md
index 53abda71..08ac63ad 100644
--- a/10_Wiki/Topics/AI/애그리거트 (Aggregates).md	
+++ b/10_Wiki/Topics/AI/애그리거트 (Aggregates).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8D448D
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 애그리거트 (Aggregates)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/애그리거트 (Aggregates).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md b/10_Wiki/Topics/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md
index a571018a..2ce6d1c2 100644
--- a/10_Wiki/Topics/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md	
+++ b/10_Wiki/Topics/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6697EE
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 오사카 엑스포 2025 호
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Three.js]], [[Particle Fluid Simulation]]
-- **Projects/Contexts:** [[Utsubo]], [[Expo 2025 Osaka]], [[Waves of Connection]]
+- **Related Topics:** [[WebGPU]], Three.js, Particle Fluid Simulation
+- **Projects/Contexts:** [[Utsubo]], [[Expo 2025 Osaka]], Waves of Connection
 - **Contradictions/Notes:** 소스 문서 내에서 오사카 엑스포 2025의 '호쿠사이 인스톨레이션(Hokusai installation)'과 'Waves of Connection' 인스톨레이션은 모두 100만 개의 파티클을 실시간 렌더링한 Utsubo 스튜디오의 동일하거나 밀접하게 연관된 WebGPU 프로덕션 사례로 교차 언급되고 있습니다 [1, 3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/유비쿼터스 언어 (Ubiquitous Language).md b/10_Wiki/Topics/AI/유비쿼터스 언어 (Ubiquitous Language).md
index 78dee10f..c35b76ff 100644
--- a/10_Wiki/Topics/AI/유비쿼터스 언어 (Ubiquitous Language).md	
+++ b/10_Wiki/Topics/AI/유비쿼터스 언어 (Ubiquitous Language).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-34F79B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 유비쿼터스 언어 (Ubiqui
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/유비쿼터스 언어 (Ubiquitous Language).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/인지 행동 치료 (CBT).md b/10_Wiki/Topics/AI/인지 행동 치료 (CBT).md
index 5e443245..c4caa6eb 100644
--- a/10_Wiki/Topics/AI/인지 행동 치료 (CBT).md	
+++ b/10_Wiki/Topics/AI/인지 행동 치료 (CBT).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-CBT
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [Psychology, CBT, MentalHealth, Therapy]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-20
 - CBT는 매우 효과적이지만, 감정의 뿌리가 깊은 과거 트라우마나 무의식적 갈등을 다루기엔 한계가 있다는 비판을 받기도 한다. 이를 보완하기 위해 마음챙김(Mindfulness)을 결합한 3세대 인지행동치료(ACT, DBT 등)로 확장되고 있다. AI 챗봇이 CBT 기법을 사용하여 유저의 멘탈 케어를 수행하는 시도도 활발하다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Neuroscience]] , [[Autism Spectrum Disorder (ASD) Intervention]]
+- Related: Neuroscience , [[Autism Spectrum Disorder (ASD) Intervention]]
 - AI Context: [[Emotionally Intelligent Tutoring Systems (EITS)]]
diff --git a/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트 (SAST).md b/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트 (SAST).md
index a68df355..12d85a80 100644
--- a/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트 (SAST).md	
+++ b/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트 (SAST).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-517F55
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 정적 애플리케이션 보
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 코드 분석]], [[시프트 레프트 (Shift-Left)]], [[오염 분석 (Taint Analysis)]], [[동적 애플리케이션 보안 테스트 (DAST)]], [[소프트웨어 구성 분석 (SCA)]], [[자동화된 코드 거버넌스]]
-- **Projects/Contexts:** [[Snyk Code]], [[Corgea]], [[GitHub Advanced Security]], [[DevSecOps 파이프라인]]
+- **Related Topics:** 정적 코드 분석, [[시프트 레프트 (Shift-Left)]], 오염 분석 (Taint Analysis), 동적 애플리케이션 보안 테스트 (DAST), 소프트웨어 구성 분석 (SCA), 자동화된 코드 거버넌스
+- **Projects/Contexts:** Snyk Code, [[Corgea]], GitHub Advanced Security, DevSecOps 파이프라인
 - **Contradictions/Notes:** 자동화된 SAST 도구들은 처리 속도와 규모 확장성이 뛰어나지만, 정해진 규칙에 벗어나거나 복잡한 비즈니스 로직 및 새로운 아키텍처 맥락에 따른 취약점은 놓칠 수 있다. 연구에 따르면 SAST 툴들은 실제 취약점의 약 22% 정도를 탐지하지 못하거나 30~60%의 높은 오탐률로 경고 피로도(Alert fatigue)를 일으킨다 [12, 28, 29]. 따라서 AI로 개선된 SAST 도구를 사용하여 일차적인 검열을 수행하더라도, 고위험 코드나 복잡한 시스템 로직의 최종 보안 검증을 위해서는 반드시 인간 중심의 '수동 코드 리뷰(Manual Code Review)'를 결합하는 하이브리드 리뷰가 필수적으로 요구된다 [30-32].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/정적 애플리케이션 보안 테스트 (SAST).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트(SAST).md b/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트(SAST).md
index 5fffa116..27a54767 100644
--- a/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트(SAST).md	
+++ b/10_Wiki/Topics/AI/정적 애플리케이션 보안 테스트(SAST).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E9615F
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,12 +37,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 정적 애플리케이션 보
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[동적 애플리케이션 보안 테스트(DAST)]], [[소프트웨어 구성 분석(SCA)]], [[시프트 레프트(Shift-Left)]], [[추상 구문 트리(AST)]]
-- **Projects/Contexts:** [[CI/CD 파이프라인]], [[OWASP Top 10]], [[하이브리드 코드 리뷰]]
+- **Projects/Contexts:** CI/CD 파이프라인, [[OWASP Top 10]], [[하이브리드 코드 리뷰]]
 - **Contradictions/Notes:** 
   * "전통적인 규칙 기반의 SAST 도구는 50~80%에 이르는 높은 오탐률(False Positive)을 보여 개발자의 피로도를 높일 수 있지만, 최근의 AI 및 기계 학습 기반 SAST(예: Veracode, Corgea 등)는 컨텍스트를 이해함으로써 오탐률을 5% 이하(일부 1.1% 미만)로 현저히 줄일 수 있다고 보고됩니다." [19, 32].
   * "자동화된 정적 분석 도구만으로 모든 보안 오류를 막을 수 있다고 기대하는 것은 위험합니다. 실증 연구에 따르면 SAST 도구는 실제 존재하는 취약점의 약 22%를 완전히 놓칠 수 있으며, 따라서 자동화 도구를 맹신하지 말고 고위험 코드 변경에 대해서는 반드시 수동 코드 리뷰를 병행해야 합니다." [18, 33-35].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/정적 애플리케이션 보안 테스트(SAST).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/카산드라(Cassandra).md b/10_Wiki/Topics/AI/카산드라(Cassandra).md
index 5cafeb73..842631d0 100644
--- a/10_Wiki/Topics/AI/카산드라(Cassandra).md
+++ b/10_Wiki/Topics/AI/카산드라(Cassandra).md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A802F0
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 카산드라(Cassandra)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[NoSQL]], [[RDBMS]], [[Microservices Architecture]], [[Tunable Consistency]]
-- **Projects/Contexts:** [[넷플릭스 마이크로서비스 아키텍처 전환(Adopting Microservices at Netflix)]]
+- **Related Topics:** NoSQL, RDBMS, Microservices Architecture, Tunable Consistency
+- **Projects/Contexts:** 넷플릭스 마이크로서비스 아키텍처 전환(Adopting Microservices at Netflix)
 - **Contradictions/Notes:** 카산드라 자체에 대한 깊이 있는 기술적 원리보다는 넷플릭스의 마이크로서비스 도입 과정에서 RDBMS를 대체한 대규모 NoSQL 솔루션의 사례로서만 간략하게 언급되어 있어 추가적인 기술적 세부 정보는 소스에 관련 정보가 부족합니다 [1]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/카산드라(Cassandra).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/코드 리뷰(Code Review).md b/10_Wiki/Topics/AI/코드 리뷰(Code Review).md
index 837ff3a0..c56ede32 100644
--- a/10_Wiki/Topics/AI/코드 리뷰(Code Review).md	
+++ b/10_Wiki/Topics/AI/코드 리뷰(Code Review).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-119026
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 코드 리뷰(Code Review)"
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[수동 코드 리뷰(Manual Code Review)]], [[자동화된 코드 리뷰(Automated Code Review)]], [[정적 애플리케이션 보안 테스트(SAST)]]
-- **Projects/Contexts:** [[하이브리드 코드 리뷰 워크플로우]], [[Google의 코드 리뷰 표준]], [[DevSecOps 및 CI/CD 파이프라인]]
+- **Related Topics:** 수동 코드 리뷰(Manual Code Review), 자동화된 코드 리뷰(Automated Code Review), [[정적 애플리케이션 보안 테스트(SAST)]]
+- **Projects/Contexts:** 하이브리드 코드 리뷰 워크플로우, Google의 코드 리뷰 표준, DevSecOps 및 CI/CD 파이프라인
 - **Contradictions/Notes:** 자동화된 코드 리뷰 도구는 스캔 속도가 빠르고 규칙을 일관되게 적용하지만 비즈니스 로직의 의도를 이해하지 못해 다수의 오탐(False Positive)을 발생시킬 수 있습니다[22]. 반면 수동 코드 리뷰는 문맥을 이해하고 복잡한 아키텍처를 검토하는 데 필수적이지만 시간이 오래 걸리고 인적 오류의 위험이 병존합니다[13]. 따라서 이 두 가지 리뷰 방식은 상호 배타적인 것이 아니라, 장단점을 상호 보완하는 하이브리드 방식(기계적 검증 후 인간의 논리적 판단)으로 결합하여 사용하는 것이 권장됩니다[4, 26].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/코드 리뷰(Code Review).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/풀 리퀘스트 워크플로우.md b/10_Wiki/Topics/AI/풀 리퀘스트 워크플로우.md
index 7e257cb5..cd352a9d 100644
--- a/10_Wiki/Topics/AI/풀 리퀘스트 워크플로우.md	
+++ b/10_Wiki/Topics/AI/풀 리퀘스트 워크플로우.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9C30BC
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 풀 리퀘스트 워크플로
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[자동화된 코드 리뷰]], [[수동 코드 리뷰]], [[SAST (정적 애플리케이션 보안 테스트)]], [[Git 훅 (Git Hooks)]]
-- **Projects/Contexts:** [[DevSecOps]], [[CI/CD 파이프라인]]
+- **Related Topics:** [[자동화된 코드 리뷰]], [[수동 코드 리뷰]], [[SAST (정적 애플리케이션 보안 테스트)]], Git 훅 (Git Hooks)
+- **Projects/Contexts:** [[DevSecOps]], CI/CD 파이프라인
 - **Contradictions/Notes:** 소스들은 AI 및 자동화 도구가 풀 리퀘스트 리뷰 주기를 단축시킨다고 주장하지만, 올바른 워크플로우 체계 없이 단순히 도구만 도입할 경우 오히려 무의미한 경고(False Positives)가 쏟아져 리뷰어의 경고 피로도(Alert Fatigue)를 높이고 리뷰 지연을 초래할 수 있다고 경고합니다 [11, 20, 21].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/풀 리퀘스트 워크플로우.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/풀 리퀘스트(PR) 기반 보안 검토.md b/10_Wiki/Topics/AI/풀 리퀘스트(PR) 기반 보안 검토.md
index a738a738..a3c35087 100644
--- a/10_Wiki/Topics/AI/풀 리퀘스트(PR) 기반 보안 검토.md	
+++ b/10_Wiki/Topics/AI/풀 리퀘스트(PR) 기반 보안 검토.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8FBB2B
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 풀 리퀘스트(PR) 기반 
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[AI 기반 코드 리뷰]], [[시프트 레프트(Shift-Left)]], [[품질 게이트(Quality Gates)]], [[하이브리드 코드 리뷰(Hybrid Code Review)]]
-- **Projects/Contexts:** [[GitHub Code Security 및 Copilot Autofix]], [[SonarQube PR 분석]], [[Snyk Code PR 통합]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], AI 기반 코드 리뷰, [[시프트 레프트(Shift-Left)]], 품질 게이트(Quality Gates), 하이브리드 코드 리뷰(Hybrid Code Review)
+- **Projects/Contexts:** GitHub Code Security 및 Copilot Autofix, SonarQube PR 분석, Snyk Code PR 통합
 - **Contradictions/Notes:** 자동화된 PR 코드 검토는 속도와 확장성 측면에서 매우 우수하지만 코드의 의도나 아키텍처 맥락을 이해하지 못해 오탐(False Positive)을 유발할 수 있습니다. 따라서 도구의 결과에만 의존하기보다는 복잡한 비즈니스 로직과 보안 컨텍스트 평가는 반드시 인간의 수동 검토가 동반되어야 상호 보완적인 보안 품질을 달성할 수 있습니다 [18, 25, 26].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/풀 리퀘스트(PR) 기반 보안 검토.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/프론트엔드 및 Nodejs 개발 워크플로우.md b/10_Wiki/Topics/AI/프론트엔드 및 Nodejs 개발 워크플로우.md
index 22741ec7..1ba78730 100644
--- a/10_Wiki/Topics/AI/프론트엔드 및 Nodejs 개발 워크플로우.md	
+++ b/10_Wiki/Topics/AI/프론트엔드 및 Nodejs 개발 워크플로우.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D024EA
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,10 +34,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 프론트엔드 및 Nodejs 개
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[Husky]], [[lint-staged]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[공급망 공격 (Supply Chain Attack)]]
-- **Projects/Contexts:** [[React 및 Next.js 개발 환경]], [[Turborepo 기반 모노레포 워크플로우]]
+- **Projects/Contexts:** React 및 Next.js 개발 환경, [[Turborepo 기반 모노레포 워크플로우]]
 - **Contradictions/Notes:** ESLint와 Prettier를 결합할 때, `eslint-plugin-prettier`를 사용하여 Prettier를 ESLint 규칙의 일부로 실행하는 방식이 존재하지만, Prettier 공식 문서 및 실무 환경에서는 성능 저하 문제와 에디터 내 과도한 경고(빨간 밑줄) 발생 등의 피로도 문제로 인해 `eslint-config-prettier`를 활용해 역할(규칙 검사는 ESLint, 포맷팅은 Prettier)을 명확히 분리하는 것을 가장 권장합니다 [5, 34, 35].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/프론트엔드 및 Node.js 개발 워크플로우.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md b/10_Wiki/Topics/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md
index 2c60cc78..5b8582a9 100644
--- a/10_Wiki/Topics/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md	
+++ b/10_Wiki/Topics/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4CD9A4
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 하이브리드 코드 리뷰
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[수동 코드 리뷰 (Manual Code Review)]], [[자동화된 코드 리뷰 (Automated Code Review)]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[소프트웨어 구성 분석 (SCA)]]
-- **Projects/Contexts:** [[지속적 통합/지속적 배포 (CI/CD) 파이프라인]], [[Pull Request (PR) 승인 워크플로우]]
+- **Related Topics:** [[수동 코드 리뷰 (Manual Code Review)]], 자동화된 코드 리뷰 (Automated Code Review), [[정적 애플리케이션 보안 테스트 (SAST)]], 소프트웨어 구성 분석 (SCA)
+- **Projects/Contexts:** 지속적 통합/지속적 배포 (CI/CD) 파이프라인, Pull Request (PR) 승인 워크플로우
 - **Contradictions/Notes:** 소스는 수동 리뷰와 자동화 리뷰 중 어느 하나가 다른 하나를 완벽히 대체할 수 없음을 강조합니다. 자동화 도구(AI 포함)는 속도와 확장성이 뛰어나나 비즈니스 로직과 설계의 맥락을 파악하지 못해 한계(Context Blindness)를 보이며, 반대로 사람은 피로도와 비용 문제로 모든 코드를 완벽히 리뷰할 수 없습니다. 따라서 양쪽을 결합하는 하이브리드 접근이 보안과 품질 유지의 핵심 타협점으로 꼽힙니다 [1, 8, 16, 17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/하이브리드 코드 리뷰 (Hybrid Code Review).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/하이브리드 코드 리뷰.md b/10_Wiki/Topics/AI/하이브리드 코드 리뷰.md
index 2096d982..81b8ae72 100644
--- a/10_Wiki/Topics/AI/하이브리드 코드 리뷰.md	
+++ b/10_Wiki/Topics/AI/하이브리드 코드 리뷰.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F958B3
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -41,10 +41,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 하이브리드 코드 리뷰"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[수동 코드 리뷰]], [[자동화된 코드 리뷰]], [[SAST (Static Application Security Testing)]]
-- **Projects/Contexts:** [[CI/CD 파이프라인]], [[순차적 게이트 아키텍처]]
+- **Projects/Contexts:** CI/CD 파이프라인, [[순차적 게이트 아키텍처]]
 - **Contradictions/Notes:** 자동화 도구는 속도와 확장성 측면에서 훌륭하지만 비즈니스 로직과 의도를 파악하는 "문맥맹(Context Blindness)"의 한계가 있어 30~60%의 높은 오탐지율을 발생시키거나 특정 취약점(예: 신종 논리 공격)을 완전히 놓칠 수 있습니다. 따라서 오직 자동화에만 의존하는 것은 위험하며, 인간의 문맥 이해를 결합한 하이브리드 접근이 필수적이라고 소스들은 공통적으로 지적합니다 [2, 14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/하이브리드 코드 리뷰.md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/할당 실패(Allocation Failure).md b/10_Wiki/Topics/AI/할당 실패(Allocation Failure).md
index fe25cd28..c0543781 100644
--- a/10_Wiki/Topics/AI/할당 실패(Allocation Failure).md	
+++ b/10_Wiki/Topics/AI/할당 실패(Allocation Failure).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-32A771
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 할당 실패(Allocation Failu
 - **정책 변화:** AI 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** `[[가비지 컬렉션(Garbage Collection)]]`, `[[Scavenge(마이너 GC)]]`, `[[New Space(Young Generation)]]`
-- **Projects/Contexts:** `[[V8 자바스크립트 엔진의 메모리 관리 메커니즘]]`, `[[IBM Java 가상 머신(JVM)의 가비지 컬렉션 로깅 분석]]`
+- **Related Topics:** `가비지 컬렉션(Garbage Collection)`, `Scavenge(마이너 GC)`, `[[New Space(Young Generation)]]`
+- **Projects/Contexts:** `V8 자바스크립트 엔진의 메모리 관리 메커니즘`, `IBM Java 가상 머신(JVM)의 가비지 컬렉션 로깅 분석`
 - **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았으며, 할당 실패는 V8 엔진과 Java JVM 환경 모두에서 연속된 여유 메모리가 부족할 때 가비지 컬렉션을 즉각적으로 유발하는 동일한 트리거 원리로 일관되게 설명되고 있다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/할당 실패(Allocation Failure).md]]
+
 ---
diff --git a/10_Wiki/Topics/AI/함수 호출 (Function Calling).md b/10_Wiki/Topics/AI/함수 호출 (Function Calling).md
index bae75031..d116c263 100644
--- a/10_Wiki/Topics/AI/함수 호출 (Function Calling).md	
+++ b/10_Wiki/Topics/AI/함수 호출 (Function Calling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-FUNCTION-CALLING
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
 tags: [AI, LLM, FunctionCalling, Tools, Integration]
 last_reinforced: 2026-04-20
@@ -23,4 +23,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[AI 에이전트 (AI Agent)]] , [[Model Context Protocol (MCP)]]
-- Format: [[JSON-Schema]]
+- Format: JSON-Schema
diff --git a/10_Wiki/Topics/Agent & AI/P-Reinforce.md b/10_Wiki/Topics/Agent & AI/P-Reinforce.md
index 1f87482e..bb62680b 100644
--- a/10_Wiki/Topics/Agent & AI/P-Reinforce.md	
+++ b/10_Wiki/Topics/Agent & AI/P-Reinforce.md	
@@ -1,6 +1,6 @@
 ---
 id: 550e8400-e29b-41d4-a716-446655440000
-category: "[[10_Wiki/Topics/Agent & AI]]"
+category: "10_Wiki/Topics/Agent & AI"
 confidence_score: 1.0
 tags: [Agent, AI, Wiki, Reinforcement Learning, Karpathy]
 last_reinforced: 2026-04-21
@@ -24,6 +24,6 @@ github_commit: "initial"
 - **정책 변화**: 사용자의 "이 폴더 아니야" 피드백을 수집하여 `20_Meta/Policy.md`에 반영, 경계선(Boundary)을 재설정함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent**: [[Agent Ecosystem]]
-- **Related**: [[Knowledge Automation]], [[Recursive Structuring]]
-- **Raw Source**: [[00_Raw/2026-04-21-P-Reinforce_Skill_Info]]
+- **Parent**: Agent Ecosystem
+- **Related**: Knowledge Automation, Recursive Structuring
+- **Raw Source**: 00_Raw/2026-04-21-P-Reinforce_Skill_Info
diff --git a/10_Wiki/Topics/Agent & AI/Zen-Pop.md b/10_Wiki/Topics/Agent & AI/Zen-Pop.md
index 3af1873f..45bd846d 100644
--- a/10_Wiki/Topics/Agent & AI/Zen-Pop.md	
+++ b/10_Wiki/Topics/Agent & AI/Zen-Pop.md	
@@ -1,6 +1,6 @@
 ---
 id: 550e8400-e29b-41d4-a716-446655440002
-category: "[[10_Wiki/Topics/Agent & AI]]"
+category: "10_Wiki/Topics/Agent & AI"
 confidence_score: 0.98
 tags: [ASMR, Healing, MediaPipe, Web Audio, Zen-Pop]
 last_reinforced: 2026-04-21
@@ -23,6 +23,6 @@ github_commit: "initial"
 - **과거 데이터와의 충돌**: 단순 동영상 기반 ASMR의 수동적 한계를 넘어서, 직접 만지고 반응하는 상호작용형 힐링 서비스로 진화.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent**: [[Agent Ecosystem]]
-- **Related**: [[NUI Architecture]], [[Sensory Tokens]]
-- **Raw Source**: [[00_Raw/2026-04-21-Zen-Pop_Architect_Info]]
+- **Parent**: Agent Ecosystem
+- **Related**: NUI Architecture, Sensory Tokens
+- **Raw Source**: 00_Raw/2026-04-21-Zen-Pop_Architect_Info
diff --git a/10_Wiki/Topics/Automation/IoT.md b/10_Wiki/Topics/Automation/IoT.md
index 87d8b658..58169eb7 100644
--- a/10_Wiki/Topics/Automation/IoT.md
+++ b/10_Wiki/Topics/Automation/IoT.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-AUTO-002
-category: "[[10_Wiki/💡 Topics/Automation]]"
+category: "10_Wiki/💡 Topics/Automation"
 confidence_score: 0.91
 tags: [automation, iot, telemetry, connectivity]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-07"
 ---
 
-# [[Internet of Things (IoT) Telemetry]]
+# Internet of Things (IoT) Telemetry
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 보이지 않는 물리 현상을 디지털 신호로 변환하여 네트워크로 송출함으로써 만물에 '말문'을 틔워주는 기술.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-07"
 - **정책 변화:** 구조적 연결성(w2) 관점에서 Digital_Twin의 실시간성을 보장하는 핵심 인프라로 정의.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Automation]]
+- **Parent:** 10_Wiki/💡 Topics/Automation
 - **Related:** [[SCADA]], [[Digital_Twin]], [[Edge-Computing]]
-- **Raw Source:** [[00_Raw/2026-04-20/Internet of Things (IoT) Telemetry.md]]
+- **Raw Source:** 00_Raw/2026-04-20/Internet of Things (IoT) Telemetry.md
diff --git a/10_Wiki/Topics/Automation/SCADA.md b/10_Wiki/Topics/Automation/SCADA.md
index ce72de7d..18796d82 100644
--- a/10_Wiki/Topics/Automation/SCADA.md
+++ b/10_Wiki/Topics/Automation/SCADA.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-AUTO-001
-category: "[[10_Wiki/💡 Topics/Automation]]"
+category: "10_Wiki/💡 Topics/Automation"
 confidence_score: 0.90
 tags: [automation, scada, industrial, control]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-06"
 ---
 
-# [[SCADA (Supervisory Control and Data Acquisition)]]
+# SCADA (Supervisory Control and Data Acquisition)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 광범위한 산업 현장의 데이터를 실시간으로 수집하고 원격에서 제어함으로써 제조 지능화를 구현하는 중앙 통제 센터.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-06"
 - **정책 변화:** 구조적 연결성(w2) 관점에서 3D_Web_HMI 및 Digital_Twin과의 데이터 정합성 강조.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Automation]]
-- **Related:** [[3D_Web_HMI]], [[Digital_Twin]], [[Industrial-IoT]]
-- **Raw Source:** [[00_Raw/2026-04-20/Industrial-Automation.md]]
+- **Parent:** 10_Wiki/💡 Topics/Automation
+- **Related:** [[3D_Web_HMI]], [[Digital_Twin]], Industrial-IoT
+- **Raw Source:** 00_Raw/2026-04-20/Industrial-Automation.md
diff --git a/10_Wiki/Topics/Business_Strategy/E-commerce Platforms.md b/10_Wiki/Topics/Business_Strategy/E-commerce Platforms.md
index b3ff3f19..0566dbf9 100644
--- a/10_Wiki/Topics/Business_Strategy/E-commerce Platforms.md	
+++ b/10_Wiki/Topics/Business_Strategy/E-commerce Platforms.md	
@@ -14,7 +14,7 @@ E-commerce Platforms(이커머스 플랫폼)은 제품 카탈로그, 장바구
   * 이러한 모듈식 접근 방식을 통해 비즈니스가 확장됨에 따라 새로운 결제 옵션을 추가하거나 제품 추천 기능을 갱신해야 할 때, 플랫폼 전체에 중단을 일으키지 않고 특정 컴포넌트만 쉽게 교체하거나 확장할 수 있는 유연성을 확보합니다 [2, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Component-Based Architecture]], [[Search Engine Optimization (SEO)]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[Component-Based Architecture]], [[Search Engine Optimization (SEO)]]
 - **Projects/Contexts:** 대규모 트래픽을 처리하면서도 검색 엔진 노출을 극대화하고 실시간 재고/가격 변동을 반영해야 하는 프론트엔드 웹 성능 최적화 및 렌더링 아키텍처 구축 맥락 [3, 4, 7].
 - **Contradictions/Notes:** 제공된 소스는 이커머스 플랫폼의 백엔드 비즈니스 로직이나 운영 모델보다는 주로 프론트엔드의 화면 렌더링 최적화(SSR/ISR)와 아키텍처(컴포넌트화) 측면에 초점을 맞추고 있어, 결제 시스템의 내부 동작 원리 등에 대해서는 소스에 관련 정보가 부족합니다.
 
diff --git a/10_Wiki/Topics/Business_Strategy/Meta Quest Store.md b/10_Wiki/Topics/Business_Strategy/Meta Quest Store.md
index 04477daf..33a1b7b2 100644
--- a/10_Wiki/Topics/Business_Strategy/Meta Quest Store.md	
+++ b/10_Wiki/Topics/Business_Strategy/Meta Quest Store.md	
@@ -11,7 +11,7 @@ Meta Quest Store는 Meta에서 운영하는 플랫폼으로, 제공된 문서 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Compiler]], [[Performance Optimization]]
-- **Projects/Contexts:** [[Meta's Internal Testing (React Compiler 성능 검증)]]
+- **Projects/Contexts:** Meta's Internal Testing (React Compiler 성능 검증)
 - **Contradictions/Notes:** Meta Quest Store에 대한 독립적이고 포괄적인 설명은 제공된 소스에 관련 정보가 부족합니다. 오직 React Compiler의 적용으로 인한 성능 최적화 지표를 보여주는 단편적인 사례(Case Study)로만 활용되었습니다.
 
 ---
diff --git a/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 UI 개발.md b/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 UI 개발.md
index 2bbfcfa6..d123690f 100644
--- a/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 UI 개발.md	
+++ b/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 UI 개발.md	
@@ -20,7 +20,7 @@ SaaS 대시보드 및 이커머스 UI 개발은 복잡한 데이터와 다양한
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Grid 및 Flexbox]], [[컨테이너 쿼리(Container Queries)]], [[성능 최적화(Reflow & Repaint)]], [[유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind)]]
-- **Projects/Contexts:** [[데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축]], [[이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계]]
+- **Projects/Contexts:** [[데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축]], 이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계
 - **Contradictions/Notes:** 실무에서는 단일 CSS 방법론에 얽매이지 않습니다. Tailwind CSS는 레이아웃과 간격 설정 시 빠른 개발 속도와 일관성을 보장하지만 HTML이 길어지는 단점이 있고, CSS Modules는 표준 CSS를 사용할 수 있지만 컨텍스트 스위칭이 발생합니다. 이에 따라 대규모 엔터프라이즈 팀은 레이아웃에는 Tailwind를 사용하고, 복잡한 애니메이션이나 정밀한 스타일 제어가 필요한 개별 컴포넌트에는 CSS Modules(또는 SCSS)를 혼합하여 사용하는 하이브리드 전략을 채택하기도 합니다 [23-26].
 
 ---
diff --git a/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 레이아웃 구축.md b/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 레이아웃 구축.md
index 399f86ca..f1e17970 100644
--- a/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 레이아웃 구축.md	
+++ b/10_Wiki/Topics/Business_Strategy/SaaS 대시보드 및 이커머스 레이아웃 구축.md	
@@ -20,8 +20,8 @@ SaaS 대시보드 및 이커머스 레이아웃 구축은 방대한 데이터와
 *   **애니메이션 성능 최적화:** 대시보드나 이커머스와 같이 렌더링할 컴포넌트가 많은 곳에서 너비(width), 높이(height), 여백(margin) 등 레이아웃에 영향을 주는 속성을 애니메이션화하면 값비싼 리플로우(Reflow)와 리페인트(Repaint)가 발생하여 성능이 저하됩니다 [13, 14]. 따라서 렌더링 성능을 최적화하기 위해서는 GPU 가속을 활용할 수 있는 `transform`이나 `opacity` 위주로 애니메이션을 설계해야 합니다 [14-16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Grid]], [[Flexbox]], [[컨테이너 쿼리 (Container Queries)]], [[모바일 중심 설계 (Mobile-First Design)]], [[마이크로 인터랙션 (Micro-interactions)]]
-- **Projects/Contexts:** [[데이터 중심 대시보드 (Data-heavy Dashboards)]], [[반응형 이커머스 웹사이트 (Responsive E-commerce Websites)]]
+- **Related Topics:** [[CSS Grid]], [[Flexbox]], [[컨테이너 쿼리 (Container Queries)]], 모바일 중심 설계 (Mobile-First Design), 마이크로 인터랙션 (Micro-interactions)
+- **Projects/Contexts:** 데이터 중심 대시보드 (Data-heavy Dashboards), 반응형 이커머스 웹사이트 (Responsive E-commerce Websites)
 - **Contradictions/Notes:** 뷰포트 기반의 일반적인 미디어 쿼리(Media Queries)는 사이드바나 영웅 영역 등 컴포넌트가 배치된 개별 컨텍스트의 가용 공간을 파악하지 못하는 근본적인 한계가 있습니다. 따라서 대시보드나 이커머스처럼 복잡하고 모듈화된 레이아웃에서는 화면 크기가 아닌 컴포넌트 부모 크기에 반응하는 컨테이너 쿼리가 2026년의 새로운 표준으로 권장됩니다 [3]. 
 
 ---
diff --git a/10_Wiki/Topics/Business_Strategy/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md b/10_Wiki/Topics/Business_Strategy/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md
index 6a68f440..5c9dfcdb 100644
--- a/10_Wiki/Topics/Business_Strategy/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md	
+++ b/10_Wiki/Topics/Business_Strategy/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md	
@@ -16,7 +16,7 @@ SaaS 플랫폼과 인터랙티브 대시보드는 실시간 데이터 업데이
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Client-Side Rendering (CSR)]], [[Component-Based Architecture]], [[Automatic Batching]], [[Concurrent Rendering]]
-- **Projects/Contexts:** [[데이터 집약적 대시보드 성능 최적화 사례]], [[Sanity Studio]]
+- **Projects/Contexts:** 데이터 집약적 대시보드 성능 최적화 사례, [[Sanity Studio]]
 - **Contradictions/Notes:** React 서버 컴포넌트(RSC) 적용과 관련하여 소스 간 시각 차이가 존재합니다. 일부 소스는 읽기 전용 데이터 디스플레이(제품 카탈로그, 단순 대시보드)에 RSC를 사용하면 클라이언트 JavaScript 번들을 40-60%까지 줄일 수 있다고 주장하지만 [19], 다른 소스에서는 빈번한 리렌더링과 로컬 상태, 직접적인 브라우저 API에 크게 의존하는 '복잡한 대시보드 및 고도의 상호작용이 필요한 인터페이스'에는 RSC가 부적합(Poor fit)하며 클라이언트 컴포넌트를 사용해야 한다고 경고합니다 [20].
 
 ---
diff --git a/10_Wiki/Topics/Business_Strategy/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md b/10_Wiki/Topics/Business_Strategy/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md
index 6a0e7189..5819e413 100644
--- a/10_Wiki/Topics/Business_Strategy/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md	
+++ b/10_Wiki/Topics/Business_Strategy/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md	
@@ -11,8 +11,8 @@
 - **유지보수를 위한 폴더 및 컴포넌트 구조화:** 대시보드(Dashboard) 화면은 프론트엔드 폴더 구조 내에서 고유한 페이지(Pages folder)로 관리되며, 여러 재사용 가능한 컴포넌트(Components)들이 결합하여 하나의 전체 뷰를 구성하게 됩니다 [6, 7]. 애플리케이션의 규모가 커짐에 따라 유지보수성을 높이기 위해서는 UI 시각 요소와 비즈니스 로직을 명확히 분리하는 구조적 접근이 필수적입니다 [6, 8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Grid]], [[Container Queries]], [[데이터 시각화 애니메이션 (Animated Data Visualization)]], [[레이어 모션 (Layered Motion)]]
-- **Projects/Contexts:** [[SaaS Dashboards]], [[데이터 테이블의 모바일 카드 스택 변환]], [[분석 대시보드 그리드 시스템]]
+- **Related Topics:** [[CSS Grid]], [[Container Queries]], 데이터 시각화 애니메이션 (Animated Data Visualization), 레이어 모션 (Layered Motion)
+- **Projects/Contexts:** SaaS Dashboards, 데이터 테이블의 모바일 카드 스택 변환, 분석 대시보드 그리드 시스템
 - **Contradictions/Notes:** 대시보드 및 CRM 구축 방법에 대하여 소스 데이터 내에 상충하는 의견이나 모순점은 발견되지 않았습니다.
 
 ---
diff --git a/10_Wiki/Topics/Business_Strategy/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md b/10_Wiki/Topics/Business_Strategy/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md
index 18ff235e..6011035c 100644
--- a/10_Wiki/Topics/Business_Strategy/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md	
+++ b/10_Wiki/Topics/Business_Strategy/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md	
@@ -1,4 +1,4 @@
-# [[이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계]]
+# 이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계
 
 ## 📌 Brief Summary
 이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계는 제한된 모바일 화면에서도 사용자가 상품을 쉽게 탐색하고 결제에 이를 수 있도록 유연한 레이아웃과 반응형 디자인을 적용하는 과정입니다 [1]. 모든 화면 크기에서 상품 이미지를 우선시하며, 장바구니 담기와 같은 주요 행동에 목적 있는 애니메이션 피드백을 제공하여 쇼핑 경험의 마찰을 줄이고 직관성을 높이는 것이 핵심입니다 [2], [1].
@@ -12,8 +12,8 @@
     *   **결제 및 진행 상태**: 사용자가 주문을 완료하고 결제를 진행하는 동안, 스켈레톤 스크린(skeleton screens)이나 진행률 표시 애니메이션을 제공하면 체감 대기 시간을 줄이고 시스템이 정상적으로 로딩 중이라는 확신을 줄 수 있습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[컨테이너 쿼리(Container Queries)]], [[CSS Grid와 Flexbox]], [[마이크로 인터랙션(Micro-interactions)]]
-- **Projects/Contexts:** [[이커머스 컴포넌트 기반 레이아웃 설계]], [[모바일 퍼스트(Mobile-First) UI 개발]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), [[컨테이너 쿼리(Container Queries)]], CSS Grid와 Flexbox, [[마이크로 인터랙션(Micro-interactions)]]
+- **Projects/Contexts:** 이커머스 컴포넌트 기반 레이아웃 설계, 모바일 퍼스트(Mobile-First) UI 개발
 - **Contradictions/Notes:** 소스에 따르면, 이커머스 모바일 최적화는 단순히 데스크톱 화면의 크기를 줄이는 방식이 아닙니다. 데스크톱용 화면을 억지로 축소하면 텍스트가 너무 작아지고 요소들이 답답하게 배치되므로, 처음부터 가장 작은 모바일 화면을 기준으로 필수 요소를 우선 배치(모바일 퍼스트)하는 접근법을 강력히 권장합니다 [8]. 또한 애니메이션은 시각적 장식이 아닌 시스템 상태 전달 등 명확한 목적(기능)을 가질 때만 유효하며, 과도한 애니메이션은 피해야 합니다 [9], [10].
 
 ---
diff --git a/10_Wiki/Topics/Business_Strategy/전자상거래 플랫폼 (E-commerce Platforms).md b/10_Wiki/Topics/Business_Strategy/전자상거래 플랫폼 (E-commerce Platforms).md
index 18a11cd5..f86b8a3f 100644
--- a/10_Wiki/Topics/Business_Strategy/전자상거래 플랫폼 (E-commerce Platforms).md	
+++ b/10_Wiki/Topics/Business_Strategy/전자상거래 플랫폼 (E-commerce Platforms).md	
@@ -16,8 +16,8 @@
   * 마케팅 캠페인이나 시즌별 프로모션에 맞춰 기본 비즈니스 기능을 손상시키지 않고 다양한 테마를 적용하여 사이트의 디자인을 신속하게 변경할 수 있습니다 [11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Component-Based Architecture (CBA)]]
-- **Projects/Contexts:** [[제품 카탈로그 및 장바구니 시스템 (Product Catalogs and Shopping Carts)]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[Component-Based Architecture (CBA)]]
+- **Projects/Contexts:** 제품 카탈로그 및 장바구니 시스템 (Product Catalogs and Shopping Carts)
 - **Contradictions/Notes:** 소스 [5]에서는 높은 수준의 상호작용이 필요한 전자상거래 웹사이트에 CSR이 흔히 사용된다고 언급합니다. 하지만 다른 소스들은 검색 엔진 최적화(SEO)와 최신 데이터 제공의 중요성 때문에 제품 탐색 및 세부 페이지에는 SSR 또는 ISR을 사용하는 것이 훨씬 이상적이고 필수적이라고 강조합니다 [1, 4, 7].
 
 ---
diff --git a/10_Wiki/Topics/Coding/AST_Traversal.md b/10_Wiki/Topics/Coding/AST_Traversal.md
index f816aa25..880bd21d 100644
--- a/10_Wiki/Topics/Coding/AST_Traversal.md
+++ b/10_Wiki/Topics/Coding/AST_Traversal.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-CODING-001
-category: "[[10_Wiki/💡 Topics/Coding]]"
+category: "10_Wiki/💡 Topics/Coding"
 confidence_score: 0.92
 tags: [coding, ast, compiler]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-01"
 ---
 
-# [[Abstract Syntax Tree Traversal]]
+# Abstract Syntax Tree Traversal
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 소스 코드의 추상적인 구조를 정의된 규칙에 따라 탐색하며 변환 및 분석의 기틀을 마련하는 컴파일러의 핵심 여정.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-01"
 - **정책 변화:** 코딩 표준(w1) 강화에 따라 AST 기반 자동 수정 가중치 상향.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Coding]]
-- **Related:** [[CST]], [[Parser]], [[Visitor-Pattern]]
-- **Raw Source:** [[00_Raw/2026-04-20/Abstract-Syntax-Tree-Traversal.md]]
+- **Parent:** 10_Wiki/💡 Topics/Coding
+- **Related:** [[CST]], [[Parser]], Visitor-Pattern
+- **Raw Source:** 00_Raw/2026-04-20/Abstract-Syntax-Tree-Traversal.md
diff --git a/10_Wiki/Topics/Coding/CST.md b/10_Wiki/Topics/Coding/CST.md
index 8d320118..4e9158ce 100644
--- a/10_Wiki/Topics/Coding/CST.md
+++ b/10_Wiki/Topics/Coding/CST.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-CODING-002
-category: "[[10_Wiki/💡 Topics/Coding]]"
+category: "10_Wiki/💡 Topics/Coding"
 confidence_score: 0.95
 tags: [coding, cst, compiler, parsing]
 last_reinforced: 2026-04-20
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-06"
 - **정책 변화:** 지식 연결성(w2) 관점에서 AST 문서와 1:1 비교 분석 구도 형성.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Coding]]
-- **Related:** [[AST_Traversal]], [[Parser]], [[Formatting-Tools]]
-- **Raw Source:** [[00_Raw/2026-04-20/Concrete Syntax Tree (CST).md]]
+- **Parent:** 10_Wiki/💡 Topics/Coding
+- **Related:** [[AST_Traversal]], [[Parser]], Formatting-Tools
+- **Raw Source:** 00_Raw/2026-04-20/Concrete Syntax Tree (CST).md
diff --git a/10_Wiki/Topics/Coding/Formatting.md b/10_Wiki/Topics/Coding/Formatting.md
index ecdafca9..fb9041c0 100644
--- a/10_Wiki/Topics/Coding/Formatting.md
+++ b/10_Wiki/Topics/Coding/Formatting.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-CODING-004
-category: "[[10_Wiki/💡 Topics/Coding]]"
+category: "10_Wiki/💡 Topics/Coding"
 confidence_score: 0.93
 tags: [coding, formatting, style-guide, standard]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-07"
 ---
 
-# [[Code Formatting (코드 정제 표준)]]
+# Code Formatting (코드 정제 표준)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 코드의 의미를 바꾸지 않으면서 가독성과 협업의 효율성을 극대화하는 '시각적 문법'의 정립.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-07"
 - **정책 변화:** 지식 구조(w2) 관점에서 CST 기반 리샘플링 가중치를 상향하여 위키 생성 표준에 반영.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Coding]]
-- **Related:** [[CST]], [[Linting]], [[Clean-Code]]
-- **Raw Source:** [[00_Raw/2026-04-20/Code Formatting.md]]
+- **Parent:** 10_Wiki/💡 Topics/Coding
+- **Related:** [[CST]], Linting, Clean-Code
+- **Raw Source:** 00_Raw/2026-04-20/Code Formatting.md
diff --git a/10_Wiki/Topics/Coding/Parser.md b/10_Wiki/Topics/Coding/Parser.md
index 19fbccb6..ef916984 100644
--- a/10_Wiki/Topics/Coding/Parser.md
+++ b/10_Wiki/Topics/Coding/Parser.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-CODING-003
-category: "[[10_Wiki/💡 Topics/Coding]]"
+category: "10_Wiki/💡 Topics/Coding"
 confidence_score: 0.97
 tags: [coding, scaling, compiler, parser, typescript]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-07"
 ---
 
-# [[Parser (구문 분석기)]]
+# Parser (구문 분석기)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 텍스트의 나열을 의미 있는 구조(Tree)로 변환하여, 기계가 코드의 문법과 의도를 이해하게 만드는 지적 번역기.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-07"
 - **정책 변화:** 기술적 정확성(w1)을 위해 최신 파싱 알고리즘 가중치 반영 및 코딩 표준 연결.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Coding]]
-- **Related:** [[AST_Traversal]], [[CST]], [[TypeScript-Architecture]]
-- **Raw Source:** [[00_Raw/2026-04-20/TypeScript-Compiler-Architecture.md]]
+- **Parent:** 10_Wiki/💡 Topics/Coding
+- **Related:** [[AST_Traversal]], [[CST]], TypeScript-Architecture
+- **Raw Source:** 00_Raw/2026-04-20/TypeScript-Compiler-Architecture.md
diff --git a/10_Wiki/Topics/Communication & Tech/BLUF (Bottom Line Up Front).md b/10_Wiki/Topics/Communication & Tech/BLUF (Bottom Line Up Front).md
index 4fb2e49b..e71122eb 100644
--- a/10_Wiki/Topics/Communication & Tech/BLUF (Bottom Line Up Front).md	
+++ b/10_Wiki/Topics/Communication & Tech/BLUF (Bottom Line Up Front).md	
@@ -1,6 +1,6 @@
 ---
 id: a1b2c3d4-e5f6-4901-2e3f-4a5b6c7d8e9f
-category: "[[10_Wiki/Topics/Communication & Tech]]"
+category: "10_Wiki/Topics/Communication & Tech"
 confidence_score: 1.0
 tags: [bluf, bottom-line-up-front, pyramid-principle, executive-communication, efficiency]
 last_reinforced: 2026-04-27
@@ -22,9 +22,9 @@ github_commit: "p-reinforce-comm"
 - **예외 케이스:** 결론에 대한 강한 반감이 예상되거나 극도의 논리적 축적이 필요한 경우 연역적(Deductive) 접근법 고려.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Communication & Tech]]
-- **Related:** [[The Pyramid Principle]], [[Executive Communication]], [[SCQA Framework]]
-- **Raw Source:** [[00_Raw/BLUF (Bottom Line Up Front)]], [[00_Raw/BLUF(Bottom Line Up Front)]], [[00_Raw/Bottom Line Up Front (BLUF)]]
+- **Parent:** Communication & Tech
+- **Related:** The Pyramid Principle, [[Executive Communication]], [[SCQA Framework]]
+- **Raw Source:** [[00_Raw/BLUF (Bottom Line Up Front)]], 00_Raw/BLUF(Bottom Line Up Front), 00_Raw/Bottom Line Up Front (BLUF)
 
 ---
 *Last updated: 2026-04-27*
diff --git a/10_Wiki/Topics/Communication & Tech/Business Presentation.md b/10_Wiki/Topics/Communication & Tech/Business Presentation.md
index e0975c39..ff518ba4 100644
--- a/10_Wiki/Topics/Communication & Tech/Business Presentation.md	
+++ b/10_Wiki/Topics/Communication & Tech/Business Presentation.md	
@@ -1,6 +1,6 @@
 ---
 id: c1d2e3f4-g5h6-4a7b-8c9d-0e1f2a3b4c5d
-category: "[[10_Wiki/Topics/Communication & Tech]]"
+category: "10_Wiki/Topics/Communication & Tech"
 confidence_score: 1.0
 tags: [presentation, storytelling, business-communication, executive-presence]
 last_reinforced: 2026-04-27
@@ -24,9 +24,9 @@ github_commit: "p-reinforce-comm"
     - **Engagement:** 청중과의 상호작용 및 Q&A를 통한 공감대 형성.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Communication & Tech]]
-- **Related:** [[The Pyramid Principle]], [[BLUF (Bottom Line Up Front)]], [[SCQA Framework]]
-- **Raw Source:** [[00_Raw/Business Presentation]], [[00_Raw/Business Presentation Structure]], [[00_Raw/Business Presentations and Reports]]
+- **Parent:** Communication & Tech
+- **Related:** The Pyramid Principle, [[BLUF (Bottom Line Up Front)]], [[SCQA Framework]]
+- **Raw Source:** [[00_Raw/Business Presentation]], 00_Raw/Business Presentation Structure, 00_Raw/Business Presentations and Reports
 
 ---
 *Last updated: 2026-04-27*
diff --git a/10_Wiki/Topics/Communication & Tech/Business Writing.md b/10_Wiki/Topics/Communication & Tech/Business Writing.md
index afa54f39..1ad8e11d 100644
--- a/10_Wiki/Topics/Communication & Tech/Business Writing.md	
+++ b/10_Wiki/Topics/Communication & Tech/Business Writing.md	
@@ -1,6 +1,6 @@
 ---
 id: b4c5d6e7-f8g9-4a0b-1c2d-3e4f5a6b7c8d
-category: "[[10_Wiki/Topics/Communication & Tech]]"
+category: "10_Wiki/Topics/Communication & Tech"
 confidence_score: 1.0
 tags: [writing, business-writing, logic-tree, scqa, efficiency]
 last_reinforced: 2026-04-27
@@ -23,8 +23,8 @@ github_commit: "p-reinforce-comm"
     - **Categorical Integrity:** 범주형 제목보다는 핵심 아이디어를 담은 문장형 제목 선호.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Communication & Tech]]
-- **Related:** [[Minto Pyramid Principle]], [[Deductive Reasoning]], [[Executive Presence]]
+- **Parent:** Communication & Tech
+- **Related:** [[Minto Pyramid Principle]], [[Deductive Reasoning]], Executive Presence
 - **Raw Source:** [[00_Raw/Business Writing]]
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Data-Driven Personalization.md b/10_Wiki/Topics/Communication & Tech/Data-Driven Personalization.md
index 82e9ba63..87c23aa5 100644
--- a/10_Wiki/Topics/Communication & Tech/Data-Driven Personalization.md	
+++ b/10_Wiki/Topics/Communication & Tech/Data-Driven Personalization.md	
@@ -11,8 +11,8 @@
 * **맞춤형 설계를 통한 ARPDAU 극대화:** 무수히 많은 자원과 아이템 번들이 모든 유저에게 동일하게 제공되는 것이 아니라, 영리한 기술과 표출 방식을 통해 각 고객에게 고유하게 맞춰집니다 [5]. 이러한 데이터 기반의 타겟팅 전략은 *Game of War*가 모바일 게임 역사상 기록적인 ARPDAU를 달성하고 유지할 수 있었던 근본적인 원동력입니다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Real-Time Engine (RTE)]], [[Staircase Monetization]], [[Zeroed (Permanent Loss)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 및 수익화 구조]]
+- **Related Topics:** [[Real-Time Engine (RTE)]], [[Staircase Monetization]], Zeroed (Permanent Loss)
+- **Projects/Contexts:** Game of War: Fire Age BM 및 수익화 구조
 - **Contradictions/Notes:** 소스 내에서 이 주제에 대한 모순점은 발견되지 않았으며, 모두 MZ사의 고도화된 타겟팅 기술이 수익 극대화에 기여했음을 일관되게 설명하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Executive Briefings.md b/10_Wiki/Topics/Communication & Tech/Executive Briefings.md
index ce01ae52..f7f92457 100644
--- a/10_Wiki/Topics/Communication & Tech/Executive Briefings.md	
+++ b/10_Wiki/Topics/Communication & Tech/Executive Briefings.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Executive Communication]], [[SCQA Framework]]
-- **Projects/Contexts:** [[C-Suite Meetings]], [[Board Updates]]
+- **Projects/Contexts:** C-Suite Meetings, Board Updates
 - **Contradictions/Notes:** 나쁜 소식을 전달해야 하거나 경영진이 아직 명확한 권고안을 받아들일 정서적 준비가 되지 않은 경우에는 '결론 먼저'의 브리핑 방식보다 배경 설명을 먼저 하는 방식이 필요할 수도 있습니다 [18].
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Executive Communication.md b/10_Wiki/Topics/Communication & Tech/Executive Communication.md
index 3d6b7b93..ec0974cc 100644
--- a/10_Wiki/Topics/Communication & Tech/Executive Communication.md	
+++ b/10_Wiki/Topics/Communication & Tech/Executive Communication.md	
@@ -9,8 +9,8 @@
 - 피라미드 원칙과 MECE: 경영진 커뮤니케이션의 글로벌 표준은 피라미드 원칙을 따르며, 핵심 메시지를 3~4개의 MECE(상호 배제 및 전체 포괄)한 논거로 뒷받침하여 인지적 과부하를 막는 것입니다 [25-27].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Executive Briefings]], [[The Pyramid Principle]]
-- **Projects/Contexts:** [[Management Consulting]], [[Corporate Strategy Alignment]]
+- **Related Topics:** [[Executive Briefings]], The Pyramid Principle
+- **Projects/Contexts:** [[Management Consulting]], Corporate Strategy Alignment
 - **Contradictions/Notes:** 경영진 커뮤니케이션을 지나치게 구조화된 형태로만 진행할 경우, 디자인 씽킹(Design Thinking)이나 공동 설계(Co-design)와 같은 협력적이고 유연한 문제 해결 접근법의 장점을 해칠 수 있다는 한계도 지적됩니다 [28].
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Executive Presentation.md b/10_Wiki/Topics/Communication & Tech/Executive Presentation.md
index 9dfab988..89d05505 100644
--- a/10_Wiki/Topics/Communication & Tech/Executive Presentation.md	
+++ b/10_Wiki/Topics/Communication & Tech/Executive Presentation.md	
@@ -10,8 +10,8 @@
 - 슬라이드의 제목(Heading)은 단순한 범주(예: "결론" 또는 "배경")가 아니라 독자가 슬라이드를 스캔했을 때 스토리를 이해할 수 있도록 아이디어의 핵심 메시지(Action title)를 담고 있어야 합니다 [34-36].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[The Pyramid Principle]], [[MECE Principle]]
-- **Projects/Contexts:** [[Consulting Presentations]], [[Pitching to Board]]
+- **Related Topics:** The Pyramid Principle, [[MECE Principle]]
+- **Projects/Contexts:** Consulting Presentations, Pitching to Board
 - **Contradictions/Notes:** 청중과 감정적인 공감대를 형성해야 하거나 아직 결정된 권고안이 없는 브레인스토밍 목적의 프레젠테이션이라면, 피라미드 구조보다는 영웅의 여정(Hero's Journey) 같은 내러티브 구조를 사용하는 것이 더 적합할 수 있습니다 [18].
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Persuasive Business Writing.md b/10_Wiki/Topics/Communication & Tech/Persuasive Business Writing.md
index 4c39ff7e..d067c535 100644
--- a/10_Wiki/Topics/Communication & Tech/Persuasive Business Writing.md	
+++ b/10_Wiki/Topics/Communication & Tech/Persuasive Business Writing.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Minto Pyramid Principle]], [[SCQA Framework]]
-- **Projects/Contexts:** [[Executive Communication]], [[Consulting Proposals]]
+- **Projects/Contexts:** [[Executive Communication]], Consulting Proposals
 - **Contradictions/Notes:** 청중이 결론에 강한 반감을 가질 것으로 예상되거나, 배경 논리를 알아야만 결론을 이해할 수 있는 특수한 상황에서는 결론을 앞세우는 대신 연역적(Deductive)으로 근거부터 차근히 전개하는 방식이 더 효과적일 수 있습니다 [80-82].
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Real-Time Translation.md b/10_Wiki/Topics/Communication & Tech/Real-Time Translation.md
index 6ad321c3..8c0d5f46 100644
--- a/10_Wiki/Topics/Communication & Tech/Real-Time Translation.md	
+++ b/10_Wiki/Topics/Communication & Tech/Real-Time Translation.md	
@@ -10,8 +10,8 @@
 *   **BM(수익 모델)과의 시너지:** 실시간 번역 기술을 통한 글로벌 연결은 게임 내의 사회적 역학(Social Dynamics)을 전 세계 규모로 확장시킵니다 [1, 2]. 다른 국가의 유저들과 실시간으로 소통하고 갈등을 빚는 과정은 플레이어들에게 성과를 내야 한다는 사회적 압박(Social pressure)과 패배에 대한 '수치심'을 크게 증폭시키며, 이는 결국 유저들이 경쟁에서 살아남기 위해 지속적으로 막대한 과금을 하게 만드는 게임 구조의 핵심 원동력이 됩니다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Real-Time Engine (RTE)]], [[Alliance]], [[Social Engineering]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** [[Real-Time Engine (RTE)]], Alliance, [[Social Engineering]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 제공된 소스 전반에서 실시간 번역 엔진은 단순한 소통 도구를 넘어 게임의 사회적 압박을 강화하고 BM을 성공적으로 견인한 핵심 기술적 성취로 일관되게 분석되고 있으며, 상충되는 내용은 없습니다 [1, 7].
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Storytelling in Business.md b/10_Wiki/Topics/Communication & Tech/Storytelling in Business.md
index 386933d6..f21f1205 100644
--- a/10_Wiki/Topics/Communication & Tech/Storytelling in Business.md	
+++ b/10_Wiki/Topics/Communication & Tech/Storytelling in Business.md	
@@ -1,6 +1,6 @@
 ---
 id: 5f9a8b1c-3e2d-4f5a-9b8c-7d6e5a4b3c2d
-category: "[[10_Wiki/Topics/Communication & Tech]]"
+category: "10_Wiki/Topics/Communication & Tech"
 confidence_score: 1.0
 tags: [storytelling, business, communication, scqa]
 last_reinforced: 2026-04-27
@@ -20,8 +20,8 @@ github_commit: "p-reinforce-init"
     - **하향식 소통:** 분석 과정(Bottom-up)과 달리 소통은 반드시 결론 중심(Top-down)으로 전개.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Communication & Tech]]
-- **Related:** [[SCQA Framework]], [[The Pyramid Principle]], [[Executive Presentation]]
+- **Parent:** Communication & Tech
+- **Related:** [[SCQA Framework]], The Pyramid Principle, [[Executive Presentation]]
 - **Raw Source:** [[00_Raw/Storytelling in Business]]
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Strategic Communication.md b/10_Wiki/Topics/Communication & Tech/Strategic Communication.md
index a7d8a549..c9bbb9b2 100644
--- a/10_Wiki/Topics/Communication & Tech/Strategic Communication.md	
+++ b/10_Wiki/Topics/Communication & Tech/Strategic Communication.md	
@@ -1,6 +1,6 @@
 ---
 id: a1b2c3d4-e5f6-4a7b-8c9d-0e1f2a3b4c5d
-category: "[[10_Wiki/Topics/Communication & Tech]]"
+category: "10_Wiki/Topics/Communication & Tech"
 confidence_score: 1.0
 tags: [communication, strategy, executive, bluf]
 last_reinforced: 2026-04-27
@@ -20,8 +20,8 @@ github_commit: "p-reinforce-init"
     - **Inductive Preference:** 경영진 대상 소통 시 빠른 전개와 방어력을 위해 귀납적 추론을 우선 사용.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Communication & Tech]]
-- **Related:** [[Minto Pyramid Principle]], [[Strategic Thinking]], [[Executive Presence]]
+- **Parent:** Communication & Tech
+- **Related:** [[Minto Pyramid Principle]], [[Strategic Thinking]], Executive Presence
 - **Raw Source:** [[00_Raw/Strategic Communication]]
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/Tripledot Studios.md b/10_Wiki/Topics/Communication & Tech/Tripledot Studios.md
index 2616bb47..56041aba 100644
--- a/10_Wiki/Topics/Communication & Tech/Tripledot Studios.md	
+++ b/10_Wiki/Topics/Communication & Tech/Tripledot Studios.md	
@@ -9,7 +9,7 @@ Tripledot Studios는 'Game of War: Fire Age'의 개발사인 Machine Zone(MZ)의
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Machine Zone]], [[AppLovin]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스에는 Tripledot Studios가 MZ의 새로운 소유주가 되었다는 사실(2025년 7월 1일 기준)만 명시되어 있으며, 이들의 자체적인 BM이나 수익 구조에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/User Acquisition (UA).md b/10_Wiki/Topics/Communication & Tech/User Acquisition (UA).md
index 283df1ac..15b6214d 100644
--- a/10_Wiki/Topics/Communication & Tech/User Acquisition (UA).md	
+++ b/10_Wiki/Topics/Communication & Tech/User Acquisition (UA).md	
@@ -10,8 +10,8 @@ User Acquisition (UA)은 게임이나 앱에 새로운 유저를 끌어들이기
 * **테마 선정과 UA 효율의 상관관계 파악:** MZ는 UA 비용 측면에서 유리한 게임 테마를 선정하는 데 탁월한 노하우를 보였습니다 [9]. 일례로 경쟁사인 Zynga가 범죄/마피아 테마로 4X 게임에 도전했을 때 높은 CPI와 저조한 수익성으로 인해 소프트 론칭 단계에서 포기해야 했으나, MZ는 이러한 데이터에 대한 이해를 바탕으로 가장 성과가 좋은 테마를 선택했습니다 [9]. 이후 하이 판타지 장르의 높은 CPI를 극복하기 위해 유명 IP인 *Final Fantasy XV*를 활용하는 전략을 취하기도 했습니다 [10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[LTV (Lifetime Value)]], [[CPI (Cost Per Install)]], [[Monetization]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Game of War: Fire Age]], [[Mobile Strike]]
+- **Related Topics:** [[LTV (Lifetime Value)]], [[CPI (Cost Per Install)]], Monetization
+- **Projects/Contexts:** Machine Zone (MZ), Game of War: Fire Age, [[Mobile Strike]]
 - **Contradictions/Notes:** MZ는 초창기 케이트 업튼, 아놀드 슈워제네거 등을 기용하며 막대한 예산을 TV 및 슈퍼볼 광고에 집중했습니다 [6, 7]. 하지만 이후 취임한 CEO 크리스틴 듀몬트(Kristin Dumont)는 보다 측정 가능한(measurable) 마케팅 결과를 선호하며, TV 광고를 "일종의 바가지(rip-off)"라고 칭하는 등 향후 마케팅 전략의 변화를 시사하기도 했습니다 [12].
 
 ---
diff --git a/10_Wiki/Topics/Communication & Tech/사용자 확보 (User Acquisition).md b/10_Wiki/Topics/Communication & Tech/사용자 확보 (User Acquisition).md
index 739e6ea4..f84f0364 100644
--- a/10_Wiki/Topics/Communication & Tech/사용자 확보 (User Acquisition).md	
+++ b/10_Wiki/Topics/Communication & Tech/사용자 확보 (User Acquisition).md	
@@ -13,8 +13,8 @@
 * **TV 광고 기반에서 측정 가능한 마케팅으로의 전략 선회:** 막대한 자본을 TV 광고에 쏟아붓던 MZ의 전략은 2018년에 변화를 맞이했습니다. 새롭게 취임한 CEO 크리스틴 듀몬트(Kristen Dumont)는 "보다 측정 가능한 결과"를 얻을 수 있는 마케팅을 선호한다고 밝히며, 기존의 TV 광고를 "바가지(rip-off)"라고 평가했습니다 [7]. 이러한 전략 수정과 함께 MZ는 125명에 달하는 마케팅 부서 인력을 대규모로 감축했습니다 [7, 8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[고객 생애 가치 (LTV)]], [[설치 당 비용 (CPI)]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Game of War: Fire Age]], [[Mobile Strike]]
+- **Related Topics:** 고객 생애 가치 (LTV), 설치 당 비용 (CPI)
+- **Projects/Contexts:** Machine Zone (MZ), Game of War: Fire Age, [[Mobile Strike]]
 - **Contradictions/Notes:** 초기 Machine Zone은 수백만 달러를 호가하는 슈퍼볼 광고와 유명 연예인을 동원한 대규모 TV 캠페인을 통해 모바일 게임 사용자 확보의 성공 공식을 썼으나 [1, 3, 4], 2018년 경영진 교체 이후에는 이러한 방식이 비용 대비 효과가 불분명하다(rip-off)고 판단하여 TV 광고 비중을 줄이고 정확한 측정이 가능한 데이터 기반 마케팅으로 전략을 축소 및 선회하는 대조적인 행보를 보였습니다 [7].
 
 ---
diff --git a/10_Wiki/Topics/Computational Theory & Math/Graph Theory.md b/10_Wiki/Topics/Computational Theory & Math/Graph Theory.md
index 9f90c778..6865ad85 100644
--- a/10_Wiki/Topics/Computational Theory & Math/Graph Theory.md	
+++ b/10_Wiki/Topics/Computational Theory & Math/Graph Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-055
-category: "[[10_Wiki/💡 Topics/Computational Theory & Math]]"
+category: "10_Wiki/💡 Topics/Computational Theory & Math"
 confidence_score: 0.97
 tags: [graph theory, network science, graph algorithm, relationship]
 last_reinforced: 2026-06-XX
@@ -27,7 +27,7 @@ github_commit: "[P-Reinforce] Processed Graph Theory."
 - **정책 변화:** Knowledge Graph (온톨로지)의 핵심 기반 이론이며, 단순한 관계를 넘어 '왜' 그런 관계가 성립했는지에 대한 근거(Provenance)까지 기록하는 방향으로 발전하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Knowledge Graphs]]
-- Related: [[Network Science]] , [[Cybernetics]] , [[Complex Adaptive Systems]]
-- Raw Source: [[00_Raw/Graph Theory.md]]
+- Parent: Knowledge Graphs
+- Related: Network Science , [[Cybernetics]] , Complex Adaptive Systems
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Computational Theory & Math/Information Theory.md b/10_Wiki/Topics/Computational Theory & Math/Information Theory.md
index cf066d66..502190b6 100644
--- a/10_Wiki/Topics/Computational Theory & Math/Information Theory.md	
+++ b/10_Wiki/Topics/Computational Theory & Math/Information Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-052
-category: "[[10_Wiki/💡 Topics/Computational Theory & Math]]"
+category: "10_Wiki/💡 Topics/Computational Theory & Math"
 confidence_score: 0.98
 tags: [information theory, shannon entropy, compression, information]
 last_reinforced: 2026-06-XX
@@ -26,7 +26,7 @@ github_commit: "[P-Reinforce] Processed Information Theory."
 - **정책 변화:** 최근에는 LLM의 성능 평가에 단순히 Perplexity 같은 전통적인 엔트로피 개념뿐만 아니라, '일관성 (Coherence)'과 '사실 정확도'를 결합한 새로운 측정 지표가 요구되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Computational Thinking]]
-- Related: [[Shannon Entropy]] , [[Information-Architecture]] , [[AI 모델 평가]]
-- Raw Source: [[00_Raw/Information Theory.md]]
+- Parent: Computational Thinking
+- Related: Shannon Entropy , Information-Architecture , AI 모델 평가
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Datacollector/Datacollector-Knowledge-Hub.md b/10_Wiki/Topics/Datacollector/Datacollector-Knowledge-Hub.md
new file mode 100644
index 00000000..709278a1
--- /dev/null
+++ b/10_Wiki/Topics/Datacollector/Datacollector-Knowledge-Hub.md
@@ -0,0 +1,32 @@
+# 📡 Datacollector Project: Engineering Hub (MOC)
+
+데이터 수집 및 자동화 프로세스를 관리하는 핵심 허브입니다.
+
+---
+
+## 🏷️ Keyword Cluster: #Development_Logs (개발 및 이슈 기록)
+- - [[Datacollector/2026-04-25-Datacollector_Auto_Resume_After_Reauth_Fix]]
+- [[Datacollector/2026-04-25-Datacollector_Bridge_Connection_Refused_Run_Script_Fix]]
+- [[Datacollector/2026-04-25-Datacollector_Codebase_Structure_Review_and_Initial_Risk_Assessment]]
+- [[Datacollector/2026-04-25-Datacollector_Engine_Processed_Count_and_Stalled_Loop_Guard]]
+- [[Datacollector/2026-04-25-Datacollector_Local_Wiki_Save_Only_Output_Mode]]
+- [[Datacollector/2026-04-25-Datacollector_Mac_Windows_Launcher_Scripts]]
+- [[Datacollector/2026-04-25-Datacollector_NotebookLM_Auth_Browser_and_Stale_Env_Cookie_Fix]]
+- [[Datacollector/2026-04-25-Datacollector_NotebookLM_Automatic_Auth_Recovery]]
+- [[Datacollector/2026-04-25-Datacollector_NotebookLM_Automatic_Reauth_Verification_and_Lock]]
+- [[Datacollector/2026-04-25-Datacollector_NotebookLM_Connection_Guard_and_MCP_Restart_Fix]]
+- [[Datacollector/2026-04-25-Datacollector_NotebookLM_Progress_Visibility_and_Auth_Diagnosis]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_Auto_Resume_After_Reauth_Fix]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_Bridge_Connection_Refused_Run_Script_Fix]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_Codebase_Structure_Review_and_Initial_Risk_Assessment]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_Local_Wiki_Save_Only_Output_Mode]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_Mac_Windows_Launcher_Scripts]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_NotebookLM_Auth_Browser_and_Stale_Env_Cookie_Fix]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_NotebookLM_Automatic_Auth_Recovery]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_NotebookLM_Automatic_Reauth_Verification_and_Lock]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_NotebookLM_Connection_Guard_and_MCP_Restart_Fix]]
+- [[Frontend_Mastery/2026-04-25-Datacollector_NotebookLM_Progress_Visibility_and_Auth_Diagnosis]]
+
+
+---
+**Status**: Managed by Antigravity AI
diff --git a/10_Wiki/Topics/Design & Experience/AODA-Accessibility-for-Ontarians-with-Disabilities-Act.md b/10_Wiki/Topics/Design & Experience/AODA-Accessibility-for-Ontarians-with-Disabilities-Act.md
index f322c82a..6a286780 100644
--- a/10_Wiki/Topics/Design & Experience/AODA-Accessibility-for-Ontarians-with-Disabilities-Act.md	
+++ b/10_Wiki/Topics/Design & Experience/AODA-Accessibility-for-Ontarians-with-Disabilities-Act.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-03FE7E
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified AODA-Accessibility-for-Ontar
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/AODA-Accessibility-for-Ontarians-with-Disabilities-Act.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/API 응답 및 상태 모델링 (State Modeling and API Responses).md b/10_Wiki/Topics/Design & Experience/API 응답 및 상태 모델링 (State Modeling and API Responses).md
index 2aa68a8d..1edac6e8 100644
--- a/10_Wiki/Topics/Design & Experience/API 응답 및 상태 모델링 (State Modeling and API Responses).md	
+++ b/10_Wiki/Topics/Design & Experience/API 응답 및 상태 모델링 (State Modeling and API Responses).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-09EEF3
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - API 응답 및 상태 모델
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온 (Discriminated Unions)]], [[완전성 검사 (Exhaustiveness checking)]], [[Result 타입 (Result Type)]]
-- **Projects/Contexts:** [[상태 머신 (State Machine)]], [[오류 처리 아키텍처 (Error Handling Architecture)]]
+- **Related Topics:** 식별 가능한 유니온 (Discriminated Unions), 완전성 검사 (Exhaustiveness checking), Result 타입 (Result Type)
+- **Projects/Contexts:** 상태 머신 (State Machine), 오류 처리 아키텍처 (Error Handling Architecture)
 - **Contradictions/Notes:** API나 시스템의 에러 응답을 모델링할 때 'Result 타입'을 사용하는 방식에 대해 개발자 간의 이견이 존재한다. 예상된 실패를 Result로 강제 반환하면 실행 흐름이 예측 가능해진다는 찬성 측 주장이 있는 반면, 전역 예외 처리기(Global Exception Handler)를 사용하는 쪽이 예외를 단순히 위로 올려보낼 수 있어 불필요한 보일러플레이트 코드 및 과도한 제어 흐름 분기(`switch`문 등)를 줄이고 컨트롤러를 더 깔끔하게 유지할 수 있다는 반대 주장도 팽팽하게 맞선다 [7, 20, 26-31].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/API 응답 및 상태 모델링 (State Modeling and API Responses).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Transformation.md b/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Transformation.md
index 4f9992b0..ea54b1d5 100644
--- a/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Transformation.md	
+++ b/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Transformation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AST-TRANS
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.99
 tags: [AST, Abstract Syntax Tree, Transformation, Compiler, Babel]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Traversal.md b/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Traversal.md
index 765720ed..d6af4235 100644
--- a/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Traversal.md	
+++ b/10_Wiki/Topics/Design & Experience/Abstract-Syntax-Tree-Traversal.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AST-TRAVERSAL
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.99
 tags: [AST, Abstract Syntax Tree, Traversal, Visitor Pattern, Static Analysis]
 last_reinforced: 2026-04-20
diff --git a/10_Wiki/Topics/Design & Experience/Accessibility-Compliance-WCAG.md b/10_Wiki/Topics/Design & Experience/Accessibility-Compliance-WCAG.md
index a68f4f81..9be6367a 100644
--- a/10_Wiki/Topics/Design & Experience/Accessibility-Compliance-WCAG.md	
+++ b/10_Wiki/Topics/Design & Experience/Accessibility-Compliance-WCAG.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-2801A2
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Accessibility-Compliance-WCAG"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Accessibility-Compliance-WCAG.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Additive-Type-Logic.md b/10_Wiki/Topics/Design & Experience/Additive-Type-Logic.md
index b5690afe..ec38843c 100644
--- a/10_Wiki/Topics/Design & Experience/Additive-Type-Logic.md	
+++ b/10_Wiki/Topics/Design & Experience/Additive-Type-Logic.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-ADDITIVE-TYPE
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.97
 tags: [Type Theory, Additive Type Logic, TypeScript, Category Theory]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 과도한 타입 덧셈(Intersection)은 타입 추론 속도를 늦추고 에러 메시지를 난해하게 만든다. 특히 무한 재귀적인 타입 결합은 컴파일러가 포기하게 만들 수 있으므로, `Interface Extension`을 통해 적절히 계층화하는 설계가 권장된다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[TypeScript-Advanced-Type-System-Design]] , [[Category_Theory]]
+- Related: TypeScript-Advanced-Type-System-Design , Category_Theory
 - Foundation: [[Computational Theory & Math/Information Theory]]
diff --git a/10_Wiki/Topics/Design & Experience/Affective User Interfaces (AUI).md b/10_Wiki/Topics/Design & Experience/Affective User Interfaces (AUI).md
index b426e43f..30b42ec4 100644
--- a/10_Wiki/Topics/Design & Experience/Affective User Interfaces (AUI).md	
+++ b/10_Wiki/Topics/Design & Experience/Affective User Interfaces (AUI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-30D321
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Affective User Interfaces (AUI
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Affective User Interfaces (AUI).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Agency-in-Game-Design.md b/10_Wiki/Topics/Design & Experience/Agency-in-Game-Design.md
index 68074e80..209ebed6 100644
--- a/10_Wiki/Topics/Design & Experience/Agency-in-Game-Design.md	
+++ b/10_Wiki/Topics/Design & Experience/Agency-in-Game-Design.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-AGENCY
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.98
 tags: [Agency, Game Design, Player Choice, Narrative, Ludology]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - '에이전시의 환상'도 기술이다. 사실은 정해진 길을 가고 있어도, 마치 자신이 선택한 것처럼 느끼게 만드는 레벨 디자인의 기교(Invisible hand)가 플레이어의 스트레스를 줄이면서 만족감을 극대화한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[BioShock (2007)]] , [[Ludo-Narrative-Dissonance]]
+- Related: [[BioShock (2007)]] , Ludo-Narrative-Dissonance
 - Context: [[Immersive-Sim-Genre]]
diff --git a/10_Wiki/Topics/Design & Experience/Agent Communication Protocol (에이전트 통신 규약).md b/10_Wiki/Topics/Design & Experience/Agent Communication Protocol (에이전트 통신 규약).md
index 683818c5..c419f581 100644
--- a/10_Wiki/Topics/Design & Experience/Agent Communication Protocol (에이전트 통신 규약).md	
+++ b/10_Wiki/Topics/Design & Experience/Agent Communication Protocol (에이전트 통신 규약).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-AGENT-COMMUNICATION
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
 tags: [AI, MultiAgent, Communication, Protocols]
 last_reinforced: 2026-04-20
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 과거의 규약은 엄격한 기호 논리 기반이었으나, 현대 LLM 기반 에이전트들은 자연어(Natural Language)를 통신 수단으로 주로 사용한다. 이는 유연하지만 '모호함'의 문제를 야기하므로, 최근에는 JSON Schema 기반의 정형화된 통신 포맷을 강제하여 신뢰성을 확보하는 추세다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[AI 에이전트 (AI Agent)]] , [[Multi-Agent System (다중 에이전트 시스템)]]
+- Related: [[AI 에이전트 (AI Agent)]] , Multi-Agent System (다중 에이전트 시스템)
 - Standard: [[Model Context Protocol (MCP)]]
diff --git a/10_Wiki/Topics/Design & Experience/Agile-UX-Integration.md b/10_Wiki/Topics/Design & Experience/Agile-UX-Integration.md
index 402c2a92..f98e7589 100644
--- a/10_Wiki/Topics/Design & Experience/Agile-UX-Integration.md	
+++ b/10_Wiki/Topics/Design & Experience/Agile-UX-Integration.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-1363FF
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Agile-UX-Integration"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Agile-UX-Integration.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Americans-with-Disabilities-Act-ADA.md b/10_Wiki/Topics/Design & Experience/Americans-with-Disabilities-Act-ADA.md
index dc856896..7e50128a 100644
--- a/10_Wiki/Topics/Design & Experience/Americans-with-Disabilities-Act-ADA.md	
+++ b/10_Wiki/Topics/Design & Experience/Americans-with-Disabilities-Act-ADA.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-4B67E4
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Americans-with-Disabilities-
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Americans-with-Disabilities-Act-ADA.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Apple Human Interface Guidelines.md b/10_Wiki/Topics/Design & Experience/Apple Human Interface Guidelines.md
index 63625da9..8fc24fef 100644
--- a/10_Wiki/Topics/Design & Experience/Apple Human Interface Guidelines.md	
+++ b/10_Wiki/Topics/Design & Experience/Apple Human Interface Guidelines.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-35F340
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Apple Human Interface Guidel
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Apple Human Interface Guidelines.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Atomic Design Pattern.md b/10_Wiki/Topics/Design & Experience/Atomic Design Pattern.md
index b7a4dbb0..d8cc7844 100644
--- a/10_Wiki/Topics/Design & Experience/Atomic Design Pattern.md	
+++ b/10_Wiki/Topics/Design & Experience/Atomic Design Pattern.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-E24948
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Mega Batch 2 - Wikified Atomic Design Pattern"
 - **정책 변화:** Design & Experience 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[UI 컴포넌트]], [[관심사의 분리]]
-- **Projects/Contexts:** [[프론트엔드 개발]]
+- **Related Topics:** UI 컴포넌트, 관심사의 분리
+- **Projects/Contexts:** 프론트엔드 개발
 - **Contradictions/Notes:** 소스에서는 Atomic Design Pattern을 도입할 때 atoms, molecules, organisms 같은 이름과 단순한 구조적 분리에 집착하기보다는, 컴포넌트를 세밀하게 나눌 수 있는 '기준'을 마련하여 복잡성을 정돈하는 것이 이 패턴의 주요한 역할이라고 강조합니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Atomic Design Pattern.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Behavior-Driven-Development (BDD).md b/10_Wiki/Topics/Design & Experience/Behavior-Driven-Development (BDD).md
index 52f6c2ef..4ce0ce38 100644
--- a/10_Wiki/Topics/Design & Experience/Behavior-Driven-Development (BDD).md	
+++ b/10_Wiki/Topics/Design & Experience/Behavior-Driven-Development (BDD).md	
@@ -1,12 +1,12 @@
 ---
 id: P-REINFORCE-AI-BDD
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.98
 tags: [BDD, Behavior Driven Development, TDD, Agile, Gherkin]
 last_reinforced: 2026-04-20
 ---
 
-# [[Behavior-Driven-Development-(BDD)]] (행동 중심 개발)
+# Behavior-Driven-Development-(BDD) (행동 중심 개발)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코딩하기 전에 대화부터 하라." 기획자, 디자이너, 개발자가 모여 사용자의 행동 시나리오(Given/When/Then)를 명확히 정의하고, 이를 검증하는 테스트 코드를 먼저 작성하며 개발하는 협업 중심 방법론이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - BDD는 초기 시나리오 작성에 시간이 많이 든다. 하지만 개발 중반 이후 발생하는 '기획 번복'과 '커뮤니케이션 미스'로 인한 손실을 생각하면, 장기적으로는 반드시 이득이 남는 고수익 투자다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Test-Driven-Development-(TDD)]] , [[Agile-Software-Development]]
-- Strategy: [[User-Experience-Design]]
+- Related: Test-Driven-Development-(TDD) , Agile-Software-Development
+- Strategy: User-Experience-Design
diff --git a/10_Wiki/Topics/Design & Experience/Business-Strategy.md b/10_Wiki/Topics/Design & Experience/Business-Strategy.md
index ae50611d..ad28530d 100644
--- a/10_Wiki/Topics/Design & Experience/Business-Strategy.md	
+++ b/10_Wiki/Topics/Design & Experience/Business-Strategy.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-BIZ-STRATEGY
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.98
 tags: [Business Strategy, Market Analysis, Competitive Advantage, Innovation]
 last_reinforced: 2026-04-20
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 현대의 전략은 '고정된 계획'이 아니라 '유연한 적응'이다. AI 시대에는 데이터 피드백 루프를 통해 전략을 실시간으로 수정하는 'Agile Strategy'가 전통적인 5개년 계획을 대체하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Business-Driven-Security]] , [[Innovation-Management]]
-- Strategy: [[User-Experience-Design]]
+- Related: Business-Driven-Security , Innovation-Management
+- Strategy: User-Experience-Design
diff --git a/10_Wiki/Topics/Design & Experience/Code Formatting.md b/10_Wiki/Topics/Design & Experience/Code Formatting.md
index 4b702ffd..60e199fe 100644
--- a/10_Wiki/Topics/Design & Experience/Code Formatting.md	
+++ b/10_Wiki/Topics/Design & Experience/Code Formatting.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E4F919
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Code Formatting"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Linter]], [[Prettier]], [[Code Stylometry]], [[Code Readability]]
-- **Projects/Contexts:** [[Automated Code Governance]], [[CI/CD Pipeline]]
+- **Related Topics:** Linter, [[Prettier]], Code Stylometry, Code Readability
+- **Projects/Contexts:** Automated Code Governance, CI/CD Pipeline
 - **Contradictions/Notes:** ESLint와 같은 Linter 도구 내에도 자체적인 포맷팅 규칙이 존재하여 Prettier와 동시 사용 시 규칙 충돌(Infinite feedback loop)이 일어날 수 있습니다. 따라서 Linter의 포맷팅 기능을 끄고 이를 Prettier에 전담시키는 구성 최적화가 필수적입니다 [12, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Code Formatting.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/FSD (Feature-Sliced Design).md b/10_Wiki/Topics/Design & Experience/FSD (Feature-Sliced Design).md
index b931d0bc..72fdf2eb 100644
--- a/10_Wiki/Topics/Design & Experience/FSD (Feature-Sliced Design).md	
+++ b/10_Wiki/Topics/Design & Experience/FSD (Feature-Sliced Design).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-912710
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,10 +28,10 @@ github_commit: "[P-Reinforce] Continuous Worker - FSD (Feature-Sliced Design)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[단일 책임 원칙 (SRP)]], [[컴포넌트 기반 아키텍처]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트 아키텍처 및 폴더 구조 설계]]
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트 아키텍처 및 폴더 구조 설계
 - **Contradictions/Notes:** 소스에서는 FSD가 기능 간 결합도를 줄이고 유지보수를 돕는 훌륭한 표준이지만, 모든 상황에서 완벽한 정답은 아니라고 주장합니다. 프로젝트의 크기나 특성에 따라 오히려 기존의 단순한 폴더 구조가 더 적합할 수도 있으므로 프로젝트 상황에 맞는 유연한 폴더 구조 적용을 권장합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/FSD (Feature-Sliced Design).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Feature-Sliced Design.md b/10_Wiki/Topics/Design & Experience/Feature-Sliced Design.md
index 2e438ed1..8ad61000 100644
--- a/10_Wiki/Topics/Design & Experience/Feature-Sliced Design.md	
+++ b/10_Wiki/Topics/Design & Experience/Feature-Sliced Design.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-925C5C
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Feature-Sliced Design"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], [[멘탈 모델]]
+- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], 멘탈 모델
 - **Projects/Contexts:** [[대규모 프론트엔드 프로젝트]]
 - **Contradictions/Notes:** FSD 아키텍처는 대규모 프로젝트의 복잡성 관리에 유용하지만, 모든 프로젝트에서 완벽한 해결책은 아니며 상황과 규모에 따라 오히려 기존의 폴더 구조가 더 효율적일 수도 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Feature-Sliced Design.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/GitHub Actions.md b/10_Wiki/Topics/Design & Experience/GitHub Actions.md
index 7f22201e..afd498a6 100644
--- a/10_Wiki/Topics/Design & Experience/GitHub Actions.md	
+++ b/10_Wiki/Topics/Design & Experience/GitHub Actions.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4CFD51
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GitHub Actions"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[CI/CD]], [[Static Application Security Testing (SAST)]], [[Supply Chain Attack]]
-- **Projects/Contexts:** [[Snyk]], [[Endor Labs]]
+- **Related Topics:** CI/CD, [[Static Application Security Testing (SAST)]], Supply Chain Attack
+- **Projects/Contexts:** Snyk, Endor Labs
 - **Contradictions/Notes:** 소스에 GitHub Actions 자체의 동작 원리, 문법, 고유 기능 등에 대한 세부 정보는 전무하며, 단순히 외부 보안 솔루션 연동을 위한 파이프라인 환경 및 공급망 공격 사례의 일부로만 등장합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GitHub Actions.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Interface Segregation Principle (ISP).md b/10_Wiki/Topics/Design & Experience/Interface Segregation Principle (ISP).md
index f9fd6316..dc100a1c 100644
--- a/10_Wiki/Topics/Design & Experience/Interface Segregation Principle (ISP).md	
+++ b/10_Wiki/Topics/Design & Experience/Interface Segregation Principle (ISP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-317AB6
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Interface Segregation Principl
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID Design Principles]], [[Single Responsibility Principle (SRP)]], [[Facade Pattern]]
-- **Projects/Contexts:** [[TypeScript/JavaScript Architecture]], [[Toss Front SDK]]
+- **Related Topics:** SOLID Design Principles, Single Responsibility Principle (SRP), Facade Pattern
+- **Projects/Contexts:** TypeScript/JavaScript Architecture, Toss Front SDK
 - **Contradictions/Notes:** 소스 내에 ISP에 반대되는 주장은 없습니다. 추가적인 참고 사항으로, 소스는 인터페이스에 여러 도메인 동사가 존재할 경우 이를 분리하는 기준으로 삼으라고 조언합니다 [3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Interface Segregation Principle (ISP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/React Performance Optimization.md b/10_Wiki/Topics/Design & Experience/React Performance Optimization.md
index 7f76fce0..5c56603b 100644
--- a/10_Wiki/Topics/Design & Experience/React Performance Optimization.md	
+++ b/10_Wiki/Topics/Design & Experience/React Performance Optimization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B068E2
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,12 +30,12 @@ github_commit: "[P-Reinforce] Continuous Worker - React Performance Optimization
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React 19 Compiler]], [[재조정 (Reconciliation)]], [[상태 관리 최적화 (Zustand, Jotai, Valtio)]], [[Code Splitting & Lazy Loading]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[대규모 E-commerce 및 대시보드 애플리케이션 구축]], [[고성능 멀티스레드 React 앱 아키텍처]], [[Next.js 기반 App Router 마이그레이션]]
+- **Related Topics:** [[React 19 Compiler]], [[재조정 (Reconciliation)]], 상태 관리 최적화 (Zustand, Jotai, Valtio), Code Splitting & Lazy Loading, [[React Server Components (RSC)]]
+- **Projects/Contexts:** 대규모 E-commerce 및 대시보드 애플리케이션 구축, [[고성능 멀티스레드 React 앱 아키텍처]], Next.js 기반 App Router 마이그레이션
 - **Contradictions/Notes:** 많은 개발자들이 컴포넌트가 느려지면 습관적으로 `useMemo`나 `React.memo`를 추가(Premature Memoization)하지만, 메모이제이션 자체에도 얕은 비교(Shallow Compare)라는 오버헤드가 발생합니다. 렌더링 자체가 빠르고 프롭스 변경이 빈번한 단순 컴포넌트에 이를 남용하면 오히려 메모리와 연산 자원만 낭비하므로 반드시 React DevTools Profiler로 측정한 후 적용해야 합니다. 또한 React 19 컴파일러가 아무리 자동화를 해주어도, 무분별한 상태 구조 등 근본적인 아키텍처 설계 결함을 고쳐주지는 않습니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/React Performance Optimization.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/React 상태 관리 (React State Management).md b/10_Wiki/Topics/Design & Experience/React 상태 관리 (React State Management).md
index 102ec073..d9d99cfb 100644
--- a/10_Wiki/Topics/Design & Experience/React 상태 관리 (React State Management).md	
+++ b/10_Wiki/Topics/Design & Experience/React 상태 관리 (React State Management).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3FAE48
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - React 상태 관리 (React Sta
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[Immutability]], [[State Machine Pattern]]
-- **Projects/Contexts:** [[Redux-style Reducers]], [[Context API]]
+- **Related Topics:** [[Discriminated Unions]], Immutability, State Machine Pattern
+- **Projects/Contexts:** Redux-style Reducers, [[Context API]]
 - **Contradictions/Notes:** 소스 문서는 React 프레임워크 자체의 상태 관리 동작 원리(예: Virtual DOM과의 관계, 훅의 내부 원리 등)를 깊이 있게 다루기보다는, TypeScript의 타입 시스템(구분된 유니언, 불변성 등)을 React 상태 관리에 어떻게 접목하여 안정성을 높이는지에 초점이 맞추어져 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/React 상태 관리 (React State Management).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/React 상태 관리 및 API 응답 처리.md b/10_Wiki/Topics/Design & Experience/React 상태 관리 및 API 응답 처리.md
index f5143aec..08ab01d7 100644
--- a/10_Wiki/Topics/Design & Experience/React 상태 관리 및 API 응답 처리.md	
+++ b/10_Wiki/Topics/Design & Experience/React 상태 관리 및 API 응답 처리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3E04B1
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - React 상태 관리 및 API 
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[State Machine Pattern]], [[TypeScript]]
-- **Projects/Contexts:** [[비동기 작업 패턴(Async Operations Pattern)]], [[Redux 스타일 리듀서(Redux-style reducers)]]
+- **Related Topics:** [[Discriminated Unions]], State Machine Pattern, TypeScript
+- **Projects/Contexts:** 비동기 작업 패턴(Async Operations Pattern), Redux 스타일 리듀서(Redux-style reducers)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (React 상태 관리 및 API 응답 처리와 관련하여 소스 간의 상충되는 주장이 포함되어 있지 않습니다.)
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/React 상태 관리 및 API 응답 처리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/React 컴포넌트 Props 검증.md b/10_Wiki/Topics/Design & Experience/React 컴포넌트 Props 검증.md
index b5973ce4..dd90e717 100644
--- a/10_Wiki/Topics/Design & Experience/React 컴포넌트 Props 검증.md	
+++ b/10_Wiki/Topics/Design & Experience/React 컴포넌트 Props 검증.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F45907
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - React 컴포넌트 Props 검
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[Exclusive Props]], [[Excess Property Checking]], [[Zod 런타임 검증]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[React 상태 및 Props 관리]], [[외부 API 데이터 연동 컴포넌트]]
+- **Related Topics:** [[Discriminated Unions]], Exclusive Props, [[Excess Property Checking]], Zod 런타임 검증, [[satisfies 연산자]]
+- **Projects/Contexts:** React 상태 및 Props 관리, 외부 API 데이터 연동 컴포넌트
 - **Contradictions/Notes:** TypeScript의 컴파일 타임 검사는 무결성을 보장하지만, 런타임에 외부(API, 설정 파일 등)에서 주입되는 잘못된 Props 데이터까지는 막아주지 못하므로 외부 데이터 연동 컴포넌트에서는 런타임 검증이 동반되어야 합니다 [4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/React 컴포넌트 Props 검증.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Redux 등 상태 관리 (State Management).md b/10_Wiki/Topics/Design & Experience/Redux 등 상태 관리 (State Management).md
index cbc1adb4..604e3daa 100644
--- a/10_Wiki/Topics/Design & Experience/Redux 등 상태 관리 (State Management).md	
+++ b/10_Wiki/Topics/Design & Experience/Redux 등 상태 관리 (State Management).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8514DD
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Redux 등 상태 관리 (State
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온 (Discriminated Unions)]], [[불변성 (Immutability)]], [[Readonly 타입]]
-- **Projects/Contexts:** [[TypeScript 기반 React 애플리케이션의 Redux 스타일 리듀서 구현]]
+- **Related Topics:** 식별 가능한 유니온 (Discriminated Unions), [[불변성 (Immutability)]], Readonly 타입
+- **Projects/Contexts:** TypeScript 기반 React 애플리케이션의 Redux 스타일 리듀서 구현
 - **Contradictions/Notes:** 소스에서는 Redux 라이브러리 자체의 세부적인 API나 동작 원리보다는, TypeScript의 강력한 타입 시스템(식별 가능한 유니온, Readonly)을 결합하여 상태 관리의 복잡성과 부작용을 통제하는 아키텍처적 관점이 주로 강조되어 있습니다 [1, 3, 4, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Redux 등 상태 관리 (State Management).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Redux 스타일 리듀서 및 액션 관리.md b/10_Wiki/Topics/Design & Experience/Redux 스타일 리듀서 및 액션 관리.md
index f0daa6cc..46929248 100644
--- a/10_Wiki/Topics/Design & Experience/Redux 스타일 리듀서 및 액션 관리.md	
+++ b/10_Wiki/Topics/Design & Experience/Redux 스타일 리듀서 및 액션 관리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EFAFFE
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Redux 스타일 리듀서 및
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[Type Narrowing]]
-- **Projects/Contexts:** [[상태 관리 및 프레임워크의 액션 처리]]
+- **Related Topics:** [[Discriminated Unions]], Type Narrowing
+- **Projects/Contexts:** 상태 관리 및 프레임워크의 액션 처리
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 소스는 Redux 자체에 대한 깊은 설명보다는 TypeScript의 타입 시스템을 설명하면서 그 예시로만 Redux를 간략하게 다루고 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Redux 스타일 리듀서 및 액션 관리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Snyk Open Source.md b/10_Wiki/Topics/Design & Experience/Snyk Open Source.md
index c55d60c8..b85b1008 100644
--- a/10_Wiki/Topics/Design & Experience/Snyk Open Source.md	
+++ b/10_Wiki/Topics/Design & Experience/Snyk Open Source.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F26CB3
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Snyk Open Source"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SCA (Software Composition Analysis)]], [[Snyk Code]], [[서드파티 종속성 (Third-party dependencies)]], [[CVE (Common Vulnerabilities and Exposures)]]
-- **Projects/Contexts:** [[Snyk Security Platform]]
+- **Related Topics:** SCA (Software Composition Analysis), Snyk Code, 서드파티 종속성 (Third-party dependencies), CVE (Common Vulnerabilities and Exposures)
+- **Projects/Contexts:** Snyk Security Platform
 - **Contradictions/Notes:** 소스의 내용 간에 특별한 모순은 발견되지 않았습니다. 소스는 Snyk Open Source(SCA)와 Snyk Code(SAST)가 경쟁 관계가 아니라 완전히 다른 영역을 검사하며, 강력한 보안 태세를 위해 상호 보완적으로 사용되어야 한다는 점을 거듭 강조합니다 [2, 3, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Snyk Open Source.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Tree Shaking (번들 크기 최적화).md b/10_Wiki/Topics/Design & Experience/Tree Shaking (번들 크기 최적화).md
index 26cda4d5..a7b09288 100644
--- a/10_Wiki/Topics/Design & Experience/Tree Shaking (번들 크기 최적화).md	
+++ b/10_Wiki/Topics/Design & Experience/Tree Shaking (번들 크기 최적화).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5A7457
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,12 +31,12 @@ github_commit: "[P-Reinforce] Continuous Worker - Tree Shaking (번들 크기 
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Splitting & Lazy Loading]], [[React Performance Optimization]], [[Webpack 번들 분석기 (webpack-bundle-analyzer)]], [[First Contentful Paint (FCP) 개선]]
-- **Projects/Contexts:** [[대규모 React 프론트엔드 최적화]], [[모바일 웹 성능 향상 프로젝트]]
+- **Related Topics:** Code Splitting & Lazy Loading, [[React Performance Optimization]], Webpack 번들 분석기 (webpack-bundle-analyzer), First Contentful Paint (FCP) 개선
+- **Projects/Contexts:** 대규모 React 프론트엔드 최적화, 모바일 웹 성능 향상 프로젝트
 - **Contradictions/Notes:** 모듈을 가져올 때 구조 분해 할당(예: `import { debounce } from 'lodash'`)을 하더라도 해당 라이브러리가 본래 ES6 모듈 기반으로 작성되지 않았다면 전체 코드가 번들에 포함될 수 있습니다. 따라서 `lodash` 대신 Tree Shaking이 지원되는 `lodash-es`를 사용하는 등, 종속성을 추가할 때 라이브러리 자체의 지원 여부를 확인하는 것이 매우 중요합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/Tree Shaking (번들 크기 최적화).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Type Alias.md b/10_Wiki/Topics/Design & Experience/Type Alias.md
index fca16223..7f27d02f 100644
--- a/10_Wiki/Topics/Design & Experience/Type Alias.md	
+++ b/10_Wiki/Topics/Design & Experience/Type Alias.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D2A4B8
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Type Alias"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Interface]], [[Union Types]], [[Intersection Types]]
-- **Projects/Contexts:** [[TypeScript Type System 설계]], [[대규모 애플리케이션의 도메인 모델링]]
+- **Related Topics:** Interface, [[Union Types]], Intersection Types
+- **Projects/Contexts:** TypeScript Type System 설계, 대규모 애플리케이션의 도메인 모델링
 - **Contradictions/Notes:** 소스 내 개발자 커뮤니티에서는 Type Alias와 Interface의 사용을 두고 뚜렷한 논쟁이 존재한다. 일부 개발자들은 선언 병합으로 인한 잠재적 오류를 피하고 일관성을 유지하기 위해 전적으로 Type Alias만 사용할 것을 주장한다 [2, 4, 11]. 반면, TypeScript 공식 가이드 및 다른 개발자들은 컴파일러 캐싱에 따른 성능 최적화와 에러 메시지의 직관성(불투명한 이름 표시)을 이유로 Interface를 기본으로 사용해야 한다고 반론한다 [7, 12-15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Type Alias.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/Type Declaration.md b/10_Wiki/Topics/Design & Experience/Type Declaration.md
index b26ab9fe..6c5a06ac 100644
--- a/10_Wiki/Topics/Design & Experience/Type Declaration.md	
+++ b/10_Wiki/Topics/Design & Experience/Type Declaration.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D3F069
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Type Declaration"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Alias]], [[Interface]], [[Type Assertion]], [[Declaration Merging]], [[Type Inference]]
-- **Projects/Contexts:** [[TypeScript Type System]], [[TypeScript Best Practices]]
+- **Related Topics:** [[Type Alias]], Interface, Type Assertion, Declaration Merging, Type Inference
+- **Projects/Contexts:** TypeScript Type System, TypeScript Best Practices
 - **Contradictions/Notes:** 객체 타입을 선언할 때 `interface`와 `type` 중 어느 것을 사용할지에 대한 개발자 간의 선호도 논쟁이 존재한다. 일부는 선언 병합의 이점과 성능 최적화를 위해 `interface`를 선호하지만[8-10], 다른 진영에서는 의도치 않은 선언 병합에 의한 오작동을 막고 오류를 명확히 잡기 위해 `type` 선언을 엄격히 사용하는 것을 지향한다[6, 11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Type Declaration.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/TypeScript 인터페이스 및 시스템 보호 아키텍처 설계.md b/10_Wiki/Topics/Design & Experience/TypeScript 인터페이스 및 시스템 보호 아키텍처 설계.md
index b202c2f8..6ab7695c 100644
--- a/10_Wiki/Topics/Design & Experience/TypeScript 인터페이스 및 시스템 보호 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/TypeScript 인터페이스 및 시스템 보호 아키텍처 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6ECC4D
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript 인터페이스 및
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[과잉 속성 체크 (Excess Property Checking)]], [[재귀적 불변성 (DeepReadonly)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[SOLID 원칙]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[과잉 속성 체크 (Excess Property Checking)]], [[재귀적 불변성 (DeepReadonly)]], 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], [[SOLID 원칙]]
 - **Projects/Contexts:** [[Toss Front SDK의 Facade 패턴 적용 사례]]
 - **Contradictions/Notes:** TypeScript의 구조적 타이핑은 최소 요건만 충족하면 호환성을 허용하므로 매우 유연하지만, 이메일 주소와 이름이 같은 `string`으로 취급되는 등 "기본 타입에의 집착(Primitive Obsession)" 문제를 야기한다 [11]. 이를 방어하기 위해 컴파일 시점에만 존재하는 고유 속성을 부여하는 브랜디드 타입(Branded Types)을 사용하여 데이터의 무분별한 혼용을 차단해야 한다 [10, 11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript 인터페이스 및 시스템 보호 아키텍처 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/TypeScript 컴파일러 캐싱 최적화.md b/10_Wiki/Topics/Design & Experience/TypeScript 컴파일러 캐싱 최적화.md
index 42e355ef..2da66b80 100644
--- a/10_Wiki/Topics/Design & Experience/TypeScript 컴파일러 캐싱 최적화.md	
+++ b/10_Wiki/Topics/Design & Experience/TypeScript 컴파일러 캐싱 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3D0990
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript 컴파일러 캐싱
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[인터페이스 확장(Interface Extends)]], [[교집합 타입(Intersection Types)]]
-- **Projects/Contexts:** [[TypeScript Performance Guide]]
+- **Related Topics:** 인터페이스 확장(Interface Extends), 교집합 타입(Intersection Types)
+- **Projects/Contexts:** TypeScript Performance Guide
 - **Contradictions/Notes:** 인터페이스 간의 타입 관계는 이름 기반으로 캐싱되어 성능상 이점을 제공하지만, 교집합 타입은 전체가 캐싱되지 않고 사용할 때마다 평탄화 및 재계산을 거쳐야 한다는 구조적 차이가 존재합니다 [3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript 컴파일러 캐싱 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/TypeScript의 안전한 인터페이스 설계.md b/10_Wiki/Topics/Design & Experience/TypeScript의 안전한 인터페이스 설계.md
index ea4987b5..ae17eadf 100644
--- a/10_Wiki/Topics/Design & Experience/TypeScript의 안전한 인터페이스 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/TypeScript의 안전한 인터페이스 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-08AE3A
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript의 안전한 인터
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑]], [[과잉 속성 체크(EPC)]], [[식별 가능한 유니온]], [[브랜디드 타입]], [[불변성(Immutability)]]
-- **Projects/Contexts:** [[대규모 애플리케이션 개발]], [[프론트엔드 아키텍처 및 SDK 설계]]
+- **Related Topics:** [[구조적 타이핑]], [[과잉 속성 체크(EPC)]], [[식별 가능한 유니온]], 브랜디드 타입, [[불변성(Immutability)]]
+- **Projects/Contexts:** 대규모 애플리케이션 개발, 프론트엔드 아키텍처 및 SDK 설계
 - **Contradictions/Notes:** `type`과 `interface`의 사용 지침과 관련하여, TypeScript 성능과 캐싱을 고려해 객체 확장에 `interface extends`를 권장하는 측면과 [4, 14], 선언 병합(Declaration Merging)으로 인한 의도치 않은 타입 변경을 방지하기 위해 보다 엄격한 `type`의 사용을 선호하는 개발자들의 의견이 대립하는 사례가 존재합니다 [15, 17, 34, 35].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript의 안전한 인터페이스 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/TypeScript의 인터페이스 및 객체 타입 설계.md b/10_Wiki/Topics/Design & Experience/TypeScript의 인터페이스 및 객체 타입 설계.md
index 1af6b310..d568deba 100644
--- a/10_Wiki/Topics/Design & Experience/TypeScript의 인터페이스 및 객체 타입 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/TypeScript의 인터페이스 및 객체 타입 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-844A65
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ TypeScript의 객체 타입은 명목적 타이핑(Nominal Typing)과 달리 명
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[초과 속성 검사 (Excess Property Checking)]], [[선언 병합 (Declaration Merging)]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[대규모 TypeScript 애플리케이션 아키텍처 구축]], [[SOLID 원칙 기반의 타입 시스템 설계]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[초과 속성 검사 (Excess Property Checking)]], 선언 병합 (Declaration Merging), [[satisfies 연산자]]
+- **Projects/Contexts:** 대규모 TypeScript 애플리케이션 아키텍처 구축, SOLID 원칙 기반의 타입 시스템 설계
 - **Contradictions/Notes:** 소스 간 의견 대립이 존재합니다. 일부 개발자(소스 52, 138, 141)는 캐싱 성능 최적화와 외부 확장을 위한 선언 병합 기능 때문에 '인터페이스(Interface) 우선 사용'을 강력히 주장하지만, 또 다른 현업 개발자(소스 138, 140, 147)는 의도치 않은 선언 병합으로 인해 런타임 로직이 오염될 위험과 일관된 문법을 이유로 '모든 상황에서 타입 별칭(Type)만을 사용하는 규칙'을 조직 내에 강제하는 것이 장기 유지보수에 유리하다고 반박합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript의 인터페이스 및 객체 타입 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/UX-Gamification.md b/10_Wiki/Topics/Design & Experience/UX-Gamification.md
index a13b4115..e540f075 100644
--- a/10_Wiki/Topics/Design & Experience/UX-Gamification.md	
+++ b/10_Wiki/Topics/Design & Experience/UX-Gamification.md	
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-AI-042
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.95
 tags: [ux, gamification, design, psychology]
 last_reinforced: 2026-06-XX
 github_commit: "[P-Reinforce] Processed UX_Gamification.md"
 ---
 
-# [[UX - Gamification]] (사용자 경험 및 게이미피케이션)
+# UX - Gamification (사용자 경험 및 게이미피케이션)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 게임 메커니즘을 활용해 사용자의 동기를 유발하고 지속적인 참여를 설계하는 것은, 사용자 경험(UX)의 목표와 행동 심리학적 원리를 결합한 필수 전략이다.
@@ -28,7 +28,7 @@ github_commit: "[P-Reinforce] Processed UX_Gamification.md"
 - **정책 변화:** 게이미피케이션의 남용은 '보상의 역효과 (Overjustification Effect)'를 초래할 수 있으므로, 보상이 학습 자체를 방해하지 않도록 신중하게 설계해야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[User Experience (UX) Design]]
-- Related: [[Self-Determination Theory]] , [[Behavioral Economics]] , [[Gamification-Design]]
-- Raw Source: [[00_Raw/UX_Gamification.md]]
+- Parent: User Experience (UX) Design
+- Related: Self-Determination Theory , Behavioral Economics , Gamification-Design
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Design & Experience/가상 DOM (Virtual DOM).md b/10_Wiki/Topics/Design & Experience/가상 DOM (Virtual DOM).md
index 29f895f4..e2c2a3d6 100644
--- a/10_Wiki/Topics/Design & Experience/가상 DOM (Virtual DOM).md	
+++ b/10_Wiki/Topics/Design & Experience/가상 DOM (Virtual DOM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-181AC7
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상 DOM (Virtual DOM)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[재조정 (Reconciliation)]], [[React Performance Optimization]], [[불필요한 리렌더링 방지]]
-- **Projects/Contexts:** [[대규모 데이터 렌더링 및 가상화 최적화]], [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]]
+- **Projects/Contexts:** [[대규모 데이터 렌더링 및 가상화 최적화]], 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처
 - **Contradictions/Notes:** 가상 DOM과 재조정 알고리즘은 일반적인 웹 애플리케이션의 선언적 UI 관리에는 압도적으로 훌륭하지만, 매 프레임 수만 개의 속성이 변해야 하는 3D 게임이나 무거운 애니메이션 환경에서는 오히려 가상 DOM을 비교하는 $O(n)$ 연산 자체가 프레임 저하(Lag)를 유발하는 치명적인 원인이 됩니다. 이러한 특수 환경에서는 가상 DOM을 우회하여 참조(`ref`)를 통한 **명령형 직접 조작(Imperative Manipulation)**을 사용해야만 60FPS를 달성할 수 있습니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/가상 DOM (Virtual DOM).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/계층형 아키텍처 (Layered Architecture).md b/10_Wiki/Topics/Design & Experience/계층형 아키텍처 (Layered Architecture).md
index cd0a6b99..af715fdb 100644
--- a/10_Wiki/Topics/Design & Experience/계층형 아키텍처 (Layered Architecture).md	
+++ b/10_Wiki/Topics/Design & Experience/계층형 아키텍처 (Layered Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-28439B
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 계층형 아키텍처 (Layere
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[N-Tier 아키텍처 (N-Tier Architecture)]], [[의존성 주입 (Dependency Injection)]], [[단일 책임 원칙 (SRP)]]
-- **Projects/Contexts:** [[엔터프라이즈 애플리케이션]], [[웹 애플리케이션 3계층 시스템 (3-Tier Systems)]]
+- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], N-Tier 아키텍처 (N-Tier Architecture), [[의존성 주입 (Dependency Injection)]], [[단일 책임 원칙 (SRP)]]
+- **Projects/Contexts:** 엔터프라이즈 애플리케이션, 웹 애플리케이션 3계층 시스템 (3-Tier Systems)
 - **Contradictions/Notes:** 소스에 따르면, 계층형 아키텍처는 명확한 분리를 제공해 주지만 레이어를 무겁게 만들면 오히려 시스템 관리가 비효율적일 수 있으므로, 계층을 얇게 유지(Keep layers thin)하고 인터페이스와 의존성 주입을 적극 활용하여 경계를 명확히 보호할 것을 권장하고 있습니다 [8, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/계층형 아키텍처 (Layered Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/대규모 프론트엔드 웹 프로젝트 폴더 구조화.md b/10_Wiki/Topics/Design & Experience/대규모 프론트엔드 웹 프로젝트 폴더 구조화.md
index c97f6368..8bbb6b6c 100644
--- a/10_Wiki/Topics/Design & Experience/대규모 프론트엔드 웹 프로젝트 폴더 구조화.md	
+++ b/10_Wiki/Topics/Design & Experience/대규모 프론트엔드 웹 프로젝트 폴더 구조화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-71F406
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 프론트엔드 웹
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[Feature-Sliced Design (FSD)]], [[마이크로 프론트엔드 (Micro Frontends)]]
-- **Projects/Contexts:** [[항해 DEV LAB 미니 학술회]] (FSD와 프론트엔드 관심사 분리에 관한 시각과 발표 내용이 논의된 맥락 [16]), [[스포티파이 (Spotify)]] (자율적인 기능 단위 '스쿼드' 모델과 프론트엔드를 분리하는 마이크로 프론트엔드를 결합하여 대규모 웹 앱 개발의 확장성을 획기적으로 개선한 실제 기업 사례 [17, 18])
+- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[Feature-Sliced Design (FSD)]], 마이크로 프론트엔드 (Micro Frontends)
+- **Projects/Contexts:** 항해 DEV LAB 미니 학술회 (FSD와 프론트엔드 관심사 분리에 관한 시각과 발표 내용이 논의된 맥락 [16]), 스포티파이 (Spotify) (자율적인 기능 단위 '스쿼드' 모델과 프론트엔드를 분리하는 마이크로 프론트엔드를 결합하여 대규모 웹 앱 개발의 확장성을 획기적으로 개선한 실제 기업 사례 [17, 18])
 - **Contradictions/Notes:** 소스에 따르면 폴더 구조 설계에 있어서 절대적으로 "이것이 정답"이라고 할 수 있는 완벽한 구조는 존재하지 않는다. 프로젝트의 특성과 규모, 팀의 요구사항, 그리고 시기에 따라 기능 중심, 역할 중심, 혹은 도메인 중심 등으로 유연하게 폴더 구조를 진화시키고 균형을 맞추는 것이 핵심이라고 조언한다 [11, 19].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/대규모 프론트엔드 웹 프로젝트 폴더 구조화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/도메인 주도 설계 (DDD).md b/10_Wiki/Topics/Design & Experience/도메인 주도 설계 (DDD).md
index dcb307f5..35293452 100644
--- a/10_Wiki/Topics/Design & Experience/도메인 주도 설계 (DDD).md	
+++ b/10_Wiki/Topics/Design & Experience/도메인 주도 설계 (DDD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ADBB0E
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 도메인 주도 설계 (DDD)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[바운디드 컨텍스트 (Bounded Context)]], [[유비쿼터스 언어 (Ubiquitous Language)]], [[관심사의 분리 (Separation of Concerns)]], [[애그리거트 (Aggregates)]]
-- **Projects/Contexts:** [[마이크로서비스 아키텍처 (MSA)]], [[복잡한 비즈니스 도메인 (금융, 헬스케어, 이커머스 등)]]
+- **Projects/Contexts:** [[마이크로서비스 아키텍처 (MSA)]], 복잡한 비즈니스 도메인 (금융, 헬스케어, 이커머스 등)
 - **Contradictions/Notes:** 소스 내용 간의 모순점은 발견되지 않았습니다. 다만, 도메인 주도 설계(DDD)는 비즈니스와 강하게 결합된 명확한 모델을 도출하는 데 큰 장점이 있지만, 도메인 전문가와의 긴밀한 협업과 깊은 모델링 분석 시간이 필요하여 구현 복잡도와 리소스 요구량이 높다는 특징이 있습니다 [5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도메인 주도 설계 (DDD).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/도메인 주도 설계(DDD).md b/10_Wiki/Topics/Design & Experience/도메인 주도 설계(DDD).md
index 52becd14..f8d7bae8 100644
--- a/10_Wiki/Topics/Design & Experience/도메인 주도 설계(DDD).md	
+++ b/10_Wiki/Topics/Design & Experience/도메인 주도 설계(DDD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4DC206
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 도메인 주도 설계(DDD)"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[보편적 언어(Ubiquitous Language)]], [[제한된 문맥(Bounded Contexts)]], [[마이크로서비스 아키텍처(MSA)]], [[관심사의 분리(SoC)]]
-- **Projects/Contexts:** [[이벤트 스토밍(Event Storming)]], [[복잡한 비즈니스 도메인(금융, 의료, 이커머스 등)]]
+- **Related Topics:** 보편적 언어(Ubiquitous Language), 제한된 문맥(Bounded Contexts), 마이크로서비스 아키텍처(MSA), [[관심사의 분리(SoC)]]
+- **Projects/Contexts:** 이벤트 스토밍(Event Storming), 복잡한 비즈니스 도메인(금융, 의료, 이커머스 등)
 - **Contradictions/Notes:** 도메인 주도 설계는 비즈니스 도메인을 명확하게 반영하고 강력한 기반을 제공하지만, 깊은 수준의 모델링과 조직적 협력이 필요하므로 구현 복잡성이 높고 상당한 리소스(도메인 전문가, 분석 시간 등)가 요구된다는 제약이 있습니다 [6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도메인 주도 설계(DDD).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/라이브러리 타입 선언 (dts) 확장.md b/10_Wiki/Topics/Design & Experience/라이브러리 타입 선언 (dts) 확장.md
index e5bbd9e5..f5ba4959 100644
--- a/10_Wiki/Topics/Design & Experience/라이브러리 타입 선언 (dts) 확장.md	
+++ b/10_Wiki/Topics/Design & Experience/라이브러리 타입 선언 (dts) 확장.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-73EE30
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 라이브러리 타입 선언
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[인터페이스(Interface)]], [[선언 병합(Declaration Merging)]], [[타입 별칭(Type Alias)]]
-- **Projects/Contexts:** [[TypeScript 라이브러리 생태계 및 DefinitelyTyped]]
+- **Related Topics:** 인터페이스(Interface), [[선언 병합(Declaration Merging)]], 타입 별칭(Type Alias)
+- **Projects/Contexts:** TypeScript 라이브러리 생태계 및 DefinitelyTyped
 - **Contradictions/Notes:** 소스에 따르면, 일반적인 애플리케이션 코드 작성 시에는 엄격한 관리가 가능한 타입 별칭(Type)을 선호하는 실무 의견이 많지만, 외부 라이브러리 사용자가 타입을 확장해야 하는 특수한 상황에서는 선언 병합이 가능한 인터페이스(Interface)가 절대적으로 더 적합하다는 뚜렷한 용도 차이를 보입니다 [1, 2, 5, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/라이브러리 타입 선언 (d.ts) 확장.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/몰입감 (Presence).md b/10_Wiki/Topics/Design & Experience/몰입감 (Presence).md
index e552e2b2..ce0dddf3 100644
--- a/10_Wiki/Topics/Design & Experience/몰입감 (Presence).md	
+++ b/10_Wiki/Topics/Design & Experience/몰입감 (Presence).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-589F08
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 몰입감 (Presence)"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Flow State]], [[Cognitive Load]], [[Immersion]], [[Virtual Reality (VR)]]
-- **Projects/Contexts:** [[Mixed Reality (MR) Tasks]], [[VR Exergaming]]
+- **Related Topics:** [[Flow State]], Cognitive Load, Immersion, Virtual Reality (VR)
+- **Projects/Contexts:** Mixed Reality (MR) Tasks, VR Exergaming
 - **Contradictions/Notes:** 소스에 따르면 높은 수준의 가상 몰입감(Virtual Presence)은 학습 성과와 참여도를 긍정적으로 향상시키지만, 가상 콘텐츠를 처리하기 위한 정신적 노력이 요구되어 필연적으로 인지 부하(Cognitive Load)를 증가시킨다는 이중적 특성을 지닙니다 [3, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/몰입감 (Presence).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/바운디드 컨텍스트 (Bounded Context).md b/10_Wiki/Topics/Design & Experience/바운디드 컨텍스트 (Bounded Context).md
index 84ea82f6..13a056f9 100644
--- a/10_Wiki/Topics/Design & Experience/바운디드 컨텍스트 (Bounded Context).md	
+++ b/10_Wiki/Topics/Design & Experience/바운디드 컨텍스트 (Bounded Context).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7B2713
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 바운디드 컨텍스트 (Bou
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[도메인 주도 설계 (Domain-Driven Design, DDD)]], [[보편적 언어 (Ubiquitous Language)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]], [[관심사의 분리 (Separation of Concerns, SoC)]]
+- **Related Topics:** 도메인 주도 설계 (Domain-Driven Design, DDD), [[보편적 언어 (Ubiquitous Language)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]], 관심사의 분리 (Separation of Concerns, SoC)
 - **Projects/Contexts:** 복잡한 비즈니스 도메인 모델링 [1], 객체 지향 및 모듈러 소프트웨어 시스템 설계 [3, 5], 마이크로서비스로의 서비스 분리 및 마이그레이션 [2]
 - **Contradictions/Notes:** 소스 내에 바운디드 컨텍스트의 효용이나 개념에 대한 상반된 주장은 존재하지 않으며, 일관되게 시스템 복잡성 완화와 마이크로서비스 확장을 위한 핵심 기반으로 설명되고 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/바운디드 컨텍스트 (Bounded Context).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/반응형 윈도우 리사이즈(Resize) 이벤트 처리.md b/10_Wiki/Topics/Design & Experience/반응형 윈도우 리사이즈(Resize) 이벤트 처리.md
index 8a5f4d8a..a0b922c2 100644
--- a/10_Wiki/Topics/Design & Experience/반응형 윈도우 리사이즈(Resize) 이벤트 처리.md	
+++ b/10_Wiki/Topics/Design & Experience/반응형 윈도우 리사이즈(Resize) 이벤트 처리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DC2EFA
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,12 +29,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 반응형 윈도우 리사이
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Throttling & Debouncing]], [[React Performance Optimization]], [[Memory Leak Prevention (메모리 누수 방지)]], [[useEffect 클린업(Cleanup)]]
-- **Projects/Contexts:** [[반응형 3D 캔버스(Three.js/R3F) 크기 최적화]], [[실시간 데이터 대시보드 레이아웃 조절 시스템]]
+- **Related Topics:** Throttling & Debouncing, [[React Performance Optimization]], Memory Leak Prevention (메모리 누수 방지), [[useEffect 클린업(Cleanup)]]
+- **Projects/Contexts:** 반응형 3D 캔버스(Three.js/R3F) 크기 최적화, [[실시간 데이터 대시보드 레이아웃 조절 시스템]]
 - **Contradictions/Notes:** 단순히 윈도우 크기에 맞춰 CSS 요소의 크기나 배치를 조정하는 것이 목적이라면, 자바스크립트의 `resize` 이벤트를 아예 사용하지 않고 CSS의 미디어 쿼리(Media Queries)나 상대 단위(`vw`, `vh`, `100%`)를 사용하는 것이 렌더링 파이프라인 성능 측면에서 가장 비용이 낮고 완벽한 방법입니다. 자바스크립트 이벤트는 캔버스 렌더러 리사이즈나 복잡한 가상화 리스트(Virtualization) 재계산 등 CSS만으로 해결할 수 없는 경우에만 제한적으로 사용해야 합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/반응형 윈도우 리사이즈(Resize) 이벤트 처리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/비동기 데이터 패칭 (Async Operations Pattern).md b/10_Wiki/Topics/Design & Experience/비동기 데이터 패칭 (Async Operations Pattern).md
index bdf06d92..0bf66237 100644
--- a/10_Wiki/Topics/Design & Experience/비동기 데이터 패칭 (Async Operations Pattern).md	
+++ b/10_Wiki/Topics/Design & Experience/비동기 데이터 패칭 (Async Operations Pattern).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C7F096
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 비동기 데이터 패칭 (As
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온 (Discriminated Unions)]], [[상태 머신 (State Machine Pattern)]], [[런타임 유효성 검사 (Runtime Validation)]]
-- **Projects/Contexts:** [[API 응답 처리 (API Response Handling)]], [[비동기 UI 상태 관리 (Async UI State)]]
+- **Related Topics:** 식별 가능한 유니온 (Discriminated Unions), 상태 머신 (State Machine Pattern), 런타임 유효성 검사 (Runtime Validation)
+- **Projects/Contexts:** API 응답 처리 (API Response Handling), 비동기 UI 상태 관리 (Async UI State)
 - **Contradictions/Notes:** 소스 내에서 비동기 데이터 패칭 패턴 자체에 대한 상충되는 의견은 없으나, 타입스크립트의 구조적 타이핑 특성상 컴파일 타임의 에러 방지만으로는 외부 비동기 데이터의 무결성을 완벽히 보장할 수 없다는 한계가 존재합니다. 따라서 외부 API나 설정 파일에서 전달받는 비동기 상태 데이터는 반드시 런타임 유효성 검사를 병행해야 한다고 강조하고 있습니다 [6, 7]. (소스에 비동기 데이터 패칭의 구체적인 코드 구현 예시 정보는 일부 누락되어 있어 관련 정보가 부족합니다.)
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/비동기 데이터 패칭 (Async Operations Pattern).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/상태 관리(State Management).md b/10_Wiki/Topics/Design & Experience/상태 관리(State Management).md
index b92fecbe..21e0720b 100644
--- a/10_Wiki/Topics/Design & Experience/상태 관리(State Management).md	
+++ b/10_Wiki/Topics/Design & Experience/상태 관리(State Management).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-58EC09
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 상태 관리(State Management
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[불변성(Immutability)]], [[상태 기계(State Machine)]], [[리듀서(Reducer)]]
-- **Projects/Contexts:** [[React 프론트엔드 개발]], [[Redux 아키텍처]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[불변성(Immutability)]], 상태 기계(State Machine), 리듀서(Reducer)
+- **Projects/Contexts:** React 프론트엔드 개발, Redux 아키텍처
 - **Contradictions/Notes:** 소스 전반에 걸쳐 상태 관리에 있어 불변성 유지(`readonly` 활용)와 타입 시스템(Discriminated Unions)을 통한 엄격한 상태 제어의 중요성에 동의하고 있으며, 상태 관리에 대한 상반된 주장이나 모순점은 발견되지 않았습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/상태 관리(State Management).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계.md b/10_Wiki/Topics/Design & Experience/상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계.md
index b46bbdb7..a1acc483 100644
--- a/10_Wiki/Topics/Design & Experience/상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D423C6
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 상태 머신 (State Machine)
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온 (Discriminated Unions)]], [[타입 안전성 (Type Safety)]]
+- **Related Topics:** 식별 가능한 유니온 (Discriminated Unions), [[타입 안전성 (Type Safety)]]
 - **Projects/Contexts:** [[React 상태 관리 (React State Management)]], [[비동기 데이터 패칭 (Async Operations Pattern)]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 상태 머신 및 Redux 패턴 설계 지침을 다루기보다는, 타입스크립트의 '식별 가능한 유니온'이 활용되기 좋은 대표적인 사례(Use Case) 중 하나로서만 간략히 소개되어 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/상태 모델링 (State Modeling).md b/10_Wiki/Topics/Design & Experience/상태 모델링 (State Modeling).md
index b38dca11..a844279a 100644
--- a/10_Wiki/Topics/Design & Experience/상태 모델링 (State Modeling).md	
+++ b/10_Wiki/Topics/Design & Experience/상태 모델링 (State Modeling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BC8C33
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 상태 모델링 (State Modeli
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온 (Discriminated Unions)]], [[완전성 검사 (Exhaustiveness Checking)]], [[상태 머신 (State Machine)]]
-- **Projects/Contexts:** [[API 응답 처리 (API Response Handling)]], [[폼 제출 워크플로우 (Form Submission Workflow)]]
+- **Related Topics:** 식별 가능한 유니온 (Discriminated Unions), 완전성 검사 (Exhaustiveness Checking), 상태 머신 (State Machine)
+- **Projects/Contexts:** API 응답 처리 (API Response Handling), 폼 제출 워크플로우 (Form Submission Workflow)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/상태 모델링 (State Modeling).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/선언 병합(Declaration Merging).md b/10_Wiki/Topics/Design & Experience/선언 병합(Declaration Merging).md
index 715e0a6c..6e804dbe 100644
--- a/10_Wiki/Topics/Design & Experience/선언 병합(Declaration Merging).md	
+++ b/10_Wiki/Topics/Design & Experience/선언 병합(Declaration Merging).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-18CC73
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 선언 병합(Declaration Merg
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[인터페이스(Interface)]], [[타입 별칭(Type Alias)]]
-- **Projects/Contexts:** [[라이브러리 코드 작성]], [[TypeScript 타입 시스템]]
+- **Related Topics:** 인터페이스(Interface), 타입 별칭(Type Alias)
+- **Projects/Contexts:** 라이브러리 코드 작성, TypeScript 타입 시스템
 - **Contradictions/Notes:** 소스에 따르면 라이브러리 제작 관점에서는 소비자에게 확장을 허용하는 매우 유용한 기능으로 평가받지만 [1, 4], 애플리케이션 개발 팀 관점에서는 의도치 않은 병합 버그를 유발할 수 있어 피해야 할 기능으로 강하게 반대되기도 합니다 [2, 8].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/선언 병합(Declaration Merging).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/소프트웨어 시스템 설계 및 아키텍처 구축.md b/10_Wiki/Topics/Design & Experience/소프트웨어 시스템 설계 및 아키텍처 구축.md
index b80f4d52..70107a4c 100644
--- a/10_Wiki/Topics/Design & Experience/소프트웨어 시스템 설계 및 아키텍처 구축.md	
+++ b/10_Wiki/Topics/Design & Experience/소프트웨어 시스템 설계 및 아키텍처 구축.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6B386C
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 소프트웨어 시스템 설
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Separation of Concerns (SoC)]], [[Clean Architecture]], [[Microservices Architecture]], [[SOLID Principles]]
-- **Projects/Contexts:** [[Netflix Microservices & Cosmos Platform]], [[Feature-Sliced Design (FSD)]]
+- **Related Topics:** Separation of Concerns (SoC), Clean Architecture, Microservices Architecture, SOLID Principles
+- **Projects/Contexts:** Netflix Microservices & Cosmos Platform, [[Feature-Sliced Design (FSD)]]
 - **Contradictions/Notes:** 마이크로서비스 아키텍처는 유연성과 독립적 배포를 제공하지만 분산 시스템 간의 통신, 배포의 복잡성, 메모리 오버헤드를 유발하므로 무조건적인 도입은 지양해야 합니다 [38, 39]. 또한 완벽한 관심사 분리를 위한 과도한 추상화(Over-engineering)나 너무 이른 계층 분리는 오히려 시스템을 복잡하게 만들어 가독성을 해치고 인지적 부하를 유발할 수 있으므로, 응집도와 결합도를 실무적 상황에 맞게 조율해야 합니다 [40-42].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/소프트웨어 시스템 설계 및 아키텍처 구축.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/실시간 데이터 대시보드 레이아웃 조절 시스템.md b/10_Wiki/Topics/Design & Experience/실시간 데이터 대시보드 레이아웃 조절 시스템.md
index c4994f39..805bb576 100644
--- a/10_Wiki/Topics/Design & Experience/실시간 데이터 대시보드 레이아웃 조절 시스템.md	
+++ b/10_Wiki/Topics/Design & Experience/실시간 데이터 대시보드 레이아웃 조절 시스템.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BAC69B
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,12 +31,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 실시간 데이터 대시보
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Throttling & Debouncing]], [[React 동시성 훅 (useTransition, useDeferredValue)]], [[상태 관리 최적화 (Zustand, Jotai, Valtio)]], [[Virtualization (리스트 가상화)]], [[Web Worker (웹 워커)]]
-- **Projects/Contexts:** [[대용량 데이터 분석 플랫폼 및 모니터링 시스템]], [[고성능 금융/주식 실시간 거래 대시보드]]
+- **Related Topics:** Throttling & Debouncing, [[React 동시성 훅 (useTransition, useDeferredValue)]], 상태 관리 최적화 (Zustand, Jotai, Valtio), Virtualization (리스트 가상화), [[Web Worker (웹 워커)]]
+- **Projects/Contexts:** 대용량 데이터 분석 플랫폼 및 모니터링 시스템, 고성능 금융/주식 실시간 거래 대시보드
 - **Contradictions/Notes:** React에 내장된 Context API는 테마나 로그인 정보처럼 가끔 변하는 데이터에는 훌륭하지만, 고빈도로 상태가 업데이트되는 실시간 대시보드에서는 성능을 조용히 갉아먹는 주범이 되므로 대안 상태 관리 도구가 필수적입니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/실시간 데이터 대시보드 레이아웃 조절 시스템.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/엔티티 (Entities).md b/10_Wiki/Topics/Design & Experience/엔티티 (Entities).md
index c249126d..0f453127 100644
--- a/10_Wiki/Topics/Design & Experience/엔티티 (Entities).md	
+++ b/10_Wiki/Topics/Design & Experience/엔티티 (Entities).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8E681E
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 엔티티 (Entities)"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[도메인 주도 설계 (Domain-Driven Design)]], [[클린 아키텍처 (Clean Architecture)]], [[유스케이스 (Use Cases)]], [[값 객체 (Value Objects)]]
-- **Projects/Contexts:** [[엔터프라이즈급 소프트웨어 아키텍처 설계]], [[VIPER 아키텍처 기반 iOS 애플리케이션 개발]]
+- **Related Topics:** 도메인 주도 설계 (Domain-Driven Design), [[클린 아키텍처 (Clean Architecture)]], [[유스케이스 (Use Cases)]], 값 객체 (Value Objects)
+- **Projects/Contexts:** 엔터프라이즈급 소프트웨어 아키텍처 설계, VIPER 아키텍처 기반 iOS 애플리케이션 개발
 - **Contradictions/Notes:** 엔티티와 시스템의 요청 및 응답 모델은 많은 데이터를 공유하기 때문에 서로 참조하거나 결합하려는 유혹에 빠지기 쉽지만, 이는 장기적으로 공통 폐쇄 원칙을 위반하고 코드베이스에 혼란을 초래하므로 엄격히 분리해야 한다고 경고합니다 [14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/엔티티 (Entities).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/의존성 규칙 (Dependency Rule).md b/10_Wiki/Topics/Design & Experience/의존성 규칙 (Dependency Rule).md
index 5f13161d..a78c11cd 100644
--- a/10_Wiki/Topics/Design & Experience/의존성 규칙 (Dependency Rule).md	
+++ b/10_Wiki/Topics/Design & Experience/의존성 규칙 (Dependency Rule).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-57A5BA
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 규칙 (Dependency R
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[클린 아키텍처 (Clean Architecture)]], [[의존성 역전 원칙 (Dependency Inversion Principle, DIP)]], [[엔티티 (Entities)]], [[유스케이스 (Use Cases)]]
+- **Related Topics:** [[클린 아키텍처 (Clean Architecture)]], 의존성 역전 원칙 (Dependency Inversion Principle, DIP), [[엔티티 (Entities)]], [[유스케이스 (Use Cases)]]
 - **Projects/Contexts:** [[엔터프라이즈 소프트웨어 시스템 설계]], [[모듈화 및 아키텍처 경계 설정]]
 - **Contradictions/Notes:** 의존성 규칙을 엄격하게 준수하기 위해 완벽한 아키텍처 경계(쌍방향 다형적 인터페이스, 분리된 입/출력 데이터 구조 등)를 만드는 것은 초기 설정 및 유지보수 비용이 상당히 큽니다 [11]. 따라서 모든 상황에 이 규칙을 엄격히 적용하기보다는, 프로젝트의 규모에 따라 전략 패턴이나 퍼사드(Facade) 패턴을 활용한 부분적 경계(Partial Boundary)를 두거나 실무적 타협을 하는 경우도 존재합니다 [11-13].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 규칙 (Dependency Rule).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/인터페이스 분리 원칙 (Interface Segregation Principle).md b/10_Wiki/Topics/Design & Experience/인터페이스 분리 원칙 (Interface Segregation Principle).md
index b810b720..aee7b6af 100644
--- a/10_Wiki/Topics/Design & Experience/인터페이스 분리 원칙 (Interface Segregation Principle).md	
+++ b/10_Wiki/Topics/Design & Experience/인터페이스 분리 원칙 (Interface Segregation Principle).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FD8793
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 인터페이스 분리 원칙
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID Principles]], [[Separation of Concerns (SoC)]], [[Object-Oriented Programming (OOP)]]
-- **Projects/Contexts:** [[Clean Architecture]], [[Software System Design]]
+- **Related Topics:** SOLID Principles, Separation of Concerns (SoC), Object-Oriented Programming (OOP)
+- **Projects/Contexts:** Clean Architecture, Software System Design
 - **Contradictions/Notes:** 주어진 소스 내에서 인터페이스 분리 원칙에 대한 모순된 주장은 발견되지 않으며, 모든 소스가 이 원칙이 관심사의 분리(SoC) 개념에 뿌리를 두고 있으며 모듈성과 시스템 유연성을 향상시킨다는 점에 동의하고 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/인터페이스 분리 원칙 (Interface Segregation Principle).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/재조정 (Reconciliation).md b/10_Wiki/Topics/Design & Experience/재조정 (Reconciliation).md
index 7248078f..e9dff081 100644
--- a/10_Wiki/Topics/Design & Experience/재조정 (Reconciliation).md	
+++ b/10_Wiki/Topics/Design & Experience/재조정 (Reconciliation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EDDCE3
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,9 +33,9 @@ github_commit: "[P-Reinforce] Continuous Worker - 재조정 (Reconciliation)"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상 DOM (Virtual DOM)]], [[React 동시성 기능 (Concurrent Features)]], [[불필요한 리렌더링 방지]], [[명령형 조작 (Imperative Manipulation)]]
+- **Related Topics:** [[가상 DOM (Virtual DOM)]], React 동시성 기능 (Concurrent Features), [[불필요한 리렌더링 방지]], 명령형 조작 (Imperative Manipulation)
     
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]], [[대규모 데이터 렌더링 및 가상화 최적화]]
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처, [[대규모 데이터 렌더링 및 가상화 최적화]]
     
 - **Contradictions/Notes:** 재조정 알고리즘은 선언적 UI 관리를 가능하게 하는 훌륭한 기능이지만 만능은 아닙니다. Three.js(R3F) 기반의 게임이나 대규모 애니메이션 환경처럼 매 프레임 수만 개의 좌표나 속성이 변하는 경우, React의 재조정 과정을 거치면 성능이 붕괴되므로 `useFrame` 등을 활용해 참조(Ref)의 속성을 직접 조작(Direct/Imperative Mutation)하여 재조정을 우회하는 기법이 반드시 필요합니다.
     
@@ -43,5 +43,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 재조정 (Reconciliation)"
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/재조정 (Reconciliation).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계).md b/10_Wiki/Topics/Design & Experience/철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계).md
index 0a236630..68c20160 100644
--- a/10_Wiki/Topics/Design & Experience/철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계).md	
+++ b/10_Wiki/Topics/Design & Experience/철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A8177A
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 철벽 수비대_ - TypeScript
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[선언 병합 (Declaration Merging)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[대규모 애플리케이션 개발]], [[도메인 기반 설계 (DDD)]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 선언 병합 (Declaration Merging), 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], [[satisfies 연산자]]
+- **Projects/Contexts:** 대규모 애플리케이션 개발, [[도메인 기반 설계 (DDD)]]
 - **Contradictions/Notes:** 과잉 속성 체크(EPC)는 객체 리터럴을 직접 다룰 때만 활성화되어 간접 할당 시 우회될 수 있다는 취약점이 있으나, TypeScript 4.9부터 도입된 satisfies 연산자를 통해 이 문제를 해결하고 엄격한 속성 검사를 수행할 수 있습니다 [9, 10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/치타 사람 이미지 프롬프트.md b/10_Wiki/Topics/Design & Experience/치타 사람 이미지 프롬프트.md
index 5a528a9b..43e4ea4b 100644
--- a/10_Wiki/Topics/Design & Experience/치타 사람 이미지 프롬프트.md	
+++ b/10_Wiki/Topics/Design & Experience/치타 사람 이미지 프롬프트.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8EC391
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -20,9 +20,9 @@ github_commit: "[P-Reinforce] Continuous Worker - 치타 사람 이미지 프롬
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[VFX Particle Simulation]], [[Cinematic Sports Advertising]], [[Surrealism Concept Art]]
+- **Related Topics:** VFX Particle Simulation, Cinematic Sports Advertising, Surrealism Concept Art
     
-- **Projects/Contexts:** [[Sportswear Brand Campaign Visuals]]
+- **Projects/Contexts:** Sportswear Brand Campaign Visuals
     
 - **Contradictions/Notes:** 치타는 고체 형태의 동물이 아니라 수백만 개의 모래와 먼지로 이루어진 볼륨 시뮬레이션(Volumetric Simulation)이므로 경계면이 모래폭풍 속으로 자연스럽게 흩어지도록 연출 요망
     
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 치타 사람 이미지 프롬
 ---
 
 _Last updated: 2026년 4월 14일_
-- Raw Source: [[00_Raw/2026-04-20/치타 사람 이미지 프롬프트.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/컴포넌트 기반 웹 프레임워크 아키텍처 설계.md b/10_Wiki/Topics/Design & Experience/컴포넌트 기반 웹 프레임워크 아키텍처 설계.md
index 0140dbb5..545abbdd 100644
--- a/10_Wiki/Topics/Design & Experience/컴포넌트 기반 웹 프레임워크 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/컴포넌트 기반 웹 프레임워크 아키텍처 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F36267
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 컴포넌트 기반 웹 프레
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], [[마이크로 프론트엔드(Micro Frontends)]], [[Feature-Sliced Design(FSD)]], [[단일 책임 원칙(SRP)]]
-- **Projects/Contexts:** [[Spotify, Netflix, Amazon의 마이크로 프론트엔드 도입]], [[대규모 웹 애플리케이션의 폴더 구조 진화]]
+- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], 마이크로 프론트엔드(Micro Frontends), Feature-Sliced Design(FSD), [[단일 책임 원칙(SRP)]]
+- **Projects/Contexts:** Spotify, Netflix, Amazon의 마이크로 프론트엔드 도입, 대규모 웹 애플리케이션의 폴더 구조 진화
 - **Contradictions/Notes:** 컴포넌트 기반 아키텍처는 초기에 관심사 분리의 혁신으로 여겨졌으나, 점차 하나의 컴포넌트에 너무 많은 로직이 집중되며 독립성이 훼손되는 모순이 발생했습니다. 이를 해결하기 위해 기능 단위로 묶인 컴포넌트 내부에서 다시 데이터 로직과 뷰 로직의 역할을 나누는 계층적(Layer) 분리 방식이 재도입되었습니다 [4, 9, 12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/컴포넌트 기반 웹 프레임워크 아키텍처 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/클린 아키텍처 (Clean Architecture).md b/10_Wiki/Topics/Design & Experience/클린 아키텍처 (Clean Architecture).md
index e95b966e..ec6eae05 100644
--- a/10_Wiki/Topics/Design & Experience/클린 아키텍처 (Clean Architecture).md	
+++ b/10_Wiki/Topics/Design & Experience/클린 아키텍처 (Clean Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0A3765
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -43,5 +43,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 클린 아키텍처 (Clean Arc
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/클린 아키텍처 (Clean Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/클린 아키텍처(Clean Architecture).md b/10_Wiki/Topics/Design & Experience/클린 아키텍처(Clean Architecture).md
index 8cee9904..459852b8 100644
--- a/10_Wiki/Topics/Design & Experience/클린 아키텍처(Clean Architecture).md	
+++ b/10_Wiki/Topics/Design & Experience/클린 아키텍처(Clean Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2298F3
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,11 +38,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 클린 아키텍처(Clean Arch
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], [[의존성 역전 원칙(Dependency Inversion Principle)]], [[SOLID 원칙(SOLID Principles)]]
-- **Projects/Contexts:** [[안드로이드 애플리케이션(Android Applications)]], [[iOS 애플리케이션의 VIPER 패턴(VIPER Architecture)]], [[ASP.NET Core 애플리케이션]], [[넷플릭스 마이크로서비스(Netflix Microservices)]]
+- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], 의존성 역전 원칙(Dependency Inversion Principle), SOLID 원칙(SOLID Principles)
+- **Projects/Contexts:** 안드로이드 애플리케이션(Android Applications), iOS 애플리케이션의 VIPER 패턴(VIPER Architecture), ASP.NET Core 애플리케이션, 넷플릭스 마이크로서비스(Netflix Microservices)
 - **Contradictions/Notes:** 소스 출처 "Complete Guide to Clean Architecture - GeeksforGeeks"는 클린 아키텍처가 시스템의 장기적인 유지보수성, 테스트 가능성, 유연성을 제공한다고 강조하지만, 동시에 도입 초기에는 여러 추상화 계층을 구축해야 하므로 초기 개발 시간이 증가하고 오버엔지니어링(Over-Engineering)에 빠질 위험이 있다고 지적합니다. 따라서 실용적인 관점과의 균형 유지가 필수적입니다 [21], [19].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/클린 아키텍처(Clean Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/클린 아키텍처.md b/10_Wiki/Topics/Design & Experience/클린 아키텍처.md
index 9d4a9fab..a19c4782 100644
--- a/10_Wiki/Topics/Design & Experience/클린 아키텍처.md	
+++ b/10_Wiki/Topics/Design & Experience/클린 아키텍처.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-417677
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 클린 아키텍처"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리]], [[의존성 규칙]], [[의존성 역전 원칙]], [[SOLID 원칙]]
-- **Projects/Contexts:** [[Netflix 마이크로서비스]], [[Android 애플리케이션 아키텍처]], [[VIPER 아키텍처]]
+- **Related Topics:** 관심사의 분리, 의존성 규칙, 의존성 역전 원칙, [[SOLID 원칙]]
+- **Projects/Contexts:** Netflix 마이크로서비스, Android 애플리케이션 아키텍처, VIPER 아키텍처
 - **Contradictions/Notes:** 클린 아키텍처는 시스템의 유지보수성과 유연성을 극대화하지만, 동시에 여러 계층과 추상화의 추가로 인해 초기 개발 시간이 늘어나고 구조가 복잡해지는 '오버 엔지니어링'의 위험을 동반하므로 실용성과의 적절한 균형이 필요하다는 점을 주의해야 합니다 [18].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/클린 아키텍처.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/타입 가드 (Type Guards).md b/10_Wiki/Topics/Design & Experience/타입 가드 (Type Guards).md
index bde41260..b8ba830d 100644
--- a/10_Wiki/Topics/Design & Experience/타입 가드 (Type Guards).md	
+++ b/10_Wiki/Topics/Design & Experience/타입 가드 (Type Guards).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5D0418
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 가드 (Type Guards)"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Narrowing]], [[Union Types]], [[Type Predicates]], [[unknown type]]
-- **Projects/Contexts:** [[외부 API의 불확실한(unknown) 데이터 검증 로직]], [[복잡한 유니온 타입 분기 처리]]
+- **Related Topics:** Type Narrowing, [[Union Types]], Type Predicates, unknown type
+- **Projects/Contexts:** 외부 API의 불확실한(unknown) 데이터 검증 로직, 복잡한 유니온 타입 분기 처리
 - **Contradictions/Notes:** 사용자 정의 타입 가드는 타입 좁히기에 매우 유용하지만, TypeScript가 내부 판별 로직의 논리적 오류를 잡아주지 못하기 때문에 개발자의 부주의로 인해 타입 안정성이 훼손될 위험이 존재합니다 [5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 가드 (Type Guards).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/타입 별칭 (Type Alias).md b/10_Wiki/Topics/Design & Experience/타입 별칭 (Type Alias).md
index d7fdcd1f..ae602358 100644
--- a/10_Wiki/Topics/Design & Experience/타입 별칭 (Type Alias).md	
+++ b/10_Wiki/Topics/Design & Experience/타입 별칭 (Type Alias).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-37A8A8
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 별칭 (Type Alias)"
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[인터페이스 (Interface)]], [[유니온 타입 (Union Types)]], [[구조적 타이핑 (Structural Typing)]], [[선언 병합 (Declaration Merging)]]
+- **Related Topics:** 인터페이스 (Interface), 유니온 타입 (Union Types), 구조적 타이핑 (Structural Typing), 선언 병합 (Declaration Merging)
 - **Projects/Contexts:** [[대규모 TypeScript 프로젝트의 컴파일 성능 최적화]], [[견고한 도메인 모델 및 API 계약 설계]]
 - **Contradictions/Notes:** TypeScript 핸드북 및 성능 가이드라인은 컴파일러의 캐싱 이점과 성능 최적화를 이유로 객체 확장 시 교집합을 사용하는 타입 별칭보다 인터페이스 상속(extends)을 사용할 것을 권장합니다 [8-10]. 하지만 실무 현장에서는 의도치 않은 선언 병합을 방지하고 유연성을 얻고자 린팅(Linting) 규칙을 통해 인터페이스 사용을 아예 금지하고 타입 별칭(Type Alias)만을 전면적으로 사용하는 개발 팀들도 많아 명확한 대립이 존재합니다 [4, 6, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 별칭 (Type Alias).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/테스트 용이성 (Testability).md b/10_Wiki/Topics/Design & Experience/테스트 용이성 (Testability).md
index 3790faee..f5a22eb8 100644
--- a/10_Wiki/Topics/Design & Experience/테스트 용이성 (Testability).md	
+++ b/10_Wiki/Topics/Design & Experience/테스트 용이성 (Testability).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BF1A40
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 테스트 용이성 (Testabili
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[의존성 주입 (Dependency Injection)]], [[클린 아키텍처 (Clean Architecture)]], [[테스트 더블 (Test Double)]]
-- **Projects/Contexts:** [[소프트웨어 아키텍처 설계]], [[AI 시스템 아키텍처 개발]], [[마이크로서비스 아키텍처 구축]]
+- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[의존성 주입 (Dependency Injection)]], [[클린 아키텍처 (Clean Architecture)]], 테스트 더블 (Test Double)
+- **Projects/Contexts:** [[소프트웨어 아키텍처 설계]], AI 시스템 아키텍처 개발, 마이크로서비스 아키텍처 구축
 - **Contradictions/Notes:** 모의 객체(Mock)와 스텁(Stub) 사용에 있어, 테스트를 단순하게 하고 외부 시스템으로부터 코드를 보호해 준다는 강력한 장점이 있지만, 너무 남용할 경우 코드가 실제와 다르게 동작할 수 있고 구현 세부 사항과 강하게 결합되어 테스트의 신뢰성을 떨어뜨릴 수 있다는 classicist 관점의 경고가 존재합니다 [19, 20].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/테스트 용이성 (Testability).md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 구조화.md b/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 구조화.md
index 00543dca..9140d3df 100644
--- a/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 구조화.md	
+++ b/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 구조화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-353103
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 프론트엔드 컴포넌트 
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리]], [[Feature-Sliced Design]], [[단일 책임 원칙 (SRP)]], [[Atomic Design Pattern]]
+- **Related Topics:** 관심사의 분리, [[Feature-Sliced Design]], [[단일 책임 원칙 (SRP)]], [[Atomic Design Pattern]]
 - **Projects/Contexts:** [[대규모 프론트엔드 웹 프로젝트 폴더 구조화]], [[컴포넌트 기반 웹 프레임워크 아키텍처 설계]]
 - **Contradictions/Notes:** 초기 웹 개발은 HTML, CSS, JS라는 역할 중심의 계층 구조로 이루어졌으나, 컴포넌트 패러다임의 등장으로 기능 중심의 융합 구조로 변하였습니다 [1, 3]. 하지만 컴포넌트 비대화와 결합도 증가라는 복잡성 문제가 다시 발생함에 따라, 현대에는 컴포넌트 내외부를 다시 세분화된 역할과 기능(Feature) 단위로 분리하는 FSD 아키텍처 구조로 나아가는 진화 흐름을 보입니다 [2, 4, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/프론트엔드 컴포넌트 구조화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 설계.md b/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 설계.md
index b97ee8da..9be8d8d6 100644
--- a/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/프론트엔드 컴포넌트 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F2362F
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 프론트엔드 컴포넌트 
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (SoC)]], [[단일 책임 원칙 (SRP)]], [[아토믹 디자인 패턴 (Atomic Design Pattern)]], [[단방향 데이터 흐름]], [[FSD (Feature-Sliced Design)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 애플리케이션 아키텍처 구축 및 리팩토링]]
+- **Related Topics:** [[관심사의 분리 (SoC)]], [[단일 책임 원칙 (SRP)]], 아토믹 디자인 패턴 (Atomic Design Pattern), 단방향 데이터 흐름, [[FSD (Feature-Sliced Design)]]
+- **Projects/Contexts:** 대규모 프론트엔드 애플리케이션 아키텍처 구축 및 리팩토링
 - **Contradictions/Notes:** 소스에서는 시각적 형태가 비슷하다고 무작정 동일한 컴포넌트로 묶는 것을 프론트엔드 개발자들이 흔히 하는 실수로 지적합니다. 데이터(도메인)가 다를 경우 결합도가 급증하여 오히려 유지보수성이 저해되므로, UI 컴포넌트와 도메인 컴포넌트를 명확히 분리해야 한다고 강조합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/프론트엔드 컴포넌트 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Experience/현대 웹 애플리케이션 설계.md b/10_Wiki/Topics/Design & Experience/현대 웹 애플리케이션 설계.md
index 4e57c443..e502a3f5 100644
--- a/10_Wiki/Topics/Design & Experience/현대 웹 애플리케이션 설계.md	
+++ b/10_Wiki/Topics/Design & Experience/현대 웹 애플리케이션 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-21E1FE
-category: "[[10_Wiki/💡 Topics/Design & Experience]]"
+category: "10_Wiki/💡 Topics/Design & Experience"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 현대 웹 애플리케이션
 - **정책 변화:** Design & Experience 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(SoC)]], [[마이크로서비스 아키텍처]], [[마이크로 프론트엔드]], [[클린 아키텍처]], [[Feature-Sliced Design (FSD)]], [[API 우선 아키텍처]]
-- **Projects/Contexts:** [[넷플릭스(Netflix) 마이크로서비스 도입]], [[스포티파이(Spotify) 스쿼드 모델 및 마이크로 프론트엔드]]
+- **Related Topics:** [[관심사의 분리(SoC)]], 마이크로서비스 아키텍처, [[마이크로 프론트엔드]], [[클린 아키텍처]], [[Feature-Sliced Design (FSD)]], API 우선 아키텍처
+- **Projects/Contexts:** 넷플릭스(Netflix) 마이크로서비스 도입, 스포티파이(Spotify) 스쿼드 모델 및 마이크로 프론트엔드
 - **Contradictions/Notes:** 마이크로서비스나 모듈화를 통한 관심사의 분리는 개발 및 배포의 완벽한 독립성을 제공하는 것처럼 보이지만, 횡단 관심사(Cross-cutting concerns)나 공유 데이터 구조 변경 시에는 여러 서비스가 간접적으로 결합되어 파급 효과가 발생할 수 있다는 맹점이 존재한다 [34-36]. 또한, 과도한 계층 분리와 추상화는 네트워크 지연 시간 증가, 데이터 변환 오버헤드, 가독성 저하 등의 '오버엔지니어링'을 초래할 수 있으므로 프로젝트의 규모와 실용성에 맞춘 적절한 트레이드오프와 조율이 필요하다 [37-39].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/현대 웹 애플리케이션 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Design & Web Performance/Core Web Vitals.md b/10_Wiki/Topics/Design & Web Performance/Core Web Vitals.md
index 781e035a..addd2aea 100644
--- a/10_Wiki/Topics/Design & Web Performance/Core Web Vitals.md	
+++ b/10_Wiki/Topics/Design & Web Performance/Core Web Vitals.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-045
-category: "[[10_Wiki/💡 Topics/Design & Web Performance]]"
+category: "10_Wiki/💡 Topics/Design & Web Performance"
 confidence_score: 0.98
 tags: [web, performance, web vitals, user experience]
 last_reinforced: 2026-06-XX
@@ -27,5 +27,5 @@ github_commit: "[P-Reinforce] Processed Core_Web_Vitals.md"
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Web Performance Optimization]]
 - Related: [[Largest Contentful Paint (LCP)]] , [[Interaction to Next Paint (INP)]] , [[Cumulative Layout Shift (CLS)]]
-- Raw Source: [[00_Raw/Core_Web_Vitals.md]]
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Design/Accessibility.md b/10_Wiki/Topics/Design/Accessibility.md
index b9f40767..973b53c4 100644
--- a/10_Wiki/Topics/Design/Accessibility.md
+++ b/10_Wiki/Topics/Design/Accessibility.md
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-DESIGN-001
-category: "[[10_Wiki/💡 Topics/Design]]"
+category: "10_Wiki/💡 Topics/Design"
 confidence_score: 0.94
 tags: [design, accessibility, a11y, ux]
 last_reinforced: 2026-04-20
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-01"
 - **정책 변화:** 사용자 만족도(w3)의 필수 지표로 접근성 점수를 채택.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Design]]
-- **Related:** [[WCAG]], [[Inclusive-Design]], [[ARIA]]
-- **Raw Source:** [[00_Raw/2026-04-20/Accessibility (A11y).md]]
+- **Parent:** 10_Wiki/💡 Topics/Design
+- **Related:** WCAG, Inclusive-Design, ARIA
+- **Raw Source:** 00_Raw/2026-04-20/Accessibility (A11y).md
diff --git a/10_Wiki/Topics/Design/Cognitive_Load.md b/10_Wiki/Topics/Design/Cognitive_Load.md
index f6a2656c..99c22538 100644
--- a/10_Wiki/Topics/Design/Cognitive_Load.md
+++ b/10_Wiki/Topics/Design/Cognitive_Load.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-DESIGN-004
-category: "[[10_Wiki/💡 Topics/Design]]"
+category: "10_Wiki/💡 Topics/Design"
 confidence_score: 0.94
 tags: [design, hci, psychology, cognitive-load]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-07"
 ---
 
-# [[Cognitive Load Theory (인지 부하 이론)]]
+# Cognitive Load Theory (인지 부하 이론)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 우리 뇌의 작업 기억(Working Memory) 용량은 한정되어 있음을 인정하고, 정보 전달의 효율을 위해 마찰을 설계하는 기술.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-07"
 - **정책 변화:** 사용자 만족도(w3) 지표로 인지 부하 측정 가이던스 도입.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Design]]
-- **Related:** [[HCI]], [[UX-Design]], [[Inclusive_Design]]
-- **Raw Source:** [[00_Raw/2026-04-20/Cognitive Load Theory.md]]
+- **Parent:** 10_Wiki/💡 Topics/Design
+- **Related:** [[HCI]], UX-Design, [[Inclusive_Design]]
+- **Raw Source:** 00_Raw/2026-04-20/Cognitive Load Theory.md
diff --git a/10_Wiki/Topics/Design/CrUX.md b/10_Wiki/Topics/Design/CrUX.md
index 54c29841..afe67a6d 100644
--- a/10_Wiki/Topics/Design/CrUX.md
+++ b/10_Wiki/Topics/Design/CrUX.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-DESIGN-005
-category: "[[10_Wiki/💡 Topics/Design]]"
+category: "10_Wiki/💡 Topics/Design"
 confidence_score: 0.89
 tags: [design, web, ux, performance, crux]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-07"
 ---
 
-# [[Chrome User Experience Report (CrUX)]]
+# Chrome User Experience Report (CrUX)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 실제 사용자가 웹에서 느끼는 속도와 사용성을 데이터로 입증하며 제품 개선의 근거를 제시하는 성능 리포트.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-07"
 - **정책 변화:** 사용자 만족도(w3) 측정 시 CrUX 리포트의 성능 지표를 가중치로 적극 반영.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Design]]
-- **Related:** [[Core-Web-Vitals]], [[Performance-Optimization]], [[UX-Design]]
-- **Raw Source:** [[00_Raw/2026-04-20/Chrome User Experience Report (CrUX).md]]
+- **Parent:** 10_Wiki/💡 Topics/Design
+- **Related:** [[Core-Web-Vitals]], Performance-Optimization, UX-Design
+- **Raw Source:** 00_Raw/2026-04-20/Chrome User Experience Report (CrUX).md
diff --git a/10_Wiki/Topics/Design/HCI.md b/10_Wiki/Topics/Design/HCI.md
index 2d28557c..6a932c79 100644
--- a/10_Wiki/Topics/Design/HCI.md
+++ b/10_Wiki/Topics/Design/HCI.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-DESIGN-003
-category: "[[10_Wiki/💡 Topics/Design]]"
+category: "10_Wiki/💡 Topics/Design"
 confidence_score: 0.96
 tags: [design, hci, ux, cognitive]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-06"
 ---
 
-# [[Human-Computer Interaction (HCI)]]
+# Human-Computer Interaction (HCI)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 기계의 효율성과 인간의 인지를 잇는 접점에서, 가장 마찰 없는(Frictionless) 소통의 언어를 설계하는 학문.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-06"
 - **정책 변화:** 지식 구조(w2) 관점에서 AI 인터페이스 설계 가이드라인의 중추로 설정.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Design]]
-- **Related:** [[UX-Design]], [[Cognitive-Load]], [[Fitts-Law]]
-- **Raw Source:** [[00_Raw/2026-04-20/Human-Computer-Interaction.md]]
+- **Parent:** 10_Wiki/💡 Topics/Design
+- **Related:** UX-Design, Cognitive-Load, Fitts-Law
+- **Raw Source:** 00_Raw/2026-04-20/Human-Computer-Interaction.md
diff --git a/10_Wiki/Topics/Design/Inclusive_Design.md b/10_Wiki/Topics/Design/Inclusive_Design.md
index 9ad1993e..c8749664 100644
--- a/10_Wiki/Topics/Design/Inclusive_Design.md
+++ b/10_Wiki/Topics/Design/Inclusive_Design.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-DESIGN-002
-category: "[[10_Wiki/💡 Topics/Design]]"
+category: "10_Wiki/💡 Topics/Design"
 confidence_score: 0.94
 tags: [design, inclusive, universal, accessibility]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-06"
 ---
 
-# [[Inclusive Design (포용적 설계)]]
+# Inclusive Design (포용적 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 인간의 다양성을 설계의 중심에 두고, 특정 그룹을 배제하지 않는 보편적 접근을 통해 기술의 인간성을 실현하는 일.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-06"
 - **정책 변화:** 사용자 만족도(w3) 피드백에서 '포용성 점수'의 비준을 강화.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Design]]
-- **Related:** [[Accessibility]], [[ISO-9241]], [[User-Centered-Design]]
-- **Raw Source:** [[00_Raw/2026-04-20/Universal-Design-Principles.md]]
+- **Parent:** 10_Wiki/💡 Topics/Design
+- **Related:** [[Accessibility]], ISO-9241, User-Centered-Design
+- **Raw Source:** 00_Raw/2026-04-20/Universal-Design-Principles.md
diff --git a/10_Wiki/Topics/Economics & Algorithms/CPI (Cost Per Install).md b/10_Wiki/Topics/Economics & Algorithms/CPI (Cost Per Install).md
index 5010e879..836ada47 100644
--- a/10_Wiki/Topics/Economics & Algorithms/CPI (Cost Per Install).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/CPI (Cost Per Install).md	
@@ -11,7 +11,7 @@ CPI(Cost Per Install, 설치당 비용)는 무료 플레이(Free-to-Play) 모바
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[LTV (Lifetime Value)]], [[User Acquisition (UA)]], [[4X Strategy]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 소스에 따르면 높은 CPI는 일반적으로 게임 출시에 부정적인 요소 및 진입 장벽으로 작용하지만 [3, 4], 4X 장르처럼 막대한 LTV가 보장되는 환경에서는 오히려 경쟁사를 압도하고 시장을 독점하기 위한 공격적인 무기로 활용됩니다 [1].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Continuous Obsolescence.md b/10_Wiki/Topics/Economics & Algorithms/Continuous Obsolescence.md
index 319986c4..a7b5d06a 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Continuous Obsolescence.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Continuous Obsolescence.md	
@@ -10,8 +10,8 @@
 - **끝없는 러닝머신 (Endless treadmill) 다크 패턴:** 이러한 지속적인 콘텐츠 추가와 구식화는 유저로 하여금 게임 내에 항상 더 달성해야 할 일이 남아있다고 느끼게 만드는 '끝없는 러닝머신(Endless treadmill)' 다크 패턴 전략으로도 분석됩니다 [6]. 이 구조는 지속적으로 증가하는 난이도나 반복 작업(Grinding)을 우회하기 위해 '과금으로 건너뛰기(Pay-to-skip)' 옵션을 선택하도록 유저들을 유도합니다 [6-8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Power Creep]], [[Content Treadmills]], [[LiveOps]], [[Dark Patterns]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Related Topics:** [[Power Creep]], Content Treadmills, [[LiveOps]], Dark Patterns
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스 내용 중 직접적인 모순은 없으나, 이러한 지속적 구식화 시스템은 모바일 4X 게임에서 타의 추종을 불허하는 높은 유저 생애 가치(LTV)와 매출을 발생시키는 핵심 전략임과 동시에, 유저를 심리적으로 착취하는 약탈적 수익 창출 기법(Predatory Monetization)의 대표적 사례로 규제와 윤리적 비판의 대상이 된다는 점을 명시하고 있습니다 [9-13].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Dynamic Offers.md b/10_Wiki/Topics/Economics & Algorithms/Dynamic Offers.md
index 111d9f19..a0c3e430 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Dynamic Offers.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Dynamic Offers.md	
@@ -9,8 +9,8 @@
 * **유저 맞춤형 번들 구성 (Tailored Bundles):** 다이내믹 오퍼는 단순히 가격만 변하는 것이 아니라 개별 유저에 맞춰 정교하게 구성됩니다 [5]. 특히 고액 결제 단계에서는 패키지의 체감 가치를 부풀리기 위한 잉여 아이템들을 대거 포함하는 동시에, 해당 유저의 성장에 실질적인 병목이 되고 있는 핵심 아이템(희귀 연구 재료나 고등급 보석 등)을 소량만 포함시켜 지속적인 결제를 유도하도록 설계됩니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Staircase Monetization]], [[Behavioral Segmentation]], [[Real-Time Engine (RTE)]], [[Willingness to Pay]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** [[Staircase Monetization]], [[Behavioral Segmentation]], [[Real-Time Engine (RTE)]], Willingness to Pay
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 제공된 소스 내에서 다이내믹 오퍼 시스템의 효과나 작동 방식에 대한 상반된 주장이나 모순은 존재하지 않습니다. 모든 소스는 이 동적 제안 시스템이 유저의 LTV(고객 생애 가치)와 ARPDAU(일일 활성 유저 평균 결제액)를 기록적인 수준으로 극대화하는 데 매우 강력하고 정교하게 작용한다고 일관되게 분석하고 있습니다 [2, 4, 7].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing & Offers.md b/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing & Offers.md
index 9cb41d41..9f00d642 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing & Offers.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing & Offers.md	
@@ -11,8 +11,8 @@
 *   **맞춤형 번들 (Customizable Bundles):** 플레이어가 직접 세트 메뉴처럼 원하는 화폐, 자원, 부스트를 선택하여 자신만의 이상적인 번들을 구성할 수 있는 기능도 지원합니다 [10, 11]. 이는 플레이어에게 통제감을 주어 구매 시의 마찰(Friction)을 줄이고 결제 전환율을 높이는 효과적인 장치로 작용합니다 [10].
 
 ## 🔗 Knowledge Connections
-*   **Related Topics:** [[Staircase Monetization]], [[Willingness to Pay (WTP)]], [[Real-Time Engine (RTE)]], [[Whale Hunting]], [[Predatory Monetisation]]
-*   **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]]
+*   **Related Topics:** [[Staircase Monetization]], [[Willingness to Pay (WTP)]], [[Real-Time Engine (RTE)]], [[Whale Hunting]], Predatory Monetisation
+*   **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ), [[Mobile Strike]], Final Fantasy XV: A New Empire
 *   **Contradictions/Notes:** 동적 가격 책정은 단기적인 수익 극대화와 높은 LTV(평생 가치) 달성에는 매우 효과적이나, 플레이어 입장에서는 매몰 비용 오류(Sunk Cost Fallacy)와 FOMO를 악용하는 '약탈적이고 공격적인 수익 창출 기법'이라는 비판과 윤리적 논란을 동시에 낳고 있습니다 [12-14].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing.md b/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing.md
index 07845716..36a44112 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Dynamic Pricing.md	
@@ -10,7 +10,7 @@ Game of War에 적용된 다이내믹 프라이싱(Dynamic Pricing)은 모든 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Staircase Monetization]], [[Willingness to Pay (WTP)]], [[Behavioral Segmentation]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 소스 전반에 걸쳐 Game of War의 다이내믹 프라이싱이 전통적인 정찰제 시스템보다 LTV(유저 생애 가치)를 극대화하는 데 탁월한 효과를 보인다는 점에 일치된 의견을 보이고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 구조.md b/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 구조.md
index fc8dc672..bb03c76e 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 구조.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 구조.md	
@@ -1,4 +1,4 @@
-# [[Game of War: Fire Age BM 구조]]
+# Game of War: Fire Age BM 구조
 
 ## 📌 Brief Summary
 Game of War: Fire Age의 비즈니스 모델(BM)은 깊은 소셜 엔지니어링과 실시간 데이터 분석을 기반으로 한 공격적인 부분 유료화(Freemium) 구조입니다 [1, 2]. 이 게임은 모든 플레이어에게 고정된 상품을 판매하는 대신, 유저의 지불 의향을 극대화하기 위해 맞춤형 오퍼와 가격이 점진적으로 상승하는 '계단식(Staircase)' 수익화 모델을 채택하고 있습니다 [3, 4]. 또한 이중 구조의 VIP 시스템, 무한한 자원 소모처(Infinite sink), 그리고 영구적 손실에 기반한 다크 패턴을 결합하여 고래 유저(Whale)들의 엄청난 장기 지출을 이끌어냅니다 [5-8].
@@ -20,8 +20,8 @@ Game of War: Fire Age의 비즈니스 모델(BM)은 깊은 소셜 엔지니어
   Game of War의 전투는 패배 시 부대가 완전히 삭제되는 '영구적 손실(Permanent loss)'을 특징으로 합니다 [15, 16]. 플레이어는 자신이 투자한 수천 달러의 가치와 제국이 잿더미가 되는 것을 막기 위해, 매몰 비용 오류(Sunk Cost Fallacy)에 빠져 병력 회복이나 방어막(Shield) 아이템에 또다시 엄청난 돈을 쓰게 됩니다 [7, 17]. 이는 타이머와 한정 시간 배너를 이용한 FOMO(소외 불안) 조장, 기본 편의성 기능의 유료화와 더불어 대표적인 '약탈적 수익화(Predatory monetization)' 기법으로 분석됩니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], [[이중 구조 VIP 시스템]], [[Real-Time Engine (RTE)]], [[다크 패턴 (Dark Patterns)]], [[고래 유저 (Whale)]]
-- **Projects/Contexts:** [[4X Strategy Games]], [[Game of War: Fire Age]]
+- **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], 이중 구조 VIP 시스템, [[Real-Time Engine (RTE)]], [[다크 패턴 (Dark Patterns)]], 고래 유저 (Whale)
+- **Projects/Contexts:** 4X Strategy Games, Game of War: Fire Age
 - **Contradictions/Notes:** Game of War의 이러한 BM 구조는 전례 없는 LTV(Lifetime Value)와 매일 100만 달러 이상의 수익을 발생시키는 상업적 대성공을 거두었으나 [18, 19], 과도한 푸시형 광고, 지속적인 결제를 강제하는 게임 디자인 등으로 인해 평론가와 학계로부터 "약탈적이고 가장 노골적인 현금 긁어모으기(Cash grab)"라는 강도 높은 윤리적 비판을 받고 있습니다 [7, 20, 21].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 및 게임 구조 분석.md b/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 및 게임 구조 분석.md
index be8ca8b2..53cb6bdd 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 및 게임 구조 분석.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM 및 게임 구조 분석.md	
@@ -1,4 +1,4 @@
-# [[Game of War: Fire Age BM 및 게임 구조 분석]]
+# Game of War: Fire Age BM 및 게임 구조 분석
 
 ## 📌 Brief Summary
 Game of War: Fire Age는 2013년 Machine Zone(MZ)이 출시한 모바일 4X 전략 MMO 게임으로, 모바일 게임 시장의 수익화 모델에 거대한 변화를 가져왔습니다 [1, 2]. 이 게임은 실시간 글로벌 번역과 연맹 시스템을 통한 깊은 사회적 상호작용을 바탕으로 멈추지 않는 권력 투쟁을 유도합니다 [1, 3, 4]. 특히, 플레이어의 지출을 극대화하는 '계단식(Staircase)' 수익화 모델과 지속적인 파워 인플레이션, 영구적 손실 기믹을 결합하여 모바일 게임 역사상 가장 높은 유저당 평균 결제액(ARPPU)을 기록한 것이 특징입니다 [1, 5, 6].
@@ -18,7 +18,7 @@ Game of War: Fire Age는 2013년 Machine Zone(MZ)이 출시한 모바일 4X 전
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[4X Strategy]], [[Staircase Monetization]], [[VIP System]], [[LiveOps]], [[Real-Time Engine (RTE)]], [[Kingdom vs. Kingdom (KvK)]], [[Power Creep]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]]
+- **Projects/Contexts:** Machine Zone (MZ), [[Mobile Strike]], Final Fantasy XV: A New Empire
 - **Contradictions/Notes:** Game of War의 공격적인 수익화, 끝없는 시간 지연 유도, '돈으로 이기는(Pay-to-Win)' 구조 및 매몰 비용의 오류를 악용하는 다크 패턴은 리뷰어들과 학계로부터 '약탈적 수익화(Predatory Monetization)'라는 강한 비판을 받았습니다 [12, 43, 44]. 하지만 역설적으로 이 수익화 모델과 시스템은 플레이어의 평생 가치(LTV)를 극한으로 끌어올리며 상업적 대성공을 거두었고, 이후 모바일 전략 장르의 지배적인 산업 표준(블루프린트)으로 자리 잡았습니다 [1, 45-47].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM.md b/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM.md
index 19dff646..6bdc356a 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Game of War- Fire Age BM.md	
@@ -1,4 +1,4 @@
-# [[Game of War: Fire Age BM]]
+# Game of War: Fire Age BM
 
 ## 📌 Brief Summary
 'Game of War: Fire Age'의 비즈니스 모델(BM)은 프리미엄(Freemium) 기반에 공격적이고 고도화된 '계단식(Staircase) 과금 모델'을 결합한 형태입니다 [1, 2]. 플레이어의 지불 의향(WTP)을 극대화하기 위해 동적 가격 책정과 상황별 맞춤형 패키지를 제공하며, 인게임 경제와 소셜 압박을 통해 지속적인 지불을 유도합니다 [2, 3]. 특히 병력의 영구적 손실과 이중 구조의 VIP 시스템 등 게임의 핵심 루프와 BM이 깊게 결합되어 있어 결제 유저(특히 고래 유저)에게서 막대한 생애 가치(LTV)를 창출해 내는 것이 특징입니다 [1, 4, 5].
@@ -11,7 +11,7 @@
 *   **카지노 스타일의 무한한 경제 스케일 (Casino-Style Scalability)**: 지출 상한선이 없는 무한히 확장 가능한 경제 구조를 구축하여 카지노와 유사한 방식으로 유저의 심리를 자극합니다 [13, 14]. 지속적인 파워 인플레이션(Power Creep)과 상한선 없는 경쟁을 통해 고래 유저들의 지출을 극한으로 끌어냈으며, 그 결과 2015년 기준 결제 유저당 평균 수익(ARPPU)이 모바일 업계 평균의 약 7배에 달하는 $549.69를 기록했습니다 [13, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Staircase Monetization]], [[VIP System]], [[Permanent Loss]], [[Dark Patterns]]
+- **Related Topics:** [[Staircase Monetization]], [[VIP System]], [[Permanent Loss]], Dark Patterns
 - **Projects/Contexts:** [[Game of War  BM과 구조 조사]], [[Machine Zone]]
 - **Contradictions/Notes:** 소스들에 따르면 Game of War의 BM은 상업적으로 전례 없는 성공을 거두고 모바일 4X 전략 장르의 수익화 표준이 되었으나, '매몰 비용 오류(Sunk Cost Fallacy)'와 'FOMO' 등을 악용해 끊임없는 지불을 압박하는 다크 패턴(Dark Patterns) 및 약탈적 과금(Predatory Monetisation) 기법이라는 거센 비판과 윤리적 논란의 대상이 되기도 했습니다 [16, 17].
 
diff --git a/10_Wiki/Topics/Economics & Algorithms/Kick-back System.md b/10_Wiki/Topics/Economics & Algorithms/Kick-back System.md
index 38e2d46f..28fa6c7a 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Kick-back System.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Kick-back System.md	
@@ -9,8 +9,8 @@
 - **과금에 대한 사회적 압박(Social Pressure):** 킥백 시스템은 단순한 보상 공유를 넘어 게임의 핵심 BM(비즈니스 모델)으로 기능합니다. 다른 사람들에게 자신이 동맹을 위해 기여하고 있음을 보여주어야 한다는 특정한 압박감을 지속적으로 부여하기 때문에, 유저들은 자연스럽게 지갑을 열게 됩니다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Alliance]], [[In-App Purchase (IAP)]], [[Speed-Ups]], [[Social Engineering]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM]]
+- **Related Topics:** Alliance, In-App Purchase (IAP), Speed-Ups, [[Social Engineering]]
+- **Projects/Contexts:** Game of War: Fire Age BM
 - **Contradictions/Notes:** 소스 내에서 킥백 시스템에 대한 상충되는 의견은 없으나, 어떤 종류의 아이템이 킥백으로 지급되는지(가속 아이템 외)에 대한 세부적인 정보는 소스에 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/LTV (Lifetime Value).md b/10_Wiki/Topics/Economics & Algorithms/LTV (Lifetime Value).md
index 1ae12dda..d5e60f25 100644
--- a/10_Wiki/Topics/Economics & Algorithms/LTV (Lifetime Value).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/LTV (Lifetime Value).md	
@@ -14,8 +14,8 @@ LTV (Lifetime Value, 생애 가치)는 무료 플레이(Free-to-Play) 게임 등
   4X 장르의 개발사들은 플레이어의 LTV 성장을 지원하기 위해 접근 방식을 달리한다 [8]. 일부는 게임 초반 세션부터 흥미를 유발하여 적극적인 지출을 유도하는 '초기 수익화(early monetization)' 전략에 베팅하는 반면, 다른 일부는 초반 수익화 압박을 줄이고 플레이어와 장기적인 신뢰를 구축하여 장기 지출 잠재력에 집중하는 방식을 취한다 [8]. Machine Zone과 같은 회사는 자사 4X 게임이 지닌 최고 수준의 LTV를 무기로 삼아, 트래픽을 확보하기 위한 경쟁사와의 입찰 경쟁에서 극도로 공격적이고 무자비한 사용자 확보(UA) 전략을 구사할 수 있었다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Cost per Install (CPI)]], [[User Acquisition (UA)]], [[Staircase Monetization Model]]
-- **Projects/Contexts:** [[Game of War BM과 구조 조사]], [[Free-to-Play 모바일 게임 비즈니스]]
+- **Related Topics:** Cost per Install (CPI), [[User Acquisition (UA)]], [[Staircase Monetization Model]]
+- **Projects/Contexts:** [[Game of War BM과 구조 조사]], Free-to-Play 모바일 게임 비즈니스
 - **Contradictions/Notes:** 소스 문헌들은 4X 전략 게임이 업계 최고 수준의 LTV를 지닌다는 점에 동의하지만, LTV 성장을 이끌어내는 구체적인 접근법에 대해서는 게임의 첫 세션부터 강하게 수익화를 추진하는 방식과 장기적 신뢰 및 참여를 먼저 구축하는 방식의 서로 다른 두 가지 전략이 시장에 공존하고 있음을 지적합니다 [8].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Lifetime Value (LTV).md b/10_Wiki/Topics/Economics & Algorithms/Lifetime Value (LTV).md
index 7270af9b..5c515fb2 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Lifetime Value (LTV).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Lifetime Value (LTV).md	
@@ -11,8 +11,8 @@ Lifetime Value(LTV, 고객 생애 가치)는 사용자가 앱이나 게임을 
 - **구독 모델에서의 LTV 측정**: 게임뿐만 아니라 일반적인 구독 기반 상품을 가격 책정할 때도 LTV를 수익 곡선(Revenue curve) 및 이익 시뮬레이션에 중요한 요소로 포함시킵니다. 보유율(Retention) 가정을 적용하고 고객 획득 비용(CAC)을 반영하여 LTV 수준의 가치를 도출하고 옵션을 비교합니다 [12-14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Cost per Install (CPI)]], [[Monetization]], [[4X Strategy]], [[Willingness to Pay (WTP)]], [[Social Engineering]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone]]
+- **Related Topics:** Cost per Install (CPI), Monetization, [[4X Strategy]], [[Willingness to Pay (WTP)]], [[Social Engineering]]
+- **Projects/Contexts:** Game of War: Fire Age, [[Machine Zone]]
 - **Contradictions/Notes:** 소스에 명시적인 모순은 없으나, 4X 게임 시장에서 LTV를 극대화하기 위한 방향성으로 초기에 강력하게 결제를 유도하는 즉각적(Immediate) 전략과 몰입도를 높여 장기적 LTV를 추구하는 점진적(Gradual) 전략 두 가지 대조적인 방식이 성공 모델로 공존하고 있음을 보여줍니다 [9].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Market Entry Strategy.md b/10_Wiki/Topics/Economics & Algorithms/Market Entry Strategy.md
index e8a89783..9b3d1172 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Market Entry Strategy.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Market Entry Strategy.md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Mutually Exclusive and Collectively Exhaustive (MECE)]], [[McKinsey Problem Solving]]
-- **Projects/Contexts:** [[Growth Strategy Development]], [[Corporate Restructuring]]
+- **Projects/Contexts:** Growth Strategy Development, Corporate Restructuring
 - **Contradictions/Notes:** 제공된 자료에서는 시장 진입 전략의 구체적인 세부 프레임워크보다, 이를 분석할 때 MECE 구조를 어떻게 적용하는지에 대한 예시 위주로 설명되어 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Monetization (BM).md b/10_Wiki/Topics/Economics & Algorithms/Monetization (BM).md
index a576502b..ce4a0707 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Monetization (BM).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Monetization (BM).md	
@@ -20,8 +20,8 @@ Game of War의 수익화(Monetization) 모델은 플레이어의 지불 의향(W
   이 게임의 수익화 구조는 여러 학자와 규제 기관으로부터 약탈적 수익화(Predatory Monetization)의 대표적 사례로 비판받고 있습니다 [6]. 제한 시간이 있는 타이머를 띄워 인공적인 긴박함(FOMO)을 유발하고, 기본 편의성이나 소셜 조정 기능에까지 과금을 요구하며 공격적으로 인앱 결제를 푸시하는 설계가 특징입니다 [6, 14]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Staircase Monetization]], [[Real-Time Engine (RTE)]], [[VIP System]], [[Dark Patterns]], [[Whale Players]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X Strategy Games]], [[Machine Zone]]
+- **Related Topics:** [[Staircase Monetization]], [[Real-Time Engine (RTE)]], [[VIP System]], Dark Patterns, Whale Players
+- **Projects/Contexts:** Game of War: Fire Age, 4X Strategy Games, [[Machine Zone]]
 - **Contradictions/Notes:** 소스 분석에 따르면, Game of War의 이 공격적인 수익화 모델은 엄청난 상업적 수익(2018년 기준 28억 달러 이상의 누적 매출)을 거두었으나 [10, 15], 이와 동시에 사용자 인터페이스에 업그레이드 버튼과 팩 광고를 끊임없이 노출시키는 '노골적인 현금 긁어모으기(cash grab)'이자 '비윤리적인 다크 패턴'이라는 언론과 전문가들의 극심한 비판을 동반했습니다 [14, 16].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Monetization Strategy.md b/10_Wiki/Topics/Economics & Algorithms/Monetization Strategy.md
index a769caf6..c949f902 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Monetization Strategy.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Monetization Strategy.md	
@@ -12,8 +12,8 @@
 *   **가상 재화의 가치 흐리기 및 다크 패턴 (Arbitrary Premium Currency & Dark Patterns):** 인게임 프리미엄 가상 재화(골드, 보석 등)를 사용하여 실제 현금의 가치나 소비액을 플레이어가 체감하기 어렵게 만듭니다 [31], [32]. 대량 구매 시 할인을 제공하고, 판매 단위와 아이템 가격을 불일치시켜 항상 '남은 잔돈'이 발생하도록 함으로써 추가 구매를 유도하는 기만적인 방식(Dark Patterns)을 취하기도 합니다 [33], [34], [35].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Staircase Monetization]], [[Dual-Layer VIP System]], [[Power Creep]], [[Dark Patterns]], [[LiveOps]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]], [[Fate War]]
+- **Related Topics:** [[Staircase Monetization]], Dual-Layer VIP System, [[Power Creep]], Dark Patterns, [[LiveOps]]
+- **Projects/Contexts:** Game of War: Fire Age, [[Mobile Strike]], Final Fantasy XV: A New Empire, [[Fate War]]
 - **Contradictions/Notes:** 4X 장르의 수익화 전략에는 초기부터 매우 잦은 팝업과 겹치는 이벤트로 강한 과금을 압박하는 '즉각적 수익화(Immediate Monetization, 예: Evony, Puzzles & Survival, Game of War)' 방식과, 초기에는 깔끔한 UI와 내러티브로 몰입을 돕고 나중에 높은 가격으로 장기적 신뢰를 구축하는 '점진적 수익화(Gradual Monetization, 예: Rise of Kingdoms)' 방식이 대비되어 존재합니다 [36], [37], [38], [39]. *Game of War*는 지극히 공격적이고 노골적인 즉각적 과금 유도 방식으로 설계되어 "역대 가장 과도하게 수익을 착취하는 게임"이라는 비판을 받기도 했습니다 [40], [41].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Monetization at the Point of Friction.md b/10_Wiki/Topics/Economics & Algorithms/Monetization at the Point of Friction.md
index 20ed6d22..24f0e75b 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Monetization at the Point of Friction.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Monetization at the Point of Friction.md	
@@ -10,8 +10,8 @@
 *   **데이터 기반의 동적 제안(Dynamic Offers):** 이 전략은 단순히 아이템을 상점에 진열하는 것이 아니라 플레이어의 소비 습관과 이탈 지점(Quit points) 등 세분화된 행동 데이터를 기반으로 작동한다 [3]. 마찰이 발생하는 정확한 시점에 최적화된 유료 해결책을 제시하는 이 방식은 'Game of War'가 기록적인 일일 활성 사용자당 평균 수익(ARPDAU)을 달성할 수 있었던 핵심적인 원동력이다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Staircase Monetization]], [[Real-Time Engine (RTE)]], [[Time-gating]], [[Deficit Economy]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]], [[4X Strategy]]
+- **Related Topics:** [[Staircase Monetization]], [[Real-Time Engine (RTE)]], Time-gating, Deficit Economy
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ), [[4X Strategy]]
 - **Contradictions/Notes:** 소스에 따르면 'Game of War'와 같은 즉각적인 수익화(Immediate Monetization Strategy) 모델은 고강도의 마찰을 유발한 뒤 즉각적인 유료 해결책을 제시하는 것에 의존하지만, 점진적 수익화(Gradual Monetization Strategy)를 취하는 일부 다른 4X 게임들(예: Rise of Kingdoms)은 초반의 수익화 압박을 줄이고 마찰을 자연스러운 템포의 일부로 녹여내어 장기적인 신뢰와 몰입을 우선시한다는 점에서 대조를 보인다 [6, 7].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Profitability Framework.md b/10_Wiki/Topics/Economics & Algorithms/Profitability Framework.md
index 7d4da693..9beaca8d 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Profitability Framework.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Profitability Framework.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[MECE Framework]], [[Issue Tree]]
-- **Projects/Contexts:** [[비즈니스 케이스 인터뷰(Case Interview)]], [[매출/비용 최적화 프로젝트]]
+- **Projects/Contexts:** 비즈니스 케이스 인터뷰(Case Interview), 매출/비용 최적화 프로젝트
 - **Contradictions/Notes:** 이 프레임워크만으로는 수익성 하락의 수학적 이유는 알 수 있으나, '왜' 가격이 하락했는지(경쟁 심화, 시장 트렌드 변화 등)와 같은 외부적/정성적 맥락은 설명해주지 못하므로 외부 시장 분석과 병행해야 합니다 [34, 35].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Whale Hunting.md b/10_Wiki/Topics/Economics & Algorithms/Whale Hunting.md
index 5bf7991a..6626207f 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Whale Hunting.md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Whale Hunting.md	
@@ -10,8 +10,8 @@ Whale Hunting(고래 사냥)은 가상 상품에 월 50달러 이상, 많게는
 *   **극단적 결제 사례 및 윤리적 논란:** 이러한 고래 사냥 전략과 다크 패턴에 대한 과도한 의존은 윤리적 문제와 규제 당국의 감시를 불러일으키고 있다 [6]. 실제로 *Game of War*에서는 15세 소년이 어머니의 신용카드로 1년 만에 4만 1천 달러를 결제하거나, 45세 남성이 횡령한 자금 100만 달러를 게임에 탕진하는 등 극단적인 과금 사례들이 지속적으로 발생했다 [1, 3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Dark Patterns]], [[Staircase Monetization]], [[Power Creep]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X Strategy Games]]
+- **Related Topics:** Dark Patterns, [[Staircase Monetization]], [[Power Creep]]
+- **Projects/Contexts:** Game of War: Fire Age, 4X Strategy Games
 - **Contradictions/Notes:** 고래 사냥에 기반한 게임 모델은 *Game of War*가 수십억 달러의 수익을 거두는 등 상업적으로 큰 성공을 거두게 했으나, 동시에 이 모델의 착취적인 본질에 대한 비판이 커지면서 게임 업계가 배틀 패스(Battle Pass)나 치장품 위주의 더 '공정한' 수익화 모델을 모색하게 만드는 압력으로 작용하고 있다 [3, 6, 7, 12].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/Willingness to Pay (WTP).md b/10_Wiki/Topics/Economics & Algorithms/Willingness to Pay (WTP).md
index 8b74d2fd..2d41452a 100644
--- a/10_Wiki/Topics/Economics & Algorithms/Willingness to Pay (WTP).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/Willingness to Pay (WTP).md	
@@ -11,7 +11,7 @@ Willingness to Pay (WTP, 지불 용의)란 소비자가 특정 상품이나 서
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Staircase Monetization]], [[Social Engineering]], [[Dynamic Pricing]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Gabor-Granger Method]]
+- **Projects/Contexts:** Game of War: Fire Age, Gabor-Granger Method
 - **Contradictions/Notes:** WTP를 측정하는 데 쓰이는 전통적인 가보-그랜저 기법은 고정된 단일 제안(Single defined offer)에 대해 설문조사 형태로 지불 의사를 파악하지만 [10, 11], 'Game of War'는 이와 달리 실시간 데이터와 알고리즘을 통해 유저의 결제 여부와 행동 마찰점(Point of friction)을 분석하여 맞춤형 패키지를 제시하는 방식으로 WTP의 한계를 동적으로 확장합니다 [3, 12].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/가버-그레인저 방법 (Gabor-Granger Method).md b/10_Wiki/Topics/Economics & Algorithms/가버-그레인저 방법 (Gabor-Granger Method).md
index 08a412eb..f1df00ef 100644
--- a/10_Wiki/Topics/Economics & Algorithms/가버-그레인저 방법 (Gabor-Granger Method).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/가버-그레인저 방법 (Gabor-Granger Method).md	
@@ -9,5 +9,5 @@
 - **Game of War BM(비즈니스 모델)과의 연관성:** 가버-그레인저 방법의 핵심 목적은 소비자의 '지불 용의성(WTP)'을 파악하는 것이다 [1, 3]. Game of War는 이를 인게임 시스템에 적용하여, 모든 개별 유저의 지불 용의성(WTP)을 극대화하는 알고리즘 기반의 동적 가격 책정(Dynamic pricing)을 활용한다 [10]. 플레이어에게 초기에 4.99달러의 팩을 제시한 후, 구매가 발생하면 이를 19.99달러, 궁극적으로 99.99달러 팩으로 상향 조정하는 '계단식(Staircase)' 모델을 통해 소비자가 감당할 수 있는 최대 WTP 한계치까지 수익을 창출한다 [10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[지불 용의성 (Willingness to Pay, WTP)]], [[계단식 수익화 모델 (Staircase Monetization Model)]], [[동적 가격 책정 (Dynamic Pricing)]]
+- **Related Topics:** 지불 용의성 (Willingness to Pay, WTP), 계단식 수익화 모델 (Staircase Monetization Model), [[동적 가격 책정 (Dynamic Pricing)]]
 - **Projects
\ No newline at end of file
diff --git a/10_Wiki/Topics/Economics & Algorithms/과금 의향 (Willingness to Pay).md b/10_Wiki/Topics/Economics & Algorithms/과금 의향 (Willingness to Pay).md
index d73a74ca..3d81b6c3 100644
--- a/10_Wiki/Topics/Economics & Algorithms/과금 의향 (Willingness to Pay).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/과금 의향 (Willingness to Pay).md	
@@ -10,7 +10,7 @@
 * 이 방식은 가격이 상승함에 따라 수요가 어떻게 감소하는지 점으로 연결하여 보여줌으로써, 수익이나 이윤을 극대화하는 최적의 가격을 선택할 수 있도록 돕습니다 [4]. 주로 단일 구독 모델이나 B2B 상품처럼 명확히 정의된 오퍼링에 대한 가격 민감도를 신속하게 파악해야 할 때 유용하게 사용됩니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 과금 모델 (Staircase Monetization Model)]], [[동적 가격 책정 (Dynamic Pricing)]], [[가보-그레인저 방법론 (Gabor-Granger Method)]]
+- **Related Topics:** 계단식 과금 모델 (Staircase Monetization Model), [[동적 가격 책정 (Dynamic Pricing)]], 가보-그레인저 방법론 (Gabor-Granger Method)
 - **Projects/Contexts:** [[Game of War  BM과 구조 조사]]
 - **Contradictions/Notes:** 소스 내용 간의 모순은 존재하지 않습니다. 이론적 측면에서는 가보-그레인저 기법이 과금 의향과 수요를 예측하는 방법론으로 제시되며 [1, 4], 실제 게임 비즈니스 맥락에서는 'Game of War'가 계단식 패키지와 동적 가격 책정을 통해 유저의 실제 과금 의향을 극한으로 끌어올리는 구체적인 사례를 보여줍니다 [2, 3].
 
diff --git a/10_Wiki/Topics/Economics & Algorithms/맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization).md b/10_Wiki/Topics/Economics & Algorithms/맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization).md
index 3431322c..6ec44713 100644
--- a/10_Wiki/Topics/Economics & Algorithms/맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization).md	
@@ -9,8 +9,8 @@ Game of War의 '계단식 수익화(Staircase Monetization)'는 고정된 상점
 - **사용자 정의 번들(Customizable Bundles):** 4X 장르에서 고급 플레이어를 타겟으로 자주 쓰이는 맞춤형 모델 중 하나로, 플레이어가 원하는 통화, 자원, 부스트를 직접 골라 자신만의 이상적인 패키지를 조립할 수 있게 해줍니다 [6]. 이는 원치 않는 아이템을 구매할 위험을 줄이고 플레이어에게 통제감을 부여하여 결제 만족도를 높여주며, 정해진 테마의 이벤트 팩에 매력을 느끼지 못하는 유저들을 유인하는 수익화 안전망 역할을 합니다 [6, 7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[실시간 엔진 (Real-Time Engine, RTE)]], [[지불 용의 (Willingness to Pay, WTP)]], [[마찰 지점 수익화 (Monetization at the point of friction)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** 실시간 엔진 (Real-Time Engine, RTE), 지불 용의 (Willingness to Pay, WTP), 마찰 지점 수익화 (Monetization at the point of friction)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 계단식 수익화 및 맞춤형 오퍼는 유저의 평생 가치(LTV)를 모바일 시장 최고 수준으로 끌어올리는 데 핵심적인 역할을 했으나, 연구자들과 비평가들 사이에서는 매몰 비용의 오류를 악용하고 필수적인 삶의 질(QoL) 향상을 유료화하여 플레이어를 압박하는 "약탈적 수익화(Predatory monetization)"라는 비판을 받고 있습니다 [8, 9].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/무한한 확장성 경제 (Infinitely Scalable Economy).md b/10_Wiki/Topics/Economics & Algorithms/무한한 확장성 경제 (Infinitely Scalable Economy).md
index 70ff8c44..84bedfef 100644
--- a/10_Wiki/Topics/Economics & Algorithms/무한한 확장성 경제 (Infinitely Scalable Economy).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/무한한 확장성 경제 (Infinitely Scalable Economy).md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], [[영구적 손실 (Permanent Loss)]], [[파워 크립 (Power Creep)]], [[지불 용의 (Willingness to Pay)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 및 구조 설계]]
+- **Projects/Contexts:** Game of War: Fire Age BM 및 구조 설계
 - **Contradictions/Notes:** 무한한 확장성과 막대한 수익을 창출한 이 비즈니스 모델은 상업적으로 모바일 4X 전략 장르의 표준(Benchmark)이 되었으나, 동시에 플레이어의 매몰 비용 오류(Sunk Cost Fallacy)를 남용하고 기본적인 삶의 질 향상 기능을 과금으로 강제하는 등 "약탈적 수익화(Predatory Monetization)"라는 학계 및 규제 기관의 강한 비판을 받고 있습니다 [12, 21, 22].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/소액 결제 (Microtransactions).md b/10_Wiki/Topics/Economics & Algorithms/소액 결제 (Microtransactions).md
index e96aa4c6..588af12a 100644
--- a/10_Wiki/Topics/Economics & Algorithms/소액 결제 (Microtransactions).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/소액 결제 (Microtransactions).md	
@@ -11,8 +11,8 @@
 * **지출 상한선 부재와 고래 유저 (Whales & Infinite Sinks):** 'Game of War'의 결제 유저 1인당 평균 지출액은 2015년 기준 연간 약 $550로, 당시 모바일 게임 평균인 $87의 거의 7배에 달했습니다 [18]. 횡령한 자금으로 100만 달러를 게임에 쓴 성인이나, 어머니의 신용카드로 4만 1천 달러를 결제한 벨기에의 15세 소년의 사례에서 보듯 시스템 내에 지출 상한선이 존재하지 않으며 승리를 위해 막대한 비용을 소모하도록 설계되어 있습니다 [2, 8, 19].
 
 ## 🔗 ️Knowledge Connections
-- **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], [[이중 VIP 시스템 (Dual-layer VIP System)]], [[고래 유저 (Whales)]], [[가치 난독화 (Value Obfuscation)]], [[영구적 손실 (Permanent Loss)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X 전략 게임 수익화 전략]]
+- **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], 이중 VIP 시스템 (Dual-layer VIP System), 고래 유저 (Whales), 가치 난독화 (Value Obfuscation), [[영구적 손실 (Permanent Loss)]]
+- **Projects/Contexts:** Game of War: Fire Age, 4X 전략 게임 수익화 전략
 - **Contradictions/Notes:** 4X 게임 장르 내에서도 유저의 흥미가 최고조에 달한 초반부터 화면을 가득 채우는 팝업으로 강하게 소액 결제를 유도하는 '즉각적 수익화(Immediate Monetization)'를 쓰는 스튜디오가 있는 반면, 초반에는 게임 몰입에 집중시켜 장기적인 신뢰를 구축한 뒤 유저가 성장의 필요성을 느낄 때 선택적으로 결제를 유도하는 '점진적 수익화(Gradual Monetization)' 전략을 선호하는 등 개발사마다 접근 방식에 차이가 있습니다 [20-24].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/자원 로지스틱스(Resource Logistics).md b/10_Wiki/Topics/Economics & Algorithms/자원 로지스틱스(Resource Logistics).md
index b016617c..87e61927 100644
--- a/10_Wiki/Topics/Economics & Algorithms/자원 로지스틱스(Resource Logistics).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/자원 로지스틱스(Resource Logistics).md	
@@ -14,8 +14,8 @@ War Commander의 자원 로지스틱스는 금속(Metal), 석유(Oil), 그리고
   자원 관리는 전투 전략과 직결되어 있습니다. 값비싼 유닛을 사용할 때 전투 병력의 손실은 곧 막대한 자원 고갈을 의미하므로, 플레이어는 특정 유닛 조합을 활용해 수리 비용을 극소화하는 '무료 수리(Free Repair)' 전술을 구사하기도 합니다 [17]. 반대로, 적의 물류를 붕괴시키기 위해 동맹을 동원해 적 기지 주변을 둘러싸 자원 획득을 차단하는 '감금(Jailing)' 전술이 사용되기도 하며 [18], 기지 방어 시에는 자원 저장소와 전력 발전소를 기하학적 방어선의 중심에 두어 적의 약탈을 막는 것이 최우선 과제입니다 [19, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[자원 압축(Resource Compression)]], [[월드 맵 약탈(World Map Looting)]], [[기지 방어(Base Defense)]], [[토륨 경제(Thorium Economy)]]
-- **Projects/Contexts:** [[Arc 2 기술 및 유닛 업그레이드]] (토륨 자원이 대규모로 소모되는 후반부 전투 생태계의 핵심 맥락 [5, 21])
+- **Related Topics:** 자원 압축(Resource Compression), 월드 맵 약탈(World Map Looting), [[기지 방어(Base Defense)]], [[토륨 경제(Thorium Economy)]]
+- **Projects/Contexts:** Arc 2 기술 및 유닛 업그레이드 (토륨 자원이 대규모로 소모되는 후반부 전투 생태계의 핵심 맥락 [5, 21])
 - **Contradictions/Notes:** 과거에는 월드 맵에 한시적으로 생성되는 Thorium Deposit(토륨 매장지)를 점령하여 토륨을 캐는 방식이 존재했으나, 2016년 1월 업데이트로 해당 시스템은 폐기되었고, 현재는 대량의 토륨을 즉시 약탈할 수 있는 영구적인 'Verkraft Thorium Compounds'를 공격하는 방식으로 대체되었습니다 [22].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/자원 보관 및 압축(Resource Storage & Compression).md b/10_Wiki/Topics/Economics & Algorithms/자원 보관 및 압축(Resource Storage & Compression).md
index 975ff6b7..176495ec 100644
--- a/10_Wiki/Topics/Economics & Algorithms/자원 보관 및 압축(Resource Storage & Compression).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/자원 보관 및 압축(Resource Storage & Compression).md	
@@ -19,8 +19,8 @@ War Commander에서 자원 보관 및 압축은 새로운 자원 저장소(Resou
   * **흥미로운 요소:** 일부 자원 압축 업그레이드를 완료하면, 게임 내 AI인 R.U.B.I.가 "I Love You"라는 대사를 출력하는 요소가 포함되어 있습니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[기지 업그레이드(Base Upgrades)]], [[자원 관리 및 물류(Resource Logistics)]], [[골드(Gold)]], [[지휘 본부(Command Center)]]
-- **Projects/Contexts:** [[전투 시스템 생태계(Combat Ecosystem)]] - 대규모 자원을 요구하는 고급 유닛 및 방어 구조물 운영을 뒷받침하기 위해 필수적인 자원 비축 전략 [2, 5].
+- **Related Topics:** 기지 업그레이드(Base Upgrades), 자원 관리 및 물류(Resource Logistics), 골드(Gold), 지휘 본부(Command Center)
+- **Projects/Contexts:** 전투 시스템 생태계(Combat Ecosystem) - 대규모 자원을 요구하는 고급 유닛 및 방어 구조물 운영을 뒷받침하기 위해 필수적인 자원 비축 전략 [2, 5].
 - **Contradictions/Notes:** 소스 간의 모순은 없으며, 여러 출처에서 공통으로 자원 압축의 최대 횟수가 15회, 한계 용량이 약 21억(2,125,125,000) 단위라고 일관되게 설명하고 있습니다 [3, 4].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/지불 용의 (Willingness to Pay).md b/10_Wiki/Topics/Economics & Algorithms/지불 용의 (Willingness to Pay).md
index cd2edd1d..3be1c279 100644
--- a/10_Wiki/Topics/Economics & Algorithms/지불 용의 (Willingness to Pay).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/지불 용의 (Willingness to Pay).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], [[동적 가격 책정 (Dynamic Pricing)]], [[가버-그레인저 방법 (Gabor-Granger Method)]], [[소셜 엔지니어링 (Social Engineering)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스 13은 명확히 정의된 단일 오퍼에 대한 고객의 지불 용의를 묻는 설문 기반의 정량적 연구 방법(Gabor-Granger Method)을 설명하는 반면 [2], 소스 6은 'Game of War'가 실제 인게임 상황에서 플레이어의 감정적 마찰(Friction)과 사회적 압박, 데이터 분석을 이용해 지불 용의를 실시간으로 조종하고 동적으로 극대화하는 실전 사례를 보여줍니다 [1, 9].
 
 ---
diff --git a/10_Wiki/Topics/Economics & Algorithms/프리미엄 모델 (Freemium Model).md b/10_Wiki/Topics/Economics & Algorithms/프리미엄 모델 (Freemium Model).md
index 4a5c6f30..488e273a 100644
--- a/10_Wiki/Topics/Economics & Algorithms/프리미엄 모델 (Freemium Model).md	
+++ b/10_Wiki/Topics/Economics & Algorithms/프리미엄 모델 (Freemium Model).md	
@@ -16,8 +16,8 @@
     이러한 고도화된 프리미엄 모델의 결과로, 2015년 기준 'Game of War'의 결제 유저당 평균 수익(ARPPU)은 연간 $549.69에 달해 당시 모바일 게임 평균인 $87를 압도했습니다 [23, 24]. 특히 전체 유저 중 소수에 불과한 '고래(Whale)' 유저들이 수만 달러에 달하는 금액을 단일 게임에 지불하도록 유도하며 모바일 수익화의 기준을 완전히 재정의했습니다 [5, 25, 26].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[라이브 서비스 (Live Service)]], [[계단식 수익화 모델 (Staircase Monetization)]], [[다크 패턴 (Dark Patterns)]], [[적자 경제 (Deficit Economy)]], [[고래 유저 (Whales)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]], [[4X Strategy Games]]
+- **Related Topics:** [[라이브 서비스 (Live Service)]], [[계단식 수익화 모델 (Staircase Monetization)]], [[다크 패턴 (Dark Patterns)]], [[적자 경제 (Deficit Economy)]], 고래 유저 (Whales)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ), 4X Strategy Games
 - **Contradictions/Notes:** 소스 분석에 따르면 이 프리미엄 모델은 막대한 상업적 성공(수십억 달러의 수익)을 가져왔지만, 게임플레이 자체의 혁신보다는 '다크 패턴' 및 과도한 '승리-지불(Pay-to-win)' 매커니즘에 의존해 사용자를 착취한다는 비판을 지속적으로 받고 있으며 윤리적·규제적 감시의 대상이 되고 있습니다 [3, 27-29].
 
 ---
diff --git a/10_Wiki/Topics/Education/Adaptive_Learning.md b/10_Wiki/Topics/Education/Adaptive_Learning.md
index 6cb2ca24..22cf6cb3 100644
--- a/10_Wiki/Topics/Education/Adaptive_Learning.md
+++ b/10_Wiki/Topics/Education/Adaptive_Learning.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-EDUC-001
-category: "[[10_Wiki/💡 Topics/Education]]"
+category: "10_Wiki/💡 Topics/Education"
 confidence_score: 0.91
 tags: [education, ai, adaptive, learning]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-01"
 ---
 
-# [[Adaptive Learning Systems]]
+# Adaptive Learning Systems
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 학습자의 수준과 속도를 실시간으로 분석하여 개인별 최적의 학습 경로를 동적으로 제안하는 지능형 교수 시스템.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-01"
 - **정책 변화:** 사용자 만족도(w3) 피드백에 따라 학습자 이탈 방지 알고리즘 우선순위 상향.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Education]]
-- **Related:** [[IRT]], [[Personalized-Learning]], [[Educational-AI]]
-- **Raw Source:** [[00_Raw/2026-04-20/Adaptive-Learning-Systems.md]]
+- **Parent:** 10_Wiki/💡 Topics/Education
+- **Related:** IRT, Personalized-Learning, Educational-AI
+- **Raw Source:** 00_Raw/2026-04-20/Adaptive-Learning-Systems.md
diff --git a/10_Wiki/Topics/Education/Behavioral Interview Questions.md b/10_Wiki/Topics/Education/Behavioral Interview Questions.md
index 1a171046..cb68d5cc 100644
--- a/10_Wiki/Topics/Education/Behavioral Interview Questions.md	
+++ b/10_Wiki/Topics/Education/Behavioral Interview Questions.md	
@@ -10,8 +10,8 @@
 *   **유연한 사고 체계 유지:** 완벽한 대본을 외운 것처럼 기계적으로 들리지 않도록 주의해야 하며, 본질적으로는 면접관의 질문 속에서 뼈대를 세우고 차분히 논리를 전개하는 유연한 마인드셋(Mindset)을 보여주는 것이 중요합니다 [64].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[MECE Framework]], [[STAR Method]], [[Consulting Interview Prep]]
-- **Projects/Contexts:** [[컨설팅 및 일반 기업 채용의 Fit/Behavioral Interview 단계]]
+- **Related Topics:** [[MECE Framework]], STAR Method, Consulting Interview Prep
+- **Projects/Contexts:** 컨설팅 및 일반 기업 채용의 Fit/Behavioral Interview 단계
 - **Contradictions/Notes:** 구조화(MECE)에 너무 집착한 나머지 자연스러운 스토리텔링의 감성적 요소나 진정성을 잃게 되면 로봇처럼(Robotic) 들릴 위험이 있습니다. 구조는 논리의 틀로 활용하되, 답변 자체는 대화하듯 매끄럽고 설득력 있는 이야기(Narrative)로 풀어내야 합니다 [64].
 
 ---
diff --git a/10_Wiki/Topics/Education/Case Interviews.md b/10_Wiki/Topics/Education/Case Interviews.md
index f83bc05b..dca4ba12 100644
--- a/10_Wiki/Topics/Education/Case Interviews.md	
+++ b/10_Wiki/Topics/Education/Case Interviews.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Consulting Case Interviews]], [[MECE Framework]]
-- **Projects/Contexts:** [[MBB (McKinsey, BCG, Bain) Recruiting]]
+- **Projects/Contexts:** MBB (McKinsey, BCG, Bain) Recruiting
 - **Contradictions/Notes:** 케이스 인터뷰용 프레임워크를 기계적으로 암기하여 모든 문제에 강제로 끼워 맞추는 것은 실무적인 뉘앙스를 파괴하므로, 문제의 성격에 맞춰 '충분히 MECE적인(MECE-enough)' 구조로 유연하게 대응하는 것이 중요합니다 [88, 89].
 
 ---
diff --git a/10_Wiki/Topics/Education/Consulting Case Interviews.md b/10_Wiki/Topics/Education/Consulting Case Interviews.md
index 9592f87e..296bd936 100644
--- a/10_Wiki/Topics/Education/Consulting Case Interviews.md	
+++ b/10_Wiki/Topics/Education/Consulting Case Interviews.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Case Interviews]], [[Business Problem Solving]]
-- **Projects/Contexts:** [[MBB Interview Preparation]], [[Profitability Analysis Cases]]
+- **Projects/Contexts:** MBB Interview Preparation, Profitability Analysis Cases
 - **Contradictions/Notes:** 미리 준비한 프레임워크(예: Porter's 5 Forces)를 기계적으로 늘어놓는 것은 피해야 하며, 면접관이 제공하는 데이터와 맥락에 맞추어 현장에서 유연하게 자신만의 맞춤형 논리 구조를 짜는 것이 진정한 컨설팅 마인드셋입니다 [87, 105].
 
 ---
diff --git a/10_Wiki/Topics/Education/Management Consulting (경영 컨설팅).md b/10_Wiki/Topics/Education/Management Consulting (경영 컨설팅).md
index 40ea30aa..7b094009 100644
--- a/10_Wiki/Topics/Education/Management Consulting (경영 컨설팅).md	
+++ b/10_Wiki/Topics/Education/Management Consulting (경영 컨설팅).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[MECE Framework]], [[Minto Pyramid Principle]]
-- **Projects/Contexts:** [[시장 진출 전략(Market Entry Strategy)]], [[기업 구조조정 및 변화 관리]]
+- **Projects/Contexts:** 시장 진출 전략(Market Entry Strategy), 기업 구조조정 및 변화 관리
 - **Contradictions/Notes:** 현실의 비즈니스 문제는 상호 의존성과 피드백 루프가 얽혀 있는 복잡계(Complex system)인 경우가 많으므로, MECE와 같은 선형적이고 환원주의적인 접근만으로는 한계가 있을 수 있으며 이를 보완하기 위해 시스템 사고(Systems Thinking)가 동반되어야 합니다 [15-18].
 
 ---
diff --git a/10_Wiki/Topics/Education/Management Consulting Case Interviews.md b/10_Wiki/Topics/Education/Management Consulting Case Interviews.md
index f04a4770..0b556fed 100644
--- a/10_Wiki/Topics/Education/Management Consulting Case Interviews.md	
+++ b/10_Wiki/Topics/Education/Management Consulting Case Interviews.md	
@@ -10,8 +10,8 @@
 - **5R 구조를 통한 권고안 종합:** 인터뷰 마지막 단계에서는 **'5R 구조(Recap, Recommend, Reasons, Risk, Retention)'**를 사용하여 문제 요약, 핵심 해결책, 3가지 근거, 예상 리스크, 그리고 후속 방안을 명확하고 설득력 있게 전달해야 합니다 [28, 29].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[MECE Principle]], [[Issue Trees]]
-- **Projects/Contexts:** [[컨설팅 펌 채용 인터뷰 준비]], [[5R Method 기반 최종 권고안 발표]]
+- **Related Topics:** [[MECE Principle]], Issue Trees
+- **Projects/Contexts:** 컨설팅 펌 채용 인터뷰 준비, 5R Method 기반 최종 권고안 발표
 - **Contradictions/Notes:** 지원자들이 흔히 범하는 실수는 프레임워크에만 지나치게 의존하여 논리적 일관성이 없는 비-MECE적 분류(예: 고객을 '취미' 기준으로 분류)를 사용하거나, 체계적 구조 없이 바로 결론으로 비약하는 것입니다 [22, 30, 31].
 
 ---
diff --git a/10_Wiki/Topics/Education/Management Consulting Reports.md b/10_Wiki/Topics/Education/Management Consulting Reports.md
index ac3545ce..dddfece4 100644
--- a/10_Wiki/Topics/Education/Management Consulting Reports.md	
+++ b/10_Wiki/Topics/Education/Management Consulting Reports.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[SCQA Framework]], [[Inductive and Deductive Reasoning]]
-- **Projects/Contexts:** [[임원 보고용 슬라이드 덱 제작]], [[전략 제안서 작성]]
+- **Projects/Contexts:** 임원 보고용 슬라이드 덱 제작, 전략 제안서 작성
 - **Contradictions/Notes:** 생각의 전개 과정(Bottom-up)과 의사소통의 과정(Top-down)은 정반대입니다 [10, 69-72]. 많은 전문가들이 자신이 연구하고 분석한 순서대로 정보를 나열하는 실수를 범하는데, 이는 의사 결정권자의 집중력을 떨어뜨리므로 지양해야 합니다 [73-76].
 
 ---
diff --git a/10_Wiki/Topics/Education/Management Consulting.md b/10_Wiki/Topics/Education/Management Consulting.md
index dd05a9ce..0e6b59c2 100644
--- a/10_Wiki/Topics/Education/Management Consulting.md	
+++ b/10_Wiki/Topics/Education/Management Consulting.md	
@@ -10,8 +10,8 @@
 - **AI 시대의 컨설팅 통찰:** 향후 AI 기술이 방대한 데이터를 대신 분석하더라도, 이를 경영진의 의사 결정 목적에 맞게 의미를 부여하고(meaning-making) 설득력 있는 스토리로 합성하는 구조적 사고 역량은 컨설팅 업계에서 대체 불가능한 가치로 남을 것입니다 [83].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Strategic Communication]], [[Executive Decision-Making]]
-- **Projects/Contexts:** [[Business Transformation 프로젝트]], [[의사 결정 고도화 작업]]
+- **Related Topics:** [[Strategic Communication]], Executive Decision-Making
+- **Projects/Contexts:** Business Transformation 프로젝트, 의사 결정 고도화 작업
 - **Contradictions/Notes:** 피라미드 원칙이나 MECE는 '분류와 배제'에 지나치게 집착할 경우 현실 세계의 유기적인 연관성, 긴급한 피드백 루프, 창의적인 융합 가능성을 축소시킬 위험도 존재하므로 기계적 적용보다는 상황에 맞는 유연한 활용이 요구됩니다 [17, 18, 84, 85].
 
 ---
diff --git a/10_Wiki/Topics/Education/McKinsey & Company.md b/10_Wiki/Topics/Education/McKinsey & Company.md
index b6d2ddca..0a2669a0 100644
--- a/10_Wiki/Topics/Education/McKinsey & Company.md	
+++ b/10_Wiki/Topics/Education/McKinsey & Company.md	
@@ -10,7 +10,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Minto Pyramid Principle]], [[Mutually Exclusive and Collectively Exhaustive (MECE)]]
-- **Projects/Contexts:** [[Management Consulting]], [[Business Transformation]]
+- **Projects/Contexts:** [[Management Consulting]], Business Transformation
 - **Contradictions/Notes:** 맥킨지식 구조화 방법론은 강력하지만, 시스템적 상호작용이 중요한 복잡계(Complex problems) 문제에서는 기계적인 적용이 한계를 보일 수 있다는 비판적 시각도 존재합니다 [9-11].
 
 ---
diff --git a/10_Wiki/Topics/Education/McKinsey Case Interview.md b/10_Wiki/Topics/Education/McKinsey Case Interview.md
index 3269f6b6..e24804ca 100644
--- a/10_Wiki/Topics/Education/McKinsey Case Interview.md	
+++ b/10_Wiki/Topics/Education/McKinsey Case Interview.md	
@@ -10,7 +10,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Mutually Exclusive and Collectively Exhaustive (MECE)]], [[McKinsey Problem Solving]]
-- **Projects/Contexts:** [[Consulting Recruitment]], [[Consulting Interview Prep]]
+- **Projects/Contexts:** Consulting Recruitment, Consulting Interview Prep
 - **Contradictions/Notes:** 기계적으로 암기한 프레임워크를 그대로 적용하기보다는, 주어지는 가상의 상황과 면접관의 질문에 맞추어 유연하고 직관적인 하향식(Top-down) 구조를 만들어내는 것이 중요합니다 [21, 22].
 
 ---
diff --git a/10_Wiki/Topics/Financial Modeling & Math/Quantitative Finance.md b/10_Wiki/Topics/Financial Modeling & Math/Quantitative Finance.md
index 5c7824a6..93e12ae2 100644
--- a/10_Wiki/Topics/Financial Modeling & Math/Quantitative Finance.md	
+++ b/10_Wiki/Topics/Financial Modeling & Math/Quantitative Finance.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-057
-category: "[[10_Wiki/💡 Topics/Financial Modeling & Math]]"
+category: "10_Wiki/💡 Topics/Financial Modeling & Math"
 confidence_score: 0.98
 tags: [finance, quantitative finance, stochastics, risk management]
 last_reinforced: 2026-06-XX
@@ -25,6 +25,6 @@ github_commit: "[P-Reinforce] Processed Quantitative Finance."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Probability Theory]]
-- Related: [[Reinforcement Learning in Economics]] , [[Risk Management in Finance]] , [[Stochastic Processes]]
-- Raw Source: [[00_Raw/Quantitative Finance.md]]
+- Related: Reinforcement Learning in Economics , Risk Management in Finance , Stochastic Processes
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Frontend & Concurrency/Web Worker (웹 워커).md b/10_Wiki/Topics/Frontend & Concurrency/Web Worker (웹 워커).md
index 65bef19f..f3d556f8 100644
--- a/10_Wiki/Topics/Frontend & Concurrency/Web Worker (웹 워커).md	
+++ b/10_Wiki/Topics/Frontend & Concurrency/Web Worker (웹 워커).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-049
-category: "[[10_Wiki/💡 Topics/Frontend & Concurrency]]"
+category: "10_Wiki/💡 Topics/Frontend & Concurrency"
 confidence_score: 0.98
 tags: [webworker, concurrency, javascript, performance]
 last_reinforced: 2026-06-XX
@@ -25,6 +25,6 @@ github_commit: "[P-Reinforce] Processed Web Worker (웹 워커)."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Web Worker (웹 워커)]]
-- Related: [[Concurrency]] , [[JavaScript 메모리 관리(JavaScript Memory Management)]] , [[SharedArrayBuffer]]
-- Raw Source: [[00_Raw/Web Worker (웹 워커).md]]
+- Related: Concurrency , JavaScript 메모리 관리(JavaScript Memory Management) , SharedArrayBuffer
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Frontend_Mastery/Accessible UI Libraries.md b/10_Wiki/Topics/Frontend_Mastery/Accessible UI Libraries.md
index 3af14b57..c24dbbd2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Accessible UI Libraries.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Accessible UI Libraries.md	
@@ -20,8 +20,8 @@
     *   이를 해결하기 위해 AI 에이전트와 Figma Console MCP를 연결하여 컴포넌트 구조를 스캔하고, 단 2분 만에 완벽한 스크린 리더 접근성 사양과 문서를 자동 생성하는 시스템(uSpec)을 구축하여 문서화 병목 현상을 해결했습니다 [13-15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Headless Components]], [[Design Tokens & Theming]]
-- **Projects/Contexts:** [[Shopify Polaris]], [[Uber Base Web]], [[Chakra UI]], [[Radix UI]]
+- **Related Topics:** [[Headless Components]], Design Tokens & Theming
+- **Projects/Contexts:** [[Shopify Polaris]], [[Uber Base Web]], Chakra UI, [[Radix UI]]
 - **Contradictions/Notes:** Tailwind CSS 자체는 강력한 유틸리티 기반 스타일링을 제공하지만, ARIA 속성이나 시맨틱 HTML을 자동으로 추가해주지는 않으므로 접근성을 간과하는 것이 흔한 함정(Pitfall)으로 지적됩니다. 따라서 Tailwind를 사용할 때는 반드시 시맨틱 요소를 직접 추가하거나, 접근성 기능이 내장된 Headless UI 라이브러리를 함께 사용하는 것이 권장됩니다 [5, 16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Automatic Batching.md b/10_Wiki/Topics/Frontend_Mastery/Automatic Batching.md
index 378663c8..b3c16483 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Automatic Batching.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Automatic Batching.md	
@@ -17,7 +17,7 @@ Automatic Batching(자동 배칭)은 React 18에 도입된 기능으로, 여러
     자동 배칭은 기본적으로 제공되는 최적화지만, 일부 서드파티 상태 관리 도구나 UI 라이브러리가 React의 이벤트 시스템을 우회하는 방식으로 동작할 경우 배칭이 제대로 적용되지 않을 수 있습니다 [16, 17]. 이러한 예외 상황을 식별하기 위해서는 React DevTools Profiler를 사용하여 컴포넌트의 렌더링 횟수와 업데이트 트리거를 모니터링하는 것이 권장됩니다 [16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Virtual DOM]], [[React가 빠른 이유]], [[Reflow / Repaint 최소화 방법]]
+- **Related Topics:** [[Virtual DOM]], [[React가 빠른 이유]], Reflow / Repaint 최소화 방법
 - **Projects/Contexts:** [[React 18]], [[Performance Optimization]]
 - **Contradictions/Notes:** 자동 배칭은 성능을 크게 향상시키지만 무조건적으로 유용한 것은 아닙니다. 폼의 입력 값 업데이트나 요소 포커싱처럼 사용자에게 지연 없는 즉각적 피드백을 제공해야 하는 필수적인 상황에서는 `flushSync`를 사용해 배칭을 해제해야 하며, 이를 남용할 경우 배칭으로 얻는 성능 이점을 상쇄할 수 있으므로 주의해야 합니다 [13, 18]. 또한 서드파티 라이브러리 통합 시 React 이벤트 시스템을 우회하면 자동 배칭이 무력화될 수 있다는 함정이 존재합니다 [17].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Automatic Batching을 통한 React 18 성능 최적화.md b/10_Wiki/Topics/Frontend_Mastery/Automatic Batching을 통한 React 18 성능 최적화.md
index 4283ff32..49fbc116 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Automatic Batching을 통한 React 18 성능 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Automatic Batching을 통한 React 18 성능 최적화.md	
@@ -20,8 +20,8 @@ Automatic Batching은 React 18에서 도입된 성능 최적화 기능으로, 
     성능 최적화를 극대화하려면 관련된 업데이트를 같은 이벤트 내에 그룹화하고 함수형 상태 업데이트(`setState(prev => new)`)를 사용하는 것이 좋습니다 [14]. 예상치 못한 리렌더링이 발생한다면 타사 라이브러리가 React의 이벤트 시스템을 우회하고 있지 않은지 확인해야 하며, React DevTools Profiler를 통해 상호작용에 따른 렌더링 횟수와 업데이트 원인을 디버깅하고 모니터링할 수 있습니다 [15-17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[Virtual DOM]]`, `[[flushSync]]`, `[[startTransition]]`, `[[Concurrent Rendering]]`, `[[useMemo / useCallback]]`
-- **Projects/Contexts:** `[[데이터 집약적 대시보드 성능 최적화]]`, `[[React 18 애플리케이션 마이그레이션]]`
+- **Related Topics:** `[[Virtual DOM]]`, `[[flushSync]]`, `[[startTransition]]`, `[[Concurrent Rendering]]`, `useMemo / useCallback`
+- **Projects/Contexts:** `데이터 집약적 대시보드 성능 최적화`, `React 18 애플리케이션 마이그레이션`
 - **Contradictions/Notes:** 자동 배칭은 대부분의 경우 렌더링 성능을 개선하지만, 즉각적인 DOM 반영이 필요한 예외 상황에서는 방해가 될 수 있습니다. 이 경우 `flushSync`를 사용해 강제로 배칭을 해제할 수 있으나, 이를 남용할 경우 배칭으로 얻는 성능상 이점이 무효화될 수 있으므로 극히 제한적으로 사용해야 한다고 경고하고 있습니다 [11, 12, 14].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/BEM (Block Element Modifier).md b/10_Wiki/Topics/Frontend_Mastery/BEM (Block Element Modifier).md
index c6bcd6ff..e984272d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/BEM (Block Element Modifier).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/BEM (Block Element Modifier).md	
@@ -25,7 +25,7 @@ BEM(Block Element Modifier)은 모듈식이고 재사용 가능하며 충돌 없
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Modules]], [[Tailwind CSS]], [[CSS-in-JS]], [[CSS Architecture]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트 유지보수]], [[컴포넌트 기반 UI 설계]], [[디자인 시스템 구축]]
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트 유지보수, 컴포넌트 기반 UI 설계, [[디자인 시스템 구축]]
 - **Contradictions/Notes:** BEM은 명시적이고 예측 가능한 스타일링을 제공하여 유지보수성을 극대화하지만 [1, 9], 인간의 수동 관리에 의존해야 한다는 명확한 한계가 존재한다 [5, 14]. 이로 인해 오늘날의 실무에서는 빌드 단계에서 자동으로 고유 클래스명을 보장하는 CSS Modules나, 유틸리티 클래스 기반으로 재사용성을 높인 Tailwind CSS와 종종 비교되거나 상호 보완적으로 사용된다 [8, 21-23].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSR vs SSR vs SSG.md b/10_Wiki/Topics/Frontend_Mastery/CSR vs SSR vs SSG.md
index 637ee346..097bf35c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSR vs SSR vs SSG.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSR vs SSR vs SSG.md	
@@ -24,7 +24,7 @@ CSR(클라이언트 사이드 렌더링), SSR(서버 사이드 렌더링), SSG(
 *   **적합한 사용 사례**: 콘텐츠 변동이 적고 방문자 모두에게 동일한 정보를 제공하는 마케팅 랜딩 페이지, 블로그, 기술 문서 사이트 등에 가장 완벽한 방식입니다 [31, 38].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Hydration]], [[Single-Page Application (SPA)]], [[Incremental Static Regeneration (ISR)]], [[Time to Interactive (TTI)]], [[First Contentful Paint (FCP)]]
+- **Related Topics:** [[Hydration]], Single-Page Application (SPA), Incremental Static Regeneration (ISR), [[Time to Interactive (TTI)]], [[First Contentful Paint (FCP)]]
 - **Projects/Contexts:** Next.js, Nuxt, SvelteKit 등은 프로젝트 내에서 페이지 단위로 SSR, SSG, CSR 전략을 혼합(Hybrid)하여 사용할 수 있도록 지원하는 대표적인 프레임워크입니다 [39-41].
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 소스들 간에 CSR, SSR, SSG의 정의나 성능적 장단점 평가에 있어 상충하거나 모순되는 내용은 확인되지 않습니다.)
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS Animations.md b/10_Wiki/Topics/Frontend_Mastery/CSS Animations.md
index 3b482f7b..370c055d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS Animations.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS Animations.md	
@@ -19,7 +19,7 @@ CSS 애니메이션은 UI/UX에서 사용자와 시스템 간의 상호작용을
     보이지 않는 요소의 무한 루프 애니메이션은 시스템 리소스를 고갈시키므로, `animation-play-state`를 사용해 화면 이탈 시 애니메이션을 일시 정지시키는 제어가 필요하다 [5, 20]. 아울러, 과도한 모션은 일부 사용자에게 어지러움을 유발할 수 있으므로 웹 콘텐츠 접근성 지침(WCAG)에 따라 `prefers-reduced-motion` 미디어 쿼리를 활용해 애니메이션을 선택적으로 줄이거나 제거할 수 있는 접근성 장치를 반드시 마련해야 한다 [11, 29, 30].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow and Repaint]], [[Hardware Acceleration (GPU)]], [[Micro-interactions]], [[Accessibility (prefers-reduced-motion)]]
+- **Related Topics:** [[Reflow and Repaint]], Hardware Acceleration (GPU), [[Micro-interactions]], Accessibility (prefers-reduced-motion)
 - **Projects/Contexts:** [[Large Frontend Projects]], [[Performance Optimization]]
 - **Contradictions/Notes:** 무한 루프 애니메이션과 화려한 모션은 인터페이스에 활력을 줄 수 있지만 시스템 리소스를 크게 소모하며, 전정기관 장애가 있는 사용자에게 위험할 수 있습니다 [11, 20]. 따라서 실무 환경에서는 애니메이션 적용을 필수적인 기능과 마이크로 인터랙션으로 제한하고, 화면에서 벗어났을 때 정지시키거나(`animation-play-state`) 사용자의 환경 설정에 따라 모션을 줄이는(`prefers-reduced-motion`) 방어적 설계가 동반되어야 합니다 [20, 29, 30].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS Architecture.md b/10_Wiki/Topics/Frontend_Mastery/CSS Architecture.md
index 5f470295..e4add1a6 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS Architecture.md	
@@ -17,7 +17,7 @@ CSS 아키텍처는 과거의 단순한 시각적 장식 계층에서 벗어나,
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]], [[Design Tokens]], [[Feature-Sliced Design (FSD)]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 프로젝트]], [[컴포넌트 기반 아키텍처 (React, Next.js)]], [[디자인 시스템 구축]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 프로젝트, 컴포넌트 기반 아키텍처 (React, Next.js), [[디자인 시스템 구축]]
 - **Contradictions/Notes:** 
   - CSS 설계에서 BEM은 이름 충돌을 방지하는 훌륭한 수단으로 소개되지만 [3], 최근 모던 프론트엔드 생태계에서는 CSS Modules가 클래스 이름의 격리를 자동으로 해결해주기 때문에 BEM의 수동적인 네이밍 컨벤션은 더 이상 필수적이지 않다는 시각이 존재합니다 [17, 26, 27].
   - Tailwind CSS는 빠른 개발 속도와 일관된 디자인 시스템을 장점으로 내세우지만 [19], 동시에 HTML 마크업이 지나치게 길어지며 과거의 '인라인 스타일(Inline CSS)'로 퇴보하는 것 같아 추상화 방식에 동의하지 않는다는 개발자들의 비판적인 의견도 분명하게 대립하고 있습니다 [20, 28, 29].
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS Grid 및 Flexbox.md b/10_Wiki/Topics/Frontend_Mastery/CSS Grid 및 Flexbox.md
index c19beede..f8f14662 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS Grid 및 Flexbox.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS Grid 및 Flexbox.md	
@@ -23,8 +23,8 @@ CSS Flexbox와 CSS Grid는 웹 페이지의 요소들을 배치하고 정렬하
 *   이러한 하이브리드 접근 방식은 불필요한 래퍼(Wrapper) 요소의 중첩을 줄여 DOM 구조를 가볍게 만들고, 브라우저 렌더링 성능과 코드의 유지보수성을 크게 향상시킵니다 [35, 37-39].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 디자인]], [[CSS 아키텍처]], [[BEM]]
-- **Projects/Contexts:** [[대규모 프론트엔드 아키텍처 최적화]], [[컴포넌트 기반 UI/UX 설계]]
+- **Related Topics:** [[반응형 디자인]], CSS 아키텍처, [[BEM]]
+- **Projects/Contexts:** 대규모 프론트엔드 아키텍처 최적화, 컴포넌트 기반 UI/UX 설계
 - **Contradictions/Notes:** Flexbox와 CSS Grid는 서로를 대체하는 기술이 아닙니다 [40, 41]. 오히려 Flexbox는 1차원 정렬(예: 한 줄 또는 한 열의 아이템 배치)에 직관적이고 적합하며, CSS Grid는 2차원의 복잡한 구조 배치에 강점을 지니므로 두 기술을 상호 보완적으로 함께 사용해야 완벽한 레이아웃 시스템을 설계할 수 있다고 여러 소스에서 강조합니다 [8, 36, 39, 40].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS Grid.md b/10_Wiki/Topics/Frontend_Mastery/CSS Grid.md
index ba2b1185..1cbbbd63 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS Grid.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS Grid.md	
@@ -22,7 +22,7 @@ CSS Grid는 행(Row)과 열(Column)을 동시에 다루어 복잡하고 체계
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Flexbox]], [[반응형 디자인]]
-- **Projects/Contexts:** [[유지보수 가능한 CSS 레이아웃 설계]], [[웹 페이지 및 대시보드 구조화]]
+- **Projects/Contexts:** 유지보수 가능한 CSS 레이아웃 설계, 웹 페이지 및 대시보드 구조화
 - **Contradictions/Notes:** Flexbox는 콘텐츠의 크기를 기반으로 공간을 분배하는 '콘텐츠 우선(content out)' 방식으로 동작하지만, CSS Grid는 정의된 레이아웃의 형태에 요소를 끼워 맞추는 '레이아웃 우선(layout in)' 방식을 취합니다 [5, 30]. CSS Grid가 더 복잡한 기능을 제공하지만 단순한 1차원 정렬(행, 열 내에서의 아이템 정렬)에 사용하기에는 과도한 설정(overkill)이 될 수 있으므로 상황에 맞게 Flexbox와 구별해 사용해야 합니다 [6, 27, 31].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS Performance Optimization.md b/10_Wiki/Topics/Frontend_Mastery/CSS Performance Optimization.md
index c91e1717..899a0a81 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS Performance Optimization.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS Performance Optimization.md	
@@ -25,7 +25,7 @@ CSS 성능 최적화는 브라우저의 렌더링 경로에서 병목 현상을
     *   **CSS Modules** 역시 빌드 시에 고유 클래스명을 정적으로 생성하므로 캡슐화(스코핑)를 보장하면서도 런타임 오버헤드가 없어 성능 친화적인 아키텍처를 구현할 수 있습니다 [5, 8, 32].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], [[Tailwind vs 일반 CSS 비교]], [[애니메이션 (transition / keyframes)]]
+- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], [[Tailwind vs 일반 CSS 비교]], 애니메이션 (transition / keyframes)
 - **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], [[대규모 프론트엔드 프로젝트 아키텍처]]
 - **Contradictions/Notes:** 
   - CSS-in-JS는 동적인 스타일링과 개발자 편의성을 제공하지만 성능(번들 크기 및 런타임 비용)에서는 CSS Modules나 Tailwind CSS에 비해 단점이 큽니다 [8, 27-29].
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS 성능 최적화(CSS Performance Optimization).md b/10_Wiki/Topics/Frontend_Mastery/CSS 성능 최적화(CSS Performance Optimization).md
index a25b6c58..7eaf7bbb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS 성능 최적화(CSS Performance Optimization).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS 성능 최적화(CSS Performance Optimization).md	
@@ -14,7 +14,7 @@ CSS 성능 최적화는 웹 페이지의 렌더링을 차단하는 요소를 줄
   CSS Containment 모듈의 `contain`이나 `content-visibility` 속성을 사용하면, 브라우저가 페이지의 특정 컨테이너를 다른 DOM 요소와 분리하여 독립적으로 렌더링 최적화를 수행하도록 지시할 수 있습니다 [27, 28]. 화면에 보이기 전까지는 해당 컨테이너의 레이아웃과 렌더링을 생략할 수 있어 성능이 크게 향상됩니다 [28]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[애니메이션 (transition / keyframes)]], [[CSS 구조 설계 방식]], [[리플로우와 리페인트(Reflows & Repaints)]], [[CSS Modules]]
+- **Related Topics:** 애니메이션 (transition / keyframes), [[CSS 구조 설계 방식]], 리플로우와 리페인트(Reflows & Repaints), [[CSS Modules]]
 - **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** 컴포넌트 기반 아키텍처에서 Styled-components와 같은 런타임 CSS-in-JS 방식은 동적 스타일링에 유리하지만, 브라우저 런타임에 CSS를 파싱하고 주입해야 하므로 성능 오버헤드와 렌더링 속도 저하를 유발할 수 있습니다 [29, 30]. 반면 성능이 중요한 환경에서는 정적 CSS를 생성하는 CSS Modules나 Tailwind CSS 같은 Zero-runtime 방식이 성능 상 더 권장됩니다 [31-34]. 또한 브라우저 최적화를 돕는 `will-change` 속성은 성능 문제를 미리 방지하고자 너무 많은 요소에 남용할 경우 오히려 브라우저의 리소스를 소모해 성능 저하를 일으킬 수 있으므로 최후의 수단으로만 사용해야 합니다 [24, 25].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 성능(CSS Animation Performance).md b/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 성능(CSS Animation Performance).md
index c7eb0d9d..abb6d1d2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 성능(CSS Animation Performance).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 성능(CSS Animation Performance).md	
@@ -12,8 +12,8 @@ CSS 애니메이션 성능(CSS Animation Performance) 최적화는 웹 애플리
 * **타이밍 및 성능 테스트**: 부드럽고 자연스러운 느낌을 위해 애니메이션 지속 시간은 보통 200~500ms로 짧게 유지하고 선형적(Linear) 전환보다는 Easing 함수(`ease-in-out` 등)를 사용해야 합니다 [16]. 배포 전에는 Chrome DevTools의 Performance Panel과 Layer Profiler 등을 활용하여 프레임 드롭이나 렌더링 병목 현상을 검증해야 합니다 [6, 17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow와 Repaint(Reflows and Repaints)]], [[GPU 가속(GPU Acceleration)]], [[CSS 구조 설계 방식]], [[반응형 디자인]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트의 CSS 최적화(Performance Optimization in CSS Architecture)]], [[UX 개선을 위한 애니메이션 통합(Integrating Animation in UX)]]
+- **Related Topics:** Reflow와 Repaint(Reflows and Repaints), [[GPU 가속(GPU Acceleration)]], [[CSS 구조 설계 방식]], [[반응형 디자인]]
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트의 CSS 최적화(Performance Optimization in CSS Architecture), UX 개선을 위한 애니메이션 통합(Integrating Animation in UX)
 - **Contradictions/Notes:** 소스 자료들은 UI에서 애니메이션이 사용자 경험(UX)을 향상하고 브랜드 개성을 살리는 중요한 소통 수단이라고 권장하지만, 동시에 목적 없는 과도한 애니메이션이나 성능을 고려하지 않은 구현은 사용자에게 인지적 과부하를 주거나 기기 성능을 떨어뜨려 오히려 심각한 경험 저하를 낳을 수 있다고 주의를 주고 있습니다 [2, 16, 18]. 따라서 "예쁘게" 만드는 것을 넘어 "유지보수 가능하고 최적화된(Performant)" 상태를 유지하는 것이 강조됩니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 최적화(Optimizing CSS Animations).md b/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 최적화(Optimizing CSS Animations).md
index 9ff324a5..f09c38da 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 최적화(Optimizing CSS Animations).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSS 애니메이션 최적화(Optimizing CSS Animations).md	
@@ -20,8 +20,8 @@ CSS 애니메이션 최적화는 웹 페이지 내 애니메이션이 성능 저
   모든 사용자나 기기가 애니메이션을 매끄럽게 소화할 수 있는 것은 아닙니다 [6, 20]. 전정기관 장애가 있는 사용자는 과도한 움직임으로 인해 어지러움을 느낄 수 있으며, 저사양 기기나 배터리가 부족한 모바일 기기 사용자에게는 애니메이션이 부담될 수 있습니다 [6, 20]. 이를 위해 `prefers-reduced-motion` 미디어 쿼리를 사용하여 운영체제 수준에서 애니메이션 감소를 설정한 사용자에게는 애니메이션을 제한하거나 제공하지 않는 방식의 최적화가 필요합니다 [6, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow & Repaint]], [[GPU 가속(GPU Acceleration)]], [[UX 애니메이션(UX Animation)]], [[will-change 속성]], [[prefers-reduced-motion]], [[접근성(Accessibility)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트의 UI/UX 성능 최적화]], [[디자인 시스템 기반의 인터페이스 애니메이션 적용 및 검증 과정]]
+- **Related Topics:** [[Reflow & Repaint]], [[GPU 가속(GPU Acceleration)]], UX 애니메이션(UX Animation), will-change 속성, prefers-reduced-motion, 접근성(Accessibility)
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트의 UI/UX 성능 최적화, 디자인 시스템 기반의 인터페이스 애니메이션 적용 및 검증 과정
 - **Contradictions/Notes:** 브라우저 성능 최적화를 돕는 `will-change` 속성은 잘 쓰면 반응성을 높이지만 무분별하게 남용될 경우 도리어 심각한 리소스 낭비 및 성능 저하를 일으키는 양면성이 있어 주의가 필요합니다 [14, 15]. 또한 화려한 애니메이션이 사용자 경험을 즐겁게 만들 수 있으나, 지나칠 경우 인지적 과부하를 일으키거나 성능 저하를 초래해 오히려 UX를 해칠 수 있습니다 [1-3].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSSOM(CSS Object Model).md b/10_Wiki/Topics/Frontend_Mastery/CSSOM(CSS Object Model).md
index e171a627..cf62120b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSSOM(CSS Object Model).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/CSSOM(CSS Object Model).md	
@@ -11,7 +11,7 @@ CSSOM(CSS Object Model)은 웹 페이지의 DOM(Document Object Model) 요소들
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[DOM(Document Object Model)]], [[Render Tree]], [[Critical Rendering Path]], [[Reflow & Repaint]]
-- **Projects/Contexts:** [[브라우저 렌더링 최적화(Browser Rendering Optimization)]]
+- **Projects/Contexts:** 브라우저 렌더링 최적화(Browser Rendering Optimization)
 - **Contradictions/Notes:** 소스에 따르면 CSSOM 구축은 중요한 렌더링 차단 과정이지만, 최신 브라우저 엔진에서 CSSOM 생성 및 스타일 계산 속도는 마이크로초 단위로 이루어질 만큼 매우 빠릅니다 [8-10]. 따라서 CSS 선택자의 구체성을 낮추는 등의 마이크로 최적화보다는, 필요 없는 CSS 규칙을 최소화하거나 논블로킹(non-blocking) 요청을 적절히 사용하는 것이 더 의미 있는 성능 개선 방법이라고 지적합니다 [8, 10, 12].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/CSSOM.md b/10_Wiki/Topics/Frontend_Mastery/CSSOM.md
index d9809541..a25f338c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/CSSOM.md
+++ b/10_Wiki/Topics/Frontend_Mastery/CSSOM.md
@@ -18,7 +18,7 @@ CSSOM(CSS Object Model)은 웹 페이지의 시각적 외관을 정의하는 스
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[DOM (Document Object Model)]], [[Render Tree]], [[Critical Rendering Path (CRP)]]
-- **Projects/Contexts:** [[Browser Rendering Process]], [[Web Performance Optimization]]
+- **Projects/Contexts:** Browser Rendering Process, [[Web Performance Optimization]]
 - **Contradictions/Notes:** 소스에 따르면 더 구체적인 CSS 선택자가 파싱 비용을 증가시키긴 하지만, 브라우저가 이를 마이크로초 단위로 처리할 만큼 속도가 매우 빠르기 때문에 선택자 성능 최적화 자체에만 집중하기보다는 CSS 파일을 최소화(minification)하거나 미디어 쿼리로 비차단(non-blocking) 요청을 분리하는 등 다른 최적화 방식이 더 큰 효과를 줄 수 있다고 조언합니다 [7, 10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Client-Side Rendering (CSR).md b/10_Wiki/Topics/Frontend_Mastery/Client-Side Rendering (CSR).md
index f7c597e6..18602ce6 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Client-Side Rendering (CSR).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Client-Side Rendering (CSR).md	
@@ -15,8 +15,8 @@ Client-Side Rendering (CSR)은 브라우저(클라이언트)가 서버로부터
 *   **최적의 사용 사례(Use Cases)**: CSR은 SEO가 상대적으로 중요하지 않고, 사용자 상호작용과 실시간 데이터 업데이트가 필수적인 환경에 이상적입니다 [6, 14]. 로그인 장벽 뒤에 있는 대시보드, SaaS 플랫폼, 내부 비즈니스 도구 및 소셜 미디어 플랫폼 등이 대표적인 적용 사례입니다 [2, 5, 14, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[Server-Side Rendering (SSR)]]`, `[[Single-Page Applications (SPA)]]`, `[[Static Site Generation (SSG)]]`, `[[Document Object Model (DOM)]]`
-- **Projects/Contexts:** `[[SaaS 플랫폼 및 대시보드 개발]]`, `[[React 기반 고도의 동적 웹 애플리케이션 구축]]`
+- **Related Topics:** `[[Server-Side Rendering (SSR)]]`, `Single-Page Applications (SPA)`, `[[Static Site Generation (SSG)]]`, `Document Object Model (DOM)`
+- **Projects/Contexts:** `SaaS 플랫폼 및 대시보드 개발`, `React 기반 고도의 동적 웹 애플리케이션 구축`
 - **Contradictions/Notes:** 소스 전반에서 CSR의 '뛰어난 상호작용성'과 'SEO 및 초기 로딩의 취약점'에 대한 평가는 일치하며 상충하는 내용은 없습니다 [1, 6, 8, 9, 12, 13]. 다만 최근에는 CSR의 한계를 극복하기 위해 Next.js와 같은 프레임워크를 사용하여 페이지의 목적에 맞게 SSR이나 SSG를 혼합(하이브리드 렌더링)하여 사용하는 방식이 권장되고 있습니다 [15-17].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Component Library Architecture.md b/10_Wiki/Topics/Frontend_Mastery/Component Library Architecture.md
index 80251416..35c032fc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Component Library Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Component Library Architecture.md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Atomic Design]], [[Compound Components]], [[Headless Components]], [[Design Tokens]], [[Feature-Sliced Design]]
-- **Projects/Contexts:** [[Uber Base Web]], [[Shopify Polaris]], [[React Server Components (RSC)]], [[Tailwind CSS vs Styled Components]]
+- **Projects/Contexts:** [[Uber Base Web]], [[Shopify Polaris]], [[React Server Components (RSC)]], Tailwind CSS vs Styled Components
 - **Contradictions/Notes:** 복합 컴포넌트 패턴은 높은 유연성을 주지만 과용하면 소비자에게 너무 많은 통제권을 주어 UX나 접근성 등 구조적 일관성이 깨질 위험이 있습니다. 따라서 레이아웃이 고정되어 있는 단순한 버튼이나 배지 같은 컴포넌트에는 일반적인 Prop 기반 방식이 훨씬 적합합니다 [39-41]. 또한, 컴포넌트 스타일링 구현 시 Styled Components처럼 런타임에 스타일을 주입하는 방식은 동적 스타일링에 강력하나 Next.js 15의 App Router 및 RSC 환경에서는 Context 부재로 인한 구조적 제약과 번들 사이즈 등 성능 비용이 따릅니다 [42-45]. 이 때문에 최신 프론트엔드 아키텍처는 정적 CSS 생성이 가능한 Tailwind CSS 또는 Zero-runtime 방식(vanilla-extract 등)을 컴포넌트 라이브러리 구축에 더 권장하는 추세입니다 [46-49].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture (CBA).md b/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture (CBA).md
index 3c3e07ea..18ae4ea8 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture (CBA).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture (CBA).md	
@@ -22,8 +22,8 @@
     *   **보안 및 과잉 엔지니어링 위험:** 각 컴포넌트의 업데이트 주기가 달라 최신화되지 않은 컴포넌트가 전체 시스템의 보안 취약점이 될 수 있으며[33], 유연성만을 추구하다 보면 시스템을 너무 잘게 쪼개어 과잉 엔지니어링(Over-engineering)으로 이어질 위험도 존재합니다[34].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Microservices Architecture]], [[Service-Oriented Architecture (SOA)]], [[Monolithic Architecture]], [[Object-Oriented Architecture]]
-- **Projects/Contexts:** [[React]], [[Angular]], [[Vue.js]], [[PayPal]], [[Spotify]], [[Uber]], [[Walmart]]
+- **Related Topics:** Microservices Architecture, Service-Oriented Architecture (SOA), Monolithic Architecture, Object-Oriented Architecture
+- **Projects/Contexts:** React, Angular, Vue.js, PayPal, Spotify, Uber, Walmart
 - **Contradictions/Notes:** 소스에 따르면, 객체 지향 아키텍처(Object-Oriented Architecture)와 CBA는 원칙을 일부 공유하지만 차이가 있습니다. 객체 지향 아키텍처가 단일 애플리케이션 내에서 데이터와 동작을 캡슐화하는 데 중점을 둔다면, CBA는 여러 시스템 및 애플리케이션 전반에서 상호작용하고 재사용할 수 있는 독립적인 단위 생성을 강조합니다[35]. 또한 기존의 모놀리식 아키텍처(Monolithic Architecture)는 시스템 전체를 하나의 코드베이스로 묶어 확장 및 유지보수가 어렵지만, CBA는 느슨하게 결합된 모듈을 통해 독립적인 배포와 병렬 개발을 가능하게 합니다[36, 37].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture.md b/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture.md
index 3d0c239e..28834fa7 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Component-Based Architecture.md	
@@ -21,11 +21,11 @@
 
 - **실제 활용 및 대안 아키텍처:**
   - **활용 사례:** 사용자 로그인, 결제 게이트웨이, 쇼핑카트와 같은 모듈이 독립적으로 필요한 전자상거래 플랫폼, CRM 시스템, 모바일 앱 등에서 활발히 사용됩니다 [24, 25]. 프론트엔드 라이브러리(React, Angular, Vue.js)뿐만 아니라 백엔드 플랫폼(Java EE, .NET 등)에서도 이 방식을 채택하며, PayPal, Walmart, Spotify, Uber 등의 기업들이 이 아키텍처를 도입해 확장성을 입증했습니다 [3, 26, 27].
-  - **대안 아키텍처:** 프로젝트의 규모와 팀 구조에 따라 하나의 코드베이스로 구성된 [[Monolithic Architecture]], 서비스 단위로 결합도를 낮춘 [[Microservices Architecture]], 기업 환경에 맞춘 [[Service-Oriented Architecture (SOA)]], [[Layered Architecture]] 등과 비교되거나 혼합되어 사용됩니다 [28-31].
+  - **대안 아키텍처:** 프로젝트의 규모와 팀 구조에 따라 하나의 코드베이스로 구성된 Monolithic Architecture, 서비스 단위로 결합도를 낮춘 Microservices Architecture, 기업 환경에 맞춘 Service-Oriented Architecture (SOA), Layered Architecture 등과 비교되거나 혼합되어 사용됩니다 [28-31].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Modularity]], [[Encapsulation]], [[Monolithic Architecture]], [[Microservices Architecture]], [[Service-Oriented Architecture (SOA)]]
-- **Projects/Contexts:** [[React, Angular, Vue.js 기반 프론트엔드 UI 구축]], [[전자상거래 플랫폼 및 CRM 시스템 설계]], [[Java EE 및 .NET 엔터프라이즈 애플리케이션]]
+- **Related Topics:** [[Modularity]], Encapsulation, Monolithic Architecture, Microservices Architecture, Service-Oriented Architecture (SOA)
+- **Projects/Contexts:** React, Angular, Vue.js 기반 프론트엔드 UI 구축, 전자상거래 플랫폼 및 CRM 시스템 설계, Java EE 및 .NET 엔터프라이즈 애플리케이션
 - **Contradictions/Notes:** 컴포넌트 기반 아키텍처는 유연성과 재사용성을 극대화하지만, 모듈화를 극대화하려는 목적으로 시스템을 너무 잘게 쪼개는 것(Over-engineering)은 오히려 통합 비용과 통신 오버헤드를 발생시키고 디버깅을 어렵게 만들 수 있으므로 적절한 세분화(Granularity) 수준을 결정하는 것이 핵심입니다 [18, 22, 32].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Container Queries.md b/10_Wiki/Topics/Frontend_Mastery/Container Queries.md
index 70f5be03..378b0fa6 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Container Queries.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Container Queries.md	
@@ -17,8 +17,8 @@ Container Queries(컨테이너 쿼리)는 브라우저 창(뷰포트) 전체 크
   2024년 이후 모든 최신 브라우저에서 완벽히 지원되며, 2026년 기준으로는 고급 기술을 넘어 컴포넌트 수준의 반응형 디자인을 위한 기본 표준(Default practice)으로 자리 잡았습니다 [10, 11]. 특히 데이터가 많은 SaaS 대시보드나 이커머스에서 좁은 너비일 때 차트를 단순한 숫자 카드로 변환하거나, 데이터 테이블을 카드 스택으로 바꾸는 등의 복잡한 레이아웃 처리에 탁월하게 활용됩니다 [4, 12].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Responsive Web Design]], [[Media Queries]], [[Design Systems]], [[Fluid Typography]]
-- **Projects/Contexts:** [[SaaS 대시보드 레이아웃 설계]], [[컴포넌트 기반 아키텍처(Component-based Architecture)]]
+- **Related Topics:** [[Responsive Web Design]], Media Queries, [[Design Systems]], [[Fluid Typography]]
+- **Projects/Contexts:** SaaS 대시보드 레이아웃 설계, [[컴포넌트 기반 아키텍처(Component-based Architecture)]]
 - **Contradictions/Notes:** 소스에서는 컨테이너 쿼리를 뷰포트 기반 미디어 쿼리의 한계를 극복하는 필수적인 대체재 및 보완재로 설명하며, 모듈식 설계와 유지보수성 측면에서 2026년 기준 반응형 CSS 설계의 가장 중요한 표준으로 강조하고 있습니다 [1, 3, 11].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Core Web Vitals Optimization (INP, LCP 개선).md b/10_Wiki/Topics/Frontend_Mastery/Core Web Vitals Optimization (INP, LCP 개선).md
index a39e0ec0..83d850ba 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Core Web Vitals Optimization (INP, LCP 개선).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Core Web Vitals Optimization (INP, LCP 개선).md	
@@ -24,7 +24,7 @@ Core Web Vitals는 구글이 웹 페이지의 검색 순위와 사용자 경험
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Largest Contentful Paint (LCP)]], [[Interaction to Next Paint (INP)]], [[Concurrent Rendering]], [[Server-Side Rendering (SSR)]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[React Performance Optimization]], [[Search Engine Optimization (SEO) Strategy]]
+- **Projects/Contexts:** [[React Performance Optimization]], Search Engine Optimization (SEO) Strategy
 - **Contradictions/Notes:** Lighthouse와 같은 도구로 측정한 연구실 데이터(Lab measurements)는 다양한 기기 성능과 네트워크 조건을 겪는 실제 사용자들의 경험(Field data)과 항상 일치하지는 않으므로 프로덕션 상의 Web Vitals 데이터를 함께 수집해야 합니다 [23, 24].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path (CRP).md b/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path (CRP).md
index 06ebb795..3ecbafcd 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path (CRP).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path (CRP).md	
@@ -12,7 +12,7 @@ Critical Rendering Path (CRP)는 웹 브라우저가 HTML, CSS, JavaScript 코
 - **성능 최적화 전략:** CRP 최적화를 위해서는 다운로드해야 하는 렌더링 차단 리소스(`<head>` 내부의 CSS 및 동기식 JavaScript)의 크기와 개수를 최소화해야 합니다 [17-19]. 중요하지 않은 리소스의 로드를 지연시키거나 비동기로 처리하여 브라우저의 렌더링 파이프라인이 멈추지 않도록 구성하는 것이 핵심입니다 [17, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[DOM (Document Object Model)]], [[CSSOM (CSS Object Model)]], [[Render Tree]], [[Reflow]], [[Repaint]]
+- **Related Topics:** [[DOM (Document Object Model)]], CSSOM (CSS Object Model), [[Render Tree]], Reflow, Repaint
 - **Projects/Contexts:** 최신 프론트엔드 개발의 기초 구조 설계, 코어 웹 바이탈(Core Web Vitals) 성능 개선, React의 Virtual DOM 도입을 통한 렌더링 병목 현상 해결 컨텍스트 [1, 2, 21].
 - **Contradictions/Notes:** CSS 선택자의 구체성(specificity)을 높게 작성할 경우 파싱 비용이 증가하지만, 현대 브라우저 엔진은 구문 분석 속도가 매우 빠르기 때문에 이러한 선택자 최적화가 CRP 전체 성능에 미치는 영향은 마이크로초(microseconds) 수준에 불과하여 최적화의 주된 우선순위로 삼기에는 실효성이 부족할 수 있습니다 [22].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path.md b/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path.md
index 7d2ddd7d..3ec7536b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Critical Rendering Path.md	
@@ -12,7 +12,7 @@ Critical Rendering Path (CRP)는 브라우저가 HTML, CSS, JavaScript를 수신
 *   **React 도입과의 연관성:** 전통적으로 브라우저의 DOM을 직접 조작하는 것은 필연적으로 비용이 큰 Reflow와 Repaint 과정을 연쇄적으로 유발하여 속도 저하를 일으킵니다[26]. React는 이 한계를 극복하기 위해 메모리에 경량화된 Virtual DOM을 구축하고, 상태 변경 시 휴리스틱 Diffing 알고리즘(Reconciliation)을 통해 변경된 최소한의 노드만 실제 DOM에 반영하여 렌더링 경로의 비효율을 크게 줄입니다[3, 26, 27].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[브라우저 렌더링 과정 (HTML → CSSOM → Render Tree)]], [[Reflow / Repaint 최소화 방법]], [[DOM vs Virtual DOM]]
+- **Related Topics:** [[브라우저 렌더링 과정 (HTML → CSSOM → Render Tree)]], Reflow / Repaint 최소화 방법, [[DOM vs Virtual DOM]]
 - **Projects/Contexts:** [[렌더링 최적화 개념 설명 자료]], [[“React가 빠른 이유”]]
 - **Contradictions/Notes:** CSS 선택자(Selector)의 복잡도는 파싱 속도에 영향을 주지만, 최신 브라우저 엔진은 매우 빠르기 때문에 선택자 구체성을 최적화해서 얻는 성능적 이득은 마이크로초 단위에 불과합니다. 따라서 실질적인 최적화를 위해서는 선택자 구조 개선보다는 불필요한 렌더링 차단 리소스 크기를 줄이거나 로딩 순서를 제어하는 것이 성능 개선(CRP 최적화)에 훨씬 효과적입니다[28, 29].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/DOM (Document Object Model).md b/10_Wiki/Topics/Frontend_Mastery/DOM (Document Object Model).md
index b531a1b5..c0956987 100644
--- a/10_Wiki/Topics/Frontend_Mastery/DOM (Document Object Model).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/DOM (Document Object Model).md	
@@ -17,7 +17,7 @@ DOM(Document Object Model)은 브라우저가 수신한 HTML 문서 데이터를
   JavaScript를 사용해 DOM을 직접 조작하고 크기나 위치 등을 변경하면, 브라우저는 문서 전체의 레이아웃(Reflow)과 페인트(Repaint) 과정을 다시 실행해야 하므로 처리 비용이 매우 높습니다 [16-18]. 이를 최적화하기 위해서는 사용된 DOM 노드나 속성값을 캐싱하고, DOM의 읽기 및 쓰기 작업을 분리하여 레이아웃 스래싱(Layout thrashing)을 방지해야 합니다 [16, 19, 20]. React와 같은 프레임워크는 실제 DOM을 직접 수정하는 비효율성을 피하고자 메모리 내에 가벼운 사본인 가상 DOM(Virtual DOM)을 생성하여 조작을 추상화합니다 [17, 21, 22].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSSOM (CSS Object Model)]], [[Render Tree]], [[Virtual DOM]], [[Critical Rendering Path (CRP)]], [[Reflow (Layout)]], [[Repaint]]
+- **Related Topics:** CSSOM (CSS Object Model), [[Render Tree]], [[Virtual DOM]], [[Critical Rendering Path (CRP)]], Reflow (Layout), Repaint
 - **Projects/Contexts:** 프론트엔드 성능 최적화(DOM 접근 최소화 및 렌더링 파이프라인 관리), React의 렌더링 엔진 구조 및 재조정(Reconciliation) 과정 이해 [6, 17, 23, 24].
 - **Contradictions/Notes:** DOM 구축은 HTML을 파싱하면서 '점진적(incremental)'으로 이루어지지만, CSSOM 구축은 렌더링을 차단(render-blocking)하며 점진적으로 처리되지 않는다는 구조적 차이가 있습니다 [1, 7, 9].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/DOM 및 CSSOM.md b/10_Wiki/Topics/Frontend_Mastery/DOM 및 CSSOM.md
index df9a8011..b485d3d0 100644
--- a/10_Wiki/Topics/Frontend_Mastery/DOM 및 CSSOM.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/DOM 및 CSSOM.md	
@@ -24,7 +24,7 @@ DOM(문서 객체 모델)과 CSSOM(CSS 객체 모델)은 브라우저의 핵심
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** `[[Critical Rendering Path]]`, `[[Render Tree]]`, `[[Reflow and Repaint]]`
-- **Projects/Contexts:** `[[프론트엔드 성능 최적화]]`, `[[브라우저 렌더링 파이프라인 이해]]`
+- **Projects/Contexts:** `[[프론트엔드 성능 최적화]]`, `브라우저 렌더링 파이프라인 이해`
 - **Contradictions/Notes:** CSS 선택자의 구체성이 CSSOM 생성 연산 속도에 영향을 미치지만, 최신 브라우저는 파싱 속도가 매우 빨라 이로 인한 지연은 마이크로초 단위에 불과합니다 [11, 13]. 따라서 과도하게 선택자 구체성 최적화에 집착하기보다는 미니파이(minification)나 렌더링 차단을 방지하는 다른 CSS 최적화 기법에 집중하는 것이 좋습니다 [13].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/DOM(Document Object Model).md b/10_Wiki/Topics/Frontend_Mastery/DOM(Document Object Model).md
index ad27a493..f91fa0cc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/DOM(Document Object Model).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/DOM(Document Object Model).md	
@@ -17,7 +17,7 @@ DOM(Document Object Model)은 브라우저가 HTML 마크업을 내부적으로
   자바스크립트 등을 통해 DOM을 직접 변경하는 작업은 브라우저의 레이아웃(Reflow)과 페인트 단계를 지속적으로 트리거하기 때문에 본질적으로 속도가 느리고 비용이 많이 듭니다 [10]. 애플리케이션이 복잡해질 경우 여러 노드를 개별적으로 업데이트하면 중복 연산이 발생하며, 이는 React와 같은 프레임워크가 가상 DOM(Virtual DOM)을 도입하게 된 핵심 배경이 되었습니다 [10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSSOM(CSS Object Model)]], [[Critical Rendering Path(CRP)]], [[Render Tree]], [[Virtual DOM]], [[Reflow / Repaint]]
+- **Related Topics:** [[CSSOM(CSS Object Model)]], Critical Rendering Path(CRP), [[Render Tree]], [[Virtual DOM]], Reflow / Repaint
 - **Projects/Contexts:** 브라우저 렌더링 과정 (Browser Rendering Process), 프론트엔드 성능 최적화 및 React의 Virtual DOM 도입 배경 이해 [7, 10, 11]
 - **Contradictions/Notes:** 소스 간의 모순된 정보는 없습니다. 참고로 DOM의 생성은 점진적(incremental)으로 진행되어 문서를 파싱하는 동안에도 화면을 그리기 시작할 수 있지만, CSSOM의 생성은 렌더링을 차단(render-blocking)한다는 점에서 두 모델의 구축 방식에 차이가 있습니다 [3, 9].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Dynamic Theming.md b/10_Wiki/Topics/Frontend_Mastery/Dynamic Theming.md
index 7b6a5899..231e450b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Dynamic Theming.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Dynamic Theming.md	
@@ -11,7 +11,7 @@ Dynamic Theming(동적 테마 적용)은 라이트 모드/다크 모드 또는 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Design Tokens]], [[CSS Variables]], [[Styled Components]], [[Tailwind CSS]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[Scalable Frontend Systems]], [[Component Library Architecture]], [[Design-to-Code Workflow]]
+- **Projects/Contexts:** [[Scalable Frontend Systems]], [[Component Library Architecture]], Design-to-Code Workflow
 - **Contradictions/Notes:** CSS-in-JS 라이브러리의 `ThemeProvider`는 동적인 테마 적용에 매우 유용하지만, Next.js의 App Router와 같은 React Server Components(RSC) 아키텍처와는 본질적으로 호환되지 않습니다 [14, 15]. 최신 확장성 높은 프론트엔드 환경에서는 이러한 런타임 CSS-in-JS 대신 정적 생성된 CSS 변수나 Tailwind CSS, 혹은 제로 런타임 라이브러리(vanilla-extract) 기반의 테마 시스템을 구축하는 것이 권장됩니다 [13, 15, 17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/E-commerce Platforms.md b/10_Wiki/Topics/Frontend_Mastery/E-commerce Platforms.md
index b3ff3f19..0566dbf9 100644
--- a/10_Wiki/Topics/Frontend_Mastery/E-commerce Platforms.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/E-commerce Platforms.md	
@@ -14,7 +14,7 @@ E-commerce Platforms(이커머스 플랫폼)은 제품 카탈로그, 장바구
   * 이러한 모듈식 접근 방식을 통해 비즈니스가 확장됨에 따라 새로운 결제 옵션을 추가하거나 제품 추천 기능을 갱신해야 할 때, 플랫폼 전체에 중단을 일으키지 않고 특정 컴포넌트만 쉽게 교체하거나 확장할 수 있는 유연성을 확보합니다 [2, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Component-Based Architecture]], [[Search Engine Optimization (SEO)]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[Component-Based Architecture]], [[Search Engine Optimization (SEO)]]
 - **Projects/Contexts:** 대규모 트래픽을 처리하면서도 검색 엔진 노출을 극대화하고 실시간 재고/가격 변동을 반영해야 하는 프론트엔드 웹 성능 최적화 및 렌더링 아키텍처 구축 맥락 [3, 4, 7].
 - **Contradictions/Notes:** 제공된 소스는 이커머스 플랫폼의 백엔드 비즈니스 로직이나 운영 모델보다는 주로 프론트엔드의 화면 렌더링 최적화(SSR/ISR)와 아키텍처(컴포넌트화) 측면에 초점을 맞추고 있어, 결제 시스템의 내부 동작 원리 등에 대해서는 소스에 관련 정보가 부족합니다.
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Feature-Sliced Design.md b/10_Wiki/Topics/Frontend_Mastery/Feature-Sliced Design.md
index 64770ac5..d30a5765 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Feature-Sliced Design.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Feature-Sliced Design.md	
@@ -20,8 +20,8 @@ Feature-Sliced Design(FSD)은 조직 전반의 일관성을 보장하기 위해
 * **도메인 주도 설계(DDD)와의 조화:** 기존 DDD의 추상적인 개념을 실용적인 파일 시스템 구조로 구체화하여, 임포트(import) 경로와 디렉토리 구조만으로도 도메인 경계를 명확히 식별할 수 있게 돕습니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Monorepo Architecture]], [[Atomic Design]], [[Domain-Driven Design (DDD)]], [[Component Library Architecture]], [[Public API]]
-- **Projects/Contexts:** 대규모 프론트엔드 애플리케이션 및 디자인 시스템 구축, [[Turborepo]] 또는 [[Nx]]를 활용한 확장 가능한 프론트엔드 모노레포 관리 환경 [5, 8, 9].
+- **Related Topics:** [[Monorepo Architecture]], [[Atomic Design]], [[Domain-Driven Design (DDD)]], [[Component Library Architecture]], Public API
+- **Projects/Contexts:** 대규모 프론트엔드 애플리케이션 및 디자인 시스템 구축, [[Turborepo]] 또는 Nx를 활용한 확장 가능한 프론트엔드 모노레포 관리 환경 [5, 8, 9].
 - **Contradictions/Notes:** 소스에 따르면 FSD는 [[Atomic Design]]과 경쟁하기보다는 상호 보완적으로 사용될 수 있습니다. UI 라이브러리에는 Atomic Design을 사용하여 "원자(Atoms)"를 순수하게 유지하고, 애플리케이션의 비즈니스 로직은 FSD의 Feature 기반 구조를 따르도록 결합하는 방식이 성공적인 아키텍처 패턴으로 제시됩니다 [10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Fiber 아키텍처 (Fiber Architecture).md b/10_Wiki/Topics/Frontend_Mastery/Fiber 아키텍처 (Fiber Architecture).md
index 14e0ec88..e5216e1e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Fiber 아키텍처 (Fiber Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Fiber 아키텍처 (Fiber Architecture).md	
@@ -17,8 +17,8 @@ Fiber 아키텍처는 동시성 렌더링(concurrent rendering)을 지원하고
     이러한 중단 가능한 렌더링 및 우선순위 관리 구조 덕분에 React는 `useTransition` 및 `useDeferredValue`와 같은 동시성 훅(concurrent hooks)을 도입할 수 있게 되었다 [18]. 이 훅들은 무거운 연산이 진행되는 동안에도 긴급한 사용자 입력을 위해 메인 스레드를 확보하여 부드러운 앱 경험을 유지하게 돕는다 [18, 19].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[가상 DOM (Virtual DOM)]], [[재조정 (Reconciliation)]], [[동시성 렌더링 (Concurrent Rendering)]], [[타임 슬라이싱 (Time-Slicing)]]
-- **Projects/Contexts:** [[React 16]], [[React 19 동시성 훅 (useTransition, useDeferredValue)]]
+- **Related Topics:** [[가상 DOM (Virtual DOM)]], [[재조정 (Reconciliation)]], [[동시성 렌더링 (Concurrent Rendering)]], 타임 슬라이싱 (Time-Slicing)
+- **Projects/Contexts:** React 16, React 19 동시성 훅 (useTransition, useDeferredValue)
 - **Contradictions/Notes:** 소스 간의 의견 충돌은 없으며, Fiber 아키텍처의 목표는 복잡한 렌더링 작업으로 인해 프레임이 떨어지는 기존의 스택 재조정자(Stack Reconciler) 문제를 해결하기 위해 필수적으로 도입된 구조적 변화라고 일관되게 설명된다 [2, 4].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Figma Design System Integration.md b/10_Wiki/Topics/Frontend_Mastery/Figma Design System Integration.md
index 1055dcd8..eb5c721e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Figma Design System Integration.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Figma Design System Integration.md	
@@ -9,8 +9,8 @@ Figma Design System Integration(Figma 디자인 시스템 통합)은 Figma에서
 - **AI 에이전트 및 MCP를 활용한 컴포넌트 스펙 자동화:** 대규모 UI 시스템에서 문서화의 병목을 해결하기 위해 Uber는 Figma Console MCP(Model Context Protocol)와 Cursor 내 AI 에이전트를 활용한 'uSpec' 시스템을 구축했습니다 [10], [4]. 이 AI 에이전트는 로컬 웹소켓을 통해 Figma 파일에 직접 연결한 후, 컴포넌트 트리, 토큰 값, 변형(Variants) 구조를 크롤링합니다 [11], [12]. 분석된 데이터를 기반으로 접근성 규칙(VoiceOver, ARIA 등)과 구조 스펙이 담긴 문서를 단 몇 분 만에 Figma 파일 내에 직접 렌더링하여 엔터프라이즈급 확장성을 입증했습니다 [13], [14], [15], [16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Design Tokens]], [[Dynamic Theming]], [[Component-Based Design]], [[Automated Token Distribution]]
-- **Projects/Contexts:** [[Uber's Base Design System / uSpec]], [[Tokens Studio for Figma]], [[Style Dictionary]], [[UXPin Merge]]
+- **Related Topics:** [[Design Tokens]], [[Dynamic Theming]], [[Component-Based Design]], Automated Token Distribution
+- **Projects/Contexts:** Uber's Base Design System / uSpec, Tokens Studio for Figma, [[Style Dictionary]], [[UXPin Merge]]
 - **Contradictions/Notes:** Figma에서 토큰을 수동으로 내보내고 동기화하는 방식은 유용하지만 설계와 개발 코드 간의 드리프트(Drift)를 유발할 수 있습니다 [9]. 따라서 대규모 조직에서는 CI/CD 파이프라인을 통해 토큰 릴리스를 자동화하고 코드 리뷰와 동일한 수준의 엄격한 거버넌스를 갖추는 것이 필수적입니다 [17], [18], [19].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Figma Integration.md b/10_Wiki/Topics/Frontend_Mastery/Figma Integration.md
index 7efb570b..00089dad 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Figma Integration.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Figma Integration.md	
@@ -11,7 +11,7 @@ Figma Integration(피그마 통합)은 현대적인 React 프론트엔드 아키
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Design Tokens]], [[Style Dictionary]], [[Dynamic Theming]]
-- **Projects/Contexts:** [[Uber Base Design System]], [[Figma Console MCP]], [[Tokens Studio for Figma]]
+- **Projects/Contexts:** Uber Base Design System, Figma Console MCP, Tokens Studio for Figma
 - **Contradictions/Notes:** 소스 내에서 Figma 통합에 대한 모순된 주장은 발견되지 않으며, 모든 소스가 공통적으로 Figma를 단일 진실 공급원(Source of Truth)으로 삼아 코드 및 문서화를 자동 동기화하는 파이프라인 구축을 권장합니다 [3, 5, 15].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Figma Tokens Studio.md b/10_Wiki/Topics/Frontend_Mastery/Figma Tokens Studio.md
index e04a5f01..2dbeb6ac 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Figma Tokens Studio.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Figma Tokens Studio.md	
@@ -11,7 +11,7 @@ Figma Tokens Studio(과거 명칭: Figma Tokens)는 디자이너가 색상, 서
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Design Tokens]], [[Style Dictionary]], [[CSS Variables]], [[Dynamic Theming]]
-- **Projects/Contexts:** [[Scalable UI Systems]], [[Design-to-Code Workflow]]
+- **Projects/Contexts:** Scalable UI Systems, Design-to-Code Workflow
 - **Contradictions/Notes:** 소스 데이터는 Figma Tokens Studio의 작동 원리나 전체 기능에 대해 깊이 다루지 않습니다. 단지 디자이너가 만든 토큰을 코드로 가져오기 위해 JSON 형태로 내보내는 도구(플러그인)로써의 역할에만 초점을 맞추고 있으므로, 소스에 관련 정보가 부족합니다 [1, 2].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Flexbox.md b/10_Wiki/Topics/Frontend_Mastery/Flexbox.md
index d8edfc38..275e99dd 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Flexbox.md
+++ b/10_Wiki/Topics/Frontend_Mastery/Flexbox.md
@@ -29,8 +29,8 @@ Flexbox(Flexible Box Layout)는 컨테이너 내의 아이템들을 정렬하고
 * 실무 CSS 아키텍처 설계에서는 페이지나 큰 섹션의 주요 뼈대(Major layout)는 CSS Grid로 잡고, 그 안의 내부 컴포넌트 정렬은 Flexbox를 사용하는 등 두 시스템을 함께 결합하여 확장성 높은 레이아웃을 구성하는 것이 가장 효율적입니다 [7, 31].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Grid]], [[반응형 디자인 (Responsive Web Design)]], [[CSS 실전 설계]]
-- **Projects/Contexts:** [[웹 애플리케이션 컴포넌트 아키텍처]], [[모바일 우선(Mobile-First) UI 설계 및 반응형 네비게이션 구현]]
+- **Related Topics:** [[CSS Grid]], 반응형 디자인 (Responsive Web Design), CSS 실전 설계
+- **Projects/Contexts:** 웹 애플리케이션 컴포넌트 아키텍처, 모바일 우선(Mobile-First) UI 설계 및 반응형 네비게이션 구현
 - **Contradictions/Notes:** Flexbox는 훌륭한 정렬 도구이지만, 2차원의 복잡한 레이아웃을 Flexbox만으로 구현하려고 하면 Flex 컨테이너를 과도하게 중첩(nesting)해야 하여 HTML 및 CSS 관리가 복잡해지는 단점이 있습니다. 이러한 경우에는 CSS Grid를 사용하는 것이 권장됩니다 [28, 32].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/GPU Acceleration (Compositing).md b/10_Wiki/Topics/Frontend_Mastery/GPU Acceleration (Compositing).md
index 4254dd34..81901672 100644
--- a/10_Wiki/Topics/Frontend_Mastery/GPU Acceleration (Compositing).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/GPU Acceleration (Compositing).md	
@@ -19,8 +19,8 @@ GPU 가속(또는 합성, Compositing)은 브라우저가 메인 스레드에서
   CSS 실전 설계 시 유지보수성과 성능을 동시에 잡으려면 애니메이션 구현 시 `transform`과 `opacity` 위주로 사용하여 GPU 가속을 적극 활용해야 한다 [2, 8]. 또한, 거대한 백그라운드 이미지나 무거운 `box-shadow` 등의 애니메이션은 GPU/CPU 자원을 많이 소모하므로 사용을 최소화해야 한다 [5, 9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Animations]], [[Reflow and Repaint]], [[will-change]]
-- **Projects/Contexts:** [[Performance Optimization]], [[UI/UX Motion Design]]
+- **Related Topics:** [[CSS Animations]], [[Reflow and Repaint]], will-change
+- **Projects/Contexts:** [[Performance Optimization]], UI/UX Motion Design
 - **Contradictions/Notes:** 소스 문헌들은 `will-change` 속성이 브라우저가 요소를 GPU에서 처리하도록 미리 준비시켜 애니메이션 성능을 높이는 데 유용하다고 설명하지만, 동시에 이를 예상되는 성능 문제를 방지하기 위해 너무 많은 요소에 남용해서는 안 된다고 경고한다. 불필요한 `will-change` 남용은 오히려 시스템 리소스를 고갈시키고 성능 문제를 악화시킬 수 있으므로, 기존에 발생한 성능 문제를 해결하기 위한 최후의 수단(last resort)으로만 제한적으로 사용해야 한다 [7, 9, 10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 Compositing.md b/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 Compositing.md
index 5df6cfd4..aab6d7fb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 Compositing.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 Compositing.md	
@@ -14,8 +14,8 @@ GPU 가속 및 Compositing(합성)은 브라우저가 렌더링 및 애니메이
 *   **성능 테스트 도구**: 렌더링 및 애니메이션 성능 병목 현상을 파악하기 위해 개발자 도구의 'Layer Profiler'를 사용할 수 있습니다. 이를 통해 어떤 요소가 합성 레이어(composite layer)에서 렌더링되고 있는지 식별하여 성능 문제를 진단할 수 있습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 애니메이션 성능 최적화]], [[Reflow와 Repaint]], [[will-change 속성]]
-- **Projects/Contexts:** [[대규모 프론트엔드 시스템의 렌더링 파이프라인 최적화 프로젝트]]
+- **Related Topics:** CSS 애니메이션 성능 최적화, [[Reflow와 Repaint]], will-change 속성
+- **Projects/Contexts:** 대규모 프론트엔드 시스템의 렌더링 파이프라인 최적화 프로젝트
 - **Contradictions/Notes:** GPU 가속을 돕는 `will-change` 속성은 렌더링 성능을 개선할 수 있는 강력한 도구이지만, 불필요하게 너무 많은 요소에 남용할 경우 도리어 심각한 성능 저하를 일으킬 수 있으므로 꼭 필요한 경우에만 제한적으로 사용해야 합니다 [5].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 컴포지팅.md b/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 컴포지팅.md
index 61367e76..3639a090 100644
--- a/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 컴포지팅.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/GPU 가속 및 컴포지팅.md	
@@ -10,8 +10,8 @@ GPU 가속 및 컴포지팅은 브라우저의 메인 스레드에서 처리하
 * **성능 프로파일링 및 디버깅:** CSS 애니메이션이 올바르게 최적화되었는지 확인하려면 Chrome DevTools를 활용할 수 있습니다. 특히 Layer Profiler를 사용하면 어떤 요소가 복합 레이어(Composite layer)에서 렌더링되고 있는지 식별하여 성능 병목 현상을 파악할 수 있습니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 애니메이션 성능 최적화]], [[Reflow와 Repaint (리플로우와 리페인트)]], [[transform 및 opacity 속성]], [[will-change 속성]]
-- **Projects/Contexts:** [[모바일 우선 및 저사양 기기를 고려한 웹 성능 최적화]], [[60 FPS의 부드러운 상호작용 및 애니메이션 구현]]
+- **Related Topics:** CSS 애니메이션 성능 최적화, Reflow와 Repaint (리플로우와 리페인트), transform 및 opacity 속성, will-change 속성
+- **Projects/Contexts:** 모바일 우선 및 저사양 기기를 고려한 웹 성능 최적화, 60 FPS의 부드러운 상호작용 및 애니메이션 구현
 - **Contradictions/Notes:** 컴포지팅은 애니메이션 성능 최적화의 핵심이지만, `box-shadow`나 `filter` 등의 속성을 포함한 애니메이션은 무거운 렌더링 과정을 유발해 오히려 성능 저하를 초래할 수 있으므로 주의해야 합니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/GPU 가속(GPU Acceleration).md b/10_Wiki/Topics/Frontend_Mastery/GPU 가속(GPU Acceleration).md
index 2f4476fd..9bef0c88 100644
--- a/10_Wiki/Topics/Frontend_Mastery/GPU 가속(GPU Acceleration).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/GPU 가속(GPU Acceleration).md	
@@ -19,8 +19,8 @@ GPU 가속(GPU Acceleration)은 웹 브라우저의 렌더링 및 애니메이
   GPU 가속은 특히 모바일 장치에서 성능 향상에 크게 기여하지만, 무조건적으로 사용하는 것이 항상 좋은 결과로 이어지지는 않는다 [3]. 무분별한 레이어 생성이나 `will-change` 속성을 불필요하게 많이 적용할 경우, 디바이스의 메모리 및 리소스를 과도하게 소모하여 오히려 성능 문제를 유발할 수 있다 [6]. 따라서 필요한 UI 요소에만 제한적으로 사용하고 성능 테스트를 병행해야 한다.
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 애니메이션 최적화(CSS Animations Optimization)]], [[리플로우 및 리페인트(Reflows and Repaints)]], [[컴포지팅(Compositing)]], [[will-change 속성]]
-- **Projects/Contexts:** [[웹 성능 최적화(Web Performance Optimization)]], [[실무 CSS 관리 및 아키텍처]]
+- **Related Topics:** [[CSS 애니메이션 최적화(CSS Animations Optimization)]], 리플로우 및 리페인트(Reflows and Repaints), 컴포지팅(Compositing), will-change 속성
+- **Projects/Contexts:** [[웹 성능 최적화(Web Performance Optimization)]], 실무 CSS 관리 및 아키텍처
 - **Contradictions/Notes:** 소스에서는 GPU 애니메이션이 성능 향상을 가져다준다고 설명하는 동시에, 애니메이션을 GPU로 이동시키는 작업이 항상 간단하지만은 않으며 잘못 사용할 경우 과부하를 일으킬 수 있다는 점을 함께 경고하고 있다 [3, 6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Headless Components.md b/10_Wiki/Topics/Frontend_Mastery/Headless Components.md
index 60228880..1c1943cf 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Headless Components.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Headless Components.md	
@@ -18,7 +18,7 @@ Headless Components(헤드리스 컴포넌트)는 마크업이나 스타일링 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Compound Components]], [[Tailwind CSS]], [[Accessibility (A11y)]], [[Design Systems]]
-- **Projects/Contexts:** [[Radix UI]], [[Headless UI]], [[Downshift]], [[shadcn/ui]]
+- **Projects/Contexts:** [[Radix UI]], [[Headless UI]], [[Downshift]], shadcn/ui
 - **Contradictions/Notes:** 일반적인 스타일링 라이브러리(예: Styled Components)는 컴포넌트에 특정한 디자인적 '의견(opinions)'이 결합된 채로 제공되지만, Headless Components는 디자인을 배제하고 오직 로직과 상태만을 제공하여 시각적 자유도를 극대화한다는 점에서 명확한 대비를 이룹니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Interaction to Next Paint (INP).md b/10_Wiki/Topics/Frontend_Mastery/Interaction to Next Paint (INP).md
index 9bc8c7c8..fa7cba78 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Interaction to Next Paint (INP).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Interaction to Next Paint (INP).md	
@@ -14,7 +14,7 @@ Interaction to Next Paint (INP)는 2024년 3월에 기존의 First Input Delay (
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Core Web Vitals]], [[First Input Delay (FID)]], [[Concurrent Rendering]], [[React Compiler]], [[React Server Components]]
-- **Projects/Contexts:** [[Wakelet (React Compiler 도입으로 INP 47% 개선 사례)]], [[DebugBear (INP 데이터를 모니터링하는 RUM 솔루션)]]
+- **Projects/Contexts:** Wakelet (React Compiler 도입으로 INP 47% 개선 사례), DebugBear (INP 데이터를 모니터링하는 RUM 솔루션)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족한 모순점은 없습니다. 모든 소스가 공통적으로 INP를 향상시키기 위해 자바스크립트 실행을 줄이고 메인 스레드의 부하를 관리해야 한다고 주장합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Island Architecture.md b/10_Wiki/Topics/Frontend_Mastery/Island Architecture.md
index b860e0c7..677ef1a7 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Island Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Island Architecture.md	
@@ -9,8 +9,8 @@ Island Architecture(아일랜드 아키텍처)는 웹 페이지의 대부분을
 - **정보 부족 명시:** 이 외에 아일랜드 아키텍처가 구체적으로 어떤 프레임워크에서 어떻게 구현되는지, 어떠한 장단점이나 제약 사항을 가지는지에 대해서는 소스에 관련 정보가 부족합니다. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Hydration]], [[SSR (Server-Side Rendering)]], [[CSR (Client-Side Rendering)]]
-- **Projects/Contexts:** [[Advanced Hydration Optimization Methods]]
+- **Related Topics:** [[Hydration]], SSR (Server-Side Rendering), CSR (Client-Side Rendering)
+- **Projects/Contexts:** Advanced Hydration Optimization Methods
 - **Contradictions/Notes:** 제공된 소스 문서 전체에서 아일랜드 아키텍처에 대한 설명은 하이드레이션 최적화 기법을 나열하는 부분에서 단 한 문장으로만 언급되어 있어, 개념을 깊이 이해하기에는 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Lane Model.md b/10_Wiki/Topics/Frontend_Mastery/Lane Model.md
index 23e50a7a..0efaa41e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Lane Model.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Lane Model.md	
@@ -24,7 +24,7 @@ React의 Lane Model은 동시성 렌더링(Concurrent Rendering) 및 작업 스
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], [[Reconciliation]], [[Time-Slicing]]
-- **Projects/Contexts:** [[React Scheduler]], [[useTransition]], [[useDeferredValue]]
+- **Projects/Contexts:** React Scheduler, [[useTransition]], [[useDeferredValue]]
 - **Contradictions/Notes:** 소스 내에 특별한 모순점은 발견되지 않았습니다. Lane Model은 과거 React의 동기식 차단(Synchronous Blocking) 렌더링의 한계를 극복하고 긴급한 상호작용과 긴급하지 않은 UI 전환을 효율적으로 분류하기 위해 Fiber 아키텍처와 함께 도입된 구조로 일관되게 설명되고 있습니다 [1-3, 11].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Lanes Model.md b/10_Wiki/Topics/Frontend_Mastery/Lanes Model.md
index 51d25422..d64f71cb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Lanes Model.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Lanes Model.md	
@@ -23,8 +23,8 @@ Lanes Model은 React의 Fiber 아키텍처에서 동시성(Concurrent) 작업과
   Lanes Model은 React의 `useTransition` 및 `useDeferredValue`와 같은 동시성 훅(Hooks)을 구동하는 핵심 기술입니다 [4]. 이 모델 덕분에 긴급하지 않은 렌더링 업데이트를 낮은 우선순위로 미뤄두어, 무거운 연산이 진행되는 동안에도 UI가 멈추지 않고 반응성을 유지할 수 있습니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], [[React Scheduler]], [[Virtual DOM]]
-- **Projects/Contexts:** [[React의 렌더링 최적화 및 우선순위 기반 스케줄링 맥락]]
+- **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], React Scheduler, [[Virtual DOM]]
+- **Projects/Contexts:** React의 렌더링 최적화 및 우선순위 기반 스케줄링 맥락
 - **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았습니다. 제공된 소스들은 공통적으로 Lanes Model이 React의 우선순위 관리와 동시성 렌더링을 가능하게 하는 중추적인 아키텍처임을 강조합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Large Frontend Projects.md b/10_Wiki/Topics/Frontend_Mastery/Large Frontend Projects.md
index f4d983e5..245f46fb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Large Frontend Projects.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Large Frontend Projects.md	
@@ -21,8 +21,8 @@
     대규모 시스템에서는 렌더링 파이프라인 최적화가 필수입니다. 레이아웃 리플로우(Reflows)와 리페인트(Repaints)를 최소화하기 위해 DOM 조작을 일괄 처리하거나 위치/크기 변경 대신 GPU 가속이 가능한 `transform`이나 `opacity` 위주로 애니메이션을 구성해야 합니다 [28-32]. 또한 예측 가능한 UI 구조를 잡기 위해 컴포넌트 내부 정렬에는 **Flexbox(1차원)**를, 전체 페이지 뼈대 및 구조에는 **CSS Grid(2차원)**를 조합하여 불필요한 래퍼(Wrapper) 요소 중첩을 줄입니다 [33-35]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], [[Tailwind 전략]], [[디자인 시스템 개념]], [[Feature-Sliced Design]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 플랫폼 개발]], [[컴포넌트 기반 프레임워크(React, Vue 등) 환경의 협업]]
+- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], Tailwind 전략, [[디자인 시스템 개념]], [[Feature-Sliced Design]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 플랫폼 개발, 컴포넌트 기반 프레임워크(React, Vue 등) 환경의 협업
 - **Contradictions/Notes:** Tailwind CSS의 유틸리티 클래스 방식은 빌드 크기를 최적화하고 일관된 디자인 시스템 적용에 뛰어나 대규모 프로젝트에 이상적이라는 주장이 있습니다 [23, 24]. 그러나 과도하게 길어지는 클래스명으로 인해 HTML 가독성이 떨어지고 컴포넌트 유지보수가 힘들어질 수 있다는 반론도 존재합니다 [36, 37]. 이 때문에 대규모 환경에서는 전역 레이아웃 및 디자인 토큰에는 Tailwind를, 세밀하고 복잡한 스타일 제어에는 CSS Modules 또는 SCSS를 결합하는 하이브리드 방식이 실무적 타협안으로 제시되고 있습니다 [26, 27, 38]. BEM 역시 유용하나 인적 오류로 인한 한계 때문에 점차 CSS Modules나 Zero-runtime CSS-in-JS 같은 자동화 캡슐화 툴로 대체되는 경향을 보입니다 [18, 21, 39].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Layout Thrashing.md b/10_Wiki/Topics/Frontend_Mastery/Layout Thrashing.md
index 66d9797f..559e6a84 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Layout Thrashing.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Layout Thrashing.md	
@@ -16,8 +16,8 @@
 * **스타일 적용 방식 최적화**: 자바스크립트로 직접 인라인 스타일을 조작하기보다는 CSS 클래스를 추가/제거하는 방식을 사용해야 합니다 [6]. 렌더링 속도를 늦추는 깊고 복잡한 CSS 선택자의 사용을 피하고, 자주 변경될 요소에는 `will-change` 속성을 통해 브라우저가 미리 렌더링을 최적화할 수 있는 힌트를 제공하는 것도 방법입니다 [3, 6, 10]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow]], [[Repaint]], [[CSS Animations]], [[Performance Optimization]]
-- **Projects/Contexts:** [[Frontend Architecture]], [[실무에서 CSS 관리하는 방법]]
+- **Related Topics:** Reflow, Repaint, [[CSS Animations]], [[Performance Optimization]]
+- **Projects/Contexts:** Frontend Architecture, [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** `will-change` 속성은 브라우저가 변경 사항에 미리 대비하게 해주어 성능을 향상할 수 있지만, 너무 많은 요소에 불필요하게 적용할 경우 오히려 브라우저 자원을 낭비하여 성능 문제를 일으킬 수 있으므로 신중하게 사용해야 합니다 [10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Lighthouse.md b/10_Wiki/Topics/Frontend_Mastery/Lighthouse.md
index 3a8f066c..4c80e5cc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Lighthouse.md
+++ b/10_Wiki/Topics/Frontend_Mastery/Lighthouse.md
@@ -10,7 +10,7 @@ Lighthouse는 Chrome DevTools에 내장되어 웹 애플리케이션의 성능
 * **실제 사용자 데이터(RUM)와의 병행 사용:** Lighthouse는 실험실 도구(Lab tool)이므로 실제 사용자의 기기, 네트워크 상태 및 사용 패턴을 완벽히 반영하지 못할 수 있습니다 [1]. 따라서 프로덕션 환경에서는 `web-vitals` 자바스크립트 라이브러리를 활용해 실제 사용자 데이터(Field data)를 수집하여 함께 모니터링하는 것이 필수적입니다 [1, 2].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Core Web Vitals]], [[LCP]], [[Render-blocking resources]], [[Chrome DevTools]]
+- **Related Topics:** [[Core Web Vitals]], LCP, Render-blocking resources, [[Chrome DevTools]]
 - **Projects/Contexts:** [[React Performance Optimization]], [[Critical Rendering Path]]
 - **Contradictions/Notes:** 다른 성능 측정 도구인 WebPageTest가 모든 렌더링 차단 리소스를 명확하게 표시하는 반면, Lighthouse는 페이지 렌더링을 실제로 지연시키는 요소만 미묘하게 강조한다는 접근 방식의 차이가 있습니다 [3].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/MUI.md b/10_Wiki/Topics/Frontend_Mastery/MUI.md
index 45d8fb18..81a39841 100644
--- a/10_Wiki/Topics/Frontend_Mastery/MUI.md
+++ b/10_Wiki/Topics/Frontend_Mastery/MUI.md
@@ -11,7 +11,7 @@ MUI(Material UI)는 React 프로젝트에서 사용되는 대표적인 UI 컴포
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Compound Components]], [[styled-components]], [[Design Tokens]]
-- **Projects/Contexts:** [[UI Component Libraries]]
+- **Projects/Contexts:** UI Component Libraries
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. MUI에 대한 깊이 있는 분석이나 다른 프레임워크와의 직접적인 의견 충돌(모순)에 관한 내용은 제공된 문서에서 확인되지 않습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Meta Quest Store.md b/10_Wiki/Topics/Frontend_Mastery/Meta Quest Store.md
index 04477daf..33a1b7b2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Meta Quest Store.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Meta Quest Store.md	
@@ -11,7 +11,7 @@ Meta Quest Store는 Meta에서 운영하는 플랫폼으로, 제공된 문서 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Compiler]], [[Performance Optimization]]
-- **Projects/Contexts:** [[Meta's Internal Testing (React Compiler 성능 검증)]]
+- **Projects/Contexts:** Meta's Internal Testing (React Compiler 성능 검증)
 - **Contradictions/Notes:** Meta Quest Store에 대한 독립적이고 포괄적인 설명은 제공된 소스에 관련 정보가 부족합니다. 오직 React Compiler의 적용으로 인한 성능 최적화 지표를 보여주는 단편적인 사례(Case Study)로만 활용되었습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Mobile-First Approach.md b/10_Wiki/Topics/Frontend_Mastery/Mobile-First Approach.md
index b3fe75b1..eb6eaee2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Mobile-First Approach.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Mobile-First Approach.md	
@@ -18,8 +18,8 @@
   * 모바일 퍼스트를 잘 구현한 실제 사례로는, 기사의 중요도에 따라 모바일에서 단일 스택으로 깔끔하게 조정되도록 설계한 출판 매체 가디언(The Guardian) 지가 있습니다 [11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Responsive Web Design]], [[Media Queries]], [[Core Web Vitals]]
-- **Projects/Contexts:** [[The Guardian]], [[CSS Architecture]]
+- **Related Topics:** [[Responsive Web Design]], Media Queries, [[Core Web Vitals]]
+- **Projects/Contexts:** The Guardian, [[CSS Architecture]]
 - **Contradictions/Notes:** 자료에서는 모바일 퍼스트 디자인과 반응형 웹 디자인을 분명하게 구분하고 있습니다. 모바일 퍼스트는 사용자 여정과 우선순위를 다루는 '전략'이며, 반응형 디자인은 이를 유연하게 조정하는 '기술적 구현'입니다 [1, 2]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Mobile-First Design.md b/10_Wiki/Topics/Frontend_Mastery/Mobile-First Design.md
index 881093de..1a2bf1dc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Mobile-First Design.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Mobile-First Design.md	
@@ -18,8 +18,8 @@
   * 우수한 모범 사례인 '가디언(The Guardian)' 웹사이트의 경우, 작은 폰 화면에서는 단일 에디토리얼 스택으로 표시되다가 데스크톱에서는 4~5개 열로 부드럽게 확장되는 완벽한 모바일 퍼스트 레이아웃을 보여줍니다 [10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Responsive Web Design]], [[Media Queries]], [[Core Web Vitals]]
-- **Projects/Contexts:** [[CSS 실전 설계]], [[반응형 디자인]], [[The Guardian Website]]
+- **Related Topics:** [[Responsive Web Design]], Media Queries, [[Core Web Vitals]]
+- **Projects/Contexts:** CSS 실전 설계, [[반응형 디자인]], The Guardian Website
 - **Contradictions/Notes:** 소스에서는 데스크톱 레이아웃을 먼저 만들고 이를 모바일 크기로 줄이는 방식(Graceful Degradation)은 코드가 복잡해지고 요소가 비좁아져 유지보수가 어렵기 때문에, 모바일 버전을 시작점으로 삼아 큰 화면으로 확장하는 방식(Progressive Enhancement)을 취하는 것이 올바른 CSS 설계 구조라고 강조합니다 [5, 7].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Modern Scalable Frontend Architecture.md b/10_Wiki/Topics/Frontend_Mastery/Modern Scalable Frontend Architecture.md
index 79f4328e..dc913c65 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Modern Scalable Frontend Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Modern Scalable Frontend Architecture.md	
@@ -27,7 +27,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Tailwind CSS]], [[Styled-components]], [[React Server Components (RSC)]], [[Compound Components]], [[Atomic Design]], [[Design Tokens]], [[Monorepo]], [[Feature-Sliced Design (FSD)]]
-- **Projects/Contexts:** [[Next.js 15 App Router]], [[Kiwi.com Migration]], [[Uber Base Web]], [[Shopify Polaris]]
+- **Projects/Contexts:** [[Next.js 15 App Router]], Kiwi.com Migration, [[Uber Base Web]], [[Shopify Polaris]]
 - **Contradictions/Notes:** 소스에 따르면 Styled-components는 컴포넌트 단위의 동적 스타일링에 훌륭한 개발자 경험을 제공하지만 [8, 47], React Server Components (RSC)에서 Context 사용이 불가능하다는 구조적 한계와 런타임 성능 저하 문제로 인해 2025년 이후의 새로운 Next.js 프로젝트에서는 빌드 타임에 작동하는 Tailwind CSS, CSS Modules, 또는 Zero-runtime CSS-in-JS(vanilla-extract)의 사용이 강하게 권장됩니다 [4, 9, 10, 48].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Monorepo Architecture.md b/10_Wiki/Topics/Frontend_Mastery/Monorepo Architecture.md
index 2b1a14a0..5fd0a27b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Monorepo Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Monorepo Architecture.md	
@@ -22,7 +22,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Component Library Architecture]], [[Feature-Sliced Design (FSD)]], [[React Design Tokens]]
-- **Projects/Contexts:** [[다수의 React/Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경]]
+- **Projects/Contexts:** 다수의 React/Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경
 - **Contradictions/Notes:** 모노레포는 여러 앱이 코드와 도구를 공유할 때 유리하지만, 앱이 서로 독립적인 릴리스 주기를 갖는 완전 별개의 제품이거나, 조직의 규정 준수를 위해 엄격한 저장소 분리가 필요한 경우에는 폴리레포(Polyrepo) 방식이 더 안전하고 적합할 수 있습니다 [23].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js 15.md b/10_Wiki/Topics/Frontend_Mastery/Next.js 15.md
index d0d78149..8e8a8f67 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js 15.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js 15.md	
@@ -20,8 +20,8 @@ Next.js 15는 React Server Components(RSC)를 핵심으로 하는 App Router를
   기본적으로 정적 렌더링(Static Rendering)을 통해 빌드 타임에 HTML을 생성하며, `cookies()`나 `headers()` 같은 함수를 사용할 경우 동적 렌더링(Dynamic Rendering)으로 전환됩니다 [16]. 그 외에도 일정 시간 후 페이지를 다시 생성하는 점진적 정적 재생성(ISR), 특정 태그 기반의 주문형 재검증(On-Demand Revalidation) 기능을 통해 유연하고 확장 가능한 프론트엔드를 구축할 수 있습니다 [4, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Server Components (RSC)]], [[Styled Components]], [[Tailwind CSS]], [[App Router]]
-- **Projects/Contexts:** [[Next.js App Router 환경에서의 확장 가능한 프론트엔드 스타일링 및 UI 컴포넌트 아키텍처 설계]]
+- **Related Topics:** [[React Server Components (RSC)]], [[Styled Components]], [[Tailwind CSS]], App Router
+- **Projects/Contexts:** Next.js App Router 환경에서의 확장 가능한 프론트엔드 스타일링 및 UI 컴포넌트 아키텍처 설계
 - **Contradictions/Notes:** 소스에 따르면 Next.js App Router를 도입하는 신규 프로젝트에서는 성능 이슈와 RSC 호환성 문제로 런타임 CSS-in-JS 사용을 피하는 것이 최우선으로 권장되지만 [11], 동시에 하위 호환성이나 기존 설정을 유지해야 하는 팀을 위해 Style Registry 패턴을 통해 Styled Components를 통합할 수 있는 공식적인 우회 방법론도 함께 제공하고 있습니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js App Router Styling Strategies.md b/10_Wiki/Topics/Frontend_Mastery/Next.js App Router Styling Strategies.md
index 6d85b4bc..1215d86f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js App Router Styling Strategies.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js App Router Styling Strategies.md	
@@ -20,7 +20,7 @@ Next.js App Router의 도입과 React Server Components(RSC)의 사용은 프론
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Server Components]], [[Tailwind CSS]], [[CSS Modules]], [[Zero-runtime CSS-in-JS]], [[Feature-Driven Architecture]]
-- **Projects/Contexts:** [[Next.js Scalable Architecture]], [[App Router Migration]]
+- **Projects/Contexts:** Next.js Scalable Architecture, App Router Migration
 - **Contradictions/Notes:** 기존 Next.js Pages Router 환경에서는 `styled-components`나 `Emotion` 기반의 CSS-in-JS가 문제없이 작동하고 마이그레이션할 필요가 없지만, App Router 환경으로 전환할 때에는 구조적 한계로 인해 Tailwind CSS, CSS Modules 또는 `vanilla-extract` 중 하나로 스타일링 방식을 전환할 것을 반드시 계획해야 합니다 [3].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js App Router 환경의 컴포넌트 스타일링.md b/10_Wiki/Topics/Frontend_Mastery/Next.js App Router 환경의 컴포넌트 스타일링.md
index d318370f..6381e158 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js App Router 환경의 컴포넌트 스타일링.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js App Router 환경의 컴포넌트 스타일링.md	
@@ -18,7 +18,7 @@ Next.js App Router 환경에서는 React Server Components(RSC)와의 호환성
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Modules]], [[Tailwind CSS]], [[CSS-in-JS]], [[React Server Components]]
-- **Projects/Contexts:** [[신규 Next.js App Router 프로젝트 환경 설정]], [[기존 React 프로젝트의 App Router 마이그레이션 전략]], [[기능 기반 아키텍처(Feature-Driven Architecture)]]
+- **Projects/Contexts:** 신규 Next.js App Router 프로젝트 환경 설정, 기존 React 프로젝트의 App Router 마이그레이션 전략, 기능 기반 아키텍처(Feature-Driven Architecture)
 - **Contradictions/Notes:** 컴포넌트 상태와 프롭스(props)에 기반한 동적 스타일링에 매우 유용하게 쓰이던 styled-components와 Emotion 같은 런타임 CSS-in-JS 기술들이 과거에는 훌륭한 개발자 경험을 제공했지만, Next.js App Router라는 최신 패러다임 하에서는 RSC와의 비호환성 및 런타임 성능 비용으로 인해 권장되지 않는 기술로 전환되었다는 점이 가장 큰 대조를 이룹니다 [1, 3, 8].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js App Router.md b/10_Wiki/Topics/Frontend_Mastery/Next.js App Router.md
index 4ed5fe2d..8961c96f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js App Router.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js App Router.md	
@@ -18,7 +18,7 @@ Next.js App Router는 React Server Components(RSC)를 핵심 아키텍처로 도
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Server Components]], [[Tailwind CSS]], [[Styled Components]], [[Zero-runtime CSS-in-JS]], [[Hydration]]
-- **Projects/Contexts:** [[Modern Frontend Engineering]], [[Scalable Frontend Architecture]]
+- **Projects/Contexts:** Modern Frontend Engineering, Scalable Frontend Architecture
 - **Contradictions/Notes:** 소스 전반에서 기존 런타임 CSS-in-JS 라이브러리(styled-components 등)가 React Context 부재로 인해 Next.js App Router(RSC) 환경과 호환되지 않아 Tailwind CSS나 정적 CSS 방식이 권장된다고 설명합니다 [4, 7, 10]. 그러나 `styled-components`의 릴리스 노트를 보면 v6.3.0 이후부터 RSC 환경을 자동으로 감지하고 인라인 `<style>` 태그를 자체적으로 방출 및 병합하여 RSC 및 App Router에서도 정상 동작하도록 패치되었습니다 [13]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js Modular and Scalable Project Structure.md b/10_Wiki/Topics/Frontend_Mastery/Next.js Modular and Scalable Project Structure.md
index 0cf5df80..61d9c7c4 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js Modular and Scalable Project Structure.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js Modular and Scalable Project Structure.md	
@@ -19,8 +19,8 @@ Next.js의 모듈화되고 확장 가능한 프로젝트 구조는 애플리케
   - **디렉토리 분리:** 최상위 폴더가 설정 파일들(`tailwind.config.ts`, `next.config.mjs` 등)로 어질러지는 것을 막기 위해 `src/` 디렉토리를 사용하는 것이 좋습니다 [10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Modules]], [[Tailwind 전략]], [[실무에서 CSS 관리하는 방법]], [[디자인 시스템 개념]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트 아키텍처 구축]], [[React Server Components 기반 App Router 마이그레이션]]
+- **Related Topics:** [[CSS Modules]], Tailwind 전략, [[실무에서 CSS 관리하는 방법]], [[디자인 시스템 개념]]
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트 아키텍처 구축, React Server Components 기반 App Router 마이그레이션
 - **Contradictions/Notes:** 컴포넌트 단위 스타일링을 위해 CSS-in-JS 방식을 선호할 수 있으나, Next.js의 현대적인 App Router 환경(RSC)에서는 성능 저하 및 호환성 문제로 인해 런타임 CSS-in-JS의 사용이 강하게 제한되며, 대신 CSS Modules나 Tailwind CSS가 더 안전한 대안으로 주장되고 있습니다 [6, 8].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js 기반 대규모 웹 애플리케이션.md b/10_Wiki/Topics/Frontend_Mastery/Next.js 기반 대규모 웹 애플리케이션.md
index bdbc1e51..b007de09 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js 기반 대규모 웹 애플리케이션.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js 기반 대규모 웹 애플리케이션.md	
@@ -18,7 +18,7 @@ Next.js 기반 대규모 웹 애플리케이션은 비즈니스 로직과 UI를
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Feature-Driven Architecture]], [[React Server Components (RSC)]], [[Tailwind CSS]], [[CSS Modules]], [[Zero-runtime CSS-in-JS]]
-- **Projects/Contexts:** [[Next.js App Router 기반 프로젝트 환경]], [[대규모 엔터프라이즈 프론트엔드 시스템]]
+- **Projects/Contexts:** Next.js App Router 기반 프로젝트 환경, 대규모 엔터프라이즈 프론트엔드 시스템
 - **Contradictions/Notes:** 소스에 따르면, 과거에는 동적 스타일링과 테마 적용의 이점 때문에 CSS-in-JS(styled-components, Emotion 등)가 널리 사용되었으나, 최근 Next.js의 App Router 및 RSC 환경의 도입으로 인해 컨텍스트(Context) 기반의 런타임 CSS-in-JS는 작동하지 않거나 심각한 성능 오버헤드를 유발하여 사용이 지양되고 있습니다. 그 대안으로 Tailwind CSS나 CSS Modules 같은 정적 렌더링 호환 스타일링 방식이 새로운 표준으로 자리 잡았습니다 [3-5].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js 기반의 Hybrid Rendering (SSR-CSR-RSC 혼합 적용).md b/10_Wiki/Topics/Frontend_Mastery/Next.js 기반의 Hybrid Rendering (SSR-CSR-RSC 혼합 적용).md
index e551737c..dd10846e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js 기반의 Hybrid Rendering (SSR-CSR-RSC 혼합 적용).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js 기반의 Hybrid Rendering (SSR-CSR-RSC 혼합 적용).md	
@@ -1,4 +1,4 @@
-# [[Next.js 기반의 Hybrid Rendering (SSR/CSR/RSC 혼합 적용)]]
+# Next.js 기반의 Hybrid Rendering (SSR/CSR/RSC 혼합 적용)
 
 ## 📌 Brief Summary
 Next.js 기반의 Hybrid Rendering은 단일 애플리케이션 내에서 SSR, CSR, SSG 및 React Server Components(RSC) 등 다양한 렌더링 방식을 페이지나 컴포넌트 특성에 맞게 혼합하여 사용하는 아키텍처입니다 [1, 2]. 이 접근 방식은 각 렌더링 전략의 장점만을 결합하여 초기 로딩 속도, SEO, 그리고 상호작용성(Interactivity)을 동시에 최적화할 수 있도록 돕습니다 [1]. 특히 최신 Next.js 환경에서는 기본적으로 무거운 작업을 서버에서 처리하는 RSC를 사용하고, 상호작용이 필요한 영역에만 선택적으로 CSR을 적용하여 클라이언트의 자바스크립트 부담을 최소화합니다 [3-5].
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js.md b/10_Wiki/Topics/Frontend_Mastery/Next.js.md
index 7b9f3428..9f35ca5d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js.md
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js.md
@@ -10,8 +10,8 @@ Next.js는 React 기반의 웹 애플리케이션 개발을 위한 프레임워
 * **스트리밍(Streaming) 및 Suspense 통합:** Next.js는 React의 Suspense API와 결합하여 서버에서 HTML을 점진적으로 스트리밍하는 기능을 지원합니다 [8]. 이를 통해 데이터 페칭 등 무거운 작업이 진행되는 동안 로딩 상태(fallback)를 브라우저에 먼저 보여주고, 완료된 조각(chunk)부터 화면에 즉시 렌더링함으로써 사용자가 느끼는 체감 대기 시간을 대폭 줄일 수 있습니다 [19, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[React Server Components]]`, `[[Server-Side Rendering (SSR)]]`, `[[Incremental Static Regeneration (ISR)]]`, `[[Hydration]]`, `[[React Compiler]]`
-- **Projects/Contexts:** `[[App Router]]`, `[[React Suspense]]`, `[[next/image]]`, `[[next/dynamic]]`
+- **Related Topics:** `[[React Server Components]]`, `[[Server-Side Rendering (SSR)]]`, `Incremental Static Regeneration (ISR)`, `[[Hydration]]`, `[[React Compiler]]`
+- **Projects/Contexts:** `App Router`, `React Suspense`, `next/image`, `next/dynamic`
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 SEO 및 성능 최적화 하이브리드 렌더링 아키텍처 설계.md b/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 SEO 및 성능 최적화 하이브리드 렌더링 아키텍처 설계.md
index be5f24ed..3dcead7f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 SEO 및 성능 최적화 하이브리드 렌더링 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 SEO 및 성능 최적화 하이브리드 렌더링 아키텍처 설계.md	
@@ -20,8 +20,8 @@ Next.js를 활용한 하이브리드 렌더링 아키텍처 설계는 단일 애
     SSR 환경에서 생성된 정적 HTML을 동적으로 만드는 하이드레이션 과정은 메인 스레드를 차단하여 총 차단 시간(TBT)을 악화시킬 수 있습니다 [37, 38]. 이를 해결하기 위해 Next.js의 동적 임포트(dynamic imports)를 통한 선택적 하이드레이션, 스크롤 진입 시점에 로드하는 지연 하이드레이션(lazy hydration), 그리고 React Suspense를 활용하여 HTML을 점진적으로 렌더링하는 스트리밍 방식을 활용해야 합니다 [7, 39, 40].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], [[Incremental Static Regeneration (ISR)]], [[Client-Side Rendering (CSR)]], [[React Server Components (RSC)]], [[Hydration]]
-- **Projects/Contexts:** [[대규모 전자상거래 플랫폼 및 제품 카탈로그]], [[SEO 중심의 뉴스 및 마케팅 웹사이트]], [[사용자 상호작용이 복잡한 SaaS 대시보드]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], Incremental Static Regeneration (ISR), [[Client-Side Rendering (CSR)]], [[React Server Components (RSC)]], [[Hydration]]
+- **Projects/Contexts:** 대규모 전자상거래 플랫폼 및 제품 카탈로그, SEO 중심의 뉴스 및 마케팅 웹사이트, 사용자 상호작용이 복잡한 SaaS 대시보드
 - **Contradictions/Notes:** SSR은 FCP(First Contentful Paint)를 단축시켜 초기 시각적 성능과 SEO에는 유리하다고 소스들에서 강조되지만, 그에 수반되는 하이드레이션 과정 때문에 상호작용 가능 시간(TTI)이 눈에 띄게 지연될 수 있다는 점을 성능 설계 시 중요한 트레이드오프로 지적하고 있습니다 [9, 41, 42].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 React Server Components 도입.md b/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 React Server Components 도입.md
index 7476ef46..56ff2344 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 React Server Components 도입.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 React Server Components 도입.md	
@@ -20,7 +20,7 @@ Next.js를 활용한 하이브리드 렌더링은 단일 애플리케이션 내
     RSC를 사용한다고 해서 모든 성능 문제가 자동으로 해결되는 것은 아닙니다 [20]. 데이터 페칭 의존성이 순차적으로 구성되어 있다면, 브라우저에서 발생하던 워터폴(Waterfall) 현상이 서버에서 그대로 발생할 수 있습니다 [21, 22]. 따라서 데이터를 병렬로 페칭(Fetching)하도록 아키텍처를 설계해야 합니다 [23, 24]. 또한, `"use client"` 지시어를 남용하여 너무 많은 컴포넌트를 클라이언트로 전환하게 되면, 대규모 JavaScript 번들이 브라우저로 전송되어 RSC의 이점이 사라지므로 클라이언트 경계를 최소한으로 얕게 유지해야 합니다 [25, 26].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Client-Side Rendering (CSR)]], [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], [[Incremental Static Regeneration (ISR)]], [[Hydration]], [[React Flight 프로토콜]]
+- **Related Topics:** [[Client-Side Rendering (CSR)]], [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], Incremental Static Regeneration (ISR), [[Hydration]], React Flight 프로토콜
 - **Projects/Contexts:** [[Next.js App Router]]
 - **Contradictions/Notes:** 소스에서는 React Server Components가 번들 크기를 줄이고 데이터 액세스를 개선하는 강력한 수단이지만 결코 '은탄환'은 아니라고 지적합니다. 잘못 구성될 경우 캐싱 복잡성을 더하거나 서버 측 워터폴(Server-side Waterfall)을 일으켜 성능 병목 지점만 클라이언트에서 서버로 옮기는 결과를 낳을 수 있으므로 철저한 설계가 필수적입니다 [20, 22, 27].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 SEO 최적화.md b/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 SEO 최적화.md
index c98e5f47..fe17ef5c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 SEO 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Next.js를 활용한 하이브리드 렌더링 및 SEO 최적화.md	
@@ -20,8 +20,8 @@ Next.js는 단일 웹 애플리케이션 내에서 서버 사이드 렌더링(SS
   Next.js는 `next/image` 컴포넌트 등을 통해 이미지 포맷 변환(WebP, AVIF), 뷰포트에 맞춘 반응형 크기 조절, 그리고 화면에 보일 때만 이미지를 로드하는 지연 로딩(Lazy Loading)을 자동으로 처리합니다 [33]. 이는 초기 페이지 용량을 줄이고 레이아웃 시프트(CLS)를 방지하여 성능과 SEO에 모두 긍정적인 영향을 미칩니다 [33-35].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], [[Client-Side Rendering (CSR)]], [[Incremental Static Regeneration (ISR)]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[검색 엔진 가시성 및 실시간 데이터가 필요한 대규모 이커머스 플랫폼]], [[풍부한 사용자 상호작용과 SEO가 동시에 요구되는 엔터프라이즈 마케팅 사이트]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], [[Client-Side Rendering (CSR)]], Incremental Static Regeneration (ISR), [[React Server Components (RSC)]]
+- **Projects/Contexts:** 검색 엔진 가시성 및 실시간 데이터가 필요한 대규모 이커머스 플랫폼, 풍부한 사용자 상호작용과 SEO가 동시에 요구되는 엔터프라이즈 마케팅 사이트
 - **Contradictions/Notes:** SSR은 SEO에 매우 뛰어나고 항상 최신 데이터를 제공하지만, 모든 요청마다 서버에서 렌더링을 수행하므로 트래픽 급증 시 서버 부하가 커지고 TTFB(Time to First Byte)가 느려질 수 있다는 단점이 존재합니다 [36-40]. 이에 반해 SSG는 속도가 가장 빠르고 서버 부하가 없으나, 실시간 데이터 변동을 반영하기 위해 매번 전체 사이트를 재빌드해야 하는 한계가 있어 [41-43] ISR과 같은 하이브리드 전략의 도입이 중요해집니다 [19, 41].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Overrides Pattern.md b/10_Wiki/Topics/Frontend_Mastery/Overrides Pattern.md
index cc8619de..aa54a60f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Overrides Pattern.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Overrides Pattern.md	
@@ -19,7 +19,7 @@ Overrides Pattern(오버라이드 패턴)은 React 컴포넌트 라이브러리
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Compound Components]], [[Headless Components]], [[Design Systems]]
-- **Projects/Contexts:** [[Base Web]], [[Uber]]
+- **Projects/Contexts:** Base Web, Uber
 - **Contradictions/Notes:** 소스에 따르면, React 컴포넌트 아키텍처 패턴 중 Compound Components가 상태(Context) 공유를 통한 레이아웃의 유연성을 제공하고 Headless Components가 로직의 재사용성에 집중한다면, Overrides Pattern은 객체 기반 컴포넌트 주입을 통한 '깊은 커스터마이징(Deep customization)'에 특화된 패턴으로 분류 및 비교됩니다 [2].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Performance Optimization.md b/10_Wiki/Topics/Frontend_Mastery/Performance Optimization.md
index f23e66ed..5dd0cea7 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Performance Optimization.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Performance Optimization.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Tailwind CSS]], [[Styled-components]], [[React Server Components (RSC)]], [[Core Web Vitals]], [[Compound Components]]
-- **Projects/Contexts:** [[Next.js App Router]], [[Tailwind CSS v4 Oxide Engine]]
+- **Projects/Contexts:** [[Next.js App Router]], Tailwind CSS v4 Oxide Engine
 - **Contradictions/Notes:** 런타임 오버헤드 문제로 인해 Styled-components가 성능 측면에서 불리하다는 지적이 많으나, Styled-components v6 메이저 업데이트에서는 캐싱 및 핫 패스 마이크로 최적화를 통해 부모 컴포넌트의 리렌더링 속도를 최대 3.3배 향상시켰으며, 인라인 스타일 주입 방식을 통해 RSC(React Server Components) 환경에 대한 호환성을 새롭게 추가하여 단점들을 개선했습니다 [22-24].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Prop Drilling.md b/10_Wiki/Topics/Frontend_Mastery/Prop Drilling.md
index 4f924554..701ebcf0 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Prop Drilling.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Prop Drilling.md	
@@ -10,8 +10,8 @@ Prop Drilling(프롭 드릴링)은 React 애플리케이션에서 데이터를 
 - **조합(Composition) 중심 설계**: 컴포넌트가 어떻게 보여야 하는지 prop으로 전부 지시하는 대신, 컴포넌트에게 상태와 규칙만 부여하고 소비자가 유연하게 레이아웃 구조를 짤 수 있도록 함으로써 프롭 드릴링 문제를 근본적으로 해결할 수 있습니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Compound Components]], [[React Context]], [[Component Composition]]
-- **Projects/Contexts:** [[공유 UI 라이브러리 및 디자인 시스템 구축]], [[확장 가능한 React 컴포넌트 설계]]
+- **Related Topics:** [[Compound Components]], [[React Context]], Component Composition
+- **Projects/Contexts:** 공유 UI 라이브러리 및 디자인 시스템 구축, 확장 가능한 React 컴포넌트 설계
 - **Contradictions/Notes:** 제공된 소스에는 Prop Drilling이 발생하는 구체적인 안티 패턴 코드나 깊은 기술적 원리에 대한 정보는 다소 부족하며, 주로 Compound Components와 Context를 활용하여 프롭 드릴링을 '회피'하는 방법과 그 장점 위주로 설명되어 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Public APIs.md b/10_Wiki/Topics/Frontend_Mastery/Public APIs.md
index eda50004..f6e39756 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Public APIs.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Public APIs.md	
@@ -10,7 +10,7 @@
 *   **거버넌스 및 브레이킹 체인지 방지:** 여러 앱에서 사용되는 공유 패키지(예: `packages/ui`)의 퍼블릭 API가 변경될 경우 파급 효과가 크므로, 예측 불가능한 시스템 중단을 막기 위해 엄격한 관리가 필요합니다 [9, 10]. `CODEOWNERS` 등을 이용해 소유권을 명확히 하고, 공유 모듈의 퍼블릭 API에 변경 사항이 있을 때는 반드시 코드 리뷰를 요구하는 정책을 수립해야 합니다 [9, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Component API Design]], [[Monorepo Architecture]], [[Feature-Sliced Design (FSD)]], [[Explicit Contracts]]
+- **Related Topics:** [[Component API Design]], [[Monorepo Architecture]], [[Feature-Sliced Design (FSD)]], Explicit Contracts
 - **Projects/Contexts:** 대규모 리액트 애플리케이션의 모노레포 구축(Nx/Turborepo), 확장 가능하고 유지보수 용이한 재사용 UI 컴포넌트 라이브러리 설계
 - **Contradictions/Notes:** 컴포넌트 내부의 복잡성은 숨기고 외부로는 단순하고 일관된 진입점을 제공해야 한다는 원칙은, 단일 컴포넌트 설계와 대규모 패키지 구조 설계 양쪽 모두에 공통적으로 핵심적인 지침으로 강조됩니다 [2, 4].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Radix UI.md b/10_Wiki/Topics/Frontend_Mastery/Radix UI.md
index 00561592..72f01524 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Radix UI.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Radix UI.md	
@@ -11,7 +11,7 @@ Radix UI는 복잡하고 접근성이 뛰어난 React 컴포넌트를 구축하
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Headless UI]], [[Compound Components]], [[Tailwind CSS]], [[Accessibility]]
-- **Projects/Contexts:** [[shadcn/ui]], [[React Component Library Architecture]]
+- **Projects/Contexts:** shadcn/ui, [[React Component Library Architecture]]
 - **Contradictions/Notes:** 소스 내에서 Radix UI에 대해 상충되는 주장은 존재하지 않습니다. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 16+ Core Engine.md b/10_Wiki/Topics/Frontend_Mastery/React 16+ Core Engine.md
index 24d75467..680cd8fa 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 16+ Core Engine.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 16+ Core Engine.md	
@@ -22,7 +22,7 @@ React 16+ 핵심 엔진인 파이버(Fiber) 아키텍처는 동시성 렌더링(
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Virtual DOM]], [[Reconciliation]], [[Concurrent Rendering]], [[Lane Model]], [[Time-slicing]]
-- **Projects/Contexts:** [[React 18 Automatic Batching]], [[React Server Components (RSC)]]
+- **Projects/Contexts:** React 18 Automatic Batching, [[React Server Components (RSC)]]
 - **Contradictions/Notes:** 렌더링 단계(Render Phase)는 높은 우선순위 작업이 들어올 경우 언제든 중단되거나 재시작될 수 있으므로 이 단계의 내부 연산에는 절대 사이드 이펙트(DOM 조작 등)가 포함되어서는 안 되며, 부수 효과 처리는 반드시 동기적으로 보장되는 커밋 단계(Commit Phase)에 배치되어야 합니다 [13, 14, 16, 17].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 18 Concurrent Features.md b/10_Wiki/Topics/Frontend_Mastery/React 18 Concurrent Features.md
index 0855ae04..89c6b622 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 18 Concurrent Features.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 18 Concurrent Features.md	
@@ -17,7 +17,7 @@ React 18의 동시성 기능(Concurrent Features)은 렌더링 작업을 중단,
     React 18은 Promise, setTimeout, 비동기 작업 및 네이티브 이벤트 핸들러 내에서 연속적으로 발생하는 여러 상태 업데이트를 하나로 묶어 단일 리렌더링으로 처리합니다 [12-14]. 이로 인해 불필요한 Virtual DOM 비교와 렌더링 횟수가 급감하여 애플리케이션 성능이 향상됩니다 [13, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[Fiber Architecture]]`, `[[Automatic Batching]]`, `[[Lane Priority Model]]`, `[[Virtual DOM]]`
+- **Related Topics:** `[[Fiber Architecture]]`, `[[Automatic Batching]]`, `Lane Priority Model`, `[[Virtual DOM]]`
 - **Projects/Contexts:** `[[React Performance Optimization]]`, `[[Interaction to Next Paint (INP)]]`
 - **Contradictions/Notes:** 동시성 훅(`useTransition`, `useDeferredValue`)은 코드의 실제 실행 속도를 높여주는 것이 아닙니다. 대신 무거운 연산이 즉각적인 사용자 피드백을 방해하지 않도록 처리 순서를 미뤄, 앱이 시각적으로 더 "빠르게 반응하는 것처럼(feel faster)" 느끼게 만드는 아키텍처적 접근입니다 [16]. 또한 `flushSync`는 남용할 경우 동시성 및 일괄 처리로 얻는 성능 이점을 무효화할 수 있으므로 주의해서 사용해야 합니다 [17].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 18 자동 일괄 처리 및 React 19 컴파일러 최적화 적용.md b/10_Wiki/Topics/Frontend_Mastery/React 18 자동 일괄 처리 및 React 19 컴파일러 최적화 적용.md
index 1cdf50ad..735fb70f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 18 자동 일괄 처리 및 React 19 컴파일러 최적화 적용.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 18 자동 일괄 처리 및 React 19 컴파일러 최적화 적용.md	
@@ -16,8 +16,8 @@ React 18의 자동 일괄 처리(Automatic Batching)와 React 19의 컴파일러
 *   **도입 효과:** 수동 메모이제이션 없이도 동일하거나 그 이상의 성능을 제공하며, 상호작용 속도(Interaction to Next Paint, INP)를 크게 개선합니다. 실제로 Meta의 프로덕션 적용 테스트에서 렌더링 횟수 60% 감소 및 사용자 상호작용 속도 2.5배 향상 등의 효과가 입증되었습니다 [21, 22].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[가상 DOM (Virtual DOM) 및 Diffing 알고리즘]], [[수동 메모이제이션 (useMemo, useCallback, React.memo)]], [[flushSync 및 startTransition]], [[동시성 렌더링 (Concurrent Rendering)]]
-- **Projects/Contexts:** [[대규모 데이터 대시보드 성능 최적화]], [[Meta의 프로덕션(Instagram, Quest Store) 최적화 도입 사례]]
+- **Related Topics:** 가상 DOM (Virtual DOM) 및 Diffing 알고리즘, 수동 메모이제이션 (useMemo, useCallback, React.memo), flushSync 및 startTransition, [[동시성 렌더링 (Concurrent Rendering)]]
+- **Projects/Contexts:** 대규모 데이터 대시보드 성능 최적화, Meta의 프로덕션(Instagram, Quest Store) 최적화 도입 사례
 - **Contradictions/Notes:** React 컴파일러가 대부분의 수동 메모이제이션을 대체하지만, 매 렌더링마다 새로운 객체 참조를 반환하는 서드파티 라이브러리를 사용할 경우 자동 메모이제이션 체인이 깨질 수 있으므로 이러한 특정 상황에서는 여전히 수동 메모이제이션(`useMemo`, `useCallback`)이 필요할 수 있습니다 [23-25].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 19.md b/10_Wiki/Topics/Frontend_Mastery/React 19.md
index 0812ca64..93423ede 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 19.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 19.md	
@@ -11,7 +11,7 @@ React 19는 UI의 반응성을 높이고 성능 최적화를 자동화하는 데
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Compiler]], [[React Server Components (RSC)]], [[Concurrent Rendering]], [[useTransition]], [[useDeferredValue]]
-- **Projects/Contexts:** [[Frontend Performance Optimization]], [[Next.js App Router]]
+- **Projects/Contexts:** Frontend Performance Optimization, [[Next.js App Router]]
 - **Contradictions/Notes:** React 19의 React Compiler가 수동 메모이제이션 작업의 90% 이상을 자동으로 처리하지만, 타사 라이브러리와의 통합이나 명시적 제어가 필요한 이펙트 의존성 관리를 위해서는 여전히 `useMemo`나 `useCallback`을 수동으로 사용하는 예외 수단(Escape Hatch)이 필요할 수 있습니다 [16-18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Compiler.md b/10_Wiki/Topics/Frontend_Mastery/React Compiler.md
index c53d1eec..4f2aa917 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Compiler.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Compiler.md	
@@ -16,8 +16,8 @@ React Compiler는 개발자가 수동으로 적용해야 했던 메모이제이
   React Compiler는 렌더링 중 발생하는 부수 효과(side effects)나 외부 변형(external mutation)을 지원하지 않으므로, React의 규칙을 철저히 준수해야 한다 [19-21]. 컴파일러가 최적화할 수 없는 패턴에 직면하면 컴파일을 포기(Bailout)하고 기존의 표준 React 동작으로 돌아간다 [21, 22].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Memoization]], [[Abstract Syntax Tree (AST)]], [[Fine-Grained Reactivity]], [[Rules of React]], [[Re-render Cascade]]
-- **Projects/Contexts:** [[React 19]], [[Babel]], [[SWC]], [[Next.js]], [[Vite]]
+- **Related Topics:** Memoization, Abstract Syntax Tree (AST), Fine-Grained Reactivity, Rules of React, Re-render Cascade
+- **Projects/Contexts:** [[React 19]], Babel, SWC, [[Next.js]], Vite
 - **Contradictions/Notes:** React Compiler가 모든 수동 메모이제이션을 완벽히 대체하는 것은 아니다. 90% 이상의 최적화 작업을 자동으로 수행하지만 [2], 이펙트 의존성(effect dependency)을 제어해야 하거나 참조 안정성(stable references)을 요구하는 특정 서드파티 라이브러리(예: TanStack Query의 `useMutation()`)와 연동할 때는 여전히 개발자가 `useMemo`와 `useCallback`을 사용한 수동 제어를 병행해야 한다고 소스들은 명시하고 있다 [23-26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Context.md b/10_Wiki/Topics/Frontend_Mastery/React Context.md
index b7dd832f..5fbe8360 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Context.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Context.md	
@@ -11,7 +11,7 @@ React Context는 React 애플리케이션 내에서 자식 컴포넌트들이 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Compound Components]], [[React Server Components (RSC)]], [[CSS-in-JS]], [[Prop Drilling]]
-- **Projects/Contexts:** [[Next.js App Router]], [[styled-components Theming]], [[Shopify Polaris Context]]
+- **Projects/Contexts:** [[Next.js App Router]], styled-components Theming, Shopify Polaris Context
 - **Contradictions/Notes:** 컴포넌트의 유연성과 상태 공유 측면에서 React Context 기반 패턴(CSS-in-JS, Compound Components 등)은 뛰어난 개발자 경험을 제공하지만, 렌더링 성능과 RSC라는 새로운 서버 아키텍처 맥락에서는 런타임 오버헤드와 호환성 문제를 일으킵니다 [6, 11, 14]. 결과적으로, 현대 프론트엔드 설계에서는 Context 의존도를 줄이고 정적 빌드타임 도구(예: Tailwind CSS, CSS Modules)나 zero-runtime CSS-in-JS(예: vanilla-extract)를 사용하는 쪽으로 권장 사항이 상충 및 변화하고 있습니다 [6, 15].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Fiber Architecture.md b/10_Wiki/Topics/Frontend_Mastery/React Fiber Architecture.md
index 03595db9..9e1350d6 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Fiber Architecture.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Fiber Architecture.md	
@@ -22,7 +22,7 @@ React Fiber는 동시성 렌더링(concurrent rendering)을 지원하기 위해
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Concurrent Rendering]], [[Reconciliation]], [[Virtual DOM]], [[Time-Slicing]], [[Lane Model]]
-- **Projects/Contexts:** [[React 16]], [[React Scheduler]]
+- **Projects/Contexts:** React 16, React Scheduler
 - **Contradictions/Notes:** 소스 문서들은 공통적으로 React Fiber가 기존 동기식 렌더링의 한계를 극복하기 위한 비동기적이며 중단 가능한 아키텍처임을 강조합니다. 또한, React 19의 `useTransition` 및 `useDeferredValue`와 같은 최신 동시성 기능이 모두 Fiber의 Lane 모델 아키텍처 위에서 구현되었음을 뒷받침하고 있습니다 [15, 18, 19].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Fiber 아키텍처.md b/10_Wiki/Topics/Frontend_Mastery/React Fiber 아키텍처.md
index aea4c7c1..34edc76b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Fiber 아키텍처.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Fiber 아키텍처.md	
@@ -17,7 +17,7 @@ Fiber는 여러 동시 작업을 관리하기 위해 32비트 정수 비트마
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Concurrent Rendering]], [[Reconciliation]], [[Virtual DOM]]
-- **Projects/Contexts:** [[React 16]], [[Time-Slicing]]
+- **Projects/Contexts:** React 16, [[Time-Slicing]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Flight Protocol.md b/10_Wiki/Topics/Frontend_Mastery/React Flight Protocol.md
index 35251d59..ec76fe30 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Flight Protocol.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Flight Protocol.md	
@@ -9,8 +9,8 @@ React Flight Protocol은 React Server Components(RSC)가 서버에서 렌더링
 - **상세 원리 한계**: 제공된 소스 내에서는 React Flight Protocol이 어떤 데이터 포맷을 사용하는지 등의 더 깊은 기술적 명세에 대해서는 다루고 있지 않습니다. 따라서 소스에 관련 정보가 부족합니다.
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Server Components]], [[Serialized React Instructions]]
-- **Projects/Contexts:** [[Modern React Architecture]], [[React 19]]
+- **Related Topics:** [[React Server Components]], Serialized React Instructions
+- **Projects/Contexts:** Modern React Architecture, [[React 19]]
 - **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았으나, React Flight Protocol 자체의 심층적인 구조나 동작 방식에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Frontend Development.md b/10_Wiki/Topics/Frontend_Mastery/React Frontend Development.md
index 92306ca0..ee46c6c9 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Frontend Development.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Frontend Development.md	
@@ -28,7 +28,7 @@ React는 가상 DOM(Virtual DOM)과 컴포넌트 기반 아키텍처(CBA)를 활
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Virtual DOM]], [[Critical Rendering Path (CRP)]], [[React Fiber]], [[Component-Based Architecture]], [[Client-Side Rendering (CSR)]], [[Server-Side Rendering (SSR)]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[Next.js]], [[Single-Page Applications (SPA)]]
+- **Projects/Contexts:** [[Next.js]], Single-Page Applications (SPA)
 - **Contradictions/Notes:** React Compiler의 도입으로 `React.memo`, `useMemo`, `useCallback`과 같은 수동 메모이제이션이 90% 이상 불필요해졌으나, 서드파티 라이브러리의 불안정한 객체 참조를 다루거나 특정 Effect 의존성을 명시적으로 제어해야 하는 경우에는 여전히 탈출구(Escape Hatch)로써 수동 메모이제이션의 사용이 필요할 수 있습니다 [51-53].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React Server Components.md b/10_Wiki/Topics/Frontend_Mastery/React Server Components.md
index bf81a4be..27aed7e5 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React Server Components.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React Server Components.md	
@@ -10,7 +10,7 @@ React Server Components(RSC)는 브라우저가 아닌 서버에서만 독점적
 * **Styled-components의 RSC 지원 및 우회 방식**: 완전한 대안으로 전환하지 못하는 프로젝트를 위해 `styled-components`는 v6.3.0부터 RSC 환경을 자동 감지하는 패치를 적용했습니다 [11]. RSC 환경에서는 `ThemeProvider`가 아무 동작도 하지 않는 패스스루(no-op)로 변하기 때문에, 이를 대체할 수 있도록 CSS Custom Properties(변수) 기반의 테마를 생성하는 `createTheme` 헬퍼 함수를 사용할 것을 권장합니다 [12, 13]. 또한 SSR 시 스타일이 유실되지 않도록 서버에서 렌더링 중 CSS를 수집하여 삽입하는 `Style Registry` 패턴을 구성해야 하며, 인라인 스타일 태그 삽입으로 인해 깨질 수 있는 자식 인덱스 선택자 문제(`:first-child` 등)를 방지하기 위한 `stylisPluginRSC` 플러그인도 함께 제공됩니다 [14, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Tailwind CSS]], [[Styled-components]], [[CSS-in-JS]], [[Zero-runtime CSS]]
+- **Related Topics:** [[Tailwind CSS]], [[Styled-components]], [[CSS-in-JS]], Zero-runtime CSS
 - **Projects/Contexts:** [[Next.js App Router]]
 - **Contradictions/Notes:** 소스 [2, 3, 8]에서는 `styled-components` 등 런타임 CSS-in-JS가 React Context 부재로 인해 RSC와 근본적으로 호환되지 않으므로 Next.js App Router 환경에서 피해야 한다고 설명합니다. 하지만 소스 [11-14]에 따르면, `styled-components`는 최신 업데이트를 통해 RSC 환경을 스스로 감지하고 Context 의존을 탈피하여 CSS Custom Properties를 사용하는 새로운 API 및 자동 스타일 인라인 주입 기능으로 RSC 환경에서의 사용을 계속해서 지원하고 있습니다.
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 기반 대규모 웹 애플리케이션 최적화.md b/10_Wiki/Topics/Frontend_Mastery/React 기반 대규모 웹 애플리케이션 최적화.md
index b1c10ec8..bff8fe10 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 기반 대규모 웹 애플리케이션 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 기반 대규모 웹 애플리케이션 최적화.md	
@@ -24,7 +24,7 @@ React 기반 대규모 웹 애플리케이션 최적화는 브라우저의 렌
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], [[Reconciliation]], [[Fiber Architecture]], [[React Server Components]], [[React Compiler]], [[Automatic Batching]]
-- **Projects/Contexts:** [[초기 로딩 및 SEO 최적화가 필수적인 대규모 이커머스 및 콘텐츠 플랫폼]], [[수천 개의 리스트와 실시간 데이터 처리가 필요한 대형 SaaS 대시보드 애플리케이션]]
+- **Projects/Contexts:** 초기 로딩 및 SEO 최적화가 필수적인 대규모 이커머스 및 콘텐츠 플랫폼, 수천 개의 리스트와 실시간 데이터 처리가 필요한 대형 SaaS 대시보드 애플리케이션
 - **Contradictions/Notes:** 수동 메모이제이션(`React.memo`, `useMemo`)은 리렌더링을 방지할 수 있지만 참조 객체 저장 및 비교 연산에 따른 자체적인 오버헤드가 발생하므로 모든 컴포넌트에 무분별하게 적용하는 것은 오히려 성능을 저하시키는 안티 패턴입니다 [42, 56]. 그러나 최신 React Compiler가 적용된 환경에서는 이러한 최적화 판단과 메모이제이션 삽입이 빌드 타임에 자동으로 이루어지므로 개발자가 수동으로 제어할 필요성이 크게 줄어들었습니다 [11, 57]. 또한, SSR은 빠른 초기 화면(FCP)을 제공하지만 하이드레이션 병목 현상으로 인해 상호작용(TTI)까지 지연 시간이 발생할 수 있으므로 주의가 필요합니다 [45, 48].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 기반 싱글 페이지 애플리케이션(SPA)의 렌더링 최적화.md b/10_Wiki/Topics/Frontend_Mastery/React 기반 싱글 페이지 애플리케이션(SPA)의 렌더링 최적화.md
index e6affebd..7a82b6f9 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 기반 싱글 페이지 애플리케이션(SPA)의 렌더링 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 기반 싱글 페이지 애플리케이션(SPA)의 렌더링 최적화.md	
@@ -17,7 +17,7 @@ React 기반 SPA의 렌더링 최적화는 브라우저의 중요 렌더링 경
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Virtual DOM]], [[Critical Rendering Path]], [[Fiber Architecture]], [[React Compiler]], [[React Server Components (RSC)]], [[Automatic Batching]], [[Reflow and Repaint]]
-- **Projects/Contexts:** [[Next.js]], [[React 18 & 19]], [[Single-Page Applications (SPA)]]
+- **Projects/Contexts:** [[Next.js]], React 18 & 19, Single-Page Applications (SPA)
 - **Contradictions/Notes:** 
   - 상태 업데이트 병합 시, React 18의 자동 배칭(Automatic Batching)이 기본 적용되지만 폼 입력 등 즉각적인 반영이 필수적인 경우 `flushSync`를 사용해 배칭을 의도적으로 우회(Opt-Out)하고 DOM 업데이트를 강제할 수 있습니다 [55-57]. 
   - 수동 메모이제이션 방식(`React.memo`, `useMemo`)은 남용할 경우 비교 연산 및 메모리 저장이라는 자체적인 비용(Overhead)으로 인해 오히려 렌더링보다 더 큰 지연을 유발할 수 있다고 주장됩니다 [41]. 하지만 React 19부터 도입된 React Compiler는 이를 빌드 도구가 정적 분석을 통해 자동으로 최적화해 주어, 오버-메모이제이션의 함정 없이 성능을 보장할 수 있다고 설명합니다 [11, 44, 58].
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 기반 프론트엔드 성능 최적화.md b/10_Wiki/Topics/Frontend_Mastery/React 기반 프론트엔드 성능 최적화.md
index 83db400a..66157893 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 기반 프론트엔드 성능 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 기반 프론트엔드 성능 최적화.md	
@@ -33,7 +33,7 @@ Fiber는 우선순위 시스템(Lanes)을 통해 사용자 입력과 같은 긴
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], [[React Fiber Architecture]], [[Hydration]], [[React Compiler]], [[React Server Components]]
-- **Projects/Contexts:** [[Next.js 기반 하이브리드 렌더링 (SSR/SSG/ISR)]], [[React 18/19 마이그레이션 및 동시성 렌더링 적용]]
+- **Projects/Contexts:** Next.js 기반 하이브리드 렌더링 (SSR/SSG/ISR), React 18/19 마이그레이션 및 동시성 렌더링 적용
 - **Contradictions/Notes:** 수동 메모이제이션 방식에 대해 소스 18은 "모든 컴포넌트를 무분별하게 메모이제이션(`React.memo` 등)하는 것은 오버헤드를 증가시켜 역효과를 낼 수 있으므로 프로파일링 후 제한적으로 적용해야 한다"고 주의를 줍니다. 반면 최신 기술인 React Compiler를 다룬 소스 336과 341에 따르면, 컴파일러는 코드 분석을 통해 "실제로 혜택을 제공할 수 있는 지점에 지능적으로 메모이제이션을 삽입"하여 개발자의 오버헤드나 오류 없이 성능을 자동으로 획기적으로 개선한다고 설명합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 동시성 훅 (useTransition, useDeferredValue).md b/10_Wiki/Topics/Frontend_Mastery/React 동시성 훅 (useTransition, useDeferredValue).md
index 9b823cf4..d90bc5bb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 동시성 훅 (useTransition, useDeferredValue).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 동시성 훅 (useTransition, useDeferredValue).md	
@@ -17,8 +17,8 @@ React의 동시성 훅(Concurrent Hooks)인 `useTransition`과 `useDeferredValue
   * 무거운 렌더링을 처리하는 동안 UI가 멈추는(freezing) 현상을 방지하기 위해, React는 새로운 결과가 준비될 때까지 화면에 이전 결과를 계속 표시합니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Fiber Architecture]], [[Lane Model]], [[INP (Interaction to Next Paint)]]
-- **Projects/Contexts:** [[검색어 입력 필터링 (Search-as-you-type)]], [[데이터 집약적 대시보드의 탭 전환]]
+- **Related Topics:** [[React Fiber Architecture]], [[Lane Model]], INP (Interaction to Next Paint)
+- **Projects/Contexts:** 검색어 입력 필터링 (Search-as-you-type), 데이터 집약적 대시보드의 탭 전환
 - **Contradictions/Notes:** 동시성 훅(`useTransition`)과 디바운싱(Debouncing)은 불필요한 작업을 줄여준다는 공통점이 있지만 목적이 다릅니다. 컴포넌트 수준에서 UI 업데이트를 지연시키는 데는 React 네이티브 방식인 `useTransition`이 더 적합한 반면, 잦은 API 호출 빈도를 낮추는 데는 여전히 디바운싱 기법을 사용하는 것이 최선입니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 렌더링 최적화.md b/10_Wiki/Topics/Frontend_Mastery/React 렌더링 최적화.md
index 8752051b..d194878c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 렌더링 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 렌더링 최적화.md	
@@ -18,7 +18,7 @@ React 렌더링 최적화는 애플리케이션의 불필요한 재렌더링을
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Virtual DOM]], [[Reconciliation]], [[Fiber Architecture]], [[Automatic Batching]], [[React Compiler]], [[React Server Components]]
-- **Projects/Contexts:** [[프론트엔드 성능 최적화]], [[Core Web Vitals 개선 전략]], [[대규모 단일 페이지 애플리케이션(SPA) 구축]]
+- **Projects/Contexts:** [[프론트엔드 성능 최적화]], Core Web Vitals 개선 전략, 대규모 단일 페이지 애플리케이션(SPA) 구축
 - **Contradictions/Notes:** 기존에는 `useMemo`와 `useCallback`과 같은 수동 메모이제이션이 렌더링 최적화의 핵심으로 여겨졌으나, 새로운 React Compiler의 등장으로 이러한 수동 제어는 대부분 불필요해지거나 오히려 안티 패턴이 될 가능성이 제기되었습니다 [23, 39, 50]. 다만 서드파티 라이브러리의 불안정한 참조 반환 등 일부 엣지 케이스에서는 여전히 수동 메모이제이션이 이스케이프 해치(Escape hatch)로 사용됩니다 [51-53].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 성능 최적화 (React Performance Optimization).md b/10_Wiki/Topics/Frontend_Mastery/React 성능 최적화 (React Performance Optimization).md
index 7ed0e48a..c391200e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 성능 최적화 (React Performance Optimization).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 성능 최적화 (React Performance Optimization).md	
@@ -21,8 +21,8 @@ React 성능 최적화는 불필요한 연산과 재렌더링을 최소화하고
     초기 로딩 속도(LCP)를 개선하려면 다운로드해야 할 JavaScript 번들 크기를 최소화해야 한다. `React.lazy()`를 활용한 라우트 레벨의 코드 스플리팅을 적용하면 초기 번들 크기를 30~50%가량 줄일 수 있다 [37]. 한 걸음 더 나아가 서버에서만 실행되는 React Server Components(RSC)를 활용하면 무거운 라이브러리나 정적 데이터 페칭 로직이 브라우저로 전송되지 않아 JavaScript 번들 크기를 '0 바이트'에 가깝게 줄이고 수화(Hydration) 비용을 완전히 제거할 수 있다 [38-40].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Virtual DOM (가상 DOM)]], [[Critical Rendering Path (중요 렌더링 경로)]], [[React Compiler (React 컴파일러)]], [[React Server Components (RSC)]], [[Concurrent Rendering (동시성 렌더링)]]
-- **Projects/Contexts:** [[코어 웹 바이탈(Core Web Vitals) 개선 프로젝트]], [[프론트엔드 컴포넌트 기반 아키텍처(CBA) 구축]]
+- **Related Topics:** Virtual DOM (가상 DOM), Critical Rendering Path (중요 렌더링 경로), React Compiler (React 컴파일러), [[React Server Components (RSC)]], Concurrent Rendering (동시성 렌더링)
+- **Projects/Contexts:** 코어 웹 바이탈(Core Web Vitals) 개선 프로젝트, 프론트엔드 컴포넌트 기반 아키텍처(CBA) 구축
 - **Contradictions/Notes:** React 18의 자동 배칭(Automatic Batching) 기능은 기본적으로 활성화되어 렌더링 최적화에 기여하지만, 사용자가 즉각적인 시각적 피드백(예: 입력 포커스, 폼 값 즉각 업데이트)을 필요로 하는 경우에는 `flushSync` API를 사용하여 의도적으로 배칭을 우회하고 동기적 렌더링을 강제해야 한다 [28, 41, 42]. 한편 기존 React 생태계에서는 `useMemo`와 같은 수동 최적화가 필수적이었으나, React 컴파일러 도입 이후에는 이들이 불필요해지며 의도적인 제어나 서드파티 라이브러리 대응과 같은 예외적 상황에서만 사용하는(Escape Hatch) 방식으로 패러다임이 바뀌고 있다 [19, 43-45].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 컴파일러 (React Compiler).md b/10_Wiki/Topics/Frontend_Mastery/React 컴파일러 (React Compiler).md
index 2374ab18..e6e52b29 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 컴파일러 (React Compiler).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 컴파일러 (React Compiler).md	
@@ -11,8 +11,8 @@ React 컴파일러(React Compiler, 이전 명칭 'React Forget')는 빌드 타
 - **수동 메모이제이션의 잔존 필요성**: 컴파일러가 대부분의 최적화를 자동으로 처리하지만, 이펙트(Effect)의 의존성 제어나 안정적인 참조가 필수적인 서드파티 라이브러리 연동 등 명시적인 제어가 필요한 상황(Escape Hatch)에서는 여전히 `useMemo` 및 `useCallback`을 사용해야 한다 [23-26]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[메모이제이션 (Memoization)]], [[빌드 타임 최적화 (Build-Time Optimization)]], [[리렌더링 (Re-rendering)]]
-- **Projects/Contexts:** [[Meta 프로덕션 앱 (Instagram, Quest Store)]], [[Sanity Studio]], [[Next.js 및 Vite 통합]]
+- **Related Topics:** 메모이제이션 (Memoization), 빌드 타임 최적화 (Build-Time Optimization), 리렌더링 (Re-rendering)
+- **Projects/Contexts:** Meta 프로덕션 앱 (Instagram, Quest Store), [[Sanity Studio]], Next.js 및 Vite 통합
 - **Contradictions/Notes:** 소스에 따르면 React 컴파일러가 적용된 컴포넌트는 React DevTools에서 `Memo ✨` 배지가 표시되지만, 이것이 항상 최적화의 성공을 의미하는 것은 아니다 [17, 27]. 속성에 인라인 객체나 함수 등 불안정한 참조가 전달될 경우, 배지가 있더라도 부모 컴포넌트 업데이트 시 여전히 리렌더링이 발생할 수 있으므로 주의해야 한다 [17].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React 컴포넌트 기반 아키텍처.md b/10_Wiki/Topics/Frontend_Mastery/React 컴포넌트 기반 아키텍처.md
index b2138ccf..c337feb4 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React 컴포넌트 기반 아키텍처.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React 컴포넌트 기반 아키텍처.md	
@@ -12,7 +12,7 @@ React 컴포넌트 기반 아키텍처(CBA)는 애플리케이션을 재사용 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** `[[Virtual DOM]]`, `[[Reconciliation]]`, `[[Fiber Architecture]]`, `[[React Server Components]]`, `[[React Compiler]]`
-- **Projects/Contexts:** `[[Next.js App Router]]`, `[[Meta's Quest Store and Instagram]]`
+- **Projects/Contexts:** `[[Next.js App Router]]`, `Meta's Quest Store and Instagram`
 - **Contradictions/Notes:** 컴포넌트 기반 아키텍처는 극대화된 유연성을 제공하지만, 컴포넌트 수가 증가함에 따라 종속성 관리의 복잡성과 상호 통신 오버헤드가 단점으로 작용할 수 있습니다 [30, 31]. 또한 RSC 도입 시, 서버 컴포넌트 내에서는 브라우저 상호작용(예: onClick)이나 상태 관리(useState)를 사용할 수 없으며, 클라이언트 컴포넌트는 서버 컴포넌트를 직접 `import` 할 수 없다는 엄격한 구조적 제약 규칙이 따릅니다 [32-34].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/React-Vue-Angular 프레임워크.md b/10_Wiki/Topics/Frontend_Mastery/React-Vue-Angular 프레임워크.md
index 6e017a94..d78c2860 100644
--- a/10_Wiki/Topics/Frontend_Mastery/React-Vue-Angular 프레임워크.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/React-Vue-Angular 프레임워크.md	
@@ -1,4 +1,4 @@
-# [[React/Vue/Angular 프레임워크]]
+# React/Vue/Angular 프레임워크
 
 ## 📌 Brief Summary
 React, Vue, Angular는 독립적이고 재사용 가능한 UI를 구축하기 위해 현대 프론트엔드 개발에서 널리 사용되는 모던 컴포넌트 기반(Component-based) 프레임워크입니다 [1]. 대규모 애플리케이션에서 유지보수성을 극대화하기 위해 이러한 프레임워크들은 전역 네임스페이스 충돌을 방지하는 BEM, CSS Modules, CSS-in-JS 등의 예측 가능한 CSS 구조 설계 방식과 결합하여 사용됩니다 [2, 3]. 최근 렌더링 아키텍처(예: React Server Components)의 변화와 성능 최적화 요구에 따라 프레임워크 내에서 제로 런타임(Zero-runtime) 스타일링 및 유틸리티 우선(Utility-first) CSS 전략의 채택이 증가하고 있습니다 [4-6].
@@ -12,7 +12,7 @@ React, Vue, Angular는 독립적이고 재사용 가능한 UI를 구축하기 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Modules]], [[CSS-in-JS]], [[Tailwind CSS]], [[BEM]]
-- **Projects/Contexts:** [[컴포넌트 기반 아키텍처 (Component-based Architecture)]], [[React Server Components (RSC)]], [[단일 파일 컴포넌트 (Single-File Components)]]
+- **Projects/Contexts:** 컴포넌트 기반 아키텍처 (Component-based Architecture), [[React Server Components (RSC)]], 단일 파일 컴포넌트 (Single-File Components)
 - **Contradictions/Notes:** 런타임 기반 CSS-in-JS(styled-components, Emotion 등)는 React 환경에서 강력한 동적 테마 기능과 개발자 경험(DX)을 제공하여 인기를 끌었으나 [13, 14, 22], 최근의 React Server Components(RSC) 아키텍처에서는 컨텍스트(Context)의 부재로 인해 사용할 수 없으며 렌더링 성능 병목을 유발한다는 치명적 단점이 제기되어 대규모 최신 프로젝트에서는 사용이 기피되고 있습니다 [4-6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reconciliation.md b/10_Wiki/Topics/Frontend_Mastery/Reconciliation.md
index b46ab915..cec0f395 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reconciliation.md
+++ b/10_Wiki/Topics/Frontend_Mastery/Reconciliation.md
@@ -21,7 +21,7 @@ Reconciliation(재조정)은 React가 메모리에 유지되는 가상 DOM(Virtu
     재조정 과정은 순수하고 중단 및 재시작이 가능한 **렌더 단계(Render Phase)**와 계산된 DOM 변경 사항(Effect list)을 동기적으로 한 번에 적용하는 **커밋 단계(Commit Phase)**로 분리됩니다 [16-18]. 이를 통해 우선순위(Lanes)에 따라 사용자 입력 같은 긴급한 업데이트가 무거운 렌더링 작업을 중단하고 먼저 처리될 수 있습니다 [19-21].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Virtual DOM]], [[Fiber Architecture]], [[Diffing Algorithm]], [[Reflow / Repaint]]
+- **Related Topics:** [[Virtual DOM]], [[Fiber Architecture]], [[Diffing Algorithm]], Reflow / Repaint
 - **Projects/Contexts:** [[React 성능 최적화]] (불필요한 DOM 노드 재생성을 막아 브라우저 렌더링 파이프라인의 오버헤드를 줄이는 프론트엔드 최적화 단계)
 - **Contradictions/Notes:** React의 재조정 알고리즘은 휴리스틱에 의존하므로, `key`에 배열의 인덱스를 사용하거나 `Math.random()`처럼 매번 변경되는 불안정한 값을 사용하면 안 됩니다. 이 경우 요소의 순서가 변경될 때 내부 상태가 엉키거나 불필요한 DOM 노드가 대량으로 다시 생성되어 성능 저하를 초래합니다 [22, 23].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow & Repaint.md b/10_Wiki/Topics/Frontend_Mastery/Reflow & Repaint.md
index 935f7178..4ea6e7ca 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow & Repaint.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow & Repaint.md	
@@ -26,8 +26,8 @@
 *   **GPU 가속 활용:** `top`이나 `left` 대신 `transform: translate()` 속성을 활용하거나 `opacity`를 제어하면, 레이아웃이나 페인트 사이클을 유발하지 않고 GPU를 활용한 컴포지팅(Compositing) 단계에서 화면을 업데이트할 수 있어 60fps의 부드러운 애니메이션을 유지할 수 있다 [2, 20, 24, 25].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Critical Rendering Path]], [[DOM & CSSOM]], [[Render Tree]], [[GPU Compositing]]
-- **Projects/Contexts:** [[Frontend Performance Optimization]], [[React Virtual DOM and Reconciliation]]
+- **Related Topics:** [[Critical Rendering Path]], DOM & CSSOM, [[Render Tree]], GPU Compositing
+- **Projects/Contexts:** Frontend Performance Optimization, React Virtual DOM and Reconciliation
 - **Contradictions/Notes:** 소스에 따르면 리페인트(Repaint)는 레이아웃 재계산이 없기 때문에 리플로우(Reflow)보다 상대적으로 시스템 비용이 덜 드는 작업으로 설명된다 [2, 20]. 그러나 두 작업 모두 과도하게 트리거될 경우 메인 스레드를 점유하고 배터리 소모 및 버벅임(Jank)을 유발하므로, 성능 최적화 시에는 둘 중 어느 하나를 무시하지 않고 두 과정 모두를 최소화하는 것이 브라우저 렌더링 최적화의 핵심이다 [19, 20].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint 최소화 방법.md b/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint 최소화 방법.md
index b8ee5967..30c1c844 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint 최소화 방법.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint 최소화 방법.md	
@@ -1,4 +1,4 @@
-# [[Reflow / Repaint 최소화 방법]]
+# Reflow / Repaint 최소화 방법
 
 ## 📌 Brief Summary
 Reflow(Layout)와 Repaint(Paint)는 브라우저 렌더링 과정에서 요소의 크기, 위치를 계산하고 시각적 요소를 화면에 그리는 비용이 높은 작업입니다. 브라우저의 렌더링 최적화를 달성하고 매끄러운 사용자 경험(예: 60fps 유지)을 제공하기 위해서는 DOM 트리의 깊이 감소, 상태 변경의 일괄 처리, 하드웨어 가속 등을 통해 이 과정이 발생하는 빈도와 연산량을 최소화해야 합니다.
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint.md b/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint.md
index 814bc5d1..8bff88b1 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow - Repaint.md	
@@ -1,4 +1,4 @@
-# [[Reflow / Repaint]]
+# Reflow / Repaint
 
 ## 📌 Brief Summary
 **Reflow(레이아웃)**는 브라우저가 화면에 표시될 DOM 요소들의 정확한 위치와 기하학적 크기를 재계산하는 과정이며, **Repaint(페인트)**는 레이아웃의 변화 없이 요소의 색상이나 그림자 같은 시각적 속성만을 화면에 다시 그리는 과정입니다 [1-6]. 이 두 과정은 웹 페이지 렌더링에 필수적이지만 연산 비용이 높아 과도하게 발생할 경우 애플리케이션의 성능 저하와 버벅거림(Jank)을 유발하므로 프론트엔드 최적화의 핵심 대상이 됩니다 [7-9].
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow and Repaint.md b/10_Wiki/Topics/Frontend_Mastery/Reflow and Repaint.md
index 85d0e327..e0fb5ad3 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow and Repaint.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow and Repaint.md	
@@ -24,7 +24,7 @@ Reflow(리플로우)는 요소의 너비, 높이 등 레이아웃에 영향을 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Animations]], [[Layout Thrashing]], [[GPU Acceleration (Compositing)]], [[CSS Architecture]]
-- **Projects/Contexts:** [[애니메이션 (transition / keyframes) 성능 최적화]], [[실무에서 CSS 관리하는 방법]]
+- **Projects/Contexts:** 애니메이션 (transition / keyframes) 성능 최적화, [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** 브라우저 성능 최적화를 돕는 `will-change` 속성은 유용하지만, 최후의 수단으로만 사용해야 합니다. 이를 성능 문제 예측용으로 무분별하게 너무 많은 요소에 남용할 경우, 과도한 메모리 사용 등 그 자체로 심각한 성능 저하를 초래할 수 있다고 경고하고 있습니다 [19, 20].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint 최적화.md b/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint 최적화.md
index 9c21c337..a33dfa25 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint 최적화.md	
@@ -23,8 +23,8 @@ Reflow는 브라우저가 문서의 레이아웃이나 요소의 기하학적 
   * **테이블 레이아웃 지양 및 선택자 단순화:** 테이블 레이아웃은 렌더링 시 여러 번의 계산 패스가 필요하고, 작은 변경에도 내부의 모든 노드에 Reflow를 유발하므로 피해야 한다(필요시 `table-layout: fixed` 사용) [21, 22]. 더불어 불필요하게 깊게 중첩되고 복잡한 CSS 선택자는 렌더링 파싱 속도를 늦추므로 단순하고 직접적인 선택자를 사용해야 한다 [19, 23, 24].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 성능 최적화]], [[CSS 애니메이션(transition / keyframes)]], [[DOM 조작과 렌더링 파이프라인]], [[GPU 가속(Compositing)]]
-- **Projects/Contexts:** [[확장 가능한 CSS 아키텍처 설계]], [[실무에서의 CSS 상태 관리 및 프론트엔드 성능 개선]]
+- **Related Topics:** CSS 성능 최적화, CSS 애니메이션(transition / keyframes), DOM 조작과 렌더링 파이프라인, GPU 가속(Compositing)
+- **Projects/Contexts:** 확장 가능한 CSS 아키텍처 설계, 실무에서의 CSS 상태 관리 및 프론트엔드 성능 개선
 - **Contradictions/Notes:** 브라우저 제조사들이 성능 저하의 주범으로 지목하는 Reflow와 Repaint 자체를 브라우저 환경에서 완전히 없앨 수는 없습니다. 하지만 개발자는 불필요한 레이아웃 속성 변경이나 레이아웃 스래싱을 피하도록 설계함으로써 그 영향을 획기적으로 최소화할 수 있습니다 [20, 25, 26]. `will-change` 속성 또한 브라우저 최적화를 돕는 훌륭한 도구이지만, 과도하게 사용할 경우 오히려 디바이스 리소스를 고갈시켜 프레임 드랍을 유발할 수 있으므로 최후의 수단으로 신중히 사용해야 합니다 [15, 16, 27].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint.md b/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint.md
index aa08df23..b5af7502 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow 및 Repaint.md	
@@ -19,8 +19,8 @@
   - **스타일 및 위치 최적화:** Reflow를 피하면서 요소를 숨길 때는 `display: none` 대신 `visibility: hidden`을 사용하고 [16], 복잡한 렌더링 변화나 애니메이션이 있는 요소는 `position: absolute`나 `position: fixed`를 사용해 문서의 기본 흐름에서 분리해야 합니다 [14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[Critical Rendering Path]]`, `[[DOM 및 CSSOM]]`, `[[Render Tree]]`, `[[Compositing (GPU 가속)]]`, `[[Virtual DOM]]`
-- **Projects/Contexts:** `[[프론트엔드 성능 최적화 (Web Performance Optimization)]]`, `[[React 컴포넌트 렌더링 아키텍처]]`
+- **Related Topics:** `[[Critical Rendering Path]]`, `[[DOM 및 CSSOM]]`, `[[Render Tree]]`, `Compositing (GPU 가속)`, `[[Virtual DOM]]`
+- **Projects/Contexts:** `프론트엔드 성능 최적화 (Web Performance Optimization)`, `React 컴포넌트 렌더링 아키텍처`
 - **Contradictions/Notes:** 소스 간의 상충되는 의견은 없으며, 모든 자료가 일관되게 Reflow와 Repaint의 발생 횟수를 최소화하는 것이 브라우저의 렌더링 성능 및 60 FPS 유지에 필수적이라고 강조합니다 [8, 12, 17, 18]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint(리플로우와 리페인트).md b/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint(리플로우와 리페인트).md
index c201294a..326bb56f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint(리플로우와 리페인트).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint(리플로우와 리페인트).md	
@@ -22,8 +22,8 @@ Reflow(리플로우)는 브라우저가 페이지 요소의 레이아웃과 기
     *   **테이블 레이아웃 지양:** 테이블은 셀 크기 변경 시 전체 노드의 리플로우를 유발하고 렌더링에 여러 번의 패스(pass)가 필요하므로 레이아웃 목적으로 사용해서는 안 됩니다 [16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 성능 최적화(CSS Performance Optimization)]], [[애니메이션 최적화(Animation Optimization)]], [[렌더링 파이프라인(Rendering Pipeline)]], [[레이아웃 스래싱(Layout Thrashing)]]
-- **Projects/Contexts:** [[실무에서의 CSS 상태 관리 및 애니메이션 설계]], [[대규모 프론트엔드 프로젝트의 UI 성능 개선]]
+- **Related Topics:** [[CSS 성능 최적화(CSS Performance Optimization)]], 애니메이션 최적화(Animation Optimization), [[렌더링 파이프라인(Rendering Pipeline)]], [[레이아웃 스래싱(Layout Thrashing)]]
+- **Projects/Contexts:** 실무에서의 CSS 상태 관리 및 애니메이션 설계, 대규모 프론트엔드 프로젝트의 UI 성능 개선
 - **Contradictions/Notes:** `will-change` 속성은 브라우저에 요소의 변경을 미리 알림으로써 렌더링을 최적화할 수 있는 힌트를 주지만, 너무 많은 요소에 불필요하게 남용할 경우 오히려 자원을 소모하여 애니메이션 성능을 저하시킬 수 있으므로 기존 성능 문제가 있을 때 최후의 수단(last resort)으로만 사용해야 합니다 [9, 17, 18]. 또한 브라우저가 성능 향상을 위해 여러 리플로우를 묶어서 처리(dirty reflows)하는 과정에서 간혹 렌더링 버그(예: 그림자가 잔류하는 현상 등)가 발생할 수 있으며, 이 경우 강제로 리플로우를 유발하여 버그를 수정해야 하는 예외 상황도 존재합니다 [19, 20].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint.md b/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint.md
index ff428916..934ac5af 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Reflow와 Repaint.md	
@@ -16,8 +16,8 @@ Reflow(리플로우)는 요소의 크기나 위치 등 레이아웃 구조가 
     *   **선택자 및 레이아웃 구조 단순화**: 다중 경로를 요구하는 복잡한 CSS 선택자를 피하고 [9], 전체 노드의 Reflow를 자주 유발하는 테이블(`table`) 기반의 레이아웃을 피해야 합니다 [5, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 애니메이션 성능 최적화 (transition / keyframes)]], [[CSS 구조 설계 방식]], [[DOM 렌더링 파이프라인]]
-- **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], [[유지보수 가능하게 CSS 아키텍처 구축]]
+- **Related Topics:** CSS 애니메이션 성능 최적화 (transition / keyframes), [[CSS 구조 설계 방식]], DOM 렌더링 파이프라인
+- **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], 유지보수 가능하게 CSS 아키텍처 구축
 - **Contradictions/Notes:** 빈번하게 변경되는 요소에 대해 브라우저가 미리 최적화를 준비할 수 있게 하는 `will-change` 속성은 성능 향상에 큰 도움이 됩니다 [10, 17, 18]. 하지만 이 속성을 불필요하게 너무 많은 요소에 남용할 경우 도리어 브라우저의 리소스를 과도하게 소모시켜 성능 저하(Performance issues)를 일으킬 수 있으므로 최후의 수단으로만 신중히 사용해야 합니다 [17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Render Tree.md b/10_Wiki/Topics/Frontend_Mastery/Render Tree.md
index ca200cf5..f0be8266 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Render Tree.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Render Tree.md	
@@ -17,8 +17,8 @@
   새로운 노드가 추가되거나, 콘텐츠가 변경되거나, 노드의 박스 모델 스타일이 업데이트되는 등 렌더 트리에 수정이 발생할 때마다 레이아웃(Reflow) 단계가 다시 발생하게 됩니다 [16]. 렌더 트리의 노드 수가 많을수록, 그리고 적용된 스타일이 복잡할수록(예: 단색 배경 대신 그림자 효과 사용 등) 레이아웃과 페인트에 소요되는 시간이 길어지기 때문에 DOM 트리와 CSSOM을 최적화하는 것이 프론트엔드 성능 개선의 핵심입니다 [13, 16, 17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[DOM]], [[CSSOM]], [[Critical Rendering Path]], [[Layout]], [[Paint]]
-- **Projects/Contexts:** [[브라우저 렌더링 최적화(Browser Rendering Optimization)]], [[프론트엔드 성능 엔지니어링(Frontend Performance Engineering)]]
+- **Related Topics:** [[DOM]], [[CSSOM]], [[Critical Rendering Path]], Layout, Paint
+- **Projects/Contexts:** 브라우저 렌더링 최적화(Browser Rendering Optimization), 프론트엔드 성능 엔지니어링(Frontend Performance Engineering)
 - **Contradictions/Notes:** 제공된 소스 간의 모순은 발견되지 않았으며, 모든 자료가 렌더 트리를 'DOM과 CSSOM의 결합이자 화면에 렌더링되는 시각적 요소들만의 집합'으로 일관되게 정의하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/SCSS (Sass).md b/10_Wiki/Topics/Frontend_Mastery/SCSS (Sass).md
index 79995ff9..7a316c55 100644
--- a/10_Wiki/Topics/Frontend_Mastery/SCSS (Sass).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/SCSS (Sass).md	
@@ -19,8 +19,8 @@ SCSS(Sassy CSS)는 일반적인 CSS에 프로그래밍 기능을 추가하여 
   * **Tailwind CSS와의 혼합:** 레이아웃 구성에는 Tailwind의 유틸리티 클래스를 사용하여 개발 속도를 높이고, 복잡한 사용자 정의 컴포넌트나 고도의 커스텀 로직이 필요한 곳에는 SCSS를 사용하는 하이브리드 접근법도 존재합니다 [11, 16]. SCSS 파일 내부에서 Tailwind의 `@apply` 지시어를 사용하거나 공유 디자인 토큰을 활용해 두 시스템을 통합할 수 있습니다 [11, 17, 18].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Modules]], [[Tailwind CSS]], [[BEM]], [[CSS Preprocessors]]
-- **Projects/Contexts:** [[디자인 시스템 구축]], [[대규모 프론트엔드 아키텍처]], [[컴포넌트 스타일링 전략]]
+- **Related Topics:** [[CSS Modules]], [[Tailwind CSS]], [[BEM]], CSS Preprocessors
+- **Projects/Contexts:** [[디자인 시스템 구축]], 대규모 프론트엔드 아키텍처, 컴포넌트 스타일링 전략
 - **Contradictions/Notes:** 소스에 따르면 SCSS는 복잡한 로직과 커스텀 디자인을 위해 실무에서 여전히 유효하지만, 최근 최신 바닐라 CSS가 중첩(Nesting)과 같은 기능을 기본적으로 지원하게 되면서 SCSS 특유의 추가적인 빌드(Compile) 단계를 거칠 필요가 없다고 주장하며 순수 CSS로 회귀하는 의견도 존재합니다 [19, 20]. 또한, 런타임 오버헤드가 없는 유틸리티 우선(Tailwind)이나 CSS-in-JS의 부상으로 JS 생태계 내에서 SCSS의 인기가 예전보다 감소했다는 지적도 있습니다 [1].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/SEO 중심의 마케팅 및 블로그 사이트 구축.md b/10_Wiki/Topics/Frontend_Mastery/SEO 중심의 마케팅 및 블로그 사이트 구축.md
index 575fa163..93af6c5b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/SEO 중심의 마케팅 및 블로그 사이트 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/SEO 중심의 마케팅 및 블로그 사이트 구축.md	
@@ -11,8 +11,8 @@ SEO 중심의 마케팅 및 블로그 사이트 구축은 검색 엔진 가시
 *   **클라이언트 사이드 렌더링(CSR)의 한계와 하이브리드 접근:** CSR은 초기 로드 시 빈 HTML 셸과 자바스크립트 리소스만 제공하므로 검색 엔진 크롤러가 콘텐츠를 놓치거나 인덱싱이 지연될 수 있어 순수 마케팅 사이트에는 부적합합니다 [17-20]. 하지만 Next.js와 같은 최신 프레임워크를 사용하면, 메인 홈페이지나 블로그 글에는 SSG나 SSR을 적용해 SEO를 챙기고, 댓글 섹션이나 개인화된 대시보드같이 상호작용이 중요한 부분에는 CSR을 적용하는 하이브리드(Hybrid) 렌더링 방식을 채택하여 페이지별로 렌더링 전략을 최적화할 수 있습니다 [21-23].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], [[Incremental Static Regeneration (ISR)]], [[Client-Side Rendering (CSR)]]
-- **Projects/Contexts:** [[Next.js 기반 하이브리드 렌더링 프레임워크 도입]], [[대규모 콘텐츠 플랫폼 구조 설계]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Static Site Generation (SSG)]], Incremental Static Regeneration (ISR), [[Client-Side Rendering (CSR)]]
+- **Projects/Contexts:** Next.js 기반 하이브리드 렌더링 프레임워크 도입, 대규모 콘텐츠 플랫폼 구조 설계
 - **Contradictions/Notes:** 소스에 따르면, CSR 방식은 앱과 같은 동적이고 매끄러운 상호작용을 제공하는 데는 유리하지만, SEO 최적화 측면에서는 빈 페이지 인식으로 인한 크롤링 지연 및 인덱싱 누락 위험이라는 치명적인 단점이 존재합니다. 따라서 SEO가 필수적인 마케팅 및 블로그 사이트에서는 반드시 SSR이나 SSG를 주력으로 사용하거나 병행해야 합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/SPA (Single Page Application).md b/10_Wiki/Topics/Frontend_Mastery/SPA (Single Page Application).md
index 91cbc428..dc70789e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/SPA (Single Page Application).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/SPA (Single Page Application).md	
@@ -10,8 +10,8 @@ SPA(Single Page Application)는 주로 클라이언트 측 렌더링(CSR) 방식
 - **주요 사용 사례:** SEO가 최우선 고려 사항이 아니고 풍부한 상호작용과 실시간 데이터 업데이트가 중요한 환경에 가장 적합합니다 [13, 14]. 주로 로그인 장벽 뒤에 있는 사용자 대시보드, 내부 비즈니스 도구, SaaS(Software as a Service) 플랫폼 등의 구축에 활용되며, React, Vue.js, Angular와 같은 최신 프레임워크가 SPA 구축에 널리 사용됩니다 [6, 13-16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Client-Side Rendering (CSR)]], [[First Contentful Paint (FCP)]], [[Search Engine Optimization (SEO)]], [[React]], [[Document Object Model (DOM)]]
-- **Projects/Contexts:** [[SaaS 플랫폼]], [[사용자 대시보드]], [[내부 비즈니스 도구]]
+- **Related Topics:** [[Client-Side Rendering (CSR)]], [[First Contentful Paint (FCP)]], [[Search Engine Optimization (SEO)]], React, Document Object Model (DOM)
+- **Projects/Contexts:** SaaS 플랫폼, 사용자 대시보드, 내부 비즈니스 도구
 - **Contradictions/Notes:** 소스는 SPA 및 CSR 방식이 상호작용성이 뛰어난 데 반해 SEO와 초기 로딩 속도에 약점을 가지고 있다고 지적합니다. 따라서 검색 노출이 중요한 마케팅 페이지나 블로그, 전자상거래 사이트 등에서는 순수 SPA(CSR) 대신 SSR(Server-Side Rendering)이나 SSG(Static Site Generation) 방식을 적용하거나 혼합(Hybrid)하여 사용하는 것이 권장됩니다 [11, 13, 17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 UI 개발.md b/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 UI 개발.md
index 2bbfcfa6..d123690f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 UI 개발.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 UI 개발.md	
@@ -20,7 +20,7 @@ SaaS 대시보드 및 이커머스 UI 개발은 복잡한 데이터와 다양한
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Grid 및 Flexbox]], [[컨테이너 쿼리(Container Queries)]], [[성능 최적화(Reflow & Repaint)]], [[유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind)]]
-- **Projects/Contexts:** [[데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축]], [[이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계]]
+- **Projects/Contexts:** [[데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축]], 이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계
 - **Contradictions/Notes:** 실무에서는 단일 CSS 방법론에 얽매이지 않습니다. Tailwind CSS는 레이아웃과 간격 설정 시 빠른 개발 속도와 일관성을 보장하지만 HTML이 길어지는 단점이 있고, CSS Modules는 표준 CSS를 사용할 수 있지만 컨텍스트 스위칭이 발생합니다. 이에 따라 대규모 엔터프라이즈 팀은 레이아웃에는 Tailwind를 사용하고, 복잡한 애니메이션이나 정밀한 스타일 제어가 필요한 개별 컴포넌트에는 CSS Modules(또는 SCSS)를 혼합하여 사용하는 하이브리드 전략을 채택하기도 합니다 [23-26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 레이아웃 구축.md b/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 레이아웃 구축.md
index 399f86ca..f1e17970 100644
--- a/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 레이아웃 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/SaaS 대시보드 및 이커머스 레이아웃 구축.md	
@@ -20,8 +20,8 @@ SaaS 대시보드 및 이커머스 레이아웃 구축은 방대한 데이터와
 *   **애니메이션 성능 최적화:** 대시보드나 이커머스와 같이 렌더링할 컴포넌트가 많은 곳에서 너비(width), 높이(height), 여백(margin) 등 레이아웃에 영향을 주는 속성을 애니메이션화하면 값비싼 리플로우(Reflow)와 리페인트(Repaint)가 발생하여 성능이 저하됩니다 [13, 14]. 따라서 렌더링 성능을 최적화하기 위해서는 GPU 가속을 활용할 수 있는 `transform`이나 `opacity` 위주로 애니메이션을 설계해야 합니다 [14-16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Grid]], [[Flexbox]], [[컨테이너 쿼리 (Container Queries)]], [[모바일 중심 설계 (Mobile-First Design)]], [[마이크로 인터랙션 (Micro-interactions)]]
-- **Projects/Contexts:** [[데이터 중심 대시보드 (Data-heavy Dashboards)]], [[반응형 이커머스 웹사이트 (Responsive E-commerce Websites)]]
+- **Related Topics:** [[CSS Grid]], [[Flexbox]], [[컨테이너 쿼리 (Container Queries)]], 모바일 중심 설계 (Mobile-First Design), 마이크로 인터랙션 (Micro-interactions)
+- **Projects/Contexts:** 데이터 중심 대시보드 (Data-heavy Dashboards), 반응형 이커머스 웹사이트 (Responsive E-commerce Websites)
 - **Contradictions/Notes:** 뷰포트 기반의 일반적인 미디어 쿼리(Media Queries)는 사이드바나 영웅 영역 등 컴포넌트가 배치된 개별 컨텍스트의 가용 공간을 파악하지 못하는 근본적인 한계가 있습니다. 따라서 대시보드나 이커머스처럼 복잡하고 모듈화된 레이아웃에서는 화면 크기가 아닌 컴포넌트 부모 크기에 반응하는 컨테이너 쿼리가 2026년의 새로운 표준으로 권장됩니다 [3]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md b/10_Wiki/Topics/Frontend_Mastery/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md
index 6a68f440..5c9dfcdb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/SaaS 플랫폼 및 인터랙티브 대시보드 개발.md	
@@ -16,7 +16,7 @@ SaaS 플랫폼과 인터랙티브 대시보드는 실시간 데이터 업데이
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Client-Side Rendering (CSR)]], [[Component-Based Architecture]], [[Automatic Batching]], [[Concurrent Rendering]]
-- **Projects/Contexts:** [[데이터 집약적 대시보드 성능 최적화 사례]], [[Sanity Studio]]
+- **Projects/Contexts:** 데이터 집약적 대시보드 성능 최적화 사례, [[Sanity Studio]]
 - **Contradictions/Notes:** React 서버 컴포넌트(RSC) 적용과 관련하여 소스 간 시각 차이가 존재합니다. 일부 소스는 읽기 전용 데이터 디스플레이(제품 카탈로그, 단순 대시보드)에 RSC를 사용하면 클라이언트 JavaScript 번들을 40-60%까지 줄일 수 있다고 주장하지만 [19], 다른 소스에서는 빈번한 리렌더링과 로컬 상태, 직접적인 브라우저 API에 크게 의존하는 '복잡한 대시보드 및 고도의 상호작용이 필요한 인터페이스'에는 RSC가 부적합(Poor fit)하며 클라이언트 컴포넌트를 사용해야 한다고 경고합니다 [20].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Sanity Studio.md b/10_Wiki/Topics/Frontend_Mastery/Sanity Studio.md
index cccc9ab8..797ae020 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Sanity Studio.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Sanity Studio.md	
@@ -10,7 +10,7 @@ Sanity Studio는 실시간 협업 콘텐츠 편집기(real-time collaborative co
 - (※ 소스에 관련 정보가 부족합니다. 제공된 자료에서는 Sanity Studio를 'React Compiler 성능 개선을 입증하는 케이스 스터디'의 용도로만 제한적으로 다루고 있습니다.)
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Compiler]], [[Manual Memoization]]
+- **Related Topics:** [[React Compiler]], Manual Memoization
 - **Projects/Contexts:** [[React Performance Optimization]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. Sanity Studio 자체의 아키텍처나 전반적인 제품군에 대한 설명은 없으며, 오직 React Compiler 도입을 통해 렌더링 속도 개선 및 수동 메모이제이션 부담을 해결한 성공 사례로만 언급됩니다 [1, 2].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Shopify Polaris.md b/10_Wiki/Topics/Frontend_Mastery/Shopify Polaris.md
index 7c1adfef..0ba5e805 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Shopify Polaris.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Shopify Polaris.md	
@@ -11,8 +11,8 @@ Shopify Polaris는 Shopify 앱을 위해 일관되고 사용자 친화적이며
 * **한계 및 단점:** 사용을 위해서는 React에 대한 지식이 필수적이며 Shopify의 업데이트에 의존적입니다 [20]. 또한 디자인 가이드라인이 매우 엄격하여 독창적인 커스텀 브랜딩이나 고도의 시각적 커스터마이징을 하려면 제약이 따르며, 일부 개발자들은 컴포넌트 종류가 부족하고 커스터마이징이 고통스러워 차라리 처음부터 새로 작성하는 것이 낫다고 평가하기도 합니다 [20, 21].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Component Libraries]], [[Accessibility (A11y)]], [[Reusable UI Components]], [[Design Systems]]
-- **Projects/Contexts:** [[Shopify App Development]], [[Building Scalable React UI]]
+- **Related Topics:** React Component Libraries, [[Accessibility (A11y)]], Reusable UI Components, [[Design Systems]]
+- **Projects/Contexts:** Shopify App Development, Building Scalable React UI
 - **Contradictions/Notes:** 소스 [6, 18, 22]는 Polaris가 사전 빌드된 컴포넌트를 통해 개발 시간을 크게 절약해 주고 구현이 쉽다고 긍정적으로 평가하지만, 소스 [20, 21]은 컴포넌트의 시각적 커스터마이징이 매우 어렵고 제한적이어서 원하는 디자인이 있을 경우 오히려 시간을 낭비하게 되며 아예 처음부터 새로 만들어야 할 수도 있다고 상반된/주의할 점을 지적합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Static Site Generation (SSG).md b/10_Wiki/Topics/Frontend_Mastery/Static Site Generation (SSG).md
index 9adfc3dc..3e4812a1 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Static Site Generation (SSG).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Static Site Generation (SSG).md	
@@ -11,9 +11,9 @@ Static Site Generation (SSG)은 사용자가 페이지를 요청하기 전인 
 - **활용 사례**: 콘텐츠의 변경 빈도가 낮고 사용자마다 동일한 정보를 보여주는 문서(Documentation) 사이트, 블로그, 포트폴리오, 마케팅 웹사이트 및 안정적인 제품 카탈로그 페이지에 완벽하게 부합합니다 [2, 5-7, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Client-Side Rendering (CSR)]], [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Content Delivery Network (CDN)]], [[Search Engine Optimization (SEO)]]
+- **Related Topics:** [[Client-Side Rendering (CSR)]], [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), Content Delivery Network (CDN), [[Search Engine Optimization (SEO)]]
 - **Projects/Contexts:** Next.js, Gatsby, Qwik과 같이 정적 사이트 생성을 특화 지원하는 프레임워크 환경 [2, 8, 17] 및 블로그, 문서화 플랫폼 구축 맥락 [2, 5-7].
-- **Contradictions/Notes:** 소스 전반에 걸쳐 모순되는 주장은 없으나, SSG의 압도적인 로드 속도 이면에는 '실시간 동적 데이터 처리의 어려움'과 '잦은 콘텐츠 업데이트 시 빌드 비용 증가'라는 명확한 트레이드오프가 존재함이 공통으로 지적됩니다 [5, 14]. 이를 보완하기 위해, 전체 사이트를 다시 빌드하지 않고도 특정 주기나 조건에 따라 백그라운드에서 정적 페이지를 업데이트하는 [[Incremental Static Regeneration (ISR)]] 기술을 SSG와 혼합하여 사용하는 대안이 폭넓게 채택되고 있습니다 [4, 6, 12, 18].
+- **Contradictions/Notes:** 소스 전반에 걸쳐 모순되는 주장은 없으나, SSG의 압도적인 로드 속도 이면에는 '실시간 동적 데이터 처리의 어려움'과 '잦은 콘텐츠 업데이트 시 빌드 비용 증가'라는 명확한 트레이드오프가 존재함이 공통으로 지적됩니다 [5, 14]. 이를 보완하기 위해, 전체 사이트를 다시 빌드하지 않고도 특정 주기나 조건에 따라 백그라운드에서 정적 페이지를 업데이트하는 Incremental Static Regeneration (ISR) 기술을 SSG와 혼합하여 사용하는 대안이 폭넓게 채택되고 있습니다 [4, 6, 12, 18].
 
 ---
 *Last updated: 2026-04-25*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Frontend_Mastery/Style Registry Pattern.md b/10_Wiki/Topics/Frontend_Mastery/Style Registry Pattern.md
index 95bfe939..f60e698b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Style Registry Pattern.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Style Registry Pattern.md	
@@ -15,8 +15,8 @@
   스타일 레지스트리 패턴을 사용하면 Styled Components를 App Router에서 기능하게 할 수 있으나, 서버와 클라이언트가 각각 렌더링될 때 서로 다른 CSS 클래스 이름을 생성할 경우 하이드레이션 불일치 문제가 발생할 위험이 있습니다. 이를 방지하기 위해 개발자는 반드시 `next.config.js` 설정 파일에서 `styledComponents` 컴파일러 옵션을 활성화하여, 서버와 클라이언트 경계에 걸쳐 일관된 클래스 이름이 생성되도록 처리해야 합니다.
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Server Components (RSC)]], [[CSS-in-JS]], [[Next.js App Router]], [[Hydration Mismatch]], [[Styled Components]]
-- **Projects/Contexts:** [[Next.js 15]], [[Modern Frontend Engineering Architecture]]
+- **Related Topics:** [[React Server Components (RSC)]], [[CSS-in-JS]], [[Next.js App Router]], Hydration Mismatch, [[Styled Components]]
+- **Projects/Contexts:** [[Next.js 15]], Modern Frontend Engineering Architecture
 - **Contradictions/Notes:** 소스에 따르면 스타일 레지스트리 패턴이 Styled Components를 RSC 환경에서 작동하게 해주는 훌륭한 해결책이긴 하지만, 완전한 RSC 패러다임을 추구하는 아키텍처에서는 직렬화 오버헤드와 자바스크립트 런타임 비용(Runtime Tax)을 피하기 위해 동적 CSS-in-JS 보다는 정적 스타일(Tailwind CSS) 또는 Zero-runtime CSS-in-JS(vanilla-extract) 방식을 권장하기도 합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Style Registry.md b/10_Wiki/Topics/Frontend_Mastery/Style Registry.md
index 1825a2f6..bcc25e99 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Style Registry.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Style Registry.md	
@@ -12,8 +12,8 @@ Style Registry는 Next.js App Router 및 React Server Components(RSC) 환경에
 * **하이드레이션 불일치(Hydration Mismatch) 위험과 해결:** 이 레지스트리 패턴을 활용하면 App Router 내에서 Styled Components가 기능할 수 있지만, 서버와 클라이언트가 서로 다른 클래스 이름을 생성할 경우 하이드레이션 불일치가 발생할 위험이 생깁니다 [2]. 이를 완화하기 위해서는 `next.config.js` 파일에서 `styledComponents` 컴파일러 옵션을 필수적으로 활성화하여 서버-클라이언트 경계 전반에 걸쳐 일관된 클래스 이름 생성을 보장해야 합니다 [2].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Server Components]], [[CSS-in-JS]], [[Styled Components]], [[Next.js App Router]], [[Hydration Mismatch]]
-- **Projects/Contexts:** [[Modern Frontend Engineering]], [[Next.js 15 Migration]]
+- **Related Topics:** [[React Server Components]], [[CSS-in-JS]], [[Styled Components]], [[Next.js App Router]], Hydration Mismatch
+- **Projects/Contexts:** Modern Frontend Engineering, Next.js 15 Migration
 - **Contradictions/Notes:** 소스 내 직접적인 모순점은 없으나, Style Registry 패턴 자체만으로는 서버와 클라이언트 간 클래스명 불일치라는 부작용을 막을 수 없으므로 `next.config.js` 컴파일러 설정을 통한 보완이 반드시 병행되어야 합니다 [2].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Styled Components v6.md b/10_Wiki/Topics/Frontend_Mastery/Styled Components v6.md
index 8728fc23..90fb9e94 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Styled Components v6.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Styled Components v6.md	
@@ -10,8 +10,8 @@ Styled Components v6는 React 프로젝트에서 널리 사용되는 CSS-in-JS 
 * **API 정리 및 엔진 변경:** 구버전의 `$as` 및 `$forwardedAs` prop은 제거되었고, `as` 및 `forwardedAs` prop으로 완전히 대체되었습니다 [3, 8]. 또한 `disableVendorPrefixes` 속성이 `enableVendorPrefixes`로 교체되어, 이전 브라우저 지원을 위한 자동 벤더 프리픽스(vendor prefixing) 기능이 기본적으로 비활성화되었습니다 [3]. 내부 CSS 파서 엔진은 stylis v4로 업그레이드되었습니다 [3, 4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS-in-JS]], [[React Server Components]], [[Transient Props]], [[Tailwind CSS]]
-- **Projects/Contexts:** [[Next.js App Router]], [[Scalable Frontend Architecture]]
+- **Related Topics:** [[CSS-in-JS]], [[React Server Components]], Transient Props, [[Tailwind CSS]]
+- **Projects/Contexts:** [[Next.js App Router]], Scalable Frontend Architecture
 - **Contradictions/Notes:** 소스에 포함된 일부 아티클은 Styled Components가 React Context에 의존하기 때문에 React Server Components(RSC) 환경과 근본적으로 호환되지 않아 Next.js App Router 프로젝트에 부적합하다고 주장합니다 [17-19]. 그러나 Styled Components의 공식 릴리스 노트에 따르면 v6.3.0부터 RSC 환경을 공식 지원하며 [7], v6.4.0의 `createTheme`을 통한 CSS 변수 접근 방식을 사용하여 Context 부재로 인한 런타임 한계를 구조적으로 극복하고 있습니다 [6, 7, 16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Styletron.md b/10_Wiki/Topics/Frontend_Mastery/Styletron.md
index ab9f66f7..f7cc7cab 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Styletron.md
+++ b/10_Wiki/Topics/Frontend_Mastery/Styletron.md
@@ -10,8 +10,8 @@ Styletron은 Uber의 Base Web 디자인 시스템에서 활용되는 스타일
 * 소스에 관련 정보가 부족합니다. (Styletron의 세부적인 문법, 내부 동작 원리, 다른 CSS-in-JS 또는 Tailwind CSS와의 직접적인 성능 비교 등 깊이 있는 기술적 정보는 제공되지 않습니다.)
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Atomic Styling]], [[Base Web]], [[Design Systems]]
-- **Projects/Contexts:** [[Uber Base Web React Component Library]]
+- **Related Topics:** Atomic Styling, Base Web, [[Design Systems]]
+- **Projects/Contexts:** Uber Base Web React Component Library
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (Styletron과 다른 스타일링 접근법 간의 상충되는 의견이나 한계점은 소스에 명시되어 있지 않습니다.)
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Tailwind vs 일반 CSS 비교.md b/10_Wiki/Topics/Frontend_Mastery/Tailwind vs 일반 CSS 비교.md
index 851989db..bb98b10a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Tailwind vs 일반 CSS 비교.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Tailwind vs 일반 CSS 비교.md	
@@ -21,7 +21,7 @@ Tailwind CSS는 미리 정의된 유틸리티 클래스를 HTML에 직접 조합
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS 구조 설계 방식]], [[디자인 시스템 개념]]
-- **Projects/Contexts:** [[대규모 프론트엔드 아키텍처 및 React 생태계에서의 스타일링 전략]]
+- **Projects/Contexts:** 대규모 프론트엔드 아키텍처 및 React 생태계에서의 스타일링 전략
 - **Contradictions/Notes:** Tailwind CSS는 개발 생산성과 CSS 용량 최적화 측면에서 훌륭하지만, 일각에서는 과거의 '인라인 스타일(Inline styles)'로 회귀하는 것과 같으며 HTML을 가장 못생기게(Ugliest possible code) 만든다는 강한 거부감과 논쟁이 커뮤니티 내에 지속적으로 존재합니다 [21, 23-25].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Time Slicing.md b/10_Wiki/Topics/Frontend_Mastery/Time Slicing.md
index d48a28dc..b0c4c19e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Time Slicing.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Time Slicing.md	
@@ -9,8 +9,8 @@ Time Slicing(타임 슬라이싱)은 React에서 대규모 렌더링 업데이
 *   **성능 및 UI 반응성 향상:** Time Slicing은 동시성 렌더링(Concurrent Rendering) 및 점진적 렌더링(Incremental Rendering) 아키텍처와 긴밀하게 결합되어 작동합니다 [4]. 이들의 조합은 복잡하고 무거운 UI 업데이트가 수행되는 동안에도 앱의 응답성을 유지시켜 사용자 경험을 크게 향상시킵니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Fiber Architecture]], [[Concurrent Rendering]], [[Lanes]]
-- **Projects/Contexts:** [[React]]
+- **Related Topics:** [[Fiber Architecture]], [[Concurrent Rendering]], Lanes
+- **Projects/Contexts:** React
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Time-Slicing.md b/10_Wiki/Topics/Frontend_Mastery/Time-Slicing.md
index ccb5c373..afccfeb0 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Time-Slicing.md
+++ b/10_Wiki/Topics/Frontend_Mastery/Time-Slicing.md
@@ -10,8 +10,8 @@
 - **동시성 및 점진적 렌더링 달성:** 타임 슬라이싱은 동시성 렌더링(Concurrent Rendering) 및 점진적 렌더링(Incremental Rendering)과 결합하여, 복잡하고 무거운 업데이트가 발생하더라도 애플리케이션이 항상 부드럽고 응답성 있게 동작하도록 보장합니다 [1, 8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], [[Lanes Priority System]], [[Incremental Rendering]]
-- **Projects/Contexts:** [[React Scheduler]]
+- **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], Lanes Priority System, Incremental Rendering
+- **Projects/Contexts:** React Scheduler
 - **Contradictions/Notes:** 소스 내에서 타임 슬라이싱과 관련하여 상충되는 정보는 없습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Turborepo 및 Nx와 같은 빌드 오케스트레이션 도구를 활용하는 대규모 조직의 React 시스템.md b/10_Wiki/Topics/Frontend_Mastery/Turborepo 및 Nx와 같은 빌드 오케스트레이션 도구를 활용하는 대규모 조직의 React 시스템.md
index bb424296..02b6223f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Turborepo 및 Nx와 같은 빌드 오케스트레이션 도구를 활용하는 대규모 조직의 React 시스템.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Turborepo 및 Nx와 같은 빌드 오케스트레이션 도구를 활용하는 대규모 조직의 React 시스템.md	
@@ -18,7 +18,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Monorepo Architecture]], [[Feature-Sliced Design (FSD)]], [[Component Library Architecture]]
-- **Projects/Contexts:** [[독립적인 기능 소유권이 필요한 대규모 React 플랫폼]], [[마이크로 프론트엔드를 대체하는 모듈식 모놀리스 아키텍처 설계]]
+- **Projects/Contexts:** 독립적인 기능 소유권이 필요한 대규모 React 플랫폼, 마이크로 프론트엔드를 대체하는 모듈식 모놀리스 아키텍처 설계
 - **Contradictions/Notes:** 조직의 성격에 따라 툴링 선택의 기준이 다릅니다. 파이프라인의 단순성과 빌드 속도 개선(캐싱)이 주 목적이라면 Turborepo가 적합하지만, 강력한 그래프 기반 워크플로우, 스캐폴딩 생성기, 그리고 아키텍처 경계를 엄격한 정책으로 강제해야 하는 대규모 플랫폼 환경에서는 Nx가 더 나은 선택이 될 수 있습니다 [17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/UXPin Merge.md b/10_Wiki/Topics/Frontend_Mastery/UXPin Merge.md
index 37b3ed10..0be6b82c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/UXPin Merge.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/UXPin Merge.md	
@@ -9,7 +9,7 @@ UXPin Merge는 디자이너가 프로덕션 코드베이스의 실제 React 컴
 * **디자인과 개발 간의 번역(Translation) 단계 제거**: 코드 기반의 실제 컴포넌트로 프로토타이핑을 진행하면, 디자인을 코드로 옮기는 과정에서 브레이크포인트(breakpoints)가 오해되거나 누락되는 단계가 완전히 사라집니다 [3]. 이는 디자인 시스템이 의도한 바와 실제 구현체 간의 불일치를 막아줍니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 시스템(Design Systems)]], [[반응형 웹 디자인(Responsive Web Design)]], [[컴포넌트 기반 아키텍처]]
+- **Related Topics:** [[디자인 시스템(Design Systems)]], 반응형 웹 디자인(Responsive Web Design), [[컴포넌트 기반 아키텍처]]
 - **Projects/Contexts:** [[디자인 시스템 개념]], [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** 제공된 소스 내에 UXPin Merge 기술이나 접근법에 대해 반대하거나 모순되는 주장은 포함되어 있지 않습니다.
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/Uber Base Web.md b/10_Wiki/Topics/Frontend_Mastery/Uber Base Web.md
index 881a96d1..bdb1f3bb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Uber Base Web.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Uber Base Web.md	
@@ -11,8 +11,8 @@ Uber Base Web은 Uber에서 전사적 웹 애플리케이션 개발을 통합하
 *   **자동화된 문서화 시스템 (uSpec):** 방대한 컴포넌트 사양(Spec)을 최신 상태로 유지하기 위해 Uber는 AI 에이전트와 Figma Console MCP를 연결한 'uSpec' 시스템을 구축했다 [15, 16]. 이 시스템은 Figma 파일에서 직접 토큰 값, 변형 구조, 접근성 매핑 데이터를 추출하여 몇 분 만에 완벽한 컴포넌트 문서를 자동으로 생성함으로써 문서화의 병목 현상을 해결한다 [17-20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Component Library]], [[Overrides Pattern]], [[Design Tokens]], [[Atomic CSS]], [[Accessibility (A11y)]], [[CSS-in-JS]]
-- **Projects/Contexts:** [[Uber Internal Web Applications]], [[Styletron Integration]], [[Design System Observability]], [[uSpec]]
+- **Related Topics:** React Component Library, [[Overrides Pattern]], [[Design Tokens]], Atomic CSS, [[Accessibility (A11y)]], [[CSS-in-JS]]
+- **Projects/Contexts:** Uber Internal Web Applications, Styletron Integration, Design System Observability, uSpec
 - **Contradictions/Notes:** Base Web은 스타일링 및 성능 최적화를 위해 Styletron 기반의 CSS-in-JS 방식을 사용하여 Atomic CSS를 런타임에 주입하지만 [9], 최근 프론트엔드 아키텍처 동향에서는 Next.js의 React Server Components(RSC)와 같은 환경에서 CSS-in-JS의 런타임 오버헤드를 우려하여 Tailwind CSS와 같은 빌드 타임(Zero-runtime) 정적 유틸리티 클래스 방식으로 회귀하는 트레이드오프 논쟁이 중요하게 다뤄지고 있다 [21, 22].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Utility-first CSS.md b/10_Wiki/Topics/Frontend_Mastery/Utility-first CSS.md
index 2c31811b..28190f6c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Utility-first CSS.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Utility-first CSS.md	
@@ -22,7 +22,7 @@ Utility-first CSS는 작고 단일 목적을 가진 저수준(low-level) 유틸
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Tailwind CSS]], [[CSS-in-JS]], [[Design Tokens]], [[React Server Components]], [[Component-Based Design]]
-- **Projects/Contexts:** [[kiwi.com 마이그레이션 프로젝트]] (styled-components에서 Utility-first 프레임워크인 Tailwind로 전환하여 성능 지표 및 모바일 렌더링 속도를 크게 개선한 사례 [19-21]), [[Tailwind CSS v4 도입]] (자바스크립트 설정에서 CSS-first 아키텍처로 전환 [22])
+- **Projects/Contexts:** kiwi.com 마이그레이션 프로젝트 (styled-components에서 Utility-first 프레임워크인 Tailwind로 전환하여 성능 지표 및 모바일 렌더링 속도를 크게 개선한 사례 [19-21]), Tailwind CSS v4 도입 (자바스크립트 설정에서 CSS-first 아키텍처로 전환 [22])
 - **Contradictions/Notes:** 소스들은 Utility-first CSS(Tailwind)가 빌드 타임에 CSS를 생성하여 런타임 비용이 없고 렌더링 성능이 매우 뛰어난 반면 코드가 장황해지는 단점이 있다고 설명합니다 [11, 13, 23]. 반대로 CSS-in-JS(Styled Components)는 컴포넌트 중심 스타일링으로 가독성이 높고 동적 스타일링에 유리하지만, 런타임에 스타일을 주입하므로 CPU/자바스크립트 성능 오버헤드가 발생하며 React Server Components(RSC) 환경과는 구조적으로 호환되지 않는 문제점이 있다고 명확히 대조하고 있습니다 [24-26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Virtual DOM.md b/10_Wiki/Topics/Frontend_Mastery/Virtual DOM.md
index b97f265f..9b2dec7e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Virtual DOM.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Virtual DOM.md	
@@ -14,7 +14,7 @@ Virtual DOM(VDOM)은 메모리에 유지되는 가볍고 이상적인 UI의 표
     Virtual DOM은 웹 컴포넌트의 변수 및 CSS 스코핑을 위해 설계된 브라우저 기술인 Shadow DOM과 다릅니다. Virtual DOM은 브라우저 API 위에 JavaScript 라이브러리를 통해 구현된 프로그래밍 개념입니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reconciliation]], [[DOM]], [[Critical Rendering Path]], [[Reflow / Repaint]], [[Fiber Architecture]]
+- **Related Topics:** [[Reconciliation]], [[DOM]], [[Critical Rendering Path]], Reflow / Repaint, [[Fiber Architecture]]
 - **Projects/Contexts:** [[React Performance Optimization]]
 - **Contradictions/Notes:** 
     - Virtual DOM이 실제 DOM의 불필요한 업데이트를 방지하여 성능을 최적화하지만, 이전 Virtual DOM과 새로운 Virtual DOM을 비교하는 Diffing 작업 자체에 비용이 전혀 없는 것은 아닙니다 [4]. 무분별한 렌더링이 발생하면 이 비교 작업 자체가 컴퓨팅 오버헤드를 발생시킬 수 있습니다.
diff --git a/10_Wiki/Topics/Frontend_Mastery/Virtual DOM과 Reconciliation.md b/10_Wiki/Topics/Frontend_Mastery/Virtual DOM과 Reconciliation.md
index 39a02a9d..22a6f451 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Virtual DOM과 Reconciliation.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Virtual DOM과 Reconciliation.md	
@@ -30,7 +30,7 @@ Virtual DOM은 UI의 이상적인 가상 표현을 메모리에 유지하는 프
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Fiber Architecture]], [[Critical Rendering Path (CRP)]], [[Concurrent Rendering]]
-- **Projects/Contexts:** [[React Application Performance Optimization]]
+- **Projects/Contexts:** React Application Performance Optimization
 - **Contradictions/Notes:** 소스에 따르면 Virtual DOM 트리는 설계상 불변(immutable)으로 취급되지만, 단일 자식 노드를 여러 위치에서 사용하는 경우 복사 비용 문제가 발생할 수 있습니다. 이를 해결하기 위해 React는 현재 설치된 상태를 나타내는 가변적인 형태의 "Augmented DOM" 구조를 구축하며, 이것이 바로 React의 Fiber 데이터 구조가 수행하는 역할입니다 [20]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Web Content Accessibility Guidelines (WCAG).md b/10_Wiki/Topics/Frontend_Mastery/Web Content Accessibility Guidelines (WCAG).md
index 90222939..39ac34a8 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Web Content Accessibility Guidelines (WCAG).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Web Content Accessibility Guidelines (WCAG).md	
@@ -12,8 +12,8 @@
   디자인 시스템을 구축하고 디자인 토큰을 테스트할 때, 특히 색상 토큰(Color Tokens)은 명도 대비 비율(contrast ratio)이 WCAG 규정을 준수하는지 반드시 검증(Accessibility testing)을 거쳐야 합니다 [3, 8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 디자인]], [[애니메이션 (transition / keyframes)]], [[유체 타이포그래피 (Fluid Typography)]], [[디자인 시스템 개념]]
-- **Projects/Contexts:** [[디자인 토큰(Design Tokens) 구축 및 테스트]], [[프론트엔드 실무 접근성 최적화]]
+- **Related Topics:** [[반응형 디자인]], 애니메이션 (transition / keyframes), 유체 타이포그래피 (Fluid Typography), [[디자인 시스템 개념]]
+- **Projects/Contexts:** 디자인 토큰(Design Tokens) 구축 및 테스트, 프론트엔드 실무 접근성 최적화
 - **Contradictions/Notes:** 소스 내에서 상충되는 정보는 없습니다. 다만, 반응형 유체 타이포그래피를 구현할 때 단순히 뷰포트 크기에만 의존하면 텍스트 확대 기능이 작동하지 않아 WCAG 1.4.4 지침을 위반하는 위험성이 발생하므로 설계 시 각별한 주의가 필요하다는 점이 강조됩니다 [2, 9].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/Zero-Runtime CSS-in-JS.md b/10_Wiki/Topics/Frontend_Mastery/Zero-Runtime CSS-in-JS.md
index 0b3e2e52..5a703d4e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/Zero-Runtime CSS-in-JS.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/Zero-Runtime CSS-in-JS.md	
@@ -15,7 +15,7 @@ Zero-runtime CSS-in-JS는 JavaScript 최우선 스타일링의 개발자 인체
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Server Components (RSC)]], [[CSS-in-JS]], [[Tailwind CSS]], [[Design Tokens]], [[Next.js App Router]]
-- **Projects/Contexts:** [[vanilla-extract]], [[대규모 디자인 시스템(Large Design Systems)]]
+- **Projects/Contexts:** [[vanilla-extract]], 대규모 디자인 시스템(Large Design Systems)
 - **Contradictions/Notes:** 기존 런타임 CSS-in-JS(예: styled-components)는 컴포넌트 단위의 강력한 동적 스타일링 기능과 편리한 개발자 경험을 제공하지만 [4], Next.js App Router와 같은 최신 RSC 환경에서는 심각한 성능 저하와 런타임 호환성 문제를 야기하므로 Zero-runtime CSS-in-JS나 Tailwind CSS로 마이그레이션하는 것이 대안으로 제시된다 [3, 8].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/flushSync.md b/10_Wiki/Topics/Frontend_Mastery/flushSync.md
index ef05259a..3bd2ab34 100644
--- a/10_Wiki/Topics/Frontend_Mastery/flushSync.md
+++ b/10_Wiki/Topics/Frontend_Mastery/flushSync.md
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Automatic Batching]], [[React 18]], [[startTransition]]
-- **Projects/Contexts:** [[DOM Element Measurement]], [[Form Value Synchronization]]
+- **Projects/Contexts:** DOM Element Measurement, Form Value Synchronization
 - **Contradictions/Notes:** React 18의 상태 업데이트 제어 방식 중 `flushSync`는 업데이트를 즉시 동기적으로 강제(Force synchronously)하는 반면, `startTransition`은 업데이트를 비긴급(Non-urgent)으로 지정하여 더 높은 우선순위 작업(타이핑, 클릭 등)에 메인 스레드를 양보한다는 점에서 상반된 목적을 가집니다 [1, 2]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/shadcn-ui.md b/10_Wiki/Topics/Frontend_Mastery/shadcn-ui.md
index d3da2604..88d11ff8 100644
--- a/10_Wiki/Topics/Frontend_Mastery/shadcn-ui.md
+++ b/10_Wiki/Topics/Frontend_Mastery/shadcn-ui.md
@@ -1,4 +1,4 @@
-# [[shadcn/ui]]
+# shadcn/ui
 
 ## 📌 Brief Summary
 shadcn/ui는 Tailwind CSS를 위해 설계된 React UI 컴포넌트 라이브러리 및 프리미티브 모음입니다 [1, 2]. 주로 Radix와 같은 Headless UI와 함께 사용되며, 복잡한 상호작용과 상태 관리를 지원하는 정교하고 재사용 가능한 컴포넌트를 구축하는 데 사용됩니다 [3, 4]. 특히 Next.js App Router를 사용하는 중소규모의 애플리케이션에서 Tailwind CSS와 결합하여 사용할 때 가장 권장되는 접근 방식 중 하나입니다 [2].
@@ -11,8 +11,8 @@ shadcn/ui는 Tailwind CSS를 위해 설계된 React UI 컴포넌트 라이브러
 - **타입 안정성 보장:** TypeScript를 기반으로 구축되어 있어, 오류를 방지하고 완벽한 타입 안정성을 제공하는 컴포넌트 개발 및 API 설계가 가능합니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Tailwind CSS]], [[Compound Components]], [[Headless UI]], [[Radix]]
-- **Projects/Contexts:** [[Next.js App Router 프로젝트]], [[재사용 가능한 React 컴포넌트 라이브러리 설계]]
+- **Related Topics:** [[Tailwind CSS]], [[Compound Components]], [[Headless UI]], Radix
+- **Projects/Contexts:** [[Next.js App Router 프로젝트]], 재사용 가능한 React 컴포넌트 라이브러리 설계
 - **Contradictions/Notes:** 소스 상에서 shadcn/ui는 전통적인 의미의 무거운 UI 프레임워크라기보다는, Tailwind CSS와 결합하여 개발자에게 강력한 통제권과 유연성을 제공하는 프리미티브 모음으로 묘사되고 있습니다 [1, 2].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/startTransition.md b/10_Wiki/Topics/Frontend_Mastery/startTransition.md
index dd16a4fc..f09b03bc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/startTransition.md
+++ b/10_Wiki/Topics/Frontend_Mastery/startTransition.md
@@ -10,7 +10,7 @@
 - **flushSync와의 대비:** React 18은 업데이트의 우선순위를 제어하는 도구로 `startTransition`과 `flushSync`를 함께 제공합니다 [2]. 사용자가 입력한 값을 즉시 화면에 반영하기 위해 강제로 동기적 렌더링을 적용해야 할 때는 `flushSync`를 사용하지만, 업데이트를 뒤로 미루어 높은 우선순위 작업에 길을 내어줄 때는 `startTransition`을 사용합니다 [2, 3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[useTransition]], [[flushSync]], [[Concurrent Rendering]], [[Debouncing]]
+- **Related Topics:** [[useTransition]], [[flushSync]], [[Concurrent Rendering]], Debouncing
 - **Projects/Contexts:** 대규모 데이터가 포함된 애플리케이션에서의 탭 전환(tab switching), 타이핑할 때마다 검색 결과를 필터링하는 패턴(search-as-you-type), 그리고 수천 개의 항목 필터링 시 발생하는 입력 지연(input lag)을 해결하기 위해 주로 적용됩니다 [1, 2, 6].
 - **Contradictions/Notes:** 소스 자료에서는 동시성 훅(`startTransition`, `useTransition` 등)이 코드의 물리적인 실행 속도 자체를 높여주는 것은 아니라고 명시합니다 [7]. 무거운 계산이 사용자의 즉각적인 피드백을 가로막지 않도록 함으로써 앱이 "더 빠르다고 느끼게(feel faster)" 만들어 줄 뿐입니다 [7].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/styled-components.md b/10_Wiki/Topics/Frontend_Mastery/styled-components.md
index 8c685fd0..fd708e0c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/styled-components.md
+++ b/10_Wiki/Topics/Frontend_Mastery/styled-components.md
@@ -11,7 +11,7 @@ styled-components는 JavaScript 파일 내에서 태그된 템플릿 리터럴(T
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS-in-JS]], [[Tailwind CSS]], [[React Server Components]], [[Dynamic Theming]], [[Design Tokens]]
-- **Projects/Contexts:** [[Next.js App Router]], [[Scalable Frontend Architecture]]
+- **Projects/Contexts:** [[Next.js App Router]], Scalable Frontend Architecture
 - **Contradictions/Notes:** 소스에 따르면, styled-components는 모듈화와 동적 스타일링에 매우 강력한 도구이지만, 런타임 비용 문제와 RSC 호환성의 한계로 인해 최근의 확장 가능한 프론트엔드 아키텍처에서는 제로 런타임(Zero-runtime) CSS-in-JS(예: vanilla-extract)나 유틸리티 클래스 기반인 Tailwind CSS로 전환(마이그레이션)하여 Core Web Vitals 최적화를 꾀하는 추세가 확인된다 [16, 17, 23-25].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/useTransition.md b/10_Wiki/Topics/Frontend_Mastery/useTransition.md
index ee4637ef..1cbe7344 100644
--- a/10_Wiki/Topics/Frontend_Mastery/useTransition.md
+++ b/10_Wiki/Topics/Frontend_Mastery/useTransition.md
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Concurrent Rendering]], [[useDeferredValue]], [[Fiber Architecture]], [[Interaction to Next Paint (INP)]], [[startTransition]]
-- **Projects/Contexts:** [[Search-as-you-type patterns]], [[Data-heavy Applications]], [[React Performance Optimization]]
+- **Projects/Contexts:** Search-as-you-type patterns, Data-heavy Applications, [[React Performance Optimization]]
 - **Contradictions/Notes:** 소스에 따르면 UI 업데이트를 지연할 때는 디바운싱(debouncing)보다 `useTransition`이 React의 렌더링 모델에 더 잘 맞아 권장되지만, 잦은 API 호출을 줄이는 것이 목적일 경우에는 여전히 디바운싱을 사용하는 것이 가장 좋다고 구분하여 조언하고 있다 [5].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유” 및 렌더링 최적화 개념.md b/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유” 및 렌더링 최적화 개념.md
index 7b8304e0..b886dfb0 100644
--- a/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유” 및 렌더링 최적화 개념.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유” 및 렌더링 최적화 개념.md	
@@ -23,7 +23,7 @@ React 16부터 도입된 Fiber 아키텍처는 동기식 렌더링의 한계를
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** `[[Virtual DOM]]`, `[[Reconciliation]]`, `[[Critical Rendering Path]]`, `[[React Fiber]]`, `[[Hydration]]`, `[[Reflow and Repaint]]`
-- **Projects/Contexts:** `[[React 18 Automatic Batching]]`, `[[React 19 Compiler]]`, `[[React Server Components]]`, `[[Next.js Rendering Strategies]]`
+- **Projects/Contexts:** `React 18 Automatic Batching`, `[[React 19 Compiler]]`, `[[React Server Components]]`, `Next.js Rendering Strategies`
 - **Contradictions/Notes:** 이전까지는 불필요한 렌더링을 막기 위해 개발자가 `useMemo`, `useCallback`, `React.memo`를 사용한 수동 메모이제이션을 구현하는 것이 필수적인 최적화 기법이었습니다 [43, 54, 55]. 그러나 React 19 컴파일러의 등장으로 이러한 수동 메모이제이션의 90% 이상이 불필요해졌으며, 컴파일러가 최적의 메모이제이션 경계를 자동으로 판단하여 적용합니다 [10, 44, 56, 57]. 단, 타사 라이브러리(Third-party library)가 렌더링마다 불안정한 참조를 반환하는 경우 컴파일러 최적화가 실패할 수 있어, 여전히 제한적인 상황에서는 수동 제어가 필요할 수 있습니다 [58, 59].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유”.md b/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유”.md
index ab373094..58c1df32 100644
--- a/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유”.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/“React가 빠른 이유”.md	
@@ -17,7 +17,7 @@ React가 빠른 핵심적인 이유는 메모리 상에 가벼운 가상 DOM(Vir
     무거운 렌더링 로직이나 데이터 페칭 작업을 브라우저(클라이언트)가 아닌 서버에서 독점적으로 실행하게 합니다 [22, 23]. 이를 통해 클라이언트로 전송되는 JavaScript 번들 크기를 사실상 0바이트로 줄이고, 상호작용하기까지의 시간(INP)을 획기적으로 낮춰 초기 렌더링 속도와 체감 성능을 향상시킵니다 [24-26].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Virtual DOM]], [[Reconciliation]], [[Fiber Architecture]], [[Automatic Batching]], [[React Compiler]], [[React Server Components]], [[Reflow / Repaint 최소화 방법]]
+- **Related Topics:** [[Virtual DOM]], [[Reconciliation]], [[Fiber Architecture]], [[Automatic Batching]], [[React Compiler]], [[React Server Components]], Reflow / Repaint 최소화 방법
 - **Projects/Contexts:** [[브라우저 렌더링 과정 (HTML → CSSOM → Render Tree)]], [[렌더링 최적화 개념 설명 자료]]
 - **Contradictions/Notes:** 소스에 따르면 가상 DOM이 불필요한 실제 DOM 업데이트를 막아주기는 하지만, 가상 DOM 트리를 비교(Diffing)하는 연산 자체도 무료가 아닙니다 [27]. 따라서 가상 DOM 메커니즘 하나만으로 속도가 무조건 보장되는 것은 아니며, 'Automatic Batching'이나 컴포넌트의 불필요한 연산을 막는 'React Compiler(또는 수동 메모이제이션)' 같은 기술이 병행되어야 가상 DOM의 Diffing 오버헤드까지 잡아내어 진정한 속도 최적화를 이룰 수 있습니다 [16, 20, 27, 28].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/가변 타이포그래피 (Fluid Typography).md b/10_Wiki/Topics/Frontend_Mastery/가변 타이포그래피 (Fluid Typography).md
index 4c19d11b..dae9b946 100644
--- a/10_Wiki/Topics/Frontend_Mastery/가변 타이포그래피 (Fluid Typography).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/가변 타이포그래피 (Fluid Typography).md	
@@ -10,8 +10,8 @@
 * **타이포그래피 스케일링 구성:** 복잡한 디자인 시스템에서는 여러 폰트 크기 간의 관계를 나타내는 타이포그래피 스케일이 필요합니다 [9]. CSS의 `pow()` 함수를 활용하면 1rem을 기본 크기로 설정한 뒤, 외부 도구 없이도 수학적 비율에 맞춘 자체적인 타이포그래피 스케일을 유연하게 생성 및 유지보수할 수 있습니다 [10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 디자인 (Responsive Design)]], [[접근성 (Accessibility)]], [[미디어 쿼리 (Media Queries)]], [[CSS 함수 (clamp, calc, pow)]]
-- **Projects/Contexts:** [[유지보수 가능한 CSS 아키텍처 설계]], [[모바일 퍼스트 (Mobile-First) 디자인 전략]], [[디자인 시스템 (Design Systems) 구축]]
+- **Related Topics:** 반응형 디자인 (Responsive Design), 접근성 (Accessibility), [[미디어 쿼리 (Media Queries)]], CSS 함수 (clamp, calc, pow)
+- **Projects/Contexts:** 유지보수 가능한 CSS 아키텍처 설계, 모바일 퍼스트 (Mobile-First) 디자인 전략, 디자인 시스템 (Design Systems) 구축
 - **Contradictions/Notes:** 뷰포트 단위(vw, vi 등)를 단독으로 사용하여 폰트 크기를 완전히 유동적으로 만드는 것은 매끄러운 뷰포트 대응을 제공하지만, 사용자 선호 설정과 브라우저 확대 기능을 무력화시켜 사용자 경험과 접근성을 저해하므로 단독 사용은 피해야 합니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/가상 DOM (Virtual DOM) 및 Fiber.md b/10_Wiki/Topics/Frontend_Mastery/가상 DOM (Virtual DOM) 및 Fiber.md
index cbc5fef4..e18c602c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/가상 DOM (Virtual DOM) 및 Fiber.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/가상 DOM (Virtual DOM) 및 Fiber.md	
@@ -19,8 +19,8 @@
   React의 스케줄러는 비트마스크(Bitmask) 시스템을 사용하는 'Lane 모델'을 통해 동시성 작업을 관리합니다 [18, 19]. 업데이트의 성격에 따라 Sync Lane(사용자 타이핑, 클릭 등 즉시 처리), InputContinuous Lane(스크롤 등), Default Lane, Idle Lane(백그라운드 작업) 등으로 우선순위를 분류합니다 [20, 21]. 이를 통해 무거운 연산이 진행 중이더라도 메인 스레드를 차단하지 않고 긴급한 사용자 상호작용에 즉각적으로 반응할 수 있습니다 [20, 22].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[재조정 (Reconciliation)]], [[동시성 렌더링 (Concurrent Rendering)]], [[Critical Rendering Path (CRP)]], [[레이아웃 스래싱 (Layout Thrashing)]]
-- **Projects/Contexts:** [[React 16]], [[React 18 Concurrent Features (useTransition, useDeferredValue)]]
+- **Related Topics:** [[재조정 (Reconciliation)]], [[동시성 렌더링 (Concurrent Rendering)]], [[Critical Rendering Path (CRP)]], 레이아웃 스래싱 (Layout Thrashing)
+- **Projects/Contexts:** React 16, React 18 Concurrent Features (useTransition, useDeferredValue)
 - **Contradictions/Notes:** 가상 DOM 트리는 설계상 불변(Immutable)으로 취급되지만, React 내부적으로는 현재 설치된 상태(설치된 DOM 노드에 대한 참조 등)를 추적하기 위해 변경 가능한(Mutable) "증강된 DOM(Augmented DOM)" 형태인 Fiber 데이터 구조를 사용합니다 [12].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/가상 DOM과 재조정 (Virtual DOM and Reconciliation).md b/10_Wiki/Topics/Frontend_Mastery/가상 DOM과 재조정 (Virtual DOM and Reconciliation).md
index 3fc18d45..b3a7367a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/가상 DOM과 재조정 (Virtual DOM and Reconciliation).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/가상 DOM과 재조정 (Virtual DOM and Reconciliation).md	
@@ -26,7 +26,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Fiber Architecture]], [[DOM (Document Object Model)]], [[Critical Rendering Path]]
-- **Projects/Contexts:** [[React]]
+- **Projects/Contexts:** React
 - **Contradictions/Notes:** 초기 구현이나 단순화된 개념에서는 '새롭게 계산된 가상 DOM'과 '이전 가상 DOM'을 직접 비교한다고 설명하지만, React는 단일 자식 노드가 여러 곳에서 공유되는 문제를 해결하기 위해 현재 설치된 상태를 나타내는 변경 가능한(mutable) "증강된 DOM(augmented DOM)"인 Fiber 데이터 구조를 생성하여 활용합니다 [14, 15].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/검색 엔진 최적화 (SEO).md b/10_Wiki/Topics/Frontend_Mastery/검색 엔진 최적화 (SEO).md
index 4394cf20..322a8902 100644
--- a/10_Wiki/Topics/Frontend_Mastery/검색 엔진 최적화 (SEO).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/검색 엔진 최적화 (SEO).md	
@@ -11,8 +11,8 @@
 *   **SEO 최적화 권장 사항:** CSR을 사용하는 경우 검색 봇이 의미 있는 콘텐츠에 접근할 수 있도록 트래픽이 높은 중요 페이지에 동적 렌더링(Dynamic rendering)이나 서버 렌더링을 적용하는 것이 좋습니다 [21]. SSR이나 SSG를 사용할 때는 미리 렌더링된 결과물에 메타데이터, Open Graph 태그, 구조화된 데이터를 구현하여 SEO 이점을 극대화해야 합니다 [21].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[서버 사이드 렌더링 (SSR)]], [[클라이언트 사이드 렌더링 (CSR)]], [[정적 사이트 생성 (SSG)]]
-- **Projects/Contexts:** [[현대적인 프론트엔드 웹 애플리케이션 아키텍처 설계 및 렌더링 전략 선택 맥락]]
+- **Related Topics:** 서버 사이드 렌더링 (SSR), [[클라이언트 사이드 렌더링 (CSR)]], 정적 사이트 생성 (SSG)
+- **Projects/Contexts:** 현대적인 프론트엔드 웹 애플리케이션 아키텍처 설계 및 렌더링 전략 선택 맥락
 - **Contradictions/Notes:** 소스에 따르면 최근 구글(Google)과 같은 검색 엔진이 JavaScript를 크롤링하는 능력이 과거에 비해 향상되었다고 언급하고 있으나, 그럼에도 불구하고 CSR 방식은 빈 HTML을 먼저 보여주기 때문에 여전히 서버 렌더링(SSR, SSG) 방식에 비해 SEO 친화적이지 않으며 크롤링 지연이나 누락의 위험이 존재한다고 일관되게 지적합니다 [1, 2, 7].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/기능 중심 아키텍처(Feature-Driven Architecture).md b/10_Wiki/Topics/Frontend_Mastery/기능 중심 아키텍처(Feature-Driven Architecture).md
index efd6812b..b453ca20 100644
--- a/10_Wiki/Topics/Frontend_Mastery/기능 중심 아키텍처(Feature-Driven Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/기능 중심 아키텍처(Feature-Driven Architecture).md	
@@ -10,7 +10,7 @@
 - **확장성 및 팀 협업:** 코드가 비즈니스 기능별로 그룹화되어 있으므로 여러 팀이 동시에 작업하는 병렬 워크플로우(Parallel team workflows)가 가능해진다 [3]. 또한, 각 기능에 대한 코드 소유권(Ownership)이 명확해져 장기적인 유지보수와 리팩토링을 훨씬 안전하게 수행할 수 있다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Feature-Sliced Design (FSD)]], [[Domain-Driven Architecture]], [[BEM (Block Element Modifier)]], [[CSS Modules]]
+- **Related Topics:** [[Feature-Sliced Design (FSD)]], Domain-Driven Architecture, [[BEM (Block Element Modifier)]], [[CSS Modules]]
 - **Projects/Contexts:** 대규모 프론트엔드 프로젝트의 아키텍처 설계, 대형 엔터프라이즈 환경의 유지보수 가능한 스타일 시스템 엔지니어링, 확장 가능한 Next.js 프로젝트 구조 수립 [2, 4, 5].
 - **Contradictions/Notes:** 많은 개발자들이 컴포넌트, 훅, 로직 등을 같은 파일 유형끼리 묶는 전역 폴더 방식을 사용하지만, 애플리케이션이 성장하여 대시보드나 복잡한 사용자 흐름을 다루게 되면 이 방식은 관리가 불가능(unmanageable)해지므로 대규모 프로젝트에서는 기능 중심 아키텍처가 전역 스타일 디렉터리보다 우수하다고 평가받는다 [2, 5, 9].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/다수 팀 협업 환경.md b/10_Wiki/Topics/Frontend_Mastery/다수 팀 협업 환경.md
index d2714dfd..d2293d8c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/다수 팀 협업 환경.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/다수 팀 협업 환경.md	
@@ -13,8 +13,8 @@
 *   **프로젝트 구조화의 중요성:** 기능(Feature) 또는 도메인 기반으로 폴더를 정리하는 확장 가능한 프로젝트 구조를 갖추는 것은 코드 가독성과 유지보수성을 극대화합니다 [2, 14]. 다수의 개발자가 같은 프로젝트에서 작업할 때 구조가 명확하면 혼란을 방지하고 코드 탐색, 버그 추적 및 팀 간 병렬 작업(Parallel team workflows)이 수월해집니다 [15, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 아키텍처]], [[BEM]], [[Tailwind CSS]], [[CSS Modules]], [[디자인 시스템]], [[디자인 토큰]]
-- **Projects/Contexts:** [[프론트엔드 확장성 및 구조화 (Scalable Style Systems)]], [[컴포넌트 기반 아키텍처]]
+- **Related Topics:** CSS 아키텍처, [[BEM]], [[Tailwind CSS]], [[CSS Modules]], [[디자인 시스템]], 디자인 토큰
+- **Projects/Contexts:** 프론트엔드 확장성 및 구조화 (Scalable Style Systems), [[컴포넌트 기반 아키텍처]]
 - **Contradictions/Notes:** 소규모 팀은 빠른 프로토타이핑 및 네이밍 고민 감소를 위해 Tailwind CSS 적용이 유리한 반면, 대규모 엔터프라이즈 협업 환경에서는 다중 플랫폼의 일관성과 엄격한 캡슐화를 보장하기 위해 CSS Modules 및 디자인 토큰 기반의 디자인 시스템 도입이 권장되는 등 팀 규모에 따라 적합한 해결책이 달라집니다 [4].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/다수의 React-Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경.md b/10_Wiki/Topics/Frontend_Mastery/다수의 React-Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경.md
index 5bf3f173..962be66d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/다수의 React-Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/다수의 React-Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경.md	
@@ -1,4 +1,4 @@
-# [[다수의 React/Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경]]
+# 다수의 React/Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 규모의 프론트엔드 환경
 
 ## 📌 Brief Summary
 다수의 React 및 Next.js 애플리케이션과 공통 UI 라이브러리를 보유한 엔터프라이즈 환경은 주로 pnpm workspaces, Turborepo, Nx 등과 같은 모노레포(Monorepo) 아키텍처를 통해 구축되고 관리됩니다 [1, 2]. 이러한 환경은 일관성과 재사용성을 극대화하기 위해 디자인 토큰(Design Tokens)을 기반으로 한 체계적인 디자인 시스템과 합성 컴포넌트(Compound Components) 같은 유연한 컴포넌트 패턴을 채택합니다 [3-5]. 특히 최근의 Next.js App Router(React Server Components) 환경에서는 성능 병목을 일으키는 런타임 CSS-in-JS(예: styled-components) 대신, 빌드 타임에 정적 CSS를 생성하는 Tailwind CSS나 vanilla-extract와 같은 접근법을 채택하여 확장성과 렌더링 성능을 확보하는 추세입니다 [6-9].
@@ -24,7 +24,7 @@
     *   Tailwind v4의 CSS 변수를 활용하면, 테마나 다크 모드를 구현할 때 의미론적 토큰의 값만 변경하여 수많은 컴포넌트의 로직 수정 없이 UI 전반에 변화를 즉시 반영할 수 있습니다 [40-42].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Monorepo Architecture]], [[Design Tokens]], [[Compound Components]], [[React Server Components (RSC)]], [[Tailwind CSS vs Styled Components]], [[Feature-Sliced Design]]
+- **Related Topics:** [[Monorepo Architecture]], [[Design Tokens]], [[Compound Components]], [[React Server Components (RSC)]], Tailwind CSS vs Styled Components, [[Feature-Sliced Design]]
 - **Projects/Contexts:** [[Uber Base Web]], [[Shopify Polaris]]
 - **Contradictions/Notes:** 컴포넌트 스타일링 방식과 관련하여, 소스에서는 Styled-components 방식이 컴포넌트 중심의 직관적 코드 작성과 동적 스타일링에 유리하다고 인정하지만(장점), 대규모 Next.js 앱라우터(RSC) 환경에서는 런타임 오버헤드 문제와 Context 부재로 인해 아키텍처상 한계가 발생하므로 신규 프로젝트의 경우 Tailwind CSS나 CSS Modules, vanilla-extract를 권장하는 입장 차이를 보입니다 [6, 7, 9, 16, 26, 43]. 
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/다크 모드 및 다중 브랜드 테마 동적 전환 시스템.md b/10_Wiki/Topics/Frontend_Mastery/다크 모드 및 다중 브랜드 테마 동적 전환 시스템.md
index 09039959..182613bb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/다크 모드 및 다중 브랜드 테마 동적 전환 시스템.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/다크 모드 및 다중 브랜드 테마 동적 전환 시스템.md	
@@ -11,8 +11,8 @@
 * **BEM 방법론을 활용한 화이트라벨(Whitelabel) 다중 테마:** 다수의 고객사 브랜드를 지원해야 하는 화이트라벨 앱의 경우, UI 라이브러리와 앱 간의 스타일 계약으로 BEM 구조를 사용하여, 필요한 테마 CSS만 선택적으로 로드하고 덮어쓰는 방식을 채택해 확장성을 확보하기도 합니다[13, 14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 시스템(Design Systems) 및 디자인 토큰(Design Tokens)]], [[CSS-in-JS와 동적 스타일링]], [[CSS 사용자 정의 속성(CSS Custom Properties)]], [[하이브리드 CSS 아키텍처]]
-- **Projects/Contexts:** [[웹/모바일 크로스 플랫폼 테마 적용(Style Dictionary)]], [[화이트라벨(Whitelabel) B2B 애플리케이션 스타일링]], [[대규모 디자인 시스템 테마 확장]]
+- **Related Topics:** 디자인 시스템(Design Systems) 및 디자인 토큰(Design Tokens), CSS-in-JS와 동적 스타일링, CSS 사용자 정의 속성(CSS Custom Properties), 하이브리드 CSS 아키텍처
+- **Projects/Contexts:** 웹/모바일 크로스 플랫폼 테마 적용(Style Dictionary), 화이트라벨(Whitelabel) B2B 애플리케이션 스타일링, 대규모 디자인 시스템 테마 확장
 - **Contradictions/Notes:** CSS-in-JS(styled-components 등)는 런타임 테마 적용에 매우 직관적이고 유용하지만[6, 7], 런타임 성능 오버헤드와 React 서버 컴포넌트(RSC) 환경과의 비호환성 문제로 인해 최신 프론트엔드 아키텍처(Next.js App Router 등)에서는 CSS 변수를 결합한 CSS Modules나 Tailwind, 혹은 Zero-runtime 도구(vanilla-extract 등)를 사용하여 테마를 구현하는 것이 더 권장됩니다[15-17].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth) 구축.md b/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth) 구축.md
index fb31fe2c..d5328f88 100644
--- a/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth) 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth) 구축.md	
@@ -9,8 +9,8 @@
 * **디자인과 엔지니어링의 간극 해소:** 전문적인 프론트엔드 환경에서 단일 진실 공급원은 디자인 팀과 엔지니어링 팀 사이의 간극을 연결하는 핵심적인 소통 프로토콜 역할을 합니다 [4, 7]. 예를 들어 디자이너가 Figma에서 기본 브랜드 색상을 변경하면, 단일 진실 공급원으로 작용하는 디자인 토큰이 업데이트되고 이는 CI/CD 파이프라인을 통해 여러 플랫폼의 수천 개 컴포넌트에 자동으로 전파됩니다 [7, 8]. 이를 통해 대규모 확장 시에도 기술적 복잡성을 통제하고 유지보수성을 극대화할 수 있습니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 토큰(Design Tokens)]], [[디자인 시스템(Design Systems)]], [[유지보수 가능한 아키텍처(Maintainable Architecture)]]
-- **Projects/Contexts:** [[다중 플랫폼(Web, iOS, Android) 대규모 애플리케이션]], [[디자인-엔지니어링 핸드오프 워크플로우]]
+- **Related Topics:** [[디자인 토큰(Design Tokens)]], [[디자인 시스템(Design Systems)]], 유지보수 가능한 아키텍처(Maintainable Architecture)
+- **Projects/Contexts:** 다중 플랫폼(Web, iOS, Android) 대규모 애플리케이션, 디자인-엔지니어링 핸드오프 워크플로우
 - **Contradictions/Notes:** 소스에 따르면 단일 진실 공급원 역할을 돕기 위한 여러 도구(예: Figma Tokens 플러그인 등)가 지속적으로 등장하고 있지만, 디자인 앱과 개발 저장소(Github 등)를 완벽하게 동기화하여 모든 요구를 해결하는 궁극적인 단일 솔루션은 아직 없으며 상당한 수준의 수동 구성이 요구될 수 있습니다 [10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth).md b/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth).md
index 9f8b207c..12db3fac 100644
--- a/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/단일 진실 공급원(Single Source of Truth).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[디자인 토큰(Design Tokens)]], [[디자인 시스템(Design System)]], [[Style Dictionary]]
-- **Projects/Contexts:** [[프론트엔드 아키텍처(Frontend Architecture)]], [[크로스 플랫폼 애플리케이션 개발(Cross-Platform Application Development)]]
+- **Projects/Contexts:** 프론트엔드 아키텍처(Frontend Architecture), 크로스 플랫폼 애플리케이션 개발(Cross-Platform Application Development)
 - **Contradictions/Notes:** 단일 진실 공급원을 구축하는 개념은 매우 이상적이지만, 소스에 따르면 현재 디자이너의 도구(예: Figma)와 개발자의 저장소(예: Github)를 완벽히 동기화하여 모든 요구 사항을 자동으로 해결해 주는 "궁극적인 솔루션(ultimate solution)"은 아직 없으며, 대부분의 도구는 여전히 상당한 수준의 수동 구성(manual configuration)을 필요로 한다는 현실적인 한계가 존재합니다 [5].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/단일 코드베이스를 통한 멀티 디바이스(모바일-데스크톱) 웹 인터페이스 구축.md b/10_Wiki/Topics/Frontend_Mastery/단일 코드베이스를 통한 멀티 디바이스(모바일-데스크톱) 웹 인터페이스 구축.md
index 99a78f97..0a1ebde5 100644
--- a/10_Wiki/Topics/Frontend_Mastery/단일 코드베이스를 통한 멀티 디바이스(모바일-데스크톱) 웹 인터페이스 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/단일 코드베이스를 통한 멀티 디바이스(모바일-데스크톱) 웹 인터페이스 구축.md	
@@ -1,4 +1,4 @@
-# [[단일 코드베이스를 통한 멀티 디바이스(모바일/데스크톱) 웹 인터페이스 구축]]
+# 단일 코드베이스를 통한 멀티 디바이스(모바일/데스크톱) 웹 인터페이스 구축
 
 ## 📌 Brief 시Summary
 반응형 웹 디자인(Responsive Web Design)은 모바일과 데스크톱용 사이트를 별도로 구축하는 대신, 유동적 그리드, 유연한 이미지, CSS 미디어 쿼리 등을 활용해 단일 코드베이스로 모든 기기에 유연하게 적응하는 인터페이스를 구축하는 방법론입니다 [1-3]. 이는 다양한 기기와 화면 크기에 일관된 사용자 경험을 제공하며, 모바일 우선 인덱싱(Mobile-first indexing) 및 Core Web Vitals와 같은 SEO 및 성능 최적화에 필수적인 요소로 자리 잡았습니다 [4-6].
@@ -25,8 +25,8 @@
 * 다양한 디바이스 환경, 특히 느린 모바일 네트워크에서도 빠른 경험을 제공해야 합니다 [13, 27]. 폴드 아래 이미지는 지연 로딩(lazy-loading)하고, LCP(Largest Contentful Paint)에 해당하는 핵심 이미지는 `fetchpriority="high"`로 로드하며, 사용하지 않는 뷰포트별 CSS는 분리해 렌더링 블로킹을 최소화해야 합니다 [28-31].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[모바일 우선 설계(Mobile-First Design)]], [[컨테이너 쿼리(Container Queries)]], [[CSS Grid / Flexbox]], [[유동적 타이포그래피(Fluid Typography)]]
-- **Projects/Contexts:** [[디자인 시스템 컴포넌트화]], [[Core Web Vitals 및 SEO 성능 최적화]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), [[모바일 우선 설계(Mobile-First Design)]], [[컨테이너 쿼리(Container Queries)]], CSS Grid / Flexbox, [[유동적 타이포그래피(Fluid Typography)]]
+- **Projects/Contexts:** 디자인 시스템 컴포넌트화, Core Web Vitals 및 SEO 성능 최적화
 - **Contradictions/Notes:**
   - 중단점(Breakpoints) 설정과 관련하여, 특정 기기 해상도(예: 아이폰 사이즈)에 맞추어 고정된 중단점을 설정하는 것보다 "콘텐츠가 깨지기 시작하는 지점"을 기준으로 중단점을 설정하는 것이 모범 사례로 강조됩니다 [32, 33].
   - `vw`나 `cqi` 같은 뷰포트 및 컨테이너 상대 단위만을 이용해 폰트 크기를 제어하면, 시각 장애인 등 접근성 사용자가 브라우저 확대/축소 기능을 사용할 때 글씨가 커지지 않는 문제(WCAG 1.4.4 위반)가 발생할 수 있습니다. 따라서 반드시 `calc()`나 `clamp()`를 통해 `rem`, `em` 단위와 결합하여 사용자의 줌(Zoom) 기본 설정을 존중해야 합니다 [34-39].
diff --git a/10_Wiki/Topics/Frontend_Mastery/단일 페이지 애플리케이션(SPA) UI 성능 관리.md b/10_Wiki/Topics/Frontend_Mastery/단일 페이지 애플리케이션(SPA) UI 성능 관리.md
index eb9a36bb..4649fccb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/단일 페이지 애플리케이션(SPA) UI 성능 관리.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/단일 페이지 애플리케이션(SPA) UI 성능 관리.md	
@@ -21,8 +21,8 @@ React 18에 도입된 자동 배칭(Automatic Batching)은 타이머, 프로미
 초기 로드 속도를 단축하기 위해 `React.lazy()`를 활용한 라우트 수준의 코드 스플리팅(Code Splitting)으로 자바스크립트 번들 크기를 줄이는 것이 중요합니다 [40]. 또한 100개 이상의 긴 목록을 렌더링할 때는 화면에 보이는 항목의 DOM 노드만 생성하는 가상화(Virtualization) 기술을 적용하면 렌더링 시간을 수 초에서 즉시 수준으로 단축할 수 있으며 [41, 42], DOM 트리 깊이를 줄이기 위해 불필요한 래퍼 대신 `React.Fragment`를 사용하는 것도 렌더링 효율을 높이는 방법입니다 [43-45].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[클라이언트 사이드 렌더링(CSR)]], [[Critical Rendering Path (CRP)]], [[가상 DOM과 Reconciliation]], [[Reflow 및 Repaint 최적화]]
-- **Projects/Contexts:** [[React Compiler를 활용한 메모이제이션 자동화]], [[React 18 자동 배칭 및 Concurrent 기능 적용]], [[긴 목록 렌더링 가상화(Virtualization)]]
+- **Related Topics:** 클라이언트 사이드 렌더링(CSR), [[Critical Rendering Path (CRP)]], 가상 DOM과 Reconciliation, [[Reflow 및 Repaint 최적화]]
+- **Projects/Contexts:** React Compiler를 활용한 메모이제이션 자동화, React 18 자동 배칭 및 Concurrent 기능 적용, 긴 목록 렌더링 가상화(Virtualization)
 - **Contradictions/Notes:** 소스 [30]은 모든 컴포넌트에 무조건적인 수동 메모이제이션(useMemo 등)을 적용하는 것은 오버헤드를 발생시켜 오히려 성능을 떨어뜨릴 수 있으므로 프로파일링을 통한 선별적 적용을 주장합니다. 그러나 소스 [11, 46, 47]에 따르면 React 19 컴파일러의 등장으로 이러한 수동 메모이제이션 방식 자체가 구식이 되어가고 있으며, 컴파일러가 최적의 메모이제이션 지점을 자동으로 판단하므로 개발자는 복잡한 최적화 작업의 90%를 덜어낼 수 있다고 설명합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/대규모 엔터프라이즈 프론트엔드.md b/10_Wiki/Topics/Frontend_Mastery/대규모 엔터프라이즈 프론트엔드.md
index 5f379b40..1ef79ab5 100644
--- a/10_Wiki/Topics/Frontend_Mastery/대규모 엔터프라이즈 프론트엔드.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/대규모 엔터프라이즈 프론트엔드.md	
@@ -30,8 +30,8 @@
 *   Style Dictionary 같은 도구를 통해 한 곳(JSON 파일)에서 선언된 토큰을 웹용 CSS, iOS용 Swift, 안드로이드용 XML 등 모든 플랫폼에서 사용할 코드로 자동 변환하여 통합 관리할 수 있습니다 [66-68].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[BEM]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox]], [[CSS Grid]], [[Container Queries]], [[Fluid Typography]], [[디자인 토큰 (Design Tokens)]], [[리플로우와 리페인트 (Reflows & Repaints)]]
-- **Projects/Contexts:** [[Feature-Sliced Design (FSD)]], [[Next.js Feature-Driven Architecture]]
+- **Related Topics:** [[BEM]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox]], [[CSS Grid]], [[Container Queries]], [[Fluid Typography]], [[디자인 토큰 (Design Tokens)]], 리플로우와 리페인트 (Reflows & Repaints)
+- **Projects/Contexts:** [[Feature-Sliced Design (FSD)]], Next.js Feature-Driven Architecture
 - **Contradictions/Notes:** 컴포넌트 스타일링 방식의 선택에서 일부 의견 충돌이 있습니다. 여러 앱 간 테마 커스터마이징이 잦은 환경(Whitelabel Apps)에서는 필요한 부분만 오버라이드할 수 있는 BEM이 더 유용하다는 의견이 존재합니다 [69]. 하지만 대부분의 최신 엔터프라이즈 환경(특히 React/TypeScript)의 개발자 및 문헌은, 수동 네이밍 실수로 인한 렌더링 오류를 막기 위해 기본적으로 격리를 보장하는 CSS Modules나 유틸리티 클래스 기반인 Tailwind CSS가 장기적 유지보수 관점에서 훨씬 우수하다고 평가합니다 [2, 14, 19, 70]. CSS-in-JS 또한 강력한 동적 스타일링 기능을 가지나, 최근 Next.js App Router(React Server Components) 환경과의 호환성 문제와 런타임 성능 오버헤드 문제로 인해 점차 사용이 권장되지 않는 추세입니다 [71-74].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/대규모 이커머스 플랫폼 렌더링 설계.md b/10_Wiki/Topics/Frontend_Mastery/대규모 이커머스 플랫폼 렌더링 설계.md
index f9ccba80..623a16cd 100644
--- a/10_Wiki/Topics/Frontend_Mastery/대규모 이커머스 플랫폼 렌더링 설계.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/대규모 이커머스 플랫폼 렌더링 설계.md	
@@ -10,8 +10,8 @@
 - **인터랙티브 요소를 위한 하이브리드 접근법:** 제품 페이지나 마케팅 섹션에는 SSR, SSG 또는 ISR을 적용하지만, 높은 수준의 실시간 상호작용이 필요한 장바구니, 결제(Checkout) 프로세스, 로그인된 사용자 대시보드 등의 기능에는 클라이언트 사이드 렌더링(CSR) 또는 클라이언트 컴포넌트를 혼합 적용하여 빠르고 유연한 앱 같은 경험을 제공해야 합니다 [5, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[React Server Components (RSC)]], [[Client-Side Rendering (CSR)]]
-- **Projects/Contexts:** [[Next.js 기반 하이브리드 렌더링 아키텍처]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[React Server Components (RSC)]], [[Client-Side Rendering (CSR)]]
+- **Projects/Contexts:** Next.js 기반 하이브리드 렌더링 아키텍처
 - **Contradictions/Notes:** 일반적으로 SSR은 가장 빠른 콘텐츠 노출(FCP)을 제공하지만 하이드레이션(Hydration) 대기 시간으로 인해 TTI(Time to Interactive)가 지연되는 단점이 존재합니다 [16, 17]. 그러나 최근의 React 서버 컴포넌트(RSC)를 활용하면 브라우저로 자바스크립트 자체를 전송하지 않아 하이드레이션 과정을 완전히 생략할 수 있으므로, 이러한 성능적 페널티를 근본적으로 회피할 수 있습니다 [18, 19].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/대규모 콘텐츠 기반 애플리케이션 및 전자상거래 플랫폼 구축.md b/10_Wiki/Topics/Frontend_Mastery/대규모 콘텐츠 기반 애플리케이션 및 전자상거래 플랫폼 구축.md
index 9d03407c..011c0d37 100644
--- a/10_Wiki/Topics/Frontend_Mastery/대규모 콘텐츠 기반 애플리케이션 및 전자상거래 플랫폼 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/대규모 콘텐츠 기반 애플리케이션 및 전자상거래 플랫폼 구축.md	
@@ -14,8 +14,8 @@
 *   **컴포넌트 기반 아키텍처(CBA)의 적용:** 대규모 플랫폼은 CBA를 통해 확장성과 유지보수성을 극대화합니다. 전체 시스템을 쇼핑 카트, 결제 처리기, 추천 엔진, 제품 목록 등 독립적이고 재사용 가능한 컴포넌트로 분리합니다[17, 18]. 이 구조는 트래픽 급증 시 특정 컴포넌트(예: 쇼핑카트) 인스턴스를 독립적으로 확장할 수 있게 해 주며[19], 여러 팀이 병렬로 각 컴포넌트를 개발하고 배포할 수 있어 대규모 비즈니스 요구에 민첩하게 대응할 수 있도록 돕습니다[20-22].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Component-Based Architecture (CBA)]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[전자상거래 플랫폼의 제품 카탈로그 및 렌더링 최적화]], [[대규모 뉴스 및 블로그 시스템 구축]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[Component-Based Architecture (CBA)]], [[React Server Components (RSC)]]
+- **Projects/Contexts:** 전자상거래 플랫폼의 제품 카탈로그 및 렌더링 최적화, 대규모 뉴스 및 블로그 시스템 구축
 - **Contradictions/Notes:** 소스에 따르면, SSG는 초고속 로딩을 제공하지만 라이브 스코어나 실시간 대시보드, 빈번한 재고 변경이 필요한 데이터에는 적합하지 않아 전체 사이트 재빌드의 부담이 있습니다. 이에 대한 대안이자 타협점으로 백그라운드에서 점진적으로 페이지를 업데이트하는 ISR이 대규모 전자상거래 시스템에 강력히 권장됩니다[2, 9, 23, 24].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 아키텍처(Large-Scale Frontend Architecture).md b/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 아키텍처(Large-Scale Frontend Architecture).md
index 658de37a..d86d94eb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 아키텍처(Large-Scale Frontend Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 아키텍처(Large-Scale Frontend Architecture).md	
@@ -30,7 +30,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox]], [[CSS Grid]], [[컨테이너 쿼리(Container Queries)]], [[디자인 토큰(Design Tokens)]], [[리플로우(Reflow)]], [[리페인트(Repaint)]], [[유동적 타이포그래피(Fluid Typography)]]
-- **Projects/Contexts:** [[Feature-Driven Architecture (기능/도메인 주도 폴더 구조)]], [[컴포넌트 기반 UI 최적화(Component-based UI Optimization)]]
+- **Projects/Contexts:** Feature-Driven Architecture (기능/도메인 주도 폴더 구조), 컴포넌트 기반 UI 최적화(Component-based UI Optimization)
 - **Contradictions/Notes:** Tailwind CSS는 빠른 속도와 강제된 시각적 일관성을 제공하며 렌더링 성능 최적화에 탁월하지만, HTML 마크업이 지나치게 길어지는 문제(장황함)가 있어 디자인을 세밀히 분리하고 코드 가독성을 중시하는 팀에서는 CSS Modules나 SCSS를 옹호하는 등 팀의 규모와 개발 문화에 따라 의견이 크게 엇갈립니다 [3, 20, 23, 58]. 또한 BEM 구조는 전통적으로 모듈성을 가져다주지만 수동으로 유지보수해야 한다는 단점으로 인해 CSS Modules의 자동 스코핑 기술에 대체되는 추세입니다 [13-15, 59].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 프로젝트 아키텍처.md b/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 프로젝트 아키텍처.md
index cb9ce474..ba6dd5b6 100644
--- a/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 프로젝트 아키텍처.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/대규모 프론트엔드 프로젝트 아키텍처.md	
@@ -18,7 +18,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox]], [[CSS Grid]], [[Container Queries]], [[Fluid Typography]], [[Design Tokens]], [[Reflow and Repaint]]
-- **Projects/Contexts:** [[Design System Implementation]], [[Mobile-First Responsive Web]], [[Hybrid Styling Strategy]], [[React Server Components (RSC) Environment]]
+- **Projects/Contexts:** Design System Implementation, Mobile-First Responsive Web, Hybrid Styling Strategy, React Server Components (RSC) Environment
 - **Contradictions/Notes:** Tailwind CSS는 빠른 렌더링과 일관성 유지에 강력하지만 긴 클래스명으로 인해 HTML 가독성이 떨어진다는 단점이 지적되며, CSS Modules는 완벽한 캡슐화를 제공하지만 파일 분리에 따른 컨텍스트 스위칭이 단점이라는 서로 다른 장단점으로 인해 실무에서는 두 방식을 섞어 쓰는 방식이 등장하고 있습니다 [16, 44-46]. 또한, 기존에 인기를 끌던 런타임 CSS-in-JS (Styled-components 등)는 강력한 동적 스타일링 기능을 가졌으나 렌더링 성능 오버헤드와 React Server Components 호환성 문제로 인해 최신 프레임워크 아키텍처에서는 CSS Modules나 Zero-runtime 방식으로 밀려나고 있는 추세입니다 [47-51].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/대규모 확장성과 유지보수성이 요구되는 프런트엔드 모노레포 프로젝트.md b/10_Wiki/Topics/Frontend_Mastery/대규모 확장성과 유지보수성이 요구되는 프런트엔드 모노레포 프로젝트.md
index 9457307e..d04e5b2d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/대규모 확장성과 유지보수성이 요구되는 프런트엔드 모노레포 프로젝트.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/대규모 확장성과 유지보수성이 요구되는 프런트엔드 모노레포 프로젝트.md	
@@ -20,8 +20,8 @@
   대규모 컴포넌트 라이브러리를 공유할 때 모든 PR이 전체 시스템을 다시 빌드하게 하면 막대한 비용이 발생합니다 [2, 9]. 따라서 "영향을 받는(affected) 앱과 패키지만 빌드 및 배포한다"는 전략이 필수적입니다 [23, 24]. 원격 캐싱(Remote caching)을 활용하면 머신 간 빌드 결과물을 재사용할 수 있어, 공통 UI 패키지가 변경될 때 발생하는 피드백 루프와 연산 비용을 획기적으로 줄일 수 있습니다 [9, 25].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Feature-Sliced Design (FSD)]], [[Turborepo 및 Nx 빌드 시스템]], [[Reusable UI Components]], [[Design Tokens]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[Uber의 Base Web 등 다양한 내부 앱 관리를 위한 디자인 시스템 도입]], [[확장 가능한 프런트엔드를 위한 의존성 및 패키지 구조화]]
+- **Related Topics:** [[Feature-Sliced Design (FSD)]], Turborepo 및 Nx 빌드 시스템, Reusable UI Components, [[Design Tokens]], [[React Server Components (RSC)]]
+- **Projects/Contexts:** Uber의 Base Web 등 다양한 내부 앱 관리를 위한 디자인 시스템 도입, 확장 가능한 프런트엔드를 위한 의존성 및 패키지 구조화
 - **Contradictions/Notes:** 모노레포 아키텍처는 코드 공유와 원자적 커밋의 이점을 제공하지만, "공유 모듈이 무분별하게 참조되는 스파게티 코드(spaghetti sharing)"를 유발할 위험이 있습니다. 소스에서는 이를 방지하기 위해 린트(Lint) 규칙, 엄격한 코드 소유권(CODEOWNERS), FSD와 같은 경계 강제가 없으면 오히려 통합 비용이 급증할 수 있다고 경고합니다 [1, 8, 26, 27]. 또한, 서로 코드를 공유할 필요가 거의 없는 완전히 독립적인 제품들의 경우 폴리레포(Polyrepo)가 더 안전한 선택이라고 조언합니다 [28].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md b/10_Wiki/Topics/Frontend_Mastery/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md
index 6a0e7189..5819e413 100644
--- a/10_Wiki/Topics/Frontend_Mastery/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축.md	
@@ -11,8 +11,8 @@
 - **유지보수를 위한 폴더 및 컴포넌트 구조화:** 대시보드(Dashboard) 화면은 프론트엔드 폴더 구조 내에서 고유한 페이지(Pages folder)로 관리되며, 여러 재사용 가능한 컴포넌트(Components)들이 결합하여 하나의 전체 뷰를 구성하게 됩니다 [6, 7]. 애플리케이션의 규모가 커짐에 따라 유지보수성을 높이기 위해서는 UI 시각 요소와 비즈니스 로직을 명확히 분리하는 구조적 접근이 필수적입니다 [6, 8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Grid]], [[Container Queries]], [[데이터 시각화 애니메이션 (Animated Data Visualization)]], [[레이어 모션 (Layered Motion)]]
-- **Projects/Contexts:** [[SaaS Dashboards]], [[데이터 테이블의 모바일 카드 스택 변환]], [[분석 대시보드 그리드 시스템]]
+- **Related Topics:** [[CSS Grid]], [[Container Queries]], 데이터 시각화 애니메이션 (Animated Data Visualization), 레이어 모션 (Layered Motion)
+- **Projects/Contexts:** SaaS Dashboards, 데이터 테이블의 모바일 카드 스택 변환, 분석 대시보드 그리드 시스템
 - **Contradictions/Notes:** 대시보드 및 CRM 구축 방법에 대하여 소스 데이터 내에 상충하는 의견이나 모순점은 발견되지 않았습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/동시성 렌더링 (Concurrent Rendering).md b/10_Wiki/Topics/Frontend_Mastery/동시성 렌더링 (Concurrent Rendering).md
index 24f54c6f..aeceb90a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/동시성 렌더링 (Concurrent Rendering).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/동시성 렌더링 (Concurrent Rendering).md	
@@ -18,7 +18,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Fiber Architecture]], [[Time-Slicing]], [[Lane Model]], [[Reconciliation]]
-- **Projects/Contexts:** [[React 18/19 Performance Optimization]], [[Concurrent Hydration]]
+- **Projects/Contexts:** React 18/19 Performance Optimization, Concurrent Hydration
 - **Contradictions/Notes:** 동시성 렌더링 기능(`useTransition`, `useDeferredValue` 등)은 애플리케이션의 실제 코드 실행 속도를 높이는 것이 아니라, 무거운 연산 중에도 긴급한 피드백을 방해하지 않도록 처리 순서를 조정함으로써 앱이 더 빠르게 "느껴지도록(feel faster)" 체감 성능을 향상시키는 역할을 합니다 [16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design System).md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design System).md
index adb01420..641c2001 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design System).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design System).md	
@@ -20,8 +20,8 @@
     현대적인 디자인 시스템에서는 반응형 동작을 개별 페이지가 아닌 '컴포넌트 자체의 속성'으로 취급합니다 [8]. 반응형 기본값(예: 컨테이너 쿼리를 활용한 구성)을 갖춘 컴포넌트를 시스템 수준에서 구축하면, 해당 컴포넌트를 사용하는 모든 팀이 별도의 미디어 쿼리 작업 없이 동일하고 올바른 동작을 상속받게 되며 이는 유지보수성과 확장성을 비약적으로 향상시킵니다 [8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 토큰 (Design Tokens)]], [[컴포넌트 기반 아키텍처 (Component-based Architecture)]], [[반응형 웹 디자인 (Responsive Web Design)]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 아키텍처 구축]], [[다중 플랫폼(Web, iOS, Android) UI 스타일 동기화 파이프라인]]
+- **Related Topics:** [[디자인 토큰 (Design Tokens)]], 컴포넌트 기반 아키텍처 (Component-based Architecture), [[반응형 웹 디자인 (Responsive Web Design)]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 아키텍처 구축, 다중 플랫폼(Web, iOS, Android) UI 스타일 동기화 파이프라인
 - **Contradictions/Notes:** 소스 내에 명시적인 상충 의견은 없으나, 순수 BEM과 같은 수동적인 CSS 방법론이 갖는 '인간 의존성(Human Error)' 한계를 극복하기 위해, 대규모 팀에서는 디자인 시스템과 토큰 자동화(Style Dictionary 등)를 도입하여 기술 부채를 줄이고 유지보수성을 확보하는 것이 강력히 권장됩니다 [9-11]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design Systems).md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design Systems).md
index 91170a35..0b211032 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design Systems).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 (Design Systems).md	
@@ -19,8 +19,8 @@
     현대의 디자인 시스템에서는 반응형 동작을 개별 페이지가 아닌 '컴포넌트의 속성'으로 취급합니다. 컨테이너 쿼리(Container Queries)를 적용하여 컴포넌트 자체가 가용 너비에 따라 반응하도록 구축하면, 디자인 시스템을 사용하는 모든 팀이 별도의 작업 없이 올바른 반응형 동작을 일관되게 사용할 수 있습니다.
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Design Tokens]], [[CSS Architecture]], [[Responsive Design]], [[Tailwind CSS]]
-- **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], [[대규모 프론트엔드 아키텍처 확장 (Enterprise Frontend Architecture)]]
+- **Related Topics:** [[Design Tokens]], [[CSS Architecture]], Responsive Design, [[Tailwind CSS]]
+- **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], 대규모 프론트엔드 아키텍처 확장 (Enterprise Frontend Architecture)
 - **Contradictions/Notes:** Tailwind CSS와 같은 유틸리티 우선(Utility-first) 프레임워크는 사전 정의된 스케일을 제공하여 디자인 시스템의 일관성을 유지하는 데 뛰어나지만, 픽셀 퍼펙트(pixel-perfect)가 요구되거나 매우 고도로 맞춤화된 독자적인 디자인 시스템 로직이 필요한 경우에는 Tailwind의 설정이 한계로 작용할 수 있어 SCSS의 강력한 제어력이 더 적합할 수 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 개념.md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 개념.md
index 7847876e..4081833e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 개념.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 개념.md	
@@ -13,7 +13,7 @@
 - **도구 적용 및 아키텍처 결합:** 대규모 멀티 플랫폼 프로젝트에서는 디자인 토큰을 JSON과 같은 형식으로 저장한 뒤, Style Dictionary와 같은 자동화 도구를 사용해 플랫폼별 코드로 변환합니다 [6, 11]. 이와 같은 '단일 진실 공급원(Single Source of Truth)' 접근 방식은 수동 오류를 제거합니다 [6]. 또한, 구축된 디자인 시스템은 Tailwind CSS의 구성 파일(config)이나 SCSS, BEM 방식 등과 결합되어 프론트엔드 스타일링의 엄격성과 일관성을 유지하는 기반으로 작동합니다 [12-14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 토큰]], [[CSS 아키텍처]], [[BEM]], [[Tailwind CSS]], [[재사용 가능한 컴포넌트]]
+- **Related Topics:** 디자인 토큰, CSS 아키텍처, [[BEM]], [[Tailwind CSS]], 재사용 가능한 컴포넌트
 - **Projects/Contexts:** 여러 팀이 협업하거나 다중 플랫폼(웹, iOS, Android 등)을 지원해야 하는 대규모 프론트엔드 및 제품 디자인 에코시스템 확장 프로젝트 [6, 15, 16].
 - **Contradictions/Notes:** 디자인 토큰을 내보내고 관리하기 위한 반자동화 도구(예: Figma Tokens)들이 발전하고 있지만, 버그나 세부 타이포그래피 토큰화 기능 부재 등 완벽한 솔루션은 아직 없으며 저장소 연동 시 여전히 일정 수준의 수동 구성이 요구된다는 점이 지적됩니다 [17-19].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 구축.md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 구축.md
index 5b4958b8..fb30fbf1 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 구축.md	
@@ -20,8 +20,8 @@
   성공적인 디자인 시스템에서는 반응형 동작을 개별 페이지의 문제가 아닌 '컴포넌트의 고유 속성'으로 다루어야 합니다 [12]. 특히 최신 표준인 컨테이너 쿼리(Container Queries)를 활용하면, 컴포넌트가 화면 전체의 너비가 아닌 속해 있는 부모 컨테이너의 가용 너비에 따라 스스로 레이아웃을 변경할 수 있습니다 [12, 13]. 이를 통해 어떤 문맥에 배치되더라도 구조가 깨지지 않는 독립적이고 재사용 가능한 진정한 의미의 모듈식 컴포넌트 설계가 가능합니다 [12, 13].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 토큰 (Design Tokens)]], [[컴포넌트 기반 아키텍처 (Component-based Architecture)]], [[스타일 딕셔너리 (Style Dictionary)]], [[컨테이너 쿼리 (Container Queries)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 아키텍처 (Large Frontend Architecture)]], [[크로스 플랫폼 디자인 동기화 (Cross-Platform Design Synchronization)]]
+- **Related Topics:** [[디자인 토큰 (Design Tokens)]], 컴포넌트 기반 아키텍처 (Component-based Architecture), 스타일 딕셔너리 (Style Dictionary), [[컨테이너 쿼리 (Container Queries)]]
+- **Projects/Contexts:** 대규모 프론트엔드 아키텍처 (Large Frontend Architecture), 크로스 플랫폼 디자인 동기화 (Cross-Platform Design Synchronization)
 - **Contradictions/Notes:** 시각적 디자인 앱(Figma 등)과 개발 환경을 이어주는 토큰 관리를 위한 완벽한 단일 통합 솔루션은 아직 내장되어 있지 않은 경우가 많습니다 [14]. 이를 해결하기 위해 서드파티 플러그인(예: Figma Tokens, Toolabs 등)을 활용해야 하지만, 일부 플러그인은 동기화 버그가 있거나 세밀한 타이포그래피 토큰 관리 등에서 기능적 한계가 존재할 수 있어 실무 적용 시 주의가 필요합니다 [14-16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 기반 컴포넌트 개발.md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 기반 컴포넌트 개발.md
index 06e40400..4cb75b52 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 기반 컴포넌트 개발.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템 기반 컴포넌트 개발.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Design Tokens]], [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]]
-- **Projects/Contexts:** [[대규모 프론트엔드 아키텍처]], [[다중 플랫폼(Web, iOS, Android) UI 시스템 개발]]
+- **Projects/Contexts:** 대규모 프론트엔드 아키텍처, 다중 플랫폼(Web, iOS, Android) UI 시스템 개발
 - **Contradictions/Notes:** BEM은 개발자가 수동으로 명명 규칙을 적용해 컴포넌트 스타일을 분리하므로 인적 오류에 취약할 수 있는 반면, CSS Modules는 빌드 도구를 통해 캡슐화를 자동화하여 안전성을 보장합니다 [12, 18-20]. 한편, Tailwind CSS는 디자인 시스템을 엄격하고 효율적으로 강제할 수 있으나, HTML 마크업이 상당히 길어지고 복잡해지는 트레이드오프가 존재합니다 [15, 21].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템(Design System).md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템(Design System).md
index 61e890ba..585db3a3 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템(Design System).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템(Design System).md	
@@ -21,8 +21,8 @@
     현대의 디자인 시스템은 반응형 동작(Responsive behavior)을 페이지가 아닌 '컴포넌트의 속성'으로 취급합니다 [11]. 버튼, 모달, 데이터 테이블과 같은 컴포넌트가 컨텍스트를 인지하고 스스로 반응형으로 동작하도록 구축되면, 동일한 레이아웃 문제를 반복해서 해결할 필요가 없습니다 [11, 12]. 또한, BEM과 같은 CSS 구조화 방법론은 컴포넌트를 독립적이고 재사용 가능하게 만들어 디자인 시스템과 자연스럽게 결합되며 [13], Panda CSS와 같은 현대적 CSS-in-JS 도구들은 디자인 시스템과 테마(Theme)를 내장 지원하여 아키텍처의 유지보수성을 극대화합니다 [14, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 토큰(Design Tokens)]], [[반응형 웹 디자인(Responsive Web Design)]], [[BEM 방법론]], [[컴포넌트 기반 아키텍처(Component-Based Architecture)]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 아키텍처(Enterprise Frontend Architecture)]], [[크로스 플랫폼 UI 개발(Cross-Platform UI Development)]]
+- **Related Topics:** [[디자인 토큰(Design Tokens)]], 반응형 웹 디자인(Responsive Web Design), BEM 방법론, [[컴포넌트 기반 아키텍처(Component-Based Architecture)]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 아키텍처(Enterprise Frontend Architecture), [[크로스 플랫폼 UI 개발(Cross-Platform UI Development)]]
 - **Contradictions/Notes:** 디자인 시스템은 일관된 타이포그래피나 색상 스케일을 강제하기 위해 존재하지만, Tailwind CSS와 같은 유틸리티 우선 프레임워크를 사용할 때 개발자가 임의의 값(arbitrary values, 예: `w-[347px]`)을 남용하게 되면 디자인 시스템의 사전 정의된 규칙을 우회하게 되어 일관성을 해칠 수 있습니다 [16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템.md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템.md
index 8c7692b7..4506dbe4 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템.md	
@@ -21,8 +21,8 @@
   웹, iOS, Android 등 다중 플랫폼을 지원하기 위해 디자인 시스템의 토큰들은 주로 JSON과 같은 중립적 형식으로 저장됩니다 [15, 16]. 그런 다음 Style Dictionary와 같은 도구를 사용하여 CSS 변수, Android용 XML, iOS용 Swift 등 각 플랫폼에 맞는 코드로 자동 변환(Transformation)합니다 [3, 15, 16]. 이 자동화 파이프라인은 수작업으로 인한 오류를 제거하고 모든 제품 생태계에서 완벽한 시각적 일관성을 유지할 수 있게 해줍니다 [3, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 토큰 (Design Tokens)]], [[CSS 아키텍처 (CSS Architecture)]], [[컴포넌트 기반 아키텍처 (Component-based Architecture)]], [[반응형 디자인 (Responsive Design)]], [[Tailwind CSS]], [[BEM]]
-- **Projects/Contexts:** [[엔터프라이즈 프론트엔드 설계 (Enterprise Frontend Architecture)]], [[다중 플랫폼 배포 워크플로우 (Multi-Platform Workflows)]], [[디자인-코드 핸드오프 (Design-to-Code)]]
+- **Related Topics:** [[디자인 토큰 (Design Tokens)]], CSS 아키텍처 (CSS Architecture), 컴포넌트 기반 아키텍처 (Component-based Architecture), 반응형 디자인 (Responsive Design), [[Tailwind CSS]], [[BEM]]
+- **Projects/Contexts:** 엔터프라이즈 프론트엔드 설계 (Enterprise Frontend Architecture), 다중 플랫폼 배포 워크플로우 (Multi-Platform Workflows), 디자인-코드 핸드오프 (Design-to-Code)
 - **Contradictions/Notes:** 대규모 CSS 시스템을 구축할 때 SCSS나 BEM 방법론은 높은 수준의 제어력과 깔끔한 마크업을 제공하지만 개발자의 수동적인 규칙 준수에 의존해야 하는 위험성이 있습니다. 반면, Tailwind CSS는 설정 파일 기반으로 디자인 시스템(테마)을 강제하여 개발 속도와 일관성을 보장하고 CSS 파일 크기를 억제하지만, HTML 마크업이 매우 길어지고(verbose) 복잡해진다는 트레이드오프를 가집니다 [11, 17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템의 타이포그래피 토큰 확장 및 최적화.md b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템의 타이포그래피 토큰 확장 및 최적화.md
index 0d189e51..9ee35bc7 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 시스템의 타이포그래피 토큰 확장 및 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 시스템의 타이포그래피 토큰 확장 및 최적화.md	
@@ -23,7 +23,7 @@
     다양한 폰트 크기 간의 관계를 정의하는 '타이포그래피 스케일'을 설계할 때, 최신 CSS 기능인 `pow()` 함수를 사용하면 서드파티 도구나 전처리기 없이도 CSS 내부에서 직접 수학적 비율을 계산하여 타이포그래피 스케일을 생성하고 손쉽게 확장할 수 있습니다 [16-18].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Design Tokens]], [[Fluid Typography]], [[CSS clamp()]], [[Web Accessibility (WCAG)]]
+- **Related Topics:** [[Design Tokens]], [[Fluid Typography]], CSS clamp(), Web Accessibility (WCAG)
 - **Projects/Contexts:** [[반응형 디자인]], [[디자인 시스템 개념]], [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** 유동적 글꼴 크기를 만들기 위해 뷰포트나 컨테이너 상대 단위(`vw`, `cqi` 등)만을 단독으로 사용하는 것은 화면 크기에 따라 매끄러운 확장을 제공한다는 장점이 있으나, 브라우저 화면 확대(Zoom)를 시도하는 사용자의 의도를 무효화시키는 치명적인 단점이 있습니다. 따라서 사용자 친화적이고 유지보수 가능한 시스템을 위해서는 항상 베이스 픽셀(`rem`, `em`)과 결합한 `calc()` 또는 `clamp()` 구문을 사용해야 한다고 강조합니다 [13, 14, 19].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 토큰 (Design Tokens).md b/10_Wiki/Topics/Frontend_Mastery/디자인 토큰 (Design Tokens).md
index 04fe380b..c2e2fdc1 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 토큰 (Design Tokens).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 토큰 (Design Tokens).md	
@@ -20,8 +20,8 @@
 색상, 간격, 타이포그래피, 테두리, 그림자 등 목적에 따라 토큰을 분류합니다 [13]. 명명 시 Category / Type / Item (CTI) 구조를 사용하여 모호함 없이 명확한 의미를 부여하는 것이 권장됩니다 (예: `color.background.button.error`) [14-16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 시스템 (Design Systems)]], [[CSS 변수 (CSS Variables)]], [[Style Dictionary]]
-- **Projects/Contexts:** [[다중 플랫폼 확장 및 테마 구현 (Multi-Platform Scaling & Theming)]], [[확장 가능한 프론트엔드 아키텍처 구축 (Scalable Frontend Architecture)]]
+- **Related Topics:** [[디자인 시스템 (Design Systems)]], CSS 변수 (CSS Variables), [[Style Dictionary]]
+- **Projects/Contexts:** 다중 플랫폼 확장 및 테마 구현 (Multi-Platform Scaling & Theming), 확장 가능한 프론트엔드 아키텍처 구축 (Scalable Frontend Architecture)
 - **Contradictions/Notes:** 많은 개발자와 디자이너가 토큰 자동화 도구의 이점을 누리고 있으나, Figma와 같은 디자인 애플리케이션 자체에서 디자인 토큰 관리를 완벽하게 지원하지 않는 경우가 많아 타사 플러그인(예: Figma Tokens, Toolabs)에 의존해야 합니다. 이 과정에서 스타일 동기화 버그 등 일부 도구적 한계와 환경 설정의 복잡성이 발생할 수 있다는 점에 유의해야 합니다 [17-19].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인 토큰(Design Tokens).md b/10_Wiki/Topics/Frontend_Mastery/디자인 토큰(Design Tokens).md
index 29035f86..cc33dade 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인 토큰(Design Tokens).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인 토큰(Design Tokens).md	
@@ -20,7 +20,7 @@
   * 이러한 자동화된 워크플로우는 수동 오류를 제거하고 여러 플랫폼 생태계 전반에 걸쳐 일관된 UI를 유지보수할 수 있게 합니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[디자인 시스템(Design Systems)]], [[CSS 변수(CSS Custom Properties)]], [[SCSS]], [[Tailwind CSS]]
+- **Related Topics:** [[디자인 시스템(Design Systems)]], CSS 변수(CSS Custom Properties), [[SCSS]], [[Tailwind CSS]]
 - **Projects/Contexts:** 대규모 프론트엔드 아키텍처 및 다중 플랫폼(웹, 모바일 앱 등) 제품군에서 시각적 일관성을 유지하고 확장성 있는 테마(Theming) 시스템을 구축하는 워크플로우 맥락 [4, 5].
 - **Contradictions/Notes:** 수동 작업의 한계를 넘기 위해 Figma Tokens(Tokens Studio) 같은 반자동화 플러그인들이 등장하고 있지만, 아직 디자인 앱과 개발 환경을 완벽히 동기화하는 단일 솔루션은 부족하여 환경에 맞는 적절한 변환 파이프라인 구축(Style Dictionary 등)이 필수적입니다 [16-18].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/디자인-개발 워크플로우(Design-to-Code Workflow).md b/10_Wiki/Topics/Frontend_Mastery/디자인-개발 워크플로우(Design-to-Code Workflow).md
index 70fb4a89..be38c526 100644
--- a/10_Wiki/Topics/Frontend_Mastery/디자인-개발 워크플로우(Design-to-Code Workflow).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/디자인-개발 워크플로우(Design-to-Code Workflow).md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[디자인 시스템(Design Systems)]], [[디자인 토큰(Design Tokens)]], [[Style Dictionary]]
-- **Projects/Contexts:** [[멀티 플랫폼 프론트엔드 아키텍처(Multi-Platform Frontend Architecture)]], [[모션 디자인 프로토타이핑(Motion Design Prototyping)]]
+- **Projects/Contexts:** 멀티 플랫폼 프론트엔드 아키텍처(Multi-Platform Frontend Architecture), 모션 디자인 프로토타이핑(Motion Design Prototyping)
 - **Contradictions/Notes:** 플러그인을 활용한 반자동 토큰 관리 방식(예: Figma Tokens)은 생산성을 높일 것으로 기대되지만, 디자인 앱의 스타일과 플러그인 간 동기화가 제대로 이루어지지 않거나 오토 레이아웃의 패딩 값을 토큰화하지 못하는 등 치명적인 버그와 한계가 보고되고 있어 실무 도입 시 한계를 인지해야 합니다 [8, 10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/레이아웃 Flexbox - Grid 완전 이해.md b/10_Wiki/Topics/Frontend_Mastery/레이아웃 Flexbox - Grid 완전 이해.md
index 1b264b79..ac447dd2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/레이아웃 Flexbox - Grid 완전 이해.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/레이아웃 Flexbox - Grid 완전 이해.md	
@@ -1,4 +1,4 @@
-# [[레이아웃 Flexbox / Grid 완전 이해]]
+# 레이아웃 Flexbox / Grid 완전 이해
 
 ## 📌 Brief Summary
 Flexbox와 CSS Grid는 구식의 복잡한 위치 지정(float, position 등) 방식을 대체하여 유연하고 유지보수 가능한 화면을 구성할 수 있게 해주는 모던 CSS 레이아웃 시스템입니다 [1]. Flexbox는 행이나 열 등 하나의 축(1차원)을 기준으로 요소를 정렬하고 공간을 분배하는 '콘텐츠 중심(Content-out)' 설계에 뛰어난 성능을 발휘합니다 [2, 3]. 반면 CSS Grid는 행과 열을 동시에 다루는 2차원 레이아웃 시스템으로, 전체 페이지의 뼈대를 잡는 '레이아웃 중심(Layout-in)' 설계에 최적화되어 있으며, 실무에서는 전체 구조를 Grid로 잡고 내부 요소 정렬에 Flexbox를 결합하여 사용하는 것이 모범 사례로 권장됩니다 [4-7].
@@ -21,7 +21,7 @@ Flexbox와 CSS Grid는 구식의 복잡한 위치 지정(float, position 등) 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS 구조 설계 방식]], [[반응형 디자인]]
-- **Projects/Contexts:** [[유지보수 가능하게]], [[실무에서 CSS 관리하는 방법]]
+- **Projects/Contexts:** 유지보수 가능하게, [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** 소스 [7]에 따르면, 초기에는 Flexbox만으로 전체 웹 페이지 레이아웃을 해결하려 했으나 복잡한 2차원 디자인에서 한계와 코드의 유지보수 문제(래퍼 중첩 등)가 드러났습니다. 이에 따라 현재는 억지로 Flexbox만으로 복잡한 레이아웃을 구현하기보다는 전체 구조는 CSS Grid에 맡기고 세부 정렬은 Flexbox에 맡기는 역할 분담 방식이 필수적인 실무 표준으로 자리 잡았음을 강조합니다 [7, 19, 30].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/렌더링 블로킹 방지를 위한 CSS 분할 및 로딩 최적화.md b/10_Wiki/Topics/Frontend_Mastery/렌더링 블로킹 방지를 위한 CSS 분할 및 로딩 최적화.md
index a23a6db5..353645c8 100644
--- a/10_Wiki/Topics/Frontend_Mastery/렌더링 블로킹 방지를 위한 CSS 분할 및 로딩 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/렌더링 블로킹 방지를 위한 CSS 분할 및 로딩 최적화.md	
@@ -14,7 +14,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[반응형 디자인]], [[실무에서 CSS 관리하는 방법]]
-- **Projects/Contexts:** [[웹 성능 및 초기 렌더링 최적화(Web Performance Optimization)]]
+- **Projects/Contexts:** 웹 성능 및 초기 렌더링 최적화(Web Performance Optimization)
 - **Contradictions/Notes:** 소스에 따르면, 언급된 모든 최적화 기술을 프로젝트의 모든 곳에 무작정 적용하려 하는 것은 불필요한 시간 낭비일 수 있습니다. 브라우저의 내장 성능 도구 등을 통해 사이트의 성능을 직접 측정하고 실제로 최적화가 필요한 부분을 파악한 뒤 적용하는 것이 권장됩니다 [9], [10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/렌더링 차단 리소스(Render-blocking resources).md b/10_Wiki/Topics/Frontend_Mastery/렌더링 차단 리소스(Render-blocking resources).md
index c6c1351f..2a60cc9a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/렌더링 차단 리소스(Render-blocking resources).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/렌더링 차단 리소스(Render-blocking resources).md	
@@ -14,8 +14,8 @@
 - **측정 및 식별**: WebPageTest, Lighthouse 등과 같은 성능 감사 도구는 렌더링 차단 리소스를 식별하는 기능을 제공합니다. 이를 통해 어떤 리소스가 실제 페이지 렌더링을 지연시키고 있는지 찾아내어 최적화의 단서로 삼을 수 있습니다 [15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[핵심 렌더링 경로(Critical rendering path)]], [[CSSOM(CSS Object Model)]], [[파서 차단 리소스(Parser-blocking resources)]], [[FOUC(Flash of Unstyled Content)]]
-- **Projects/Contexts:** [[웹 성능 최적화(Web Performance Optimization)]], [[Lighthouse 성능 감사]]
+- **Related Topics:** 핵심 렌더링 경로(Critical rendering path), [[CSSOM(CSS Object Model)]], 파서 차단 리소스(Parser-blocking resources), FOUC(Flash of Unstyled Content)
+- **Projects/Contexts:** [[웹 성능 최적화(Web Performance Optimization)]], Lighthouse 성능 감사
 - **Contradictions/Notes:** 소스에 따르면 CSS가 렌더링을 차단한다고 해서 브라우저의 모든 작업이 중지되는 것은 아닙니다. 브라우저는 CSS를 다운로드하고 렌더링을 일시 정지한 상태에서도 나머지 HTML을 계속 처리하며 할 수 있는 다른 작업(예: 리소스 탐색 등)을 수행하여 효율성을 높입니다 [12]. 또한, 과거에는 렌더링 차단 리소스가 페이지 전체 렌더링을 막았으나 최근 브라우저(Firefox, Chrome)는 렌더링 차단 리소스 아래에 있는 콘텐츠의 렌더링만 차단하도록 동작 방식이 개선되었습니다 [9].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/렌더링 최적화 개념 설명 자료.md b/10_Wiki/Topics/Frontend_Mastery/렌더링 최적화 개념 설명 자료.md
index 648b58ef..1b325a39 100644
--- a/10_Wiki/Topics/Frontend_Mastery/렌더링 최적화 개념 설명 자료.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/렌더링 최적화 개념 설명 자료.md	
@@ -20,7 +20,7 @@
     *   **구조적 아키텍처 개선:** 항목이 많은 리스트에는 화면에 보이는 노드만 렌더링하는 가상화(Virtualization) 기술을 적용하고 [26], 빈번하게 변경되는 전역 상태는 Context를 세분화하여 상태를 구독하는 컴포넌트의 불필요한 렌더링 범위를 축소해야 합니다 [27].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[브라우저 렌더링 과정 (HTML → CSSOM → Render Tree)]], [[DOM vs Virtual DOM]], [[CSR vs SSR vs SSG]], [[Reflow / Repaint 최소화 방법]], [[React가 빠른 이유]]
+- **Related Topics:** [[브라우저 렌더링 과정 (HTML → CSSOM → Render Tree)]], [[DOM vs Virtual DOM]], [[CSR vs SSR vs SSG]], Reflow / Repaint 최소화 방법, [[React가 빠른 이유]]
 - **Projects/Contexts:** [[컴포넌트 기반 아키텍처 개념 수집 포인트]]
 - **Contradictions/Notes:** React에서 메모이제이션(`React.memo`, `useMemo` 등)은 보편적인 해결책이 될 수 없습니다. 모든 컴포넌트를 감싸는 것은 얕은 비교를 위한 연산 비용과 메모리 오버헤드를 발생시키므로, 렌더링에 시간이 지연되는 컴포넌트(5~10ms 이상 소요)에만 프로파일링 후 선택적으로 적용해야 합니다 [28]. 또한 React 19의 React Compiler를 사용하면 수동 메모이제이션 작업의 대부분을 빌드 도구가 자동으로 대신 처리할 수 있습니다 [29].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/리페인트(Repaint).md b/10_Wiki/Topics/Frontend_Mastery/리페인트(Repaint).md
index d8bc477a..b46ff28e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/리페인트(Repaint).md
+++ b/10_Wiki/Topics/Frontend_Mastery/리페인트(Repaint).md
@@ -14,8 +14,8 @@
   - 자주 변경될 것으로 예상되는 요소에는 `will-change` 속성을 부여하여 브라우저가 미리 최적화 힌트를 얻고 렌더링을 준비할 수 있도록 돕는 것이 좋다 [11, 12].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[리플로우(Reflow)]], [[CSS 성능 최적화(CSS Performance Optimization)]], [[CSS 애니메이션(CSS Animations)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 성능 최적화 파이프라인(Rendering Pipeline Optimization)]], [[실무 CSS 관리 및 아키텍처]]
+- **Related Topics:** [[리플로우(Reflow)]], [[CSS 성능 최적화(CSS Performance Optimization)]], CSS 애니메이션(CSS Animations)
+- **Projects/Contexts:** 대규모 프론트엔드 성능 최적화 파이프라인(Rendering Pipeline Optimization), 실무 CSS 관리 및 아키텍처
 - **Contradictions/Notes:** 소스 상에서 상충되는 주장은 발견되지 않는다. 다만 리페인트는 전체 레이아웃을 다시 계산하는 작업인 리플로우(Reflow)에 비해서는 상대적으로 적은 비용이 소모된다는 특징이 있다 [8]. 그럼에도 불구하고 불필요한 시각적 속성 변경 애니메이션이 많을 경우 결국 심각한 성능 저하의 원인이 되므로 두 과정 모두 최소화하는 방향으로 설계해야 한다 [1, 13].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트 (Reflow & Repaint).md b/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트 (Reflow & Repaint).md
index eea0107c..9fd8aa6f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트 (Reflow & Repaint).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트 (Reflow & Repaint).md	
@@ -21,7 +21,7 @@
 *   **`will-change` 속성과 레이아웃 스래싱(Layout Thrashing) 방지:** 브라우저가 애니메이션을 최적화할 수 있도록 `will-change` 속성을 통해 변경 사항을 미리 힌트로 제공할 수 있습니다 [17, 18]. 또한 DOM 읽기와 쓰기를 분리하고, `requestAnimationFrame`을 사용하여 애니메이션과 DOM 업데이트를 브라우저 렌더링 주기에 맞춰 일괄 처리(batch)해야 합니다 [19, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[실무에서 CSS 관리하는 방법]], [[애니메이션 (transition / keyframes)]], [[CSS 구조 설계 방식 BEM]]
+- **Related Topics:** [[실무에서 CSS 관리하는 방법]], 애니메이션 (transition / keyframes), CSS 구조 설계 방식 BEM
 - **Projects/Contexts:** 실무에서 대규모 프론트엔드 프로젝트의 CSS를 설계하거나 인터랙티브 UI 애니메이션을 구현할 때, 화려함("예쁘게")에 치중하여 성능을 저하시키는 코드를 피하고, 성능 최적화 및 유지보수성이 확보된 코드를 작성하기 위한 지침으로 사용됩니다.
 - **Contradictions/Notes:** 성능을 높이기 위해 사용하는 `will-change` 속성의 경우, 브라우저의 최적화를 돕는 좋은 힌트가 되지만 필요 이상으로 많은 요소에 남용하면 오히려 시스템 리소스를 과도하게 소모하여 성능 문제를 유발할 수 있으므로 최후의 수단으로 신중히 사용해야 합니다 [17, 18]. 또한, 극한의 상황에서는 애니메이션의 시각적 부드러움을 다소 희생하더라도 한 번에 이동하는 픽셀 폭을 넓혀 CPU의 부하(리플로우 과부하)를 줄이는 것이 모바일 기기 등에서 유리할 수 있습니다 [16].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트(Reflow and Repaint).md b/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트(Reflow and Repaint).md
index a30d34cc..91269220 100644
--- a/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트(Reflow and Repaint).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/리플로우 및 리페인트(Reflow and Repaint).md	
@@ -20,8 +20,8 @@
     *   **DOM 조작 최소화 및 배치(Batching) 처리:** 자바스크립트 반복문 내에서의 DOM 조작을 피하고 변경 사항을 일괄 처리해야 합니다 [6, 7]. 또한, React와 같이 가상 DOM(Virtual DOM)을 사용하는 프레임워크는 변경된 부분만을 계산하여 실제 DOM에 반영함으로써 불필요한 리플로우와 리페인트 횟수를 줄이는 데 도움을 줍니다 [6, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Critical Rendering Path (CRP)]], [[Render Tree]], [[Virtual DOM]], [[Document Object Model (DOM)]], [[CSS Object Model (CSSOM)]], [[GPU Acceleration]]
-- **Projects/Contexts:** [[프론트엔드 웹 렌더링 성능 최적화]], [[React의 컴포넌트 아키텍처 및 렌더링 최적화(Reconciliation)]]
+- **Related Topics:** [[Critical Rendering Path (CRP)]], [[Render Tree]], [[Virtual DOM]], Document Object Model (DOM), CSS Object Model (CSSOM), GPU Acceleration
+- **Projects/Contexts:** 프론트엔드 웹 렌더링 성능 최적화, React의 컴포넌트 아키텍처 및 렌더링 최적화(Reconciliation)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 모든 소스는 리플로우와 리페인트의 특성 및 이를 최소화해야 한다는 최적화 원칙에 대해 모순 없이 일치된 견해를 보입니다.)
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/리플로우(Reflow).md b/10_Wiki/Topics/Frontend_Mastery/리플로우(Reflow).md
index fad3fd03..acfdd351 100644
--- a/10_Wiki/Topics/Frontend_Mastery/리플로우(Reflow).md
+++ b/10_Wiki/Topics/Frontend_Mastery/리플로우(Reflow).md
@@ -23,8 +23,8 @@
   * **사전 힌트 제공:** 변경이 빈번한 요소에는 `will-change` 속성을 사용하여 브라우저가 렌더링 최적화를 미리 준비할 수 있도록 힌트를 제공합니다 [10, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[리페인트(Repaint)]], [[레이아웃 스래싱(Layout Thrashing)]], [[CSS 애니메이션 성능 최적화]], [[DOM 조작(DOM Manipulation)]], [[렌더링 파이프라인(Rendering Pipeline)]]
-- **Projects/Contexts:** [[CSS 실전 설계]], [[성능 최적화(Performance Optimization)]], [[유지보수 가능한 프론트엔드 아키텍처]]
+- **Related Topics:** [[리페인트(Repaint)]], [[레이아웃 스래싱(Layout Thrashing)]], CSS 애니메이션 성능 최적화, DOM 조작(DOM Manipulation), [[렌더링 파이프라인(Rendering Pipeline)]]
+- **Projects/Contexts:** CSS 실전 설계, [[성능 최적화(Performance Optimization)]], 유지보수 가능한 프론트엔드 아키텍처
 - **Contradictions/Notes:** 리플로우는 성능 저하의 주범이므로 피하는 것이 일반적인 원칙이지만, 때로는 브라우저의 디스플레이 오류(예: 탭 전환 시 높이가 맞지 않거나 리스트 정렬이 깨지는 현상)를 바로잡기 위해 의도적으로 더미 클래스를 추가하거나 디스플레이를 토글하여 강제로 리플로우를 유발하는 기법이 사용되기도 합니다 [17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/마이크로 인터랙션(Micro-interactions).md b/10_Wiki/Topics/Frontend_Mastery/마이크로 인터랙션(Micro-interactions).md
index 4a7387c6..880913f4 100644
--- a/10_Wiki/Topics/Frontend_Mastery/마이크로 인터랙션(Micro-interactions).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/마이크로 인터랙션(Micro-interactions).md	
@@ -14,8 +14,8 @@
   최근의 마이크로 인터랙션은 단순히 인터페이스를 꾸미는 용도가 아니라 '목적성 있는 마이크로 인터랙션(Purposeful Micro-Interactions)'으로 진화하고 있습니다 [4]. 사용자의 행동, 기기 유형, 또는 사용 이력 등의 컨텍스트를 인식하여 지능적으로 반응하도록 설계되며, 모든 사용자 행동이 의미 있게 받아들여지도록 돕습니다 [4]. Slack과 같은 실제 서비스에서도 메시지 전송이나 파일 업로드 시 이러한 미세 애니메이션을 적극 활용하여 앱의 반응성을 극대화하고 있습니다 [10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[애니메이션 (transition / keyframes)]], [[반응형 피드백 (Responsive Feedback)]]
-- **Projects/Contexts:** [[UI/UX 모션 디자인 (UI/UX Motion Design)]]
+- **Related Topics:** 애니메이션 (transition / keyframes), 반응형 피드백 (Responsive Feedback)
+- **Projects/Contexts:** UI/UX 모션 디자인 (UI/UX Motion Design)
 - **Contradictions/Notes:** 소스에 따르면 마이크로 인터랙션과 일반 UI 애니메이션은 구분되어야 합니다. 마이크로 인터랙션은 '피드백 제공'에 목적을 둔 작업 중심의 아주 작은 애니메이션(예: 버튼 펄스 효과)인 반면, UI 애니메이션은 내비게이션 가이드, 화면 전환, 전반적인 시스템 상태 표시 등에 사용되는 더 넓은 범위의 움직임을 의미합니다 [5].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/마이크로서비스 아키텍처 (Microservices Architecture).md b/10_Wiki/Topics/Frontend_Mastery/마이크로서비스 아키텍처 (Microservices Architecture).md
index 4b69b11c..eabda86d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/마이크로서비스 아키텍처 (Microservices Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/마이크로서비스 아키텍처 (Microservices Architecture).md	
@@ -19,7 +19,7 @@
   * 다양한 팀이 병렬로 작업해야 하는 대규모(Large-scale) 애플리케이션 개발 환경에 가장 적합합니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[컴포넌트 기반 아키텍처 (Component-Based Architecture)]], [[모놀리식 아키텍처 (Monolithic Architecture)]]
+- **Related Topics:** 컴포넌트 기반 아키텍처 (Component-Based Architecture), [[모놀리식 아키텍처 (Monolithic Architecture)]]
 - **Projects/Contexts:** 대규모 애플리케이션 개발, 클라우드 네이티브 환경, 그리고 여러 팀의 병렬 개발(Parallel development) 맥락 [3, 4]
 - **Contradictions/Notes:** 소스의 주요 주제가 'React 및 프론트엔드 최적화'이기 때문에 마이크로서비스에 대한 심층적인 기술 정보는 소스에 부족하며, 주로 '컴포넌트 기반 아키텍처'의 대안적 모델 및 활용 사례로서만 간략히 등장합니다 [1, 3].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/메인 스레드 (Main Thread).md b/10_Wiki/Topics/Frontend_Mastery/메인 스레드 (Main Thread).md
index 6be6daa9..b2dbd6ab 100644
--- a/10_Wiki/Topics/Frontend_Mastery/메인 스레드 (Main Thread).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/메인 스레드 (Main Thread).md	
@@ -17,8 +17,8 @@
   - **GPU 컴포지팅(Compositing):** 애니메이션이나 전환 효과 등을 브라우저가 개별 레이어로 분리하여 메인 스레드(CPU) 대신 GPU에서 그리도록(Paint) 승격시키면, 메인 스레드를 해방시키고 성능을 크게 향상할 수 있습니다 [4, 14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[단일 스레드 (Single-threaded)]], [[React Fiber]], [[동시성 렌더링 (Concurrent Rendering)]]
-- **Projects/Contexts:** [[웹 성능 최적화 (Web Performance Optimization)]], [[Core Web Vitals (INP, TTI)]]
+- **Related Topics:** 단일 스레드 (Single-threaded), [[React Fiber]], [[동시성 렌더링 (Concurrent Rendering)]]
+- **Projects/Contexts:** 웹 성능 최적화 (Web Performance Optimization), Core Web Vitals (INP, TTI)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/메인 스레드 차단 문제 해결을 위한 React 16의 Fiber 엔진 교체 및 React 18, 19의 동시성 렌더링 적용 사례.md b/10_Wiki/Topics/Frontend_Mastery/메인 스레드 차단 문제 해결을 위한 React 16의 Fiber 엔진 교체 및 React 18, 19의 동시성 렌더링 적용 사례.md
index 4ef28a35..3b170162 100644
--- a/10_Wiki/Topics/Frontend_Mastery/메인 스레드 차단 문제 해결을 위한 React 16의 Fiber 엔진 교체 및 React 18, 19의 동시성 렌더링 적용 사례.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/메인 스레드 차단 문제 해결을 위한 React 16의 Fiber 엔진 교체 및 React 18, 19의 동시성 렌더링 적용 사례.md	
@@ -21,8 +21,8 @@ React 16 이전의 React는 컴포넌트 트리를 단일 재귀 호출로 동
 *   **React Server Components (RSC):** 번들 크기와 하이드레이션(Hydration) 비용을 근본적으로 제거하기 위해, 상호작용이 없는 컴포넌트를 서버에서만 실행하는 방식을 도입했습니다 [22-24]. 이 방식을 통해 브라우저로 전송되는 JavaScript를 0바이트로 줄여 메인 스레드가 파싱하고 실행해야 할 부담을 최소화했습니다 [22, 24, 25].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Virtual DOM]], [[Reconciliation]], [[Fiber Architecture]], [[Automatic Batching]], [[React Compiler]], [[React Server Components]], [[Time-Slicing]], [[Lane-Based Priority]]
-- **Projects/Contexts:** [[Next.js App Router]], [[Meta's Internal Testing (Quest Store)]], [[Sanity Studio]]
+- **Related Topics:** [[Virtual DOM]], [[Reconciliation]], [[Fiber Architecture]], [[Automatic Batching]], [[React Compiler]], [[React Server Components]], [[Time-Slicing]], Lane-Based Priority
+- **Projects/Contexts:** [[Next.js App Router]], Meta's Internal Testing (Quest Store), [[Sanity Studio]]
 - **Contradictions/Notes:** 컴포넌트의 렌더링 최적화와 관련해 React Compiler의 도입은 개발자가 `useMemo`나 `useCallback`을 사용하여 수동으로 최적화하던 기존 방식의 패러다임을 바꿉니다 [26]. 대부분의 자동 메모이제이션은 컴파일러가 처리하지만, `useEffect`의 의존성 관리나 타사 라이브러리 연동 등 세밀한 제어가 필요한 경우에는 여전히 수동 메모이제이션 방식이 "탈출구(Escape Hatch)"로 유효하다고 소스에서 지적하고 있습니다 [27-29].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/모놀리식 아키텍처 (Monolithic Architecture).md b/10_Wiki/Topics/Frontend_Mastery/모놀리식 아키텍처 (Monolithic Architecture).md
index 575a1289..d43dbe61 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모놀리식 아키텍처 (Monolithic Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모놀리식 아키텍처 (Monolithic Architecture).md	
@@ -17,8 +17,8 @@
   모놀리식 애플리케이션은 모듈화된 컴포넌트 기반 아키텍처가 겪을 수 있는 컴포넌트 간 통신(네트워크 호출 등) 오버헤드나 지연 시간(latency) 이슈가 없습니다 [4]. 따라서 경우에 따라서는 모놀리식 아키텍처가 더 간소화되어 추가적인 관리 리소스와 비용을 절감하는 효과를 낼 수도 있습니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[컴포넌트 기반 아키텍처 (Component-Based Architecture)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]]
-- **Projects/Contexts:** 제한된 기능만을 가지는 초기 스타트업 프로젝트 또는 [[최소 기능 제품 (MVP)]] 구축 [2], 유지보수 및 비용 효율성을 높이기 위해 모놀리식 시스템을 민첩하고 모듈화된 아키텍처로 변환하려는 [[레거시 시스템 현대화]] [5].
+- **Related Topics:** 컴포넌트 기반 아키텍처 (Component-Based Architecture), [[마이크로서비스 아키텍처 (Microservices Architecture)]]
+- **Projects/Contexts:** 제한된 기능만을 가지는 초기 스타트업 프로젝트 또는 최소 기능 제품 (MVP) 구축 [2], 유지보수 및 비용 효율성을 높이기 위해 모놀리식 시스템을 민첩하고 모듈화된 아키텍처로 변환하려는 레거시 시스템 현대화 [5].
 - **Contradictions/Notes:** 모놀리식 아키텍처는 확장성과 유연성이 떨어져 현대의 대규모 개발에 불리하다는 것이 주된 시각이지만 [1, 2], 컴포넌트 간의 통신 오버헤드(네트워크 통신 등)가 발생하지 않기 때문에 고속 처리가 중요한 특정 시나리오에서는 오히려 컴포넌트 기반 접근보다 성능상 리소스와 비용이 덜 들고 간소화될 수 있다는 점이 소스에 언급되어 있습니다 [4].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/모던 웹 성능 최적화(Core Web Vitals).md b/10_Wiki/Topics/Frontend_Mastery/모던 웹 성능 최적화(Core Web Vitals).md
index efdf7640..948f3f01 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모던 웹 성능 최적화(Core Web Vitals).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모던 웹 성능 최적화(Core Web Vitals).md	
@@ -21,8 +21,8 @@
 *   **will-change의 전략적 사용:** `will-change` 속성은 브라우저에게 요소의 애니메이션 변경을 미리 알려 최적화를 준비하게 하지만, 남용할 경우 오히려 리소스를 소모하여 성능을 떨어뜨립니다 [27, 28].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인]], [[CSS 애니메이션 최적화]], [[Reflow와 Repaint]]
-- **Projects/Contexts:** [[실무 CSS 유지보수 및 아키텍처]]
+- **Related Topics:** 반응형 웹 디자인, CSS 애니메이션 최적화, [[Reflow와 Repaint]]
+- **Projects/Contexts:** 실무 CSS 유지보수 및 아키텍처
 - **Contradictions/Notes:** `will-change` 속성과 관련하여, 요소의 성능을 선제적으로 향상시키는 데 강력한 도구로 소개되지만, 과도하게 사용할 경우 브라우저 리소스를 고갈시키므로 예상되는 성능 문제를 선제적으로 해결할 때가 아니라, 이미 발생한 성능 문제를 해결하기 위한 "최후의 수단(last resort)"으로만 사용해야 한다는 점에 주의해야 합니다 [27, 28].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/모듈식 컴포넌트 (Modular Components).md b/10_Wiki/Topics/Frontend_Mastery/모듈식 컴포넌트 (Modular Components).md
index 8a45f20d..499cfcb1 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모듈식 컴포넌트 (Modular Components).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모듈식 컴포넌트 (Modular Components).md	
@@ -20,7 +20,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]], [[디자인 시스템 (Design Systems)]], [[컨테이너 쿼리 (Container Queries)]]
-- **Projects/Contexts:** [[현대 프론트엔드 아키텍처 (Modern Frontend Architecture)]], [[반응형 웹 디자인 (Responsive Web Design)]]
+- **Projects/Contexts:** 현대 프론트엔드 아키텍처 (Modern Frontend Architecture), [[반응형 웹 디자인 (Responsive Web Design)]]
 - **Contradictions/Notes:** 컴포넌트의 스타일 캡슐화를 구현하는 방식에 있어서, BEM과 같은 전통적 방법론은 사람의 규율에 의존하여 수동으로 전역 네임스페이스 충돌을 방지하는 반면, CSS Modules나 CSS-in-JS 같은 도구는 빌드 파이프라인에서 캡슐화를 자동으로 보장하여 유지보수 부담을 줄인다는 차이가 있습니다 [9, 17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/모바일 우선 설계(Mobile-First Design).md b/10_Wiki/Topics/Frontend_Mastery/모바일 우선 설계(Mobile-First Design).md
index 9cd131bb..2eb0a73b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모바일 우선 설계(Mobile-First Design).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모바일 우선 설계(Mobile-First Design).md	
@@ -14,7 +14,7 @@
   모바일 우선 접근법은 작은 화면에 맞춰 설계하기 때문에 자연스럽게 가벼운 에셋, 적은 스크립트, 단순화된 시각 요소를 사용하게 되어 웹사이트의 초기 로딩 성능이 향상된다 [4, 7]. 또한 구글(Google)은 기본적으로 모바일 버전을 기준으로 웹사이트를 평가하는 모바일 우선 인덱싱(Mobile-First Indexing) 정책을 사용하므로, 모바일 우선 설계는 검색 가시성과 SEO 순위를 보호하고 높이는 데 직접적인 영향을 미친다 [4, 9, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[미디어 쿼리(Media Queries)]], [[Core Web Vitals]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), [[미디어 쿼리(Media Queries)]], [[Core Web Vitals]]
 - **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], [[반응형 디자인]]
 - **Contradictions/Notes:** 모바일 우선 설계와 반응형 웹 디자인은 함께 작동하지만 해결하는 문제는 서로 다르다. 모바일 우선 설계가 '무엇이 가장 중요한가'를 결정하는 디자인 및 콘텐츠 전략이라면, 반응형 디자인은 인터페이스가 모든 기기에 유연하게 적응하도록 만드는 시스템적 기술(CSS 구현 등)이라는 점에서 구별된다 [1, 5, 11].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/모바일 우선주의 (Mobile-First) 디자인.md b/10_Wiki/Topics/Frontend_Mastery/모바일 우선주의 (Mobile-First) 디자인.md
index 6112b4fe..767c3d4f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모바일 우선주의 (Mobile-First) 디자인.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모바일 우선주의 (Mobile-First) 디자인.md	
@@ -17,7 +17,7 @@
   * 영국의 언론사 The Guardian은 모바일 우선 디자인을 가장 잘 구현한 사례 중 하나로 꼽힙니다 [10]. 복잡한 기사와 광고, 멀티미디어 속에서도 작은 스마트폰 화면부터 큰 데스크톱 화면까지 헤드라인과 이미지가 자연스럽게 크기를 조정하고 콘텐츠가 구조화된 형태를 유지합니다 [10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], [[미디어 쿼리 (Media Queries)]], [[모바일 우선 색인 (Mobile-First Indexing)]]
+- **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], [[미디어 쿼리 (Media Queries)]], 모바일 우선 색인 (Mobile-First Indexing)
 - **Projects/Contexts:** [[반응형 디자인]], [[실무에서 CSS 관리하는 방법]]
 - **Contradictions/Notes:** 소스 전반에 걸쳐 내용 충돌은 없으며, 반응형 디자인을 효과적으로 구현하기 위해서는 모바일 환경을 '사후 대책'이 아닌 디자인과 개발의 '기반(Foundation)'으로 삼아야 한다는 점이 일관되게 강조되고 있습니다 [6].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트 인덱싱(Mobile-First Indexing).md b/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트 인덱싱(Mobile-First Indexing).md
index b37279cd..28567821 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트 인덱싱(Mobile-First Indexing).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트 인덱싱(Mobile-First Indexing).md	
@@ -10,8 +10,8 @@
 * **설계 성능 및 구조적 이점:** 모바일 우선으로 설계하면 제한된 공간으로 인해 불필요한 요소를 최소화하고 가장 중요한 콘텐츠의 우선순위를 정하게 됩니다 [5, 6]. 이는 더 가벼운 에셋, 적은 스크립트 사용을 유도하여 성능을 자연스럽게 향상시키며, 구조적으로도 관리하기 쉬운 깔끔한 CSS 작성을 돕습니다 [5, 7]. 또한 코어 웹 바이탈(Core Web Vitals)과 같은 구글의 주요 성능 지표 개선과도 직접적으로 연결됩니다 [4, 5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[모바일 퍼스트 디자인(Mobile-First Design)]], [[코어 웹 바이탈(Core Web Vitals)]], [[미디어 쿼리(Media Queries)]]
-- **Projects/Contexts:** [[검색 엔진 최적화(SEO)]], [[프론트엔드 반응형 레이아웃 설계]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), 모바일 퍼스트 디자인(Mobile-First Design), 코어 웹 바이탈(Core Web Vitals), [[미디어 쿼리(Media Queries)]]
+- **Projects/Contexts:** 검색 엔진 최적화(SEO), 프론트엔드 반응형 레이아웃 설계
 - **Contradictions/Notes:** 제공된 소스들은 모두 구글의 모바일 퍼스트 인덱싱 정책으로 인해 모바일 반응형 설계가 프론트엔드 개발에서 선택이 아닌 필수임을 일관되게 강조하고 있으며, 상충되는 내용은 없습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트(Mobile-First).md b/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트(Mobile-First).md
index 1225b85e..40640ecc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트(Mobile-First).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/모바일 퍼스트(Mobile-First).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[반응형 디자인(Responsive Design)]], [[미디어 쿼리(Media Queries)]], [[모바일 퍼스트 인덱싱(Mobile-first indexing)]]
-- **Projects/Contexts:** [[CSS 구조 설계 방식]], [[검색 엔진 최적화(SEO) 및 Core Web Vitals 성과 관리]]
+- **Projects/Contexts:** [[CSS 구조 설계 방식]], 검색 엔진 최적화(SEO) 및 Core Web Vitals 성과 관리
 - **Contradictions/Notes:** 실무에서는 모바일 퍼스트 디자인과 반응형 디자인이 종종 같은 의미로 혼용되지만, 소스에서는 모바일 퍼스트가 '우선순위를 결정하는 전략'인 반면 반응형 디자인은 '유동적으로 반응하게 하는 기술적 시스템'이라는 점을 들어 이 둘을 명확하게 구분하고 있습니다 [2, 7].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/무거운 데이터 리스트 필터링 구현.md b/10_Wiki/Topics/Frontend_Mastery/무거운 데이터 리스트 필터링 구현.md
index f730d4c8..d263b4e2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/무거운 데이터 리스트 필터링 구현.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/무거운 데이터 리스트 필터링 구현.md	
@@ -15,8 +15,8 @@
     *   사용자가 타이핑하며 결과를 검색할 때마다 API 호출을 하면 불필요한 요청과 재렌더링이 발생합니다. 디바운싱(예: 300ms 지연)을 설정하면 타이핑이 멈춘 후에만 API를 호출하도록 제한하여 서버 부하를 줄일 수 있습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Concurrent Rendering]], [[useTransition]], [[useDeferredValue]], [[Virtualization]], [[Debouncing]]
-- **Projects/Contexts:** [[대규모 데이터 기반 대시보드]], [[사용자 검색/필터링 UI 최적화]]
+- **Related Topics:** [[Concurrent Rendering]], [[useTransition]], [[useDeferredValue]], Virtualization, Debouncing
+- **Projects/Contexts:** 대규모 데이터 기반 대시보드, 사용자 검색/필터링 UI 최적화
 - **Contradictions/Notes:** 무거운 작업의 처리에 있어 디바운싱(Debouncing)과 `useTransition`을 비교했을 때, UI 업데이트를 지연시키는 목적이라면 React의 렌더링 모델에 더 잘 맞는 `useTransition`이 디바운싱보다 더 나은 선택입니다. 그러나 백엔드 API 호출 빈도를 낮추는 것이 목적일 경우에는 여전히 디바운싱이 최선의 방식입니다 [8].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리 (Media Queries).md b/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리 (Media Queries).md
index 79b2f23e..ecd2dba2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리 (Media Queries).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리 (Media Queries).md	
@@ -10,8 +10,8 @@
 * **한계 및 최신 대안 기술과의 결합:** 미디어 쿼리는 '부모 컨테이너의 가용 공간'이 아닌 '브라우저 뷰포트 창 전체'에만 반응한다는 구조적인 한계가 있다 [6]. 2026년 기준으로는 이를 극복하기 위해 컴포넌트가 놓인 부모 요소의 크기에 반응하는 **컨테이너 쿼리(Container Queries)**가 컴포넌트 단위 설계의 새로운 표준으로 사용된다 [6, 15, 16]. 또한, 글꼴 크기 변경을 위해 수많은 미디어 쿼리를 작성하는 대신 `clamp()` 함수를 활용한 유체 타이포그래피(Fluid Typography)를 사용하면 코드를 크게 간소화할 수 있다 [17-19].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], [[모바일 우선 설계 (Mobile-First)]], [[컨테이너 쿼리 (Container Queries)]], [[렌더링 차단 최적화 (Render-Blocking Optimization)]]
-- **Projects/Contexts:** [[현대적인 CSS 실전 설계]], [[모듈형 컴포넌트 시스템 구축]], [[웹 성능 최적화 (Web Performance)]]
+- **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], 모바일 우선 설계 (Mobile-First), [[컨테이너 쿼리 (Container Queries)]], 렌더링 차단 최적화 (Render-Blocking Optimization)
+- **Projects/Contexts:** 현대적인 CSS 실전 설계, 모듈형 컴포넌트 시스템 구축, 웹 성능 최적화 (Web Performance)
 - **Contradictions/Notes:** 미디어 쿼리는 뷰포트 창 크기 기준이기 때문에 맥락에 따라 크기가 달라지는 모듈형 컴포넌트의 재사용성을 완벽하게 보장하기는 어렵다. 소스에서는 이러한 한계를 보완하기 위해 현대 디자인 시스템에서 컨테이너 쿼리를 결합하여 사용할 것을 강하게 권장한다 [6, 16, 18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리(Media Queries).md b/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리(Media Queries).md
index 30c6fc51..10bb4bc7 100644
--- a/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리(Media Queries).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/미디어 쿼리(Media Queries).md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[반응형 디자인(Responsive Design)]], [[컨테이너 쿼리(Container Queries)]], [[모바일 우선 설계(Mobile-First Design)]], [[CSS 성능 최적화(CSS Performance Optimization)]], [[웹 접근성(Web Accessibility)]]
-- **Projects/Contexts:** [[단일 코드베이스를 통한 멀티 디바이스(모바일/데스크톱) 웹 인터페이스 구축]], [[렌더링 블로킹 방지를 위한 CSS 분할 및 로딩 최적화]]
+- **Projects/Contexts:** 단일 코드베이스를 통한 멀티 디바이스(모바일/데스크톱) 웹 인터페이스 구축, [[렌더링 블로킹 방지를 위한 CSS 분할 및 로딩 최적화]]
 - **Contradictions/Notes:** 미디어 쿼리는 반응형 웹 디자인을 위한 훌륭한 도구이지만 브라우저의 전체 뷰포트 크기에만 의존한다는 한계가 있다. 따라서 최신 설계 시스템에서는 컴포넌트 수준의 맥락을 인지해야 하는 경우, 미디어 쿼리 대신 혹은 미디어 쿼리와 함께 컨테이너 쿼리(Container Queries)를 결합하여 사용하는 것이 모범 사례로 권장된다 [13, 15, 16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/반응형 디자인(Responsive Design).md b/10_Wiki/Topics/Frontend_Mastery/반응형 디자인(Responsive Design).md
index 3d32768d..8efb0627 100644
--- a/10_Wiki/Topics/Frontend_Mastery/반응형 디자인(Responsive Design).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/반응형 디자인(Responsive Design).md	
@@ -16,7 +16,7 @@
   * **성능 및 미디어 최적화:** 로딩 속도 향상과 누적 레이아웃 이동(CLS) 방지를 위해 이미지에 명시적인 `width`와 `height` 속성을 부여하거나 `aspect-ratio`를 사용합니다 [18, 35, 39]. WebP 등 최신 포맷 사용, 반응형 이미지(`srcset`, `sizes`), 지연 로딩(Lazy-loading)을 통해 Core Web Vitals 성능을 최적화합니다 [18, 24, 31, 35, 40, 41].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[레이아웃 Flexbox / Grid 완전 이해]], [[디자인 시스템 개념]]
+- **Related Topics:** 레이아웃 Flexbox / Grid 완전 이해, [[디자인 시스템 개념]]
 - **Projects/Contexts:** [[모바일 퍼스트 인덱싱(Mobile-First Indexing)]], [[Core Web Vitals]]
 - **Contradictions/Notes:** 모바일 퍼스트(Mobile-first)와 반응형 디자인(Responsive design)은 종종 동일한 개념으로 오해받지만 서로 다릅니다. 모바일 퍼스트는 제한된 공간에서 필수적인 요소를 결정하는 '콘텐츠 우선순위 및 설계 전략'인 반면, 반응형 디자인은 레이아웃이 화면에 맞게 유동적으로 변하도록 만드는 '구현 시스템 및 기술'입니다 [42-44]. 또한 순수 뷰포트 상대 단위(vw)만으로 폰트 크기를 설정하면 사용자의 접근성 줌(zoom) 기능이나 글꼴 기본 설정을 무력화할 수 있어, `calc()`나 `clamp()`를 활용해 사용자 기본 설정(`em`, `rem`)과 혼합하는 방식이 필수적입니다 [45-49].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/반응형 웹 UI 구현.md b/10_Wiki/Topics/Frontend_Mastery/반응형 웹 UI 구현.md
index 14ec889b..0a7337cb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/반응형 웹 UI 구현.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/반응형 웹 UI 구현.md	
@@ -18,8 +18,8 @@
 *   **점진적 정보 제공(Progressive Disclosure) 및 모바일 사용성**: 제한된 모바일 화면에서 혼란을 줄이기 위해 아코디언, 탭, 드로어 메뉴 등을 활용하여 중요한 정보를 먼저 보여주고 보조 정보는 필요할 때 펼쳐보도록 설계해야 한다 [19, 26, 27]. 또한 탭(Touch) 대상은 최소 44x44px ~ 48x48px 크기로 확보하여 조작 오류를 줄여야 한다 [28-30].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[모바일 퍼스트(Mobile-First)]], [[컨테이너 쿼리(Container Queries)]], [[반응형 타이포그래피(Fluid Typography)]], [[CSS Flexbox]], [[CSS Grid]]
-- **Projects/Contexts:** [[디자인 시스템 아키텍처]], [[컴포넌트 기반 프론트엔드 설계]], [[Core Web Vitals 성능 최적화]]
+- **Related Topics:** [[모바일 퍼스트(Mobile-First)]], [[컨테이너 쿼리(Container Queries)]], 반응형 타이포그래피(Fluid Typography), CSS Flexbox, [[CSS Grid]]
+- **Projects/Contexts:** 디자인 시스템 아키텍처, 컴포넌트 기반 프론트엔드 설계, Core Web Vitals 성능 최적화
 - **Contradictions/Notes:** 반응형 타이포그래피 적용 시, 뷰포트 단위(`vw`, `vh` 등)만 단독으로 사용하면 사용자가 브라우저의 줌(확대/축소) 기능을 사용할 때 글꼴 크기가 반응하지 않아 접근성 기준(WCAG 1.4.4)을 위반하게 된다 [31-33]. 따라서 `clamp()` 함수 내부에서 사용자의 기본 설정 크기를 존중하는 `rem` 또는 `em` 단위와 계산식(`calc`)을 결합하여 접근성을 해치지 않게 구현해야 한다 [34, 35].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/반응형 웹 디자인 (Responsive Web Design).md b/10_Wiki/Topics/Frontend_Mastery/반응형 웹 디자인 (Responsive Web Design).md
index b6a16992..4cabbe91 100644
--- a/10_Wiki/Topics/Frontend_Mastery/반응형 웹 디자인 (Responsive Web Design).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/반응형 웹 디자인 (Responsive Web Design).md	
@@ -21,7 +21,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Grid]], [[Flexbox]], [[Container Queries]], [[Fluid Typography]], [[Mobile-First Design]]
-- **Projects/Contexts:** [[디자인 시스템 (Design Systems)]], [[Core Web Vitals]], [[모바일 우선 색인 (Mobile-First Indexing)]]
+- **Projects/Contexts:** [[디자인 시스템 (Design Systems)]], [[Core Web Vitals]], 모바일 우선 색인 (Mobile-First Indexing)
 - **Contradictions/Notes:** 유동적 타이포그래피 설계 시 뷰포트 단위(`vw`) 단독으로 폰트 크기를 설정하면 사용자의 기본 폰트 크기 설정이나 브라우저 돋보기(Zoom) 기능이 무력화되어 접근성 지침(WCAG 1.4.4)을 위반할 위험이 있습니다. 이를 방지하기 위해 사용자 설정 기준인 `em` 또는 `rem` 단위를 `calc()`나 `clamp()` 함수에 혼합하여 사용해야 합니다 [33-36], [37].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 (Critical Rendering Path).md b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 (Critical Rendering Path).md
index 9a4fa531..25f706ea 100644
--- a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 (Critical Rendering Path).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 (Critical Rendering Path).md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[DOM]], [[CSSOM]], [[Render Tree]], [[Reflow 및 Repaint]]
-- **Projects/Contexts:** [[프론트엔드 렌더링 성능 최적화]], [[Core Web Vitals 최적화 (FCP, LCP 등)]]
+- **Projects/Contexts:** 프론트엔드 렌더링 성능 최적화, Core Web Vitals 최적화 (FCP, LCP 등)
 - **Contradictions/Notes:** 제공된 소스들은 브라우저 렌더링 과정에 대해 모순 없이 일관된 설명을 제공합니다. 특히 `display: none`(렌더 트리에서 제외됨)과 `visibility: hidden`(레이아웃 공간을 차지하므로 렌더 트리에 포함됨)의 처리 방식 차이를 명확히 대조하여 설명하고 있습니다 [13].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 최적화 및 UI 반응성 개선.md b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 최적화 및 UI 반응성 개선.md
index 902eab15..56358897 100644
--- a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 최적화 및 UI 반응성 개선.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정 최적화 및 UI 반응성 개선.md	
@@ -25,7 +25,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Critical Rendering Path]], [[Reflow and Repaint]], [[Virtual DOM]], [[React Fiber Architecture]], [[Automatic Batching]], [[React Compiler]], [[React Server Components]]
-- **Projects/Contexts:** [[Core Web Vitals Optimization (INP, LCP 개선)]], [[Next.js 기반의 Hybrid Rendering (SSR/CSR/RSC 혼합 적용)]]
+- **Projects/Contexts:** [[Core Web Vitals Optimization (INP, LCP 개선)]], Next.js 기반의 Hybrid Rendering (SSR/CSR/RSC 혼합 적용)
 - **Contradictions/Notes:** CSS 선택자의 성능 최적화와 관련해, MDN 가이드에서는 브라우저가 매우 빠르기 때문에 선택자 성능 최적화(예: 특정성을 낮추는 작업)가 가져오는 이득이 마이크로초 단위에 불과하여 최우선 최적화 대상이 아닐 수 있다고 언급하지만 [57], 다른 구글 개발자 가이드에서는 불필요하게 복잡한 하위(descendant) 선택자를 피하는 것을 리플로우/렌더링 시간 단축을 위한 주요 지침 중 하나로 제시하고 있습니다 [28, 58].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정.md b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정.md
index e8c88d96..c8ac4225 100644
--- a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 과정.md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Critical Rendering Path]], [[DOM 및 CSSOM]], [[Reflow 및 Repaint]]
-- **Projects/Contexts:** [[프론트엔드 성능 최적화(Frontend Performance Optimization)]], [[초기 로딩 속도 개선(LCP 최적화)]]
+- **Projects/Contexts:** [[프론트엔드 성능 최적화(Frontend Performance Optimization)]], 초기 로딩 속도 개선(LCP 최적화)
 - **Contradictions/Notes:** 소스 간의 특별한 모순점은 없으나, DOM 구축은 점진적(Incremental)으로 진행되어 데이터를 수신하는 즉시 파싱을 시작할 수 있는 반면, CSSOM은 규칙이 나중에 덮어씌워질 수 있다는 CSS의 특성 때문에 전체 파싱이 완료될 때까지 렌더링을 완전히 차단한다는 구조적 차이점이 명확히 대조됩니다 [6-8, 10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 파이프라인(Critical Rendering Path).md b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 파이프라인(Critical Rendering Path).md
index fe8e1875..76059888 100644
--- a/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 파이프라인(Critical Rendering Path).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/브라우저 렌더링 파이프라인(Critical Rendering Path).md	
@@ -18,8 +18,8 @@
     레이아웃 계산이 끝나면 요소에 색상, 텍스트, 그림자, 테두리 등 시각적 속성을 적용하여 화면의 실제 픽셀로 변환하는 페인트(또는 리페인트) 단계가 진행됩니다 [17, 20]. 마지막으로, 성능 최적화를 위해 일부 요소(예: `<video>`, `<canvas>`, 특정 CSS 속성 적용 요소)가 별도의 레이어로 나뉘어 그려졌다면, 브라우저가 이들을 올바른 순서로 겹쳐서 최종 화면을 완성하는 **합성(Compositing)** 단계를 거칩니다 [21, 22]. GPU를 활용해 이 과정을 가속화할 수도 있습니다 [23, 24].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[DOM(Document Object Model)]], [[CSSOM(CSS Object Model)]], [[리플로우와 리페인트(Reflow and Repaint)]], [[가상 DOM(Virtual DOM)]], [[웹 성능 최적화(Web Performance Optimization)]]
-- **Projects/Contexts:** [[최초 렌더링 시간(Time to First Render) 단축]], [[단일 페이지 애플리케이션(SPA)의 CSR 및 SSR 전략]]
+- **Related Topics:** [[DOM(Document Object Model)]], [[CSSOM(CSS Object Model)]], 리플로우와 리페인트(Reflow and Repaint), 가상 DOM(Virtual DOM), [[웹 성능 최적화(Web Performance Optimization)]]
+- **Projects/Contexts:** 최초 렌더링 시간(Time to First Render) 단축, 단일 페이지 애플리케이션(SPA)의 CSR 및 SSR 전략
 - **Contradictions/Notes:** 동기식 JavaScript는 기본적으로 파서를 차단(Parser-blocking)하여 결과적으로 렌더링 파이프라인 전체를 지연시키므로, `async`나 `defer` 속성을 활용해 렌더링 경로를 방해하지 않도록 처리하는 것이 공통적인 모범 사례로 권장됩니다 [7, 25, 26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/브라우저 메인 스레드 최적화 및 타임 슬라이싱.md b/10_Wiki/Topics/Frontend_Mastery/브라우저 메인 스레드 최적화 및 타임 슬라이싱.md
index 4b803ded..d1a5c973 100644
--- a/10_Wiki/Topics/Frontend_Mastery/브라우저 메인 스레드 최적화 및 타임 슬라이싱.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/브라우저 메인 스레드 최적화 및 타임 슬라이싱.md	
@@ -19,7 +19,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], [[Critical Rendering Path]]
-- **Projects/Contexts:** [[React 18/19]], [[Core Web Vitals (INP, TTI)]]
+- **Projects/Contexts:** React 18/19, Core Web Vitals (INP, TTI)
 - **Contradictions/Notes:** 과거 React의 스택 리컨실러(Stack Reconciler)는 렌더링 작업이 한 번 시작되면 트리를 끝까지 동기적으로 순회해야 했기 때문에 메인 스레드를 블로킹하는 치명적 단점이 있었으나, Fiber 도입 이후 이를 중단 및 재개 가능한(Interruptible) 렌더링 모델로 개선했다는 사실이 소스 전반에 걸쳐 강조됩니다 [1, 19, 20]. 타임 슬라이싱은 코드 자체를 빠르게 만드는 것이 아니라 메인 스레드 가용성을 확보하여 체감 성능을 향상시키는 구조적 접근임을 유의해야 합니다 [18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/성능 중심의 웹 애니메이션 및 인터랙션 구현.md b/10_Wiki/Topics/Frontend_Mastery/성능 중심의 웹 애니메이션 및 인터랙션 구현.md
index d4a5c5ff..c85b60fa 100644
--- a/10_Wiki/Topics/Frontend_Mastery/성능 중심의 웹 애니메이션 및 인터랙션 구현.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/성능 중심의 웹 애니메이션 및 인터랙션 구현.md	
@@ -23,7 +23,7 @@
     *   전정기관 장애가 있는 사용자는 과도한 움직임에 어지러움을 느낄 수 있으므로, `prefers-reduced-motion` 미디어 쿼리를 활용해 애니메이션을 최소화하거나 끌 수 있는 방안을 마련해야 합니다 [14, 16, 17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[애니메이션 (transition / keyframes)]], [[실무에서 CSS 관리하는 방법]], [[반응형 디자인]]
+- **Related Topics:** 애니메이션 (transition / keyframes), [[실무에서 CSS 관리하는 방법]], [[반응형 디자인]]
 - **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]] 관점에서 볼 때, 애니메이션은 "예쁘게" 만드는 것을 넘어 브라우저 렌더링 파이프라인(Layout -> Paint -> Composite)을 이해하고, 저사양 모바일 기기와 시각적 접근성(WCAG 기준)까지 만족시키는 공학적 구현이 동반되어야 합니다.
 - **Contradictions/Notes:** `will-change` 속성은 브라우저가 다가올 애니메이션을 대비하도록 하여 성능을 높일 수 있지만, 무분별하게 적용할 경우 과도한 메모리 사용과 최적화 오버헤드로 인해 오히려 렌더링 성능을 악화시킨다는 모순적 특징이 있어 주의가 필요합니다 [9, 10].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Performance Optimization).md b/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Performance Optimization).md
index 88e89cd9..9b4f740d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Performance Optimization).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Performance Optimization).md	
@@ -31,8 +31,8 @@
     *   `contain` 및 `content-visibility` 속성을 활용하면 브라우저가 페이지의 특정 부분을 격리하여 해당 컨테이너 내부를 독립적으로 렌더링하도록 최적화할 수 있습니다 [35, 36]. 이를 통해 화면에 보이지 않는 요소의 렌더링을 지연시켜 초기 로드 성능을 높일 수 있습니다 [36].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow and Repaint]], [[CSS Animations]], [[Core Web Vitals]], [[Zero-runtime CSS-in-JS]], [[CSS Containment]]
-- **Projects/Contexts:** [[대규모 프론트엔드 애플리케이션의 렌더링 속도 개선]], [[사용자 상호작용이 많은 애니메이션 UI 구축 및 반응형 디자인 적용]]
+- **Related Topics:** [[Reflow and Repaint]], [[CSS Animations]], [[Core Web Vitals]], [[Zero-runtime CSS-in-JS]], CSS Containment
+- **Projects/Contexts:** 대규모 프론트엔드 애플리케이션의 렌더링 속도 개선, 사용자 상호작용이 많은 애니메이션 UI 구축 및 반응형 디자인 적용
 - **Contradictions/Notes:** 애니메이션은 로딩 시간을 시각적으로 채워주고 사용자 인터페이스를 더 빠르게 느끼게(Perceived Performance) 만드는 긍정적 효과가 있지만 [37], 속성 선택을 잘못하거나 동시 애니메이션을 남발하면 오히려 프레임 드랍을 유발해 사용자 경험과 성능을 악화시킬 수 있습니다 [23, 38]. 또한 `will-change` 속성 역시 성능 향상 힌트를 주지만 과도하게 적용할 경우 브라우저 자원 낭비의 원인이 됩니다 [26, 27].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Reflow & Repaint).md b/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Reflow & Repaint).md
index 8095c050..ef2dac8a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Reflow & Repaint).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/성능 최적화(Reflow & Repaint).md	
@@ -19,8 +19,8 @@ Reflow(리플로우)는 요소의 크기나 위치 등 레이아웃이 변경될
 * **테이블 레이아웃 및 복잡한 선택자 회피**: 테이블(`<table>`)은 내용물이나 셀 하나의 크기가 변해도 전체 테이블 노드의 레이아웃을 다시 계산하기 위해 여러 번의 리플로우 패스를 거칠 수 있어 레이아웃 용도로 부적합합니다 [19]. 또한 불필요하게 복잡하거나 깊게 중첩된 CSS 선택자는 브라우저의 파싱 속도를 늦추므로 최대한 직관적이고 단순하게 작성해야 합니다 [11, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 애니메이션(transition / keyframes)]], [[CSS 아키텍처 및 렌더링 파이프라인]]
-- **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], [[반응형 디자인 및 고성능 UI 구현]]
+- **Related Topics:** CSS 애니메이션(transition / keyframes), CSS 아키텍처 및 렌더링 파이프라인
+- **Projects/Contexts:** [[실무에서 CSS 관리하는 방법]], 반응형 디자인 및 고성능 UI 구현
 - **Contradictions/Notes:** 소스 문헌들은 `will-change` 속성이 리플로우 및 페인트를 대비한 최적화에 도움을 준다고 소개하면서도, 이를 너무 많은 요소에 남용하거나 미리 예측하여 사용하면 도리어 브라우저 리소스와 메모리를 소모시켜 성능 병목(bottleneck)을 유발할 수 있다고 일관되게 경고합니다 [16-18].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/성능 최적화가 필수적인 대규모 다중 테마 플랫폼.md b/10_Wiki/Topics/Frontend_Mastery/성능 최적화가 필수적인 대규모 다중 테마 플랫폼.md
index f06476ca..85772e14 100644
--- a/10_Wiki/Topics/Frontend_Mastery/성능 최적화가 필수적인 대규모 다중 테마 플랫폼.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/성능 최적화가 필수적인 대규모 다중 테마 플랫폼.md	
@@ -25,7 +25,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Zero-runtime CSS-in-JS]], [[Design Tokens]], [[CSS Modules]], [[Tailwind CSS]], [[Reflow and Repaint]]
-- **Projects/Contexts:** [[React Server Components (RSC) 도입 환경]], [[대규모 엔터프라이즈 프론트엔드 플랫폼 (Large Enterprise Frontend Platforms)]]
+- **Projects/Contexts:** React Server Components (RSC) 도입 환경, 대규모 엔터프라이즈 프론트엔드 플랫폼 (Large Enterprise Frontend Platforms)
 - **Contradictions/Notes:** 컴포넌트의 동적 스타일링과 테마 적용에 있어 런타임 CSS-in-JS(styled-components 등)가 가장 원활한 개발자 경험을 제공한다고 평가되기도 하지만 [2, 32], 실제 대규모 웹 애플리케이션 및 모던 프레임워크(특히 Next.js App Router) 환경에서는 런타임 오버헤드와 호환성 문제로 인해 정적 CSS 추출 방식(Tailwind, CSS Modules, vanilla-extract 등)으로 회귀하거나 전환하는 것이 현재 산업의 명확한 흐름입니다 [3, 8, 13, 33, 34].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/실무에서 CSS 관리하는 방법.md b/10_Wiki/Topics/Frontend_Mastery/실무에서 CSS 관리하는 방법.md
index eb0b8d4d..1fee9da8 100644
--- a/10_Wiki/Topics/Frontend_Mastery/실무에서 CSS 관리하는 방법.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/실무에서 CSS 관리하는 방법.md	
@@ -26,8 +26,8 @@
 * Stylelint나 Prettier 같은 린터(Linter) 및 코드 포매터를 프로젝트에 통합하여 모든 팀원이 동일한 명명 규칙과 속성 순서를 따르도록 강제하고 유지보수성을 극대화합니다 [21].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], [[Tailwind 전략]], [[디자인 시스템 개념]]
-- **Projects/Contexts:** [[기능 주도 아키텍처(Feature-Driven Architecture)]], [[하이브리드 스타일링 접근법(Hybrid Styling Approach)]]
+- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], Tailwind 전략, [[디자인 시스템 개념]]
+- **Projects/Contexts:** 기능 주도 아키텍처(Feature-Driven Architecture), 하이브리드 스타일링 접근법(Hybrid Styling Approach)
 - **Contradictions/Notes:** 소스 [22]은 실무에서 Tailwind CSS와 SCSS를 결합(Hybrid)하여 사용하는 것이 빠른 프로토타이핑과 정밀한 컴포넌트 조정의 장점을 모두 취할 수 있다고 설명하지만, 동시에 빌드 설정의 복잡성이 증가하고 팀원들이 두 가지 패러다임을 모두 이해해야 하므로 온보딩 과정이 느려질 수 있다는 단점을 지적합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/실무에서의 프론트엔드 성능 최적화.md b/10_Wiki/Topics/Frontend_Mastery/실무에서의 프론트엔드 성능 최적화.md
index 90315a0b..2b15e1b5 100644
--- a/10_Wiki/Topics/Frontend_Mastery/실무에서의 프론트엔드 성능 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/실무에서의 프론트엔드 성능 최적화.md	
@@ -13,8 +13,8 @@
 * **현대적인 렌더링 및 미디어 최적화 기법:** CSS Containment(`contain`, `content-visibility`, `contain-intrinsic-size` 속성)를 사용하면 브라우저가 DOM의 특정 부분에 대한 레이아웃과 렌더링을 뷰포트에 보일 때까지 연기하도록 지시하여 성능을 크게 높일 수 있다 [26, 27]. 또한 WebP나 AVIF 같은 차세대 이미지 포맷 사용, 지연 로딩(Lazy Loading) 적용, 적절한 크기의 터치 타겟(최소 44x44px 이상) 제공 등의 최적화는 LCP, CLS, INP와 같은 코어 웹 바이탈(Core Web Vitals) 성능 지표 개선과 직결된다 [28-30].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow 및 Repaint]], [[CSS Modules]], [[Tailwind CSS]], [[BEM 방법론]], [[Zero-runtime CSS-in-JS]], [[Core Web Vitals]]
-- **Projects/Contexts:** [[대규모 프론트엔드 아키텍처 설계]], [[반응형 웹 디자인(Responsive Web Design)]], [[디자인 시스템 개념]]
+- **Related Topics:** [[Reflow 및 Repaint]], [[CSS Modules]], [[Tailwind CSS]], BEM 방법론, [[Zero-runtime CSS-in-JS]], [[Core Web Vitals]]
+- **Projects/Contexts:** 대규모 프론트엔드 아키텍처 설계, 반응형 웹 디자인(Responsive Web Design), [[디자인 시스템 개념]]
 - **Contradictions/Notes:** 런타임 CSS-in-JS(styled-components, Emotion 등) 방식은 동적 스타일링 등 개발자 경험 측면에서 이점이 있으나, 성능 오버헤드와 특히 React Server Components(RSC)와의 비호환성 문제로 인해 2025/2026년 기준으로는 신규 프로젝트에서 권장되지 않으며, 대안으로 Tailwind CSS나 CSS Modules, 또는 정적 추출 방식의 Zero-runtime CSS-in-JS가 강력히 권장된다 [22, 24, 25, 31, 32].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes) 성능 최적화.md b/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes) 성능 최적화.md
index ed363e72..684634fc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes) 성능 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes) 성능 최적화.md	
@@ -1,4 +1,4 @@
-# [[애니메이션 (transition / keyframes) 성능 최적화]]
+# 애니메이션 (transition / keyframes) 성능 최적화
 
 ## 📌 Brief Summary
 CSS 애니메이션(transition 및 keyframes) 성능 최적화는 브라우저의 렌더링 부하를 최소화하여 사용자에게 버벅거림(Jank) 없이 부드럽고 반응성 높은 UI를 제공하기 위한 기술적 접근입니다 [1-3]. 브라우저의 리플로우(Reflow)와 리페인트(Repaint)를 심하게 유발하는 속성 사용을 피하고, GPU 가속을 활용할 수 있는 속성 위주로 설계하는 것이 핵심입니다 [4-7]. 이를 통해 모바일 등 컴퓨팅 자원이 제한된 기기에서도 효율적인 인터랙션을 유지할 수 있습니다 [3, 8].
@@ -19,8 +19,8 @@ CSS 애니메이션(transition 및 keyframes) 성능 최적화는 브라우저
     *   애니메이션 요소를 `position: fixed` 혹은 `absolute`로 설정하면 주변 요소 레이아웃에 영향을 주지 않으므로, 페이지 전체의 리플로우를 막고 해당 요소의 리페인트만 발생시켜 연산 비용을 줄일 수 있습니다 [12, 18-20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[리플로우(Reflow) 및 리페인트(Repaint)]], [[GPU 가속 및 브라우저 컴포지팅]], [[마이크로 인터랙션(Micro-interactions)]]
-- **Projects/Contexts:** [[유지보수 가능하고 확장성 있는 CSS 아키텍처 구축]], [[디자인 시스템 기반의 UI/UX 최적화]]
+- **Related Topics:** 리플로우(Reflow) 및 리페인트(Repaint), GPU 가속 및 브라우저 컴포지팅, [[마이크로 인터랙션(Micro-interactions)]]
+- **Projects/Contexts:** 유지보수 가능하고 확장성 있는 CSS 아키텍처 구축, 디자인 시스템 기반의 UI/UX 최적화
 - **Contradictions/Notes:** `will-change` 속성은 애니메이션 렌더링 최적화에 강력한 힌트를 제공하지만, 너무 많은 요소에 남용할 경우 브라우저가 과도한 메모리를 소모하고 불필요한 사전 연산을 수행하게 되어 오히려 전체적인 성능을 악화시킬 수 있습니다. 따라서 실제 성능 문제가 발생한 곳에 최후의 수단으로만 사용해야 합니다 [13, 15, 17].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes).md b/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes).md
index 5b74ba0d..8af6d31b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/애니메이션 (transition - keyframes).md	
@@ -1,4 +1,4 @@
-# [[애니메이션 (transition / keyframes)]]
+# 애니메이션 (transition / keyframes)
 
 ## 📌 Brief 실전 Summary
 CSS 애니메이션(transition 및 keyframes)은 사용자 경험(UX)을 향상시키고 인터페이스의 상태 변화를 명확하게 전달하는 핵심 요소입니다. 하지만 단순히 "예쁘게" 만드는 것을 넘어 "유지보수 가능하고 성능이 최적화된" 방식으로 설계되어야 하며, 이를 위해서는 리플로우(Reflow)나 리페인트(Repaint)를 유발하는 속성 사용을 피하고 GPU 가속을 활용할 수 있는 속성을 전략적으로 선택하는 것이 실무 CSS 관리의 핵심입니다.
@@ -17,8 +17,8 @@ CSS 애니메이션(transition 및 keyframes)은 사용자 경험(UX)을 향상
     *   **절대 위치 지정 활용:** 애니메이션을 적용해야 하는 요소를 `position: fixed`나 `position: absolute`로 배치하면, 해당 요소가 움직일 때 문서 내 다른 요소의 레이아웃에 영향을 미치지 않기 때문에 전체 페이지 리플로우를 방지하고 리페인트만 발생시켜 비용을 줄일 수 있습니다 [17, 18]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Reflow 및 Repaint 최적화]], [[CSS 성능 최적화(Performance)]], [[UX/UI 마이크로 인터랙션]]
-- **Projects/Contexts:** [[실무에서의 CSS 유지보수 전략]], [[디자인 시스템의 모션 가이드라인(Design Tokens)]]
+- **Related Topics:** [[Reflow 및 Repaint 최적화]], CSS 성능 최적화(Performance), UX/UI 마이크로 인터랙션
+- **Projects/Contexts:** 실무에서의 CSS 유지보수 전략, 디자인 시스템의 모션 가이드라인(Design Tokens)
 - **Contradictions/Notes:** 애니메이션은 사용자 경험 향상에 매우 유용하지만, 무분별하고 과도한 모션은 사용자의 인지 부하를 높이거나 전정계 질환(vestibular disorders)이 있는 사용자에게 해로울 수 있습니다. 따라서 반드시 모션을 최소화하거나 끌 수 있도록 `prefers-reduced-motion` 미디어 쿼리를 함께 사용하여 접근성을 고려해야 한다고 소스는 강조하고 있습니다 [4, 19-21].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈 프론트엔드 아키텍처.md b/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈 프론트엔드 아키텍처.md
index db9adab9..6a477402 100644
--- a/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈 프론트엔드 아키텍처.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈 프론트엔드 아키텍처.md	
@@ -31,7 +31,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS Modules]], [[Tailwind CSS]], [[BEM]], [[CSS Grid]], [[Flexbox]], [[Container Queries]], [[Fluid Typography]], [[Reflow and Repaint]], [[Design Tokens]]
-- **Projects/Contexts:** [[성능 중심의 렌더링 파이프라인 최적화 프로젝트]], [[모바일 우선주의(Mobile-First) 기반 디자인 구축]], [[대규모 엔터프라이즈 컴포넌트 라이브러리 및 디자인 시스템 설계]]
+- **Projects/Contexts:** 성능 중심의 렌더링 파이프라인 최적화 프로젝트, 모바일 우선주의(Mobile-First) 기반 디자인 구축, 대규모 엔터프라이즈 컴포넌트 라이브러리 및 디자인 시스템 설계
 - **Contradictions/Notes:** Tailwind CSS는 클래스명을 고민할 필요 없이 빠른 UI 개발을 가능하게 하고 번들 크기를 줄이는 등 생산성에 큰 이점이 있지만, 마크업이 심하게 장황해져 가독성을 해칠 수 있습니다 [25-28]. 반면 SCSS/CSS Modules는 마크업을 깔끔하게 유지하고 복잡한 커스텀 스타일을 정밀하게 제어할 수 있지만 스타일 규칙이 복잡해질 수 있어 조직의 역량과 프로젝트 성격에 따라 도구 선택이나 혼합 방식에 대한 의견 차이가 실무자들 사이에서 빈번히 존재합니다 [20, 23, 73-75]. 또한 Styled Components 등의 Runtime CSS-in-JS는 동적인 테마 적용에 유용하지만 React Server Components(RSC)와 호환되지 않고 성능 오버헤드가 발생하여, 최근에는 정적 추출을 지원하는 빌드 타임 기반 시스템(Vanilla Extract)이나 CSS Modules, Tailwind로 회귀하는 추세입니다 [76-80].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈급 플랫폼 개발.md b/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈급 플랫폼 개발.md
index 561688a1..2499a55b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈급 플랫폼 개발.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/엔터프라이즈급 플랫폼 개발.md	
@@ -35,7 +35,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox]], [[CSS Grid]], [[Container Queries]], [[Fluid Typography]], [[Reflow & Repaint]], [[Design Tokens]]
-- **Projects/Contexts:** [[모바일 우선 컴포넌트 개발]], [[엔터프라이즈 디자인 시스템 아키텍처]]
+- **Projects/Contexts:** 모바일 우선 컴포넌트 개발, 엔터프라이즈 디자인 시스템 아키텍처
 - **Contradictions/Notes:** BEM은 명확한 네이밍 컨벤션을 통해 구조화를 달성하지만 개발자의 철저한 규칙 준수와 수동적 관리에 의존해야 합니다. 반면 CSS Modules는 빌드 단계에서 자동으로 고유 클래스명을 생성해 로컬 스코프를 캡슐화하여 휴먼 에러를 방지합니다 [4, 14, 15]. 한편, Tailwind CSS는 클래스 재사용성을 극대화해 CSS 번들 크기를 줄이고 개발 속도를 높이지만 HTML 마크업이 장황해지는 단점이 있어, 실무에서는 이들을 프로젝트의 복잡도와 팀 규모에 맞춰 혼합(Hybrid) 사용하는 전략을 취하기도 합니다 [5, 22-24].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/웹 렌더링 전략 (CSR, SSR, SSG, ISR).md b/10_Wiki/Topics/Frontend_Mastery/웹 렌더링 전략 (CSR, SSR, SSG, ISR).md
index f86d666f..1bdd5acf 100644
--- a/10_Wiki/Topics/Frontend_Mastery/웹 렌더링 전략 (CSR, SSR, SSG, ISR).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/웹 렌더링 전략 (CSR, SSR, SSG, ISR).md	
@@ -29,8 +29,8 @@
     *   적합한 사용처: 방대한 카탈로그를 가진 대규모 전자상거래 플랫폼, 지속적인 최신화가 필요하지만 실시간 동기화까지는 불필요한 뉴스 포털 등 [4, 54, 56].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[하이드레이션 (Hydration)]], [[단일 페이지 애플리케이션 (SPA)]], [[검색 엔진 최적화 (SEO)]], [[Core Web Vitals]], [[렌더 트리 (Render Tree)]]
-- **Projects/Contexts:** [[Next.js의 하이브리드 렌더링 기능]], [[웹 성능 및 상호작용 최적화 프로젝트]]
+- **Related Topics:** [[하이드레이션 (Hydration)]], [[단일 페이지 애플리케이션 (SPA)]], [[검색 엔진 최적화 (SEO)]], [[Core Web Vitals]], 렌더 트리 (Render Tree)
+- **Projects/Contexts:** Next.js의 하이브리드 렌더링 기능, 웹 성능 및 상호작용 최적화 프로젝트
 - **Contradictions/Notes:** SSR은 초기 화면 표시 속도를 높여(FCP 개선) 사용자 경험을 향상시킨다고 하지만, 이면의 하이드레이션(Hydration) 과정이 지연될 경우 눈에는 보이지만 클릭은 되지 않는 '불쾌한 골짜기' 경험을 초래하여 상호작용 지표(TTI)를 악화시킬 수 있다는 모순적인 특징을 가집니다 [25, 33, 35, 57].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/웹 성능 가이드(Web Performance).md b/10_Wiki/Topics/Frontend_Mastery/웹 성능 가이드(Web Performance).md
index fa387d9b..fcc29da4 100644
--- a/10_Wiki/Topics/Frontend_Mastery/웹 성능 가이드(Web Performance).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/웹 성능 가이드(Web Performance).md	
@@ -21,8 +21,8 @@
   - **React 컴파일러 (React Compiler):** React 19 컴파일러는 빌드 시점에 코드를 분석(AST)하여 반응형 값과 정적 값을 구별하고, 필요한 위치에 메모이제이션을 자동으로 삽입합니다. 이로 인해 개발자가 수동으로 `useMemo`, `useCallback`, `React.memo`를 작성하는 수고와 잦은 실수(오버/언더 메모이제이션)를 없애줍니다 [78-86].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[중요 렌더링 경로(Critical Rendering Path)]], [[리플로우 및 리페인트(Reflow and Repaint)]], [[웹 렌더링 전략(CSR, SSR, SSG, ISR)]], [[하이드레이션(Hydration)]], [[코어 웹 바이탈(Core Web Vitals)]], [[React 컴파일러(React Compiler)]]
-- **Projects/Contexts:** [[프론트엔드 아키텍처 설계 및 최적화]], [[단일 페이지 애플리케이션(SPA) 성능 프로파일링]]
+- **Related Topics:** 중요 렌더링 경로(Critical Rendering Path), [[리플로우 및 리페인트(Reflow and Repaint)]], 웹 렌더링 전략(CSR, SSR, SSG, ISR), 하이드레이션(Hydration), 코어 웹 바이탈(Core Web Vitals), React 컴파일러(React Compiler)
+- **Projects/Contexts:** 프론트엔드 아키텍처 설계 및 최적화, 단일 페이지 애플리케이션(SPA) 성능 프로파일링
 - **Contradictions/Notes:** SSR 방식은 HTML을 서버에서 미리 그려 사용자에게 가장 먼저 콘텐츠를 보여주기 때문에 초기 화면 표시(FCP, LCP)나 SEO 측면에서는 훌륭합니다 [49, 50, 54, 55]. 그러나 이 과정에서 생성된 화면은 자바스크립트가 다운로드되고 DOM 요소에 이벤트 핸들러가 결합되는 '하이드레이션(Hydration)' 과정이 완료되기 전까지는 상호작용이 불가능합니다. 따라서 화면은 보이지만 버튼을 눌러도 반응하지 않는 상호작용 지연 현상(Time to Interactive 및 Total Blocking Time 증가)을 유발할 수 있다는 명확한 Trade-off가 존재합니다 [87-93]. 또한 성능 최적화를 위한 `React.memo` 등의 메모이제이션 기법 역시, 측정 없이 남용될 경우 불필요한 속성 비교 연산과 메모리 할당이 추가되어 렌더링이 빠른 가벼운 컴포넌트에서는 오히려 성능 오버헤드를 발생시킬 수 있으므로 주의해야 합니다 [82, 94].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/웹 성능 최적화(Web Performance Optimization).md b/10_Wiki/Topics/Frontend_Mastery/웹 성능 최적화(Web Performance Optimization).md
index eac38288..395d1baa 100644
--- a/10_Wiki/Topics/Frontend_Mastery/웹 성능 최적화(Web Performance Optimization).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/웹 성능 최적화(Web Performance Optimization).md	
@@ -15,8 +15,8 @@
 * **React Server Components (RSC)의 도입과 자동화 도구:** 기존 렌더링 방식의 번들 크기 및 하이드레이션 문제를 근본적으로 해결하기 위해 컴포넌트를 서버에서만 실행하고 클라이언트에는 자바스크립트를 전송하지 않는 RSC 모델이 도입되었다 [48-51]. 이를 통해 클라이언트로 전송되는 JS 페이로드 크기를 대폭 줄이고 서버의 리소스를 직접 활용할 수 있다 [52-54]. 더 나아가 최신 React Compiler는 빌드 타임에 코드의 추상 구문 트리(AST)를 분석해 자동으로 세분화된 메모이제이션을 삽입해주어, 개발자가 수동으로 성능을 최적화해야 하는 부담을 대폭 감소시킨다 [55-58].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[Critical Rendering Path]]`, `[[Reflow and Repaint]]`, `[[React Server Components]]`, `[[하이드레이션(Hydration)]]`, `[[동시성 렌더링(Concurrent Rendering)]]`, `[[React Compiler]]`
-- **Projects/Contexts:** `[[콘텐츠 기반의 SEO 최적화 웹사이트 및 이커머스(E-commerce) 플랫폼]]` (초기 화면의 빠른 렌더링과 검색엔진 최적화를 위해 SSR, SSG, ISR이 필수적으로 요구되는 맥락) [43, 59-62], `[[고도의 상호작용이 필요한 관리자 대시보드 및 SaaS]]` (초기 렌더링보다 실시간 상태 업데이트와 인터랙션 속도가 중시되어 CSR 또는 선택적 클라이언트 컴포넌트가 적합한 맥락) [63-67].
+- **Related Topics:** `[[Critical Rendering Path]]`, `[[Reflow and Repaint]]`, `[[React Server Components]]`, `하이드레이션(Hydration)`, `동시성 렌더링(Concurrent Rendering)`, `[[React Compiler]]`
+- **Projects/Contexts:** `콘텐츠 기반의 SEO 최적화 웹사이트 및 이커머스(E-commerce) 플랫폼` (초기 화면의 빠른 렌더링과 검색엔진 최적화를 위해 SSR, SSG, ISR이 필수적으로 요구되는 맥락) [43, 59-62], `고도의 상호작용이 필요한 관리자 대시보드 및 SaaS` (초기 렌더링보다 실시간 상태 업데이트와 인터랙션 속도가 중시되어 CSR 또는 선택적 클라이언트 컴포넌트가 적합한 맥락) [63-67].
 - **Contradictions/Notes:** 
   - **수동 메모이제이션의 유용성에 대한 관점 변화:** 기존 React 생태계에서는 불필요한 리렌더링을 막기 위해 `useMemo`나 `useCallback`과 같은 수동 메모이제이션이 권장되었으나, 얕은 비교 검사 자체의 오버헤드가 발생하거나 종속성 관리가 복잡해져 과도한 사용이 안티 패턴으로 지적되기도 했다 [68, 69]. 그러나 React 19의 React Compiler 등장 이후, 컴파일러가 정적 분석을 통해 최적의 위치에 자동으로 메모이제이션을 적용하게 되면서 개발자의 수동 개입 필요성이 크게 사라지는 패러다임 전환이 이루어지고 있다 [55, 58, 70-72].
   - **SSR의 성능 지표 딜레마:** 서버 사이드 렌더링(SSR)은 클라이언트에게 완성된 HTML을 즉시 제공하여 초기 콘텐츠 표시(FCP)와 SEO를 개선하지만, 자바스크립트를 다운로드하여 정적 요소에 상호작용을 활성화하는 하이드레이션 과정이 완료될 때까지 상호작용 시작 시간(TTI)이 크게 지연되거나 메인 스레드 차단 시간(TBT)이 증가하는 역설적인 한계가 존재한다 [43, 45, 73-75].
diff --git a/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 prefers-reduced-motion.md b/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 prefers-reduced-motion.md
index 963bda05..4df94850 100644
--- a/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 prefers-reduced-motion.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 prefers-reduced-motion.md	
@@ -9,8 +9,8 @@
 - **책임 있는 모션 디자인(Animating Responsibly):** 실무에서 유지보수 가능하고 접근성 높은 CSS를 설계하려면 위험한 모션 요소를 사전에 감지하고 일시 정지(pause) 제어 기능을 추가해야 합니다 [6]. 더 나아가 시각적인 모션뿐만 아니라 스크린 리더와의 상호작용(Animation and Screen Readers)까지 고려하여 포괄적인 접근성 가이드라인을 적용하는 것이 중요합니다 [6, 7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[UX 애니메이션(UX Animation)]], [[미디어 쿼리(Media Queries)]], [[웹 콘텐츠 접근성 가이드라인(WCAG)]]
-- **Projects/Contexts:** [[포용적인 CSS 아키텍처 및 모션 디자인 실무]]
+- **Related Topics:** UX 애니메이션(UX Animation), [[미디어 쿼리(Media Queries)]], 웹 콘텐츠 접근성 가이드라인(WCAG)
+- **Projects/Contexts:** 포용적인 CSS 아키텍처 및 모션 디자인 실무
 - **Contradictions/Notes:** 소스 간의 모순된 정보는 없습니다. 다만, 애니메이션이 전환 및 상태를 명확히 하여 UX를 개선할 수 있다는 긍정적 효과를 인정하면서도 [5], 동시에 적절한 통제 장치(`prefers-reduced-motion`)가 동반되지 않으면 도리어 사용자 경험을 해칠 수 있다는 점을 상호 보완적으로 강조하고 있습니다 [2, 3].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 성능 최적화.md b/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 성능 최적화.md
index d87fdaa8..70e744d4 100644
--- a/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 성능 최적화.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/웹 접근성 및 성능 최적화.md	
@@ -16,8 +16,8 @@
 * **모바일 및 보조 기기 호환성 확보:** 터치 인터페이스에서는 오작동을 막기 위해 최소 44x44px ~ 48x48px 크기의 클릭 가능한 영역(패딩 활용)을 제공해야 합니다 [31-33]. 또한, 화면 판독기(Screen Reader)와 키보드 사용자를 위해 명확한 포커스(Focus) 상태 제공, 시맨틱 HTML 태그 사용, 적절한 색상 대비 유지, 의미 있는 대체 텍스트(alt) 속성이 반드시 포함되어야 합니다 [2, 34].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 구조 설계 방식]], [[반응형 디자인]], [[애니메이션 (transition / keyframes)]], [[Core Web Vitals]], [[리플로우 및 리페인트(Reflow & Repaint)]]
-- **Projects/Contexts:** [[디자인 시스템 기반의 확장 가능한 프론트엔드 아키텍처 구축]]
+- **Related Topics:** [[CSS 구조 설계 방식]], [[반응형 디자인]], 애니메이션 (transition / keyframes), [[Core Web Vitals]], [[리플로우 및 리페인트(Reflow & Repaint)]]
+- **Projects/Contexts:** 디자인 시스템 기반의 확장 가능한 프론트엔드 아키텍처 구축
 - **Contradictions/Notes:** 소스 자료들은 애니메이션 성능 최적화를 위해 브라우저에 변경을 미리 알리는 `will-change` 속성의 사용을 제안하지만, 동시에 이를 남용하면 너무 많은 요소에 브라우저 자원을 미리 할당하여 오히려 성능 저하를 초래할 수 있으므로 '최후의 수단'으로 신중히 사용해야 한다고 경고하고 있습니다 [35, 36].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/웹 접근성(Web Accessibility).md b/10_Wiki/Topics/Frontend_Mastery/웹 접근성(Web Accessibility).md
index d0104721..ee850719 100644
--- a/10_Wiki/Topics/Frontend_Mastery/웹 접근성(Web Accessibility).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/웹 접근성(Web Accessibility).md	
@@ -14,8 +14,8 @@
 * **디자인 시스템에서의 접근성 관리:** 디자인 시스템의 컬러 토큰을 설정할 때 WCAG 명암비(Contrast Ratio) 준수 여부를 반드시 테스트해야 하며, 접근성 고려를 잊는 것은 토큰 설계의 주요 함정 중 하나입니다 [15-17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[유동적 타이포그래피(Fluid Typography)]], [[애니메이션 성능 최적화 및 모션 제어]], [[디자인 시스템(Design Systems)]]
-- **Projects/Contexts:** [[WCAG 1.4.4 텍스트 200% 확대 대응]], [[prefers-reduced-motion 미디어 쿼리 구현]], [[키보드 탐색 및 포커스 상태 설계]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), [[유동적 타이포그래피(Fluid Typography)]], 애니메이션 성능 최적화 및 모션 제어, [[디자인 시스템(Design Systems)]]
+- **Projects/Contexts:** WCAG 1.4.4 텍스트 200% 확대 대응, prefers-reduced-motion 미디어 쿼리 구현, 키보드 탐색 및 포커스 상태 설계
 - **Contradictions/Notes:** 화면 크기에만 반응하게 만들기 위해 뷰포트 단위(`vw`, `vh`)를 단독으로 폰트 크기에 적용하면, 브라우저가 창 크기에 따라 글씨를 조정할 수는 있어도 사용자가 브라우저 자체의 "확대(Zoom)" 기능을 사용할 때는 글씨 크기가 변하지 않아 오히려 접근성을 심각하게 해치는 결과를 초래합니다 [6, 11]. 따라서 `calc()`나 `clamp()`를 통해 기본 픽셀 혹은 `em/rem` 값과 혼합하여 줌(zoom) 기능에 반응하도록 설계해야 합니다 [18, 19].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피 (Fluid Typography).md b/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피 (Fluid Typography).md
index 60123416..641a958e 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피 (Fluid Typography).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피 (Fluid Typography).md	
@@ -19,8 +19,8 @@
     *   최신 프론트엔드 환경에서는 화면 전체 뷰포트 기준의 반응형 설계에서 컴포넌트 중심의 설계로 사고가 전환됨에 따라, 컨테이너 쿼리(Container Queries)와 유동적 타이포그래피를 결합하여 부모 컨테이너의 크기에 맞게 텍스트가 유연하게 적응하도록 만듭니다 [7, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], [[컨테이너 쿼리 (Container Queries)]], [[웹 접근성 (WCAG 1.4.4)]], [[CSS 함수 (clamp, calc)]]
-- **Projects/Contexts:** [[현대적 반응형 웹 디자인 및 컴포넌트 중심 CSS 아키텍처 환경]]
+- **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], [[컨테이너 쿼리 (Container Queries)]], 웹 접근성 (WCAG 1.4.4), CSS 함수 (clamp, calc)
+- **Projects/Contexts:** 현대적 반응형 웹 디자인 및 컴포넌트 중심 CSS 아키텍처 환경
 - **Contradictions/Notes:** 뷰포트 단위를 사용하여 타이포그래피를 반응형으로 만드는 것은 시각적으로 부드러운 전환을 제공하지만, `100vw`와 같이 뷰포트 단위만 단독으로 사용할 경우 브라우저 줌이나 사용자의 기본 폰트 크기 설정을 무력화시켜 접근성에 심각한 악영향을 미치므로 반드시 `calc()`나 `clamp()`와 함께 상대 단위(`rem`/`em`)를 조합하여 사용해야 한다고 여러 소스에서 강하게 경고하고 있습니다 [10-12, 16].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피(Fluid Typography).md b/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피(Fluid Typography).md
index 521063c1..aa62ed2d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피(Fluid Typography).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/유동적 타이포그래피(Fluid Typography).md	
@@ -17,8 +17,8 @@
   유동적 타이포그래피를 적용할 때 주의할 점은, 뷰포트 단위(`vw` 등)에만 전적으로 의존할 경우 사용자가 텍스트를 돋보기 기능으로 확대/축소하거나 기본 폰트 크기 설정을 변경하는 것을 무력화할 수 있다는 것입니다 [9, 10]. 이는 보조 기술 없이 텍스트를 200%까지 확대할 수 있어야 한다는 WCAG 1.4.4 접근성 지침을 위반할 위험이 있습니다 [10]. 따라서 `clamp()` 함수의 최소값과 최대값에 `rem`이나 `em`과 같은 사용자 설정 기반의 상대 단위를 사용하여 글꼴 크기 확대를 보장해야 하며, 최대 폰트 크기가 최소 폰트 크기의 2.5배를 넘지 않도록 설정하는 것이 권장됩니다 [11, 12].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[CSS 미디어 쿼리(CSS Media Queries)]], [[웹 접근성(Web Accessibility)]], [[CSS 컨테이너 쿼리(Container Queries)]]
-- **Projects/Contexts:** [[모바일 우선주의 설계(Mobile-First Design)]], [[디자인 시스템(Design Systems)]], [[프론트엔드 유지보수성(Frontend Maintainability)]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), CSS 미디어 쿼리(CSS Media Queries), [[웹 접근성(Web Accessibility)]], CSS 컨테이너 쿼리(Container Queries)
+- **Projects/Contexts:** 모바일 우선주의 설계(Mobile-First Design), [[디자인 시스템(Design Systems)]], 프론트엔드 유지보수성(Frontend Maintainability)
 - **Contradictions/Notes:** 뷰포트에 전적으로 반응하는 글꼴 크기(예: `font-size: 100vw`)는 부드러운 전환을 제공하지만, 사용자의 텍스트 확대/축소 기능을 무력화하여 사용자 경험과 접근성에 악영향을 미칩니다. 이를 방지하기 위해서는 뷰포트 단위를 단독으로 쓰지 말고 `rem` 등의 기본 단위와 혼합하여(예: `calc(16px + 1vw)`) 사용자가 크기를 제어할 수 있는 여지를 남겨야 합니다 [10, 13, 14].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/유지보수 가능하고 확장 가능한 CSS 아키텍처 설계.md b/10_Wiki/Topics/Frontend_Mastery/유지보수 가능하고 확장 가능한 CSS 아키텍처 설계.md
index 3779c44c..8739a460 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유지보수 가능하고 확장 가능한 CSS 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/유지보수 가능하고 확장 가능한 CSS 아키텍처 설계.md	
@@ -27,7 +27,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox]], [[CSS Grid]], [[컨테이너 쿼리 (Container Queries)]], [[디자인 토큰 (Design Tokens)]], [[Reflow 및 Repaint 최적화]]
-- **Projects/Contexts:** [[대규모 엔지니어링 프론트엔드 아키텍처]], [[컴포넌트 기반 프레임워크 (React, Vue 등)]], [[디자인 시스템(Design Systems) 구축]], [[Feature-Sliced Design (FSD) 아키텍처]]
+- **Projects/Contexts:** 대규모 엔지니어링 프론트엔드 아키텍처, 컴포넌트 기반 프레임워크 (React, Vue 등), 디자인 시스템(Design Systems) 구축, Feature-Sliced Design (FSD) 아키텍처
 - **Contradictions/Notes:** Tailwind CSS는 일관성 있는 디자인 시스템 구축과 장기적인 CSS 번들 크기 축소에 탁월한 효율을 보이지만 [4, 19], 구조가 복잡한 컴포넌트에서는 HTML 클래스 속성이 과도하게 길어지고(Verbose JSX) 독자적이고 세밀한 커스텀 디자인을 구현하기에는 미리 정의된 시스템이 제약으로 작용할 수 있다는 상반된 평가가 존재합니다 [19, 48, 49]. 또한, 런타임에서 스타일을 생성하는 기존의 CSS-in-JS(예: styled-components)는 동적 테마 설정에 유리하지만 [50], 최신 React Server Components(RSC) 환경과 본질적으로 호환되지 않으며 성능 오버헤드를 발생시켜 최근에는 Zero-runtime 방식이나 CSS Modules, Tailwind로 전환되는 추세입니다 [51-55].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind).md b/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind).md
index 53f204c2..df704577 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 CSS 아키텍처(CSS Modules & Tailwind).md	
@@ -22,8 +22,8 @@
     2025년 이후의 엔지니어링 팀은 두 기술의 장점을 모두 취하는 혼합(Hybrid) 방식을 자주 채택합니다 [6-8]. 레이아웃이나 간격 배치 등 속도와 일관성이 중요한 영역에서는 Tailwind CSS를 적용하고, 복잡한 애니메이션이나 정밀한 커스텀 스타일링이 필요한 특정 컴포넌트에서는 CSS Modules나 SCSS를 사용하는 방식입니다 [7, 8, 21]. 이러한 전략은 개발 경험(DX)을 높이고 유지보수를 용이하게 하며 런타임 성능 저하 없이 대규모 애플리케이션을 지탱할 수 있게 합니다 [22, 23].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[BEM (Block Element Modifier)]], [[유틸리티 퍼스트 CSS(Utility-first CSS)]], [[디자인 토큰(Design Tokens)]], [[CSS-in-JS]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트(Enterprise Frontend Projects)]], [[컴포넌트 기반 아키텍처(Component-based Architecture)]]
+- **Related Topics:** [[BEM (Block Element Modifier)]], 유틸리티 퍼스트 CSS(Utility-first CSS), [[디자인 토큰(Design Tokens)]], [[CSS-in-JS]], [[React Server Components (RSC)]]
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트(Enterprise Frontend Projects), [[컴포넌트 기반 아키텍처(Component-based Architecture)]]
 - **Contradictions/Notes:** Tailwind CSS를 사용할 때 과거의 인라인 스타일(Inline Styles) 작성 방식으로 회귀하는 것 같아 마크업이 지저분해진다고 비판하는 시각이 존재합니다. 하지만 실제로는 사전 정의된 디자인 시스템을 활용하고 번들 사이즈 최적화가 보장되기 때문에 인라인 스타일과는 근본적으로 다른 아키텍처 이점을 갖는다고 소스들은 평가합니다 [2, 5, 24-26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 대규모 프론트엔드 CSS 설계.md b/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 대규모 프론트엔드 CSS 설계.md
index 428a0cbf..82c2e174 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 대규모 프론트엔드 CSS 설계.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/유지보수 가능한 대규모 프론트엔드 CSS 설계.md	
@@ -31,7 +31,7 @@
 *   **Feature-Sliced 구조 (도메인 기반 모듈화):** 파일 타입이 아니라 실제 기능(Feature)을 기준으로 구조를 나누어, UI 로직과 스타일 파일을 하나의 폴더 안에 응집시킵니다 (`src/features/...`) [48, 49]. 이렇게 하면 애플리케이션의 특정 기능을 삭제할 때 관련된 스타일 CSS 코드도 함께 정리되어 기술 부채가 쌓이지 않게 됩니다 [48, 49].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[BEM]], [[CSS Modules]], [[Tailwind CSS]], [[CSS Flexbox]], [[CSS Grid]], [[컨테이너 쿼리 (Container Queries)]], [[유체 타이포그래피 (Fluid Typography)]], [[디자인 토큰 (Design Tokens)]], [[Reflow 및 Repaint]]
+- **Related Topics:** [[BEM]], [[CSS Modules]], [[Tailwind CSS]], CSS Flexbox, [[CSS Grid]], [[컨테이너 쿼리 (Container Queries)]], 유체 타이포그래피 (Fluid Typography), [[디자인 토큰 (Design Tokens)]], [[Reflow 및 Repaint]]
 - **Projects/Contexts:** [[대규모 프론트엔드 프로젝트]], [[디자인 시스템 (Design Systems)]], [[Feature-Sliced Design (FSD)]]
 - **Contradictions/Notes:** Tailwind CSS는 CSS 코드 파일이 기하급수적으로 늘어나는 현상을 막아주고 개발 속도를 극대화하지만 HTML 클래스 구문이 장황해지고 직관적인 가독성이 떨어질 수 있다는 논쟁이 있습니다 [50, 51]. 반대로 BEM이나 CSS Modules는 마크업은 깔끔하게 유지되나 네이밍이나 컴포넌트 관리가 복잡해질 수 있어, 엔지니어링 팀의 성향 및 프레임워크 호환성(예: React Server Components 사용 여부)에 따라 툴을 혼합하거나 신중히 선택해야 합니다 [52, 53].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/유지보수성(Maintainability).md b/10_Wiki/Topics/Frontend_Mastery/유지보수성(Maintainability).md
index 832340cb..9e6fae92 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유지보수성(Maintainability).md
+++ b/10_Wiki/Topics/Frontend_Mastery/유지보수성(Maintainability).md
@@ -21,7 +21,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[CSS 구조 설계 방식]], [[BEM]], [[CSS Modules]], [[Tailwind CSS]], [[디자인 시스템(Design Systems)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트 아키텍처(Large Frontend Projects Architecture)]], [[Feature-Sliced Design]]
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트 아키텍처(Large Frontend Projects Architecture), [[Feature-Sliced Design]]
 - **Contradictions/Notes:** BEM 방법론은 명명 규칙을 통해 유지보수성을 높이지만 사람의 규율에 의존하므로 프로젝트가 커지면 충돌 위험이 존재하는 반면, CSS Modules는 빌드 도구를 통해 이름 충돌을 원천 차단하여 캡슐화를 보장한다는 차이가 있습니다 [8, 10, 26]. 더불어 CSS-in-JS는 스타일과 로직의 결합으로 유지보수성이 향상되지만, Tailwind CSS나 CSS Modules 같은 제로 런타임 솔루션에 비해 런타임 성능 오버헤드와 번들 크기 증가라는 뚜렷한 단점이 존재합니다 [12, 27, 28].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/유틸리티 퍼스트(Utility-first).md b/10_Wiki/Topics/Frontend_Mastery/유틸리티 퍼스트(Utility-first).md
index a50c9586..129f860d 100644
--- a/10_Wiki/Topics/Frontend_Mastery/유틸리티 퍼스트(Utility-first).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/유틸리티 퍼스트(Utility-first).md	
@@ -21,8 +21,8 @@
   이러한 한계를 극복하기 위해 엔터프라이즈 엔지니어링 팀은 하이브리드 아키텍처를 채택하기도 합니다. 속도와 일관성 확보에 유리한 전반적인 레이아웃과 간격에는 유틸리티 퍼스트(Tailwind CSS)를 사용하고, 복잡한 애니메이션이나 정교한 상태 제어 및 고유의 선택자가 필요한 특수 컴포넌트에는 CSS Modules이나 SCSS를 병행하여 사용하는 전략을 구사합니다 [13-15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Tailwind CSS]], [[CSS Modules]], [[BEM]], [[디자인 시스템 개념]], [[관심사 분리(Separation of Concerns)]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 아키텍처]], [[React 및 Next.js 애플리케이션 설계]], [[하이브리드 스타일링 전략]]
+- **Related Topics:** [[Tailwind CSS]], [[CSS Modules]], [[BEM]], [[디자인 시스템 개념]], 관심사 분리(Separation of Concerns)
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 아키텍처, React 및 Next.js 애플리케이션 설계, 하이브리드 스타일링 전략
 - **Contradictions/Notes:** 유틸리티 퍼스트 방식은 개발 속도를 높이고 글로벌 CSS의 스코핑(Scoping) 문제를 효과적으로 해결한다는 찬사를 받지만, 동시에 HTML 마크업이 지나치게 길어지는 단점 때문에 일부 개발자들 사이에서는 '과거 2000년대의 인라인 스타일로의 회귀'라는 비판을 받으며 팀 내에서 호불호가 갈리기도 합니다 [7, 9, 10, 16, 17].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md b/10_Wiki/Topics/Frontend_Mastery/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md
index 18ff235e..6011035c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계.md	
@@ -1,4 +1,4 @@
-# [[이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계]]
+# 이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계
 
 ## 📌 Brief Summary
 이커머스 모바일 최적화 및 상품 탐색 UX/UI 설계는 제한된 모바일 화면에서도 사용자가 상품을 쉽게 탐색하고 결제에 이를 수 있도록 유연한 레이아웃과 반응형 디자인을 적용하는 과정입니다 [1]. 모든 화면 크기에서 상품 이미지를 우선시하며, 장바구니 담기와 같은 주요 행동에 목적 있는 애니메이션 피드백을 제공하여 쇼핑 경험의 마찰을 줄이고 직관성을 높이는 것이 핵심입니다 [2], [1].
@@ -12,8 +12,8 @@
     *   **결제 및 진행 상태**: 사용자가 주문을 완료하고 결제를 진행하는 동안, 스켈레톤 스크린(skeleton screens)이나 진행률 표시 애니메이션을 제공하면 체감 대기 시간을 줄이고 시스템이 정상적으로 로딩 중이라는 확신을 줄 수 있습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[반응형 웹 디자인(Responsive Web Design)]], [[컨테이너 쿼리(Container Queries)]], [[CSS Grid와 Flexbox]], [[마이크로 인터랙션(Micro-interactions)]]
-- **Projects/Contexts:** [[이커머스 컴포넌트 기반 레이아웃 설계]], [[모바일 퍼스트(Mobile-First) UI 개발]]
+- **Related Topics:** 반응형 웹 디자인(Responsive Web Design), [[컨테이너 쿼리(Container Queries)]], CSS Grid와 Flexbox, [[마이크로 인터랙션(Micro-interactions)]]
+- **Projects/Contexts:** 이커머스 컴포넌트 기반 레이아웃 설계, 모바일 퍼스트(Mobile-First) UI 개발
 - **Contradictions/Notes:** 소스에 따르면, 이커머스 모바일 최적화는 단순히 데스크톱 화면의 크기를 줄이는 방식이 아닙니다. 데스크톱용 화면을 억지로 축소하면 텍스트가 너무 작아지고 요소들이 답답하게 배치되므로, 처음부터 가장 작은 모바일 화면을 기준으로 필수 요소를 우선 배치(모바일 퍼스트)하는 접근법을 강력히 권장합니다 [8]. 또한 애니메이션은 시각적 장식이 아닌 시스템 상태 전달 등 명확한 목적(기능)을 가질 때만 유효하며, 과도한 애니메이션은 피해야 합니다 [9], [10].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/전자상거래 플랫폼 (E-commerce Platforms).md b/10_Wiki/Topics/Frontend_Mastery/전자상거래 플랫폼 (E-commerce Platforms).md
index 18a11cd5..f86b8a3f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/전자상거래 플랫폼 (E-commerce Platforms).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/전자상거래 플랫폼 (E-commerce Platforms).md	
@@ -16,8 +16,8 @@
   * 마케팅 캠페인이나 시즌별 프로모션에 맞춰 기본 비즈니스 기능을 손상시키지 않고 다양한 테마를 적용하여 사이트의 디자인을 신속하게 변경할 수 있습니다 [11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Component-Based Architecture (CBA)]]
-- **Projects/Contexts:** [[제품 카탈로그 및 장바구니 시스템 (Product Catalogs and Shopping Carts)]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[Component-Based Architecture (CBA)]]
+- **Projects/Contexts:** 제품 카탈로그 및 장바구니 시스템 (Product Catalogs and Shopping Carts)
 - **Contradictions/Notes:** 소스 [5]에서는 높은 수준의 상호작용이 필요한 전자상거래 웹사이트에 CSR이 흔히 사용된다고 언급합니다. 하지만 다른 소스들은 검색 엔진 최적화(SEO)와 최신 데이터 제공의 중요성 때문에 제품 탐색 및 세부 페이지에는 SSR 또는 ISR을 사용하는 것이 훨씬 이상적이고 필수적이라고 강조합니다 [1, 4, 7].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/점진적 정적 재생성 (ISR).md b/10_Wiki/Topics/Frontend_Mastery/점진적 정적 재생성 (ISR).md
index c36d0bdf..49354f0a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/점진적 정적 재생성 (ISR).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/점진적 정적 재생성 (ISR).md	
@@ -19,8 +19,8 @@
   - 정적 파일 내보내기(Static exports) 방식과는 호환되지 않으며, 캐싱 및 배포 레이어를 관리하는 데 복잡성이 추가됩니다 [9, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[정적 사이트 생성 (SSG)]], [[서버 사이드 렌더링 (SSR)]]
-- **Projects/Contexts:** [[Next.js]], [[Nuxt 3]], [[대규모 이커머스 및 콘텐츠 플랫폼]]
+- **Related Topics:** 정적 사이트 생성 (SSG), 서버 사이드 렌더링 (SSR)
+- **Projects/Contexts:** [[Next.js]], Nuxt 3, 대규모 이커머스 및 콘텐츠 플랫폼
 - **Contradictions/Notes:** ISR은 실시간에 가까운 데이터(Near real-time)를 제공하며 안정성을 보장하지만, 백그라운드에서 재검증이 수행되기 전이거나 재생성 도중 백엔드 문제가 발생할 경우 사용자에게 필연적으로 이전의 오래된(Stale) 데이터가 지속해서 노출될 수 있다는 점을 유의해야 합니다 [8, 10, 11].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/차선 모델과 작업 우선순위 (Lane Model & Priorities).md b/10_Wiki/Topics/Frontend_Mastery/차선 모델과 작업 우선순위 (Lane Model & Priorities).md
index 30b0b4f4..b0657c0a 100644
--- a/10_Wiki/Topics/Frontend_Mastery/차선 모델과 작업 우선순위 (Lane Model & Priorities).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/차선 모델과 작업 우선순위 (Lane Model & Priorities).md	
@@ -23,8 +23,8 @@ React의 차선 모델(Lane Model)은 Concurrent 렌더링을 지원하기 위
 이러한 차선 모델은 React 18 및 19에서 무거운 연산 중에도 UI가 반응성을 유지하도록 돕는 `useTransition` 및 `useDeferredValue`와 같은 동시성(Concurrent) 기능을 가능하게 하는 핵심 기반 아키텍처입니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], [[React Scheduler]], [[useTransition & useDeferredValue]]
-- **Projects/Contexts:** [[React 16, 18, 19 Rendering Updates]]
+- **Related Topics:** [[React Fiber Architecture]], [[Concurrent Rendering]], React Scheduler, useTransition & useDeferredValue
+- **Projects/Contexts:** React 16, 18, 19 Rendering Updates
 - **Contradictions/Notes:** 소스 간의 모순된 주장은 없으며, 제공된 모든 소스는 React 스케줄러와 차선 모델이 사용자 경험을 저해하는 렌더링 블로킹을 해소하고 성능을 최적화하는 데 필수적인 역할을 한다는 점에 동의합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/초기 로드 시간 (Initial Load Time).md b/10_Wiki/Topics/Frontend_Mastery/초기 로드 시간 (Initial Load Time).md
index 81a95b89..d896945f 100644
--- a/10_Wiki/Topics/Frontend_Mastery/초기 로드 시간 (Initial Load Time).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/초기 로드 시간 (Initial Load Time).md	
@@ -20,8 +20,8 @@
   * **중요 렌더링 경로 단축:** 비판적인(Non-critical) 자바스크립트에 `async`나 `defer` 속성을 추가하고, 불필요한 DOM 조작을 줄여 브라우저의 파서 차단을 방지해야 합니다 [40-42].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[중요 렌더링 경로 (Critical Rendering Path)]], [[클라이언트 사이드 렌더링 (CSR)]], [[서버 사이드 렌더링 (SSR)]], [[정적 사이트 생성 (SSG)]], [[하이드레이션 (Hydration)]]
-- **Projects/Contexts:** [[웹 성능 최적화 (Web Performance Optimization)]], [[React 아키텍처 설계]]
+- **Related Topics:** [[중요 렌더링 경로 (Critical Rendering Path)]], [[클라이언트 사이드 렌더링 (CSR)]], 서버 사이드 렌더링 (SSR), 정적 사이트 생성 (SSG), [[하이드레이션 (Hydration)]]
+- **Projects/Contexts:** 웹 성능 최적화 (Web Performance Optimization), React 아키텍처 설계
 - **Contradictions/Notes:** SSR은 검색 엔진 최적화(SEO) 및 초기 콘텐츠 렌더링(FCP) 속도 개선에 뛰어나지만, 페이지마다 HTML을 동적으로 생성하므로 초기 TTFB(Time to First Byte)가 느려질 수 있으며 하이드레이션에 의해 상호작용 가능 시간(TTI)이 지연되는 단점이 있습니다 [8, 26, 43, 44]. 반면 CSR은 초기 콘텐츠 표시는 가장 느리지만(FCP 지연), 로드가 끝난 후의 인터랙션 반응성은 즉각적이고 부드러운 특징을 보입니다 [45, 46].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/컨테이너 쿼리 (Container Queries).md b/10_Wiki/Topics/Frontend_Mastery/컨테이너 쿼리 (Container Queries).md
index 344f97ee..6abd8ecc 100644
--- a/10_Wiki/Topics/Frontend_Mastery/컨테이너 쿼리 (Container Queries).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/컨테이너 쿼리 (Container Queries).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[반응형 웹 디자인 (Responsive Web Design)]], [[미디어 쿼리 (Media Queries)]], [[디자인 시스템 (Design Systems)]], [[CSS Grid]], [[유동적 타이포그래피 (Fluid Typography)]]
-- **Projects/Contexts:** [[SaaS 대시보드 컴포넌트 개발]], [[재사용 가능한 UI 모듈 설계]]
+- **Projects/Contexts:** SaaS 대시보드 컴포넌트 개발, 재사용 가능한 UI 모듈 설계
 - **Contradictions/Notes:** 컨테이너 쿼리는 뷰포트 기반 미디어 쿼리를 완전히 대체하는 것이 아닙니다. 페이지 전체의 구조(예: 헤더, 푸터, 사이드바 배치 등)에는 여전히 미디어 쿼리와 CSS Grid가 사용되며, 컨테이너 쿼리는 그 내부의 개별 컴포넌트(카드, 폼 등)가 배치된 환경에 유연하게 적응하도록 돕는 상호 보완적인 역할을 수행합니다 [1, 4, 8].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (CBA).md b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (CBA).md
index 56f21a46..5e7b0189 100644
--- a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (CBA).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (CBA).md	
@@ -30,7 +30,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[모놀리식 아키텍처 (Monolithic Architecture)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]], [[프론트엔드 프레임워크 (React, Angular, Vue)]], [[관심사의 분리 (Separation of Concerns)]], [[가상 DOM (Virtual DOM)]]
-- **Projects/Contexts:** [[엔터프라이즈급 대규모 시스템 확장 (Uber, PayPal, Walmart)]], [[모던 UI/UX 프론트엔드 개발]], [[FAB Builder (No-code 개발 플랫폼)]]
+- **Projects/Contexts:** 엔터프라이즈급 대규모 시스템 확장 (Uber, PayPal, Walmart), 모던 UI/UX 프론트엔드 개발, FAB Builder (No-code 개발 플랫폼)
 - **Contradictions/Notes:** 컴포넌트 기반 접근법은 애플리케이션의 유연성과 재사용성을 극대화하여 유지보수를 돕지만, 너무 잘게 쪼개는 '오버 엔지니어링(Over-engineering)'을 할 경우 오히려 통합 오버헤드, 성능 저하 및 인지 부하를 증가시키는 부작용(Trade-off)을 초래할 수 있습니다 [20, 23, 24, 31]. 
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (React, Vue 등).md b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (React, Vue 등).md
index 311c40b8..7c8783ff 100644
--- a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (React, Vue 등).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 (React, Vue 등).md	
@@ -11,8 +11,8 @@
 * **확장 가능한 디렉토리 구조 (Scalable Directory Structure):** 애플리케이션이 커지고 컴포넌트 수가 많아질 경우, 컴포넌트 파일들을 기능(Feature) 또는 도메인 기반으로 그룹화하는 구조가 권장됩니다 [22], [23], [24]. 특정 비즈니스 로직과 관련된 컴포넌트 및 그 스타일 파일을 기능별 폴더에 응집시키면, 향후 기능 삭제나 리팩토링 시 관련 스타일도 함께 안전하게 제거할 수 있어 코드 팽창(CSS Bloat)을 막고 유지보수성을 크게 높일 수 있습니다 [25], [26], [24].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS Modules]], [[CSS-in-JS]], [[BEM]], [[Container Queries]], [[Tailwind CSS]], [[Single-File Components]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트의 확장 가능한 폴더 구조 (Feature-Driven Architecture)]], [[React Server Components(RSC) 환경에서의 스타일링 도구 선택 및 마이그레이션 전략]]
+- **Related Topics:** [[CSS Modules]], [[CSS-in-JS]], [[BEM]], [[Container Queries]], [[Tailwind CSS]], Single-File Components
+- **Projects/Contexts:** 대규모 프론트엔드 프로젝트의 확장 가능한 폴더 구조 (Feature-Driven Architecture), React Server Components(RSC) 환경에서의 스타일링 도구 선택 및 마이그레이션 전략
 - **Contradictions/Notes:** CSS-in-JS(Styled-Components, Emotion 등)는 컴포넌트 로직과 스타일을 함께 두어 개발자 경험을 크게 향상시킨다고 평가받습니다 [11], [27]. 하지만 런타임 시점의 성능 오버헤드, 번들 크기 증가, 그리고 무엇보다 최신 React Server Components(RSC) 환경과의 비호환성 문제로 인해, 최근 대규모 프로젝트에서는 Tailwind CSS, CSS Modules 또는 Vanilla Extract와 같은 Zero-runtime 솔루션으로 회귀하는 추세가 강하게 나타나고 있습니다 [28], [29], [30], [31], [13], [32].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 개념 수집 포인트.md b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 개념 수집 포인트.md
index 7b75de98..19d58408 100644
--- a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 개념 수집 포인트.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처 개념 수집 포인트.md	
@@ -20,8 +20,8 @@
 * **과도한 엔지니어링(Over-Engineering) 위험:** 시스템의 모듈화를 지나치게 추구하여 컴포넌트를 너무 작고 잘게 분할하면(Granularity 문제), 오히려 시스템이 파편화되고 개발자가 파악해야 할 인지적 부하와 관리 복잡성이 기하급수적으로 증가합니다 [19, 26].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Monolithic Architecture]], [[Microservices Architecture]], [[Separation of Concerns]]
-- **Projects/Contexts:** [[Frontend UI Libraries (React, Angular, Vue)]], [[Enterprise Software Development]]
+- **Related Topics:** Monolithic Architecture, Microservices Architecture, Separation of Concerns
+- **Projects/Contexts:** Frontend UI Libraries (React, Angular, Vue), Enterprise Software Development
 - **Contradictions/Notes:** 컴포넌트 기반 아키텍처는 유연성과 재사용성을 제공하여 개발 속도와 유지보수성을 극대화하지만, 맹목적으로 모듈화를 추구하여 컴포넌트를 너무 세밀하게 쪼개면 오히려 의존성 관리가 복잡해지고 통신 오버헤드로 인한 성능 저하를 유발할 수 있습니다. 따라서 적절한 컴포넌트 단위(Granularity)를 설정하는 것이 성능 최적화의 관건입니다 [19, 22, 26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처(Component-Based Architecture).md b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처(Component-Based Architecture).md
index 9d745b98..03fabda8 100644
--- a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처(Component-Based Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처(Component-Based Architecture).md	
@@ -21,7 +21,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM]], [[CSS Modules]], [[CSS-in-JS]], [[Tailwind CSS]], [[디자인 시스템(Design Systems)]], [[Container Queries]]
-- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트(Large Frontend Projects)]], [[모던 React/Vue 애플리케이션 구조]]
+- **Projects/Contexts:** [[대규모 프론트엔드 프로젝트(Large Frontend Projects)]], 모던 React/Vue 애플리케이션 구조
 - **Contradictions/Notes:** 컴포넌트 스타일링 방식에서 Tailwind CSS는 개발 속도를 높이고 컴포넌트와 스타일을 함께 관리할 수 있지만 JSX 마크업이 매우 길어질 수 있는 단점이 있다. 반면, CSS Modules나 SCSS는 마크업을 깔끔하게 유지하고 복잡한 애니메이션을 다루기 좋으나, 스타일 파일과 컴포넌트 파일을 오가야 하는 컨텍스트 스위칭(Context switching) 비용이 발생하므로 프로젝트의 성격과 팀의 구성에 따라 적절한 선택이 필요하다 [12, 14, 15, 24, 25].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처.md b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처.md
index 3c47aba1..53c42c02 100644
--- a/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/컴포넌트 기반 아키텍처.md	
@@ -19,7 +19,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BEM]], [[CSS Modules]], [[CSS-in-JS]], [[Tailwind CSS]], [[Container Queries]], [[디자인 시스템]]
-- **Projects/Contexts:** [[React/Vue/Angular 프레임워크]], [[대규모 프론트엔드 프로젝트]], [[확장 가능한 스타일 시스템]]
+- **Projects/Contexts:** React/Vue/Angular 프레임워크, [[대규모 프론트엔드 프로젝트]], [[확장 가능한 스타일 시스템]]
 - **Contradictions/Notes:** 컴포넌트의 스타일링 방식으로 Tailwind CSS와 같은 유틸리티 클래스가 빠르고 일관된 디자인을 구축하는 데 유리하지만 [19], 런타임 동적 테마 구현이나 강력한 캡슐화가 필요한 경우 CSS-in-JS나 CSS Modules와 혼합(Hybrid)하여 사용하는 전략이 권장되기도 합니다 [20, 21]. 반면 CSS-in-JS는 훌륭한 개발자 경험과 컴포넌트 기반 스타일링을 제공함에도 불구하고, 런타임 성능 오버헤드와 React Server Components(RSC)와의 호환성 문제로 인해 최근에는 점차 정적인 방식(Zero-runtime)이나 CSS Modules로 회귀하는 추세도 있습니다 [15, 22, 23].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/콘텐츠 기반의 이커머스 및 뉴스 웹사이트 성능 튜닝.md b/10_Wiki/Topics/Frontend_Mastery/콘텐츠 기반의 이커머스 및 뉴스 웹사이트 성능 튜닝.md
index c84caf14..563784e5 100644
--- a/10_Wiki/Topics/Frontend_Mastery/콘텐츠 기반의 이커머스 및 뉴스 웹사이트 성능 튜닝.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/콘텐츠 기반의 이커머스 및 뉴스 웹사이트 성능 튜닝.md	
@@ -10,8 +10,8 @@
 *   **이미지 및 대규모 리스트 렌더링 최적화:** 이커머스와 뉴스 사이트는 대량의 이미지를 포함합니다. WebP나 AVIF 같은 최신 포맷 사용, 기기 해상도에 맞춘 반응형 크기 제공, 네이티브 지연 로딩(`loading="lazy"`)을 통해 초기 페이지 로드 가중치를 줄이고 LCP(Largest Contentful Paint)를 개선해야 합니다 [6, 22]. 또한 뉴스 피드나 대규모 상품 리스트(100개 이상)를 렌더링할 때는 화면에 보이는 항목만 렌더링하는 '가상화(Virtualization)'를 적용하여 수천 개의 DOM 노드 생성으로 인한 렌더링 지연 및 버벅거림을 방지해야 합니다 [23, 24].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Server-Side Rendering (SSR)]], [[Incremental Static Regeneration (ISR)]], [[Hydration]], [[React Server Components]]
-- **Projects/Contexts:** [[대규모 상품 카탈로그 및 뉴스 포털 구축]], [[Next.js를 활용한 하이브리드 렌더링 최적화]]
+- **Related Topics:** [[Server-Side Rendering (SSR)]], Incremental Static Regeneration (ISR), [[Hydration]], [[React Server Components]]
+- **Projects/Contexts:** 대규모 상품 카탈로그 및 뉴스 포털 구축, Next.js를 활용한 하이브리드 렌더링 최적화
 - **Contradictions/Notes:** SSR은 뛰어난 FCP와 SEO 이점을 제공하지만, 하이드레이션 과정이 완료될 때까지 페이지 상호작용이 지연(TTI 저하)되어 사용자가 클릭 시 반응하지 않는 등 체감 성능과 사용자 경험이 하락할 수 있다는 트레이드오프가 존재합니다 [5, 25, 26].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼 UI 개발(Cross-Platform UI Development).md b/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼 UI 개발(Cross-Platform UI Development).md
index 30f1b3f3..9f4bc29b 100644
--- a/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼 UI 개발(Cross-Platform UI Development).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼 UI 개발(Cross-Platform UI Development).md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[디자인 시스템 개념]], [[Design Tokens]], [[Style Dictionary]], [[반응형 디자인]]
-- **Projects/Contexts:** [[다중 플랫폼 디자인 시스템 구축(Multi-Platform Design Systems)]], [[디자인-개발 워크플로우 자동화(Design-to-Code Workflow)]]
+- **Projects/Contexts:** 다중 플랫폼 디자인 시스템 구축(Multi-Platform Design Systems), 디자인-개발 워크플로우 자동화(Design-to-Code Workflow)
 - **Contradictions/Notes:** 소스는 웹, iOS, Android 등 각각의 플랫폼마다 개별적으로 UI 스타일 값을 하드코딩하는 방식을 피하고, 중앙 집중화된 토큰을 통한 자동화 변환 방식을 채택해야 한다고 주장합니다 [2, 3]. 크로스 플랫폼 UI 프레임워크 자체의 구현 세부 사항은 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼(Web, iOS, Android) UI 개발 및 배포 파이프라인.md b/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼(Web, iOS, Android) UI 개발 및 배포 파이프라인.md
index b8c49ef5..8a61206c 100644
--- a/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼(Web, iOS, Android) UI 개발 및 배포 파이프라인.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/크로스 플랫폼(Web, iOS, Android) UI 개발 및 배포 파이프라인.md	
@@ -23,7 +23,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[디자인 시스템(Design Systems)]], [[디자인 토큰(Design Tokens)]], [[Style Dictionary]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 아키텍처]], [[단일 진실 공급원(Single Source of Truth) 기반 협업]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 아키텍처, 단일 진실 공급원(Single Source of Truth) 기반 협업
 - **Contradictions/Notes:** 플러그인을 활용한 파이프라인 구축 시 기술적 한계가 존재할 수 있습니다. 예를 들어, Figma Tokens 플러그인은 실시간 스타일 동기화가 제대로 되지 않거나 오토 레이아웃 값을 지원하지 않는 등의 버그가 보고된 바 있습니다 [10, 11]. Toolabs Design System Manager는 동기화 측면에서 우수하지만, 세밀한 타이포그래피 토큰 분리 생성에 제약이 있는 등 완벽한 단일 툴은 없으므로 프로젝트에 맞는 구성과 약간의 수동 설정이 필요합니다 [12, 13].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/크리티컬 렌더링 패스 (Critical Rendering Path).md b/10_Wiki/Topics/Frontend_Mastery/크리티컬 렌더링 패스 (Critical Rendering Path).md
index 4f81342f..b3171753 100644
--- a/10_Wiki/Topics/Frontend_Mastery/크리티컬 렌더링 패스 (Critical Rendering Path).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/크리티컬 렌더링 패스 (Critical Rendering Path).md	
@@ -18,7 +18,7 @@
 *   이미지나 폰트는 일반적으로 초기 렌더링을 지연시키는 차단 리소스로 취급되지 않지만 [27], 요소의 치수를 미리 제공하지 않으면 이미지가 로드된 후 레이아웃이 다시 계산되는 리플로우(Reflow) 현상이 발생하여 성능이 저하될 수 있습니다 [19, 20, 27].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[DOM (Document Object Model)]], [[CSSOM (CSS Object Model)]], [[렌더 트리 (Render Tree)]], [[리플로우 (Reflow)]], [[리페인트 (Repaint)]]
+- **Related Topics:** [[DOM (Document Object Model)]], CSSOM (CSS Object Model), 렌더 트리 (Render Tree), 리플로우 (Reflow), 리페인트 (Repaint)
 - **Projects/Contexts:** 프론트엔드 성능 최적화(Frontend Performance Optimization) 작업이나 Lighthouse, Chrome DevTools, WebPageTest와 같은 성능 감사 도구를 통해 렌더링 병목 현상을 파악하고 해결하는 맥락에서 빈번하게 다뤄집니다 [28-30].
 - **Contradictions/Notes:** 전통적으로 크리티컬 렌더링 패스는 '최초 렌더링(First Paint)'을 위해 필요한 최소한의 과정을 의미하지만, 최근의 웹 성능 측정은 첫 페인트를 넘어 실제 유의미한 콘텐츠가 사용자에게 보여지는 시점인 LCP(Largest Contentful Paint) 등을 포괄하는 '크리티컬 콘텐츠 렌더링 패스(Critical Contentful Rendering Path)'에 집중해야 한다는 관점도 대두되고 있습니다 [26, 31].
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/클라이언트 사이드 렌더링 (CSR).md b/10_Wiki/Topics/Frontend_Mastery/클라이언트 사이드 렌더링 (CSR).md
index aa32db32..b76c5b72 100644
--- a/10_Wiki/Topics/Frontend_Mastery/클라이언트 사이드 렌더링 (CSR).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/클라이언트 사이드 렌더링 (CSR).md	
@@ -21,8 +21,8 @@
     CSR은 SEO가 중요하지 않고 고도의 상호작용이 요구되는 환경에 완벽하게 부합합니다 [8, 13]. 예를 들어 인증 벽(Login Wall) 뒤에 있는 내부 비즈니스 애플리케이션, 실시간 데이터 업데이트가 필요한 사용자 대시보드, 복잡한 상태 관리가 필요한 SaaS 플랫폼 등이 이에 해당합니다 [3, 8, 9, 13, 19].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[서버 사이드 렌더링 (SSR)]], [[정적 사이트 생성 (SSG)]], [[싱글 페이지 애플리케이션 (SPA)]], [[수화 (Hydration)]]
-- **Projects/Contexts:** [[React]], [[Vue.js]], [[SaaS 플랫폼 개발]]
+- **Related Topics:** 서버 사이드 렌더링 (SSR), 정적 사이트 생성 (SSG), 싱글 페이지 애플리케이션 (SPA), 수화 (Hydration)
+- **Projects/Contexts:** React, Vue.js, SaaS 플랫폼 개발
 - **Contradictions/Notes:** 대부분의 소스는 CSR 환경에서 브라우저가 대규모 JavaScript를 실행해야 하므로 초기 로드 속도(First Contentful Paint 등)가 느리다고 설명합니다 [4, 7, 9, 12, 16]. 하지만 소스 [20]은 "서버 측 연산이 필요 없기 때문에 초기 렌더링(FCP)이 번개처럼 빠르다"고 주장하여 다른 자료들의 성능 평가와 명백한 모순을 보입니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/타이핑에 즉각 반응해야 하는 검색창 (Search-as-you-type).md b/10_Wiki/Topics/Frontend_Mastery/타이핑에 즉각 반응해야 하는 검색창 (Search-as-you-type).md
index d1565a32..f2165089 100644
--- a/10_Wiki/Topics/Frontend_Mastery/타이핑에 즉각 반응해야 하는 검색창 (Search-as-you-type).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/타이핑에 즉각 반응해야 하는 검색창 (Search-as-you-type).md	
@@ -10,8 +10,8 @@
 * **디바운싱 vs `useTransition`:** 두 방식 모두 불필요한 작업을 줄여주지만, React의 렌더링 모델 내에서 UI 업데이트를 컴포넌트 수준에서 지연시킬 때는 `useTransition`이 더 나은 선택입니다 [4]. 반면, 단순히 백엔드 API 호출 빈도 자체를 낮추는 것이 주된 목적이라면 여전히 디바운싱이 가장 좋은 방법으로 권장됩니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Debouncing]], [[useTransition]], [[Concurrent Rendering]]
-- **Projects/Contexts:** [[데이터 집약적 애플리케이션의 필터링 및 자동완성 구현]], [[React 성능 최적화 (Performance Optimization)]]
+- **Related Topics:** Debouncing, [[useTransition]], [[Concurrent Rendering]]
+- **Projects/Contexts:** 데이터 집약적 애플리케이션의 필터링 및 자동완성 구현, React 성능 최적화 (Performance Optimization)
 - **Contradictions/Notes:** 소스에서는 컴포넌트 수준에서 UI 업데이트를 지연시켜 앱이 더 빠르게 느껴지게 하는 데는 `useTransition`이 더 적합하다고 주장하지만, API 호출의 빈도 자체를 낮추는 목적에 있어서는 디바운싱이 여전히 최선의 선택이라고 구분하여 설명하고 있습니다 [4].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해 핵심 목적.md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해 핵심 목적.md
index 79b50497..838c6af2 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해 핵심 목적.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해 핵심 목적.md	
@@ -17,7 +17,7 @@
     초기 로딩 속도, 검색 엔진 최적화(SEO), 상호작용성의 균형을 맞추기 위해 다양한 웹 렌더링 전략을 적재적소에 활용하는 것도 중요한 구조적 접근입니다 [27-29]. 브라우저에서 동적으로 UI를 렌더링하는 CSR(Client-Side Rendering), 서버에서 매 요청마다 HTML을 완성하는 SSR(Server-Side Rendering), 빌드 타임에 정적 파일을 제공하는 SSG(Static Site Generation) 등을 이해해야 합니다 [27, 30-33]. 최근에는 클라이언트 측 자바스크립트 번들 사이즈를 줄이고 메인 스레드 부하를 낮추기 위해 서버에서만 실행되는 React Server Components(RSC) 모델로까지 발전하고 있습니다 [34-39].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], [[Reflow and Repaint]], [[Component-Based Architecture]], [[Web Rendering Strategies (CSR, SSR, SSG, RSC)]]
+- **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], [[Reflow and Repaint]], [[Component-Based Architecture]], Web Rendering Strategies (CSR, SSR, SSG, RSC)
 - **Projects/Contexts:** [[React Performance Optimization]]
 - **Contradictions/Notes:** 렌더링 방식 선택에 있어 SSR은 브라우저에 완성된 HTML을 빠르게 전송하여 초기 콘텐츠 노출(FCP)과 SEO에는 유리하지만, 자바스크립트를 다운로드하고 연결하는 '수화(Hydration)' 과정이 완료되기 전까지는 사용자와 상호작용할 수 없어 TTI(Time to Interactive)가 지연된다는 뚜렷한 한계가 존재합니다 [27, 30, 40-44]. 반면 CSR은 초기 로드 속도나 SEO 측면에서는 불리하지만 로딩 완료 후의 동적인 상호작용성은 훨씬 뛰어나므로, 서비스의 목적에 맞는 트레이드오프(Trade-off) 전략 수립이 필수적입니다 [27, 40, 44]. 
 
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해.md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해.md
index 81d3b6c9..46690b62 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 기초 구조 이해.md	
@@ -29,8 +29,8 @@
 *   **효과:** 이 구조는 한 번 만든 컴포넌트를 여러 곳에서 재사용할 수 있게 하여 개발 속도를 높입니다(Reusability) [4, 54]. 또한, 모듈성을 바탕으로 한 구성 요소가 다른 요소에 영향을 미치지 않고 독립적으로 테스트 및 유지보수될 수 있으므로, 대규모 시스템에서의 확장성(Scalability)과 팀 간 병렬 개발을 돕습니다 [4, 54-56].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], [[Reconciliation 및 Fiber 아키텍처]], [[컴포넌트 기반 아키텍처(CBA)]], [[웹 렌더링 전략(CSR, SSR, SSG)]]
-- **Projects/Contexts:** [[Next.js를 활용한 하이브리드 렌더링]], [[React Server Components (RSC)]], [[React Compiler 및 Automatic Batching 적용]]
+- **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], Reconciliation 및 Fiber 아키텍처, 컴포넌트 기반 아키텍처(CBA), 웹 렌더링 전략(CSR, SSR, SSG)
+- **Projects/Contexts:** Next.js를 활용한 하이브리드 렌더링, [[React Server Components (RSC)]], React Compiler 및 Automatic Batching 적용
 - **Contradictions/Notes:** 소스 X[44-46]는 SSR이 SEO와 초기 콘텐츠 로딩(FCP) 측면에서 유리하다고 주장하지만, 동시에 브라우저가 대용량 JavaScript 번들을 다운로드하고 하이드레이션(Hydration)을 마칠 때까지 사용자와의 상호작용(TTI)이 심각하게 지연되는 단점이 존재한다고 설명합니다. 한편, 소스 Y[57, 58]는 React Compiler가 도입되어 수동 메모이제이션의 90%를 자동으로 처리한다고 밝히고 있으나, Effect의 의존성 제어가 필요한 특정 상황이나 서드파티 라이브러리 연동 시에는 여전히 `useMemo` 및 `useCallback`과 같은 수동 제어가 필요함을 지적합니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 렌더링 최적화(Rendering Optimization).md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 렌더링 최적화(Rendering Optimization).md
index 8e4e66c1..49fd2999 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 렌더링 최적화(Rendering Optimization).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 렌더링 최적화(Rendering Optimization).md	
@@ -34,7 +34,7 @@ React 16부터 도입된 파이버(Fiber) 아키텍처는 동기식으로 진행
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Critical Rendering Path]], [[Reflow and Repaint]], [[Virtual DOM]], [[React Fiber Architecture]], [[Hydration]], [[Server-Side Rendering (SSR)]], [[Client-Side Rendering (CSR)]], [[React Compiler]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[Next.js 기반 웹 성능 최적화 프로젝트]], [[대규모 데이터 대시보드 및 이커머스 플랫폼 렌더링 전략 구축]]
+- **Projects/Contexts:** Next.js 기반 웹 성능 최적화 프로젝트, 대규모 데이터 대시보드 및 이커머스 플랫폼 렌더링 전략 구축
 - **Contradictions/Notes:** 소스에 따르면 CSR은 동적인 상호작용성(Interactive)에 강점이 있으나 초기 로딩 속도와 SEO에 한계가 있는 반면, SSR은 초기 콘텐츠 표시와 SEO에는 유리하지만 하이드레이션(Hydration)이 완료되기 전까지 사용자의 입력이 차단되는(TBT/TTI 지연) 상충 관계(Trade-off)를 갖습니다 [7, 37, 61-64]. 또한 최근 도입된 React Compiler는 자동으로 세분화된 수준(Fine-Grained)의 메모이제이션을 수행하지만, `useLocation`이나 `useMutation` 처럼 렌더링마다 새로운 객체를 반환하여 참조 안정성(Reference Equality)을 깨뜨리는 서드파티 라이브러리를 사용할 경우 자동 최적화가 무력화되어 수동 메모이제이션이 여전히 필요할 수 있습니다 [49, 65-67].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 및 SEO 개선 프로젝트.md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 및 SEO 개선 프로젝트.md
index 71de0a1f..d23e6374 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 및 SEO 개선 프로젝트.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 및 SEO 개선 프로젝트.md	
@@ -21,8 +21,8 @@
   - **React Compiler:** 2024년에 안정화된 이 도구는 `useMemo`, `useCallback` 등을 통한 개발자의 수동 메모이제이션 부담을 없앤다. 빌드 타임에 코드와 데이터 흐름을 정적으로 분석하여 필요한 부분에 자동으로 메모이제이션 경계를 삽입함으로써, 코드가 훨씬 간결해지고 렌더링 성능이 크게 향상된다 [10, 11, 63-65].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], [[Server-Side Rendering]], [[Client-Side Rendering]], [[Hydration]], [[React Fiber]], [[React Compiler]], [[React Server Components]]
-- **Projects/Contexts:** [[단일 페이지 애플리케이션(SPA)]], [[Next.js를 활용한 하이브리드 렌더링]]
+- **Related Topics:** [[Critical Rendering Path]], [[Virtual DOM]], Server-Side Rendering, Client-Side Rendering, [[Hydration]], [[React Fiber]], [[React Compiler]], [[React Server Components]]
+- **Projects/Contexts:** 단일 페이지 애플리케이션(SPA), Next.js를 활용한 하이브리드 렌더링
 - **Contradictions/Notes:** 소스 [66]과 [67]에 따르면, React Compiler가 적용된 후 React DevTools 프로파일러에 `Memo ✨` 배지가 표시된다고 해서 컴포넌트의 최적화가 반드시 성공했음을 의미하는 것은 아니다. props가 불안정한 참조를 계속 반환하는 일부 서드파티 라이브러리를 사용할 경우, 컴파일러가 이를 제어하지 못해 리렌더링이 발생할 수 있으므로 이러한 상황에서는 여전히 제한적인 수동 메모이제이션이 필요할 수 있다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 전략.md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 전략.md
index 9ff26920..eff2e928 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 전략.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화 전략.md	
@@ -24,7 +24,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Critical Rendering Path]], [[Reflow and Repaint]], [[Client-Side Rendering (CSR)]], [[Server-Side Rendering (SSR)]], [[React Server Components]], [[Virtual DOM]], [[React Fiber Architecture]], [[React Compiler]], [[Automatic Batching]]
-- **Projects/Contexts:** [[Core Web Vitals (LCP, INP, CLS) 최적화 작업]], [[대규모 단일 페이지 애플리케이션(SPA) 아키텍처 설계]]
+- **Projects/Contexts:** Core Web Vitals (LCP, INP, CLS) 최적화 작업, 대규모 단일 페이지 애플리케이션(SPA) 아키텍처 설계
 - **Contradictions/Notes:** 수동 메모이제이션(`useMemo`, `useCallback`)은 오랫동안 프론트엔드 최적화의 필수 원칙이었으나, 가벼운 컴포넌트에서는 얕은 비교 연산 자체가 렌더링보다 높은 오버헤드를 유발할 수 있다 [79, 80]. 최근 React Compiler의 등장으로 인해 개발자가 직접 메모이제이션을 관리할 필요성이 사라지는 방향으로 패러다임이 진화하고 있다 [53, 81]. 또한 SSR은 초기 콘텐츠 로딩(FCP)과 SEO 측면에서 유리하지만, 서버에서 가져온 HTML에 JavaScript를 연결하는 Hydration 과정에서 메인 스레드가 블로킹되면 사용자의 상호작용이 지연되는 병목(높은 TTI) 현상이 일어날 수 있으므로 무조건적인 해결책이 아니라는 점을 유의해야 한다 [30, 82-86].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화(Frontend Performance Optimization).md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화(Frontend Performance Optimization).md
index 400110bf..ad941b31 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화(Frontend Performance Optimization).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 성능 최적화(Frontend Performance Optimization).md	
@@ -20,8 +20,8 @@
 - **React 서버 컴포넌트 (React Server Components, RSC):** 상호작용이 필요 없는 정적 컴포넌트를 서버에서만 실행하고 결과 HTML과 직렬화된 지침(React Flight 프로토콜)만을 클라이언트에 스트리밍하는 아키텍처입니다. 클라이언트로 전송되는 자바스크립트 번들 크기를 0으로 만들어 하이드레이션 자체를 생략하므로, 성능(INP 등)이 대폭 향상되며 클라이언트와 서버 간의 데이터 폭포(Waterfall) 현상을 서버 수준에서 병렬로 해결할 수 있습니다 [94-109].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[브라우저 렌더링 과정(Critical Rendering Path)]], [[가상 DOM 및 재조정(Virtual DOM and Reconciliation)]], [[React Fiber 아키텍처]], [[하이드레이션(Hydration)]], [[웹 렌더링 전략(CSR, SSR, SSG, ISR)]], [[React 서버 컴포넌트(React Server Components)]], [[React Compiler]]
-- **Projects/Contexts:** [[Next.js를 활용한 웹 애플리케이션의 하이브리드 렌더링 구축]], [[Core Web Vitals (LCP, INP, CLS) 지표 측정 및 개선]]
+- **Related Topics:** 브라우저 렌더링 과정(Critical Rendering Path), 가상 DOM 및 재조정(Virtual DOM and Reconciliation), [[React Fiber 아키텍처]], 하이드레이션(Hydration), 웹 렌더링 전략(CSR, SSR, SSG, ISR), React 서버 컴포넌트(React Server Components), [[React Compiler]]
+- **Projects/Contexts:** Next.js를 활용한 웹 애플리케이션의 하이브리드 렌더링 구축, Core Web Vitals (LCP, INP, CLS) 지표 측정 및 개선
 - **Contradictions/Notes:** 서버 사이드 렌더링(SSR)은 클라이언트 사이드 렌더링(CSR)에 비해 초기 화면 렌더링 속도(FCP)가 빠르고 검색 엔진 최적화(SEO)에 매우 유리하다는 강력한 이점을 지니지만 [71, 110], 자바스크립트를 로드하고 HTML 요소에 이벤트 리스너 등을 부착하는 하이드레이션(Hydration) 과정을 거쳐야 하므로 실제 사용자가 상호작용할 수 있는 시간(TTI)은 CSR의 로드 직후 반응성보다 다소 지연될 수 있다는 트레이드오프가 존재합니다 [71, 84, 111, 112].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 프레임워크 (React, Angular, Vue).md b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 프레임워크 (React, Angular, Vue).md
index 725bf7e0..d88483d3 100644
--- a/10_Wiki/Topics/Frontend_Mastery/프론트엔드 프레임워크 (React, Angular, Vue).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/프론트엔드 프레임워크 (React, Angular, Vue).md	
@@ -22,7 +22,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** `[[Component-Based Architecture]]`, `[[Client-Side Rendering (CSR)]]`, `[[Server-Side Rendering (SSR)]]`, `[[Virtual DOM]]`, `[[React Fiber]]`
-- **Projects/Contexts:** `[[Next.js 및 Nuxt.js를 활용한 하이브리드 웹 렌더링 최적화]]`, `[[Reflow 및 Repaint 최소화를 통한 브라우저 렌더링 개선]]`
+- **Projects/Contexts:** `Next.js 및 Nuxt.js를 활용한 하이브리드 웹 렌더링 최적화`, `Reflow 및 Repaint 최소화를 통한 브라우저 렌더링 개선`
 - **Contradictions/Notes:** 제공된 소스 데이터는 프론트엔드 프레임워크의 전반적인 개념(컴포넌트 구조, CSR/SSR)을 다루고 있으나, 기술적 작동 원리와 최적화 아키텍처(Virtual DOM, Fiber, Compiler, 자동 일괄 처리 등)에 대한 설명은 React에 압도적으로 편중되어 있습니다. Angular와 Vue는 개념을 설명하기 위한 예시로만 언급됩니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/피처 슬라이스 디자인 (Feature-Sliced Design).md b/10_Wiki/Topics/Frontend_Mastery/피처 슬라이스 디자인 (Feature-Sliced Design).md
index f3f50d40..2e3bf804 100644
--- a/10_Wiki/Topics/Frontend_Mastery/피처 슬라이스 디자인 (Feature-Sliced Design).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/피처 슬라이스 디자인 (Feature-Sliced Design).md	
@@ -10,8 +10,8 @@
 - **기술 부채(Technical Debt) 감소 및 확장성**: 명확한 역할 분담을 통해 확장 가능하고(scalable) 유지보수하기 좋은(maintainable) 프론트엔드 프로젝트를 구축할 수 있으며, 이 구조적 접근은 장기적으로 기술 부채를 현저히 감소시킵니다 [2-4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Architecture]], [[Frontend Architecture]]
-- **Projects/Contexts:** [[대규모 프론트엔드 개발 (Large Frontend Projects)]], [[유지보수 가능한 프론트엔드 구축 (Maintainable Frontend Architecture)]]
+- **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Architecture]], Frontend Architecture
+- **Projects/Contexts:** 대규모 프론트엔드 개발 (Large Frontend Projects), 유지보수 가능한 프론트엔드 구축 (Maintainable Frontend Architecture)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족하여 피처 슬라이스 디자인 자체의 내부 계층 구조(어떤 계층들이 존재하는지 등)에 대한 구체적이고 깊이 있는 설명은 포함할 수 없습니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/확장 가능한 스타일 시스템.md b/10_Wiki/Topics/Frontend_Mastery/확장 가능한 스타일 시스템.md
index e1fa600c..164862b6 100644
--- a/10_Wiki/Topics/Frontend_Mastery/확장 가능한 스타일 시스템.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/확장 가능한 스타일 시스템.md	
@@ -27,8 +27,8 @@
   * 아키텍처 측면에서는 기능 주도(Feature-driven) 또는 도메인 주도로 폴더를 구조화하여, 특정 기능 삭제 시 관련 CSS도 쉽게 함께 폐기(Dead code elimination)할 수 있도록 설계해야 유지보수가 수월합니다 [37, 38].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[CSS 구조 설계 방식]], [[BEM 방법론]], [[CSS Modules]], [[Tailwind CSS 전략]], [[디자인 토큰(Design Tokens)]], [[Flexbox와 CSS Grid 아키텍처]], [[컨테이너 쿼리(Container Queries)]], [[유동적 타이포그래피(Fluid Typography)]], [[리플로우 및 리페인트(Reflow & Repaint)]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 환경]], [[디자인 시스템 구축 파이프라인]], [[기능 주도 아키텍처(Feature-driven Architecture)]]
+- **Related Topics:** [[CSS 구조 설계 방식]], BEM 방법론, [[CSS Modules]], Tailwind CSS 전략, [[디자인 토큰(Design Tokens)]], Flexbox와 CSS Grid 아키텍처, [[컨테이너 쿼리(Container Queries)]], [[유동적 타이포그래피(Fluid Typography)]], [[리플로우 및 리페인트(Reflow & Repaint)]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 환경, 디자인 시스템 구축 파이프라인, 기능 주도 아키텍처(Feature-driven Architecture)
 - **Contradictions/Notes:** Tailwind CSS와 같은 유틸리티 우선(Utility-first) 접근 방식은 개발 속도 향상, 일관성 유지, CSS 번들 사이즈 최적화에 탁월하지만 긴 클래스 이름으로 인해 HTML 마크업이 장황해지고 가독성이 떨어지는 단점이 있습니다 [15, 16]. 반면, SCSS나 CSS Modules는 마크업을 깔끔하게 유지해주지만, 클래스 작명에 따른 피로도와 별도 파일 이동 등 컨텍스트 전환(Context switching) 비용이 발생합니다 [16, 39]. 따라서 현대의 실무 환경에서는 전반적인 레이아웃과 간격에는 Tailwind를 사용하고, 미세하고 복잡한 스타일링이 필요한 컴포넌트에는 CSS Modules를 결합하여 사용하는 하이브리드(Hybrid) 전략이 채택되기도 합니다 [40-43].
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처 구축.md b/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처 구축.md
index 84d33441..b1dd5e70 100644
--- a/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처 구축.md	
+++ b/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처 구축.md	
@@ -19,7 +19,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Design Tokens]], [[Atomic Design]], [[Compound Components]], [[Monorepo]], [[Feature-Sliced Design (FSD)]], [[Tailwind CSS]], [[Styled Components]]
-- **Projects/Contexts:** [[Uber Base Web]], [[Shopify Polaris]], [[Next.js App Router (RSC)]]
+- **Projects/Contexts:** [[Uber Base Web]], [[Shopify Polaris]], Next.js App Router (RSC)
 - **Contradictions/Notes:** 소스 [7, 9, 29]는 대규모 및 서버 사이드(SSR/RSC) 환경에서 런타임 비용이 없고 번들 크기가 작은 Tailwind CSS(정적 유틸리티 방식)가 성능면에서 우수하다고 주장합니다. 그러나 소스 [10, 30]에서는 Styled Components가 컴포넌트 내부에서 동적 상태(Props)에 따른 스타일 변경이 필요하거나 복잡한 런타임 테마 전환이 필요한 애플리케이션에서는 높은 유연성과 개발자 경험(DX)을 제공한다고 반론하며 각 기술의 트레이드오프를 명확히 보여줍니다.
 
 ---
diff --git a/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처(Scalable Frontend Architecture).md b/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처(Scalable Frontend Architecture).md
index 3d45f27b..f89cbbcb 100644
--- a/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처(Scalable Frontend Architecture).md	
+++ b/10_Wiki/Topics/Frontend_Mastery/확장 가능한 프론트엔드 아키텍처(Scalable Frontend Architecture).md	
@@ -27,8 +27,8 @@
 *   **기능/도메인 중심 폴더 아키텍처 (Feature-Driven Structure):** 프론트엔드 프로젝트에서 단순 파일 유형(컴포넌트, 훅, 유틸 등) 기반 그룹화가 아니라, 실제 비즈니스 기능(도메인)을 기준으로 폴더(예: `src/features/[feature-name]/`)를 나누어 관심사를 분리합니다 [52-56]. 이는 코드가 방대해지더라도 기능 삭제나 리팩토링 시 잔여 CSS나 불필요한 코드가 남는 것을 방지하여 유지보수성을 크게 높여줍니다 [56, 57].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]], [[Flexbox 및 CSS Grid]], [[Container Queries]], [[디자인 토큰(Design Tokens)]], [[Reflow 및 Repaint 최적화]], [[Feature-Driven Architecture]]
-- **Projects/Contexts:** [[대규모 엔터프라이즈 프론트엔드 시스템 구축]], [[다중 플랫폼 지원을 위한 디자인 시스템 연동]], [[유지보수와 성능을 고려한 반응형 UI/UX 설계]]
+- **Related Topics:** [[BEM (Block Element Modifier)]], [[CSS Modules]], [[Tailwind CSS]], Flexbox 및 CSS Grid, [[Container Queries]], [[디자인 토큰(Design Tokens)]], [[Reflow 및 Repaint 최적화]], [[Feature-Driven Architecture]]
+- **Projects/Contexts:** 대규모 엔터프라이즈 프론트엔드 시스템 구축, 다중 플랫폼 지원을 위한 디자인 시스템 연동, 유지보수와 성능을 고려한 반응형 UI/UX 설계
 - **Contradictions/Notes:** 
   - 과거에는 Styled Components나 Emotion 같은 런타임 기반의 CSS-in-JS가 강력한 동적 스타일링 기능으로 인기를 끌었으나, 성능 오버헤드와 React Server Components(RSC)와의 비호환성 문제로 인해 2025/2026년 현대 아키텍처에서는 점차 기피되고 있습니다 [58-60]. 대신 제로 런타임 솔루션인 CSS Modules, Tailwind CSS, Vanilla Extract 등이 차세대 대안으로 적극 권장됩니다 [61, 62].
   - Tailwind CSS는 빠른 개발과 일관된 토큰 사용에 유리하지만, 기존 CSS의 핵심(박스 모델, 레이아웃 엔진, 종속성 등)을 제대로 이해하지 못한 팀이 사용할 경우, 도구의 종류와 무관하게 일관성 없는 레이아웃과 디버깅의 어려움을 겪을 수 있다는 아키텍처 관점의 경고도 존재합니다 [63].
diff --git a/10_Wiki/Topics/Game Design/4X 시스템 (4X System).md b/10_Wiki/Topics/Game Design/4X 시스템 (4X System).md
index 26975346..ad321918 100644
--- a/10_Wiki/Topics/Game Design/4X 시스템 (4X System).md	
+++ b/10_Wiki/Topics/Game Design/4X 시스템 (4X System).md	
@@ -16,8 +16,8 @@
   * 최근 4X 장르의 경쟁이 치열해지면서, 더 넓은 유저층을 유입시키기 위해 기존 4X 메커니즘 위에 RPG, 매치3 퍼즐, 머지(Merge) 요소 등을 결합하는 '장르 혼합(Genre-blending)' 전략이 핵심 트렌드로 자리 잡았다 [16-18].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[모네타이제이션 (Monetization)]], [[영구적 손실 (Permanent Loss)]], [[타임 게이팅 (Time-gating)]], [[장르 혼합 (Genre-blending)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone]], [[Kingdoms of Camelot]]
+- **Related Topics:** 모네타이제이션 (Monetization), [[영구적 손실 (Permanent Loss)]], 타임 게이팅 (Time-gating), 장르 혼합 (Genre-blending)
+- **Projects/Contexts:** Game of War: Fire Age, [[Machine Zone]], Kingdoms of Camelot
 - **Contradictions/Notes:** 전통적인 PC 4X 게임(예: 에이지 오브 엠파이어)은 플레이어가 전투의 모든 과정을 시각적으로 확인하고 통제하지만, 모바일 4X 게임은 전투 과정을 생략하고 결과만 보고서 형태로 제공하여 전투 최적화를 계산적인 메타게임의 영역으로 넘겼다는 차이점이 있습니다 [4, 19].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/4X 전략 게임 수익화 모델.md b/10_Wiki/Topics/Game Design/4X 전략 게임 수익화 모델.md
index f607be42..84c6f6fc 100644
--- a/10_Wiki/Topics/Game Design/4X 전략 게임 수익화 모델.md	
+++ b/10_Wiki/Topics/Game Design/4X 전략 게임 수익화 모델.md	
@@ -21,8 +21,8 @@
 *   **이중 VIP 시스템 (Layered VIP System):** 누적 과금액으로 영구적인 VIP '레벨'이 오르지만, 이 레벨에 따른 강력한 버프 혜택을 실제로 받기 위해서는 일정 시간만 지속되는 'VIP 활성화(Activation)' 아이템을 지속적으로 소비해야 합니다 [27, 28]. 활성화 비용 때문에 고래(Whale) 유저조차도 혜택을 유지하려면 게임 경제에 계속해서 돈을 지불해야 합니다 [29, 30].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], [[마찰 지점 공략 (Point of Friction)]], [[적자 경제 (Deficit Economy)]], [[이중 VIP 시스템 (Dual-layer VIP System)]], [[즉각적 수익화 vs 점진적 수익화]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Fate War]], [[Rise of Kingdoms]], [[Puzzles & Survival]], [[Evony]]
+- **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], 마찰 지점 공략 (Point of Friction), [[적자 경제 (Deficit Economy)]], 이중 VIP 시스템 (Dual-layer VIP System), 즉각적 수익화 vs 점진적 수익화
+- **Projects/Contexts:** Game of War: Fire Age, [[Fate War]], [[Rise of Kingdoms]], [[Puzzles & Survival]], Evony
 - **Contradictions/Notes:** 소스 [11, 14]는 초기부터 적극적인 팝업과 압박적인 이벤트 구조로 즉각적인 결제를 유도하는 것이 성공적인 수익화 모델이라 분석하는 반면, 소스 [15-17]은 오히려 초반 과금 압박을 배제하고 게임플레이 몰입도를 높인 뒤 유저가 스스로 필요성을 느낄 때 자연스럽게 결제를 제안하는 '점진적 방식'이 장기적인 신뢰와 리텐션 형성에 동등하게 효과적인 전략이라고 설명하며, 장르 내에서도 상반된 디자인 철학이 공존함을 보여줍니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/4X 전략.md b/10_Wiki/Topics/Game Design/4X 전략.md
index f4675b07..bf520cf9 100644
--- a/10_Wiki/Topics/Game Design/4X 전략.md	
+++ b/10_Wiki/Topics/Game Design/4X 전략.md	
@@ -17,8 +17,8 @@
 *   **엔드게임(Endgame) 및 장르 융합(Genre-Blending):** 4X 게임의 최종 목표는 왕국 내의 'Wonder' 쟁탈전이나 다른 서버와 통째로 맞붙는 '왕국 간 전쟁(KvK)'에 참전하는 것이다 [37-40]. 최근 치열해진 시장 경쟁 속에서 새로운 4X 게임들은 매치3, 퍼즐, RPG 등의 캐주얼 요소를 도입하여 더 넓은 대중을 유입시킨 후 심도 있는 4X 후반부로 연결하는 '장르 융합' 전략을 통해 성공을 거두고 있다 [41-44].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[수익화 모델(BM)]], [[VIP 시스템]], [[소셜 엔지니어링(Social Engineering)]], [[왕국 간 전쟁(KvK)]], [[장르 융합(Genre-Blending)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone(MZ)]], [[Mobile Strike]], [[Puzzles & Survival]], [[State of Survival]]
+- **Related Topics:** 수익화 모델(BM), [[VIP 시스템]], 소셜 엔지니어링(Social Engineering), 왕국 간 전쟁(KvK), 장르 융합(Genre-Blending)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone(MZ), [[Mobile Strike]], [[Puzzles & Survival]], State of Survival
 - **Contradictions/Notes:** 4X 게임의 과금 전략과 관련하여 소스들은 두 가지 뚜렷한 대비를 보여줍니다. 초기 세션부터 HUD에 과금 알림과 이벤트 팝업을 가득 띄워 반복적인 소액 결제를 유도하는 방식(예: Evony)이 있는 반면, 초기에는 결제 압박을 피하고 게임 서사와 핵심 루프에 몰입시킨 후 필요해지는 시점에 선택적 과금으로 신뢰를 쌓아가는 방식(예: Rise of Kingdoms)이 서로 공존하며 성공을 거두고 있습니다 [22-24, 45].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/AI Exploitation.md b/10_Wiki/Topics/Game Design/AI Exploitation.md
index 07c35986..d1ec9bd8 100644
--- a/10_Wiki/Topics/Game Design/AI Exploitation.md	
+++ b/10_Wiki/Topics/Game Design/AI Exploitation.md	
@@ -11,7 +11,7 @@ AI Exploitation(AI 공략)은 'War Commander'의 전투 환경에서 적 AI의 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Baiting]], [[Combat Controls]], [[Defensive Stances]]
-- **Projects/Contexts:** [[War Commander 전투 생태계]], [[기지 방어선 무력화 (Cracking an entrenched defense)]]
+- **Projects/Contexts:** War Commander 전투 생태계, 기지 방어선 무력화 (Cracking an entrenched defense)
 - **Contradictions/Notes:** 적 유닛이 'Fire at Will'이나 일반 상태일 때는 적을 유인하는 AI 추적 논리가 잘 작동하지만, 방어자가 방어 유닛을 'Stand Ground'나 'Hold Position'으로 설정해두면 적 AI가 위치를 고수하므로 미끼 전술이 전혀 작동하지 않는다는 명확한 예외가 존재합니다 [2, 3].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Agency and Player Autonomy.md b/10_Wiki/Topics/Game Design/Agency and Player Autonomy.md
index c97e69c7..96d5545f 100644
--- a/10_Wiki/Topics/Game Design/Agency and Player Autonomy.md	
+++ b/10_Wiki/Topics/Game Design/Agency and Player Autonomy.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-72AAF4
-category: "[[10_Wiki/💡 Topics/Game Design]]"
+category: "10_Wiki/💡 Topics/Game Design"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Agency and Player Autonomy"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Agency and Player Autonomy.md]]
+
 ---
diff --git a/10_Wiki/Topics/Game Design/Alliance (동맹).md b/10_Wiki/Topics/Game Design/Alliance (동맹).md
index cf8961e2..74f8ba72 100644
--- a/10_Wiki/Topics/Game Design/Alliance (동맹).md	
+++ b/10_Wiki/Topics/Game Design/Alliance (동맹).md	
@@ -26,8 +26,8 @@ Game of War에서 동맹(Alliance)은 최대 100명의 플레이어로 구성되
     *   왕국 대 왕국(KvK) 이벤트와 같은 거대한 서버전 역시 동맹 단위의 철저한 협력과 준비를 기반으로 이루어집니다 [20, 21].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[IAP Kick-back System]], [[Wonder (원더)]], [[Social Engineering (사회공학)]], [[KvK (Kingdom vs Kingdom)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 및 경제 구조 분석]], [[4X 전략 게임의 수익화 모델]]
+- **Related Topics:** IAP Kick-back System, Wonder (원더), Social Engineering (사회공학), KvK (Kingdom vs Kingdom)
+- **Projects/Contexts:** Game of War: Fire Age BM 및 경제 구조 분석, 4X 전략 게임의 수익화 모델
 - **Contradictions/Notes:** 동맹은 플레이어 간의 상호 원조를 통해 게임 진행을 돕고 보호를 제공하는 필수적인 시스템이지만, 동시에 다른 동맹원들의 과금에 편승하기만 하면 추방당할 수 있다는 강력한 '과금 압박 메커니즘'으로 작용하는 양면성을 가집니다 [3, 7, 10].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Alliances-and-Sector-Hegemony.md b/10_Wiki/Topics/Game Design/Alliances-and-Sector-Hegemony.md
new file mode 100644
index 00000000..b603181f
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Alliances-and-Sector-Hegemony.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-ALLIANCES-AND-SECTOR-HEGEMONY
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 동맹 및 섹터 패권(Alliances and Sector Hegemony)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+동맹(Alliances)은 최대 200명의 플레이어가 모여 전투 지원, 자원 보호, 영토 통제 등을 위해 협력하는 게임 내 그룹입니다 [1, 2]. 특정 섹터에서 대다수의 기지를 차지한 거대한 동맹은 비공식적인 규칙을 강제하고 타 플레이어를 통제하며 섹터 패권(Sector Hegemony)을 장악하게 됩니다 [3, 4]. 이러한 패권은 자원 확보, 전투 메커니즘, 그리고 전략적 집단행동이 결합된 사회·정치적 형태로 나타나며 섹터 내의 교전 법칙을 좌우합니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **동맹의 기본 구조와 역할:** 동맹은 최대 200명의 플레이어로 구성되어 공통의 목표를 위해 공격을 조율하고 기지 방어를 돕는 그룹입니다 [1, 4]. 동맹원들은 정보(Intel)를 공유하고 전투 시 백업을 제공하며, 베테랑 플레이어들이 신규 플레이어의 이벤트 진행을 돕기도 합니다 [6]. 동맹은 방어적, 공격적 목적이나 영토 통제를 위해 운영되며, 구성원 간의 효과적인 의사소통을 통해 효율성을 얻습니다 [2].
+*   **섹터 메커니즘과 전략적 이동:** War Commander의 월드 맵은 200개의 독립된 섹터로 나뉘어 있으며, 각 섹터는 고유한 월드 맵과 리더보드를 가집니다 [7, 8]. 플레이어는 일주일에 한 번 섹터를 변경할 수 있지만, '악명 프리시즌(Infamy Preseasons)' 기간에는 이 대기 시간 제한이 사라집니다 [7, 8]. 동맹들은 이 기간을 활용해 단일 섹터로 병력을 집결시키고 주요 분쟁에 대비하는 전략적 이동을 수행합니다 [8].
+*   **섹터 패권과 비공식 규칙 강제:** 한 섹터 내에서 기지의 80% 등 압도적인 다수를 차지하는 지배적인 동맹은 해당 섹터에서 허용되는 행동에 대한 비공식적인 규칙을 설정할 수 있습니다 [3, 4]. 이들은 비회원들을 위협하거나 지속적으로 기지를 파괴하겠다고 협박함으로써 "동맹 지도부의 허락 없이 동맹원의 기지를 공격할 수 없다"와 같은 규칙을 강제합니다 [3, 4]. 이에 대항하여 비회원들이 스스로 동맹을 결성하거나, 라이벌 동맹 간에 전쟁, 휴전, 혹은 새로운 연합을 맺는 등 복잡한 외교전이 발생합니다 [9, 10].
+*   **전술적 통제와 가두기(Jailing):** 섹터 지배력을 행사하기 위한 대표적인 전술적 수단은 '가두기(Jailing)'입니다 [3, 4]. 이는 월드 맵 상에서 라이벌 플레이어의 기지 주변 6개 타일을 동맹의 플래툰(Platoon)으로 완전히 포위하는 전술입니다 [4]. 포위된 플레이어는 자원 채집을 위해 기지를 떠나거나 병력을 배치할 수 없게 되며, 움직이려 할 경우 즉각적인 공격을 받게 됩니다 [3, 4]. 
+*   **자원 거점 및 영토 지배:** 동맹의 패권은 섹터 내의 토륨(Thorium) 등 자원을 안정적으로 획득하고 동맹 전체의 자원 부스트를 위한 통제 지점(Control points)을 확보하는 데 필수적입니다 [5, 9, 11]. 동맹들은 우호적인 비회원에게 자원 매장지를 무료로 넘겨주거나 전투를 지원하기도 하며, 궁극적으로 게임의 전투 메커니즘과 사회적 엔지니어링을 결합하여 영토의 주권을 확립합니다 [5, 11].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** World Map, Platoon, Infamy
+- **Projects/Contexts:** Infamy Preseasons, [[Jailing]]
+- **Contradictions/Notes:** 소스 [3]와 [4]은 적의 기지를 플래툰으로 포위하는 '가두기(Jailing)' 전술이 공식적인 게임 규칙에 위배된다고 명시하지만, 실제 게임 내에서는 섹터 패권과 영토 지배를 유지하기 위한 빈번하고 효과적인 사회·전술적 수단으로 사용된다고 설명합니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Anti-Air-and-Anti-Ground-Combat.md b/10_Wiki/Topics/Game Design/Anti-Air-and-Anti-Ground-Combat.md
new file mode 100644
index 00000000..eaf668ed
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Anti-Air-and-Anti-Ground-Combat.md	
@@ -0,0 +1,42 @@
+---
+id: GAME-WC-ANTI-AIR-AND-ANTI-GROUND-COMBAT
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 대공 및 대지 전투(Anti-Air and Anti-Ground Combat)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+대공 및 대지 전투는 War Commander의 유닛과 방어 시설 간의 상호작용을 지배하는 핵심 전술 시스템입니다. 이 시스템은 공중 유닛이 중장갑을 이기고, 중장갑이 경장갑을 이기며, 경장갑(대공 특화 유닛)이 공중 유닛을 이기는 '가위바위보' 형태의 상성 메커니즘을 기반으로 합니다 [1]. 플레이어는 적의 공격 형태에 맞춰 지상 및 공중 방어력을 적절히 분배해야 하며, 공격 시에는 이러한 상성을 역이용하거나 유닛을 혼합하여 적의 방어선을 무력화해야 합니다 [1, 2].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **가위바위보 상성 체계 (Rock-Paper-Scissors System):** 
+    게임 내에 모든 전장을 압도하는 무적 유닛은 존재하지 않으며 철저히 상성에 의해 전투가 결정됩니다 [1]. 예를 들어, 탱크와 같은 중장갑 유닛은 지상 보병이나 경장갑 유닛을 쉽게 파괴하지만 공중 유닛을 공격할 수 없습니다 [1, 3]. 반대로 개틀링 트럭(Gatling Trucks)이나 대공 탱크(Flak Tanks)는 공중 유닛을 공격하는 데 탁월하지만 지상 유닛을 상대로는 공격할 수 없거나 취약하도록 설계되어 있습니다 [1]. 
+
+*   **대공 전투 (Anti-Air Combat):** 
+    적의 공중 강습이나 헬리콥터를 방어하기 위해서는 특화된 대공 방어망이 필수적입니다 [2]. 
+    *   **방어 시설:** 머신건 터렛(Gun Turrets)과 로켓 사일로(Rocket Silo의 SAM Battery)는 공중 유닛을 타격할 수 있는 주요 방어 구조물입니다 [4-6]. 
+    *   **유닛 구성:** 보병 중 기관총 사수(Machine gunners)와 저격수(Snipers)는 헬리콥터 방어에 효과적이며 [7], 개틀링 트럭과 대공 탱크는 적의 항공기 및 실로에서 쏟아지는 드론(Slayer Drones 등)을 격추하는 핵심 역할을 수행합니다 [1, 8, 9]. 
+    *   **최신 기술:** 최신 방어 시설인 Nightwatch Bunker는 반경 300 이내의 적 항공기에 '난기류(Turbulence)'를 일으켜 적 공중 유닛의 이동과 타겟팅을 전자전 형태로 방해합니다 [10]. 방어 플랫폼 중 Support Aerojet을 사용할 경우 공중 유닛으로부터 받는 피해를 50% 감소시킬 수 있습니다 [11].
+
+*   **대지 전투 (Anti-Ground Combat):** 
+    지상 차량과 보병을 저지하기 위한 전투는 넓은 범위의 타격과 내구력을 중심으로 전개됩니다.
+    *   **방어 시설:** 박격포(Mortar Towers)는 다수의 지상 적 그룹과 차량을 상대하는 데 매우 유용하지만, 공중 유닛은 공격할 수 없는 뚜렷한 한계를 가집니다 [5, 6]. Metronomos Heavy Turret은 점진적으로 빨라지는 연사력과 폭발(Burst) 데미지를 통해 맷집이 강한 탱크를 상대하는 데 특화되어 있습니다 [10, 12].
+    *   **유닛 구성:** 공격 측은 팔라딘(Paladins)이나 메가 탱크(Mega Tanks)처럼 피해를 흡수하는 유닛을 앞세우고, 사거리가 긴 헬파이어 탱크(Hellfire Tanks)로 방어망을 밖에서부터 붕괴시키는 전술을 취합니다 [13]. 보병 중 박격포병(Mortarmen)이나 MAAWS 팀은 경장갑 차량을 분쇄하는 데 최적화되어 있습니다 [7].
+
+*   **혼합 소대 및 전술적 파훼법 (Mixed Platoons and Tactical Exploitation):** 
+    성공적인 전투를 위해서는 약점을 상호 보완하는 대공 및 대지 유닛을 혼합한 소대(예: 개틀링 트럭과 팔라딘 탱크 조합)를 구성하는 것이 중요합니다 [1, 14]. 또한, 적의 고착화된 대공망(예: 대공 탱크나 개틀링 트럭 방어선)을 뚫기 위해 공중 유닛을 활용할 수 없을 때는, 빠른 지상 유닛을 보내 적 대공 유닛을 기지 밖으로 유인(Baiting)하여 아군의 공중 유닛이나 다른 화력망으로 파괴하는 미끼 전술이 필수적으로 사용됩니다 [15-17].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** 가위바위보 상성(Rock-Paper-Scissors System), 미끼 전술(Baiting Tactics), [[혼합 소대(Mixed Platoons)]], 방어 플랫폼 특화(Platform Specialization)
+- **Projects/Contexts:** 기지 방어 레이아웃 설계(Base Defensive Architecture), Arc 2 기술 및 연구 업데이트(March 2026 Research Drop)
+- **Contradictions/Notes:** 제공된 소스 중 Source 5("Best Unit to counter Planes and tanks")는 타 게임인 'Call of War'의 포럼 게시물에 해당합니다 [18, 19]. 따라서 본 보고서에서는 해당 소스 대신 War Commander 세계관에 직접적으로 해당하는 유닛(예: 개틀링 트럭, 대공 탱크, 헬파이어 등)과 메커니즘을 설명하는 위키 및 공식 매뉴얼 소스를 독점적으로 채택하여 정확성을 기했습니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Arc-2-Technology.md b/10_Wiki/Topics/Game Design/Arc-2-Technology.md
new file mode 100644
index 00000000..126979d2
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Arc-2-Technology.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-ARC-2-TECHNOLOGY
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Arc 2 기술(Arc 2 Technology)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Arc 2 기술(Arc 2 Technology)은 게임 'War Commander'의 전투 환경에서 전력의 한계치(power ceiling)를 대폭 상승시킨 진화된 기술 세대입니다 [1]. 이 기술을 기반으로 한 유닛의 진전을 위해서는 기어 경제(Gear Economy)를 통한 고급 재료 확보와 막대한 양의 토륨(Thorium)이 요구됩니다 [2, 3]. 대표적으로 압도적인 스탯과 특수 능력을 지닌 전설적인 보병 드론 'Warlord Onymite'가 이 기술 세대에 속합니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **전투 환경의 진화 및 전력 상한선 증가:** Arc 2 기술은 보병, 지상 차량, 항공기로 나뉘는 각 병과의 진화 경로에 새롭게 도입된 기술로, **전투 환경의 전체적인 전력 상한선을 극적으로 증가**시켰습니다 [1].
+* **산업 물류 및 비용 요구사항:** Arc 2 기술이 적용된 유닛들은 생산과 운용에 수백만 단위의 막대한 토륨(Thorium) 비용이 필요합니다 [3]. 이를 감당하기 위해 사령관(플레이어)은 금속과 석유의 저장 용량을 압축(Compression)을 통해 확장하는 등 복잡한 산업 물류의 관리가 필수적입니다 [3].
+* **PvP 및 기어 경제(Gear Economy)와의 직결:** Arc 2 발전에 필요한 고레벨 재료들은 기어(Gear) 시스템을 통해 획득해야 합니다 [2]. 기어는 타 플레이어의 기지를 공격하는 PvP 활동(Infamy 시스템)을 통해서 지급되므로, **Arc 2 기술로의 발전은 플레이어의 지속적인 PvP 참여를 구조적으로 강제**합니다 [2].
+* **대표적인 Arc 2 유닛 성과:** Arc 2 세대를 대표하는 전설적인 보병 드론 **'워로드 오니마이트(Warlord Onymite)'**는 이 기술의 정점을 보여줍니다 [4, 5]. 이 유닛은 최대 레벨 달성 시 **130,000의 HP와 14,000 이상의 초당 피해량(DPS)**을 가지며, 피격 시 스웜 드론(Swarm Drones) 생성, 360도 이동 및 사격 등의 특수 능력으로 적이 제압하기 매우 어렵게 설계되었습니다 [5-7].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** 토륨(Thorium), 기어 경제(Gear Economy), Warlord Onymite, PvP/악명 시스템(Infamy)
+- **Projects/Contexts:** Sector Breach March 2026
+- **Contradictions/Notes:** 소스 내에서 Arc 2 기술의 작동 방식이나 특징에 대해 상충하는 의견은 없습니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Assault-Platoons.md b/10_Wiki/Topics/Game Design/Assault-Platoons.md
new file mode 100644
index 00000000..dc1bdc85
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Assault-Platoons.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-ASSAULT-PLATOONS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Assault Platoons
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Assault Platoons(공격 소대)은 War Commander에서 적의 기지나 PVE 목표물을 공격하기 위해 배치되는 유닛 그룹입니다 [1-3]. 이들은 주로 탱크와 지상 딜러로 구성된 지상 타격대 또는 헬리콥터 위주의 공중 타격대 형태로 구성됩니다 [1]. 월드 맵에서 목표물 인접 칸에 소대를 배치하여 공격을 수행하며, 타격 방향과 포위 전술에 따라 전투의 효율성이 크게 달라집니다 [2, 4, 5].
+
+## 📖 Core 소스
+*   **공격 소대의 구성 및 유형**: 플레이어의 기지를 공격하는 소대는 일반적으로 두 가지 유형으로 나뉩니다. 첫 번째는 탱크와 DPS(초당 피해량) 지상 유닛이 지원하는 지상 공격 소대이고, 두 번째는 탱크 역할의 헬리콥터와 DPS 헬리콥터를 활용한 공중 공격 소대입니다 [1]. 소대는 다양한 유닛으로 구성될 수 있으며, 적의 편성을 파악하여 보병으로 적의 탱크 소대를 공격하는 등의 실수를 피하는 것이 중요합니다 [6].
+*   **월드 맵에서의 공격 배치 및 메커니즘**: 적을 공격하려면 공격하려는 대상 옆에 소대를 배치해야 합니다 [2]. 소대의 분대(Squad)를 클릭하여 배치하면, 해당 소대가 위치한 방향에서부터 대상 기지를 향해 유닛이 진입합니다 [4]. 제한 인원을 초과하지 않는 한, 유닛이 파괴될 때 증원군을 포함한 추가 분대를 지속적으로 투입할 수 있으며, 이 제한은 기지의 집결지(Staging Area)를 업그레이드하여 늘릴 수 있습니다 [2]. 또한 여러 소대를 이동시켜 적을 포위하면 공격력을 더욱 강화할 수 있으며, 공격 중 소대를 잃을 경우 자동으로 기지로 귀환하여 수리를 진행할 수 있습니다 [5, 6].
+*   **특수 이벤트(Sector Breach)에서의 역할**: 2025년과 2026년에 진행된 'Sector Breach' 이벤트에서 Assault Platoons는 핵심적인 역할을 수행합니다 [3, 7]. 플레이어는 Sarkis 복제 기술로 만들어진 PVE 로그 플레이어 기지를 타격할 때 Assault Platoons 옵션을 선택하여 공격을 진행합니다 [3, 7]. 플레이어의 전투력에 맞춰 General 세트나 Conqueror 세트를 플레이할 수 있으며, Assault Platoons를 이용해 목표물을 타격함으로써 Sector Breach 상점에서 사용할 수 있는 이벤트 경험치(XP)를 획득하게 됩니다 [3, 8].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** World Map Platoons, Staging Area, Sector Breach, [[Combat Controls]]
+- **Projects/Contexts:** [[War Commander → 전투 시스템]]
+- **Contradictions/Notes:** 소스에 공격 소대 편성의 구체적인 유닛별 조합 비율(예: 지상 딜러와 탱크의 황금 비율 등)에 대한 정량적인 수치 등 일부 심층적인 정보는 부족합니다. 다만 성공적인 공격을 위해서는 적 기지의 방어 타워 배치에 맞추어 지상 소대 또는 공중 소대 중 적합한 형태를 선택하거나, 여러 소대로 적을 포위해야 한다는 전술적 원칙이 강조되고 있습니다 [1, 5].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Baiting Tactics.md b/10_Wiki/Topics/Game Design/Baiting Tactics.md
index 52ea5448..e3eedce3 100644
--- a/10_Wiki/Topics/Game Design/Baiting Tactics.md	
+++ b/10_Wiki/Topics/Game Design/Baiting Tactics.md	
@@ -10,8 +10,8 @@
 - **제한 사항 및 방어자의 대응:** 적 방어 병력이 "위치 사수(Hold Position)"나 "Stand Ground" 스탠스로 설정되어 있거나, 대공 및 대지상 유닛이 혼합되어 "공격적(Aggressive)" 스탠스로 단단히 배치된 경우에는 미끼 유닛을 함부로 쫓지 않기 때문에 베이팅 전술이 실패할 수 있습니다 [1, 4]. 이를 방지하기 위해 방어자는 워치타워(Watch Tower)에 헤비 거너(Heavy Gunner)를 배치하여 공중 미끼 전술을 원천 차단하거나, 역으로 긴 사거리의 헬파이어를 방어선에 배치해 적을 유인하는 '블리츠 기지(Blitz Base)' 설계를 구축하기도 합니다 [8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Combat Controls]], [[Defensive Stances]], [[AI Pursuit Logic]]
-- **Projects/Contexts:** [[기지 방어(Base Defense) 배치]], [[비대칭 교전 전술]]
+- **Related Topics:** [[Combat Controls]], [[Defensive Stances]], AI Pursuit Logic
+- **Projects/Contexts:** 기지 방어(Base Defense) 배치, 비대칭 교전 전술
 - **Contradictions/Notes:** 소스는 베이팅이 방어선을 뚫는 가장 중요한 기술이라고 강조하지만, 적 유닛의 상태가 방어적 스탠스("Stand Ground", "Hold Position")로 올바르게 설정된 경우 유닛이 미끼를 쫓아 방어선을 이탈하지 않으므로 이 전술이 작동하지 않는다는 명확한 한계를 지적합니다 [1, 2].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Baiting-and-Combat-Controls.md b/10_Wiki/Topics/Game Design/Baiting-and-Combat-Controls.md
new file mode 100644
index 00000000..37f9a765
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Baiting-and-Combat-Controls.md	
@@ -0,0 +1,42 @@
+---
+id: GAME-WC-BAITING-AND-COMBAT-CONTROLS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 유인 전술 및 전투 통제(Baiting and Combat Controls)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+유인 전술(Baiting)은 인공지능(AI)의 추격 로직을 이용해 방어망 내에 있는 적 유닛을 기지 밖으로 끌어내어 격파하는 War Commander의 핵심적인 공격 전술이다 [1]. 전투 통제(Combat Controls)는 2014년에 도입되어 기존의 정적인 방어 태세를 대체한 시스템으로, 유닛의 세밀한 이동과 공격 방식을 핫키(Hotkey)로 조작할 수 있게 해준다 [2-4]. 플레이어는 이 전투 통제 시스템을 통해 부대를 실시간으로 조작하고 유인 전술과 같은 고도의 부대 마이크로 컨트롤(Micro-management)을 실행하여 전투의 승률을 높일 수 있다 [5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+**전투 통제 시스템 (Combat Controls)**
+2014년 2월 업데이트를 통해 도입된 이 시스템은 AI의 일관성을 높이고 사용자 인터페이스를 개선하기 위해 기존의 방어 태세(Defensive Stances)를 대체했다 [4, 6]. 전투 통제는 주로 핫키를 통해 실행되며, 전투 시 유닛의 행동을 즉각적으로 제어한다.
+*   **어택 땅 (Attack Move, 단축키 A):** 지정된 위치로 이동하며, 이동 경로상에 있는 모든 적과 교전한다 [3, 7].
+*   **이동 (Move, 단축키 M):** 목표 지점을 향해 이동하되, 가는 길에 적이 있어도 멈춰서 사격하지 않는다 [3, 7]. 이 명령은 유인 전술, 우회 기동 및 빠른 재배치에 필수적이다 [7].
+*   **정지 (Stop, 단축키 S):** 선택된 유닛의 모든 현재 명령을 취소하고 움직임을 멈춘다 [3, 7].
+*   **위치 사수 (Hold Position, 단축키 D):** 과거의 'Stand Ground'를 대체하며, 유닛이 제자리에 멈춰서 사거리 내에 들어온 적만 사격하도록 한다 [3, 7].
+*   **자유 사격 (Fire at Will, 단축키 F):** 과거의 'Aggressive' 태세를 대체하며, 유닛이 넓은 반경 내의 적을 적극적으로 추격하여 공격하도록 만든다 [3, 7].
+*   **기타 조작:** 광역(AoE) 피해를 줄이기 위한 '유닛 산개(Spread, 단축키 X)', 모든 적의 체력을 확인하는 '적 체력 표시(단축키 B)', 다중 전선 공격을 위한 '부대 지정(Shift+숫자)' 기능이 포함되어 있다 [4, 8].
+
+**유인 전술 (Baiting)**
+방어 건물의 보호를 받고 있는 적 유닛을 안전하게 처리하기 위해 AI의 추격 성향을 역이용하는 전술이다 [1, 9].
+*   **작동 원리 및 한계:** 유인 전술은 대상 유닛이 '자유 사격(Fire at Will)'이나 '일반' 상태로 설정되어 있을 때만 적중하며, '위치 사수(Hold Position/Stand Ground)' 명령을 받은 유닛에게는 통하지 않는다 [1, 9].
+*   **비대칭 유닛 활용 (Wild Goose Chase):** 특정 유닛을 미끼로 삼아 상성이 불리한 적을 유도한 뒤, 아군의 카운터 유닛으로 처치하는 방식이다 [10]. 예를 들어, 지상 유닛을 보내 적의 전차를 대기 중인 아군의 공중 유닛 쪽으로 헛걸음치게 만들거나, 항공 유닛으로 대공 전차(Flak Tank)를 유인해 아군의 지상 병력 쪽으로 끌어내어 파괴할 수 있다 [1, 9, 10].
+*   **유인 및 강타 (Bait and Bash):** Havoc이나 Warhawk 등 체력이 높거나 빠른 공중 유닛을 미끼로 사용하여 적의 대공 유닛이 움직이기 시작할 때까지 접근한 후, 지원 사격이 가능한 아군 화망으로 유인해 파괴하는 고급 전술이다 [11]. 
+*   **플라즈마 유인 (Plasma Baiting):** 플라즈마 터렛(Plasma Turret)처럼 발사 속도가 느리지만 한 방의 피해량이 큰 방어 시설을 상대할 때 쓴다 [12]. 다수의 소총수(Rifleman)나 체력이 높은 전차를 사거리에 살짝 진입시켜 포탄을 낭비하게 만든 다음, 사거리가 더 긴 헬파이어(Hellfire)로 안전하게 터렛을 파괴할 수 있다 [12].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** AI Pathing and Engagement Logic, 방어 태세(Defensive Stances), 마이크로 컨트롤(Micro-management), 비대칭 유닛 페어링(Asymmetrical Unit Pairings)
+- **Projects/Contexts:** War Commander 전투 생태계(Combat Ecosystem), [[2014 Combat Controls Update]]
+- **Contradictions/Notes:** 소스에 따르면 유인 전술은 '자유 사격(Fire at Will)'이나 기본 상태의 적에게는 게임 내에서 적의 방어선을 뚫는 데 필수적인 역할을 하지만, 상대가 수비 유닛을 '위치 사수(Hold Position/Stand Ground)'로 설정해 두었다면 미끼를 물지 않아 이 전술이 완전히 무력화된다 [1, 9].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Base Layouts.md b/10_Wiki/Topics/Game Design/Base Layouts.md
index 2fddcc58..2b0f24ce 100644
--- a/10_Wiki/Topics/Game Design/Base Layouts.md	
+++ b/10_Wiki/Topics/Game Design/Base Layouts.md	
@@ -14,8 +14,8 @@ War Commander에서 Base Layouts은 사령부(Command Center), 자원 저장소,
 *   **기지 확장(Base Expansion):** 수십억 단위의 자원을 저장하고 점점 복잡해지는 방어망을 구축하기 위해, 플레이어는 사령부의 "Expand Borders(국경 확장)" 업그레이드를 사용하여 기지의 건설 가능 영역을 최대 7번(회당 8%씩) 확장할 수 있습니다 [17-19].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Defensive Grid]], [[Turrets]], [[Baiting Tactics]], [[Command Center]]
-- **Projects/Contexts:** [[War Commander Base Defense Strategy]], [[Geometric Deterrence]]
+- **Related Topics:** Defensive Grid, Turrets, [[Baiting Tactics]], [[Command Center]]
+- **Projects/Contexts:** War Commander Base Defense Strategy, Geometric Deterrence
 - **Contradictions/Notes:** 소스에 따르면 모든 공격을 방어할 수 있는 마법 같은 단일 레이아웃 공식은 존재하지 않으며, 방어자는 리플레이를 관찰하고 공격자와의 끊임없는 메타(Meta) 싸움에 맞춰 기지 레이아웃을 퍼즐처럼 지속해서 변화시켜야 한다고 강조합니다 [1, 6].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Base-Layouts-and-Kill-Zones.md b/10_Wiki/Topics/Game Design/Base-Layouts-and-Kill-Zones.md
new file mode 100644
index 00000000..237834c7
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Base-Layouts-and-Kill-Zones.md	
@@ -0,0 +1,42 @@
+---
+id: GAME-WC-BASE-LAYOUTS-AND-KILL-ZONES
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 기지 레이아웃 및 킬 존(Base Layouts and Kill Zones)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+기지 레이아웃 및 킬 존은 방어 건물과 유닛을 전략적으로 배치하여 적의 접근을 차단하고 방어율을 80% 이상으로 유지하기 위한 핵심 전술입니다 [1]. 지휘 본부와 자원 저장소 같은 주요 시설을 중앙에 배치하고, 벽과 지뢰를 활용해 적을 좁은 병목 구간(킬 존)으로 유도하는 것이 특징입니다 [2, 3]. 지속적으로 변하는 전투 환경에 맞춰 방어 건물이 수비 유닛을 안전하게 생산할 수 있도록 보호하고, 다양한 터렛의 십자포화를 구성하는 기하학적 층(geometric layering)을 형성해야 합니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **기본 방어 철학 및 건물 배치:**
+    *   기지 방어의 핵심은 형태보다 기능에 집중하는 것입니다 [2]. 지휘 본부(Command Center), 자원 저장소, 발전소 등 가장 가치 있는 건물들은 기지 중앙에 배치하고 그 주변을 덜 중요한 건물들로 둘러싸 보호해야 합니다 [2].
+    *   방어 건물(War Factory, Helicopter Pad, Barracks) 중 최소 2개를 집중적으로 보호하여 방어 유닛들이 성공적으로 출격할 수 있도록 배치하는 것이 일반적인 전략입니다 [4].
+    *   전력(Power)이 낮아지면 방어탑의 발사 속도가 느려지므로, 발전소는 벽, 터렛, 병력으로 단단히 보호해야 합니다 [3, 6].
+    *   리플레이를 분석하여 적의 접근 경로와 선제 파괴되는 터렛 순서를 파악하고, 방어할 수 없었던 유닛을 확인하는 것이 레이아웃 개선에 필수적입니다 [4].
+
+*   **킬 존(Kill Zones) 형성 및 지형지물 활용:**
+    *   기지 설계는 기하학적 층(geometric layering)을 형성하여, 공격자가 여러 킬 존을 통과하는 동안 다양한 터렛의 중첩된 십자포화에 노출되도록 강제해야 합니다 [5].
+    *   벽(Walls)을 활용해 적을 좁은 공간으로 몰아넣고(병목 현상), 그곳에 지뢰를 숨기거나 수비 유닛을 배치해 적을 섬멸할 수 있습니다 [3]. 또한 벽은 썬더볼트(Thunderbolts)나 랩터(Raptors)의 공격을 대신 맞아주어 터렛의 생존율을 높이는 방패 역할을 합니다 [7].
+    *   지휘 본부 같은 높은 건물이나 버려진 건물 뒤에 헤라클레스(Hercules), 탱크, 자살 폭탄병 등을 숨겨두어 적을 기습하는 매복 전술도 매우 효과적입니다 [8, 9].
+
+*   **주요 기지 레이아웃 전략 (Advanced Layout Strategies):**
+    *   **허니팟(Honey Pot) 전술:** 특정 방어탑을 일부러 약해 보이게 바깥쪽에 배치하여 적을 유인한 뒤, 해당 접근 경로에 지뢰를 집중적으로 매설해 적의 메가 탱크조차 파괴해 버리는 기만전술입니다 [9].
+    *   **스퀘어 베이스(Square Base):** 기지 코어 주변에 '총-박격포-총-박격포' 순으로 터렛을 교차 배치하여 일관된 위협 프로필을 만드는 가장 보편적인 설계입니다 [10, 11]. 단, 베히모스(Behemoth) 같이 체력이 높은 '탱킹' 유닛에게 방어선이 뚫릴 수 있는 취약점이 있습니다 [10, 11].
+    *   **블리츠 베이스(Blitz Base):** 미끼(Baiting) 전술을 카운터하기 위해 고안되었습니다 [12]. 중앙에 중요 건물을 모으고 대칭적인 감시탑(Watch Towers)에 헤비 거너나 스팅어를 배치해 공중 공격을 사전 차단합니다 [12, 13]. 외곽에는 박격포탑을, 그 뒤에는 기관총을 두며, 헬파이어(Hellfires) 탱크로 적을 숨겨진 레이저 탱크/터렛 쪽으로 유인한 뒤 크라이오 캐논(Cryo Cannon)으로 이동을 늦추는 정교한 구조입니다 [12, 13].
+    *   **원형 방어선(Circular Perimeter):** 상위 레벨 플레이어들이 주로 사용하며, 중요 건물과 발전소 주변을 둥글게 감싸 적이 명확한 공격 포인트를 찾지 못하게 만들어 혼란에 빠뜨립니다 [9].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** 방어 건물(Defense Buildings), 플래툰 전투 및 유인 전술(Baiting and Platoon Combat), 전력 시스템(Power System)
+- **Projects/Contexts:** 기지 방어 및 영토 제어(Base Defense and Territorial Control)
+- **Contradictions/Notes:** 소스를 보면, 지뢰를 설치할 때는 반드시 기관총(Machine gun) 사거리 안쪽에 배치하는 것이 권장됩니다. 이는 적이 저렴한 소총수(Rifleman)나 공격견(Attack Dogs)을 보내 지뢰를 폭파시키는 '지뢰 제거(Mine Sweeping)' 꼼수를 사전에 차단하기 위함입니다 [12, 14]. 또한, 방어 시 초장거리 유닛인 헬파이어 탱크의 접근을 막기 위해서는 사거리가 더 긴 박격포나 로켓 연사 터렛을 전진 배치해야 합니다 [15].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Base-Layouts.md b/10_Wiki/Topics/Game Design/Base-Layouts.md
new file mode 100644
index 00000000..a38d790a
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Base-Layouts.md	
@@ -0,0 +1,41 @@
+---
+id: GAME-WC-BASE-LAYOUTS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 기지 레이아웃(Base Layouts)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+기지 레이아웃은 게임 내에서 자원을 보호하고 적의 공격을 방어하기 위해 건물을 기하학적으로 배치하는 끊임없이 변화하는 퍼즐입니다 [1, 2]. 효과적인 기지 설계는 방어 구조물과 포탑을 활용하여 겹치는 사격망(kill zones)을 만들고, 명령 센터와 같은 핵심 인프라를 보호하는 데 중점을 둡니다 [2, 3]. 플레이어는 방어 성공률을 높이고 적의 다양한 메타에 대응하기 위해 스퀘어 베이스나 블리츠 베이스 등 특정 전술 철학이 담긴 레이아웃을 구성하게 됩니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+**기본 원칙과 기능성**
+* 기지 방어는 플레이어가 얼마나 많은 금속을 지켜낼 수 있는가와 직결되며, 일반적으로 방어율을 80% 이상으로 유지하는 것을 목표로 합니다 [1].
+* 기지 레이아웃은 형태보다 기능성이 훨씬 중요합니다 [3]. 명령 센터(Command Center), 자원 저장소, 발전소(Power Plants) 등 가장 중요한 건물들을 기지 중앙에 배치하고, 비교적 덜 중요한 건물들로 그 주위를 방어막처럼 둘러싸야 합니다 [3, 6].
+* 방어 건물이 내부의 방어 유닛을 원활하게 전장으로 내보낼 수 있도록 설계하는 것이 필수적이며, 이를 위해 War Factory, Helicopter pad, Barracks 중 2개 이상을 중점적으로 보호하는 것이 권장됩니다 [7]. 
+
+**주요 기지 레이아웃 유형**
+* **스퀘어 베이스 (Square Base):** 가장 보편적이고 효과적인 설계로, 총기(Gun) 포탑과 박격포(Mortar)를 기지 중심부 주변에 번갈아가며(Gun-Mortar-Gun-Mortar 패턴) 배치하는 방식입니다 [4, 8]. 이는 우회하거나 약점을 정찰하기 어려운 균일한 방어망을 생성합니다 [4]. 모든 포탑을 대지상용(Mortar)으로만 구성하고 방어 유닛을 대공용으로 채우는 변형 형태도 존재합니다 [9].
+* **블리츠 베이스 (Blitz Base):** 적의 유인(baiting) 전술을 방지하기 위한 특수 레이아웃입니다 [5, 10]. 중요한 건물을 중앙에 두고, 공중 공격을 차단하기 위해 감시탑(Watch Towers)을 대칭으로 배치합니다 [5, 10]. 또한, 적의 장거리 헬파이어(Hellfires) 전차 공격을 저지하기 위해 감시탑 남쪽에 요새(Stronghold)를 배치하고 스나이퍼와 박격포 팀을 주둔시킵니다 [5, 10].
+* **원형 방어선 (Circle Perimeter):** 중요한 건물 주위를 둥글게 감싸는 형태로, 적에게 명확한 공격 지점을 노출하지 않아 혼란을 주는 방어선 구축 방식입니다 [11].
+
+**함정 및 지형지물 활용 전술**
+* 포탑으로 주요 방어 건물을 감싼 뒤에는 장벽(Walls)과 지뢰(Mines)를 활용해 적의 접근 경로를 차단해야 합니다 [12]. 장벽은 적을 좁은 공간으로 몰아넣어 지뢰나 방어 유닛으로 제압할 수 있게 돕고, 썬더볼트(Thunderbolt)나 랩터(Raptor) 같은 공중 유닛의 공격으로부터 데미지를 대신 흡수해 포탑을 보호하기도 합니다 [6, 12].
+* **허니팟(Honeypot) 전술:** 일부러 약해 보이는 방어 지점(예: 외곽으로 뺀 포탑)을 만들어 적을 유인한 뒤, 해당 구역에 지뢰를 집중적으로 배치하여 접근하는 적의 전차 부대를 궤멸시키는 고도의 기만전술입니다 [11].
+* 명령 센터처럼 높이가 높은 건물이나 버려진 건물 뒤의 사각지대에 헤라클레스(Hercules)나 자살 폭탄 트럭 같은 유닛을 숨겨두어 방심하고 접근하는 적을 기습하는 전략도 매우 유용합니다 [11, 13].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** 방어 건물(Defense Buildings), [[유인 전술(Baiting)]], 전투 시스템(Combat System)
+- **Projects/Contexts:** War Commander Combat Ecosystem
+- **Contradictions/Notes:** 스퀘어 베이스(Square Base)는 방어에 탁월한 보편적 설계지만, 베히모스(Behemoth)나 진보된 전차같이 체력이 매우 높고 폭발 저항력을 갖춘 유닛을 대동한 공격에는 쉽게 무너질 수 있다는 치명적인 약점이 있습니다 [4, 8]. 반대로 대다수의 플레이어가 선호하지 않는 블리츠 베이스는 장기적인 유인 공격 및 혼합 유닛 공격을 방어하는 데 훨씬 뛰어난 성능을 보입니다 [10].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Combat Controls.md b/10_Wiki/Topics/Game Design/Combat Controls.md
index 85b150af..c4152e96 100644
--- a/10_Wiki/Topics/Game Design/Combat Controls.md	
+++ b/10_Wiki/Topics/Game Design/Combat Controls.md	
@@ -18,8 +18,8 @@ Combat Controls(전투 컨트롤)는 2014년 2월에 War Commander에 도입된
 *   **전술적 활용성:** 이 컨트롤 시스템은 적 AI의 추격 논리를 역이용하는 '유인(Baiting)' 전술의 토대가 됩니다 [7]. '자유 사격(Fire at Will)'이나 기본 상태의 적은 유인하기 쉽지만, '위치 사수(Hold Position)' 상태의 적에게는 이 전술이 통하지 않습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Defensive Stances]], [[Baiting]], [[Platoon]]
-- **Projects/Contexts:** [[War Commander AI and UI Enhancements (2014)]]
+- **Related Topics:** [[Defensive Stances]], [[Baiting]], Platoon
+- **Projects/Contexts:** War Commander AI and UI Enhancements (2014)
 - **Contradictions/Notes:** 전투 컨트롤 명령어는 과거의 방어 태세(Stances)와 달리, 새로운 이동 명령을 내리면 설정이 해제된다는 특징이 있습니다 [1]. 따라서 기지 방어 시에는 유닛을 원하는 위치에 먼저 배치한 후 'Hold Position'이나 'Fire at Will' 명령을 활성화해야 합니다 [1].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Combined-Arms.md b/10_Wiki/Topics/Game Design/Combined-Arms.md
new file mode 100644
index 00000000..a5ba4d6c
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Combined-Arms.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-COMBINED-ARMS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Combined Arms
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+'Combined Arms'는 War Commander의 전투 시스템에서 다양한 유닛과 피해 유형을 혼합하여 공격 또는 방어의 효율을 극대화하는 전술적 접근 방식이다 [1, 2]. 특히 2026년 3월 업데이트 이후 특정 무기 프로필에 저항력을 제공하는 방어 플랫폼이 도입되면서 이러한 혼합 소대(Mixed Platoons) 구성의 필요성이 더욱 강조되었다 [2, 3]. 플레이어는 지상, 공중, 대공(Anti-Air), 대지(Anti-Ground) 유닛을 조합하여 방어선의 약점을 뚫거나 적의 유인 전술을 무력화할 수 있다 [1, 4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **제병협동 전술의 필요성 대두:** 2026년 3월 'Research Drop' 업데이트를 통해 Iridium 자원을 활용하는 'Support' 및 'Heavy' 플랫폼이 도입되었다 [2]. 이 플랫폼들은 특정 피해 유형(Sustain, Burst, Area 등)에 대해 50%의 피해 감소(저항력)를 제공한다 [6]. 이로 인해 공격자가 단일 유닛이나 단일 피해 유형(예: 지속 피해에만 의존하는 보병 부대)에만 의존할 경우 공격 효율이 반감되므로, 방어자의 플랫폼 선택에 관계없이 일관된 효과를 내기 위해 다양한 피해 프로필을 포함하는 정교한 제병협동(Combined Arms) 방식이 필수적이 되었다 [2, 3].
+* **혼합 소대(Mixed Platoons)의 구성과 장점:** 방어 및 공격 시 대공(Anti-Air) 유닛과 대지(Anti-Ground) 유닛을 혼합하여 소대를 구성하면(예: Gatling Trucks와 Paladins 탱크의 혼합) 상대방이 파괴하기 훨씬 어려운 강력한 부대가 된다 [4]. 또한 최고의 군대는 지상 유닛과 공중 유닛을 적절히 혼합하여 운용하며, 비행장(Airfield)의 유닛 수용량은 지상 유닛과 별도로 적용되므로 두 병력을 모두 꽉 채워 병력을 다각화하는 것이 권장된다 [1].
+* **전술적 카운터 및 유인 방어:** 각 유닛의 피해 패널(Damage Panel)을 분석하여 특정 유형의 적을 파괴하는 데 이상적인 유닛들을 조합할 수 있다(예: 적 보병을 상대하기 위한 스나이퍼와 개틀링 트럭 조합) [7]. 더 나아가, 기지 방어 시 대공 및 대지 유닛을 혼합하여 공격(Aggressive) 태세로 배치해 두면, 적이 시도하는 강력한 '미끼 유인 후 타격(Bait and Bash)' 전술이 실패하도록 유도할 수 있다 [5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Mixed Platoons, Platform Resistance, Damage Profiles
+- **Projects/Contexts:** [[March 2026 Research Drop]]
+- **Contradictions/Notes:** 단일 유닛의 물량 공세가 과거에는 유효했을 수 있으나, 최신 메타에서는 방어 플랫폼의 세분화된 피해 저항 메커니즘으로 인해 단일 피해 유형 조합은 특정 플랫폼에 의해 효과가 절반으로 감소하므로, 반드시 다각화된 유닛 조합(Mixed Platoons)이 요구된다 [3, 6].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Command Center.md b/10_Wiki/Topics/Game Design/Command Center.md
index d7290418..6d9a94eb 100644
--- a/10_Wiki/Topics/Game Design/Command Center.md	
+++ b/10_Wiki/Topics/Game Design/Command Center.md	
@@ -14,7 +14,7 @@
     플레이어는 커맨드 센터를 클릭하여 1회에 한해 무료로 기지의 이름을 변경할 수 있습니다 [14]. 또한 "섹터 변경(Change Sector)" 옵션을 통해 기지가 소속된 월드 맵 섹터를 이동할 수도 있습니다 [15, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Base Upgrades]], [[Resource Compression]], [[Defensive Architecture]]
+- **Related Topics:** Base Upgrades, Resource Compression, Defensive Architecture
 - **Projects/Contexts:** [[War Commander → 전투 시스템]]
 - **Contradictions/Notes:** 소스 내에 특별한 모순점은 존재하지 않습니다. 다만 커맨드 센터 자체는 직접적인 전투 유닛을 생산하거나 발포하는 방어 타워가 아님에도 불구하고, 그 큰 부피와 전략적 중요성으로 인해 은폐 전술의 도구나 기지 방어 레이아웃의 중심축으로 활용된다는 점이 돋보입니다.
 
diff --git a/10_Wiki/Topics/Game Design/Control-Points.md b/10_Wiki/Topics/Game Design/Control-Points.md
new file mode 100644
index 00000000..a77a7eb5
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Control-Points.md	
@@ -0,0 +1,32 @@
+---
+id: GAME-WC-CONTROL-POINTS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 통제점(Control Points)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+통제점(Control Points)은 최소 25명 이상의 플레이어로 구성된 동맹(Alliance)이 세계 지도 상의 경합 구역(Contestable Zones)에서 점령할 수 있는 거점입니다 [1]. 통제점을 성공적으로 점령하고 방어하면, 해당 동맹은 통제점의 레벨에 따라 다양한 수준의 석유 및 토륨 부스트 혜택을 얻게 됩니다 [2, 3]. 점령 과정은 NPC 기지 공격부터 시작하여 다른 동맹과의 제한된 전쟁(War) 및 서든 데스(Sudden Death) 단계에 이르는 치열한 전투로 구성됩니다 [3-5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **경합 구역과 통제점의 개념:** 통제점은 세계 지도의 특정 구역인 '경합 구역(Contestable Zones)' 내에 위치하는 NPC 기지입니다 [1, 3]. 모든 지도 구역에 전초기지나 요새가 있지만, 오직 경합 구역만이 통제점을 포함하고 있습니다 [1].
+- **점령을 위한 전투 및 진행 단계:** 통제점 점령은 여러 단계를 거쳐 이루어집니다.
+  - **공격(Attacking) 및 공격받음(Under Attack) 단계:** 동맹이 경합 구역을 점령하기 위한 첫 번째 단계로, 통제점 자체인 NPC 기지를 공격해 물리쳐야 합니다 [3]. 이후 '공격받음' 상태로 전환되며, 제한된 시간 내에 통제점 레벨에 따라 요구되는 횟수만큼 기지를 격파해야 다음 단계로 넘어갈 수 있습니다 [3].
+  - **전쟁(War) 단계:** 방어 동맹과 공격 동맹 간에 상반된 목표를 가지고 맞붙는 단계입니다 [4]. 방어 측은 경합 구역에서 모든 공격 동맹 구성원을 제거해야 하며, 공격 측은 전쟁 단계가 끝날 때까지 구역 내에 최소 1명의 동맹원 기지를 유지해야 합니다 [4]. 이 단계 동안 두 동맹은 다른 플레이어의 공격을 받지 않는 일종의 '철창 매치(cage match)'를 치르며, 패배한 기지는 구역 밖으로 '이동(shifted)'되어 전쟁이 끝나거나 서든 데스 단계가 되기 전까지 돌아올 수 없습니다 [4].
+  - **서든 데스(Sudden Death) 단계:** 전쟁 단계 종료 시점에도 공격 동맹 구성원이 구역 내에 남아있을 경우 발동됩니다 [5]. 방어 측이 공격 측 기지를 구역 밖으로 밀어낼 수 있는 마지막 기회이며, 한 번 밖으로 쫓겨나면 다시는 구역으로 들어올 수 없습니다 [5]. 서든 데스 종료 시 공격 측 기지가 하나라도 남아있다면 공격 동맹이 통제점을 최종적으로 차지하게 됩니다 [5].
+  - **안전(Secured) 단계:** 통제점 전쟁의 최종 단계로, 이 기간 동안에는 다른 동맹이 통제점을 공격하여 경합 구역을 뺏기 위해 시도할 수 없습니다 [5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[동맹(Alliances)]], 토륨(Thorium), [[세계 지도(World Map)]]
+- **Projects/Contexts:** War Commander 전투 시스템 및 동맹 간 영토 지배 전략
+- **Contradictions/Notes:** 통제점 확보는 단순히 개별 기지의 전투력뿐만 아니라, 외부 세력의 개입이 차단된 상태('cage match')에서 동맹원들이 구역 내에 기지를 유지하거나 밀어내는 지정학적 기동 전략을 요구합니다 [2, 4].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Damage-Resistance-Platforms.md b/10_Wiki/Topics/Game Design/Damage-Resistance-Platforms.md
new file mode 100644
index 00000000..bb56ff85
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Damage-Resistance-Platforms.md	
@@ -0,0 +1,37 @@
+---
+id: GAME-WC-DAMAGE-RESISTANCE-PLATFORMS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 피해 저항 플랫폼(Damage Resistance Platforms)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+피해 저항 플랫폼(Damage Resistance Platforms)은 War Commander에서 기지 방어의 핵심을 담당하는 방어용 구조물로, 2026년 3월 연구 드롭(Research Drop) 업데이트를 통해 대대적으로 개편되었습니다 [1, 2]. 이 플랫폼들은 단순히 방어탑을 배치하는 기반을 넘어, 특정 무기 프로필이나 피해 유형(예: 지속 피해, 폭발 피해, 공중 유닛 등)에 대해 50%의 피해 감소 효과나 상태 이상 면역과 같은 고유한 저항력을 제공합니다 [3-5]. 방어자에게는 더욱 전문화된 방어막 구축을 가능하게 하며, 공격자에게는 단일 유닛 중심의 공격에서 벗어나 다양한 피해 유형을 조합한 부대 운용을 강제하는 등 게임의 전술적 메타를 크게 변화시켰습니다 [5, 6].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **플랫폼의 개편과 이리듐(Iridium)의 도입:** 
+    2026년 3월, 코퍼스(Corpus) 과학자들이 무너진 잔해 속에서 발견한 데이터 금고를 통해 새로운 기지 방어 업그레이드 청사진이 도입되었습니다 [1]. 이 업그레이드들은 새로운 자원인 '이리듐'을 소모하며, 기존 플랫폼들의 명칭이 변경됨과 동시에 특정 무기 프로필의 피해를 절반으로 줄여주는(50% 피해 감소) 강력한 본질적 저항 효과(Damage Resistance)를 얻게 되었습니다 [1, 2, 5]. 
+
+*   **지원(Support) 및 중형(Heavy) 플랫폼의 세부 저항 특성:** 
+    방어자는 공격자의 조합을 무력화하기 위해 다음과 같이 세분화된 저항 특성을 지닌 플랫폼을 전략적으로 배치할 수 있습니다 [5].
+    *   **대 지상/공중 방어:** '지원/중형 그래비톤(Graviton)' 플랫폼은 지상 유닛(Ground Units)으로부터 받는 피해를 50% 감소시키며, '지원/중형 에어로젯(Aerojet)' 및 '중형 클랜데스틴(Clandestine)'은 공중 유닛(Air Units)으로부터 받는 피해를 50% 감소시킵니다 [3-5, 7, 8].
+    *   **특정 피해 유형(Damage Type) 방어:** '지원 인슐레이티드(Insulated)'는 광역 피해(AREA Damage)를, '지원 리인포스드(Reinforced)'는 버스트/점사 피해(BURST Damage)를, '지원 아머드(Armored)'는 지속 피해(SUSTAIN Damage)를 각각 50% 감소시킵니다 [3-5].
+    *   **유틸리티 및 절대 방어:** '지원/중형 레지스터(Resistor)' 플랫폼은 부대 전투력 저하를 유발하는 모든 상태 이상 효과(Status Effects)에 대한 면역을 부여하며, '지원/중형 방벽(Bulwark)' 플랫폼은 퍼센트가 아닌 고정 피해 감소(Flat Damage Reduction) 수치를 제공합니다 [4, 5, 7].
+
+*   **전투 생태계와 전술적 메타의 진화 (비대칭 저항):** 
+    이러한 플랫폼 저항성의 세분화는 공격자의 '제병 합동(Combined Arms)' 전술을 필수적인 요소로 만들었습니다 [2]. 예를 들어, 공격자가 막강한 화력을 지녔지만 오직 '지속 피해(Sustain)'만 입히는 단일 보병 유닛 조합으로 공격을 가할 때, 방어자가 '아머드(Armored)' 플랫폼을 구축했다면 그 공격 효율은 정확히 절반으로 삭감됩니다 [4, 6]. 따라서 전문적인 지휘관들은 방어자의 플랫폼 선택에 구애받지 않고 일관된 타격력을 유지하기 위해, 폭발, 지속, 광역 등 다양한 피해 프로필을 고루 갖춘 [[혼합 소대(Mixed Platoons)]]를 편성하여 방어선을 돌파해야만 합니다 [5, 6].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[혼합 소대(Mixed Platoons)]], 이리듐(Iridium), 메트로노모스 중형 포탑(Metronomos Heavy Turret), 기지 방어 기하학(Geometric Deterrence)
+- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], 제2세대(Arc 2) 전투 기술
+- **Contradictions/Notes:** 소스 전반에 걸쳐 피해 저항 플랫폼의 기능과 수치(-50% 피해 감소 및 상태 이상 면역)는 일관되게 서술되고 있습니다. 단, 중형(Heavy) 플랫폼의 경우 중형 에어로젯(Heavy Aerojet)과 중형 클랜데스틴(Heavy Clandestine)이 모두 '공중 유닛 피해 50% 감소'라는 동일한 저항 능력을 공유하는 것으로 명시되어 있습니다 [7, 8]. 
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Damage-Types.md b/10_Wiki/Topics/Game Design/Damage-Types.md
new file mode 100644
index 00000000..f013a28f
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Damage-Types.md	
@@ -0,0 +1,34 @@
+---
+id: GAME-WC-DAMAGE-TYPES
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 데미지 유형(Damage Types)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 데미지 유형(Damage Types)은 유닛과 방어 타워가 가하는 공격의 기술적 특성을 분류하는 핵심 전투 메커니즘입니다. 공격의 속성(지속, 폭발, 광역, 화염 등)에 따라 방어 플랫폼이 제공하는 특정 저항(Resistance) 효과와 직접적으로 상호작용합니다. 단일 데미지 유형에만 의존하는 공격은 특정 방어망에 의해 그 파괴력이 크게 반감될 수 있으므로, 공격자는 다양한 데미지 유형을 섞어 부대를 편성해야 합니다[1, 2].
+
+## 📖 구조화된 지식 (Synthesized Content)
+소스 데이터에 명시된 주요 데미지 유형과 방어 상호작용 메커니즘은 다음과 같습니다:
+
+*   **SUSTAIN (지속) 데미지:** Warlord Onymite와 같은 보병 유닛이 주로 가하는 데미지 유형입니다[3]. 이 데미지는 'Support Armored (이전 Armored Platform)' 방어 플랫폼에 의해 피해량이 50% 감소합니다[1, 4]. 공격자가 지속 데미지를 주는 단일 유닛에만 의존할 경우, 해당 방어 플랫폼을 갖춘 기지를 상대로는 전투 효율이 절반으로 떨어지게 됩니다[2].
+*   **BURST (버스트) 데미지:** Metronomos Heavy Turret과 같은 방어 타워가 가하는 폭발적인 형태의 데미지입니다[5, 6]. 버스트 데미지는 'Support Reinforced (이전 Reinforced Platform)'에 의해 50% 반감됩니다[1, 5]. 또한 특정 장갑(예: Clinker Armor)을 장착한 유닛은 버스트 데미지를 20% 추가 감소시킬 수 있습니다[7].
+*   **AREA (광역/스플래시) 데미지:** Warp Lance 무기[8]나 박격포(Mortars), 중형 플랫폼에서 발사되는 광역 피해(AoE)입니다[9]. 'Support Insulated (이전 Insulated Platform)'는 이 광역 데미지로 인해 받는 피해를 50% 줄여줍니다[1, 5].
+*   **FIRE (화염) 데미지:** Legendary Scorcher 등의 특수 유닛이 마그마 박격포를 통해 가하는 데미지 유형입니다[10]. 화염은 상태 이상(Status Effect)과도 관련이 깊으며, 특정 유닛(예: 레벨 10의 Scorcher)은 화염(Fire), 네이팜(Napalm), 부식(Corrosion) 효과에 대해 완전한 면역력을 가질 수 있습니다[10].
+
+데미지 유형의 전문화는 2026년 3월 업데이트(Research Drop)를 기점으로 전투 전술에 큰 변화를 가져왔습니다. 공격자는 방어측의 특정 데미지 저항 플랫폼을 우회하기 위해 다양한 데미지 프로필을 포함하는 '혼합 소대(Mixed Platoons)' 편성을 강제받고 있습니다[1, 2].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], [[혼합 소대(Mixed Platoons)]], 상태 이상(Status Effects)
+- **Projects/Contexts:** [[March 2026 Research Drop]], Sector Breach Event
+- **Contradictions/Notes:** 소스에 따르면 방어 플랫폼은 데미지 유형별로 퍼센트 기반의 반감(-50%) 효과를 제공하지만, Support Bulwark(이전 Plated Platform)처럼 특정 데미지 유형에 국한되지 않고 '고정 데미지 감소(Flat Damage Reduction)'를 제공하여 다양한 공격을 범용적으로 방어하는 예외적인 수단도 존재합니다[1, 4].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Defense-Buildings.md b/10_Wiki/Topics/Game Design/Defense-Buildings.md
new file mode 100644
index 00000000..54cdccd7
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Defense-Buildings.md	
@@ -0,0 +1,37 @@
+---
+id: GAME-WC-DEFENSE-BUILDINGS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 방어 건물(Defense Buildings)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+방어 건물(Defense Buildings)은 자원, 군사, 전쟁 전리품과 함께 War Commander의 4대 건물 범주 중 하나입니다 [1]. 이 구조물들은 플레이어 기지의 핵심 인프라(지휘 본소, 자원 저장소, 발전소 등)를 적의 공격으로부터 보호하는 역할을 수행합니다 [2]. 방어 건물은 업그레이드가 진행되는 동안에는 작동하지 않으며, 효율적인 배치를 통해 적을 교란하고 기지를 방어하는 전술의 핵심 요소입니다 [3, 4].
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+**방어 건물의 주요 종류 및 기능**
+*   **플랫폼(Platforms) 및 포탑(Turrets):** 방어 플랫폼(Defense Platform)과 헤비 플랫폼(Heavy Platform)은 기지 방어에 사용되는 기본 및 중형 포탑을 장착하는 구조물입니다 [1]. 최신 아크 2(Arc 2) 기술 도입 이후, 플랫폼은 지상, 공중, 점진적 피해(Sustain), 폭발 피해(Burst) 등 특정 피해 유형에 대해 50%의 데미지 감소 효과나 상태 이상 면역 등을 제공하도록 특화되었습니다(예: Support Armored, Support Resistor 등) [5-7]. 장착되는 포탑으로는 보병과 항공기에 강한 머신건(Gun Turret), 차량에 강한 박격포(Mortar Tower) 및 점진적으로 발사 속도가 증가하며 폭발 피해를 입히는 메트로노모스(Metronomos) 중포탑 등이 있습니다 [5, 8, 9].
+*   **벙커(Bunkers):** 두꺼운 장갑을 갖춘 구조물로, 파괴될 때까지 내부의 지상 유닛을 보호합니다 [1, 10]. 특수 벙커인 '나이트워치(Nightwatch)'는 최대 750의 수용량을 가지며 내부 유닛에게 사거리 및 데미지 보너스를 제공할 뿐만 아니라, 300 사거리 내의 적 항공기에 '난기류(Turbulence)'를 일으켜 대공 방어를 보조합니다 [11, 12].
+*   **장애물(Obstacles):** 바리케이드(Barricade)는 지상군의 이동을 방해하며 고레벨에서는 직사화격을 차단합니다 [1]. 또한 적 차량의 진입을 막는 용의 이빨(Dragon's Teeth)과 보병을 저지하는 저철조망(Low Wire Entanglement)이 존재합니다 [1].
+*   **사일로(Silos):** 드론 사일로(Drone Silo)는 적의 공격 시 리퍼(Reaper)와 슬레이어(Slayer) 드론을 출격시킵니다 [1, 9]. 로켓 사일로(Rocket Silo)는 방어용 로켓을 발사하고 지대공(SAM) 미사일 배터리 역할을 하여 공중 방어를 제공합니다 [1, 9].
+*   **지원 및 테스트 시설:** 지뢰 공장(Mine Factory)은 지상 유닛을 막기 위한 지뢰를 해제, 설치 및 보충하며 깃발의 색(초록색/빨간색)으로 지뢰의 활성화 여부를 나타냅니다 [1, 13]. 고고 바(Go-Go Bar)는 기지 방어 소대에 데미지 보너스를 제공하며, 플레이어가 자신의 기지에 모의 공격(Rogue attack)을 호출하여 방어력을 테스트할 수 있게 해줍니다 [1, 10].
+
+**방어 건물 배치(Layout) 전략**
+*   **기하학적 방어선 구축:** 지휘 본소, 발전소, 자원 저장소 등 중요 건물을 기지 중앙에 배치하고 덜 중요한 건물과 방어 타워로 그 주변을 겹겹이 둘러싸는 것이 기본 방어 원칙입니다 [2, 4]. 벽(Wall)은 단순히 건물을 보호하는 것을 넘어 적을 좁은 길목으로 유도하여 지뢰나 방어 유닛의 사거리 안으로 몰아넣는 깔때기 역할로 활용됩니다 [8].
+*   **주요 기지 설계(Base Designs):** 건(Gun) 포탑과 박격포(Mortar)를 번갈아 배치하여 균일한 화망을 형성하는 "스퀘어 베이스(Square Base)" 레이아웃이 널리 쓰입니다 [14, 15]. 반면, 적의 유인(Baiting) 전술과 사전 공중 공격을 차단하기 위해 감시탑(Watch Towers)과 장거리 타격 유닛(Mortar Teams, Snipers)을 중심부에 집중 배치하는 "블리츠 베이스(Blitz Base)" 전략도 고레벨 유저들 사이에서 사용됩니다 [16, 17].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], 기지 배치 전략(Base Layouts)
+- **Projects/Contexts:** War Commander 전투 생태계 및 전술적 진화(Structural Dynamics and Tactical Evolution of the War Commander Combat Ecosystem)
+- **Contradictions/Notes:** 미사일 사일로(Missile Silo)는 적을 공격하는 미사일을 생산 및 저장하는 역할을 하므로 기술적으로는 군사 건물(Military Buildings)에 속해야 하지만, Kixeye의 게임 시스템 분류상 방어 건물(Defense Building)로 명시되어 있다는 모순이 존재합니다 [1, 3].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Defensive-Architecture.md b/10_Wiki/Topics/Game Design/Defensive-Architecture.md
new file mode 100644
index 00000000..6172f168
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Defensive-Architecture.md	
@@ -0,0 +1,37 @@
+---
+id: GAME-WC-DEFENSIVE-ARCHITECTURE
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 기지 방어 기하학(Defensive Architecture)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+기지 방어 기하학(Defensive Architecture)은 'War Commander'에서 사령부, 자원 저장소, 발전소 등 핵심 인프라를 보호하기 위해 건물을 공간적, 기하학적으로 배치하는 전략적 설계 방식입니다 [1, 2]. 이는 공격자를 여러 개의 킬존(Kill zones)으로 유도하고 다양한 포탑의 십자포화에 노출시키는 구조적 억지력을 핵심으로 합니다 [2]. 가장 대표적인 설계로 범용적인 방어를 제공하는 '스퀘어 베이스(Square Base)'와 적의 유인(Baiting) 전술을 차단하는 데 특화된 '블리츠 베이스(Blitz Base)'가 있습니다 [3, 4].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **방어 설계의 핵심 원칙**
+  방어에 있어 형태보다는 기능성이 가장 중요합니다. 사령부, 자원 저장소, 발전소와 같이 가치가 높은 주요 건물은 기지의 중심부에 배치해야 하며, 덜 중요한 건물들을 외곽에 둘러싸 보호막 역할을 하도록 해야 합니다 [1, 2]. 장벽(Wall)은 적의 곡사 공격을 완벽히 막지는 못하지만, 적을 좁은 병목 구간으로 몰아넣어 지뢰를 밟게 하거나 특정 방어 유닛이 공격하기 좋게 동선을 강제하는 데 매우 유용합니다 [5]. 또한 공중 유닛인 썬더볼트나 랩터의 주요 진입 경로 앞에 장벽을 두면 포탑 대신 데미지를 흡수하게 하여 방어탑의 생존력을 높일 수 있습니다 [6].
+
+* **스퀘어 베이스 (Square Base) 설계**
+  가장 보편적이면서도 효과적인 기하학적 설계입니다. 기지의 핵심 건물을 중심으로 '기관총-박격포-기관총-박격포' 순으로 포탑을 번갈아가며 둥글게 배치하는 방식입니다 [3, 7]. 이 구조는 적이 정찰하거나 특정 방어선을 우회하기 매우 어렵게 만드는 균일한 방어망(Threat profile)을 형성합니다 [3, 7]. 그러나 방어력과 체력이 극도로 높은 베히모스(Behemoth)를 몸빵용으로 세워 공격을 흡수하게 한 뒤, 원거리 공성 유닛으로 타격하는 진보된 전술 앞에서는 쉽게 무너질 수 있다는 약점이 존재합니다 [3, 7].
+
+* **블리츠 베이스 (Blitz Base) 설계**
+  적의 AI를 이용한 '유인(Baiting) 전술'을 차단하고 격퇴하기 위해 고안된 전문적인 비대칭 방어 설계입니다 [4, 8]. 주요 건물을 중앙에 배치하고, 그 주변에 대칭으로 감시탑(Watch Tower)을 세워 내부에 헤비 거너(Heavy Gunners)나 스팅어(Stingers)를 배치함으로써 적의 사전 공중 폭격을 차단합니다 [4, 8]. 감시탑의 남쪽에는 박격포 팀과 저격수를 수용하는 요새(Stronghold)를 배치하여 헬파이어(Hellfire) 전차 같은 장거리 공성 유닛의 접근을 차단합니다 [4, 8]. 또한 장거리 무기로 적을 역으로 유인해 숨겨진 레이저 전차나 레이저 포탑의 사정거리 안으로 끌어들이는 함정 설계도 포함됩니다 [8].
+
+* **장거리 공성 억제 (Hellfire Prevention) 배치**
+  사거리가 매우 긴 헬파이어 탱크의 공성 공격을 막아내는 기하학적 배치는 방어의 필수 요소입니다. 박격포, 로켓 일제 사격(Rocket Barrage) 포탑, 플라즈마 포탑 등 헬파이어보다 사거리가 긴 방어탑을 적절한 위치에 겹치도록 배치해야 합니다 [9]. 벙커나 감시탑 안에 만렙 스나이퍼나 충격 보병(Shock Trooper), 박격포 팀을 주둔시키면 긴 사거리를 이용해 적의 장거리 포격을 사전에 저지하는 구조를 완성할 수 있습니다 [9].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Baiting(유인 전술), Combat Controls(전투 제어), Unit Metas(유닛 메타), Base Layouts(기지 배치)
+- **Projects/Contexts:** War Commander Combat Ecosystem, Sector Warfare
+- **Contradictions/Notes:** 스퀘어 베이스(Square Base) 구조는 모든 방향에서 균일하고 범용적인 방어력을 제공한다고 평가되지만, 오히려 장거리 타격 유닛(Hellfire)과 고체력 유닛(Behemoth)을 조합한 돌파 전술에는 한계를 드러낸다는 설계적 취약점이 소스에서 지적됩니다 [3, 7]. 
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Descendants-Sector-Control.md b/10_Wiki/Topics/Game Design/Descendants-Sector-Control.md
new file mode 100644
index 00000000..36ebfc51
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Descendants-Sector-Control.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-DESCENDANTS-SECTOR-CONTROL
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Descendants Sector Control
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Descendants Sector Control은 워 커맨더(War Commander)의 2026년 3월 연구 드롭(Research Drop) 업데이트의 주요 배경이 된 사건입니다 [1, 2]. 해당 세력(Descendants)이 섹터 통제권을 차지하기 위해 시도했으나 방어 병력에 의해 격퇴당한 것으로 묘사됩니다 [1]. 다만 해당 사건의 구체적인 전투 전개나 세부 배경에 대해서는 소스에 관련 정보가 부족합니다.
+
+## 📖 구조화된 지식 (Synthesized Content)
+소스에 관련 정보가 부족합니다. 하지만 제공된 문헌을 통해 확인할 수 있는 'Descendants Sector Control' 시도 격퇴 이후의 전개는 다음과 같습니다:
+
+* **잔해 속 데이터 보관소 발견:** Descendants의 섹터 장악 시도를 물리친 후, 전장의 잔해 속에서 소규모 데이터 보관소(Data Vaults) 캐시가 발견되었습니다 [1, 2].
+* **기지 방어 업그레이드 청사진 복구:** Matt이 이끄는 Corpus 소속 과학자들이 이 데이터 보관소에서 잠재적인 기지 업그레이드를 위한 청사진 등 중요한 데이터를 성공적으로 복구했습니다 [1, 2]. 
+* **이리듐(Iridium) 기반의 신규 방어 기술 도입:** 복구된 기술들은 향후 공격에 대비할 새로운 방어 수단을 제공하며, 이를 바탕으로 Metronomos Heavy Turret, Nightwatch Bunker 및 특수 공격 피해를 50% 감소시키는 다양한 지원/중형(Support/Heavy) 방어 플랫폼들이 개발되었습니다 [1, 3-5]. 이러한 새로운 기지 방어 연구를 진행하기 위해서는 '이리듐'이라는 자원이 필수적으로 요구됩니다 [1, 5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[Sector]], [[Iridium]], Base Upgrades
+- **Projects/Contexts:** [[MARCH 2026 RESEARCH DROP]]
+- **Contradictions/Notes:** 소스에는 Descendants가 구체적으로 어떤 특성을 가진 진영인지, 섹터 통제권 장악 과정이 인게임 전투 시스템에서 어떻게 구현되었는지에 대한 설명이 없습니다. 단지 2026년 3월의 신규 기지 방어 기술 및 이리듐(Iridium) 도입을 설명하기 위한 세계관적 배경(Lore)으로만 짧게 언급됩니다 [1, 5].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Events.md b/10_Wiki/Topics/Game Design/Events.md
index 8a38bb53..ec89fdf9 100644
--- a/10_Wiki/Topics/Game Design/Events.md	
+++ b/10_Wiki/Topics/Game Design/Events.md	
@@ -23,8 +23,8 @@
     *   자신의 왕국 내에서 요새를 점령하거나 특정 토큰을 모으는 도미네이션(Domination) 이벤트, 포트리스 킬(Fortress Kill) 이벤트 등을 통해 유저들 간의 상호작용과 경쟁을 일상적으로 유도합니다 [14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Kingdom vs. Kingdom (KvK)]], [[Super Wonder]], [[LiveOps]], [[Monetization]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 및 구조]], [[4X 전략 게임 이벤트 구조]]
+- **Related Topics:** [[Kingdom vs. Kingdom (KvK)]], Super Wonder, [[LiveOps]], Monetization
+- **Projects/Contexts:** Game of War: Fire Age BM 및 구조, 4X 전략 게임 이벤트 구조
 - **Contradictions/Notes:** 소스에 따르면 4X 게임의 수익화 전략에 따라 이벤트 운영 철학이 극명하게 갈립니다. 일부 게임(예: Puzzles & Survival)은 이벤트를 고밀도로 중첩시켜 강한 과금 압박과 행동을 유도하는 반면, 다른 게임(예: State of Survival, King of Avalon)은 이벤트의 수를 제한하고 UI에서 숨길 수 있는 선택권까지 제공하여 유저의 피로도를 낮추고 장기적인 신뢰를 구축하는 방식을 택합니다 [1-3, 15].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Evolution-of-the-War-Commander-Combat-Ecosystem.md b/10_Wiki/Topics/Game Design/Evolution-of-the-War-Commander-Combat-Ecosystem.md
new file mode 100644
index 00000000..1ed49056
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Evolution-of-the-War-Commander-Combat-Ecosystem.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-EVOLUTION-OF-THE-WAR-COMMANDER-COMBAT-ECOSYSTEM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# War Commander 전투 생태계 진화(Evolution of the War Commander Combat Ecosystem)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 생태계는 기본적인 실시간 전략(RTS) 모델에서 출발하여 기지 건설, 자원 물류(금속, 석유, 토륨), 실시간 전술 교전이 결합된 복잡하고 다층적인 환경으로 진화했습니다 [1]. 2014년의 '전투 컨트롤(Combat Controls)' 시스템 도입은 세밀한 유닛 조작과 AI 논리 활용의 중요성을 부각시켰으며, 2026년 3월 업데이트는 특정 피해 유형에 저항하는 플랫폼과 난기류 생성 벙커를 도입하여 전술의 패러다임을 바꿨습니다 [2-4]. 현재 이 생태계는 단순한 화력전을 넘어 자원 압축 관리, 섹터 내 지정학적 지배력, 다영역 교전을 동시에 수행해야 하는 고도의 전략적 전장으로 기능하고 있습니다 [5, 6].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **지휘 및 통제(C2)의 진화:** 2014년 2월에 도입된 전투 컨트롤 시스템은 고정된 방어 태세를 단축키(공격 이동, 위치 사수, 자율 사격 등) 중심의 동적 관리로 대체했습니다 [2, 7]. 이를 통해 공격자가 방어 유닛을 기지 밖으로 유인하여 구조물 엄폐의 이점을 무력화하는 '베이팅(Baiting)'과 같은 세밀한 인공지능(AI) 약점 찌르기 전술이 핵심 교리로 자리 잡았습니다 [8, 9].
+*   **방어 아키텍처의 고도화:** 기지 방어는 커맨드 센터, 자원, 발전소 등 중요 인프라를 보호하기 위해 겹치는 화망을 구성하는 기하학적 배치로 발전했습니다 [10]. 대표적으로 '스퀘어 베이스(Square Base)'는 기관총과 박격포를 교대로 배치하여 균일한 위협망을 형성하며, '블리츠 베이스(Blitz Base)'는 감시탑에 대공 유닛을 넣어 공중 폭격을 차단하고 요새를 통해 장거리 공성 전차를 저지하는 데 특화되어 있습니다 [11, 12].
+*   **2026년 3월 기술 패러다임 변화:** 이리듐(Iridium) 자원을 기반으로 한 연구 드롭은 전투 메타에 큰 전환점을 가져왔습니다 [3]. 지상/공중 유닛이나 특정 공격 형태(Sustain, Burst, Area 등)에 대해 50%의 피해 감소를 제공하는 '지원(Support)' 및 '중(Heavy)' 플랫폼의 도입으로, 공격자는 단일 유닛의 '스팸' 대신 다양한 피해 유형을 조합한 '혼합 편제(Combined Arms)' 구성을 강제받게 되었습니다 [13, 14]. 방어 측면에서도 연사력이 지속적으로 증가하는 '메트로노모스(Metronomos)' 포탑과 적 항공기에 난기류(Turbulence)를 일으키는 '나이트워치(Nightwatch)' 벙커가 새롭게 전장에 추가되었습니다 [4, 14].
+*   **지정학과 산업적 물류:** 전투는 200개의 섹터로 나뉜 맵에서 동맹(Alliances) 간의 영토 통제권 경쟁과 직접적으로 맞물려 있습니다 [15, 16]. 최상위 전술 유닛과 기술은 플레이어 기지를 복제한 AI 기지를 공격하는 '섹터 돌파(Sector Breach)' 이벤트를 통해서 주로 획득할 수 있습니다 [17, 18]. 이러한 진보된 군대를 운용하기 위해서는 수백만 단위의 토륨(Thorium)이 소모되며, 장기적으로는 '자원 압축(Resource Compression)'을 통해 기지의 스토리지 용량을 최대 21억 개 이상으로 스케일링하는 물류 인프라 투자가 필수적입니다 [6, 19, 20].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[전투 컨트롤(Combat Controls)]], [[방어 아키텍처(Defensive Architecture)]], [[2026년 3월 연구 드롭(March 2026 Research Drop)]], 섹터 돌파(Sector Breach)
+- **Projects/Contexts:** War Commander 기지 건설 및 전술 교전(Base-building and Tactical Engagement)
+- **Contradictions/Notes:** 소스에 따르면 '가두기(Jailing)' 전술은 적 기지를 6개의 소대로 포위하여 자원 수집과 유닛 배치를 원천 봉쇄하는 행위로 공식 행동 규칙(Official rules of conduct)에 위배되지만, 실제로는 섹터의 패권을 장악하기 위한 수단으로 얼라이언스들에 의해 빈번하게 사용되는 모순적인 전장 상황이 존재합니다 [16].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Fate War.md b/10_Wiki/Topics/Game Design/Fate War.md
index 078463d0..dc161a69 100644
--- a/10_Wiki/Topics/Game Design/Fate War.md	
+++ b/10_Wiki/Topics/Game Design/Fate War.md	
@@ -20,7 +20,7 @@
   활성화 시간이 제한되어 있기 때문에, 오프라인 상태일 때 VIP를 켜는 것은 젬(Gem)의 낭비로 직결됩니다 [9, 10]. 따라서 유저들은 부족 쇼다운(Tribal Showdown) 이벤트의 건설 및 연구 당일이나, 다수의 대규모 업그레이드가 진행되는 집중적인 활성 플레이 시간에만 VIP를 전략적으로 켜야 합니다 [10, 11]. 게임은 '골든 문 패스(Golden Moon Pass)'나 각종 이벤트 팩 구매를 통해 자연스럽게 VIP 경험치 누적을 유도하는 경제 생태계를 구축하고 있습니다 [12, 13].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[VIP System]], [[4X Strategy Monetization]], [[Game of War: Fire Age]], [[LiveOps]]
+- **Related Topics:** [[VIP System]], 4X Strategy Monetization, Game of War: Fire Age, [[LiveOps]]
 - **Projects/Contexts:** [[Game of War BM과 구조 조사]]
 - **Contradictions/Notes:** 소스에 따르면 일반적으로 대부분의 4X 게임은 유저가 특정 금액을 지불하여 티어에 도달하면 VIP 보너스가 영구적으로 켜지는 단순한 모델을 사용합니다. 하지만 Fate War는 VIP 레벨 달성과는 별개로 이를 작동시키기 위해 지속적인 재화(활성화 아이템) 소모를 요구하는 이중 구조를 채택하고 있어 과금 구조의 복잡성이 훨씬 높습니다 [2, 14].
 
diff --git a/10_Wiki/Topics/Game Design/Final Fantasy XV- A New Empire.md b/10_Wiki/Topics/Game Design/Final Fantasy XV- A New Empire.md
index e81a6c8d..30411a80 100644
--- a/10_Wiki/Topics/Game Design/Final Fantasy XV- A New Empire.md	
+++ b/10_Wiki/Topics/Game Design/Final Fantasy XV- A New Empire.md	
@@ -1,4 +1,4 @@
-# [[Final Fantasy XV: A New Empire]]
+# Final Fantasy XV: A New Empire
 
 ## 📌 Brief Summary
 'Final Fantasy XV: A New Empire'는 Machine Zone(현 AppLovin)이 자회사 Epic Action LLC를 통해 개발하고 2017년에 출시한 무료 모바일 4X MMO 전략 게임입니다. 스퀘어 에닉스의 유명 IP인 '파이널 판타지 XV'의 세계관을 바탕으로 제작되었으나, 실제 게임 시스템과 비즈니스 모델(BM)은 개발사의 전작인 'Game of War: Fire Age'의 구조를 그대로 가져온 "복제판(clone)"입니다. 혹평 속에서도 공격적인 마케팅과 검증된 과금 유도 방식을 통해 상업적으로 큰 성공을 거두었으나, 2024년 12월 30일을 기점으로 서비스가 종료되었습니다.
@@ -14,8 +14,8 @@
   초기 튜토리얼부터 기지 건설과 과금 유도에 초점을 맞추었기 때문에, "페이 투 윈(pay-to-win)", 지나친 현금 결제 유도(cash grab), "영혼 없는 착취(soullessly exploitative)"라는 강한 비판을 받았습니다 [6, 7, 9]. 그러나 모델 알렉시스 렌(Alexis Ren)을 내세운 대규모 마케팅과 MZ 특유의 '계단식 수익화(staircase monetization)'를 앞세워 2019년 1월 기준 5,100만 회 이상의 다운로드와 5억 1,800만 달러 이상의 막대한 수익을 기록했습니다 [5, 7, 8, 10]. 이는 'Game of War'에서 정립된 BM 공식이 글로벌 대형 IP에도 성공적으로 적용되어 막대한 수익을 창출할 수 있음을 증명한 사례입니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Game of War: Fire Age]], [[4X Strategy]], [[Staircase Monetization Model]], [[Pay-to-win]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Mobile Strike]]
+- **Related Topics:** Game of War: Fire Age, [[4X Strategy]], [[Staircase Monetization Model]], [[Pay-to-win]]
+- **Projects/Contexts:** Machine Zone (MZ), [[Mobile Strike]]
 - **Contradictions/Notes:** 주요 게임 매체와 비평가들은 이 게임을 'Game of War'의 뼈대에 파이널 판타지 IP만 덧씌운 반복적이고 노골적인 과금 유도 게임이라고 강하게 비판했지만, 실제 앱스토어에서는 11만 개 이상의 리뷰에서 평균 4점을 받는 등 캐주얼하게 시간을 보내기 좋다는 이유로 대중적(유저) 평가는 엇갈리는 모습을 보였습니다 [6, 9].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Free-Repair-Strategy.md b/10_Wiki/Topics/Game Design/Free-Repair-Strategy.md
new file mode 100644
index 00000000..a0c2b444
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Free-Repair-Strategy.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-FREE-REPAIR-STRATEGY
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Free Repair Strategy
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+'Free Repair Strategy(무료 수리 전략)'는 고레벨 이벤트 작전에서 부대 손실(attrition)에 따른 자원 소모를 최소화하기 위해 사용되는 핵심 전술입니다 [1]. 공격하는 기지의 유형에 맞추어 특정한 유닛 조합을 활용하는 것이 특징입니다 [1]. 이 전략을 'TacOps 부스트(TacOps boosts)'와 결합하면 '즉시 수리(instant repair)'가 가능해져, 이벤트 상점이 닫히기 전에 소대를 여러 차례 공격에 순환 투입하여 XP 획득을 극대화할 수 있습니다 [1].
+
+## 📖 Core 소스에 관련 정보가 부족합니다. Content
+* **전략적 유닛 조합:** 이 전략은 대상 기지에 맞춰 병력을 최적화하는 데 크게 의존합니다. 예를 들어 인커전 기지(Incursion bases)를 상대로는 'Frostpiercer'와 'Simo'를 조합하는 것이 효과적이며, 전술 타격 기지(Tactical Strike bases)를 공격할 때에는 'Madjai'와 'Nomads' 조합을 활용하여 자원 손실을 줄일 수 있습니다 [1].
+* **즉시 수리(Instant Repair) 및 순환 배치:** 전투 중 손상을 입은 지상 차량이나 항공기 등은 원래 유닛 창의 수리 대기열(queue)에 추가하여 복구해야 합니다 [2]. 하지만 'TacOps 부스트'를 사용하면 '즉시 수리'가 가능해집니다 [1]. 이를 통해 사령관은 짧은 시간 동안 소대를 공격에 지속해서 재투입할 수 있어 이벤트 효율이 크게 상승합니다 [1].
+* **자원 소모(Attrition) 비용의 최소화:** 하이엔드 작전에서는 지속적인 전투로 인한 부대 손실 비용이 큽니다 [1]. 해당 전략을 잘 활용하면 막대한 자원을 들이지 않고도 반복적인 기지 공격과 복구를 수행할 수 있어, 제한된 이벤트 기간 내에 보상을 최대로 얻어낼 수 있습니다 [1].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** TacOps Boosts, Unit Attrition, Sector Breach Events, Platoon Management
+- **Projects/Contexts:** High-level Event Operations, War Commander Combat Ecosystem
+- **Contradictions/Notes:** 전략적으로 빠른 수리와 재투입이 가능하지만, 기본 전투 시스템 규칙상 지상 차량(land vehicles)만이 완전 파괴 상태에서 복구될 수 있고, 보병과 항공기는 완전히 파괴되면 영구적으로 손실된다는 점을 명심해야 합니다 [2]. 또한, 과거에는 토륨(Thorium)이 필요한 일부 초기 업그레이드 유닛들에 5초 즉시 수리(instant 5s repair time) 혜택이 있었으나, 현재는 해당 규칙이 더 이상 적용되지 않습니다 [3]. 
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Free-Repair-Tactics.md b/10_Wiki/Topics/Game Design/Free-Repair-Tactics.md
new file mode 100644
index 00000000..c1c169bd
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Free-Repair-Tactics.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-FREE-REPAIR-TACTICS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Free Repair Tactics
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+'Free Repair Tactics'(무료 수리 전술)는 War Commander의 고레벨 이벤트 작전에서 부대 손실에 따른 자원 소모를 최소화하기 위해 사용되는 핵심 전략입니다 [1]. 특정 유닛 조합과 부스트를 활용하여 부대를 즉각적으로 수리함으로써, 지휘관은 짧은 시간 내에 다수의 공격을 반복하고 경험치(XP) 획득을 극대화할 수 있습니다 [1].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **특정 유닛 조합의 활용:** 이 전술은 타격 대상이 되는 기지의 유형에 맞춰 특정 유닛들을 조합하여 소모전의 비용을 낮추는 방식으로 운용됩니다. 예를 들어, 인커전 기지(Incursion bases)를 상대로는 'Frostpiercer'와 'Simo'를 조합하며, 전술 타격 기지(Tactical Strike bases)를 공격할 때는 'Madjai'와 'Nomads'를 조합합니다 [1].
+- **TacOps 부스트를 통한 즉시 수리:** 유닛 조합과 더불어 "TacOps 부스트(TacOps boosts)"를 사용하면 "즉시 수리(instant repair)" 기능이 더욱 촉진됩니다 [1].
+- **전술적 기대 효과:** 지휘관은 이 전술을 통해 수리에 드는 자원과 시간을 절약하고, 단시간 내에 여러 소대(Platoons)를 순환시키며 지속적인 공격을 가할 수 있습니다 [1]. 궁극적으로 이는 이벤트 상점이 종료되기 전 섹터 브리치(Sector Breach) 등의 이벤트에서 XP 획득량을 최대치로 끌어올리는 결과를 가져옵니다 [1].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Sector Breach, TacOps boosts, Unit Combinations
+- **Projects/Contexts:** High-level Event Operations, Resource Logistics
+- **Contradictions/Notes:** 제공된 소스 내에 이 전술과 상충되거나 반대되는 내용은 없습니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Game of War  BM과 구조 조사.md b/10_Wiki/Topics/Game Design/Game of War  BM과 구조 조사.md
index 6ec5657b..9e1ff6df 100644
--- a/10_Wiki/Topics/Game Design/Game of War  BM과 구조 조사.md	
+++ b/10_Wiki/Topics/Game Design/Game of War  BM과 구조 조사.md	
@@ -18,8 +18,8 @@ Game of War: Fire Age는 탐험(Explore), 확장(Expand), 착취(Exploit), 섬
 * **콘텐츠 러닝머신 (LiveOps):** 매일 새로운 업데이트를 통해 더 높은 티어의 건물과 병력, 새로운 연구 카테고리를 끊임없이 추가함으로써 파워 인플레이션을 유발하며, 유저들이 도태되지 않기 위해(FOMO) 지속적으로 돈을 쓰도록 만든다 [36, 37].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[4X 전략 게임]], [[계단식 수익화 (Staircase Monetization)]], [[이중 VIP 시스템 (Dual-layer VIP)]], [[실시간 번역 엔진 (RTE)]], [[매몰 비용의 오류 (Sunk Cost Fallacy)]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]]
+- **Related Topics:** 4X 전략 게임, [[계단식 수익화 (Staircase Monetization)]], [[이중 VIP 시스템 (Dual-layer VIP)]], [[실시간 번역 엔진 (RTE)]], [[매몰 비용의 오류 (Sunk Cost Fallacy)]]
+- **Projects/Contexts:** Machine Zone (MZ), [[Mobile Strike]], Final Fantasy XV: A New Empire
 - **Contradictions/Notes:** 소스에 따르면, Game of War는 2015년 유저 1인당 평균 결제액(ARPPU)이 약 550달러에 달할 정도로 독보적인 경제적 성과를 거두었으나 [38, 39], 기본적인 편의 기능조차 과금과 연결하고 유저의 두려움과 매몰 비용의 오류를 악용하는 극단적인 '약탈적 수익화(Predatory Monetization)'라는 윤리적 비판 또한 팽배하다 [40].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Game of War BM과 구조 조사.md b/10_Wiki/Topics/Game Design/Game of War BM과 구조 조사.md
index 8bce49f7..f765f667 100644
--- a/10_Wiki/Topics/Game Design/Game of War BM과 구조 조사.md	
+++ b/10_Wiki/Topics/Game Design/Game of War BM과 구조 조사.md	
@@ -21,7 +21,7 @@ Game of War: Fire Age는 4X 전략 장르를 모바일 실시간 환경에 최
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[4X 전략]], [[계단식 수익화 (Staircase Monetization)]], [[다크 패턴 (Dark Patterns)]], [[영구적 손실 (Permanent Loss)]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]]
+- **Projects/Contexts:** Machine Zone (MZ), [[Mobile Strike]], Final Fantasy XV: A New Empire
 - **Contradictions/Notes:** 게임의 노골적인 결제 유도와 복잡한 UI, 그리고 매몰 비용의 오류(Sunk Cost Fallacy)를 인질로 삼는 구조 등은 약탈적(Predatory) 디자인과 다크 패턴이라는 강한 비판을 받습니다 [40-42]. 하지만 고도의 사회적 관계망과 심리적으로 정교하게 설계된 수익화 모델 덕분에 2015년 유저당 평균 결제액(ARPPU)이 모바일 업계 평균의 약 7배인 $550에 달할 정도로 상업적인 대성공을 거두며 후속 4X 게임들의 표준이 되었습니다 [7, 43-46].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Game of War- Fire Age BM 및 구조 설계.md b/10_Wiki/Topics/Game Design/Game of War- Fire Age BM 및 구조 설계.md
index dd751047..47cb7424 100644
--- a/10_Wiki/Topics/Game Design/Game of War- Fire Age BM 및 구조 설계.md	
+++ b/10_Wiki/Topics/Game Design/Game of War- Fire Age BM 및 구조 설계.md	
@@ -1,4 +1,4 @@
-# [[Game of War: Fire Age BM 및 구조 설계]]
+# Game of War: Fire Age BM 및 구조 설계
 
 ## 📌 Brief Summary
 Game of War: Fire Age는 Machine Zone(MZ)이 개발한 모바일 4X 전략 게임으로, 치밀한 사회 공학적 설계와 공격적인 과금(BM) 구조를 결합하여 모바일 게임 시장의 수익 모델에 큰 변화를 일으켰습니다 [1]. 이 게임은 영구적 손실(Permanent Loss)이 존재하는 전투 시스템과 끝없는 자원 소모처를 기반으로 플레이어의 경쟁심을 극대화합니다 [2, 3]. 또한, 실시간 데이터 분석을 통해 개별 유저의 상황에 맞춘 '계단식(Staircase)' 과금 모델을 도입하여 업계 최고 수준의 유저당 평균 결제액(ARPPU)을 달성했습니다 [1, 4, 5].
@@ -25,8 +25,8 @@ Game of War: Fire Age는 Machine Zone(MZ)이 개발한 모바일 4X 전략 게
 * 동맹 내의 정치적 역할 분담, 그룹을 실망시키지 않으려는 사회적 압박, 그리고 복수와 권력 쟁취의 드라마는 플레이어들이 막대한 돈을 계속해서 지불하게 만드는 가장 핵심적인 원동력입니다 [30-32].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[4X Strategy]], [[Staircase Monetization]], [[Permanent Loss]], [[Deficit Economy]], [[LiveOps]], [[VIP System]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]]
+- **Related Topics:** [[4X Strategy]], [[Staircase Monetization]], [[Permanent Loss]], Deficit Economy, [[LiveOps]], [[VIP System]]
+- **Projects/Contexts:** Machine Zone (MZ), [[Mobile Strike]], Final Fantasy XV: A New Empire
 - **Contradictions/Notes:** 이와 같은 고도의 심리적, 구조적 과금 모델은 모바일 게임 산업의 패러다임을 바꿀 정도로 막대한 수익을 창출했지만, 연구자들과 비평가들 사이에서는 인위적 조바심(FOMO)과 매몰 비용 오류를 악용하는 '약탈적 과금(Predatory Monetization)' 기법으로 분류되어 윤리적 비판의 대상이 되기도 합니다 [33-35].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Game of War- Fire Age.md b/10_Wiki/Topics/Game Design/Game of War- Fire Age.md
index 1b454ec2..4e1cd370 100644
--- a/10_Wiki/Topics/Game Design/Game of War- Fire Age.md	
+++ b/10_Wiki/Topics/Game Design/Game of War- Fire Age.md	
@@ -1,4 +1,4 @@
-# [[Game of War: Fire Age]]
+# Game of War: Fire Age
 
 ## 📌 Brief Summary
 Game of War: Fire Age는 Machine Zone(MZ)이 2013년에 출시한 부분 유료화 모바일 4X MMO 전략 게임이다 [1, 2]. 이 게임은 탐험, 확장, 착취, 섬멸이라는 전통적인 4X 요소에 영구적인 부대 손실과 글로벌 실시간 번역 기반의 강력한 봉건적 소셜 시스템을 결합했다 [3-6]. 특히 유저의 행동 데이터를 바탕으로 맞춤형 결제를 유도하는 '계단식(Staircase)' 과금 모델과 무한히 확장 가능한 경제 구조를 갖추어, 모바일 게임 역사상 가장 높은 수준의 유저당 평균 결제액(ARPPU)을 달성한 타이틀로 평가받는다 [1, 7, 8].
@@ -18,7 +18,7 @@ Game of War: Fire Age는 Machine Zone(MZ)이 2013년에 출시한 부분 유료
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[4X Strategy]], [[Staircase Monetization]], [[Real-Time Engine (RTE)]], [[VIP System]], [[Power Creep]], [[Kingdom vs. Kingdom (KvK)]]
-- **Projects/Contexts:** [[Machine Zone]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]]
+- **Projects/Contexts:** [[Machine Zone]], [[Mobile Strike]], Final Fantasy XV: A New Empire
 - **Contradictions/Notes:** 평론가들과 일반 대중은 화면을 가득 채우는 광고와 99.99달러 팩 등 노골적인 과금 유도 및 단조로운 게임플레이("pay-to-win junk")를 강하게 비판하지만 [34-36], 실제 고관여 플레이어들은 동맹 간의 복잡한 내부 정치와 권력 투쟁 시스템에 깊이 매료되어 연평균 $550 이상의 기록적인 지출을 하는 모순적이고 양극화된 반응을 보인다 [7, 37, 38].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Genre & Mechanics/4X Strategy.md b/10_Wiki/Topics/Game Design/Genre & Mechanics/4X Strategy.md
index 8b7f7dbe..342edb47 100644
--- a/10_Wiki/Topics/Game Design/Genre & Mechanics/4X Strategy.md	
+++ b/10_Wiki/Topics/Game Design/Genre & Mechanics/4X Strategy.md	
@@ -1,6 +1,6 @@
 ---
 id: e9f8d7c6-b5a4-3210-9876-54321fedcba0
-category: "[[10_Wiki/Topics/Game Design/Genre & Mechanics]]"
+category: "10_Wiki/Topics/Game Design/Genre & Mechanics"
 confidence_score: 1.0
 tags: [4x-strategy, game-mechanics, explore-expand-exploit-exterminate, mmo-strategy, genre-blending]
 last_reinforced: 2026-04-27
@@ -26,9 +26,9 @@ github_commit: "p-reinforce-game-update"
     - **Social Power Structure:** 왕/황제 등 봉건적 권력 구조와 동맹 간의 소셜 압박을 통한 유지력 극대화.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Genre & Mechanics]]
-- **Related:** [[Monetization (BM)]], [[Staircase Monetization]], [[Alliance]], [[VIP System]], [[Permanent Loss]]
-- **Raw Source:** [[00_Raw/4X Strategy]], [[00_Raw/4X Strategy Games]], [[00_Raw/4X Strategy Monetization]]
+- **Parent:** Genre & Mechanics
+- **Related:** [[Monetization (BM)]], [[Staircase Monetization]], Alliance, [[VIP System]], [[Permanent Loss]]
+- **Raw Source:** [[00_Raw/4X Strategy]], 00_Raw/4X Strategy Games, 00_Raw/4X Strategy Monetization
 
 ---
 *Last updated: 2026-04-27*
diff --git a/10_Wiki/Topics/Game Design/Industry/AppLovin.md b/10_Wiki/Topics/Game Design/Industry/AppLovin.md
index 8bb4cbb6..96b81d92 100644
--- a/10_Wiki/Topics/Game Design/Industry/AppLovin.md	
+++ b/10_Wiki/Topics/Game Design/Industry/AppLovin.md	
@@ -1,6 +1,6 @@
 ---
 id: e1f2a3b4-c5d6-4789-8e9f-0a1b2c3d4e5f
-category: "[[10_Wiki/Topics/Game Design/Industry]]"
+category: "10_Wiki/Topics/Game Design/Industry"
 confidence_score: 1.0
 tags: [applovin, machine-zone, acquisitions, ad-tech, marketing-platform]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-industry"
 - **비즈니스 가치:** Axon 알고리즘 등 고도화된 마케팅 기술과 MZ의 데이터 기반 수익화 노하우의 시너지 창출.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Industry]]
-- **Related:** [[Machine Zone]], [[Game of War: Fire Age]], [[Tripledot Studios]]
+- **Parent:** Industry
+- **Related:** [[Machine Zone]], Game of War: Fire Age, [[Tripledot Studios]]
 - **Raw Source:** [[00_Raw/AppLovin]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Industry/Machine Zone.md b/10_Wiki/Topics/Game Design/Industry/Machine Zone.md
index e17de685..27340683 100644
--- a/10_Wiki/Topics/Game Design/Industry/Machine Zone.md	
+++ b/10_Wiki/Topics/Game Design/Industry/Machine Zone.md	
@@ -1,6 +1,6 @@
 ---
 id: a1c2e3d4-b5b6-4c7d-8e9f-0a1b2c3d4e5f
-category: "[[10_Wiki/Topics/Game Design/Industry]]"
+category: "10_Wiki/Topics/Game Design/Industry"
 confidence_score: 1.0
 tags: [machine-zone, mz, mobile-strategy, applovin, monetization-history]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-industry"
 - **주요 마일스톤:** Game of War의 대성공, AppLovin 및 Tripledot Studios로의 매각 및 기술 전이.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Industry]]
-- **Related:** [[Game of War: Fire Age]], [[Staircase Monetization]], [[Real-Time Engine (RTE)]], [[User Acquisition (UA)]]
+- **Parent:** Industry
+- **Related:** Game of War: Fire Age, [[Staircase Monetization]], [[Real-Time Engine (RTE)]], [[User Acquisition (UA)]]
 - **Raw Source:** [[00_Raw/Machine Zone]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Iridium.md b/10_Wiki/Topics/Game Design/Iridium.md
new file mode 100644
index 00000000..b06f9bb0
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Iridium.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-IRIDIUM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 이리듐(Iridium)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+이리듐(Iridium)은 2026년 3월 'Research Drop' 업데이트를 통해 War Commander 전투 생태계에 도입된 핵심 자원입니다 [1, 2]. 코퍼스(Corpus) 과학자들이 회수한 데이터 볼트에서 발견되었으며, 미래의 공격으로부터 기지를 방어하기 위한 새로운 업그레이드 청사진을 연구하는 데 필수적으로 요구됩니다 [1]. 이리듐을 활용한 연구는 동급 연구에 비해 시간이 덜 소요되며, 전투 메타를 보다 정교한 '제병협동(Combined Arms)' 전술로 변화시키는 데 중대한 영향을 미쳤습니다 [1, 2].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **획득 배경 및 기원:** 디센던트(Descendants) 세력의 구역 통제 시도를 격퇴한 후, 맷(Matt)이 이끄는 코퍼스 과학자들이 잔해 속의 데이터 볼트 캐시를 복구하면서 이리듐이 요구되는 기지 방어 청사진이 발견되었습니다 [1].
+- **연구 효율성:** 이리듐을 소모하는 새로운 기술 연구 레벨들은 동등한 수준의 다른 연구들에 비해 완료하는 데 필요한 시간이 더 짧다는 장점이 있습니다 [1].
+- **기지 방어 플랫폼 고도화:** 이리듐은 특정 무기 프로파일에 대해 본질적인 데미지 저항력을 제공하는 '지원(Support)' 및 '중형(Heavy)' 방어 플랫폼을 강화하는 데 집중적으로 사용됩니다 [2]. 업데이트된 플랫폼들은 지상 유닛, 공중 유닛, 광역(AREA), 버스트(BURST), 지속(SUSTAIN) 데미지 등에 대해 -50%의 데미지 감소 효과를 얻거나, 모든 상태 이상(Status Effects)에 대한 면역력을 갖추게 됩니다 [3-5].
+- **전투 시스템 메타의 진화:** 이리듐 연구를 통한 플랫폼 방어력의 전문화는 단일 공격 유닛이나 단일 데미지 유형에 의존하는 기존 공격 방식의 효율을 크게 반감시켰습니다 [5, 6]. 이로 인해 공격자는 방어자의 플랫폼 구성 요소에 관계없이 유효한 타격을 입히기 위해, 다양한 데미지 프로파일을 섞어 운용하는 혼합 소대(Mixed Platoons)와 다면적인 제병협동 전술 구사를 강제받게 되었습니다 [2, 6].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], 제병협동(Combined Arms), 데미지 저항(Damage Resistance)
+- **Projects/Contexts:** [[March 2026 Research Drop]]
+- **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았으나, 이리듐의 구체적인 인게임 채굴 및 획득 방식이나 정확한 요구량 수치에 대해서는 소스에 관련 정보가 부족합니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Jailing.md b/10_Wiki/Topics/Game Design/Jailing.md
new file mode 100644
index 00000000..73afa355
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Jailing.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-JAILING
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 투옥(Jailing) 전술
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+투옥(Jailing) 전술은 특정 섹터의 지배적인 동맹(클랜)이 경쟁 플레이어를 통제하거나 위협하기 위해 사용하는 사회-전술적(socio-tactical) 행위입니다 [1, 2]. 이는 세계 지도(World Map)상에서 타겟 플레이어의 기지를 6개의 소대(platoon)로 완전히 포위하여 가두는 방식을 취합니다 [2]. 결과적으로 갇힌 플레이어는 공격을 감수하지 않고는 기지를 떠나거나 자원 수집을 위해 자신의 병력을 배치할 수 없게 되며, 비록 공식 규정에 어긋나는 행위이지만 섹터의 패권을 유지하기 위해 빈번하게 사용됩니다 [1, 2].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **작동 방식:** 투옥은 세계 지도상에서 상대방의 기지 주변을 6개의 소대로 둘러싸는 전술입니다 [2]. 이를 통해 상대방을 물리적으로 고립시켜 옴짝달싹 못 하게 만들며, 상대가 병력을 내보내 자원을 채집하거나 이동하려 할 때 강제로 아군의 공격을 받도록 만듭니다 [1, 2].
+* **전략적 목적과 패권 유지:** 섹터 내 기지의 80% 이상을 통제하는 것과 같이 압도적인 힘을 가진 클랜들은 자신들만의 비공식적인 규칙(예: 허가 없는 클랜원 공격 금지)을 강제하기 위해 이 전술을 무기로 사용합니다 [1, 2]. 지속적인 기지 파괴 위협과 함께 투옥 전술을 활용하여 비소속 플레이어들을 위협하고 자신들의 통제에 순응시킵니다 [1].
+* **규정 위반 및 시스템의 악용:** 투옥은 명백히 War Commander의 공식 행동 규정(W.C. rules)에 위배되는 행위입니다 [1, 2]. 그럼에도 불구하고 강력한 동맹들에 의해 빈번하게 사용되고 있으며, 이는 세계 지도에서의 병력 배치라는 게임의 기계적 시스템과 동맹 정치 및 강압이라는 사회적 공학이 어떻게 겹쳐지는지를 잘 보여줍니다 [2].
+* **사회-정치적 기동(Socio-Political Maneuvering):** 전문적인 지휘관들은 이러한 투옥을 당하는 것을 피하기 위해 자신이 속한 섹터의 동맹 구조를 잘 파악해야 하며, 외교와 동맹 정치를 포함한 사회-정치적 기동을 신중하게 수행해야 합니다 [3].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Clans & Alliances, World Map Platoons, Sectors
+- **Projects/Contexts:** Socio-Political Maneuvering
+- **Contradictions/Notes:** 투옥 전술은 War Commander의 공식 행동 규정(official rules of conduct)을 명백히 위반하는 행위라고 명시되어 있음에도 불구하고, 실제 게임 내에서는 섹터의 패권을 유지하고 다른 플레이어를 통제하기 위한 전략적 도구로 빈번하게 악용되고 있다는 모순이 존재합니다 [1, 2].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom (KvK).md b/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom (KvK).md
index f7768f2c..963f9bd0 100644
--- a/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom (KvK).md	
+++ b/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom (KvK).md	
@@ -24,8 +24,8 @@ KvK는 일반적으로 다음과 같은 4가지의 구조화된 단계로 진행
 KvK는 서버의 존망이라는 실존적 위협을 조성하여, 평소 전투에 소극적인 유저들까지도 준비 및 전투 단계에 강제로 참여하게 만듭니다 [2]. 이벤트 승리를 위해서는 서버 전체의 막대한 자원 저장과 참여가 필수적이므로 유저들의 집중적인 스피드업 아이템(Speed-ups) 및 자원 소비를 극대화하는 강력한 BM 동인으로 작용합니다 [2, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[High King]], [[Advanced Teleports]], [[Wonder]], [[Speed-Ups]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Kingshot]]
+- **Related Topics:** High King, Advanced Teleports, [[Wonder]], Speed-Ups
+- **Projects/Contexts:** Game of War: Fire Age, Kingshot
 - **Contradictions/Notes:** 소스 [21]의 왕국 위키에서는 KvK가 단일한 이름의 정식 이벤트라기보다는 왕국 간 보호막이 해제되는 상태이며 그 이면에 여러 세부 이벤트(Days of War, Domination 등)가 동시다발적으로 일어나는 것이라 설명합니다. 반면, 시스템 분석 문서와 Kingshot 가이드([5], [9])에서는 KvK를 매치메이킹부터 복구까지 4단계로 명확히 나뉜 단일 대형 이벤트 구조로 정의하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom Events (KvK).md b/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom Events (KvK).md
index 197801ca..cfa9474f 100644
--- a/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom Events (KvK).md	
+++ b/10_Wiki/Topics/Game Design/Kingdom vs. Kingdom Events (KvK).md	
@@ -10,8 +10,8 @@ Kingdom vs. Kingdom Events (KvK)는 보호 기간이 끝난 왕국(서버)들이
 * **BM(수익 모델) 및 서버 생태계에 미치는 영향:** KvK는 단순한 이벤트를 넘어 서버의 사활이 걸린 실존적 위협입니다. KvK에서 반복적으로 패배하는 왕국은 유저 이탈과 서버의 죽음(Kingdom death)을 겪게 되므로, 캐주얼 유저조차 준비 및 전투 단계에 강제적으로 참여하게 됩니다 [3, 11, 12]. 이러한 구조는 유저들이 한 달 이상 자원과 아이템을 비축하게 만들고, 전투 기간 동안 막대한 스피드업(Speed-ups) 아이템과 자원을 결제하고 소비하게 만들어 게임의 핵심 수익을 창출합니다 [3, 13].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[Wonder]]`, `[[Advanced Teleport]]`, `[[High King]]`, `[[Speed-ups]]`
-- **Projects/Contexts:** `[[Game of War: Fire Age]]`, `[[4X Strategy BM]]`
+- **Related Topics:** `[[Wonder]]`, `Advanced Teleport`, `High King`, `Speed-ups`
+- **Projects/Contexts:** `Game of War: Fire Age`, `4X Strategy BM`
 - **Contradictions/Notes:** 소스 [14]에 따르면 게임 내에서 KvK는 특정 배너나 보상 요구사항이 있는 단일 공식 이벤트라기보다는, 모든 왕국의 보호막이 해제되어 서로를 침공할 수 있게 되는 '상태' 자체를 의미하며 이 기간에 'Days of War', 'Domination' 등 여러 하위 이벤트가 동시다발적으로 진행됩니다. 또한 소스 [2]을 비롯한 게임 경제 분석 자료는 'Kingshot' 등 다른 4X 게임의 KvK 진행 단계를 Game of War의 구조를 설명하는 데 동일한 템플릿으로 차용하고 있습니다 [1, 2, 15, 16].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Live Operations (LiveOps).md b/10_Wiki/Topics/Game Design/Live Operations (LiveOps).md
index bba8fc86..786d8ccb 100644
--- a/10_Wiki/Topics/Game Design/Live Operations (LiveOps).md	
+++ b/10_Wiki/Topics/Game Design/Live Operations (LiveOps).md	
@@ -12,8 +12,8 @@ Live Operations(LiveOps)는 게임 출시 후 지속적인 콘텐츠 업데이
   * **점진적 수익화 (Gradual Monetization):** 이벤트를 개별적이고 특별한 요소로 취급하여 동시에 진행되는 이벤트의 밀도를 낮춥니다 [11]. 대규모 서버전이나 시즌별 축제 등 주요 이벤트에 집중하게 함으로써 유저의 몰입감을 해치지 않고 장기적인 신뢰와 잔존율을 구축합니다 [11, 12].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Real-Time Engine (RTE)]], [[Dynamic Pricing & Offers]], [[4X Strategy Monetization]], [[Power Creep (Content Treadmills)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]], [[Puzzles & Survival]]
+- **Related Topics:** [[Real-Time Engine (RTE)]], [[Dynamic Pricing & Offers]], 4X Strategy Monetization, [[Power Creep (Content Treadmills)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ), [[Puzzles & Survival]]
 - **Contradictions/Notes:** 소스에 따르면 4X 게임에서 LiveOps의 이벤트 밀도는 게임의 수익화 철학에 따라 확연히 대비됩니다. 수익을 즉각적으로 추구하는 게임은 수많은 이벤트를 겹치게 배치하여 유저를 압도(overwhelming)하고 지출을 유도하지만 [5, 9], 장기적 신뢰를 중시하는 게임은 이벤트 밀도를 낮추고 꼭 필요할 때만 제한적으로 제공하여 플레이어의 스트레스를 줄이고 몰입을 돕습니다 [11, 12].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/LiveOps.md b/10_Wiki/Topics/Game Design/LiveOps.md
index ff5926fe..dc7cfdcf 100644
--- a/10_Wiki/Topics/Game Design/LiveOps.md	
+++ b/10_Wiki/Topics/Game Design/LiveOps.md	
@@ -12,8 +12,8 @@ LiveOps(라이브 서비스 운영)는 모바일 4X 전략 게임에서 유저
 *   **콘텐츠 트레드밀(Content Treadmill)과 계획적 진부화**: 라이브 운영 단계에서 개발사는 단순한 버그 수정을 넘어 새로운 건물 레벨, 상위 부대 티어(T11+), 새로운 연구 카테고리 등을 매일 업데이트로 밀어 넣는다 [5]. 이처럼 끊임없이 추가되는 콘텐츠는 최상위 과금 유저와 일반 유저 간의 힘의 격차를 계속해서 벌리며, 중간 계층의 유저들이 쓸모없어지는 것을 피하기 위해 강제적으로 과금을 지속하게 만드는 '무한한 지출 수조(infinite sink)' 역할을 한다 [5, 9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Monetization]], [[Real-Time Engine (RTE)]], [[Events]], [[Behavioral Segmentation]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X Strategy Games]], [[Machine Zone]]
+- **Related Topics:** Monetization, [[Real-Time Engine (RTE)]], [[Events]], [[Behavioral Segmentation]]
+- **Projects/Contexts:** Game of War: Fire Age, 4X Strategy Games, [[Machine Zone]]
 - **Contradictions/Notes:** 모든 4X 전략 게임이 동일한 방식의 LiveOps를 추구하는 것은 아니다. Puzzles & Survival과 같은 게임은 15개 이상의 이벤트를 촘촘하게 겹쳐 진행하며 즉각적인 과금을 압박하는 반면, Rise of Kingdoms 등의 게임은 몰입을 위해 이벤트 밀도를 의도적으로 낮추고 필수적인 게임플레이 위주로 UI를 정돈하여 장기적인 유저 신뢰를 쌓는 상반된 LiveOps 접근법을 사용한다 [2, 7, 10].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Machine Zone의 4X 포트폴리오 확장 및 라이브 서비스 모델 고도화.md b/10_Wiki/Topics/Game Design/Machine Zone의 4X 포트폴리오 확장 및 라이브 서비스 모델 고도화.md
index e3abaec7..69725b95 100644
--- a/10_Wiki/Topics/Game Design/Machine Zone의 4X 포트폴리오 확장 및 라이브 서비스 모델 고도화.md	
+++ b/10_Wiki/Topics/Game Design/Machine Zone의 4X 포트폴리오 확장 및 라이브 서비스 모델 고도화.md	
@@ -18,7 +18,7 @@ Machine Zone(MZ)은 *Game of War*의 압도적인 상업적 성공을 바탕으
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Real-Time Engine (RTE)]], [[LiveOps]], [[Data-Driven Personalization]], [[Continuous Obsolescence]], [[Staircase Monetization]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Mobile Strike]], [[Final Fantasy XV: A New Empire]], [[World War Rising]]
+- **Projects/Contexts:** Game of War: Fire Age, [[Mobile Strike]], Final Fantasy XV: A New Empire, [[World War Rising]]
 - **Contradictions/Notes:** MZ의 *Final Fantasy XV: A New Empire*는 막대한 상업적 성과를 거두었지만, 비평가들로부터는 콘솔 RPG 원작의 장점을 살리지 못한 채 페이투윈(pay-to-win) 수익 구조만 씌운 '영혼 없는 착취(soullessly exploitative)'이자 '전형적인 쓰레기(pay to win junk)'라는 비판을 심하게 받았습니다 [1, 16].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Metronomos-Heavy-Turret.md b/10_Wiki/Topics/Game Design/Metronomos-Heavy-Turret.md
new file mode 100644
index 00000000..6e51b271
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Metronomos-Heavy-Turret.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-METRONOMOS-HEAVY-TURRET
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Metronomos Heavy Turret
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Metronomos Heavy Turret은 2026년 3월 업데이트를 통해 War Commander에 도입된 새로운 방어 구조물입니다 [1, 2]. 이 포탑은 사격 시 연사 속도가 점점 증가하다가 특수한 '플럭스 버블(Flux Bubble)' 라운드를 발사한 후 다시 초기화되는 독특한 매커니즘을 가집니다 [3, 4]. 전술적으로는 버스트(BURST) 피해를 활용하여 지속적인 피해를 버티는 고체력 전차들을 요격하는 강력한 카운터로 기능합니다 [4].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **등장 배경 및 획득:** 2026년 3월 연구 드롭(Research Drop) 업데이트의 일환으로 게임 내 전투 생태계에 도입되었으며, 총 15개의 새로운 레벨을 제공합니다 [3, 5]. 플레이어는 'Operation: Western Sun' 이벤트 상점에서 Nightwatch Bunker와 함께 이 포탑을 확보할 수 있습니다 [1].
+- **공격 매커니즘 (연사 패턴):** Metronomos의 가장 두드러진 특징은 가변적인 연사 속도(Fire Rate)에 있습니다 [3]. 목표물을 사격하는 동안 연사 속도가 지속적으로 증가하며, 최종적으로 1발의 '플럭스 버블(Flux Bubble)' 라운드를 발사하게 됩니다 [3, 4]. 이 특수 라운드가 발사된 직후에는 연사 속도가 다시 초기화되어 동일한 사이클을 반복합니다 [3].
+- **전술적 역할 및 피해 유형:** 이 포탑은 버스트(BURST) 대미지 프로필을 갖추고 있습니다 [3, 4]. 기존의 지속 사격(Sustained fire)을 흡수하며 전진하는 고체력 기반의 탱킹 전차(Tanking Units)들을 순식간에 파괴하는 데 이상적인 방어 수단으로 평가받습니다 [4].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Burst Damage, Defensive Architecture, Tanking Units
+- **Projects/Contexts:** [[MARCH 2026 RESEARCH DROP]], Operation: Western Sun
+- **Contradictions/Notes:** 소스 내에서 이 포탑의 기능에 대한 상충되는 정보는 없습니다. 참고로, Metronomos가 가하는 버스트(BURST) 피해는 적이 'Support Reinforced' 플랫폼을 사용할 경우 50%의 피해 감소(Damage Reduction) 효과를 받을 수 있으므로 교전 시 이를 고려해야 합니다 [3, 6].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Mixed-Platoons.md b/10_Wiki/Topics/Game Design/Mixed-Platoons.md
new file mode 100644
index 00000000..215d74ce
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Mixed-Platoons.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-MIXED-PLATOONS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Mixed Platoons
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+'Mixed Platoons(혼합 소대)'는 대공(Anti-Air) 유닛과 대지(Anti-Ground) 유닛, 혹은 서로 다른 데미지 프로필을 가진 유닛들을 결합하여 편성하는 부대 운용 전략입니다. 이는 게임 내 유닛 간의 물고 물리는 상성(가위바위보 시스템)에서 발생하는 단일 유닛 부대의 치명적인 약점을 상쇄하기 위해 사용됩니다 [1]. 특히 방어 구조물이 고도로 특화된 2026년 업데이트 이후, 일관된 공격 효율을 유지하기 위해 필수적인 전술로 자리 잡았습니다 [2, 3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **유닛 상성(Rock-Paper-Scissors)의 보완:** 워 커맨더의 어떤 유닛도 전장의 모든 것을 파괴할 수는 없습니다 [1]. 전차는 지상 유닛을 상대로 강력하지만 공중을 공격할 수 없고, 개틀링과 대공포(Flak)는 공중 유닛 공격에 특화되어 지상 유닛에는 취약합니다 [1]. 따라서 개틀링 트럭(대공)과 팔라딘(대지)과 같이 대공 유닛과 대지 유닛을 함께 혼합하여 소대를 구성하면, 이러한 단점이 보완되어 적이 부대를 격파하기 훨씬 더 어려워집니다 [1].
+*   **특화된 방어 플랫폼에 대한 카운터:** 2026년 3월 연구(Research Drop) 업데이트로 인해 특정 공격 유형(지상, 공중, BURST, SUSTAIN, AREA 데미지)에 대해 데미지를 50% 감소시키는 지원(Support) 및 헤비(Heavy) 플랫폼들이 방어 체계에 도입되었습니다 [2]. 만약 공격자가 'SUSTAIN 데미지'를 주는 단일 병과에만 의존한다면, 방어자가 'Armored 플랫폼'을 구축했을 때 공격 효율은 절반으로 깎이게 됩니다 [3]. 이를 극복하기 위해 공격자는 방어자의 플랫폼 선택과 무관하게 지속적인 타격을 줄 수 있도록 다양한 데미지 프로필을 포함하는 '혼합 소대'를 반드시 배치해야 합니다 [3].
+*   **공중 및 지상군의 독립적 활용:** 훌륭한 군대일수록 공중 유닛과 지상 유닛을 적절히 혼합하여 사용합니다 [4]. 공중 유닛의 수용 한도(Airfield capacity)와 지상 유닛의 수용 한도는 완전히 분리되어 별개로 적용되므로, 이 두 수용량을 모두 채워 다양한 유닛으로 소대를 구성하는 것이 전략적으로 권장됩니다 [4, 5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Unit Counter Mechanics, Support and Heavy Platforms, Damage Types
+- **Projects/Contexts:** [[March 2026 Research Drop]]
+- **Contradictions/Notes:** 서로 모순되는 주장이나 특이사항에 대해서는 소스에 관련 정보가 부족합니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Mobile Strike.md b/10_Wiki/Topics/Game Design/Mobile Strike.md
index f2f10dae..62747a44 100644
--- a/10_Wiki/Topics/Game Design/Mobile Strike.md	
+++ b/10_Wiki/Topics/Game Design/Mobile Strike.md	
@@ -14,7 +14,7 @@ Mobile Strike는 2015년 11월 Machine Zone(이후 MZ)에서 출시한 현대전
   * 마케팅 비용의 규모는 타의 추종을 불허하는 수준이었는데, 슈퍼볼 50(Super Bowl 50) 기간에 방영된 단일 광고에만 무려 약 1,070만 달러를 지출한 것으로 추정됩니다 [3, 4]. 이는 미드코어(Mid-core) 게임 오디언스의 관심을 독점하기 위해 경쟁사를 압도하는 비용을 지불할 의지가 있었음을 보여줍니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Game of War: Fire Age]], [[Machine Zone]], [[4X Strategy]], [[User Acquisition (UA)]]
+- **Related Topics:** Game of War: Fire Age, [[Machine Zone]], [[4X Strategy]], [[User Acquisition (UA)]]
 - **Projects/Contexts:** [[Machine Zone의 4X 포트폴리오 확장 및 라이브 서비스 모델 고도화]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
diff --git a/10_Wiki/Topics/Game Design/Monetization/Power Creep.md b/10_Wiki/Topics/Game Design/Monetization/Power Creep.md
index 809c9a34..93d1664b 100644
--- a/10_Wiki/Topics/Game Design/Monetization/Power Creep.md	
+++ b/10_Wiki/Topics/Game Design/Monetization/Power Creep.md	
@@ -1,6 +1,6 @@
 ---
 id: b4c5d6e7-f8g9-0h1i-2j3k-4l5m6n7o8p9q
-category: "[[10_Wiki/Topics/Game Design/Monetization]]"
+category: "10_Wiki/Topics/Game Design/Monetization"
 confidence_score: 1.0
 tags: [power-creep, game-balance, monetization, ltv, liveops]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-game"
     - **Risk Factor:** 과도한 격차 발생 시 라이트 유저의 이탈과 커뮤니티 붕괴(Broken Base) 초래 가능.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Monetization]]
-- **Related:** [[Content Treadmills]], [[Staircase Monetization]], [[Infinitely Scalable Economy]]
+- **Parent:** Monetization
+- **Related:** Content Treadmills, [[Staircase Monetization]], Infinitely Scalable Economy
 - **Raw Source:** [[00_Raw/Power Creep]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Monetization/Staircase Monetization.md b/10_Wiki/Topics/Game Design/Monetization/Staircase Monetization.md
index 903e75cd..0f60bfa1 100644
--- a/10_Wiki/Topics/Game Design/Monetization/Staircase Monetization.md	
+++ b/10_Wiki/Topics/Game Design/Monetization/Staircase Monetization.md	
@@ -1,6 +1,6 @@
 ---
 id: f1e2d3c4-b5a6-4987-9e0d-1c2b3a4f5e6d
-category: "[[10_Wiki/Topics/Game Design/Monetization]]"
+category: "10_Wiki/Topics/Game Design/Monetization"
 confidence_score: 1.0
 tags: [monetization, dynamic-pricing, ltv, staircase, dark-patterns]
 last_reinforced: 2026-04-27
@@ -20,8 +20,8 @@ github_commit: "p-reinforce-game"
     - **Standardization of High Tiers:** 반복적 노출을 통해 $99.99 패키지를 심리적 '표준 거래 단위'로 고착화.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Monetization]]
-- **Related:** [[Willingness to Pay (WTP)]], [[Lifetime Value (LTV)]], [[Dynamic Pricing]], [[Dark Patterns]]
+- **Parent:** Monetization
+- **Related:** [[Willingness to Pay (WTP)]], [[Lifetime Value (LTV)]], [[Dynamic Pricing]], Dark Patterns
 - **Raw Source:** [[00_Raw/Staircase Monetization]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Monetization/VIP System.md b/10_Wiki/Topics/Game Design/Monetization/VIP System.md
index 03f15371..88ee57b9 100644
--- a/10_Wiki/Topics/Game Design/Monetization/VIP System.md	
+++ b/10_Wiki/Topics/Game Design/Monetization/VIP System.md	
@@ -1,6 +1,6 @@
 ---
 id: c3d4e5f6-a7b8-4c9d-0e1f-2a3b4c5d6e7f
-category: "[[10_Wiki/Topics/Game Design/Monetization]]"
+category: "10_Wiki/Topics/Game Design/Monetization"
 confidence_score: 1.0
 tags: [monetization, vip-system, mz, whale-retention]
 last_reinforced: 2026-04-27
@@ -20,8 +20,8 @@ github_commit: "p-reinforce-game"
     - **QoL vs Stats:** 편의성(자동화)과 전투력(스탯)을 동시에 묶어 모든 유저층에 강력한 동기 부여.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Monetization]]
-- **Related:** [[Staircase Monetization Model]], [[Whale Players]], [[Retention Strategies]]
+- **Parent:** Monetization
+- **Related:** [[Staircase Monetization Model]], Whale Players, Retention Strategies
 - **Raw Source:** [[00_Raw/VIP System]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Nightwatch-Bunker.md b/10_Wiki/Topics/Game Design/Nightwatch-Bunker.md
new file mode 100644
index 00000000..b36b5076
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Nightwatch-Bunker.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-NIGHTWATCH-BUNKER
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Nightwatch Bunker
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Nightwatch Bunker는 War Commander의 2026년 3월 연구 드롭(Research Drop) 업데이트를 통해 도입된 새로운 방어 구조물입니다 [1, 2]. 최대 750의 수용량을 가지며 내부에 배치된 유닛에게 사거리 및 각종 피해량 보너스를 제공합니다 [1, 3]. 특히, 반경 300 이내의 적 항공기에 난기류(Turbulence)를 발생시켜 이동과 조준을 방해하는 전자전(electronic warfare) 기능을 수행하여 공중 강습에 대한 방어력을 크게 높여줍니다 [1, 3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **기본 정보 및 획득 경로:** 2026년 3월 연구 업데이트에서 Metronomos Heavy Turret과 함께 새롭게 도입되었으며, 총 10개의 레벨로 구성되어 있습니다 [1, 2]. 플레이어는 'Operation: Western Sun' 상점에서 이 벙커를 획득할 수 있습니다 [1].
+* **수용량 및 전술적 보너스:** Nightwatch Bunker의 최대 수용량(Max Capacity)은 750입니다 [1, 3]. 내부에 주둔하는 유닛들에게 20%의 사거리 보너스(Range Bonus)를 제공하며, 적 보병(Infantry), 차량(Vehicle), 항공기(Aircraft)에 대한 피해량을 각각 10%씩 증가시켜 수비군의 화력을 전반적으로 강화합니다 [1, 3].
+* **대공 특수 방어 기능 (난기류 효과):** 이 벙커의 가장 핵심적인 전술적 특징은 300 사거리 내에 접근하는 적 항공기에 난기류(Turbulence)를 일으킨다는 점입니다 [1]. 이 난기류는 적 항공기의 이동과 조준을 교란시켜, 공중 공격(aerial raids)을 복잡하게 만드는 일종의 전자전 장비(electronic warfare suite) 역할을 효과적으로 수행합니다 [3].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Bunker, Metronomos Heavy Turret, Aircraft
+- **Projects/Contexts:** [[MARCH 2026 RESEARCH DROP]], Operation: Western Sun
+- **Contradictions/Notes:** 소스 내에 상충하는 정보는 없습니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Pay-to-win.md b/10_Wiki/Topics/Game Design/Pay-to-win.md
index a975895c..05d208b0 100644
--- a/10_Wiki/Topics/Game Design/Pay-to-win.md	
+++ b/10_Wiki/Topics/Game Design/Pay-to-win.md	
@@ -10,8 +10,8 @@ Pay-to-win(P2W)은 게임 내에서 생존과 우위를 점하기 위해 지속
 * **비판과 시장의 평가:** 이와 같은 무자비한 Pay-to-win 메커니즘은 'Game of War'뿐만 아니라 동일한 구조를 차용한 'Final Fantasy XV: A New Empire' 등의 파생 게임에서도 "Pay-to-win 쓰레기(junk)", "광고에 의존하는 개발자의 노골적인 돈벌이(cash grab)"라는 언론과 유저들의 거센 비판을 받았습니다. [10, 11] 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Monetization]], [[Permanent Loss]], [[VIP System]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Final Fantasy XV: A New Empire]], [[4X Strategy Games]]
+- **Related Topics:** Monetization, [[Permanent Loss]], [[VIP System]]
+- **Projects/Contexts:** Game of War: Fire Age, Final Fantasy XV: A New Empire, 4X Strategy Games
 - **Contradictions/Notes:** 리뷰어들과 연구자들은 Pay-to-win 시스템을 불공정하고 약탈적인 과금 유도라고 비판하지만 [10-12], 소스 [6]에서는 돈이 많은 사람이 권력의 자리에 오르는 현실의 자본주의를 그대로 반영한 것으로 볼 수 있다는 시각도 존재함을 언급합니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Permanent Loss.md b/10_Wiki/Topics/Game Design/Permanent Loss.md
index e6da8a07..39f2aee0 100644
--- a/10_Wiki/Topics/Game Design/Permanent Loss.md	
+++ b/10_Wiki/Topics/Game Design/Permanent Loss.md	
@@ -10,8 +10,8 @@
 * **영구적 스탯과의 차이점:** 전투에서 순식간에 잃을 수 있는 병력 전투력과 달리, 아카데미(Academy)를 통해 완료한 '연구 전투력(Research Power)'은 손실되지 않고 영구적으로 유지됩니다 [9]. 이로 인해 연구는 시간이 매우 오래 걸리더라도 플레이어의 전투력을 안정적으로 보존하는 확실한 수단으로 기능합니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Zeroing]], [[Revenge Pack]], [[Hospital]], [[Monetization]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone]]
+- **Related Topics:** Zeroing, Revenge Pack, Hospital, Monetization
+- **Projects/Contexts:** Game of War: Fire Age, [[Machine Zone]]
 - **Contradictions/Notes:** 소스에 따르면 영구적 손실의 규칙에서 예외가 되는 것은 '연구(Research)'입니다. 훈련된 병력과 장비는 전투 결과에 따라 영구적으로 상실될 수 있지만, 연구 트리를 통해 얻은 전투력과 버프는 패배해도 절대 사라지지 않는 영구적인 자산으로 남습니다 [9].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Platform-Resistance-and-Defensive-Specialization.md b/10_Wiki/Topics/Game Design/Platform-Resistance-and-Defensive-Specialization.md
new file mode 100644
index 00000000..d170a694
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Platform-Resistance-and-Defensive-Specialization.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-PLATFORM-RESISTANCE-AND-DEFENSIVE-SPECIALIZATION
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 플랫폼 저항 및 방어 특화(Platform Resistance and Defensive Specialization)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+플랫폼 저항 및 방어 특화(Platform Resistance and Defensive Specialization)는 2026년 3월 '리서치 드롭(Research Drop)' 업데이트를 통해 도입된 방어 시스템의 핵심 메타 변화를 의미한다 [1]. 각 방어 플랫폼이 특정 무기 및 피해 유형에 대해 고유한 데미지 저항력을 제공하도록 이름과 기능이 개편되었으며, 이는 방어막을 구축하는 사령관의 전략적 선택을 극도로 전문화시켰다 [2]. 이로 인해 공격자는 단일 피해 유형의 병력에만 의존할 수 없게 되었고, 다양한 무기 프로필을 조합하는 제합군(Combined Arms) 전술이 필수적으로 요구된다 [1, 3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **특화 플랫폼의 방어적 기능 개편:** 2026년 3월 업데이트 이후 이리듐(Iridium)을 소모하는 새로운 지원(Support) 및 중형(Heavy) 플랫폼 연구 레벨이 추가되었다 [4]. 이 개편을 통해 플랫폼들은 특정 데미지 유형이나 적군 유형에 대해 50%의 데미지 감소 효과 또는 면역성을 갖도록 세분화되었다 [2].
+- **세부 지원 플랫폼(Support Platform) 저항 특성:** 구체적으로 '지원 그라비톤(Support Graviton)'은 지상 유닛의 피해를 50% 감소시키며, '지원 에어로제트(Support Aerojet)'는 공중 유닛의 피해를 50% 감소시킨다 [2, 5, 6]. 공격 방식에 따른 저항으로는 지역(AREA) 피해를 반감시키는 '지원 인슐레이티드(Support Insulated)', 폭발(BURST) 피해를 반감시키는 '지원 레인포스드(Support Reinforced)', 지속(SUSTAIN) 피해를 반감시키는 '지원 아머드(Support Armored)'가 있다 [2, 5, 6]. 또한 '지원 레지스터(Support Resistor)'는 모든 상태 이상에 대한 면역을 제공하고, '지원 불워크(Support Bulwark)'는 고정 데미지 감소 효과를 지닌다 [2, 6]. 
+- **중형 플랫폼(Heavy Platform) 저항 특성:** 중형 플랫폼 라인업도 유사하게 재편되어 '중형 에어로제트(Heavy Aerojet)' 및 '중형 클랜데스틴(Heavy Clandestine)'은 대공 피해를 50% 감소시키고, '중형 레지스터(Heavy Resistor)'는 상태 이상 면역을 갖추는 등 방어 특화적 성격을 공유한다 [7, 8].
+- **전술적 영향 및 복합 방어망 구축:** 이러한 플랫폼의 전문화로 인해 공격자가 단일 유닛 유형(예: 지속 피해 보병)만을 운용할 경우, 방어자의 '아머드' 플랫폼 투자에 의해 공격력이 절반으로 깎이는 결과가 초래된다 [3]. 방어자는 플랫폼 외에도 폭발 피해로 고체력 전차를 파괴하는 '메트로노모스(Metronomos)' 중형 포탑과 반경 300 내의 적 항공기에 난기류(Turbulence)를 발생시키는 '나이트워치(Nightwatch)' 벙커를 배치하여 다층적이고 까다로운 방어 생태계를 구축할 수 있다 [9, 10]. 
+- **공격자의 대응 전략:** 결과적으로 플랫폼의 저항 특성을 돌파하기 위해서는 공격자 측에서도 방어자의 플랫폼 구성과 무관하게 상시 유효한 화력을 투사할 수 있도록, 다채로운 공격 속성을 아우르는 '혼합 소대(Mixed Platoons)'의 편성이 강제된다 [3].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Combined Arms(제합군), Mixed Platoons(혼합 소대), Metronomos Heavy Turret(메트로노모스 중형 포탑), Nightwatch Bunker(나이트워치 벙커)
+- **Projects/Contexts:** March 2026 Research Drop(2026년 3월 리서치 드롭)
+- **Contradictions/Notes:** 소스 간의 정보 상충은 없으며, 방어 플랫폼의 세분화는 공격의 단순화를 방지하고 고도화된 전술적 유닛 조합을 유도한다는 점에서 일관되게 강조된다 [1, 3].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Platform-Resistance.md b/10_Wiki/Topics/Game Design/Platform-Resistance.md
new file mode 100644
index 00000000..12d0226f
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Platform-Resistance.md	
@@ -0,0 +1,37 @@
+---
+id: GAME-WC-PLATFORM-RESISTANCE
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Platform Resistance
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Platform Resistance(플랫폼 저항)는 2026년 3월 연구 업데이트(March 2026 Research Drop)를 통해 도입된 방어 특화 시스템입니다 [1]. 이 시스템은 방어 플랫폼에 특정 무기 프로필이나 피해 유형에 대해 50%의 피해 감소 또는 상태 이상 면역 등의 고유한 저항력을 부여합니다 [2]. 이로 인해 단일 유닛 위주의 공격 효율이 반감되며, 공격자는 다양한 피해 프로필을 결합한 혼합 소대를 구성해야 하는 전술적 메타 변화가 발생했습니다 [3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **도입 및 자원 요구사항:** 2026년 3월 업데이트를 통해 기존 방어 플랫폼들의 이름이 변경되고 새로운 방어 능력치들이 부여되었으며, 이 연구 레벨을 진행하기 위해서는 '이리듐(Iridium)' 자원이 필수적으로 요구됩니다 [1, 4]. 
+- **플랫폼별 저항 특성 세부사항:** 특화된 지원(Support) 및 중형(Heavy) 방어 플랫폼은 다음과 같은 피해 감소 및 면역 기능을 제공합니다.
+  - **Support / Heavy Graviton (구 Airborne / Graviton Platform):** 지상 유닛(Ground Units)으로부터 받는 피해 50% 감소 [2, 5, 6].
+  - **Support Insulated (구 Insulated Platform):** 범위 피해(AREA Damage) 50% 감소 [2, 5].
+  - **Support Reinforced (구 Reinforced Platform):** 버스트 피해(BURST Damage) 50% 감소 [2, 5].
+  - **Support Armored (구 Armored Platform):** 지속 피해(SUSTAIN Damage) 50% 감소 [2, 7].
+  - **Support / Heavy Aerojet (구 Flying / Floating Heavy Platform):** 공중 유닛(Air Units)으로부터 받는 피해 50% 감소 [2, 6, 7].
+  - **Heavy Clandestine (구 Clandestine Platform):** 공중 유닛으로부터 받는 피해 50% 감소 [2, 8].
+  - **Support / Heavy Resistor (구 Resistor / Resistor Heavy Platform):** 모든 상태 이상 효과(Status Effects)에 대한 완전한 면역 제공 [2, 6, 7].
+  - **Support / Heavy Bulwark (구 Plated / Bulwark Platform):** 고정 피해 감소(Flat Damage Reduction) 제공 [2, 6, 7].
+- **전술적 메타 변화 (Defensive Specialization):** 방어 플랫폼의 피해 저항 특성이 도입되면서, 방어자는 공격자의 무기 프로필을 무력화하는 맞춤형 방어막을 구축할 수 있게 되었습니다 [2]. 반대로 공격자가 지속 피해(Sustain damage)를 입히는 보병과 같이 단일 유닛이나 단일 피해 유형에만 의존할 경우, 이에 대응하는 플랫폼(예: Armored Platform) 앞에서 공격 효율이 절반으로 떨어지게 됩니다 [3]. 따라서 공격자는 방어자의 플랫폼 선택에 상관없이 일관된 타격을 입히기 위해 다양한 피해 프로필을 조합한 '혼합 소대(Mixed Platoons)'를 운용하는 통합군(Combined Arms) 접근 방식이 강제됩니다 [1, 3].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** `Mixed Platoons`, `Defensive Specialization`, `[[Iridium]]`
+- **Projects/Contexts:** `[[March 2026 Research Drop]]`
+- **Contradictions/Notes:** 소스 내에서 모순되는 부분은 없으며, 제공된 자료들은 공통적으로 이 업데이트가 단일 유닛 전술을 카운터하고 더 복잡한 전술적 부대 구성(Combined Arms)을 필수로 만들었음을 강조하고 있습니다 [1, 3].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Platform-Specialization.md b/10_Wiki/Topics/Game Design/Platform-Specialization.md
new file mode 100644
index 00000000..a5d3a4e2
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Platform-Specialization.md	
@@ -0,0 +1,36 @@
+---
+id: GAME-WC-PLATFORM-SPECIALIZATION
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 플랫폼 특화(Platform Specialization)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+플랫폼 특화(Platform Specialization)는 2026년 3월 업데이트를 통해 War Commander에 도입된 방어 메타의 핵심적인 변화로, '지원(Support)' 및 '중장갑(Heavy)' 플랫폼들이 특정 무기 프로필에 대해 고유한 내성을 갖도록 개편된 시스템입니다 [1, 2]. 각 플랫폼은 지상/공중 공격이나 광역(AREA), 폭발(BURST), 지속(SUSTAIN) 피해 등 특정 공격 유형으로부터 받는 피해를 50% 감소시키거나 상태 이상에 대한 면역을 제공합니다 [2-4]. 이로 인해 방어자는 보다 정교한 방어망을 구축할 수 있게 되었으며, 공격자는 이를 파훼하기 위해 다양한 피해 유형을 조합한 '혼합 소대(Mixed Platoons)'를 운용해야만 합니다 [2, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **이리듐(Iridium) 기반의 기술 진화:** 플랫폼 특화는 2026년 3월 'Research Drop'을 통해 전투 생태계에 등장했으며, 새로운 베이스 업그레이드 및 플랫폼 연구를 수행하기 위해서는 '이리듐'이라는 특수 자원이 필수적으로 요구됩니다 [1, 6].
+*   **피해 내성 및 방어 플랫폼 세분화:** 과거의 플랫폼들은 새로운 이름으로 재편되며 세분화된 방어 효과 및 내성을 부여받았습니다 [2, 3].
+    *   **Support Graviton / Heavy Graviton:** (구 Airborne / Graviton Platform) 지상 유닛으로부터 받는 피해 50% 감소 [2, 3, 7].
+    *   **Support Aerojet / Heavy Aerojet / Heavy Clandestine:** (구 Flying / Floating Heavy / Clandestine Platform) 공중 유닛으로부터 받는 피해 50% 감소 [2, 4, 7, 8].
+    *   **Support Insulated:** (구 Insulated Platform) 광역 피해(AREA Damage) 50% 감소 [2, 3].
+    *   **Support Reinforced:** (구 Reinforced Platform) 폭발/버스트 피해(BURST Damage) 50% 감소 [2, 3].
+    *   **Support Armored:** (구 Armored Platform) 지속 피해(SUSTAIN Damage) 50% 감소 [2, 4].
+    *   **Support Resistor / Heavy Resistor:** (구 Resistor Platform) 모든 종류의 상태 이상 효과(Status Effects)에 대한 면역 부여 [2, 4, 7].
+    *   **Support Bulwark / Heavy Bulwark:** (구 Plated / Bulwark Platform) 고정 피해 감소(Flat Damage Reduction) 효과 제공 [2, 4, 7].
+*   **전술적 패러다임의 변화:** 이러한 방어 시스템의 특화는 전투 전술에서 '제병 협동(Combined Arms)' 접근법을 강제합니다 [1]. 공격자가 지속 피해(Sustain Damage)에만 집중하는 단일 유형의 공격 부대를 운용할 경우, 'Armored' 플랫폼을 갖춘 방어 시설 앞에서는 공격 효율이 절반으로 깎이게 됩니다 [5]. 결과적으로 방어자의 플랫폼 선택과 관계없이 꾸준한 타격력을 유지하기 위해, 공격자는 여러 피해 프로필(광역, 버스트, 지속 피해 등)이 고르게 조합된 '혼합 소대(Mixed Platoons)'를 구성하는 것이 전술적으로 필수가 되었습니다 [5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Mixed Platoons, Combined Arms, [[Iridium]]
+- **Projects/Contexts:** [[March 2026 Research Drop]]
+- **Contradictions/Notes:** 소스 간의 모순된 주장은 존재하지 않습니다. 다만, 단일 유닛 화력에 의존하던 기존의 공격 메타가 2026년 업데이트에 따른 방어 구조물의 특화 방어력으로 인해 다각화된 혼합 전술로 진화해야만 함을 일관되게 강조하고 있습니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Power Creep (Content Treadmills).md b/10_Wiki/Topics/Game Design/Power Creep (Content Treadmills).md
index e251d46a..3717d1e1 100644
--- a/10_Wiki/Topics/Game Design/Power Creep (Content Treadmills).md	
+++ b/10_Wiki/Topics/Game Design/Power Creep (Content Treadmills).md	
@@ -10,8 +10,8 @@
 - **수익화(Monetization)와의 시너지:** 이러한 지속적인 구형화(Continuous Obsolescence) 작업은 최상위 지출자(Whale)와 그 외 유저 사이의 전투력 격차를 끝없이 벌려놓습니다 [2]. 게임 내 병력과 자원을 완전히 잃을 수 있는 '영구적 손실(Permanent Loss)' 시스템이 존재하는 환경에서, 유저들은 쓸모없는 존재(obsolete)가 되거나 타겟이 되는 것을 피하기 위해 울며 겨자 먹기로 계속해서 돈을 쓸 수밖에 없는 구조가 완성됩니다 [2, 4, 9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[LiveOps]], [[Staircase Monetization]], [[Permanent Loss]], [[Whale (Monetization)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** [[LiveOps]], [[Staircase Monetization]], [[Permanent Loss]], Whale (Monetization)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 일반적으로 파워 크립은 구형 콘텐츠를 무의미하게 만들어 플레이어 기반을 분열(Broken Base)시키거나, 게임을 단순한 속도전이나 지루한 힘겨루기로 변질시키는 부정적 결과를 낳는다고 비판받습니다 [10, 11]. 하지만 *Game of War*의 구조 내에서는 이 파워 크립이 비대칭적 힘의 균형을 만들고 맞춤형 패키지(맞춤형 상품) 판매를 가능하게 하여 오히려 유저들의 지출을 극대화하는 가장 강력한 무기로 작동합니다 [2, 8].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Puzzles & Survival.md b/10_Wiki/Topics/Game Design/Puzzles & Survival.md
index 3f5d112a..62ed7fb1 100644
--- a/10_Wiki/Topics/Game Design/Puzzles & Survival.md	
+++ b/10_Wiki/Topics/Game Design/Puzzles & Survival.md	
@@ -10,8 +10,8 @@
 * **시장 성과:** 견고한 기존 장수 게임들이 지배하는 미국 iOS 전략 게임 차트에서, 조사 기간(2020~2021년 기준) 동안 매출 탑 10위 안에 진입한 유일한 신작 게임으로 기록되며 시장 내 확고한 입지를 다졌습니다 [4, 7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[4X Strategy]], [[Genre-Blending]], [[LiveOps]], [[Immediate Monetization]], [[Match-3]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM과 구조]], [[모바일 전략 게임 시장 (Mobile Strategy Market)]]
+- **Related Topics:** [[4X Strategy]], Genre-Blending, [[LiveOps]], Immediate Monetization, Match-3
+- **Projects/Contexts:** Game of War: Fire Age BM과 구조, 모바일 전략 게임 시장 (Mobile Strategy Market)
 - **Contradictions/Notes:** 소스에 특별한 모순점은 발견되지 않습니다. 'Puzzles & Survival'은 'Game of War'가 정립한 강도 높은 BM과 구조를 그대로 계승하면서도, 매치3라는 이질적인 장르를 섞어 진입 장벽을 낮춘 가장 현대적이고 성공적인 4X 전략의 진화 형태 중 하나로 평가됩니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Rise of Kingdoms.md b/10_Wiki/Topics/Game Design/Rise of Kingdoms.md
index 360caa3c..fac9aaf3 100644
--- a/10_Wiki/Topics/Game Design/Rise of Kingdoms.md	
+++ b/10_Wiki/Topics/Game Design/Rise of Kingdoms.md	
@@ -17,7 +17,7 @@ Rise of Kingdoms는 Lilith Games에서 퍼블리싱한 인기 4X 전략 게임
 *   **전략적 메커니즘:** 해당 모드에서는 3명의 챔피언을 선택해 전장의 목표 지점을 점령해야 하며, 이동 속도를 높이는 도로나 속도를 늦추고 방어력을 낮추는 늪 등의 지형 효과가 존재합니다 [5]. 병력이 포위되거나 아군이 쓰러질 때 감소하는 사기(Morale) 시스템과 사망 시 아군 시작 지점에서 부활(Respawn)하는 메커니즘을 통해 4X 전략 기반 위에 새로운 플레이 경험을 제공합니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[점진적 수익화(Gradual Monetization)]], [[4X Strategy]], [[MOBA]]
+- **Related Topics:** 점진적 수익화(Gradual Monetization), [[4X Strategy]], MOBA
 - **Projects/Contexts:** [[Game of War  BM과 구조 조사]]
 - **Contradictions/Notes:** Evony, Puzzles & Survival과 같이 즉각적인 수익화(Immediate Monetization Strategy)를 시도하는 게임들은 초기부터 공격적인 팝업과 패키지로 결제를 유도하지만, Rise of Kingdoms는 이와 반대로 초기 수익화 압박을 줄이고 장기적 가치에 투자하는 대조적인 모습을 보입니다 [1, 6, 9, 10].
 
diff --git a/10_Wiki/Topics/Game Design/Rock-Paper-Scissors-Dynamic.md b/10_Wiki/Topics/Game Design/Rock-Paper-Scissors-Dynamic.md
new file mode 100644
index 00000000..9735f3ee
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Rock-Paper-Scissors-Dynamic.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-ROCK-PAPER-SCISSORS-DYNAMIC
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 가위바위보 상성 시스템(Rock-Paper-Scissors Dynamic)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 시스템에서 단일 유닛이 전장의 모든 것을 파괴할 수 없도록 설계된 유닛 밸런스 메커니즘입니다 [1]. 공중 유닛은 중장갑(Heavy Armor)을 이기고, 중장갑은 경장갑(Light Armor)을 이기며, 경장갑은 다시 공중 유닛을 이기는 물고 물리는 상성 관계가 존재합니다 [1]. 이 시스템으로 인해 게임 내에 무적에 가까운 오버파워(Overpowered) 유닛은 존재할 수 없으며, 약점을 보완하는 전략적인 혼합 부대 구성이 강제됩니다 [1].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **핵심 상성 구조:** 워 커맨더의 유닛 상성은 "공중 유닛(Air) > 중장갑(Heavy Armor) > 경장갑(Light Armor) > 공중 유닛(Air)"의 가위바위보 형태를 띱니다 [1]. 예를 들어, 탱크는 지상 유닛을 상대로는 파괴적이지만 공중의 목표물은 공격할 수 없습니다 [1]. 반대로 개틀링(Gatling)이나 대공포(Flak)는 공중 유닛 격추에는 탁월하나 지상 유닛을 상대하도록 설계되지 않아 탱크에게 무력합니다 [1].
+* **데미지 패널(Damage Panel) 지표:** 생산 및 연구 시설(Tech Center, War Factory 등)의 데미지 패널을 통해 유닛 간의 상성과 데미지 비율을 색상 아이콘으로 명확히 확인할 수 있습니다 [2, 3]. 대상 아이콘이 진한 녹색(Dark Green)이면 최대 피해를, 노란색(Yellow)은 절반의 피해를, 주황색(Orange)은 절반 이하를, 빨간색(Red)은 피해를 전혀 입히지 못하거나 아주 미미한 피해만 입힐 수 있음을 의미합니다 [2, 3]. 
+* **전술적 대응 (혼합 소대):** 상성 시스템이 주는 치명적인 약점을 극복하기 위해 플레이어는 대공(Anti-Air) 유닛과 대지(Anti-Ground) 유닛을 결합한 '혼합 소대(Mixed Platoons)'를 편성해야 합니다 [1]. 예를 들어 대공을 담당하는 개틀링 트럭과 대지를 담당하는 팔라딘(Paladins) 전차를 함께 배치하면 상호 약점이 보완되어 적의 공격에 훨씬 효과적으로 대응하고 생존할 수 있습니다 [1].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[혼합 소대(Mixed Platoons)]], 데미지 패널(Damage Panel), 전투 부대 편성(Unit Formations)
+- **Projects/Contexts:** War Commander 전투 밸런스 및 유닛 메타
+- **Contradictions/Notes:** 제공된 소스 내에서 가위바위보 상성 시스템 자체에 대해 대립하거나 모순되는 정보는 발견되지 않았습니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Rogue-Player-Bases.md b/10_Wiki/Topics/Game Design/Rogue-Player-Bases.md
new file mode 100644
index 00000000..e35de2e5
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Rogue-Player-Bases.md	
@@ -0,0 +1,29 @@
+---
+id: GAME-WC-ROGUE-PLAYER-BASES
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Rogue Player Bases
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+로그 플레이어 기지(Rogue Player Bases)는 War Commander의 '섹터 브리치(Sector Breach)' 이벤트에서 등장하는 특수한 PvE 타겟입니다 [1-3]. 게임 내 설정상 '사르키스 클로닝 기술(Sarkis Cloning Technology)'을 사용하여 실제 플레이어들의 기지를 복제해 만든 AI 제어 기지입니다 [1-3]. 플레이어는 강습 소대(Assault Platoons)를 이용해 이 기지들을 공격하고, 그 보상으로 이벤트 상점에서 사용할 수 있는 섹터 브리치 XP를 획득하게 됩니다 [1-3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **생성 배경 및 전투 구조:** 로그 플레이어 기지는 사르키스 클로닝 기술(Sarkis Cloning Technology)을 통해 실제 플레이어의 기지를 똑같이 복제하여 생성된 대상입니다 [1, 2]. AI가 제어하는 복제 기지를 공격하는 방식이기 때문에, 근본적으로는 PvE이지만 실제 유저의 방어 구조를 상대하는 PvP의 경험을 제공하는 'PvE-as-PVP' 전투 구조를 지니고 있습니다 [3].
+- **이벤트 내 역할:** 2025년 8월 및 2026년 3월에 진행된 '섹터 브리치(Sector Breach)' 이벤트 등에서 플레이어들은 섹터 사령관으로서 복제된 로그 플레이어 기지들을 몰아내는 임무를 수행합니다 [1, 2]. 
+- **전투 진행 및 보상 시스템:** 플레이어는 강습 소대(Assault Platoons)를 동원하여 로그 플레이어 기지를 타격해야 합니다 [1, 2]. 타격에 성공하면 섹터 브리치 상점(Sector Breach Store)에서 전설 유닛 부품, 업그레이드 토큰, 기술 등과 교환할 수 있는 '섹터 브리치 XP'를 보상으로 획득하게 됩니다 [1-5]. 이벤트 트랙(일반 트랙과 정복자 트랙)의 기지 난이도 단계에 따라 획득하는 XP의 양이 다르게 설정되어 있습니다 [3-6].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Sector Breach, Sarkis Cloning Technology, PvE-as-PVP, Assault Platoons
+- **Projects/Contexts:** War Commander Sector Breach Events
+- **Contradictions/Notes:** 소스 간의 모순점은 존재하지 않습니다. 제공된 여러 소스 모두 로그 플레이어 기지가 사르키스 클로닝 기술로 생성된 플레이어 기지의 복제본이며, 섹터 브리치 XP를 얻기 위해 공격하는 타겟이라는 점을 동일하게 명시하고 있습니다 [1-3].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Sarkis-Cloning-Technology.md b/10_Wiki/Topics/Game Design/Sarkis-Cloning-Technology.md
new file mode 100644
index 00000000..acb343db
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Sarkis-Cloning-Technology.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-SARKIS-CLONING-TECHNOLOGY
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Sarkis Cloning Technology
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Sarkis Cloning Technology는 플레이어의 기지를 복제하여 AI가 제어하는 '로그 플레이어 기지(Rogue Player Bases)'를 생성하는 데 사용되는 기술입니다 [1, 2]. 이 기술은 주로 'Sector Breach' 이벤트의 배경 메커니즘으로 활용되며, 플레이어가 실제 다른 플레이어의 기지 복사본을 상대로 전투를 벌이게 만듭니다 [1, 3]. 플레이어는 이 복제된 PVE 기지를 공격하여 다양한 이벤트 보상을 획득할 수 있습니다 [2].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **로그 플레이어 기지(Rogue Player Bases) 생성:** Sarkis Cloning Technology는 실제 플레이어들의 기지 구조를 똑같이 복제하여 PVE 타겟인 로그 플레이어 기지를 만들어냅니다 [1, 2]. 이는 플레이어가 AI를 상대로 마치 PvP를 하는 것과 같은 경험(PvE-as-PvP)을 제공하는 핵심 전투 구조로 작용합니다 [3].
+* **Sector Breach 이벤트 임무:** 2025년 8월, 2026년 3월 등에 진행된 'Sector Breach' 이벤트에서 섹터 사령관(플레이어)들은 이 복제 기술로 생성된 타겟들을 몰아내야 하는 임무를 부여받습니다 [1, 2]. 플레이어는 자신의 강습 소대(Assault Platoons)를 이용해 General Track이나 Conqueror Track과 같은 난이도별 세트의 기지들을 공격하게 됩니다 [1, 4].
+* **전투 보상 및 전술적 활용:** 이 복제된 기지를 성공적으로 타격하면 플레이어는 'Sector Breach XP'를 획득합니다 [1, 2]. 모은 경험치는 이벤트 상점(Sector Breach Store)에서 전설 등급 유닛(Legendary Scorcher, Warlord Onymite 등)의 부품, 업그레이드 토큰, 전용 방어/공격 기술 등을 구매하는 데 필수적으로 사용됩니다 [5, 6]. 타겟을 여러 번 반복해서 공격해도 페널티가 없으며, 지속적인 세트 완료를 통해 보너스 경험치를 얻을 수 있습니다 [1, 4].
+* **추가 정보 한계:** 해당 기술을 개발한 'Sarkis'의 구체적인 기원이나 과학적 작동 원리 등 스토리적 배경에 대해서는 소스에 관련 정보가 부족합니다. 단지 'Sarkis Base'라는 이름의 특수 유닛 기지가 존재한다는 사실만 나열되어 있습니다 [7, 8].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Rogue Player Bases, Sector Breach, Assault Platoons, Sector Breach XP
+- **Projects/Contexts:** [[Sector Breach August 2025]], Sector Breach March 2026
+- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (Sarkis Cloning Technology의 구체적인 발명 배경이나 기술적 작동 원리에 대한 설명은 소스에 존재하지 않으며, 오직 Sector Breach 이벤트의 시스템적 메커니즘으로만 설명되어 있습니다.)
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Sector-Breach-Store.md b/10_Wiki/Topics/Game Design/Sector-Breach-Store.md
new file mode 100644
index 00000000..65fdc8a9
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Sector-Breach-Store.md	
@@ -0,0 +1,39 @@
+---
+id: GAME-WC-SECTOR-BREACH-STORE
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Sector Breach Store
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Sector Breach Store(섹터 브리치 상점)는 War Commander의 'Sector Breach' 전투 이벤트 기간 동안 획득한 Sector Breach XP를 사용하여 전설적인(Legendary) 유닛의 부품과 특수 기술을 구매할 수 있는 전용 상점입니다 [1-3]. 플레이어는 복제된 AI 로그 기지(Rogue Player Bases)를 타격하여 XP를 모으며, 상점이 닫히기 전 24시간의 'Use It or Lose It(사용하거나 잃거나)' 기간 내에 보상을 반드시 교환해야 합니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **Sector Breach XP 획득 방식:**
+    *   Sarkis 클로닝 기술(Sarkis Cloning Technology)을 통해 다른 플레이어의 기지를 복제하여 생성된 PVE 기지인 로그 기지(Rogue Player Bases)를 타격함으로써 'Sector Breach XP'를 획득할 수 있습니다 [1, 2, 6].
+    *   플레이어는 전투력에 맞게 일반 난이도인 'General Track' 또는 고난이도인 'Conqueror Track'을 선택하여 Assault Platoons으로 기지를 공격합니다 [1, 7].
+    *   기지는 반복적으로 타격할 수 있으며, 여러 번 타격하더라도 페널티 없이 이벤트 세트 완료에 반영되어 보너스 XP를 지급받습니다 [1, 6, 7].
+
+*   **상점 판매 항목 (보상 시스템):**
+    *   상점에서는 전설 등급 유닛(Legendary Units)의 부품, 업그레이드 토큰 및 특수 기술(Tech)을 교환할 수 있습니다 [3, 8, 9].
+    *   예를 들어, 2025년 8월 상점에서는 방어 시설 돌파에 특화된 중장갑 차량인 'Legendary Scorcher' 유닛과 관련 장갑/이동 속도 증가 기술(Clinker Armor, Burning Rubber 등)이 판매되었습니다 [4, 8, 10].
+    *   2026년 3월 상점에서는 최고 수준의 전설 보병 유닛인 'Warlord Onymite'의 부품 및 특수 방어 능력(Scatter Drive, Spider Sense 등)이 상점 항목으로 제공되었습니다 [5, 11].
+
+*   **운영 규칙 및 이용 제한:**
+    *   상점 내 모든 아이템에는 교환 가능 횟수(Redemption Limit)가 정해져 있어 무제한 구매가 불가능합니다 [10, 11].
+    *   이벤트 종료 후 상점이 유지되는 시간은 단 24시간이며, 이를 'Use It or Lose It' 기간으로 부릅니다. 이 시간이 지나 상점이 닫히면(일반적으로 수요일 오전 10시 PDT) 획득한 XP는 모두 소멸하므로 기한 내에 아이템을 수령해야 합니다 [4, 5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Sector Breach, Sector Breach XP, Rogue Player Bases, Legendary Units
+- **Projects/Contexts:** War Commander 이벤트 및 전투 보상 획득 시스템
+- **Contradictions/Notes:** 소스 상에서 상점의 기능이나 이벤트 보상 지급 방식과 관련하여 모순되는 내용에 대한 정보는 부족합니다. 
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Sector-Breach-XP.md b/10_Wiki/Topics/Game Design/Sector-Breach-XP.md
new file mode 100644
index 00000000..14aea3ea
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Sector-Breach-XP.md	
@@ -0,0 +1,32 @@
+---
+id: GAME-WC-SECTOR-BREACH-XP
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Sector Breach XP
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+Sector Breach XP는 War Commander의 'Sector Breach' 이벤트 기간 동안 획득할 수 있는 특수 통화이자 경험치입니다 [1-3]. 플레이어는 강습 소대(Assault Platoons)를 이용해 다른 플레이어의 기지를 복제한 AI 기지인 'Rogue Player Bases'를 공격하여 이 XP를 얻습니다 [1-3]. 획득한 Sector Breach XP는 전용 상점(Sector Breach Store)에서 전설적인 전투 유닛의 부품, 업그레이드 토큰 및 특수 장비(Tech)를 구매하는 데 사용됩니다 [4-6].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **획득 메커니즘:** Sarkis 복제 기술로 만들어진 'Rogue Player Bases'를 공격하여 승리하면 Sector Breach XP를 획득할 수 있습니다 [1-3]. 플레이어는 동일한 타겟을 여러 번 타격할 수 있으며, 이러한 승리는 향후 세트 완료 진행도에 누적되므로 반복 공격에 대한 불이익이 없습니다 [1, 7].
+* **난이도별 보상 체계:** 이벤트는 플레이어의 전투력과 전략에 맞춰 두 가지 트랙으로 운영되며, 각 트랙 내의 기지를 순서와 무관하게 격파하여 XP와 추가 완료 보너스를 얻을 수 있습니다 [1, 3, 7].
+    * **General Track (일반 트랙):** Base I (5,500 XP), Base II (5,500 XP), Base III (10,000 XP), 세트 완료 보너스 (40,000 XP) [3-5, 7].
+    * **Conqueror Track (정복자 트랙):** 상대적으로 난이도가 높지만 더 많은 XP를 지급합니다. Base I (17,000 XP), Base II (17,000 XP), Base III (30,000 XP), 세트 완료 보너스 (100,000 XP) [3-5].
+* **Sector Breach Store 활용:** 수집한 XP는 이벤트 상점에서 소비되며, 'Legendary Scorcher'나 'Warlord Onymite' 같은 전설 유닛, 업그레이드 토큰, 유닛의 능력을 강화하는 특수 장비(예: Clinker Armor, Scatter Drive 등)로 교환할 수 있습니다 [4-6].
+* **전투 전술 및 XP 극대화:** 고위급 이벤트 작전에서 Sector Breach XP 획득량을 극대화하기 위해 숙련된 지휘관들은 소모전 비용을 최소화하는 방식을 택합니다. 특정 유닛 조합(예: Incursion 기지에서는 Frostpiercer와 Simo 조합)을 활용한 '무료 수리(Free Repair)' 전략과 'TacOps 부스트'를 결합해 소대의 즉시 수리를 진행하며, 이를 통해 짧은 시간 내에 여러 번의 공격을 퍼붓습니다 [6].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Rogue Player Bases, Legendary Units, Sector Breach Store
+- **Projects/Contexts:** Arc 2 기술의 발전 및 전투 생태계 내 최상위 이벤트 작전(Elite Event Operations) 맥락에서 전력을 강화하기 위해 획득해야 하는 핵심 자원입니다 [3, 8, 9].
+- **Contradictions/Notes:** 소스 간의 충돌이나 모순되는 정보는 발견되지 않았으며, 보상량과 운영 구조가 모든 소스에서 일관되게 확인됩니다.
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Sector.md b/10_Wiki/Topics/Game Design/Sector.md
new file mode 100644
index 00000000..120d7f30
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Sector.md	
@@ -0,0 +1,37 @@
+---
+id: GAME-WC-SECTOR
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 섹터(Sector)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+섹터(Sector)는 War Commander에서 플레이어의 기지가 위치하고 전투 및 자원 경쟁이 벌어지는 고유한 월드 맵 구역이다 [1]. 총 200개의 섹터가 존재하며, 각 섹터는 자체적인 리더보드와 250,000개의 헥스(Hex)로 구성된 월드 맵을 가진다 [2-5]. 주로 동맹(Alliance)들이 특정 구역을 거점으로 삼아 영토 패권과 교전 규칙을 형성하는 지정학적 전투 생태계의 중심지 역할을 한다 [4, 6, 7].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **섹터의 구조와 특징**
+  게임 내에는 총 200개의 섹터가 존재하며, 플레이어는 계정 생성 시 특정 섹터에 배정된다 [1-3]. 각 섹터의 월드 맵은 500x500 크기의 헥스 그리드로 이루어져 있으며 자체적인 리더보드가 제공된다 [2, 4, 5]. 섹터 맵에는 플레이어 기지, 로그 팩션(Rogue Faction), 자원 매장지(Deposits) 등이 표시되며, 파란색은 아군, 빨간색은 적, 주황색은 로그 팩션으로 구분된다 [8].
+
+* **섹터 이동(Relocation) 및 전략적 활용**
+  플레이어는 커맨드 센터(Command Center)를 통해 1주일에 한 번씩 다른 섹터로 기지를 이동할 수 있다 [1, 2]. 다만, '악명(Infamy) 프리시즌' 중에는 이동 대기 시간이 사라져 동맹들이 주요 충돌을 대비해 특정 섹터로 병력을 신속하게 결집시킬 수 있다 [2, 4]. 이동할 섹터 목록에서는 해당 섹터에 있는 친구 수와 사용 가능한 전체 토륨(Thorium) 양을 확인할 수 있어, 상위 동맹들이 이동할 위치를 결정하는 주요 지표가 된다 [2, 5]. 단, 특별 이벤트 기간 중에는 이동이 제한되며, 동맹의 과밀을 방지하기 위해 친구의 기지와 너무 가까운 위치로는 점프할 수 없다 [5]. 
+
+* **지정학 및 동맹(Alliance) 패권**
+  동맹들은 특정 섹터를 자신들의 '홈(Home)'으로 삼고 구역을 통제하려는 경향이 있다 [5-7]. 특정 섹터의 기지 중 80% 이상을 장악한 거대 동맹은 비공식적인 '교전 규칙'을 설정하여 다른 플레이어들에게 강제하기도 한다 [7, 9]. 규칙을 따르지 않는 플레이어에게는 지속적인 기지 파괴 위협을 가하거나, 6개의 소대(Platoon)로 기지 주변 헥스를 둘러싸 자원 채집을 위한 이동을 막는 '감금(Jailing)' 전술을 사용한다 [7, 9]. 이는 섹터 지배권을 둘러싼 라이벌 동맹 간의 대규모 섹터 전쟁(Sector wars)으로 이어지기도 한다 [10].
+
+* **섹터 브리치(Sector Breach) 이벤트**
+  섹터 내에 사르키스 복제 기술(Sarkis Cloning Technology)로 생성된 로그 플레이어 기지(실제 플레이어 기지의 복제본)가 등장하며, 이를 강습 소대(Assault Platoons)로 공격하여 몰아내는 PvE 형태의 대규모 전투 이벤트이다 [11-13]. 플레이어의 전투력에 맞춰 제너럴(General) 또는 컨커러(Conqueror) 트랙을 선택해 공격을 진행하며, 획득한 섹터 브리치 XP는 상점에서 전설 등급의 유닛 부품이나 첨단 기술 등을 구매하는 데 사용된다 [11, 13-16]. 
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** 동맹(Alliance), [[월드 맵(World Map)]], 감금(Jailing), 섹터 브리치(Sector Breach)
+- **Projects/Contexts:** War Commander의 지정학적 전투 및 영토 통제 시스템
+- **Contradictions/Notes:** 섹터의 패권을 유지하기 위해 거대 동맹이 맵 상의 헥스를 병력으로 포위하는 '감금(Jailing)' 행위는 War Commander의 공식 규칙에 위배되는 행위임에도 불구하고, 실제 전투 생태계에서는 타 세력을 억압하고 지배력을 공고히 하는 수단으로 빈번하게 발생한다 [7, 9].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Social & Psychology/Alliances.md b/10_Wiki/Topics/Game Design/Social & Psychology/Alliances.md
index 17fb90c1..e75b2b88 100644
--- a/10_Wiki/Topics/Game Design/Social & Psychology/Alliances.md	
+++ b/10_Wiki/Topics/Game Design/Social & Psychology/Alliances.md	
@@ -1,6 +1,6 @@
 ---
 id: d5e6f7a8-b9c0-4123-8e1f-2a3b4c5d6e7f
-category: "[[10_Wiki/Topics/Game Design/Social & Psychology]]"
+category: "10_Wiki/Topics/Game Design/Social & Psychology"
 confidence_score: 1.0
 tags: [alliance, social-engineering, mmo-strategy, kick-back-system, social-pressure]
 last_reinforced: 2026-04-27
@@ -22,8 +22,8 @@ github_commit: "p-reinforce-social"
 - **운영 규칙:** 무임승차 방지를 위한 자체 규제(추방 등)와 RTE를 활용한 글로벌 실시간 외교 조율.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Social & Psychology]]
-- **Related:** [[Social Engineering]], [[Kick-back System]], [[Wonder]], [[VIP Activation]]
+- **Parent:** Social & Psychology
+- **Related:** [[Social Engineering]], [[Kick-back System]], [[Wonder]], VIP Activation
 - **Raw Source:** [[00_Raw/Alliances]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Social & Psychology/Social Engineering.md b/10_Wiki/Topics/Game Design/Social & Psychology/Social Engineering.md
index 3aed511d..6585fdc6 100644
--- a/10_Wiki/Topics/Game Design/Social & Psychology/Social Engineering.md	
+++ b/10_Wiki/Topics/Game Design/Social & Psychology/Social Engineering.md	
@@ -1,6 +1,6 @@
 ---
 id: c3e4f5a6-b7d8-4901-2e3f-4a5b6c7d8e9f
-category: "[[10_Wiki/Topics/Game Design/Social & Psychology]]"
+category: "10_Wiki/Topics/Game Design/Social & Psychology"
 confidence_score: 1.0
 tags: [social-engineering, feudal-power-pyramid, psychology, alliance-pressure, retention]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-psych"
 - **창발적 결과:** 유저들이 스스로 농부, 정찰병, 은행원 등 사회적 역할을 분담하며 거대한 가상 사회 생태계 조성.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Social & Psychology]]
-- **Related:** [[Alliances]], [[Real-Time Engine (RTE)]], [[Feudal Power Pyramid]], [[Monetization]]
+- **Parent:** Social & Psychology
+- **Related:** [[Alliances]], [[Real-Time Engine (RTE)]], Feudal Power Pyramid, Monetization
 - **Raw Source:** [[00_Raw/Social Engineering]]
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Splash Damage.md b/10_Wiki/Topics/Game Design/Splash Damage.md
index 3f1e7a09..4622c01e 100644
--- a/10_Wiki/Topics/Game Design/Splash Damage.md	
+++ b/10_Wiki/Topics/Game Design/Splash Damage.md	
@@ -10,8 +10,8 @@
 - **전술적 상성 활용:** 지속 대미지(SUSTAIN Damage)에 대해 50%의 저항력을 제공하는 방어용 '지원 기갑(Support Armored)' 플랫폼을 상대할 때, 폭발 및 스플래시 대미지(Burst/Splash Damage)를 가하는 것이 훌륭한 전술적 카운터(Tactical Counter)로 작용합니다 [9]. 덧붙여, 워로드 오니마이트(Warlord Onymite)와 같은 고성능 아크 2(Arc 2) 보병 드론 또한 기본적으로 스플래시 스탯(30)을 지니고 있어 다수의 적을 공격하는 데 기여합니다 [10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Area-of-Effect (AoE)]], [[Spread Units Command]], [[Flamethrowers]], [[Hellfire Tanks]], [[Legendary Scorcher]]
-- **Projects/Contexts:** [[War Commander Combat Ecosystem]], [[Arc 2 Technology]]
+- **Related Topics:** Area-of-Effect (AoE), Spread Units Command, Flamethrowers, Hellfire Tanks, Legendary Scorcher
+- **Projects/Contexts:** War Commander Combat Ecosystem, Arc 2 Technology
 - **Contradictions/Notes:** 스플래시 대미지에 관해 직접적으로 모순되는 정보는 소스에 없습니다. 다만, 장비나 연구(예: 'Deadeye' 및 'Eruption Rounds')에 따라 스플래시 범위를 넓혀 타격 범위를 우선시할 것인지, 스플래시를 줄여 단일 데미지를 높일 것인지에 대한 전략적인 트레이드오프(Trade-off)가 존재함을 보여줍니다 [6, 7].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Staircase Monetization Model.md b/10_Wiki/Topics/Game Design/Staircase Monetization Model.md
index aaa17e56..924648b0 100644
--- a/10_Wiki/Topics/Game Design/Staircase Monetization Model.md	
+++ b/10_Wiki/Topics/Game Design/Staircase Monetization Model.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Willingness to Pay (WTP)]], [[VIP System]], [[Dynamic Pricing]], [[LiveOps]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 소스에 따르면 이 모델은 상업적으로 엄청난 성공을 거두었으나, 매몰 비용의 오류(Sunk Cost Fallacy)를 남용하고 인공적인 긴박감을 조성하는 '약탈적 수익화(Predatory Monetization)' 및 '착취적' 기법이라는 윤리적 비판과 규제 기관의 감시를 동시에 받고 있습니다 [13, 14].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Status-Effects.md b/10_Wiki/Topics/Game Design/Status-Effects.md
new file mode 100644
index 00000000..dfb353c3
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Status-Effects.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-STATUS-EFFECTS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Status Effects
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+상태 이상(Status Effects)은 War Commander의 전투 시스템에서 유닛이나 방어탑이 받는 다양한 전술적 부가 효과(화염, 네이팜, 부식, 둔화 등)를 의미합니다. 최근의 전투 생태계에서는 이러한 상태 이상 공격을 막아내기 위해 특정 유닛의 특성이나 전용 방어 플랫폼을 통해 상태 이상 면역(Immunity)을 부여하는 것이 핵심적인 전술로 활용되고 있습니다 [1-3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **상태 이상의 종류:** 소스에서 명시적으로 언급된 상태 이상으로는 화염(Fire), 네이팜(Napalm), 부식(Corrosion)이 있습니다 [2]. 또한, 크라이오 캐논(Cryo Cannon)이나 벙커에 배치된 쇼크 트루퍼(Shock Trooper)와 같은 수비 병력은 적 유닛의 이동 속도를 느려지게 하거나(Slow) 기절(Stun)시키는 상태 이상 효과를 유발하여 적의 공격 타이밍을 늦출 수 있습니다 [4].
+- **유닛의 상태 이상 면역:** 전투 유닛은 특정 레벨에 도달하여 개방되는 특성(Talents)을 통해 상태 이상에 대한 저항력을 갖출 수 있습니다. 대표적으로 무거운 차량 유닛인 전설적인 스코처(Legendary Scorcher)는 10레벨 달성 시 'Armor Up!' 특성을 얻어 화염, 네이팜, 부식 상태 이상에 대한 면역을 갖게 됩니다 [2].
+- **방어 플랫폼의 상태 이상 면역:** 2026년 3월 연구 드롭(Research Drop) 업데이트를 통해 방어 구조물들의 전문화가 이루어졌습니다 [5]. 지원용 레지스터(Support Resistor)와 헤비 레지스터(Heavy Resistor) 플랫폼은 장착 시 모든 레벨에서 '모든 상태 이상에 대한 면역(Immunity to all Status Effects)'을 제공하여, 상태 이상 공격에 의존하는 적의 화력을 무력화합니다 [1, 6, 7].
+- **정보 부족:** 상태 이상이 적용되는 정확한 지속 시간, 누적 방식, 종류별 피해량 계산 공식 등에 대해서는 소스에 관련 정보가 부족합니다.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Support Resistor, Legendary Scorcher, Cryo Cannon
+- **Projects/Contexts:** [[MARCH 2026 RESEARCH DROP]], [[Sector Breach August 2025]]
+- **Contradictions/Notes:** 상태 이상 효과의 작동 원리 자체를 상세하게 설명하는 전용 문서는 소스 내에 존재하지 않으며, 주로 방어 플랫폼이나 특정 유닛이 보유한 상태 이상 면역(Immunity) 능력을 설명하는 과정에서 간접적으로 정보가 제공됩니다 [1, 2].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Street Duel Fighter.md b/10_Wiki/Topics/Game Design/Street Duel Fighter.md
index 665a14ea..3ceba94b 100644
--- a/10_Wiki/Topics/Game Design/Street Duel Fighter.md	
+++ b/10_Wiki/Topics/Game Design/Street Duel Fighter.md	
@@ -1,6 +1,6 @@
 ---
 id: 550e8400-e29b-41d4-a716-446655440001
-category: "[[10_Wiki/Topics/Game Design]]"
+category: "10_Wiki/Topics/Game Design"
 confidence_score: 0.95
 tags: [Game Design, Street Fighter, CRT, Canvas, React]
 last_reinforced: 2026-04-21
@@ -23,6 +23,6 @@ github_commit: "initial"
 - **정책 변화**: 단순한 정적 기획서를 넘어, 즉시 플레이 가능한 '전투 훈련기'와 '데모'를 포함하는 실행 중심의 기획서 표준 제안.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent**: [[Game Design]]
-- **Related**: [[Retro Aesthetics]], [[Canvas Interaction]]
-- **Raw Source**: [[00_Raw/2026-04-21-STREET_DUEL_FIGHTER_Prompt]]
+- **Parent**: Game Design
+- **Related**: Retro Aesthetics, Canvas Interaction
+- **Raw Source**: 00_Raw/2026-04-21-STREET_DUEL_FIGHTER_Prompt
diff --git a/10_Wiki/Topics/Game Design/Structural-Dynamics-and-Tactical-Evolution-of-the-Combat-Ecosystem.md b/10_Wiki/Topics/Game Design/Structural-Dynamics-and-Tactical-Evolution-of-the-Combat-Ecosystem.md
new file mode 100644
index 00000000..8fa1feed
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Structural-Dynamics-and-Tactical-Evolution-of-the-Combat-Ecosystem.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-STRUCTURAL-DYNAMICS-AND-TACTICAL-EVOLUTION-OF-THE-COMBAT-ECOSYSTEM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 전투 생태계의 구조적 역학과 전술적 진화(Structural Dynamics and Tactical Evolution of the Combat Ecosystem)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 생태계는 2011년 출시 이후 실시간 전술 개입, 기지 건설 및 자원 물류가 결합된 정교한 시스템으로 진화해왔다 [1]. 2014년에 도입된 '전투 제어(Combat Controls)' 시스템과 적의 AI를 역이용하는 '미끼(Baiting)' 전술을 바탕으로 지휘관은 유닛의 행동을 실시간으로 세밀하게 통제할 수 있다 [2, 3]. 특히 2026년 3월 연구 업데이트(Research Drop)를 기점으로 특정 데미지 유형에 대한 저항력을 제공하는 전문화된 방어 플랫폼이 대거 도입되면서, 전투는 단순 화력전을 넘어 다양한 병종을 조합하는 혼합 부대(Combined Arms) 운용과 비대칭 방어가 필수적인 다층적 환경으로 발전하였다 [4-6].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **지휘 및 통제(C2) 체계와 미끼(Baiting) 전술:** 2014년 2월 '전투 제어(Combat Controls)' 기능이 업데이트되면서 유저의 마이크로 매니지먼트 능력이 전술의 핵심으로 자리 잡았다 [2]. '공격 이동(A)', '위치 사수(D)', '자유 사격(F)' 등의 명령어를 통해 적의 인공지능 경로와 교전 논리를 제어할 수 있다 [7]. 특히 적의 '자유 사격'이나 '일반' 상태인 방어 유닛을 구조물의 보호를 받지 못하는 요격 범위 밖으로 유인하여 파괴하는 '미끼(Baiting)' 전술은 굳건한 방어선을 돌파하기 위한 필수적인 기술이다 [3, 8, 9].
+*   **방어 아키텍처와 기하학적 억제력:** 효율적인 기지는 적이 다수의 살상 구역(Kill zones)을 통과하도록 기하학적 층계를 두어 설계된다 [10]. 기관총과 박격포를 교대로 배치하여 모든 방향의 위협에 균일하게 대응하는 '사각 기지(Square Base)'와 장거리 공성 전차(Hellfire 등)를 막기 위해 감시탑(Watchtower)과 요새(Stronghold)를 전략적으로 중앙 쪽에 집중 배치하는 '블리츠 기지(Blitz Base)' 등의 고도화된 설계 철학이 활용된다 [11-14].
+*   **부대 편성 및 유닛 메타:** 보병, 지상 차량, 항공기로 나뉘는 병력은 각기 다른 상성과 진화 트리를 가진다 [15, 16]. 적을 압도하는 스팀롤(Steamroll) 전술과 속도 및 회피를 중시하는 게릴라(Guerilla) 전술이 병행된다 [17, 18]. 파괴 시에도 리퍼 드론을 방출하는 '베히모스(Behemoth)'나, 피격 시 스웜 드론을 100% 확률로 생성하며 130,000의 막강한 체력을 지닌 전설적인 보병 유닛 '워로드 오니마이트(Warlord Onymite)'와 같은 Arc 2 기술 유닛들이 전투의 흐름을 지배하고 있다 [19, 20].
+*   **2026년 3월 기술적 패러다임 변화:** 이리듐(Iridium)을 활용한 신규 연구 업데이트로 인해 방어 플랫폼의 전문화가 이루어졌다 [4]. Support 및 Heavy 플랫폼들은 이제 특정 공격 유형(지상 유닛, 지속 데미지, 폭발/범위 데미지 등)에 대해 50%의 데미지 감소 효과를 제공하여, 단일 병종 위주의 스팸 공격(예: 지속 데미지 보병만으로 구성된 부대)을 효과적으로 무력화한다 [5, 6]. 더불어 근처 300 범위 내의 적 항공기에 난기류(Turbulence)를 유발해 전자전 효과를 내는 '나이트워치(Nightwatch)' 벙커와 연사 속도가 점진적으로 가속되는 '메트로노모스(Metronomos)' 중포탑의 추가로 방어선의 억제력이 크게 상승했다 [21].
+*   **지정학적 역학과 자원 물류:** 전투의 근본적 목적은 금속, 석유, 토륨의 확보다 [22]. 세계 지도는 200개의 고유한 섹터(Sector)로 나뉘며, 각 섹터 내에서 동맹(Alliance) 단위의 영토 패권 경쟁이 벌어진다 [23, 24]. 유저들은 고급 유닛 생산을 위해 기지 내 자원 압축(Resource Compression)을 수행하고, '섹터 돌파(Sector Breach)' 등 PVE 형태의 엘리트 이벤트에 참여해 소모를 최소화하는 '무료 수리(Free Repair)' 전술로 전설 부품을 획득하며 군사력을 유지한다 [25-27].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[Combat Controls]], [[Baiting Tactics]], Arc 2 Units, Resource Compression, Thorium Economy
+- **Projects/Contexts:** [[March 2026 Research Drop]], Sector Breach Event
+- **Contradictions/Notes:** 적대 유닛이 움직이지 못하도록 기지 주변을 6개의 플래툰으로 둘러싸는 '투옥(Jailing)' 전술은 공식 게임 행동 규칙에 위배되는 행위지만, 실제 지정학적 섹터 패권 경쟁에서는 다른 유저를 통제하는 유효한 전술적 수단으로 빈번히 발생하고 있다 [28].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Structural-Dynamics-of-Combat-Ecosystem.md b/10_Wiki/Topics/Game Design/Structural-Dynamics-of-Combat-Ecosystem.md
new file mode 100644
index 00000000..7f790821
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Structural-Dynamics-of-Combat-Ecosystem.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-STRUCTURAL-DYNAMICS-OF-COMBAT-ECOSYSTEM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 전투 생태계의 구조적 역학(Structural Dynamics of Combat Ecosystem)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 생태계는 기지 건설, 자원 물류, 실시간 전술 교전이 복합적으로 결합된 시스템이다 [1]. 2014년 '전투 제어(Combat Controls)' 도입 이후 세밀한 유닛 관리와 인공지능(AI) 유인 전술이 중요해졌으며, 끊임없는 기술 업데이트와 유닛 메타의 변화에 의해 역동적으로 작동한다 [1, 2]. 방어 구조물의 기하학적 배치, 자원 획득을 위한 산업 경제, 그리고 200개의 지정된 섹터 내에서 연합(Alliance)들이 주도하는 지정학적 역학 관계가 이 전투 생태계의 핵심 구조를 형성한다 [1, 3].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **지휘 및 통제(Command and Control)의 전술적 진화:** 2014년에 도입된 전투 제어 시스템은 플레이어의 마이크로 매니지먼트를 크게 강화했다 [2]. 핵심 전술로 꼽히는 **'유인(Baiting)'**은 적의 인공지능(AI) 추격 논리를 역이용하여 방어 유닛을 엄폐물 밖으로 끌어내는 방식이다 [4]. 이는 '위치 사수(Hold Position)' 상태의 유닛에게는 통하지 않지만, '자유 사격(Fire at Will)' 모드의 유닛을 상대로 매우 효과적이며 뚫기 힘든 방어선을 파훼하는 필수 전술로 자리 잡았다 [4, 5].
+*   **방어 아키텍처와 기하학적 억지력(Geometric Deterrence):** 효과적인 기지 방어는 공격자가 여러 교전 구역(Kill zones)을 지나도록 건물을 겹겹이 기하학적으로 배치하는 데 달려있다 [6]. 대표적으로 포탑을 교차 배치하여 돌파를 어렵게 만드는 **'스퀘어 기지(Square Base)'**와, 공중 공격을 사전에 차단하고 장거리 공성 전차를 함정으로 유인하는 데 특화된 **'블리츠 기지(Blitz Base)'** 설계가 존재한다 [7, 8].
+*   **유닛 메타와 혼합 무기(Combined Arms) 접근법:** 보병, 차량, 항공기로 나뉘는 유닛들은 끊임없이 진화한다. 특히 2026년 3월 연구 업데이트로 도입된 새로운 지원(Support) 및 중장갑(Heavy) 방어 플랫폼들은 특정 피해 유형(예: 지상 유닛, 광역 피해, 지속 피해 등)에 대해 **50%의 피해 감소(Damage Resistance) 효과**를 제공한다 [9]. 이로 인해 공격자는 단일 유닛에만 의존할 수 없으며, 플랫폼의 저항을 우회하기 위해 다양한 피해 유형을 조합한 혼합 소대(Mixed Platoons)를 운용해야만 한다 [10].
+*   **자원 물류와 지정학적 권력 구조:** 메탈, 오일, 그리고 고티어 유닛 생산의 핵심인 토륨(Thorium)의 확보가 전체 전투를 주도한다 [11]. 방대한 자원을 축적하기 위해 기지 업그레이드를 통한 자원 압축(Resource Compression)이 필수적이다 [12]. 또한, 세계 지도는 200개의 섹터로 나뉘어 있으며 특정 연합(Alliance)이 섹터의 80% 이상을 장악하여 교전 규칙을 강제하기도 한다 [3, 13]. 적을 여러 소대로 둘러싸 자원 수집을 물리적으로 막는 **'가두기(Jailing)'** 전술이 영토 패권 유지를 위해 활용되기도 한다 [13].
+*   **PvE와 PvP의 융합 및 악명(Infamy) 경제:** 최고급 유닛 부품과 기술은 실제 플레이어의 기지를 복사한 AI를 상대로 싸우는 '섹터 브리치(Sector Breach)' 이벤트를 통해 주로 획득한다 [14]. 이와 더불어, 플레이어 간의 전투 실력을 측정하는 **'악명(Infamy)'** 시스템은 주간 기어(Gear) 보상의 질을 결정하며, 이는 플레이어들이 끊임없이 PvP에 참여하여 생태계를 순환하게 만드는 핵심 원동력이다 [15].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[전투 제어(Combat Controls)]], [[방어 아키텍처(Defensive Architecture)]], 섹터 및 연합 지정학(Sector & Alliance Geopolitics), 자원 물류(Resource Logistics), [[유인 전술(Baiting Tactics)]]
+- **Projects/Contexts:** 섹터 브리치 작전(Sector Breach Operations), [[2026년 3월 연구 업데이트(March 2026 Research Drop)]]
+- **Contradictions/Notes:** 연합이 라이벌을 6개의 소대로 둘러싸 행동을 통제하는 가두기(Jailing) 전술은 전투 생태계에서 섹터 패권을 유지하기 위해 지배적으로 사용되는 강력한 수단이나, War Commander의 공식 행동 규칙(Official rules of conduct)에는 위배되는 행위이다 [13].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Support Insulated.md b/10_Wiki/Topics/Game Design/Support Insulated.md
index 0ea3546d..8480618d 100644
--- a/10_Wiki/Topics/Game Design/Support Insulated.md	
+++ b/10_Wiki/Topics/Game Design/Support Insulated.md	
@@ -10,8 +10,8 @@ Support Insulated(이전 명칭: Insulated Platform)는 War Commander의 방어
 * **전투 생태계(Meta)의 진화:** Support Insulated와 같이 특정 무기 프로필에 저항(-50%)을 제공하는 지원 플랫폼들의 등장으로 인해 단일 유닛에만 의존하는 공격 전술의 효율이 반감되었습니다 [3]. 결과적으로 공격자는 방어자의 플랫폼 선택에 구애받지 않고 일관된 타격력을 유지하기 위해, 다양한 피해 유형을 조합한 '혼합 소대(Mixed Platoons)'를 기반으로 하는 다병과 연합(Combined Arms) 전술을 구사해야만 합니다 [3, 5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], [[혼합 소대(Mixed Platoons)]], [[이리듐(Iridium)]]
-- **Projects/Contexts:** [[2026년 3월 연구 업데이트(March 2026 Research Drop)]], [[다병과 연합 전술(Combined Arms approach)]]
+- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], [[혼합 소대(Mixed Platoons)]], 이리듐(Iridium)
+- **Projects/Contexts:** [[2026년 3월 연구 업데이트(March 2026 Research Drop)]], 다병과 연합 전술(Combined Arms approach)
 - **Contradictions/Notes:** 제공된 소스 간의 모순점은 없습니다. 다만, Support Insulated 건물의 세부적인 배치 요구 공간(크기), 필요 전력량, 또는 정확한 체력 스탯 수치 등에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/Support-Platforms.md b/10_Wiki/Topics/Game Design/Support-Platforms.md
new file mode 100644
index 00000000..3ce051f7
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Support-Platforms.md	
@@ -0,0 +1,36 @@
+---
+id: GAME-WC-SUPPORT-PLATFORMS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 지원 플랫폼(Support Platforms)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+지원 플랫폼(Support Platforms)은 *War Commander*에서 방어선의 핵심적인 역할을 수행하는 구조물로, 특정 데미지 유형에 대해 고유한 저항력을 제공합니다 [1, 2]. 2026년 3월 업데이트를 통해 기존 플랫폼들의 명칭이 변경되고 기능이 강화되었으며, 각 지원 플랫폼은 특정 공격 방식에 대해 50%의 데미지 감소를 제공하거나 상태 이상에 면역 효과를 부여합니다 [2-4]. 이러한 방어 체계의 특화는 공격자가 단일 무기 프로필에 의존하는 것을 방지하고, 보다 다각화된 제병협동(Combined Arms) 전술을 사용하도록 강제합니다 [1, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **시스템 개편 및 도입 배경**: 지원 플랫폼의 새로운 메커니즘은 2026년 3월 '리서치 드랍(Research Drop)'을 통해 이리듐(Iridium)을 소비하는 연구를 바탕으로 도입되었습니다 [1, 6]. 이 업데이트를 통해 기존 플랫폼의 명칭이 전면 변경되었고, 5개의 새로운 업그레이드 레벨이 추가되면서 방어 스크린을 구축하는 방식이 근본적으로 변화했습니다 [2-4].
+*   **플랫폼별 특화 방어 능력**: 플랫폼은 공격자의 특정한 데미지 프로필에 대항하도록 각각 설계되었습니다 [2].
+    *   **Support Graviton** (구 Airborne Platform): 지상 유닛(Ground Units)으로부터 받는 데미지 50% 감소 [2, 3].
+    *   **Support Insulated** (구 Insulated Platform): 범위(AREA) 데미지 50% 감소 [2, 3].
+    *   **Support Reinforced** (구 Reinforced Platform): 버스트(BURST) 데미지 50% 감소 [2, 3].
+    *   **Support Armored** (구 Armored Platform): 지속(SUSTAIN) 데미지 50% 감소 [2, 4].
+    *   **Support Aerojet** (구 Flying Platform): 공중 유닛(Air Units)으로부터 받는 데미지 50% 감소 [2, 4].
+    *   **Support Resistor** (구 Resistor Platform): 모든 상태 이상 효과(Status Effects)에 대한 면역 부여 [2, 4].
+    *   **Support Bulwark** (구 Plated Platform): 고정 데미지 감소(Flat Damage Reduction) 적용 [2, 4].
+*   **전술적 메타 변화**: 플랫폼들의 세분화된 저항 메커니즘으로 인해 공격자는 단일 데미지 프로필(예: 지속 데미지를 입히는 보병 스팸 등)에 전적으로 의존할 수 없게 되었습니다 [2, 5]. 만일 공격자가 '지속(Sustain)' 데미지 유닛으로만 병력을 구성한다면, 방어자가 'Support Armored' 플랫폼을 갖췄을 때 그 효율이 절반으로 떨어집니다 [5]. 따라서 공격자는 방어자의 지원 플랫폼 선택과 무관하게 안정적인 파괴력을 보장할 수 있도록 다양한 데미지 프로필이 혼합된 '혼합 소대(Mixed Platoons)'를 편성해야만 합니다 [5].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[혼합 소대(Mixed Platoons)]], 데미지 유형(Damage Types), 이리듐(Iridium)
+- **Projects/Contexts:** 2026년 3월 리서치 드랍(MARCH 2026 RESEARCH DROP), 제병협동 전술(Combined Arms)
+- **Contradictions/Notes:** 지원 플랫폼의 변경 사항이나 통계치에 대해 소스 간 모순되는 정보는 없습니다. 
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Tactical-Evolution-of-the-War-Commander-Combat-Ecosystem.md b/10_Wiki/Topics/Game Design/Tactical-Evolution-of-the-War-Commander-Combat-Ecosystem.md
new file mode 100644
index 00000000..d86f7a10
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Tactical-Evolution-of-the-War-Commander-Combat-Ecosystem.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-TACTICAL-EVOLUTION-OF-THE-WAR-COMMANDER-COMBAT-ECOSYSTEM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the War Commander Combat Ecosystem)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 생태계는 2011년 출시 이후 단순한 RTS 모델에서 복잡한 실시간 지휘 통제 및 지정학적 전술 환경으로 진화했습니다 [1]. 2014년에 도입된 전투 제어(Combat Controls) 시스템을 통해 플레이어는 정밀한 부대 조작과 AI 유인(Baiting) 전술을 구사할 수 있게 되었습니다 [2, 3]. 2026년 최신 기술 업데이트로 특정 공격에 내성을 갖는 방어 플랫폼과 전설적 유닛들이 도입되며, 현대의 교전은 단순한 화력전을 넘어 다차원적인 부대 운용과 동맹 전략이 필수적인 시스템으로 거듭났습니다 [4-7].
+
+## 📖 Core 실 Content
+*   **지휘 통제(C2) 및 조작 인터페이스의 진화**: 2014년 2월, 동적인 단축키 기반의 **전투 제어(Combat Controls) 시스템**이 도입되었습니다 [2, 8]. 플레이어는 공격 이동(A), 이동(M), 정지(S), 위치 사수(D), 자유 사격(F) 등의 명령을 통해 부대의 행동을 세밀하게 통제할 수 있습니다 [9, 10]. 또한, 교전 중 X키를 눌러 부대를 분산시킴으로써 적의 광역 피해(AoE)를 최소화하거나, 교전 그룹(Shift+숫자) 지정으로 다중 전선 공격을 수행할 수 있게 되었습니다 [8, 11].
+*   **AI 공략과 유인(Baiting) 전술**: 고급 전술의 핵심은 적 AI의 추적 논리를 역이용하는 **'미끼(Baiting)' 전술**입니다 [3, 12]. 속도가 빠른 지상 유닛을 미끼로 삼아 방어 구역 내의 적 중전차나 대공 전차를 방어탑 사거리 밖으로 유인한 뒤, 대기 중인 아군 유닛으로 처치하는 비대칭 전술이 사용됩니다 [12, 13]. 이는 굳건한 방어선을 최소한의 피해로 돌파하기 위한 필수 기술입니다 [12, 13].
+*   **방어 아키텍처 및 기하학적 억지력**: 방어 기지는 지휘 본부(Command Center)와 자원 저장소 등 핵심 인프라를 보호하기 위해 기하학적으로 설계됩니다 [14, 15]. 대표적으로 포탑을 교차로 배치하여 균일한 방어망을 구축하는 **사각 기지(Square Base)** 구조와 감시탑(Watch Tower) 및 요새(Stronghold)를 중앙에 배치하여 유인 전술 및 공중 습격을 사전 차단하는 **블리츠 기지(Blitz Base)** 구조가 있습니다 [16-19]. 
+*   **2026년 기술 패러다임 특화 (전문화된 플랫폼)**: 2026년 3월 업데이트로 이리듐(Iridium) 기반의 특화된 방어 플랫폼이 추가되며 전투 메타가 크게 변화했습니다 [4, 20]. 지상, 공중, 점발(Burst), 지속(Sustain) 피해 등 **특정 피해 유형을 50% 감소**시키는 플랫폼(예: Support Armored, Support Reinforced 등)이 등장했습니다 [5, 21, 22]. 이로 인해 공격자는 단일 유닛 위주의 편성 대신, 방어 플랫폼의 저항을 무력화할 수 있는 **제병협동(Mixed Platoons)** 구성이 강제됩니다 [5, 23].
+*   **신규 방어탑 및 전설적 유닛의 도입**: 2026년 패치에는 점발 피해를 입히는 **Metronomos** 중포탑과 공중 유닛의 이동 및 타겟팅을 방해하는 난기류(Turbulence)를 발생시키는 **Nightwatch Bunker**가 새롭게 도입되어 공중 강습이 더욱 까다로워졌습니다 [21, 24, 25]. 공격 측 역시 마그마 박격포를 발사하며 화염 상태 이상에 면역을 가진 **Legendary Scorcher**와 맞은 후 스웜 드론을 생성하는 360도 전방위 보병 **Warlord Onymite**와 같은 전설적 유닛을 섹터 돌파(Sector Breach) 이벤트에서 획득하여 교전에 활용하고 있습니다 [26-29].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[Combat Controls]], [[Baiting]], [[Base Layouts]], Sector Breach, Resource Compression
+- **Projects/Contexts:** [[MARCH 2026 RESEARCH DROP]], Infamy and Gear Store
+- **Contradictions/Notes:** 부대를 겹겹이 배치하여 적의 기지 이동을 차단하는 **'가두기(Jailing)' 전술**은 공식 게임 규칙(Official rules of conduct)에는 어긋난다고 명시되어 있으나, 실제 전투 생태계에서는 특정 섹터 내 동맹의 지정학적 지배력을 강화하기 위한 수단으로 여전히 빈번하게 사용되고 있습니다 [30, 31].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Thorium.md b/10_Wiki/Topics/Game Design/Thorium.md
new file mode 100644
index 00000000..4474ff62
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/Thorium.md	
@@ -0,0 +1,34 @@
+---
+id: GAME-WC-THORIUM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# 토륨(Thorium)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+토륨(Thorium)은 War Commander의 전투 시스템 내에서 가장 희귀하고 구하기 어려운 자원으로, 금속(Metal)이나 석유(Oil)보다 상위 단계에 위치합니다 [1, 2]. 이 자원은 방어 플랫폼, 바리케이드, 최고급 유닛(예: 레벨 10 이상 유닛 및 파벌 유닛)의 업그레이드와 진보된 군사 기술 연구에 필수적으로 사용됩니다 [1, 3]. 토륨의 확보 및 보관 관리는 경쟁이 치열한 하이엔드 PvP 환경에서 첨단 기술(Arc 2 등)을 잠금 해제하고 군사적 우위를 점하기 위한 핵심 물류 전략입니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **전투 시스템 내 토륨의 역할:**
+  토륨은 일반 자원과 달리 가장 진보된 기술과 최고급 방어 및 공격 유닛 업그레이드에 접근하기 위한 '문지기' 역할을 수행합니다 [4]. 방어력을 극대화하기 위해 방어 플랫폼을 레벨 4 이상으로, 바리케이드를 레벨 5 이상으로 업그레이드하거나 유닛을 레벨 10 이상으로 진화시키려면 토륨이 반드시 필요합니다 [1]. 후반부 전투 환경에서 승리하기 위해서는 수백만 단위의 토륨이 요구되는 Arc 2 등급 유닛의 비용을 감당할 수 있는 탄탄한 산업 물류 기반이 필수적입니다 [5].
+
+* **전투 및 약탈을 통한 획득 (PvP 및 PvE):**
+  토륨을 대량으로 확보하기 위한 가장 주된 전술은 적 기지나 특수 NPC 기지를 직접 타격하는 것입니다. 플레이어는 라이벌 플레이어의 기지를 공격해 보관된 토륨의 최대 50%까지 약탈할 수 있으며, 이는 보복의 위험이 따르지만 가장 확실한 공격적 획득 수단입니다 [6, 7]. PvE 방식으로는 매우 견고하게 방어되고 있는 로그(Rogue) 파벌의 'Verkraft Thorium Compound' 기지를 파괴하여 한 번에 10만에서 최대 5천만 단위의 토륨을 즉시 약탈할 수 있습니다 [8, 9]. 단, 다른 자원과 달리 토륨을 약탈하는 행위 자체는 플레이어에게 경험치(XP)를 제공하지 않습니다 [7].
+
+* **기지 내 자체 생산 및 기타 획득 경로:**
+  기지 내에서 토륨을 자체 생산하는 것은 수량 제한이 매우 엄격합니다. 커맨드 센터(Command Center)를 레벨 2 이상으로 업그레이드하고 토륨을 보관할 토륨 금고(Thorium Vault)를 건설한 후에야 단 1개의 '토륨 광산(Thorium Mine)'을 지을 수 있습니다 [10]. 이 외에, 게임 내 재화인 메달이나 희귀 자원인 '블러드 토륨(Blood Thorium)'을 소비하여 기어 상점(Gear Store)에서 토륨을 직접 구매하는 안전한 우회 경로도 존재합니다 [6, 11, 12].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Verkraft Thorium Compound, Arc 2 Technology, Thorium Vault
+- **Projects/Contexts:** The Industrial Economy and Resource Logistics
+- **Contradictions/Notes:** 본래 월드 맵에 주기적으로 스폰되는 임시 거점인 '토륨 매장지(Thorium Deposits)'를 병력으로 점령하여 점진적으로 채굴하는 시스템이 존재했으나, 2016년 1월 28일 자 업데이트를 기점으로 이 방식이 완전히 폐지(Retired)되었습니다. 그 이후로는 방어가 견고한 영구적 특수 기지인 'Verkraft Thorium Compounds'를 타격해 즉시 전리품으로 챙기는 방식으로 완전히 대체되었습니다 [8, 13].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Unit Stances.md b/10_Wiki/Topics/Game Design/Unit Stances.md
index d577fd67..760a3568 100644
--- a/10_Wiki/Topics/Game Design/Unit Stances.md	
+++ b/10_Wiki/Topics/Game Design/Unit Stances.md	
@@ -17,7 +17,7 @@ Unit Stances(유닛 태세)는 War Commander에서 방어 유닛의 교전 및 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Combat Controls]], [[Baiting]], [[Command Center]]
-- **Projects/Contexts:** [[February 2014 Game Update]]
+- **Projects/Contexts:** February 2014 Game Update
 - **Contradictions/Notes:** 과거의 방어 태세(Defensive Stances)는 한 번 설정하면 계속 유지되는 방식이었으나, 이를 대체한 Combat Controls의 명령어(Hold Position 등)는 플레이어가 유닛에게 새로운 이동 명령을 내릴 경우 설정이 즉시 취소된다는 작동 방식의 차이가 있습니다. 따라서 기지 방어 시 유닛을 특정 위치에 이동시킨 후 다시 명령을 내려주어야 합니다 [6, 7].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/VIP 시스템 (VIP System).md b/10_Wiki/Topics/Game Design/VIP 시스템 (VIP System).md
index 1556967a..5772557d 100644
--- a/10_Wiki/Topics/Game Design/VIP 시스템 (VIP System).md	
+++ b/10_Wiki/Topics/Game Design/VIP 시스템 (VIP System).md	
@@ -19,7 +19,7 @@ Game of War(및 유사 4X 게임)의 VIP 시스템은 플레이어에게 건설
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[이중 계층 과금 모델 (Two-layer Monetization)]], [[Staircase Monetization]], [[Social Engineering]], [[고래 유저 (Whale Players)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone]]
+- **Projects/Contexts:** Game of War: Fire Age, [[Machine Zone]]
 - **Contradictions/Notes:** 소스에 따르면 Fate War 등 게임들 역시 Game of War와 동일한 형태의 '누적 경험치 + 시간제 활성화'라는 이중 계층 VIP 시스템을 적용하고 있습니다. 이는 Game of War가 확립한 이 특유의 VIP BM이 4X 장르에서 가장 성공적인 과금 유도 표준으로 자리 잡았음을 보여줍니다 [10-12].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/VIP 시스템.md b/10_Wiki/Topics/Game Design/VIP 시스템.md
index 19657aea..8bc828e9 100644
--- a/10_Wiki/Topics/Game Design/VIP 시스템.md	
+++ b/10_Wiki/Topics/Game Design/VIP 시스템.md	
@@ -19,7 +19,7 @@ VIP 시스템은 누적 결제와 접속을 통해 영구적인 레벨을 올리
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], [[시간 제한 활성화 (Time-limited Activation)]], [[고과금 유저 (Whales)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Fate War]]
+- **Projects/Contexts:** Game of War: Fire Age, [[Fate War]]
 - **Contradictions/Notes:** VIP 레벨이 확장(예: VIP 11-15)됨에 따라, 활성화 유지 비용은 급증하는 반면 획득하는 추가 보너스의 폭은 좁아집니다. 따라서 이 구간의 유저들은 맹목적인 VIP 활성화보다는 영웅 투자나 다른 이벤트 팩에 자원을 할당하는 것이 이득일지 그 가치를 면밀히 평가해야 한다고 권고됩니다 [16, 17].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/VIP.md b/10_Wiki/Topics/Game Design/VIP.md
index 1354b306..dfcaec99 100644
--- a/10_Wiki/Topics/Game Design/VIP.md	
+++ b/10_Wiki/Topics/Game Design/VIP.md	
@@ -10,8 +10,8 @@ Game of War의 VIP 시스템은 플레이어에게 강력한 버프와 편의 
 * **BM 및 심리적 설계 (Monetization & Social Engineering):** 이 시스템은 사실상의 '구독 모델(Subscription through Activation)'로 작동하여 플레이어가 혜택을 잃지 않기 위해 끊임없이 게임 경제 시스템에 참여하도록 강제합니다 [3]. VIP 상태가 비활성화되면 효율성과 전투력이 급감하므로 지속적인 결제나 플레이를 압박받게 됩니다 [3]. 더불어 높은 VIP 레벨은 프로필과 채팅에 표시되어 왕국 내에서 권력과 사회적 지위를 나타내는 과시용 지표로도 작용해 과금 경쟁을 부추깁니다 [9, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Subscription through Activation]], [[Monetization Model (BM)]], [[Social Engineering]], [[Troops]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Related Topics:** Subscription through Activation, Monetization Model (BM), [[Social Engineering]], Troops
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** VIP 시스템은 레벨업을 통한 영구적인 성장 요소와 지속적인 결제를 요구하는 시간제 활성화 요소를 결합하여, 최고 레벨의 고래(Whale) 유저라 할지라도 게임 내 우위를 유지하기 위해 끊임없이 결제하도록 유도하는 핵심 BM으로 평가받고 있습니다 [3, 10].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the Combat Ecosystem).md b/10_Wiki/Topics/Game Design/War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the Combat Ecosystem).md
index ff9917d9..d6b90985 100644
--- a/10_Wiki/Topics/Game Design/War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the Combat Ecosystem).md	
+++ b/10_Wiki/Topics/Game Design/War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the Combat Ecosystem).md	
@@ -20,8 +20,8 @@ War Commander의 전투 생태계는 2011년 출시 이후 단순한 실시간 
 월드 맵은 200개의 섹터로 나뉘어 있으며, 각 섹터 내에서 최대 200명으로 구성된 동맹(Alliances)들이 영토와 자원 지배권을 두고 경쟁합니다 [1, 28-30]. 거대 동맹은 섹터 내의 암묵적 규칙을 강제하기도 하며, 적 기지 주변의 헥스(Hex)들을 여러 소대로 에워싸 움직임을 봉쇄하는 이른바 '감금(Jailing)'이라는 사회-전술적 행위를 통해 강력한 억지력을 행사하기도 합니다 [30, 31].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[지휘 및 통제(Command and Control)]], [[미끼 전술(Baiting)]], [[방어 아키텍처(Defensive Architecture)]], [[Arc 2 기술(Arc 2 Technology)]]
-- **Projects/Contexts:** [[2026년 3월 연구 업데이트(March 2026 Research Drop)]], [[섹터 전투 및 동맹(Sector Warfare and Alliances)]]
+- **Related Topics:** 지휘 및 통제(Command and Control), [[미끼 전술(Baiting)]], [[방어 아키텍처(Defensive Architecture)]], Arc 2 기술(Arc 2 Technology)
+- **Projects/Contexts:** [[2026년 3월 연구 업데이트(March 2026 Research Drop)]], 섹터 전투 및 동맹(Sector Warfare and Alliances)
 - **Contradictions/Notes:** 보병과 항공 유닛은 전투에서 완전히 파괴될 경우 영구적으로 손실되는 반면, 지상 차량 유닛은 잔해 상태에서도 수리를 통해 복구할 수 있어 유닛 병과 간의 소모 전술 및 리스크 관리에 명확한 차이(불일치)가 존재합니다 [12, 14]. 또한, 동맹들이 적의 기지를 소대로 포위하는 '감금(Jailing)' 전술은 전술적 헤게모니 장악의 일환으로 흔히 쓰이지만, 이는 War Commander의 공식적인 규칙에 위배되는 행위로 명시되어 있습니다 [30, 31].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/War-Commander-Combat-Ecosystem.md b/10_Wiki/Topics/Game Design/War-Commander-Combat-Ecosystem.md
new file mode 100644
index 00000000..08271894
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/War-Commander-Combat-Ecosystem.md	
@@ -0,0 +1,31 @@
+---
+id: GAME-WC-WAR-COMMANDER-COMBAT-ECOSYSTEM
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# War Commander 전투 생태계(War Commander Combat Ecosystem)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 생태계는 기지 건설, 자원 물류(금속, 석유, 토륨), 그리고 실시간 전술 교전이 결합된 고도의 복합 시스템입니다 [1]. 플레이어는 200개의 섹터로 나뉜 전역에서 보병, 차량, 항공기로 구성된 부대와 다양한 방어 타워를 활용하여 영토와 자원을 두고 경쟁합니다 [1, 2]. 세밀한 유닛 조작, 끊임없이 진화하는 기술(Arc 2 등), 그리고 동맹(Alliance) 중심의 지정학적 분쟁이 맞물려 역동적이고 끊임없이 변화하는 메타를 창출하는 것이 특징입니다 [1, 3].
+
+## 📖 Core 실 Content
+* **지휘 통제(Command and Control, C2) 및 미끼 전술**: 2014년에 도입된 전투 제어 시스템은 정적인 방어 태세를 단축키 기반의 실시간 유닛 관리로 전환시켰습니다 [4, 5]. 플레이어는 공격 이동(A), 이동(M), 위치 사수(D), 자유 사격(F) 등의 명령을 통해 부대의 행동을 제어합니다 [6, 7]. 전투에서 가장 핵심적인 전술은 AI의 추격 논리를 역이용하는 '미끼(Baiting)' 전략으로, 방어선 내에 자리 잡은 적 유닛을 밖이나 불리한 위치로 유인하여 파괴하는 방식입니다 [8-11].
+* **방어 아키텍처 및 기하학적 억지력**: 방어의 핵심은 지휘 본부(Command Center), 자원 저장소, 발전소 등 필수 인프라를 보호하는 것입니다 [12, 13]. 숙련된 지휘관은 '정사각형 기지(Square Base)'나 장거리 공성 전차를 견제하는 '블리츠 기지(Blitz Base)'와 같은 기하학적 구조를 설계하여, 적이 포탑과 지뢰밭이 겹치는 다중 살상 지대(Kill zones)를 통과하도록 강제합니다 [14-17].
+* **부대의 병과 및 기동**: 공격 병력은 보병(배럭), 지상 차량(군수공장), 항공기(비행장) 세 가지로 분류됩니다 [3, 18]. 지상 차량은 완파되어도 수리가 가능하지만, 보병과 항공기는 파괴될 경우 영구적으로 상실되므로 신중한 투입이 요구됩니다 [3, 19]. 다양한 방어 포탑을 뚫기 위해서는 어느 한 가지 유닛에 편중되지 않고, 각기 다른 데미지 유형을 결합한 혼합 소대(Mixed Platoons)의 운영이 필수적입니다 [20, 21].
+* **2026년 3월 기술 패러다임(Arc 2)의 변화**: '이리듐(Iridium)' 자원을 소모하는 최신 연구 업데이트를 통해 전투 메타에 큰 변화가 생겼습니다 [22, 23]. 지상, 공중, 버스트, 지속 데미지 등 특정 공격 유형으로부터 받는 피해를 50% 감소시키는 지원/중장갑 플랫폼들이 도입되었습니다 [24-27]. 또한 항공기에 난기류(Turbulence)를 일으키는 나이트워치(Nightwatch) 벙커와, 사격 시 발사 속도가 증가하는 메트로노모스(Metronomos) 중포탑이 추가되어 전술적 복잡성이 더해졌습니다 [24, 28, 29].
+* **지정학적 영토 분쟁과 경제**: 200명 규모의 동맹(Alliance)들은 200개의 지정된 섹터 내에서 패권과 통제 지점(Control Points)을 두고 전쟁을 벌입니다 [1, 2, 30-32]. 플레이어는 타 기지를 공격해 악명(Infamy)을 얻고 장비 상점에서 보상을 획득하며, 정기적인 섹터 브리치(Sector Breach) 이벤트에서 복제된 AI 기지를 상대해 Warlord Onymite나 Legendary Scorcher 같은 최상위 전설 유닛의 부품을 확보하게 됩니다 [33-37].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[Command and Control (C2)]], [[Baiting Tactics]], Defensive Architecture, Infamy and Gear Store Economy
+- **Projects/Contexts:** [[March 2026 Research Drop]], Sector Breach Events, Arc 2 Technology, Control Points/Contestable Zones
+- **Contradictions/Notes:** 기지 주변을 6개의 소대로 둘러싸 상대가 움직이거나 자원을 수집하지 못하게 막는 '감금(Jailing)' 전술은 War Commander의 공식 행동 규칙에 위배되는 행위임에도 불구하고, 실제 게임 내에서는 주요 동맹들이 섹터의 패권을 유지하기 위해 빈번하게 사용하고 있다는 모순점이 존재합니다 [31, 38]. 
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/War-Commander-Event-Operations.md b/10_Wiki/Topics/Game Design/War-Commander-Event-Operations.md
new file mode 100644
index 00000000..1b6aa3a3
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/War-Commander-Event-Operations.md	
@@ -0,0 +1,40 @@
+---
+id: GAME-WC-WAR-COMMANDER-EVENT-OPERATIONS
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# War Commander Event Operations
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 이벤트 작전(Event Operations)은 매월 또는 정기적으로 진행되는 특수 PVE 및 방어 콘텐츠로, 플레이어가 강력한 적을 상대로 전투를 벌여 보상을 획득하는 시스템이다 [1-3]. 대표적으로 실제 플레이어의 기지를 복제한 로그(Rogue) 기지를 공격하는 '섹터 브리치(Sector Breach)'와 월드 맵의 로그 기지를 타격하는 '섀도우 옵스(Shadow Ops)'가 있다 [3, 4]. 획득한 이벤트 포인트나 경험치(XP)는 이벤트 상점에서 전설적인 고급 유닛이나 업그레이드 부품, 설계도 등을 구매하는 데 핵심적으로 사용된다 [2, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+* **섹터 브리치 (Sector Breach) 이벤트**
+  * Sarkis 복제 기술을 통해 생성된 실제 플레이어 기지의 복제본(로그 플레이어 기지)을 공격하여 섹터 브리치 경험치(XP)를 획득하는 PVE 전투 이벤트이다 [1, 4, 6].
+  * 플레이어는 어설트 플래툰(Assault Platoons)을 사용해 타겟을 공격하며, 동일한 대상을 여러 번 타격해도 페널티가 없고 승리 기록은 향후 세트 완료에 누적된다 [6, 7].
+  * 플레이어의 전투력에 맞춰 일반(General) 트랙이나 정복자(Conqueror) 트랙을 선택할 수 있으며, 난이도가 높은 정복자 트랙이 더 많은 XP를 지급한다 [1, 6, 7]. 어떤 순서로든 세트를 완료하면 보너스 XP 캐시를 받게 된다 [6, 7].
+  * 수집한 XP는 이벤트 상점에서 전설 등급 유닛(예: Legendary Scorcher, Warlord Onymite), 업그레이드 토큰, 전용 장비(Tech) 등으로 교환할 수 있으며, 상점 폐쇄 전 24시간 동안 보상을 반드시 수령해야 하는 'Use It or Lose It' 기간이 주어진다 [5, 8-12].
+
+* **방어 이벤트 및 섀도우 옵스 (Shadow Ops)**
+  * 매월 압도적인 적들의 공격 웨이브를 방어하여 포인트를 얻는 이벤트가 열리며, 이를 통해 상점에서 강력한 유닛을 구매할 수 있다 [2].
+  * '섀도우 옵스'는 월드 맵의 로그 기지를 공격해 포인트를 획득하는 미니 이벤트이다 [3]. 점수에 따라 티어 1에서 티어 3 크레이트(Crate)를 보상으로 받으며, 총 10주에 걸쳐 매주 하나의 페이즈가 진행된다 [3]. 10개의 페이즈 중 8개의 부품을 모으면 고유한 특수 유닛을 획득할 수 있다 [3].
+
+* **이벤트 전술 및 소모품 관리 (Free Repair Strategy)**
+  * 고난도 이벤트(Elite Event Operations) 성공의 핵심은 병력 손실 비용을 최소화하는 '무료 수리(Free Repair)' 전략이다 [13]. 
+  * 플레이어는 타겟 기지의 특성에 맞춰 특정 유닛 조합(예: Incursion 기지에는 Frostpiercer와 Simo, Tactical Strike 기지에는 Madjai와 Nomads)을 활용해 전투 소모를 줄인다 [13].
+  * 또한 'TacOps 부스트'를 활용한 즉시 수리를 통해 짧은 시간 안에 플래툰을 순환시키고 여러 번 타격을 가함으로써 이벤트 상점 폐쇄 전 XP 획득량을 극대화할 수 있다 [13].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Sector Breach, Shadow Ops, Rogue Factions, TacOps Boost
+- **Projects/Contexts:** War Commander 전투 시스템 및 부대 운용 전략
+- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (소스 내 이벤트 시스템 간의 특별한 모순점은 발견되지 않았습니다.)
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/War-Commander-Strategic-Hub.md b/10_Wiki/Topics/Game Design/War-Commander-Strategic-Hub.md
new file mode 100644
index 00000000..3d312177
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/War-Commander-Strategic-Hub.md	
@@ -0,0 +1,24 @@
+# ⚔️ War Commander: Strategic Knowledge Hub (MOC)
+
+전장 지배를 위한 핵심 전술 및 자원 관리 체계입니다.
+
+---
+
+## 🏷️ Keyword Cluster: #Tactical_Units (전술 부대 및 운용)
+- [[Game Design/Combined-Arms|Combined Arms (제병협동)]]
+- [[Game Design/Mixed-Platoons|Mixed Platoons (혼성 소대)]]
+- [[Game Design/Rock-Paper-Scissors-Dynamic|Rock-Paper-Scissors Dynamic (상성 체계)]]
+
+## 🏷️ Keyword Cluster: #Base_Defense (기지 방어 및 건축)
+- [[Game Design/Defensive-Architecture|Defensive Architecture (방어 건축학)]]
+- [[Game Design/Defense-Buildings|Defense Buildings (방어 건물)]]
+- [[Game Design/Base-Layouts|Base Layouts (기지 배치)]]
+- [[Game Design/Anti-Air-and-Anti-Ground-Combat|Anti-Air & Anti-Ground Combat]]
+
+## 🏷️ Keyword Cluster: #Resources_Progression (자원 및 성장)
+- [[Game Design/Iridium|Iridium (이리듐)]]
+- [[Game Design/Arc-2-Technology|Arc 2 Technology]]
+- [[Game Design/Evolution-of-the-War-Commander-Combat-Ecosystem|Combat Ecosystem Evolution]]
+
+---
+**Last Update**: 2026-04-27
diff --git a/10_Wiki/Topics/Game Design/War-Commander-전투-생태계-및-지정학적-구조.md b/10_Wiki/Topics/Game Design/War-Commander-전투-생태계-및-지정학적-구조.md
new file mode 100644
index 00000000..235659f3
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/War-Commander-전투-생태계-및-지정학적-구조.md	
@@ -0,0 +1,30 @@
+---
+id: GAME-WC-WAR-COMMANDER-전투-생태계-및-지정학적-구조
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# War Commander 전투 생태계 및 지정학적 구조
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander는 종말 이후의 세계에서 금속(Metal), 석유(Oil), 초희귀 자원인 토륨(Thorium)을 두고 경쟁하는 실시간 전략 게임이다 [1-3]. 이 게임의 전투 생태계는 정교한 유닛 마이크로 컨트롤, 기하학적 방어 구조, 방어 플랫폼의 상성과 같은 전술적 깊이로 정의된다 [1, 4, 5]. 지정학적으로는 200개의 독립된 섹터(Sector)로 나뉜 월드 맵에서 거대 동맹(Alliance)들이 영토 지배력을 행사하며, 자원과 랭킹을 차지하기 위한 복잡한 권력 구조를 형성하고 있다 [1, 6, 7].
+
+## 📖 구조화된 지식 (Synthesized Content)
+*   **지휘 및 통제 (Command and Control)와 전술:** 2014년에 도입된 전투 제어 시스템은 Attack Move, Move, Stop, Hold Position, Fire at Will 등의 단축키 기반 명령을 제공하여 전투 시 부대 관리의 효율성을 높였다 [8-10]. 플레이어는 이 시스템과 AI의 추적 로직을 역이용하여, 방어 구역 안에 있는 적 유닛(예: Flak Tank 등)을 기지 밖으로 유인해 파괴하는 'Baiting(유인)' 전술을 핵심 타격 수단으로 구사한다 [11-13].
+*   **방어 아키텍처와 공간적 억지력 (Defensive Architecture):** 기지 방어의 핵심은 커맨드 센터, 자원 저장소, 발전소를 보호하기 위한 기하학적 레이어링 구조(예: Square Base, Blitz Base)를 형성하는 것이다 [14-17]. 2026년 3월 업데이트로 발사 속도가 점진적으로 증가하여 체력이 높은 전차를 제압하는 Metronomos 중포탑과, 반경 300 내의 적 항공기에 난기류(Turbulence)를 발생시켜 항공 작전을 교란하는 Nightwatch 벙커가 추가되어 방어의 차원이 진화했다 [18-20].
+*   **유닛 진화와 자원 로지스틱스 (Unit Evolution & Logistics):** 부대는 보병, 지상 차량, 항공기로 분류되며, 최근 Arc 2 기술의 도입으로 체력 130,000에 360도 이동 사격이 가능한 전설적 유닛 'Warlord Onymite' 등이 전장을 지배하고 있다 [21-24]. 고도화된 기술력과 부대를 유지하려면 자원 압축(Resource Compression)을 통해 기지의 자원 저장 한도를 최대 21억 개 이상으로 확장해야 한다 [25, 26]. 또한, 방어 플랫폼들이 특정 데미지 속성(Burst, Sustain, Area 등)에 대해 50%의 데미지 감소 저항을 제공하도록 변경됨에 따라, 공격자는 단일 유닛이 아닌 혼합 소대(Mixed Platoons)를 구성해야만 적의 방어선을 돌파할 수 있다 [4, 19, 27].
+*   **지정학적 패권 및 동맹 거버넌스 (Geopolitics & Alliances):** 월드 맵은 250,000개의 헥스(Hex)로 이루어진 200개의 섹터로 분할되어 있다 [6, 28-30]. 최대 200명 규모의 동맹(Clan/Alliance)들은 특정 섹터를 점거하며, 한 동맹이 섹터 기지의 80%를 장악할 경우 자신들의 허락 없는 공격을 금지하는 등의 비공식 교전 규칙을 강제한다 [7, 31, 32]. 규칙에 불응하는 플레이어의 기지 주변을 6개의 소대로 둘러싸 이동과 자원 수집을 봉쇄하는 'Jailing' 기법이 지정학적 억제력의 수단으로 쓰인다 [7, 32]. 전투의 결과는 'Infamy(악명)' 시스템을 통해 평가되며, 플레이어들은 리더보드 순위를 올리고 기어 스토어(Gear Store)의 최고 보상을 획득하기 위해 끊임없는 패권 경쟁에 참여한다 [2, 33, 34].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** Command and Control 시스템, Baiting 전술, 방어 레이어링 (Defensive Architecture), Sector 기반 지정학 (Geopolitics), Thorium 경제
+- **Projects/Contexts:** [[March 2026 Research Drop]], [[Sector Breach 이벤트]], Infamy 리더보드 시스템
+- **Contradictions/Notes:** 소스에 따르면 'Jailing(기지 봉쇄)' 전술은 공식적인 War Commander 규칙에 위배되는 행위로 명시되어 있으나, 실제 섹터의 지배력을 유지하고 적을 통제하기 위한 지정학적 전술로 생태계 내에서 여전히 빈번하게 사용되고 있다는 모순적인 현실이 존재한다 [7, 32].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/War-Commander-전투-시스템.md b/10_Wiki/Topics/Game Design/War-Commander-전투-시스템.md
new file mode 100644
index 00000000..6989a6ae
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/War-Commander-전투-시스템.md	
@@ -0,0 +1,47 @@
+---
+id: GAME-WC-WAR-COMMANDER-전투-시스템
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# War Commander 전투 시스템
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander의 전투 시스템은 기지 건설, 자원 물류 및 실시간 전술 교전이 결합된 복잡한 생태계입니다 [1]. 보병, 차량, 항공기 등 다양한 유닛 간의 상성 관계를 기반으로 하며, 플레이어는 동적인 전투 컨트롤을 통해 부대를 실시간으로 세밀하게 조작해야 합니다 [2, 3]. 또한, 공격자는 방어 타워와 플랫폼이 겹겹이 배치된 기하학적 방어선을 돌파하기 위해 인공지능(AI)의 추격 논리를 역이용하는 전술 등을 활용하며 끊임없는 전략적 진화를 거듭하고 있습니다 [4, 5].
+
+## 📖 구조화된 지식 (Synthesized Content)
+**전투 컨트롤 및 실시간 부대 조작 (Combat Controls)**
+* 2014년 2월에 도입된 전투 컨트롤 시스템은 기존의 정적인 방어 태세를 동적인 단축키 기반 관리 시스템으로 대체했습니다 [2, 6].
+* 사격 이동(Attack Move, A), 이동(Move, M), 정지(Stop, S), 위치 사수(Hold Position, D), 자율 사격(Fire at Will, F)의 5가지 핵심 명령어를 통해 세밀한 부대 통제가 가능합니다 [7, 8]. 
+* 추가로 부대 분산(X), 적 체력 확인(B), 특정 부대 지정(Shift+숫자) 등의 기능을 활용해 광역 피해(Splash/AoE)를 최소화하고 다면적인 공격을 조율할 수 있습니다 [9, 10].
+
+**유인 전술 (Baiting)과 AI 활용**
+* 적의 인공지능 추격 논리를 역이용하는 '유인(Baiting)'은 전투 시스템의 핵심 전술입니다 [4, 11]. 
+* '자율 사격(Fire at Will)' 등 추격 성향이 있는 방어 유닛을 기지 밖이나 아군의 십자포화 구역으로 끌어내어 구조적 방어 이점을 무력화합니다 [4, 11, 12]. 
+* 예를 들어, 지상 유닛을 미끼로 방어군의 대공 전차를 대공 포탑의 지원 범위 밖으로 유인한 뒤 아군의 공중 부대로 처치하는 비대칭적 유닛 교전이 자주 활용됩니다 [11, 13].
+
+**부대 구성 및 상성 (Combined Arms)**
+* 유닛은 보병(Infantry), 지상 차량(Vehicles), 항공기(Aircraft)로 나뉘며 각자의 역할과 상성이 존재합니다 [3, 14-16]. 보병과 항공기는 파괴 시 영구 손실되지만, 차량은 완전 파괴 후에도 수리가 가능하다는 전략적 차이가 있습니다 [14, 17].
+* 장거리 공성 차량(Hellfire Tank 등)과 방어력 집중형 차량(Mega Tank, Paladin 등), 그리고 대공 유닛(Flak Tank, Gatling Truck 등)을 조합하는 것이 중요합니다 [3, 15, 18].
+
+**방어 아키텍처 및 2026년 기술 패러다임**
+* 기지 방어는 사령부(Command Center)와 전력소(Power Plant) 등 주요 인프라를 핵심에 두고, 대인 및 대차량, 대공 포탑을 번갈아 배치하는 기하학적 방어선(Geometric layering)을 구축하는 것이 기본입니다 [5, 19, 20].
+* 2026년 3월 업데이트로 이리듐(Iridium) 자원을 활용하는 새로운 플랫폼들이 도입되었습니다. 'Support Graviton(지상 유닛 피해 50% 감소)', 'Support Insulated(광역 피해 50% 감소)', 'Support Reinforced(버스트 피해 50% 감소)' 등 특정 피해 유형에 극강의 저항성을 가지게 되어, 공격자는 단일 유닛 스팸 대신 다양한 피해 유형을 섞은 혼합 소대(Mixed Platoons)를 운용해야만 합니다 [21-25].
+* 또한 적 항공기에 난기류(Turbulence)를 발생시켜 작전을 방해하는 'Nightwatch Bunker'와 발사 속도가 점진적으로 증가하는 'Metronomos' 중포탑이 추가되어 방어의 깊이를 더했습니다 [21, 26, 27].
+
+**PVE-as-PVP 교전: 섹터 돌파 (Sector Breach)**
+* 고급 유닛 부품과 기술은 주로 '섹터 돌파(Sector Breach)' 이벤트를 통해 획득합니다 [28]. 플레이어의 실제 기지를 복제한 AI 로그 기지(Rogue Player Bases)를 공격하여 XP를 얻고, 이를 전설적인 유닛(예: Warlord Onymite, Legendary Scorcher)으로 교환하는 방식으로 전투 능력을 증명합니다 [28-31].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[전투 컨트롤(Combat Controls)]], [[유인 전술(Baiting)]], 방어 플랫폼(Defensive Platforms), 섹터 공격(Sector Breach)
+- **Projects/Contexts:** Arc 2 기술 및 전설 유닛(Legendary Units), [[2026년 3월 연구 드롭(March 2026 Research Drop)]]
+- **Contradictions/Notes:** 소스에 따르면 과거에는 방어 부대가 고정된 '방어 태세(Defensive Stances)'를 취했으나, 2014년 업데이트 이후 플레이어가 직접 제어하는 동적인 '전투 컨트롤(Combat Controls)' 시스템으로 완전히 대체되었습니다 [6, 7]. 또한 전투의 양상 역시 초창기에는 단순한 유닛 간의 물고 물리는 상성 구조였으나, 2026년 업데이트를 기점으로 특정 데미지 유형(Sustain, Burst, Area 등)을 50% 감소시키는 방어 플랫폼이 등장하면서 단일 유닛 돌진이 막히고 철저한 혼합 부대(Mixed Platoon) 운용이 강제되는 방향으로 진화했습니다 [23-25].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/Wonder.md b/10_Wiki/Topics/Game Design/Wonder.md
index 9b6fbae1..30ea118d 100644
--- a/10_Wiki/Topics/Game Design/Wonder.md	
+++ b/10_Wiki/Topics/Game Design/Wonder.md	
@@ -11,8 +11,8 @@ Wonder(원더)는 'Game of War: Fire Age'에서 각 왕국의 중앙에 위치
 *   **BM(수익화 모델)과의 연계성:** 원더 전투에서 승리하기 위해 플레이어들은 원더 전용 연구 트리(Wonder and Codex Series)를 올려야 하며, 원더 공격·수비에 특화된 스탯을 제공하는 각종 과금용 보석(예: Arrowstorm Gem, Honor Guard Gem 등)을 장착해야 합니다 [18-24]. 지배자가 되고자 하는 권력욕과 동맹의 명예라는 사회적 압력이 결합하여 최고 등급 플레이어(Whale)들의 끊임없는 과금 경쟁을 이끌어냅니다 [2, 7, 14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Super Wonder]], [[KvK (Kingdom vs. Kingdom)]], [[Feudal Power Pyramid]], [[Titles of Power]], [[Wonder Forest]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]의 소셜 엔지니어링 및 수익화 구조
+- **Related Topics:** Super Wonder, KvK (Kingdom vs. Kingdom), Feudal Power Pyramid, Titles of Power, Wonder Forest
+- **Projects/Contexts:** Game of War: Fire Age의 소셜 엔지니어링 및 수익화 구조
 - **Contradictions/Notes:** 소스 간의 모순은 발견되지 않았습니다. 모든 소스는 원더가 게임의 경제적, 사회적 핵심 시스템이자, 플레이어 간의 적대감과 협동을 극대화하여 엄청난 수익을 창출하는 엔드게임 요소라는 점에 동의하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/World War Rising.md b/10_Wiki/Topics/Game Design/World War Rising.md
index 59ab76fd..911d21df 100644
--- a/10_Wiki/Topics/Game Design/World War Rising.md	
+++ b/10_Wiki/Topics/Game Design/World War Rising.md	
@@ -9,8 +9,8 @@
 *   *소스에 관련 정보가 부족합니다.* ('Game of War'와 차별화되는 'World War Rising'만의 독자적인 BM이나 심층적인 인게임 구조에 대한 세부 정보는 소스에 부족합니다.)
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[4X 전략 게임]], [[스킨 교체(Reskin)]], [[Machine Zone]]
-- **Projects/Contexts:** [[Game of War: Fire Age]] 
+- **Related Topics:** 4X 전략 게임, 스킨 교체(Reskin), [[Machine Zone]]
+- **Projects/Contexts:** Game of War: Fire Age 
 - **Contradictions/Notes:** 초기 출시 당시 MZ의 이름이 아닌 'Mobile War LLC'라는 이름으로 조용히 런칭되었으나, 추후 MZ의 소유임이 공식 확인되는 독특한 출시 방식을 취했습니다 [1].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/가상 화폐 (Virtual Currency).md b/10_Wiki/Topics/Game Design/가상 화폐 (Virtual Currency).md
index 8fd73505..803411a8 100644
--- a/10_Wiki/Topics/Game Design/가상 화폐 (Virtual Currency).md	
+++ b/10_Wiki/Topics/Game Design/가상 화폐 (Virtual Currency).md	
@@ -11,8 +11,8 @@
 *   **대량 구매 및 '잔돈' 유도 기법:** 가상 화폐는 보통 묶음 단위로 판매될 때 할인율(Bonus)이 적용되어 플레이어가 한 번에 더 많은 양을 결제하도록 유도합니다 [11]. 또한, 구매할 수 있는 화폐 묶음의 단위와 실제 상점 내 아이템의 가격 간에 의도적인 불일치를 만듭니다 [11]. 이로 인해 플레이어의 가상 지갑에는 항상 애매한 '잔돈(leftover)'이 남게 되며, 이는 다음 아이템을 사기 위해 추가로 화폐 팩을 구매하게 만드는 유혹(Dark patterns)으로 작용합니다 [11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[하드 커런시 (Hard Currency)]], [[인앱 결제 (In-App Purchases)]], [[이중 화폐 상점 (Dual-currency shops)]], [[착취적 수익화 (Predatory Monetization)]], [[다크 패턴 (Dark Patterns)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 모델]], [[4X 전략 게임 수익화 전략 (4X Strategy Monetization)]]
+- **Related Topics:** 하드 커런시 (Hard Currency), 인앱 결제 (In-App Purchases), 이중 화폐 상점 (Dual-currency shops), 착취적 수익화 (Predatory Monetization), [[다크 패턴 (Dark Patterns)]]
+- **Projects/Contexts:** Game of War: Fire Age BM 모델, 4X 전략 게임 수익화 전략 (4X Strategy Monetization)
 - **Contradictions/Notes:** 소스 분석 결과, 가상 화폐를 통한 이중 화폐 상점은 플레이어에게 지불 방식의 선택권과 유연성을 제공하여 체감 만족도를 높인다고 평가받지만 [2, 4], 동시에 실제 현금의 가치를 교묘하게 은폐하고 잔돈(leftover)을 남겨 반복적인 추가 과금을 유도하는 등 다분히 심리적이고 착취적인 성격을 지닌다는 상반된 기능성을 모두 내포하고 있습니다 [5, 11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/거점(Control Points) 점령전.md b/10_Wiki/Topics/Game Design/거점(Control Points) 점령전.md
index bfd87be7..0bf0f6ba 100644
--- a/10_Wiki/Topics/Game Design/거점(Control Points) 점령전.md	
+++ b/10_Wiki/Topics/Game Design/거점(Control Points) 점령전.md	
@@ -18,8 +18,8 @@
   * **안전 확보 (Secured) 단계**: 거점 점령전의 최종 단계입니다 [4]. 이 기간 동안에는 다른 어떤 동맹도 해당 거점을 공격하거나 분쟁 가능 구역을 빼앗기 위해 시도할 수 없으며, 승리한 동맹은 다음 전투를 준비하며 휴식을 취할 수 있습니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[동맹(Alliances)]], [[토륨(Thorium)]]
-- **Projects/Contexts:** [[War Commander: Rogue Assault]]
+- **Related Topics:** [[동맹(Alliances)]], 토륨(Thorium)
+- **Projects/Contexts:** War Commander: Rogue Assault
 - **Contradictions/Notes:** 제공된 소스에서 설명하는 분쟁 가능 구역(Contestable Zones)과 거점(Control Points) 점령 시스템은 'War Commander: Rogue Assault' 헬프 센터의 데이터를 기반으로 합니다 [1]. 본가 'War Commander'의 200개 섹터를 둘러싼 동맹전(Clans & Alliances)과 맥락을 같이 하지만, 상세 전투 페이즈(War, Sudden Death 등)는 로그 어썰트(Rogue Assault)의 특정 시스템을 설명한 것임을 유의해야 합니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/계단식 수익화 (Staircase Monetization).md b/10_Wiki/Topics/Game Design/계단식 수익화 (Staircase Monetization).md
index c7691f54..38c7cb60 100644
--- a/10_Wiki/Topics/Game Design/계단식 수익화 (Staircase Monetization).md	
+++ b/10_Wiki/Topics/Game Design/계단식 수익화 (Staircase Monetization).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[지불 용의 (Willingness to Pay)]], [[무한한 확장성 경제 (Infinitely Scalable Economy)]], [[동적 가격 책정 (Dynamic Pricing)]], [[VIP 시스템 (VIP System)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 계단식 수익화는 업계 최고 수준의 수익(LTV)을 내는 데 기여했지만, 일부 분석가와 연구자들로부터는 매몰 비용 오류(Sunk Cost Fallacy)를 남용하고 플레이어를 착취적으로 결제로 내모는 '다크 패턴(Dark Patterns)' 혹은 '약탈적 수익화(Predatory Monetisation)'의 대표적 사례라는 강한 비판을 받고 있습니다 [7], [8].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/계단식 수익화 모델 (Staircase Monetization).md b/10_Wiki/Topics/Game Design/계단식 수익화 모델 (Staircase Monetization).md
index 9e69c5c3..ce1eaafb 100644
--- a/10_Wiki/Topics/Game Design/계단식 수익화 모델 (Staircase Monetization).md	
+++ b/10_Wiki/Topics/Game Design/계단식 수익화 모델 (Staircase Monetization).md	
@@ -10,8 +10,8 @@
 * **카지노 모델과의 유사성:** 이 시스템은 카지노에서 무료 칩이나 음료를 제공해 플레이어를 기분 좋게 만든 뒤 점차 판돈이 큰 테이블로 이끄는 것과 동일한 심리학적 메커니즘을 사용합니다 [2]. 무한히 확장 가능한 게임 내 경제를 바탕으로, 지불을 망설이는 유저에게는 맞춤형 파격 제안을 하여 결국 결제하게 만들고, 지불한 유저에게는 한 단계 높은 가격표를 제시하여 지출을 고착화시킵니다 [2, 3]. 
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[지불 용의 (Willingness to Pay, WTP)]], [[동적 가격 책정 (Dynamic Pricing)]], [[고객 생애 가치 (Lifetime Value, LTV)]], [[VIP 시스템]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Related Topics:** 지불 용의 (Willingness to Pay, WTP), [[동적 가격 책정 (Dynamic Pricing)]], 고객 생애 가치 (Lifetime Value, LTV), [[VIP 시스템]]
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스에 관련 정보 내 모순점은 발견되지 않았습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/고과금 유저 (Whales).md b/10_Wiki/Topics/Game Design/고과금 유저 (Whales).md
index 1a75f8a2..add86af7 100644
--- a/10_Wiki/Topics/Game Design/고과금 유저 (Whales).md	
+++ b/10_Wiki/Topics/Game Design/고과금 유저 (Whales).md	
@@ -14,8 +14,8 @@
   서버 간 대규모 전쟁인 **왕국 대 왕국(KvK)**이나 **슈퍼 원더(Super Wonder)** 점령전과 같은 핵심 엔드게임 콘텐츠는 최상위 고과금 유저들의 최고조에 달한 화력과 활동을 요구합니다 [4, 5]. 고과금 유저들은 승리를 원하기 때문에 서버 내 사람들의 참여를 독려하고 동기를 부여하며, 이들이 전쟁에서 활약하는 동안 일반 캐주얼 플레이어들은 공격받지 않도록 보호받는 측면도 있습니다 [5, 15]. 반대로 무과금 및 소과금 유저들은 자원 생산('농부' 역할)이나 정찰 등을 통해 고과금 유저의 막대한 유지비를 지원하는 등, 고과금 유저와 캐주얼 유저 간에는 복잡한 **공생 관계(Symbiotic relationship)**가 형성되어 있습니다 [15, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], [[코어 장비 (Core Equipment)]], [[왕국 대 왕국 (KvK)]], [[VIP 시스템 (VIP System)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X 전략 게임 (4X Strategy Games)]]
+- **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], 코어 장비 (Core Equipment), 왕국 대 왕국 (KvK), [[VIP 시스템 (VIP System)]]
+- **Projects/Contexts:** Game of War: Fire Age, 4X 전략 게임 (4X Strategy Games)
 - **Contradictions/Notes:** 소스에 고과금 유저에 대한 직접적으로 대조되거나 모순되는 주장은 없습니다. 모든 소스가 공통적으로 4X 전략 게임의 생태계가 막대한 자본을 쏟아붓는 극소수의 유저(Whales)들에 의해 지탱되며, 게임 구조 자체가 이들의 추가 지출을 유도하도록 정밀하게 설계되어 있다고 일관되게 설명하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/고래 유저 (Whale Players).md b/10_Wiki/Topics/Game Design/고래 유저 (Whale Players).md
index e5701430..8ca22fe2 100644
--- a/10_Wiki/Topics/Game Design/고래 유저 (Whale Players).md	
+++ b/10_Wiki/Topics/Game Design/고래 유저 (Whale Players).md	
@@ -10,8 +10,8 @@
 * **'고래 사냥(Whale Hunting)'을 위한 수익화 설계:** 개발사들은 고래 유저를 겨냥하여 계단식 수익화(Staircase Monetization) 모델을 극적으로 활용합니다 [4]. 초기에는 저렴하고 혜택이 큰 패키지를 제공하지만 결제가 이루어질수록 이를 없애고, 종국에는 99.99달러 팩으로 결제 단위를 에스컬레이션시켜 최상위 유저의 지불 용의(WTP)를 극대화하고 반복적인 결제를 유도합니다 [12, 13].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], [[Kingdom vs. Kingdom (KvK)]], [[코어 장비 (Core Equipment)]], [[VIP 시스템 (VIP System)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Fate War]], [[Kingshot]]
+- **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], [[Kingdom vs. Kingdom (KvK)]], 코어 장비 (Core Equipment), [[VIP 시스템 (VIP System)]]
+- **Projects/Contexts:** Game of War: Fire Age, [[Fate War]], Kingshot
 - **Contradictions/Notes:** 고래 유저들은 압도적인 개인 전투력과 막대한 재화로 서버의 운명을 좌우하지만, KvK와 같은 대규모 왕국 간 이벤트의 경우 고래 유저 혼자서는 절대 승리할 수 없으며 캐주얼 플레이어들의 참여와 희생이 필수적이라는 공생 관계(symbiotic relationship)가 강조됩니다 [10, 11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/과금 모델 (Monetization).md b/10_Wiki/Topics/Game Design/과금 모델 (Monetization).md
index 7bf1981a..f56af040 100644
--- a/10_Wiki/Topics/Game Design/과금 모델 (Monetization).md	
+++ b/10_Wiki/Topics/Game Design/과금 모델 (Monetization).md	
@@ -13,8 +13,8 @@ Game of War의 과금 모델(Monetization)은 플레이어의 소비와 행동 
 *   **콘텐츠 트레드밀과 파워 크립 (Content Treadmills & Power Creep):** 매일매일 새로운 레벨의 건물, 더 높은 티어의 부대, 새로운 연구 카테고리를 업데이트하여 기존 장비와 병력을 구식으로 만듭니다 [23, 24]. 이는 최상위 결제 유저(Whales)들 사이의 경쟁 격차를 벌려, 그들조차도 도태되지 않기 위해 끝없이 결제하게 만드는 구조를 형성합니다 [23].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 과금 (Staircase Monetization)]], [[동적 제안 (Dynamic Offers)]], [[VIP 시스템 (VIP System)]], [[소셜 엔지니어링 (Social Engineering)]], [[파워 크립 (Power Creep)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X 전략 게임 (4X Strategy Games)]], [[Machine Zone (MZ)]]
+- **Related Topics:** 계단식 과금 (Staircase Monetization), 동적 제안 (Dynamic Offers), [[VIP 시스템 (VIP System)]], [[소셜 엔지니어링 (Social Engineering)]], [[파워 크립 (Power Creep)]]
+- **Projects/Contexts:** Game of War: Fire Age, 4X 전략 게임 (4X Strategy Games), Machine Zone (MZ)
 - **Contradictions/Notes:** 소스에 따르면 이 게임의 과금 모델은 플레이어의 강박을 악용하고 "역대 가장 과도한 현금 착취(cash grab)"라는 비판과 윤리적 논란에 직면했습니다 [25, 26]. 하지만 2015년 기준 결제 유저의 연평균 인앱 결제액이 업계 평균(87달러)의 약 7배에 달하는 549.69달러를 달성하였으며, 모바일 전략 게임 역사상 가장 상업적으로 성공한 수익 창출 구조로 평가받습니다 [8, 27].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/구역 통제 및 동맹 전쟁(Sector Control and Alliance Wars).md b/10_Wiki/Topics/Game Design/구역 통제 및 동맹 전쟁(Sector Control and Alliance Wars).md
index c4adbfbf..dea6b594 100644
--- a/10_Wiki/Topics/Game Design/구역 통제 및 동맹 전쟁(Sector Control and Alliance Wars).md	
+++ b/10_Wiki/Topics/Game Design/구역 통제 및 동맹 전쟁(Sector Control and Alliance Wars).md	
@@ -18,8 +18,8 @@ War Commander에서 구역 통제 및 동맹 전쟁은 200개의 고유한 구
     지배적 클랜의 억압은 종종 비소속 플레이어들의 저항 클랜 결성으로 이어져 치열한 구역 전쟁(Sector wars)을 촉발한다 [12]. 라이벌 클랜 간의 충돌은 종종 휴전(Truce)으로 귀결되는데, 평화 정착 과정에서 여러 클랜이 연합하여 자신들의 이익과 구역을 공동으로 방어하는 다층적 동맹 구조로 발전하기도 한다 [13].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[동맹 체제(Alliances)]], [[감금 전술(Jailing)]], [[통제 지점(Control Points)]], [[월드 맵 시스템(World Map System)]]
-- **Projects/Contexts:** [[구역 패권 지정학(Sector Geopolitics)]]
+- **Related Topics:** 동맹 체제(Alliances), 감금 전술(Jailing), 통제 지점(Control Points), 월드 맵 시스템(World Map System)
+- **Projects/Contexts:** 구역 패권 지정학(Sector Geopolitics)
 - **Contradictions/Notes:** 라이벌 기지를 6개 소대로 완전히 포위해 옴짝달싹 못 하게 만드는 '감금(Jailing)' 전술은 구역 통제를 위한 동맹들의 핵심 수단으로 빈번히 활용되나, 소스에 따르면 이는 공식적인 War Commander 게임 규칙 위반(against W.C. rules)인 것으로 명시되어 있다 [3, 4].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/기지 레이아웃 메타(Base Layout Meta).md b/10_Wiki/Topics/Game Design/기지 레이아웃 메타(Base Layout Meta).md
index 460e082c..9153ea45 100644
--- a/10_Wiki/Topics/Game Design/기지 레이아웃 메타(Base Layout Meta).md	
+++ b/10_Wiki/Topics/Game Design/기지 레이아웃 메타(Base Layout Meta).md	
@@ -17,8 +17,8 @@ War Commander의 기지 레이아웃 메타(Base Layout Meta)는 지휘 본부(C
   헬파이어 전차와 같은 장거리 공성 유닛으로부터 기지를 방어하려면 포탑 배치가 중요합니다. 사거리가 긴 박격포탑, 로켓 탄막(Rocket Barrage), 플라즈마 포탑을 적절히 배치하거나, 요새화된 감시탑 및 벙커에 최대 레벨의 충격 보병(Shock Trooper) 및 저격수를 배치하여 적이 사거리 이점을 살리지 못하도록 방어선을 설계해야 합니다 [17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[유인 전술(Baiting)]], [[방어 건물(Defense Buildings)]]
-- **Projects/Contexts:** [[War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the War Commander Combat Ecosystem)]]
+- **Related Topics:** [[유인 전술(Baiting)]], 방어 건물(Defense Buildings)
+- **Projects/Contexts:** War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the War Commander Combat Ecosystem)
 - **Contradictions/Notes:** 사각 기지(Square Base) 설계는 모든 방향에 대해 균일한 방어를 제공하는 훌륭한 범용 레이아웃이지만, 단일 대상 집중 화력의 부재로 인해 높은 체력을 가진 탱킹 유닛의 진입을 허용하면 장거리 공성 유닛에게 기지가 손쉽게 붕괴될 수 있다는 전술적 모순과 약점을 지니고 있습니다 [4, 14].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/기지 방어 레이아웃(Base Layouts).md b/10_Wiki/Topics/Game Design/기지 방어 레이아웃(Base Layouts).md
index 5bc7592f..a2f08296 100644
--- a/10_Wiki/Topics/Game Design/기지 방어 레이아웃(Base Layouts).md	
+++ b/10_Wiki/Topics/Game Design/기지 방어 레이아웃(Base Layouts).md	
@@ -13,8 +13,8 @@ War Commander에서 기지 방어 레이아웃은 적의 공격으로부터 자
     *   **원형 기지 (Circle Perimeter) 및 은폐:** 핵심 건물 주위를 원형으로 둘러싸면 적의 명확한 공격 지점을 모호하게 만들 수 있다 [9]. 또한, 높이가 높은 지휘 본부나 버려진 건물 뒤에 방어 유닛(예: 자폭 폭격기, 탱크 등)을 숨겨두면 적이 접근할 때 기습적인 피해를 줄 수 있다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 건물(Defense Buildings)]], [[유인 전술(Baiting)]]
-- **Projects/Contexts:** [[War Commander 전투 생태계의 구조적 역학(Structural Dynamics of Combat Ecosystem)]]
+- **Related Topics:** 방어 건물(Defense Buildings), [[유인 전술(Baiting)]]
+- **Projects/Contexts:** War Commander 전투 생태계의 구조적 역학(Structural Dynamics of Combat Ecosystem)
 - **Contradictions/Notes:** 사각 기지(Square Base) 디자인은 정찰과 우회가 불가능에 가까운 튼튼하고 균일한 방어선으로 평가되지만, 베히모스(Behemoth)와 같이 체력이 매우 높아 피해를 흡수할 수 있는 '탱킹' 유닛이나 장거리 공성 전차(Hellfire Tanks)의 집중 포화에는 치명적으로 뚫릴 수 있는 취약점이 있다 [10, 11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/기지 방어 설계 및 공략(Base Defense and Siege).md b/10_Wiki/Topics/Game Design/기지 방어 설계 및 공략(Base Defense and Siege).md
index afd07f6a..9aaf39c0 100644
--- a/10_Wiki/Topics/Game Design/기지 방어 설계 및 공략(Base Defense and Siege).md	
+++ b/10_Wiki/Topics/Game Design/기지 방어 설계 및 공략(Base Defense and Siege).md	
@@ -20,8 +20,8 @@
 *   **혼합 소대(Mixed Platoons) 운용:** 최근 도입된 방어자의 '플랫폼 저항성'을 뚫기 위해, 공격자는 단일 병종에 의존하지 않고 다채로운 피해 유형과 공격 방식을 섞은 혼합 소대를 구성해야만 안정적인 타격을 입힐 수 있습니다 [11, 12].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[전투 컨트롤 및 AI 유인(Combat Controls & Baiting)]], [[기지 레이아웃(Base Layouts)]], [[플랫폼 저항성(Platform Resistances)]]
-- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], [[섹터 전쟁 및 동맹 패권(Sector Warfare and Alliance Hegemony)]]
+- **Related Topics:** 전투 컨트롤 및 AI 유인(Combat Controls & Baiting), 기지 레이아웃(Base Layouts), [[플랫폼 저항성(Platform Resistances)]]
+- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], 섹터 전쟁 및 동맹 패권(Sector Warfare and Alliance Hegemony)
 - **Contradictions/Notes:** 장거리 공성 유닛인 헬파이어(Hellfire)는 대부분의 포탑을 사거리 밖에서 파괴할 수 있지만, 방어자가 로켓 포대(Rocket Barrage)를 설치하거나 감시탑(Watch Tower) 및 벙커에 최대 레벨의 저격수나 박격포 팀을 배치할 경우 오히려 카운터를 맞을 수 있습니다 [17, 22]. 또한, 효율적인 공격 전술인 유인(Baiting)은 방어 유닛이 벙커 안에 있거나 '위치 사수(Hold Position/Stand Ground)' 태세로 설정되어 있을 때는 작동하지 않습니다 [14, 15].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/다크 패턴 (Dark Patterns).md b/10_Wiki/Topics/Game Design/다크 패턴 (Dark Patterns).md
index 0ecf908e..6dc9cf6a 100644
--- a/10_Wiki/Topics/Game Design/다크 패턴 (Dark Patterns).md	
+++ b/10_Wiki/Topics/Game Design/다크 패턴 (Dark Patterns).md	
@@ -15,7 +15,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[프리미엄 모델 (Freemium Model)]], [[계단식 수익화 (Staircase Monetization)]], [[매몰 비용 오류 (Sunk Cost Fallacy)]], [[가상 화폐 (Virtual Currency)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 구조]], [[소액 결제 (Microtransactions)]], [[라이브 서비스 (Live Service)]]
+- **Projects/Contexts:** Game of War: Fire Age BM 구조, [[소액 결제 (Microtransactions)]], [[라이브 서비스 (Live Service)]]
 - **Contradictions/Notes:** 다크 패턴을 활용한 수익화 구조는 모바일 4X 전략 장르에서 업계 최고 수준의 LTV(고객 생애 가치)와 수십억 달러의 막대한 수익을 창출하는 핵심 요인이 되었습니다 [25-28]. 그러나 동시에 플레이어의 심리를 조작하는 "약탈적 수익화(Predatory monetization)"이자 "고래 사냥(Whale hunting)"이라는 윤리적 비판 및 규제 조사의 주요 대상이 되고 있습니다 [1, 6, 29].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/동맹(Alliances).md b/10_Wiki/Topics/Game Design/동맹(Alliances).md
index e52f16e9..e3c2bf96 100644
--- a/10_Wiki/Topics/Game Design/동맹(Alliances).md	
+++ b/10_Wiki/Topics/Game Design/동맹(Alliances).md	
@@ -10,8 +10,8 @@
 * **외교 및 관리 체계:** 동맹 창설에는 금(Gold) 또는 5,000,000 토륨이 소모되며, 리더와 장교가 구성원 가입 승인, 진급/강등, 추방 등의 관리 권한을 행사합니다 [11-13]. 적대적인 동맹들은 때때로 휴전이나 정전을 맺고 상호 이익을 보호하기 위해 2계층 시스템(two-tier system)의 연합을 형성하여 대규모 구역 전쟁(sector wars)에 대비하기도 합니다 [14, 15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[섹터(Sector)]], [[통제점(Control Points)]], [[투옥(Jailing) 전술]], [[토륨(Thorium)]]
-- **Projects/Contexts:** [[War Commander 전투 생태계 및 지정학적 구조]]
+- **Related Topics:** 섹터(Sector), 통제점(Control Points), 투옥(Jailing) 전술, 토륨(Thorium)
+- **Projects/Contexts:** War Commander 전투 생태계 및 지정학적 구조
 - **Contradictions/Notes:** 소스에 따르면 경쟁자의 기지를 포위하는 '투옥(Jailing)' 전술은 게임의 공식 규칙에 위배되는 행위로 명시되어 있으나, 전투 생태계 내에서 지배적인 동맹들이 패권을 유지하기 위해 빈번하게 사용하는 전술로 설명되고 있습니다 [2, 6]. 또한 동맹 창설 비용과 관련하여 한 소스에서는 '금(Gold)'이 필요하다고 언급하나 [11], 다른 소스에서는 '5,000,000 토륨'이 소모된다고 언급하는 등 내용의 차이가 존재합니다 [13].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/동적 가격 책정 (Dynamic Pricing).md b/10_Wiki/Topics/Game Design/동적 가격 책정 (Dynamic Pricing).md
index 635ac68a..4e632365 100644
--- a/10_Wiki/Topics/Game Design/동적 가격 책정 (Dynamic Pricing).md	
+++ b/10_Wiki/Topics/Game Design/동적 가격 책정 (Dynamic Pricing).md	
@@ -19,7 +19,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[지불 용의 (Willingness to Pay)]], [[계단식 수익화 (Staircase Monetization)]], [[실시간 엔진 (RTE)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 상업적 및 산업적 관점에서는 이러한 동적 가격 책정이 유저 전환과 기록적인 수익 창출을 이끄는 천재적인 방식(Genius)으로 평가받지만 [3, 11], 동시에 지나치게 공격적이고 플레이어의 심리를 착취하는 약탈적 수익화(Predatory monetization) 패턴이라는 강한 비판도 존재합니다 [12].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/라이브 서비스 (Live Service).md b/10_Wiki/Topics/Game Design/라이브 서비스 (Live Service).md
index 299ef11c..03775736 100644
--- a/10_Wiki/Topics/Game Design/라이브 서비스 (Live Service).md	
+++ b/10_Wiki/Topics/Game Design/라이브 서비스 (Live Service).md	
@@ -18,8 +18,8 @@
     라이브 서비스 모델은 앱 사용 시간이 길어질수록 수익이 증가하는 구조를 가지므로, 운영자는 플레이어를 게임에 중독(hooked)시키고 지속적인 사용을 권장하는 다크 패턴(Dark Patterns) 및 조작적 디자인 기법에 의존하는 경향이 있습니다 [1, 5]. 4X 전략 장르의 최상위 게임들은 공격적인 라이브 운영과 세심하게 설계된 수익화를 결합하여, 유저의 흥분도가 가장 높은 시점에 즉각적인 결제를 이끌어냅니다 [12, 13]. 예컨대 15개 이상의 이벤트가 동시에 겹쳐서 실행되는 고밀도의 이벤트 캘린더는 플레이어의 리텐션을 유지할 뿐만 아니라, 그 참여도를 즉각적인 수익으로 전환시키도록 치밀하게 설계되어 있습니다 [14].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[프리미엄 (Freemium)]], [[라이브 운영 (LiveOps)]], [[다크 패턴 (Dark Patterns)]], [[씬 클라이언트 (Thin-Client)]], [[미세 결제 (Microtransactions)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone]]
+- **Related Topics:** 프리미엄 (Freemium), 라이브 운영 (LiveOps), [[다크 패턴 (Dark Patterns)]], 씬 클라이언트 (Thin-Client), 미세 결제 (Microtransactions)
+- **Projects/Contexts:** Game of War: Fire Age, [[Machine Zone]]
 - **Contradictions/Notes:** 소스에 따르면 라이브 서비스 모델은 게임 개발자와 퍼블리셔에게 지속적이고 막대한 수입(높은 LTV)을 보장하는 혁신적인 비즈니스 모델로 평가받지만 [4, 9, 15], 동시에 플레이어(특히 어린이)에게는 끊임없는 결제 압박, 극심한 경쟁 스트레스, 그리고 심리적 취약점을 이용하는 약탈적 수익화(Predatory Monetization)의 원흉이 된다는 강력한 비판을 동반합니다 [16-18].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/맞춤형 팩 (Personalized Packs).md b/10_Wiki/Topics/Game Design/맞춤형 팩 (Personalized Packs).md
index 46f2ef45..e70661f9 100644
--- a/10_Wiki/Topics/Game Design/맞춤형 팩 (Personalized Packs).md	
+++ b/10_Wiki/Topics/Game Design/맞춤형 팩 (Personalized Packs).md	
@@ -16,8 +16,8 @@
 * **구매 만족도 및 안전망 역할:** 유저에게 통제감을 부여함으로써 원치 않는 아이템을 구매할 위험을 줄여 만족도를 높입니다 [4]. 이는 게임의 병목 현상을 정확히 파악하고 있는 고급 플레이어에게 특히 효과적이며, 일반적인 테마 이벤트 팩이 구매를 유도하지 못할 때 결제를 이끌어내는 '안전망(safety net)'의 역할을 수행합니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 과금 모델 (Staircase Monetization Model)]], [[실시간 엔진 (Real-Time Engine, RTE)]], [[제로잉 (Zeroing)]], [[이탈 지점 (Quit Points)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[State of Survival]], [[Puzzles & Survival]]
+- **Related Topics:** 계단식 과금 모델 (Staircase Monetization Model), 실시간 엔진 (Real-Time Engine, RTE), [[제로잉 (Zeroing)]], 이탈 지점 (Quit Points)
+- **Projects/Contexts:** Game of War: Fire Age, State of Survival, [[Puzzles & Survival]]
 - **Contradictions/Notes:** 맞춤형 팩은 사용자 정의 번들을 통해 유저에게 통제감을 주고 원하는 병목 지점을 해결하도록 돕는 긍정적인 경험을 제공하기도 하지만 [4, 5], 동시에 시스템적으로는 불필요한 아이템을 섞고 핵심 아이템을 고의로 통제하여 인지된 가치를 부풀리는 기만적인(Dark Patterns) 상술로 활용되기도 합니다 [9].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/모바일 미드코어 게임의 진화 및 Game of War BM 구조 분석 프로젝트.md b/10_Wiki/Topics/Game Design/모바일 미드코어 게임의 진화 및 Game of War BM 구조 분석 프로젝트.md
index 9969097c..45bb9e76 100644
--- a/10_Wiki/Topics/Game Design/모바일 미드코어 게임의 진화 및 Game of War BM 구조 분석 프로젝트.md	
+++ b/10_Wiki/Topics/Game Design/모바일 미드코어 게임의 진화 및 Game of War BM 구조 분석 프로젝트.md	
@@ -26,8 +26,8 @@
 * 그러나 아이템 구매 유도 압박, 매몰 비용의 남용, 인위적인 불안감 조성 등은 윤리적 비판의 대상이 되며 '약탈적 수익화(Predatory Monetisation)' 및 다크 패턴(Dark Patterns)의 대표적 사례로 지적받고 있습니다 [46-49].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[4X 전략 게임]], [[영구적 손실 (Permanent Loss)]], [[계단식 수익화 모델 (Staircase Monetization)]], [[이중 계층 VIP 시스템]], [[약탈적 수익화 (Predatory Monetisation)]]
-- **Projects/Contexts:** [[실시간 번역 엔진 기반의 글로벌 소셜 상호작용 및 봉건제 권력 메타 설계]]
+- **Related Topics:** 4X 전략 게임, [[영구적 손실 (Permanent Loss)]], [[계단식 수익화 모델 (Staircase Monetization)]], 이중 계층 VIP 시스템, 약탈적 수익화 (Predatory Monetisation)
+- **Projects/Contexts:** 실시간 번역 엔진 기반의 글로벌 소셜 상호작용 및 봉건제 권력 메타 설계
 - **Contradictions/Notes:** 소스 전반에서 '계단식 수익화'와 강력한 '영구적 손실 및 자원 적자' 메커니즘은 4X 게임 사상 최고의 LTV와 높은 매출을 가능하게 한 탁월한 상업적 디자인으로 극찬받고 있으나(소스 5, 6, 244), 동시에 과도한 불안감 조성 및 강압적 과금 설계라는 측면에서 다크 패턴(Dark Patterns)과 유저 착취(Predatory Monetisation)로 심각한 비판의 대상이 된다는 점이 극명하게 대비됩니다 (소스 92, 165, 272, 461).
 
 ---
diff --git a/10_Wiki/Topics/Game Design/미끼 전술(Baiting).md b/10_Wiki/Topics/Game Design/미끼 전술(Baiting).md
index a0d1295f..3497ec58 100644
--- a/10_Wiki/Topics/Game Design/미끼 전술(Baiting).md	
+++ b/10_Wiki/Topics/Game Design/미끼 전술(Baiting).md	
@@ -10,8 +10,8 @@
 * **방어적 미끼 전술 (Defensive Baiting / Honey Pot):** 미끼 전술은 공격뿐 아니라 기지 방어 시에도 활용됩니다 [6]. 방어자는 의도적으로 기지 방어가 취약해 보이는 구역, 일명 '허니 팟(Honey Pot)'을 만들어 적의 진입 경로를 유도할 수 있습니다 [6]. 유도된 경로에 지뢰(Landmine)를 집중적으로 배치하여 적 부대를 궤멸시키는 식입니다 [6]. 또한, 아군의 로켓 탄막 터렛(Rocket Barrage Turret)이나 벙커 내의 저격수(Sniper)를 활용하여 적의 박격포 미끼(Mortar Baiters)를 원거리에서 차단하는 방어 전략도 존재합니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[유닛 제어 및 방어 태세(Combat Controls and Defensive Stances)]], [[기지 방어 구조(Defensive Architecture)]], [[대공 및 대지상 유닛 상성(Anti-Air and Anti-Ground Counters)]]
-- **Projects/Contexts:** [[기지 공략 및 전술적 타격(Base Attack and Tactical Strikes)]]
+- **Related Topics:** 유닛 제어 및 방어 태세(Combat Controls and Defensive Stances), 기지 방어 구조(Defensive Architecture), 대공 및 대지상 유닛 상성(Anti-Air and Anti-Ground Counters)
+- **Projects/Contexts:** 기지 공략 및 전술적 타격(Base Attack and Tactical Strikes)
 - **Contradictions/Notes:** 소스 데이터에 따르면 미끼 전술은 '일반(Normal)'이나 '자유 사격(Fire at Will)' 태세의 적에게는 구조적 엄폐를 무력화하는 강력한 효과를 발휘하지만, '위치 사수(Hold Position)'나 '대기(Stand Ground)' 명령이 내려진 유닛에게는 적을 방어선 밖으로 유인할 수 없어 전혀 작동하지 않는다는 명확한 한계점이 있습니다 [1, 2].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/방어 구조 및 기지 레이아웃(Defensive Architecture and Base Layouts).md b/10_Wiki/Topics/Game Design/방어 구조 및 기지 레이아웃(Defensive Architecture and Base Layouts).md
index 6df4693c..f46da3fd 100644
--- a/10_Wiki/Topics/Game Design/방어 구조 및 기지 레이아웃(Defensive Architecture and Base Layouts).md	
+++ b/10_Wiki/Topics/Game Design/방어 구조 및 기지 레이아웃(Defensive Architecture and Base Layouts).md	
@@ -19,8 +19,8 @@
   * **장애물 및 은폐 활용:** 장벽(Barricade)은 지상 공격의 시야를 차단하고 적을 좁은 공간으로 몰아넣어 지뢰의 효과를 극대화합니다 [17-19]. 또한, 커맨드 센터나 버려진 건물 뒤에 폭탄 테러 차량(Suicide Bomber)이나 방어 병력을 은폐시켜 두었다가 기습하는 전술도 매우 유효합니다 [11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 플랫폼 및 데미지 저항(Damage Resistance)]], [[기지 방어 유닛(Defensive Units)]], [[전술적 유인(Baiting) 및 카운터 전략]]
-- **Projects/Contexts:** [[Arc 2 기술 및 2026년 방어 생태계 변화]]
+- **Related Topics:** 방어 플랫폼 및 데미지 저항(Damage Resistance), 기지 방어 유닛(Defensive Units), 전술적 유인(Baiting) 및 카운터 전략
+- **Projects/Contexts:** Arc 2 기술 및 2026년 방어 생태계 변화
 - **Contradictions/Notes:** 소스에 따르면 기지 방어 레이아웃에는 완벽한 마법의 공식(magic formula)이 없으며, 방어자와 공격자 사이의 끊임없이 변화하는 퍼즐(ever-changing puzzle)과 같습니다 [4]. 특정 레이아웃(예: 스퀘어 기지)이 널리 쓰이고 강력하지만 특정 조합의 유닛에게는 돌파될 수 있으므로, 방어자는 자신의 약점을 보완하기 위해 여러 유형의 포탑과 유닛을 혼합하는 복합적인 방어망을 구축해야 합니다 [3, 5].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/방어 구조(Defensive Architecture).md b/10_Wiki/Topics/Game Design/방어 구조(Defensive Architecture).md
index 2207c6d6..eae49c16 100644
--- a/10_Wiki/Topics/Game Design/방어 구조(Defensive Architecture).md	
+++ b/10_Wiki/Topics/Game Design/방어 구조(Defensive Architecture).md	
@@ -20,8 +20,8 @@ War Commander의 방어 구조(Defensive Architecture)는 지휘 본부(Command
     *   **메트로노모스(Metronomos) & 나이트워치(Nightwatch):** '메트로노모스' 중형 포탑은 사격 시 점점 공격 속도가 증가하는 버스트 데미지 무기로, 체력이 높은 전차를 상대하는 데 이상적입니다 [5, 6, 18]. 반면 '나이트워치' 벙커는 유닛의 사거리 및 데미지를 10%~20% 증가시켜줄 뿐만 아니라, 반경 300 내의 적 항공기에 '난기류(Turbulence)'를 일으켜 공중 기동과 타겟팅을 방해하는 전자전(Electronic warfare) 역할을 수행합니다 [5, 6, 20].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[기지 레이아웃(Base Layouts)]], [[유인 전술(Baiting)]], [[플랫폼 특화(Platform Specialization)]]
-- **Projects/Contexts:** [[War Commander 전투 생태계(War Commander Combat Ecosystem)]]
+- **Related Topics:** 기지 레이아웃(Base Layouts), [[유인 전술(Baiting)]], 플랫폼 특화(Platform Specialization)
+- **Projects/Contexts:** War Commander 전투 생태계(War Commander Combat Ecosystem)
 - **Contradictions/Notes:** 소스 9와 소스 13에 따르면 일반적인 방벽(Wall)은 공중 공격이나 방벽 너머로 곡사 사격을 하는 유닛의 공격을 완전히 막을 수는 없으나, 썬더볼트나 랩터 같은 특정 항공 유닛의 공격 시에는 방벽이 대신 피해를 흡수하여 뒤에 배치된 포탑의 생존율을 높일 수 있다고 설명합니다 [3, 11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/방어 기하학 및 구조 설계(Defensive Architecture).md b/10_Wiki/Topics/Game Design/방어 기하학 및 구조 설계(Defensive Architecture).md
index aaaf1f04..adb21f20 100644
--- a/10_Wiki/Topics/Game Design/방어 기하학 및 구조 설계(Defensive Architecture).md	
+++ b/10_Wiki/Topics/Game Design/방어 기하학 및 구조 설계(Defensive Architecture).md	
@@ -10,8 +10,8 @@ War Commander의 방어 기하학 및 구조 설계는 지휘 센터, 자원 저
 * **블리츠 베이스(Blitz Base) 설계:** 적의 유인(Baiting) 전술을 역으로 카운터하기 위해 고안된 특수 방어 배치입니다 [9, 10]. 기지 외곽에 박격포탑을 두고 그 뒤에 기관총탑을 두어 거리가 먼 적(예: 헬파이어 전차)의 접근을 강제하며, 중앙에 위치한 감시탑(Watch Tower)에 대공 보병을 촘촘히 대칭 배치하여 적의 공중 폭격을 차단합니다 [9, 10]. 이와 함께 남쪽에는 요새(Stronghold)를 배치해 장거리 공성 전차의 공격을 억제합니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[유인 전술 및 전투 통제(Baiting and Combat Controls)]], [[플랫폼 저항 및 방어 특화(Platform Resistance and Defensive Specialization)]], [[기지 레이아웃 및 킬 존(Base Layouts and Kill Zones)]]
-- **Projects/Contexts:** [[전투 생태계의 구조적 역학(Structural Dynamics of Combat Ecosystem)]]
+- **Related Topics:** 유인 전술 및 전투 통제(Baiting and Combat Controls), 플랫폼 저항 및 방어 특화(Platform Resistance and Defensive Specialization), 기지 레이아웃 및 킬 존(Base Layouts and Kill Zones)
+- **Projects/Contexts:** 전투 생태계의 구조적 역학(Structural Dynamics of Combat Ecosystem)
 - **Contradictions/Notes:** 스퀘어 베이스(Square Base) 구조는 범용적인 방어력을 자랑하지만 체력이 높은 유닛에게 뚫릴 수 있다는 약점이 있습니다. 이를 보완하기 위해 포탑을 대지상용 박격포탑으로만 구성하는 극단적 변형 설계도 존재하지만, 이 경우 랩터(Raptor)나 하복(Havok) 같은 공중 유닛의 광역 폭격에 방어 유닛들이 떼죽음을 당할 수 있다는 치명적인 상성 모순이 존재합니다 [8, 11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/방어 태세(Defensive Stance).md b/10_Wiki/Topics/Game Design/방어 태세(Defensive Stance).md
index 7a85621a..36ed73fc 100644
--- a/10_Wiki/Topics/Game Design/방어 태세(Defensive Stance).md	
+++ b/10_Wiki/Topics/Game Design/방어 태세(Defensive Stance).md	
@@ -19,8 +19,8 @@
     * 기존의 방어 태세와 달리, 새로운 전투 컨트롤 명령은 유닛에게 새로운 이동 명령을 내리면 취소됩니다. 따라서 기지를 방어할 때는 유닛을 목표 위치에 배치한 뒤 다시 명령(Hold Position 또는 Fire at Will)을 활성화해 주어야 합니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[전투 컨트롤(Combat Controls)]], [[미끼 전술(Baiting)]], [[지휘 본부(Command Center)]]
-- **Projects/Contexts:** [[2014년 2월 전투 컨트롤(Combat Controls) 업데이트]]
+- **Related Topics:** [[전투 컨트롤(Combat Controls)]], [[미끼 전술(Baiting)]], 지휘 본부(Command Center)
+- **Projects/Contexts:** 2014년 2월 전투 컨트롤(Combat Controls) 업데이트
 - **Contradictions/Notes:** 과거의 방어 태세(Defensive Stances)는 한 번 설정하면 정적으로 유지되는 방식이었으나, 이를 대체한 '전투 컨트롤(Combat Controls)' 시스템에서는 유닛에게 새로운 이동 명령을 부여할 경우 설정된 행동 지침이 초기화된다는 작동 방식의 차이가 있습니다 [3, 6].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/방어 플랫폼(Defense Platforms).md b/10_Wiki/Topics/Game Design/방어 플랫폼(Defense Platforms).md
index 2927895a..0d3c8d73 100644
--- a/10_Wiki/Topics/Game Design/방어 플랫폼(Defense Platforms).md	
+++ b/10_Wiki/Topics/Game Design/방어 플랫폼(Defense Platforms).md	
@@ -22,7 +22,7 @@
   방어 플랫폼의 특성화는 공격 부대 구성에 획기적인 변화를 가져왔다 [4]. 예를 들어, '지속(Sustain)' 피해를 입히는 보병 등 단일 유닛 유형에만 전적으로 의존하는 공격자는, 방어자가 'Armored' 플랫폼에 투자했을 경우 그 공격 효율이 절반으로 떨어진다 [4]. 결과적으로 이는 방어자의 플랫폼 선택과 무관하게 공격의 유효성을 보장하기 위해 다채로운 피해 프로필(광역, 폭발, 지속 등)을 섞어 운용하는 '혼합 소대(Mixed Platoons)'의 편성을 강제하는 전략적 억지력으로 작용한다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[포탑(Turrets)]], [[혼합 소대(Mixed Platoons)]]
+- **Related Topics:** 포탑(Turrets), [[혼합 소대(Mixed Platoons)]]
 - **Projects/Contexts:** [[2026년 3월 연구 드롭(MARCH 2026 RESEARCH DROP)]]
 - **Contradictions/Notes:** 내용상 상충되는 부분은 없으나, 2026년 3월 업데이트 과정에서 기존의 플랫폼 명칭(예: Airborne Platform, Insulated Platform 등)이 Support 계열과 Heavy 계열 플랫폼으로 일괄 재명명(Renamed) 되었음을 유의해야 한다 [3, 9, 10].
 
diff --git a/10_Wiki/Topics/Game Design/병원 (Hospital).md b/10_Wiki/Topics/Game Design/병원 (Hospital).md
index cafb99f3..1a006e19 100644
--- a/10_Wiki/Topics/Game Design/병원 (Hospital).md	
+++ b/10_Wiki/Topics/Game Design/병원 (Hospital).md	
@@ -9,7 +9,7 @@
 * **성능 확장 및 부스트 요소:** 병원의 수용량과 치료 속도는 게임 내 여러 연구와 권력 시스템을 통해 향상시킬 수 있습니다. 예를 들어, '영웅 연구(Hero Research)' 트리를 통해 병원 치료 속도(Hospital Healing Speed)를 최대 79%까지 증가시킬 수 있습니다 [3]. 또한, 게임의 엔드 콘텐츠인 슈퍼 원더(Super Wonder)를 차지한 황제가 특정 플레이어에게 '선견자(Seer)'라는 칭호를 부여할 경우, 해당 플레이어는 병원 수용량 +300%, 병원 치료 속도 +200%라는 막대한 보너스를 얻게 됩니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Permanent Loss]], [[Instant Training Packs]], [[Troops]], [[Hero Research]]
+- **Related Topics:** [[Permanent Loss]], Instant Training Packs, Troops, Hero Research
 - **Projects/Contexts:** [[Game of War BM과 구조 조사]]
 - **Contradictions/Notes:** 제공된 소스 내에서 병원과 관련된 상충되는 주장은 발견되지 않았습니다.
 
diff --git a/10_Wiki/Topics/Game Design/복합 방어 전략(Combined Arms Defensive Grid).md b/10_Wiki/Topics/Game Design/복합 방어 전략(Combined Arms Defensive Grid).md
index 9b4af2a7..beb9f3ee 100644
--- a/10_Wiki/Topics/Game Design/복합 방어 전략(Combined Arms Defensive Grid).md	
+++ b/10_Wiki/Topics/Game Design/복합 방어 전략(Combined Arms Defensive Grid).md	
@@ -18,8 +18,8 @@
     방어 타워뿐만 아니라 기지 방어 유닛을 생산하는 워 팩토리(대지상 차량), 헬리패드(대지상 헬리콥터), 배럭(유연한 보병 배치)의 보호 및 연계도 중요합니다[12-14]. 또한 보병 유닛을 보호하는 벙커(Bunker)는 건물이 파괴되기 전까지 병력 피해를 막아주며 화력 지원을 제공하므로 핵심적인 복합 방어 요소로 작용합니다[15, 16].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Square Base]], [[Blitz Base]], [[AI 유인(Baiting) 전술]], [[Metronomos]], [[Nightwatch Bunker]]
-- **Projects/Contexts:** [[War Commander Base Layouts]], [[March 2026 Research Drop]]
+- **Related Topics:** Square Base, Blitz Base, AI 유인(Baiting) 전술, Metronomos, Nightwatch Bunker
+- **Projects/Contexts:** War Commander Base Layouts, [[March 2026 Research Drop]]
 - **Contradictions/Notes:** 스퀘어 베이스(Square Base)는 전방위적으로 강력한 방어선이지만, 베히모스(Behemoth)와 같은 초고체력 탱킹 유닛이 초기 화력을 모두 흡수해버릴 경우 뒤따르는 장거리 공성 전차에 쉽게 노출될 수 있다는 단점이 있습니다. 이 경우 방어자는 블리츠 베이스로 레이아웃을 바꾸거나 메트로노모스와 같은 단일 타겟 버스트 포탑을 전략적으로 배치해야 합니다[7, 8, 11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/봉건적 권력 피라미드 (Feudal Power Pyramid).md b/10_Wiki/Topics/Game Design/봉건적 권력 피라미드 (Feudal Power Pyramid).md
index 153a974b..7a8018ff 100644
--- a/10_Wiki/Topics/Game Design/봉건적 권력 피라미드 (Feudal Power Pyramid).md	
+++ b/10_Wiki/Topics/Game Design/봉건적 권력 피라미드 (Feudal Power Pyramid).md	
@@ -9,8 +9,8 @@
 * **수익화(Monetization)와의 강력한 결합:** 이 피라미드 구조는 동맹 간의 끝없는 배신, 외교, 그리고 과대망상적인(megalomaniacal) 권력 투쟁을 창출합니다 [7]. 계층의 최상단으로 올라가 다른 사람들이 자신에게 복종하는 것을 지켜보는 경험은 현실 세계처럼 극도로 중독적이며, "절대 권력은 절대적으로 타락한다"는 말처럼 플레이어들이 피라미드의 정점에 서기 위해 기꺼이 막대한 과금을 하도록 유도합니다 [4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[원더 (Wonder)]], [[동맹 (Alliance)]], [[계단식 수익화 모델 (Staircase Monetization Model)]]
-- **Projects/Contexts:** [[Game of War 소셜 엔지니어링 및 BM 아키텍처 분석]]
+- **Related Topics:** 원더 (Wonder), 동맹 (Alliance), 계단식 수익화 모델 (Staircase Monetization Model)
+- **Projects/Contexts:** Game of War 소셜 엔지니어링 및 BM 아키텍처 분석
 - **Contradictions/Notes:** 소스 간에 충돌하는 내용은 없으며, 모든 문서가 공통적으로 이 '봉건적 권력 피라미드'가 단순한 전투 시스템을 넘어 인간의 지위욕을 자극해 엄청난 LTV(고객 생애 가치)를 창출하는 근본 원인이라고 지목하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/블리츠 기지 설계(Blitz Base Design).md b/10_Wiki/Topics/Game Design/블리츠 기지 설계(Blitz Base Design).md
index 3898439c..e55ab9e0 100644
--- a/10_Wiki/Topics/Game Design/블리츠 기지 설계(Blitz Base Design).md	
+++ b/10_Wiki/Topics/Game Design/블리츠 기지 설계(Blitz Base Design).md	
@@ -10,8 +10,8 @@
 * **외곽 포탑 및 지원 유닛 배치:** 방어선의 최외곽에는 박격포탑(Mortar Towers)을 두어 장거리에서 접근하는 탱크와 헬파이어를 먼저 타격하게 하고, 그 뒤를 기관총 포탑(Machine Gun turrets)이 받쳐주어 방어선을 보호합니다 [1, 2]. 추천되는 방어 유닛 조합은 헬파이어 5대, 레이저 탱크 5대, 개틀링 트럭 20대, 허니배저 2대(또는 대체 유닛)이며, 개틀링 트럭과 레이저 탱크는 박격포탑 바로 뒤나 동일 선상에 두어 적이 접근할 때 막대한 화력을 퍼붓도록 설계합니다 [2]. 추가로, 지뢰는 적이 보병을 이용해 지뢰를 미리 제거(Mine Sweeping)하는 것을 막기 위해 반드시 기관총의 사거리 내에 매설해야 합니다 [2].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Baiting(유인 전술)]], [[Watch Tower(감시탑)]], [[Stronghold(스트롱홀드)]], [[Hellfire(헬파이어)]]
-- **Projects/Contexts:** [[기지 방어 기하학(Defensive Architecture and Geometric Deterrence)]], [[혼합 유닛 방어 전략]]
+- **Related Topics:** Baiting(유인 전술), Watch Tower(감시탑), Stronghold(스트롱홀드), Hellfire(헬파이어)
+- **Projects/Contexts:** 기지 방어 기하학(Defensive Architecture and Geometric Deterrence), 혼합 유닛 방어 전략
 - **Contradictions/Notes:** 소스에 따르면, 대부분의 플레이어는 소수의 핵심 건물만 보호하고 나머지는 방치하는 단순한 방어 방식을 선호하기 때문에, 이렇게 복잡하게 얽힌 블리츠 기지 설계는 전장에서 흔하게 볼 수 있는 배치는 아니라고 언급합니다 [2].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/상성 및 데미지 유형(Unit Counters & Damage Profiles).md b/10_Wiki/Topics/Game Design/상성 및 데미지 유형(Unit Counters & Damage Profiles).md
index b73b9370..61df77d3 100644
--- a/10_Wiki/Topics/Game Design/상성 및 데미지 유형(Unit Counters & Damage Profiles).md	
+++ b/10_Wiki/Topics/Game Design/상성 및 데미지 유형(Unit Counters & Damage Profiles).md	
@@ -19,8 +19,8 @@ War Commander의 전투 시스템은 '가위바위보(Rock-Paper-Scissors)' 방
     *   이러한 전문화된 방어 시스템으로 인해, 공격자가 '지속 피해' 등 단일 유형의 유닛에만 의존할 경우 장갑 플랫폼 등에 의해 공격 효율이 절반으로 떨어지게 됩니다 [14, 15]. 따라서 방어막을 뚫기 위해서는 다양한 데미지 프로필이 섞인 혼성 부대(Mixed Platoons) 구성이 필수적입니다 [15].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[기지 방어 및 레이아웃(Base Defense & Layouts)]], [[플래툰 구성 및 전술(Platoon Compositions & Tactics)]]
-- **Projects/Contexts:** [[March 2026 Research Drop]], [[Arc 2 Technology]]
+- **Related Topics:** 기지 방어 및 레이아웃(Base Defense & Layouts), 플래툰 구성 및 전술(Platoon Compositions & Tactics)
+- **Projects/Contexts:** [[March 2026 Research Drop]], Arc 2 Technology
 - **Contradictions/Notes:** 소스에 포함된 Call of War 포럼의 데이터에 따르면 요격기(Interceptors)가 폭격기(Bombers)를 카운터하고 공격 폭격기(Attack Bombers)가 전차를 카운터한다는 상성 논의도 존재하지만, 이는 War Commander 게임 시스템이 아닌 Call of War의 독립적인 상성 구조입니다 [16]. War Commander 내부 전술에서는 헬파이어(Hellfire) 탱크와 같은 초장거리 공성 유닛이 대부분의 방어탑 상성을 무시하고 원거리 철거가 가능하지만, 체력이 매우 낮아 대공 및 방어 유닛의 보호 없이는 쉽게 파괴된다는 점을 유의해야 합니다 [17, 18].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/세계 지도(World Map).md b/10_Wiki/Topics/Game Design/세계 지도(World Map).md
index 6c73a722..4f62df92 100644
--- a/10_Wiki/Topics/Game Design/세계 지도(World Map).md	
+++ b/10_Wiki/Topics/Game Design/세계 지도(World Map).md	
@@ -11,9 +11,9 @@
 *   **자원 매장지 및 팩션 타격:** 세계 지도 곳곳에는 금속, 오일, 토륨을 지속적으로 제공하는 자원 매장지가 존재하며, 플레이어는 이들을 점령하고 방어 소대를 남겨둘 수 있습니다 [2, 15]. 또한 다양한 레벨의 로그 팩션 기지를 타격하여 자원을 탈취하거나 섀도우 옵스(Shadow Ops) 이벤트를 통해 특별한 유닛 설계도를 보상으로 획득할 수 있습니다 [16, 17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[섹터(Sector)]], [[제일링(Jailing)]], [[소대(Platoon)]], [[통제점(Control Points)]], [[동맹(Alliances)]]
-- **Projects/Contexts:** [[통제 구역 전쟁(Contestable Zones War)]], [[악명 프리시즌(Infamy Preseason)]], [[자원 매장지 쟁탈전(Resource Deposit Capture)]]
-- **Contradictions/Notes:** 세계 지도의 특정 기지를 6개의 소대로 둘러싸서 이동을 봉쇄하는 [[제일링(Jailing)]] 전술은 지배적인 동맹들이 영토 패권을 유지하기 위해 널리 사용하지만, 소스에 따르면 이는 사실 게임의 공식 행동 수칙(Rules)에 위배되는 행위로 명시되어 있습니다 [10, 11].
+- **Related Topics:** 섹터(Sector), 제일링(Jailing), 소대(Platoon), 통제점(Control Points), [[동맹(Alliances)]]
+- **Projects/Contexts:** 통제 구역 전쟁(Contestable Zones War), 악명 프리시즌(Infamy Preseason), 자원 매장지 쟁탈전(Resource Deposit Capture)
+- **Contradictions/Notes:** 세계 지도의 특정 기지를 6개의 소대로 둘러싸서 이동을 봉쇄하는 제일링(Jailing) 전술은 지배적인 동맹들이 영토 패권을 유지하기 위해 널리 사용하지만, 소스에 따르면 이는 사실 게임의 공식 행동 수칙(Rules)에 위배되는 행위로 명시되어 있습니다 [10, 11].
 
 ---
 *Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/섹터.md b/10_Wiki/Topics/Game Design/섹터.md
new file mode 100644
index 00000000..df304075
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/섹터.md	
@@ -0,0 +1,46 @@
+---
+id: GAME-WC-섹터
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Sector(섹터)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+섹터(Sector)는 워 커맨더(War Commander) 세계관에서 플레이어 기지들이 위치하는 200개의 분할된 구역이자 각각 독자적인 월드 맵을 갖춘 전장입니다 [1-4]. 플레이어는 계정 생성 시 특정 섹터에 배정되며, 이후 커맨드 센터(Command Center)를 통해 다른 섹터로 전략적 이동을 할 수 있습니다 [1]. 각 섹터는 고유의 리더보드와 토륨(Thorium) 자원 밀도를 가지고 있으며, 특정 동맹(Alliance/Clan)이 해당 섹터의 영토와 자원을 장악하여 자신들만의 규칙을 세우고 지정학적 패권을 다투는 핵심 전투 환경으로 작용합니다 [2, 3, 5, 6].
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+*   **섹터의 구조와 맵 구성**
+    *   워 커맨더에는 총 200개의 섹터가 존재하며, 각 섹터는 $500 \times 500$ 크기의 헥스(Hex) 그리드로 구성된 250,000개의 타일을 포함하는 자체적인 월드 맵(World Map)을 가집니다 [2, 3, 5].
+    *   섹터 목록에서는 해당 구역에 있는 친구의 수와 그 섹터의 총 토륨(Thorium) 잔량을 확인할 수 있으며, 상위 동맹들은 주로 이 토륨 밀도와 자원 정보를 기준으로 이동할 곳을 결정합니다 [2, 5].
+    *   각 섹터는 자체적인 리더보드를 보유하고 있어 플레이어와 동맹 간의 경쟁 순위를 나타냅니다 [2, 3].
+
+*   **섹터 간 이동(Relocation) 규칙**
+    *   플레이어는 1주일에 한 번씩 커맨드 센터의 "섹터 변경(Change Sector)" 옵션을 통해 다른 섹터로 이동할 수 있습니다 [1-3]. 
+    *   단, 악명(Infamy) 프리시즌(Preseason) 기간에는 쿨다운 제한이 해제되어 여러 동맹들이 대규모 분쟁을 대비하여 한 섹터로 병력을 집중시키는 데 활용됩니다 [2, 3].
+    *   특별 이벤트 기간 중에는 다른 섹터로의 이동이 금지되며, 한 섹터 내에 동맹원의 기지가 과도하게 밀집되는 것을 방지하기 위해 친구의 기지와 너무 가까운 위치로는 이동할 수 없도록 시스템이 제어합니다 [5].
+
+*   **지정학적 패권과 동맹(Alliance) 시스템**
+    *   각 동맹(또는 클랜)은 통상적으로 특정 섹터를 자신들의 '홈(Home) 섹터'로 지정하여 활동합니다 [7].
+    *   한 섹터 내 기지의 80% 이상을 통제하는 지배적인 클랜은 허가 없는 공격을 금지하는 등의 '비공식적인 규칙(unofficial rules)'을 세우고 구역을 지배합니다 [6, 8].
+    *   규칙을 위반한 비소속 플레이어는 지속적인 기지 파괴 위협을 받거나, 월드 맵에서 6개의 소대(Platoon)로 기지를 포위하여 자원 채집을 원천 차단하는 '감금(Jailing)' 전술의 대상이 될 수 있습니다 [6, 8].
+    *   이에 대항하기 위해 비소속 플레이어들이 연합하여 자신들만의 클랜을 형성하면서 섹터 내 라이벌 클랜 간의 치열한 대규모 섹터 전쟁(Sector wars)이 발발하기도 합니다 [9].
+
+*   **섹터 브리치 이벤트 (Sector Breach)**
+    *   '섹터 브리치(Sector Breach)'는 플레이어 기지를 복제한 인공지능(AI) 기반의 로그 플레이어 기지(Rogue Player Bases)를 공격하는 정기 이벤트입니다 [10, 11].
+    *   플레이어는 공격 소대(Assault Platoons)를 이용해 이 복제 기지들을 밀어내고 섹터 브리치 경험치(XP)를 획득할 수 있으며, 이를 상점에서 전설 유닛 파츠 및 고급 테크(Tech)와 교환할 수 있습니다 [10-13].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** World Map, Alliance, Infamy, [[Thorium]], Sector Breach, Platoon
+- **Projects/Contexts:** 워 커맨더 전투 생태계의 지정학적 지배구조 및 진화, 월드 맵 자원 통제 및 클랜 전쟁
+- **Contradictions/Notes:** 월드 맵에서 상대의 기지를 소대로 포위하는 '감금(Jailing)' 전술은 워 커맨더의 공식 규정상 금지된 행위(against W.C. rules)로 명시되어 있으나, 실제 전투 생태계 내에서는 거대 클랜이 섹터 내 패권을 강제하고 유지하기 위해 빈번하게 사용하는 주요 사회-전술적(socio-tactical) 수단으로 작용하고 있습니다 [6, 8].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/소대.md b/10_Wiki/Topics/Game Design/소대.md
new file mode 100644
index 00000000..b12b213d
--- /dev/null
+++ b/10_Wiki/Topics/Game Design/소대.md	
@@ -0,0 +1,40 @@
+---
+id: GAME-WC-소대
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# Platoons(소대)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+War Commander에서 소대(Platoons)는 월드 맵에서 이동하거나 기지 및 적을 타격하고 방어하기 위해 편성되는 유닛들의 전술적 그룹입니다 [1, 2]. 공격 시 대상에 인접하게 배치된 소대에서 분대(squad) 단위로 전투에 투입되며, 다수의 소대를 동원할수록 공격력이 강화됩니다 [3-5]. 지상 및 공중 유닛을 결합한 혼합 소대(Mixed Platoons) 구성이 권장되며, 정찰, 거점 방어, 심지어 적 기지 포위(Jailing) 등 다양한 전략적 목적으로 활용됩니다 [6-8].
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **소대의 생성과 월드 맵 이동**
+  기지의 헥스(hex) 메뉴를 통해 소대를 생성하여 월드 맵에 배치할 수 있습니다 [2]. 배치된 소대는 이동, 상태 확인, 기지로의 귀환 명령을 수행할 수 있습니다 [1]. 소대의 이동 속도는 포함된 유닛의 종류에 따라 달라지며, 크기가 큰 탱크(Heavy Tank)가 포함될수록 이동 속도가 느려집니다 [1].
+
+- **공격 및 분대(Squad) 투입 방식**
+  다른 기지나 소대, 자원 매장지 등을 공격하려면 타겟에 인접한 위치로 소대를 이동시켜야 합니다 [3, 5]. 소대 내의 특정 분대를 클릭하면, 소대가 위치한 방향에서부터 타겟을 향해 병력이 전개됩니다 [4]. 전투 중 병력이 파괴되더라도 기지의 **Staging Area(집결지) 레벨에 따른 유닛 제한 수를 초과하지 않는 한 추가 지원군을 계속 투입**할 수 있습니다 [3]. 전투 중 소대를 잃게 되면 해당 소대는 자동으로 기지로 귀환하며, 이후 기지에 진입하여 수리를 진행해야 합니다 [1].
+
+- **혼합 소대(Mixed Platoons)의 중요성**
+  공격 시 보병으로만 구성된 부대로 다수의 적 탱크 소대를 공격하는 실수를 피하기 위해 상대의 유닛 구성을 파악해야 합니다 [1]. 특히 방어자가 다양한 저항성(특정 데미지에 대한 50% 피해 감소 등)을 제공하는 플랫폼을 구축할 수 있으므로, **다양한 피해 유형(Damage profiles)을 포함하는 혼합 소대를 편성하는 것이 필수적**입니다 [6]. 대공(Anti-Air) 및 대지(Anti-Ground) 유닛이 적절히 혼합된 소대는 약점이 적어 파괴하기 훨씬 까다롭습니다 [8].
+
+- **전술적 활용 및 배치**
+  - **정찰(Scouting):** 로켓 버기(Rocket Buggy)와 같은 빠른 단일 유닛으로만 소대를 구성하여 월드 맵을 배회하면, 큰 위험 없이 적의 정보를 빠르게 파악할 수 있습니다 [9].
+  - **기지 방어:** 기지 내부 방어뿐만 아니라, **월드 맵 상에서 기지 주변을 둘러싼 6개의 인접 헥스에 대공 및 대지 방어가 모두 가능한 소대를 배치**하여 외부 방어선을 구축할 수도 있습니다 [10].
+  - **적 기지 포위(Jailing):** 강력한 연합(Alliance)이 경쟁자의 기지 주변 6개 헥스에 모두 소대를 배치하여 적이 맵 밖으로 이동하거나 자원 채집을 위해 자신의 소대를 배치하지 못하도록 가두는 통제 전술로도 활용됩니다 [7].
+  - **특수 작전(Sector Breach):** 이벤트 기간 중에는 강습 소대(Assault Platoons)를 사용하여 로그 플레이어 기지(Rogue Player Bases)를 타격하여 막대한 경험치를 얻는 데 활용됩니다 [11, 12].
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- 신규 지식 자산화 (2026-04-27).
+- War Commander 전투 생태계 데이터 통합.
+
+## 🔗 지식 연결 (Graph)
+- **Related Topics:** [[Combat Controls]], [[Jailing]], Mixed Platoons, Staging Area
+- **Projects/Contexts:** War Commander 전투 시스템 및 월드 맵 전술
+- **Contradictions/Notes:** 소대는 단순히 타겟을 공격하는 것뿐만 아니라, 유닛 그룹을 흩어지게 하는 'Spread Units(단축키 X)' 기능이나 특정 공격조를 나누는 '번호 지정(Shift + 숫자)' 마이크로 컨트롤과 결합될 때 광역 공격(AoE)을 피하고 효율을 극대화할 수 있습니다 [13].
+
+---
+*Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Game Design/스태어케이스 수익화 모델 (Staircase Monetization Model).md b/10_Wiki/Topics/Game Design/스태어케이스 수익화 모델 (Staircase Monetization Model).md
index d2b79b01..65ca1adc 100644
--- a/10_Wiki/Topics/Game Design/스태어케이스 수익화 모델 (Staircase Monetization Model).md	
+++ b/10_Wiki/Topics/Game Design/스태어케이스 수익화 모델 (Staircase Monetization Model).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[지불 용의 (Willingness to Pay)]], [[실시간 엔진 (Real-Time Engine)]], [[영구적 손실 (Permanent Loss)]], [[VIP 시스템 (VIP System)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/시간 제한 메커니즘 (Time-gating).md b/10_Wiki/Topics/Game Design/시간 제한 메커니즘 (Time-gating).md
index fb693a54..4904e0ce 100644
--- a/10_Wiki/Topics/Game Design/시간 제한 메커니즘 (Time-gating).md	
+++ b/10_Wiki/Topics/Game Design/시간 제한 메커니즘 (Time-gating).md	
@@ -10,8 +10,8 @@
 * **인위적 긴박감 및 FOMO(소외 불안) 조성:** 타이머 기능은 제한 시간 배너나 인게임 상점 판매 등에도 적극적으로 활용됩니다. 플레이어로 하여금 지금 당장 행동하거나 결제하지 않으면 혜택을 놓칠 것이라는 두려움(FOMO)과 인위적인 긴박감을 조성하는 데 사용됩니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[가속 아이템 (Speed Ups)]], [[VIP 시스템 (VIP System)]], [[코어 장비 (Core Equipment)]], [[소외 불안 (FOMO)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 구조]], [[4X 전략 게임 수익화 모델]]
+- **Related Topics:** 가속 아이템 (Speed Ups), [[VIP 시스템 (VIP System)]], 코어 장비 (Core Equipment), 소외 불안 (FOMO)
+- **Projects/Contexts:** Game of War: Fire Age BM 구조, [[4X 전략 게임 수익화 모델]]
 - **Contradictions/Notes:** 제공된 소스 간에 상충되는 내용은 없으며, 모든 자료가 시간 제한 메커니즘이 모바일 4X 전략 게임의 수익 극대화와 플레이어 통제에 가장 필수적인 장치라는 데 일치된 설명을 제공하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/시간 제한 활성화 (Time-limited Activation).md b/10_Wiki/Topics/Game Design/시간 제한 활성화 (Time-limited Activation).md
index 8f7c1762..9414c7c7 100644
--- a/10_Wiki/Topics/Game Design/시간 제한 활성화 (Time-limited Activation).md	
+++ b/10_Wiki/Topics/Game Design/시간 제한 활성화 (Time-limited Activation).md	
@@ -9,8 +9,8 @@
 * **비즈니스 모델(BM)로서의 목적:** 이 시간 제한 시스템은 플레이어가 고레벨을 달성한 후에도 지속적으로 결제하거나 게임을 플레이하도록 강제하기 위해 설계되었다 [5]. 활성화 상태가 해제되면 효율성과 전투력이 엄청나게 하락하므로, 플레이어는 혜택의 "불을 계속 켜두기 위해(keep the lights on)" 끊임없이 게임 경제에 시간과 돈을 투자해야만 한다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[VIP 시스템]], [[수익화 모델 (Monetization Model)]], [[계단식 수익화 (Staircase Monetization)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Related Topics:** [[VIP 시스템]], 수익화 모델 (Monetization Model), [[계단식 수익화 (Staircase Monetization)]]
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스 전반에 걸쳐 VIP 레벨 달성과 혜택 활성화가 분리되어 있다는 점이 일치하며, 이는 플레이어의 지속적인 소비를 유도하기 위한 핵심적인 수익화 설계로 분석된다 [1, 3, 5].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/실시간 번역 엔진 (RTE).md b/10_Wiki/Topics/Game Design/실시간 번역 엔진 (RTE).md
index afbbacae..3f152319 100644
--- a/10_Wiki/Topics/Game Design/실시간 번역 엔진 (RTE).md	
+++ b/10_Wiki/Topics/Game Design/실시간 번역 엔진 (RTE).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[LiveOps]], [[Staircase Monetization Model]], [[Behavioral Segmentation]], [[Alliances]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 게임 내 실시간 번역은 기본적으로 마이크로소프트와 구글의 자동 번역 서비스를 근간으로 하였으나, MZ는 이에 그치지 않고 베타 테스트 기간 동안 번역을 돕는 플레이어들에게 가상 통화를 보상으로 지급하며 유저 참여형으로 번역 품질을 보완 및 고도화했다는 점이 특징적입니다 [5, 6].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/실시간 번역 엔진 (Real-Time Engine).md b/10_Wiki/Topics/Game Design/실시간 번역 엔진 (Real-Time Engine).md
index 339d7b3c..c818ce23 100644
--- a/10_Wiki/Topics/Game Design/실시간 번역 엔진 (Real-Time Engine).md	
+++ b/10_Wiki/Topics/Game Design/실시간 번역 엔진 (Real-Time Engine).md	
@@ -9,8 +9,8 @@
 - **라이브 운영(LiveOps)과 기술 플랫폼으로서의 진화:** 이 기술적 성과를 바탕으로 Machine Zone은 단순한 게임 개발사를 넘어 기술 기업으로서의 정체성을 강조하고자 2016년 사명을 MZ로 변경했습니다 [3]. RTE는 대규모 트랜잭션을 실시간으로 처리하며 유저 획득(User Acquisition)부터 게임의 운영까지 모든 영역을 통제합니다 [3, 5]. 이 엔진이 제공하는 막대한 처리 규모와 속도는 유저의 참여를 지속적으로 최적화하고 업계 최고 수준의 유저당 평균 결제액(ARPDAU)을 유지하는 핵심 동력이 되었습니다 [4, 5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[LiveOps (라이브 운영)]], [[Staircase Monetization (계단식 수익화 모델)]], [[Alliances (연맹 시스템)]]
-- **Projects/Contexts:** [[Machine Zone (MZ)]], [[Game of War: Fire Age]]
+- **Related Topics:** LiveOps (라이브 운영), Staircase Monetization (계단식 수익화 모델), Alliances (연맹 시스템)
+- **Projects/Contexts:** Machine Zone (MZ), Game of War: Fire Age
 - **Contradictions/Notes:** 소스 전반에서 이 실시간 엔진과 번역 레이어를 MZ의 '독자적인(proprietary) 기술'이자 핵심 경쟁력으로 강조하고 있으나 [2, 3], 채팅 및 이메일 자동 번역의 실제 기술적 기반에는 Microsoft와 Google의 서비스가 동력으로 사용되었다고 설명하는 부분도 존재합니다 [7].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/실시간 엔진 (RTE).md b/10_Wiki/Topics/Game Design/실시간 엔진 (RTE).md
index d46252da..5725b8dd 100644
--- a/10_Wiki/Topics/Game Design/실시간 엔진 (RTE).md	
+++ b/10_Wiki/Topics/Game Design/실시간 엔진 (RTE).md	
@@ -10,8 +10,8 @@
 - **게임 개발사에서 기술 기업으로의 정체성 확장:** Game of War의 대성공과 RTE 기술의 혁신성을 바탕으로, 회사는 단순한 게임 개발사를 넘어 기술 기업(Technology company)으로서의 정체성을 강조하기 위해 2016년 사명을 'MZ'로 리브랜딩했습니다 [1]. 게임 내 경제적, 구조적 지배력을 구성하는 디지털 인프라는 모두 이 RTE의 기술적 성취 위에 세워져 있습니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], [[라이브 옵스 (LiveOps)]], [[마찰 지점 수익화 (Monetization at the point of friction)]], [[실시간 번역 (Real-Time Translation)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** [[계단식 수익화 모델 (Staircase Monetization)]], 라이브 옵스 (LiveOps), 마찰 지점 수익화 (Monetization at the point of friction), 실시간 번역 (Real-Time Translation)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 소스에 관련 정보가 충분히 제공되고 있으나, RTE의 구체적인 하드웨어 스펙이나 코딩 아키텍처에 대한 기술적 세부 사항보다는 유저의 심리와 데이터를 수익화하고 글로벌 소셜 활동을 연결하는 '비즈니스 및 운영 도구'로서의 역할이 주로 강조되어 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/실시간 엔진 (Real-Time Engine).md b/10_Wiki/Topics/Game Design/실시간 엔진 (Real-Time Engine).md
index b29f9d59..dba97920 100644
--- a/10_Wiki/Topics/Game Design/실시간 엔진 (Real-Time Engine).md	
+++ b/10_Wiki/Topics/Game Design/실시간 엔진 (Real-Time Engine).md	
@@ -10,8 +10,8 @@
 * **회사의 방향성 및 비즈니스 성과 기여:** 이러한 고도의 타겟팅 및 수익화 시스템 덕분에 Game of War는 기록적인 ARPDAU(일일 활성 유저당 평균 매출)를 유지할 수 있었습니다 [5]. Machine Zone은 단순한 게임 개발사를 넘어 기술 기업으로서의 정체성을 강조하기 위해 2016년 사명을 MZ로 변경하기도 했으며, RTE의 규모와 속도는 Game of War가 거둔 상업적 성공의 핵심적인 기술적 유산으로 평가받습니다 [1, 3, 4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[라이브 운영 (LiveOps)]], [[행동 세분화 (Behavioral Segmentation)]], [[동적 제안 (Dynamic Offers)]], [[계단식 수익화 모델 (Staircase Monetization Model)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** 라이브 운영 (LiveOps), 행동 세분화 (Behavioral Segmentation), 동적 제안 (Dynamic Offers), 계단식 수익화 모델 (Staircase Monetization Model)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 제공된 소스 내에서 이 주제와 관련된 상충하는 의견이나 모순점은 발견되지 않습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/약탈적 수익화 (Predatory Monetization).md b/10_Wiki/Topics/Game Design/약탈적 수익화 (Predatory Monetization).md
index 992636f2..8f23f8cf 100644
--- a/10_Wiki/Topics/Game Design/약탈적 수익화 (Predatory Monetization).md	
+++ b/10_Wiki/Topics/Game Design/약탈적 수익화 (Predatory Monetization).md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[계단식 수익화 (Staircase Monetization)]], [[다크 패턴 (Dark Patterns)]], [[과금 의향 (Willingness to Pay)]], [[매몰 비용 오류 (Sunk Cost Fallacy)]], [[FOMO (Fear of Missing Out)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 구조]], [[4X 전략 게임 수익화 모델]]
+- **Projects/Contexts:** Game of War: Fire Age BM 구조, [[4X 전략 게임 수익화 모델]]
 - **Contradictions/Notes:** 약탈적 수익화와 다크 패턴은 플레이어(특히 어린이)를 착취하는 비윤리적인 방식이라는 강한 비판과 규제적 감시의 대상이 되고 있으나 [1, 11, 12], 현실적으로 4X 전략 게임 장르에서 LTV(고객 생애 가치)와 수익을 역대 최고 수준으로 극대화하며 업계에서 가장 수익성 높은 비즈니스 모델로 자리 잡았다는 모순이 존재한다 [13-16].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/얼라이언스 (Alliance).md b/10_Wiki/Topics/Game Design/얼라이언스 (Alliance).md
index be5db4ac..bd32e0b0 100644
--- a/10_Wiki/Topics/Game Design/얼라이언스 (Alliance).md	
+++ b/10_Wiki/Topics/Game Design/얼라이언스 (Alliance).md	
@@ -14,8 +14,8 @@
     얼라이언스에 가입하면 동맹 전용 퀘스트, 자원 및 아이템 거래, 전용 도시 건설 등의 혜택을 누릴 수 있습니다 [15, 16]. 또한, 획득한 충성도(Loyalty)를 사용하여 얼라이언스 상점에서 VIP 활성화 아이템이나 전쟁 버프 아이템 등을 구매할 수 있습니다 [17, 18]. 서로의 건설 및 연구 시간을 단축시켜주는 지원(Help) 기능은 게임 세션을 반복적으로 늘리고 유저의 지속적인 접속을 유도하는 핵심 장치입니다 [19].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[원더 (Wonder)]], [[창발적 게임플레이 (Emergent Gameplay)]], [[수익화 모델 (Monetization)]], [[KvK (Kingdom vs Kingdom)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X Strategy Games]]
+- **Related Topics:** 원더 (Wonder), 창발적 게임플레이 (Emergent Gameplay), 수익화 모델 (Monetization), KvK (Kingdom vs Kingdom)
+- **Projects/Contexts:** Game of War: Fire Age, 4X Strategy Games
 - **Contradictions/Notes:** 얼라이언스는 플레이어에게 필수적인 보호막과 성장 혜택을 제공하지만, 과금을 많이 하는 하드코어 얼라이언스에서는 멤버들에게 결제에 대한 큰 부담을 주며 이를 따르지 않을 경우 강퇴당할 수도 있는 등 긍정적 유대감과 부정적 압박이 혼재된 구조를 가집니다 [6, 10].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/영구 손실 (Permanent loss).md b/10_Wiki/Topics/Game Design/영구 손실 (Permanent loss).md
index 7906c5dd..9985cc2c 100644
--- a/10_Wiki/Topics/Game Design/영구 손실 (Permanent loss).md	
+++ b/10_Wiki/Topics/Game Design/영구 손실 (Permanent loss).md	
@@ -10,7 +10,7 @@ Game of War에서 '영구 손실'은 전투에서 패배한 병력 중 병원(Ho
 * **권력(Power) 중심의 생태계 조성:** 무한한 전투력 인플레이션(Power creep)과 영구 손실 시스템이 결합되면서, 한때 막강했던 세력조차도 단 한 번의 공격으로 순식간에 약소국으로 몰락할 수 있는 환경이 만들어진다 [6]. 반대로 공격자에게는 상대방을 철저히 파괴할 수 있다는 지배력과 권력의 쾌감을 제공하여 게임 플레이의 핵심적인 보상으로 작용한다 [2].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[제로잉 (Zeroing)]], [[매몰 비용 오류 (Sunk Cost Fallacy)]], [[병원 (Hospital)]], [[Instant Training Packs]]
+- **Related Topics:** [[제로잉 (Zeroing)]], [[매몰 비용 오류 (Sunk Cost Fallacy)]], [[병원 (Hospital)]], Instant Training Packs
 - **Projects/Contexts:** [[Game of War BM과 구조 조사]]
 - **Contradictions/Notes:** 소스 내에서 상충되는 의견은 없으며, 영구 손실이 게임의 높은 수익성과 긴장감을 이끄는 동시에 플레이어의 심리를 착취하는 억압적 다크 패턴(Dark Pattern)으로 작용한다는 점이 일관되게 설명된다 [1-3].
 
diff --git a/10_Wiki/Topics/Game Design/영구적 손실 (Permanent Loss).md b/10_Wiki/Topics/Game Design/영구적 손실 (Permanent Loss).md
index de5f3be7..11148103 100644
--- a/10_Wiki/Topics/Game Design/영구적 손실 (Permanent Loss).md	
+++ b/10_Wiki/Topics/Game Design/영구적 손실 (Permanent Loss).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[제로잉 (Zeroing)]], [[맞춤형 팩 (Personalized Packs)]], [[병원 (Hospital)]], [[과금 모델 (Monetization)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]], [[4X 전략 게임 (4X Strategy Games)]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ), 4X 전략 게임 (4X Strategy Games)
 - **Contradictions/Notes:** 일반적인 병력(Troops)과 영웅의 힘은 전투 패배 시 영구적으로 상실될 수 있지만, 아카데미 연구를 통해 얻은 '연구 전투력(Research Power)'은 전투 결과에 상관없이 상실되지 않고 영구적으로 보존된다는 뚜렷한 차이점이 존재한다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/왕국 대 왕국 (KvK) 이벤트.md b/10_Wiki/Topics/Game Design/왕국 대 왕국 (KvK) 이벤트.md
index 73a0d24f..c9f55be5 100644
--- a/10_Wiki/Topics/Game Design/왕국 대 왕국 (KvK) 이벤트.md	
+++ b/10_Wiki/Topics/Game Design/왕국 대 왕국 (KvK) 이벤트.md	
@@ -19,8 +19,8 @@
     KvK는 단순한 경쟁 이벤트를 넘어 개별 서버의 '생존'이 걸린 중대한 콘텐츠입니다 [7]. KvK에서 반복적으로 패배하는 왕국은 지도부의 무능이나 서버의 약세로 인식되어 플레이어들이 다른 서버로 이탈(Migration)하게 되며, 결국 서버 인구 감소 및 통폐합으로 이어집니다 [7-9]. 이러한 실존적 위협은 소수의 고과금 유저(고래 유저)뿐만 아니라 일반 캐주얼 플레이어들까지도 이벤트 준비와 전투에 강제로 참여하도록 압박합니다 [7, 10, 11]. 왕국의 자존심과 생존을 지키기 위해 플레이어들은 이벤트 기간 동안 막대한 양의 자원과 '가속 아이템(Speed-ups)'을 폭발적으로 소비하게 되며, 이는 게임의 '끝없는 지출(Deficit Economy)'을 유도하는 가장 강력한 수익 창출 원동력으로 작용합니다 [7, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[원더 (Wonder)]], [[가속 아이템 (Speed-ups)]], [[고급 순간이동 (Advanced Teleport)]], [[라이브옵스 (LiveOps) 및 과금 구조]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[4X 전략 게임 (4X Strategy Game)]]
+- **Related Topics:** 원더 (Wonder), 가속 아이템 (Speed-ups), 고급 순간이동 (Advanced Teleport), 라이브옵스 (LiveOps) 및 과금 구조
+- **Projects/Contexts:** Game of War: Fire Age, 4X 전략 게임 (4X Strategy Game)
 - **Contradictions/Notes:** 소스 전반에 걸쳐 KvK는 왕국의 운명이 걸린 매우 적대적이고 무자비한 전쟁으로 묘사되지만, 플레이어들 사이에서는 이벤트 보상을 극대화하기 위해 암묵적으로 서로의 병력을 희생시키는 '킬 교환(Kill Trades)'과 같은 변칙적인 행동도 발생한다는 점이 흥미롭습니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/월드 맵(World Map).md b/10_Wiki/Topics/Game Design/월드 맵(World Map).md
index c2b0174a..2d6bc67f 100644
--- a/10_Wiki/Topics/Game Design/월드 맵(World Map).md	
+++ b/10_Wiki/Topics/Game Design/월드 맵(World Map).md	
@@ -20,8 +20,8 @@
   대형 동맹(Clan/Alliance)들은 월드 맵 내의 특정 섹터를 장악하고 비공식적인 교전 수칙을 강제하는 등 영토 지배권(Hegemony)을 행사합니다 [5, 15]. 특히 전투 시스템을 악용해 적 기지 주변의 헥스 6개를 자국 소대로 포위하여 자원 채집 등 월드 맵에서의 활동을 물리적으로 차단하는 '제일링(Jailing)'이라는 전술이 자주 사용됩니다 [5]. (이외에도 'Rogue Assault' 타이틀의 월드 맵에서는 연합이 통제 구역(Contestable Zones)의 통제점(Control Points)을 점령하여 추가 오일 및 토륨 부스트를 얻기 위해 전쟁 단계(War Phase)를 벌이는 메커니즘도 존재합니다 [16-18].)
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Sector(섹터)]], [[Platoons(소대)]], [[Resource Deposits(자원 매장지)]], [[Clans & Alliances(클랜 및 동맹)]], [[Jailing(제일링/포위 전술)]]
-- **Projects/Contexts:** [[War Commander 전투 생태계 및 지정학적 구조]]
+- **Related Topics:** Sector(섹터), Platoons(소대), Resource Deposits(자원 매장지), Clans & Alliances(클랜 및 동맹), Jailing(제일링/포위 전술)
+- **Projects/Contexts:** War Commander 전투 생태계 및 지정학적 구조
 - **Contradictions/Notes:** 적 플레이어 기지를 공격할 때는 상대와의 레벨 차이가 5레벨 이하라는 제한이 적용되어 초보자가 보호받지만, 자원 매장지나 로그 팩션 전투 시에는 이러한 레벨 보호 메커니즘이 전혀 적용되지 않으므로 월드 맵 상의 타겟 종류에 따라 교전 성립 룰이 상이합니다 [3].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/유닛 미끼 전술(Baiting).md b/10_Wiki/Topics/Game Design/유닛 미끼 전술(Baiting).md
index c274d7b1..ab498fb1 100644
--- a/10_Wiki/Topics/Game Design/유닛 미끼 전술(Baiting).md	
+++ b/10_Wiki/Topics/Game Design/유닛 미끼 전술(Baiting).md	
@@ -18,8 +18,8 @@
     공격뿐만 아니라 기지를 방어할 때도 미끼 전술의 원리를 적용할 수 있습니다 [7]. 기지 설계 시 일부 포탑 배치를 의도적으로 취약해 보이게 만들어 적의 공격 경로를 유도한 뒤, 해당 경로에 지뢰(Landmine)를 집중적으로 매설하여 접근하는 적 전차 부대를 일망타진하는 함정을 구축할 수 있습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[인공지능 추적 로직(AI Pursuit Logic)]], [[방어 태세(Defensive Stances)]]
-- **Projects/Contexts:** [[War Commander 전투 전술 및 기동]]
+- **Related Topics:** 인공지능 추적 로직(AI Pursuit Logic), 방어 태세(Defensive Stances)
+- **Projects/Contexts:** War Commander 전투 전술 및 기동
 - **Contradictions/Notes:** 소스에 따르면, 방어 측 유닛이 '위치 사수(Hold Position)'나 '대기(Stand Ground)' 태세로 설정되어 있는 경우 미끼 전술은 완전히 실패합니다 [1, 3]. 또한 적이 대공 및 대지 유닛을 혼합하여 '공격적(Aggressive)' 모드로 배치한 상황에서도 유인 및 타격 전술(Bait and Bash)의 성공률이 떨어집니다 [2].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/유닛 상성(Unit Matchups).md b/10_Wiki/Topics/Game Design/유닛 상성(Unit Matchups).md
index 8aa055c3..80fe51a8 100644
--- a/10_Wiki/Topics/Game Design/유닛 상성(Unit Matchups).md	
+++ b/10_Wiki/Topics/Game Design/유닛 상성(Unit Matchups).md	
@@ -11,8 +11,8 @@ War Commander의 전투 시스템은 '가위바위보(Rock-Paper-Scissors)' 방
 * **혼합 소대 운용 (Mixed Platoons)**: 단일 병종의 한계를 극복하기 위해 대지 공격 유닛(예: 팔라딘 전차)과 대공 유닛(예: 개틀링 트럭)을 함께 배치해야 하며, 이는 방어자 입장에서 상대하기 훨씬 까다로운 조합을 만들어냅니다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 시설 및 포탑(Defense Buildings)]], [[전술 기동 및 미끼(Baiting) 전략]], [[혼합 소대 전술(Mixed Platoon Tactics)]]
-- **Projects/Contexts:** [[War Commander 전투 생태계 및 전술 진화(Tactical Evolution of Combat Ecosystem)]]
+- **Related Topics:** 방어 시설 및 포탑(Defense Buildings), 전술 기동 및 미끼(Baiting) 전략, [[혼합 소대 전술(Mixed Platoon Tactics)]]
+- **Projects/Contexts:** War Commander 전투 생태계 및 전술 진화(Tactical Evolution of Combat Ecosystem)
 - **Contradictions/Notes:** 일반적인 보병 유닛은 차량 공격에 약하지만, '헤라클레스(Hercules)' 유닛은 보병 범주에 속하면서도 전차와 같은 강력한 장갑과 체력을 지니고 있어 차량 공격을 효과적으로 버텨내는 예외적인 상성을 가집니다 [3, 8]. 또한, 헬파이어 전차의 장거리 미사일은 매우 치명적이나, 중기관총 사수나 개틀링 트럭 등 '총알(Bullet)'을 발사하는 대공 유닛과 스팅어에 의해 발사된 미사일 자체가 요격당할 수 있습니다 [11].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/유인 전술(Baiting Tactics).md b/10_Wiki/Topics/Game Design/유인 전술(Baiting Tactics).md
index f3d1dead..1aa14ecb 100644
--- a/10_Wiki/Topics/Game Design/유인 전술(Baiting Tactics).md	
+++ b/10_Wiki/Topics/Game Design/유인 전술(Baiting Tactics).md	
@@ -19,7 +19,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[AI Exploitation]], [[Combat Controls]], [[Defensive Stances]], [[Base Layouts]]
-- **Projects/Contexts:** [[War Commander 전투 시스템]]
+- **Projects/Contexts:** War Commander 전투 시스템
 - **Contradictions/Notes:** 유인 전술은 적 유닛이 '자유 사격(Fire at Will)'이나 '일반(Normal)' 상태일 때 매우 효과적이지만, 방어자가 유닛을 '위치 사수(Stand Ground/Hold Position)' 태세로 설정해 둔 경우 적이 미끼를 따라오지 않으므로 전술이 완전히 무력화된다 [1, 2]. 또한 대공/대지 유닛이 혼합되어 '공격적(Aggressive)' 모드로 배치된 경우 유인 과정에서 오히려 공격자의 피해가 커질 위험이 있다 [5].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/이중 VIP 시스템 (Dual-layer VIP).md b/10_Wiki/Topics/Game Design/이중 VIP 시스템 (Dual-layer VIP).md
index b61df63a..a99406be 100644
--- a/10_Wiki/Topics/Game Design/이중 VIP 시스템 (Dual-layer VIP).md	
+++ b/10_Wiki/Topics/Game Design/이중 VIP 시스템 (Dual-layer VIP).md	
@@ -17,8 +17,8 @@
   * 오프라인 상태나 유휴 시간에 혜택이 켜져 있으면 보너스를 낭비하는 셈이 되므로, 적극적인 플레이 세션(건설 및 연구 대기열을 다수 가동할 때나 핵심 대규모 이벤트 시점)에 맞춰 단기 활성화 아이템을 사용하는 것이 필수적인 전략이 됩니다 [6, 10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[스태어케이스 수익화 모델 (Staircase Monetization Model)]], [[4X 전략 게임 (4X Strategy Games)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Fate War]]
+- **Related Topics:** [[스태어케이스 수익화 모델 (Staircase Monetization Model)]], 4X 전략 게임 (4X Strategy Games)
+- **Projects/Contexts:** Game of War: Fire Age, [[Fate War]]
 - **Contradictions/Notes:** 대다수의 일반적인 4X 게임은 돈을 써서 특정 VIP 레벨에 도달하면 영구적으로 보너스가 켜지는 단순한 모델을 사용하지만, 이중 VIP 시스템을 채택한 게임들은 활성화 과정을 분리하여 플레이어의 투자 계산식을 완전히 바꿔놓았다는 점이 특징입니다 [12].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/이중 계층 과금 모델 (Two-layer Monetization).md b/10_Wiki/Topics/Game Design/이중 계층 과금 모델 (Two-layer Monetization).md
index c2b709bc..583eefd8 100644
--- a/10_Wiki/Topics/Game Design/이중 계층 과금 모델 (Two-layer Monetization).md	
+++ b/10_Wiki/Topics/Game Design/이중 계층 과금 모델 (Two-layer Monetization).md	
@@ -10,8 +10,8 @@
 * **플레이어의 전략적 자원 관리:** 한정된 시간 동안만 보너스가 적용되므로, 플레이어는 건설, 연구 완료, 대규모 이벤트(예: Tribal Showdown) 등 보너스 효과가 극대화되는 시점에 맞춰 전략적으로 활성화 타이밍을 계산해야 합니다 [8, 9]. 오프라인이거나 유휴 시간에 활성화 아이템을 소모하는 것은 자원 낭비(Gem traps)로 직결되게끔 설계되어 있습니다 [8, 10, 11].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[VIP 시스템 (VIP System)]], [[계단식 과금 모델 (Staircase Monetization)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Fate War]], [[4X 전략 게임 (4X Strategy)]]
+- **Related Topics:** [[VIP 시스템 (VIP System)]], 계단식 과금 모델 (Staircase Monetization)
+- **Projects/Contexts:** Game of War: Fire Age, [[Fate War]], 4X 전략 게임 (4X Strategy)
 - **Contradictions/Notes:** 제공된 소스 내에서 상충하는 내용은 없으며, 'Game of War'와 'Fate War' 모두 동일한 형태의 이중 계층 VIP 시스템을 채택하여 핵심 과금 모델로 활용하고 있음을 일관되게 보여줍니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/적자 경제 (Deficit economy).md b/10_Wiki/Topics/Game Design/적자 경제 (Deficit economy).md
index 60418966..45d97cbf 100644
--- a/10_Wiki/Topics/Game Design/적자 경제 (Deficit economy).md	
+++ b/10_Wiki/Topics/Game Design/적자 경제 (Deficit economy).md	
@@ -9,7 +9,7 @@
 * **과금 및 고위험 활동의 유도:** 자원 결핍을 메우고 성장을 이어가기 위해 플레이어는 인벤토리의 '자원 아이템(Resource Items)'을 사용하거나, 맵에 나가 직접 자원을 수확(Harvest)해야만 합니다 [3]. 그러나 맵에서의 자원 채집은 적의 공격에 무방비로 노출되는 매우 위험한 활동이므로, 적자 경제 시스템은 결국 플레이어들이 진척도를 잃지 않기 위해 지갑을 열어 과금하도록 압박하는 강력한 동인으로 작용합니다 [1, 3, 4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[유지비 (Upkeep)]], [[4X 코어 루프 (4X Core Loop)]]
+- **Related Topics:** 유지비 (Upkeep), 4X 코어 루프 (4X Core Loop)
 - **Projects/Contexts:** [[Game of War  BM과 구조 조사]]
 - **Contradictions/Notes:** 자원이 0이 되더라도 보유한 군대가 아사(Starve to death)하는 직접적인 페널티는 존재하지 않으며, 대신 성장 시스템(연구 및 건설)을 마비시키는 간접적인 방식으로 플레이어를 압박합니다 [3].
 
diff --git a/10_Wiki/Topics/Game Design/전력 시스템(Power Systems).md b/10_Wiki/Topics/Game Design/전력 시스템(Power Systems).md
index 1f1a6d02..f0baa48d 100644
--- a/10_Wiki/Topics/Game Design/전력 시스템(Power Systems).md	
+++ b/10_Wiki/Topics/Game Design/전력 시스템(Power Systems).md	
@@ -12,8 +12,8 @@ War Commander의 전력 시스템은 기지 내 모든 건물의 원활한 작
     * **공격적 측면**: 적 기지를 공격할 때 적의 발전소를 최우선 표적으로 삼아 파괴하면, 적 방어 포탑의 대미지 출력을 평소의 50% 수준으로 삭감할 수 있습니다 [6, 7]. 적의 전력을 무력화하여 방어망을 약화시키는 것은 전투를 수월하게 만들고 자원을 성공적으로 약탈하기 위한 필수 전략입니다 [6, 7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[발전소(Power Plant)]], [[기지 방어(Base Defense)]], [[포탑(Turrets)]]
-- **Projects/Contexts:** [[War Commander 기지 설계 및 공격 전술]]
+- **Related Topics:** 발전소(Power Plant), [[기지 방어(Base Defense)]], 포탑(Turrets)
+- **Projects/Contexts:** War Commander 기지 설계 및 공격 전술
 - **Contradictions/Notes:** 제공된 소스 내에서 전력 시스템에 관한 모순된 주장은 존재하지 않으며, 전력 인프라가 방어와 공격 모두에서 최우선적인 고려사항이라는 점에 일관되게 동의하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/전투 컨트롤(Combat Controls).md b/10_Wiki/Topics/Game Design/전투 컨트롤(Combat Controls).md
index 216ce9b7..34f4db69 100644
--- a/10_Wiki/Topics/Game Design/전투 컨트롤(Combat Controls).md	
+++ b/10_Wiki/Topics/Game Design/전투 컨트롤(Combat Controls).md	
@@ -20,8 +20,8 @@
     *   **다중/단일 선택:** 스페이스바를 누른 채 커서를 이동해 박스 형태로 여러 유닛을 지정하거나, 화면에 있는 단일 유닛을 더블 클릭해 동일한 유형의 유닛 전체를 한 번에 선택할 수 있습니다 [7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 태세(Defensive Stances)]], [[유인 전술(Baiting)]], [[마이크로 매니지먼트(Micro-management)]]
-- **Projects/Contexts:** [[2014년 2월 전투 시스템 업데이트(February 2014 Combat System Update)]]
+- **Related Topics:** 방어 태세(Defensive Stances), [[유인 전술(Baiting)]], 마이크로 매니지먼트(Micro-management)
+- **Projects/Contexts:** 2014년 2월 전투 시스템 업데이트(February 2014 Combat System Update)
 - **Contradictions/Notes:** '위치 사수(Hold Position)'와 '자유 사격(Fire at Will)' 명령은 기지 방어 시 유닛이 배치된 후 설정할 수 있지만, 플레이어가 새로운 이동 명령을 내릴 경우 해당 태세가 해제되므로 조작 시 주의해야 합니다 [1].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/전투 통제(Combat Controls).md b/10_Wiki/Topics/Game Design/전투 통제(Combat Controls).md
index 07316371..1e219884 100644
--- a/10_Wiki/Topics/Game Design/전투 통제(Combat Controls).md	
+++ b/10_Wiki/Topics/Game Design/전투 통제(Combat Controls).md	
@@ -20,8 +20,8 @@
 전투 통제 시스템은 유닛 인공지능(AI)의 일관된 성능을 보장하고 사용자 인터페이스(UI)를 개선하여 전반적인 게임플레이 경험을 향상시키기 위해 도입되었습니다 [5]. 지휘관은 이 시스템을 통해 특정 타겟을 집중 공격하거나 적의 추격 논리를 역이용하는 고도의 전술을 펼칠 수 있습니다 [5, 7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 태세(Defensive Stances)]], [[유인 전술(Baiting)]]
-- **Projects/Contexts:** [[2014년 2월 전투 통제 업데이트(February 2014 Combat Controls Update)]]
+- **Related Topics:** 방어 태세(Defensive Stances), [[유인 전술(Baiting)]]
+- **Projects/Contexts:** 2014년 2월 전투 통제 업데이트(February 2014 Combat Controls Update)
 - **Contradictions/Notes:** '위치 사수(Hold Position)'와 '자유 사격(Fire at Will)' 명령은 기지 방어를 위해 유닛을 배치할 때 유용하지만, 전투 중 새로운 이동 명령을 내릴 경우 해당 방어 명령이 즉시 취소되므로 지속적인 관리가 필요합니다 [3].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/제로잉 (Getting Zero-ed).md b/10_Wiki/Topics/Game Design/제로잉 (Getting Zero-ed).md
index e3dd574f..4452b9c1 100644
--- a/10_Wiki/Topics/Game Design/제로잉 (Getting Zero-ed).md	
+++ b/10_Wiki/Topics/Game Design/제로잉 (Getting Zero-ed).md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[영구적 손실 (Permanent Loss)]], [[4X 시스템 (4X System)]], [[맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization)]], [[매몰 비용의 오류 (Sunk Cost Fallacy)]]
-- **Projects/Contexts:** [[Game of War: Fire Age BM 및 게임 구조 분석]]
+- **Projects/Contexts:** Game of War: Fire Age BM 및 게임 구조 분석
 - **Contradictions/Notes:** 제로잉 시스템은 윤리적으로는 플레이어의 상실감과 매몰 비용의 오류를 잔혹하게 착취한다는 비판을 받지만 [5], 상업적·구조적 관점에서는 플레이어의 극단적인 과금(수십만 달러 단위의 지출)을 성공적으로 이끌어내는 영리하고 치밀한 설계로 평가받습니다 [6, 9].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/제로잉 (Zeroing).md b/10_Wiki/Topics/Game Design/제로잉 (Zeroing).md
index 29b42118..f52b6cc7 100644
--- a/10_Wiki/Topics/Game Design/제로잉 (Zeroing).md	
+++ b/10_Wiki/Topics/Game Design/제로잉 (Zeroing).md	
@@ -10,8 +10,8 @@
 * **심리적 압박과 매몰 비용 오류 악용:** 이 구조는 플레이어들이 자신이 과거에 투자한 시간과 자산이 '제로(0)'가 되는 것을 막기 위해 끊임없이 돈을 쓰도록 유도하는 매몰 비용 오류(Sunk Cost Fallacy)를 극단적으로 악용합니다 [5]. 수개월 간의 진척도가 단 몇 분 만에 사라진 후에도, 잃어버린 권력을 되찾거나 자신을 공격한 상대보다 더 강력해져 복수하고자 하는 강력한 동기 부여가 발생하여 막대한 결제(Pay-to-win)로 이어지게 만듭니다 [6-8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[4X Strategy]], [[Permanent Loss (영구적 손실)]], [[Sunk Cost Fallacy (매몰 비용 오류)]], [[LiveOps (라이브옵스)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Related Topics:** [[4X Strategy]], Permanent Loss (영구적 손실), Sunk Cost Fallacy (매몰 비용 오류), LiveOps (라이브옵스)
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스에 관련 정보가 충분하여 상충하는 내용 없이 게임의 핵심 수익화 구조와 제로잉의 연관성이 명확히 설명됩니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/파워 크립 (Power Creep).md b/10_Wiki/Topics/Game Design/파워 크립 (Power Creep).md
index 9fcc0cbd..fbb2b746 100644
--- a/10_Wiki/Topics/Game Design/파워 크립 (Power Creep).md	
+++ b/10_Wiki/Topics/Game Design/파워 크립 (Power Creep).md	
@@ -10,8 +10,8 @@
 * **유저 생태계에 미치는 영향:** 파워 크립을 수반한 지속적인 업데이트는 최상위 지출 플레이어(Whale)와 나머지 플레이어 간의 '힘의 격차(Power gap)'를 좁힐 수 없게 지속적으로 넓힙니다 [4]. 이로 인해 중간 계층의 플레이어들은 구식으로 도태되는 것을 막기 위해 어쩔 수 없이 지출을 계속해야만 합니다 [4]. 또한, 이러한 구조는 신규 플레이어와 엔드게임 플레이어 간의 격차를 극심하게 벌려놓는 결과를 낳기도 합니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[무한 확장 경제 (Infinitely Scalable Economy)]], [[콘텐츠 러닝머신 (Content Treadmills)]], [[과금 모델 (Monetization)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Related Topics:** 무한 확장 경제 (Infinitely Scalable Economy), 콘텐츠 러닝머신 (Content Treadmills), [[과금 모델 (Monetization)]]
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 소스 26은 파워 크립이 새롭고 재미있는 메커니즘을 제공해 게임이 진부해지는 것을 막고 토너먼트 플레이의 속도를 높이는 긍정적 기능도 있다고 설명합니다 [8]. 그러나 소스 5와 13은 'Game of War'의 파워 크립이 플레이어들의 무한한 경쟁과 생존을 볼모로 잡아 지속적인 결제를 강제하는 다소 착취적인(exploitative) 구조로 작동하고 있음을 지적합니다 [4, 9].
 
 ---
diff --git a/10_Wiki/Topics/Game Design/피해 유형(Damage Types).md b/10_Wiki/Topics/Game Design/피해 유형(Damage Types).md
index 176074bc..ea118289 100644
--- a/10_Wiki/Topics/Game Design/피해 유형(Damage Types).md	
+++ b/10_Wiki/Topics/Game Design/피해 유형(Damage Types).md	
@@ -16,7 +16,7 @@ War Commander의 '피해 유형(Damage Types)'은 유닛과 방어 시설이 전
     *   이러한 피해 유형 기반의 저항성 때문에 공격자는 단일 무기 체계(예: 지속 피해 중심의 보병 부대)만으로는 방어선을 뚫기 어렵게 되었습니다 [6]. 결국 여러 피해 유형을 골고루 섞어 적의 맞춤형 장갑 방어선을 돌파하는 "제병 합동(Combined Arms)" 전술이 현대 전투 시스템의 핵심이 되었습니다 [6, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Support Platforms]], [[Mixed Platoons]], [[Status Effects]]
+- **Related Topics:** Support Platforms, Mixed Platoons, Status Effects
 - **Projects/Contexts:** [[March 2026 Research Drop]]
 - **Contradictions/Notes:** 전투 시스템은 과거 단순히 지상/공중 유닛 간의 가위바위보 식 상성(예: 대공포는 공중 유닛에 강함)에 의존했으나, 2026년 업데이트 이후 무기의 세부 피해 유형(Sustain, Burst, Area)에 대한 방어 상성이 생기며 전투 양상이 복합적이고 전략적인 비대칭 저항(Asymmetric Resistance) 싸움으로 심화되었음을 알 수 있습니다 [10, 11].
 
diff --git a/10_Wiki/Topics/Game Design/혼합 소대 전술(Mixed Platoon Tactics).md b/10_Wiki/Topics/Game Design/혼합 소대 전술(Mixed Platoon Tactics).md
index 169a6549..854632b9 100644
--- a/10_Wiki/Topics/Game Design/혼합 소대 전술(Mixed Platoon Tactics).md	
+++ b/10_Wiki/Topics/Game Design/혼합 소대 전술(Mixed Platoon Tactics).md	
@@ -9,8 +9,8 @@
 - **다양한 피해 프로필의 필요성 (플랫폼 저항 카운터):** 2026년 3월 연구 드롭 업데이트로 특정 피해 유형(지속 피해, 폭발 피해, 범위 피해 등)에 대해 50%의 대미지 감소 효과를 제공하는 방어 지원 플랫폼(Support Platforms)이 도입되었습니다 [4]. 이로 인해 단일 피해 유형(예: 지속 피해 보병 위주의 공격)으로만 부대를 구성하면 방어자의 플랫폼 세팅에 따라 공격력이 반감될 위험이 큽니다 [3, 4]. 따라서 방어자의 플랫폼 선택에 관계없이 일관된 효과를 보장하려면, 다양한 무기 및 피해 프로필을 포함하는 '혼합 소대'를 배치해야만 합니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[유닛 상성(Unit Counters)]], [[피해 저항 플랫폼(Damage Resistance Platforms)]], [[대공 및 대지 전투(Anti-Air and Anti-Ground Combat)]]
-- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], [[War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the War Commander Combat Ecosystem)]]
+- **Related Topics:** [[유닛 상성(Unit Counters)]], 피해 저항 플랫폼(Damage Resistance Platforms), 대공 및 대지 전투(Anti-Air and Anti-Ground Combat)
+- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], War Commander 전투 생태계의 전술적 진화(Tactical Evolution of the War Commander Combat Ecosystem)
 - **Contradictions/Notes:** 소스에 특정 부대 비율이나 완벽한 승리를 보장하는 정확한 유닛 혼합 공식에 대한 수학적인 최적화 정보는 부족합니다. 대신 지상/공중 및 다양한 피해 유형을 골고루 섞어야 한다는 전술적 원칙 위주로 설명되어 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Game Design/혼합 소대(Mixed Platoons).md b/10_Wiki/Topics/Game Design/혼합 소대(Mixed Platoons).md
index 341342fb..dcb34667 100644
--- a/10_Wiki/Topics/Game Design/혼합 소대(Mixed Platoons).md	
+++ b/10_Wiki/Topics/Game Design/혼합 소대(Mixed Platoons).md	
@@ -17,8 +17,8 @@
   가장 강력한 군대는 공중 유닛과 지상 유닛을 혼합하여 운용합니다 [1]. 비행장(Airfield)의 유닛 수용량은 지상 유닛의 수용량과 완전히 분리되어 있으므로, 두 슬롯을 모두 채워 공중과 지상의 혼합 전력을 구성하는 것이 자원 및 병력 운용 측면에서 한계를 극복하는 최선의 방법입니다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[미끼 전술(Baiting)]], [[가위바위보 상성 시스템(Rock-Paper-Scissors Dynamic)]], [[지원 플랫폼(Support Platforms)]]
-- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], [[전투 생태계의 구조적 역학과 전술적 진화(Structural Dynamics and Tactical Evolution of the Combat Ecosystem)]]
+- **Related Topics:** [[미끼 전술(Baiting)]], 가위바위보 상성 시스템(Rock-Paper-Scissors Dynamic), 지원 플랫폼(Support Platforms)
+- **Projects/Contexts:** [[2026년 3월 연구 드롭(March 2026 Research Drop)]], 전투 생태계의 구조적 역학과 전술적 진화(Structural Dynamics and Tactical Evolution of the Combat Ecosystem)
 - **Contradictions/Notes:** 소스에 단일 병종 부대의 운용에 대한 직접적인 반대 의견은 없으나, 단일 피해 유형에만 의존하는 공격은 특정 데미지에 저항(50% 감소)을 갖춘 방어 플랫폼에 의해 효율이 크게 떨어질 수 있으므로 혼합 소대의 사용이 필수적이라고 강조합니다 [3, 5].
 
 ---
diff --git a/10_Wiki/Topics/General Knowledge/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation 설정법.md b/10_Wiki/Topics/General Knowledge/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation 설정법.md
index 024371d9..6ef53218 100644
--- a/10_Wiki/Topics/General Knowledge/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation 설정법.md	
+++ b/10_Wiki/Topics/General Knowledge/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation 설정법.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3E2EC5
-category: "[[10_Wiki/💡 Topics/General Knowledge]]"
+category: "10_Wiki/💡 Topics/General Knowledge"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,12 +29,12 @@ github_commit: "[P-Reinforce] Continuous Worker - SharedArrayBuffer 보안 이
 - **정책 변화:** General Knowledge 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre Vulnerability]], [[HTTP Security Headers (COOP/COEP)]], [[CORS (Cross-Origin Resource Sharing)]], [[Web Worker Multi-threading]]
-- **Projects/Contexts:** [[보안이 강화된 멀티스레드 기반 React WebGL 게임 엔진 구축]]
+- **Related Topics:** Spectre Vulnerability, HTTP Security Headers (COOP/COEP), CORS (Cross-Origin Resource Sharing), Web Worker Multi-threading
+- **Projects/Contexts:** 보안이 강화된 멀티스레드 기반 React WebGL 게임 엔진 구축
 - **Contradictions/Notes:** 제공된 소스에 따르면 `SharedArrayBuffer`는 성능과 속도 면에서 가장 이상적이지만 로우 레벨(Low-level)의 원시 이진 데이터를 다루어야 해서 구현이 까다롭습니다. 여기에 더해 COOP/COEP 보안 헤더까지 설정해야 하므로 인프라 구축 및 외부 리소스 관리의 복잡성이 급격히 증가한다는 점을 프로젝트 기획 단계에서 반드시 고려해야 합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation 설정법.md]]
+
 ---
diff --git a/10_Wiki/Topics/Governance & Reliability/Autonomous Logging.md b/10_Wiki/Topics/Governance & Reliability/Autonomous Logging.md
index 5560d205..cf6a5a32 100644
--- a/10_Wiki/Topics/Governance & Reliability/Autonomous Logging.md	
+++ b/10_Wiki/Topics/Governance & Reliability/Autonomous Logging.md	
@@ -1,6 +1,6 @@
 ---
 id: 550e8400-e29b-41d4-a716-446655440003
-category: "[[10_Wiki/Topics/Governance & Reliability]]"
+category: "10_Wiki/Topics/Governance & Reliability"
 confidence_score: 1.0
 tags: [Governance, Logging, Wiki, SOP, Agent]
 last_reinforced: 2026-04-21
@@ -23,6 +23,6 @@ github_commit: "initial"
 - **정책 변화**: 기존의 단순 작업 수행 방식에서 '수행+기록'의 일체형 워크플로우로 전환하여 작업 투명성 확보.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent**: [[Governance & Reliability]]
-- **Related**: [[Wiki Automation]], [[Operational Self-Improvement]]
-- **Raw Source**: [[00_Raw/2026-04-21-Autonomous_Logging_and_Wiki_Rules_Update]]
+- **Parent**: Governance & Reliability
+- **Related**: Wiki Automation, Operational Self-Improvement
+- **Raw Source**: 00_Raw/2026-04-21-Autonomous_Logging_and_Wiki_Rules_Update
diff --git a/10_Wiki/Topics/Governance & Reliability/Session Lifecycle.md b/10_Wiki/Topics/Governance & Reliability/Session Lifecycle.md
index 246aaac8..5b39e66f 100644
--- a/10_Wiki/Topics/Governance & Reliability/Session Lifecycle.md	
+++ b/10_Wiki/Topics/Governance & Reliability/Session Lifecycle.md	
@@ -1,6 +1,6 @@
 ---
 id: 550e8400-e29b-41d4-a716-446655440004
-category: "[[10_Wiki/Topics/Governance & Reliability]]"
+category: "10_Wiki/Topics/Governance & Reliability"
 confidence_score: 1.0
 tags: [Governance, Git, Automation, Session Management]
 last_reinforced: 2026-04-21
@@ -22,6 +22,6 @@ github_commit: "initial"
 - **정책 변화**: 수동 Git 관리에서 세션 기반 자동 동기화로 전환하여 커밋 누락 및 컨플릭트 위험을 사전에 차단.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent**: [[Governance & Reliability]]
-- **Related**: [[Autonomous Logging]], [[Git Protocol]]
-- **Raw Source**: [[00_Raw/2026-04-21-Session_Lifecycle_Protocol_Update]]
+- **Parent**: Governance & Reliability
+- **Related**: [[Autonomous Logging]], Git Protocol
+- **Raw Source**: 00_Raw/2026-04-21-Session_Lifecycle_Protocol_Update
diff --git a/10_Wiki/Topics/Graphics & Performance/ANGLE (Almost Native Graphics Layer Engine).md b/10_Wiki/Topics/Graphics & Performance/ANGLE (Almost Native Graphics Layer Engine).md
index 3235896a..d6e64834 100644
--- a/10_Wiki/Topics/Graphics & Performance/ANGLE (Almost Native Graphics Layer Engine).md	
+++ b/10_Wiki/Topics/Graphics & Performance/ANGLE (Almost Native Graphics Layer Engine).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-46B173
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - ANGLE (Almost Native Graphics
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[OpenGL ES]], [[Direct3D]], [[Micro-latency]], [[Draw Call]]
-- **Projects/Contexts:** [[Chrome]], [[Firefox]], [[Opera]]
+- **Related Topics:** [[WebGL]], [[OpenGL ES]], [[Direct3D]], Micro-latency, [[Draw Call]]
+- **Projects/Contexts:** [[Chrome]], Firefox, [[Opera]]
 - **Contradictions/Notes:** ANGLE은 브라우저에서 원활한 그래픽 처리를 위해 도입된 고도로 최적화된 변환기이지만, 드로우 콜이 많은 환경에서는 역설적이게도 이 변환 작업 자체가 누적되어 CPU 병목을 일으키는 주된 원인이 됩니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/ANGLE (Almost Native Graphics Layer Engine).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/ANGLE.md b/10_Wiki/Topics/Graphics & Performance/ANGLE.md
index 483050f8..dfa00aa3 100644
--- a/10_Wiki/Topics/Graphics & Performance/ANGLE.md	
+++ b/10_Wiki/Topics/Graphics & Performance/ANGLE.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-26A7F5
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified ANGLE"
 - **정책 변화:** Graphics & Performance 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[OpenGL ES]], [[Direct3D]], [[Micro-latency]]
-- **Projects/Contexts:** [[Web Graphics Pipelines]]
+- **Related Topics:** [[WebGL]], [[OpenGL ES]], [[Direct3D]], Micro-latency
+- **Projects/Contexts:** Web Graphics Pipelines
 - **Contradictions/Notes:** ANGLE의 변환 작업은 "고도로 최적화(highly optimized)"되어 있지만, 역설적으로 많은 드로우 콜을 요구하는 환경에서는 이 최적화된 변환 작업조차 누적되어 CPU 병목의 주요 원인이 됩니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/ANGLE.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Alpha Blending.md b/10_Wiki/Topics/Graphics & Performance/Alpha Blending.md
index 7963e00b..9a910980 100644
--- a/10_Wiki/Topics/Graphics & Performance/Alpha Blending.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Alpha Blending.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-25F1DA
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Alpha Blending"
 - **정책 변화:** Graphics & Performance 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Transparency Sorting]], [[InstancedMesh]], [[Overdraw]]
+- **Related Topics:** Transparency Sorting, [[InstancedMesh]], [[Overdraw]]
 - **Projects/Contexts:** 대규모 유리창 건물이나 투명한 숲 등 다수의 반투명 객체를 `InstancedMesh` 등을 사용하여 실시간으로 렌더링하고 최적화해야 하는 웹 그래픽스 및 게임 프로젝트 맥락 [1, 2].
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 소스에서는 알파 블렌딩 자체의 개념보다는, 투명 객체 렌더링 정렬 문제의 원인으로서만 간략히 언급되고 있습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Alpha Blending.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/BIM 모델 렌더링.md b/10_Wiki/Topics/Graphics & Performance/BIM 모델 렌더링.md
index 20dca128..768bdf9d 100644
--- a/10_Wiki/Topics/Graphics & Performance/BIM 모델 렌더링.md	
+++ b/10_Wiki/Topics/Graphics & Performance/BIM 모델 렌더링.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B22078
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - BIM 모델 렌더링"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[WebGPU]], [[Draw Call]]
-- **Projects/Contexts:** [[IFC.js]], [[Revit 모델 렌더링]], [[대규모 건설 뷰어(Construction Viewers)]]
+- **Related Topics:** [[InstancedMesh]], BatchedMesh, [[WebGPU]], [[Draw Call]]
+- **Projects/Contexts:** IFC.js, [[Revit 모델 렌더링]], [[대규모 건설 뷰어(Construction Viewers)]]
 - **Contradictions/Notes:** 다양한 형태의 객체를 단일 드로우 콜로 처리하여 성능을 높이기 위해 `BatchedMesh`를 사용하는 것이 일반적으로 권장되지만, 수백만 개의 정점과 수십만 개의 서브 지오메트리가 있는 거대한 Revit 기반 건축 모델에 이를 그대로 적용할 경우, 내부 버퍼 업데이트와 데이터 복사 등의 오버헤드로 인해 오히려 CPU 사용량이 40~60% 이상 폭증하고 프레임(FPS)이 급락하는 심각한 성능 역전 현상이 보고되기도 하므로 데이터 규모에 따른 주의가 필요합니다 [15, 22-25].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/BIM 모델 렌더링.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/BIM 모델 시뮬레이션.md b/10_Wiki/Topics/Graphics & Performance/BIM 모델 시뮬레이션.md
index aa4723dc..967703a4 100644
--- a/10_Wiki/Topics/Graphics & Performance/BIM 모델 시뮬레이션.md	
+++ b/10_Wiki/Topics/Graphics & Performance/BIM 모델 시뮬레이션.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B4BA95
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - BIM 모델 시뮬레이션"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[InstancedMesh]], [[BatchedMesh]], [[Compute Shader]]
-- **Projects/Contexts:** [[대규모 건설 뷰어(Large-Scale Construction Viewers)]]
+- **Related Topics:** [[WebGPU]], [[InstancedMesh]], BatchedMesh, [[Compute Shader]]
+- **Projects/Contexts:** 대규모 건설 뷰어(Large-Scale Construction Viewers)
 - **Contradictions/Notes:** 다양한 부품이 혼재된 BIM 모델 최적화를 위해 다중 드로우를 하나로 묶는 `BatchedMesh`가 대안으로 제시되지만, 정점 및 면(face)의 수가 1,000만 개 단위를 넘어갈 정도로 너무 큰 경우에는 과도한 버퍼 연산으로 인해 CPU 점유율이 오히려 치솟는 치명적인 성능 저하가 발생한다는 한계가 있습니다 [8, 9, 11]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/BIM 모델 시뮬레이션.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/BVH.md b/10_Wiki/Topics/Graphics & Performance/BVH.md
index 5851c9fe..a4fc1c92 100644
--- a/10_Wiki/Topics/Graphics & Performance/BVH.md	
+++ b/10_Wiki/Topics/Graphics & Performance/BVH.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D211FC
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - BVH"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Raycasting]], [[Frustum Culling]], [[InstancedMesh]], [[Spatial Indexing]]
+- **Related Topics:** [[Raycasting]], [[Frustum Culling]], [[InstancedMesh]], Spatial Indexing
 - **Projects/Contexts:** [[three-mesh-bvh]], [[InstancedMesh2]]
 - **Contradictions/Notes:** 기본 `three-mesh-bvh` 라이브러리만으로는 `InstancedMesh`의 전체 인스턴스 집합에 대한 직접적인 공간 조회가 제한적이라는 점이 지적되지만 [7], 커뮤니티에서 개발된 `InstancedMesh2` 라이브러리가 BVH 공간 인덱스를 내장함으로써 이러한 한계를 성공적으로 극복하고 전체 인스턴스의 빠른 컬링 및 레이캐스팅을 가능하게 합니다 [10, 12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/BVH.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Babylonjs.md b/10_Wiki/Topics/Graphics & Performance/Babylonjs.md
index 2be3b45c..6849ecc0 100644
--- a/10_Wiki/Topics/Graphics & Performance/Babylonjs.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Babylonjs.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-852A59
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Babylonjs"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Instanced Meshes]], [[Solid Particle System (SPS)]], [[Frustum Culling]], [[WebGPU]]
-- **Projects/Contexts:** [[대규모 3D 환경 렌더링 최적화 프로젝트]]
+- **Related Topics:** Instanced Meshes, Solid Particle System (SPS), [[Frustum Culling]], [[WebGPU]]
+- **Projects/Contexts:** 대규모 3D 환경 렌더링 최적화 프로젝트
 - **Contradictions/Notes:** 인스턴스 메쉬는 지오메트리를 복제하지 않아 메모리가 절약되어야 하지만, 한 사용자는 10,000개의 인스턴스당 100MB의 힙 메모리가 증가(인스턴스당 약 8~10KB)한다는 프로파일링 결과를 제기했습니다 [7, 11]. 이에 대해 Babylon.js 개발진(Deltakosh)은 실제 인스턴스 1개당 차지하는 메모리는 약 400바이트 수준이라고 확인하며 오해를 정정했습니다 [12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Babylon.js.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/BatchedMesh 및 InstancedMesh 성능 벤치마크.md b/10_Wiki/Topics/Graphics & Performance/BatchedMesh 및 InstancedMesh 성능 벤치마크.md
index e4cd1bb7..8d7a1674 100644
--- a/10_Wiki/Topics/Graphics & Performance/BatchedMesh 및 InstancedMesh 성능 벤치마크.md	
+++ b/10_Wiki/Topics/Graphics & Performance/BatchedMesh 및 InstancedMesh 성능 벤치마크.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6B3697
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - BatchedMesh 및 InstancedMesh
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[드로우 콜 (Draw Call)]], [[Frustum Culling (시야 절두체 컬링)]], [[오버드로우 (Overdraw)]]
-- **Projects/Contexts:** [[Revit 및 BIM 건축 모델 렌더링 최적화]], [[WebGPU 및 Indirect Draw]]
+- **Related Topics:** 드로우 콜 (Draw Call), Frustum Culling (시야 절두체 컬링), 오버드로우 (Overdraw)
+- **Projects/Contexts:** Revit 및 BIM 건축 모델 렌더링 최적화, WebGPU 및 Indirect Draw
 - **Contradictions/Notes:** BatchedMesh는 여러 종류의 지오메트리 렌더링 시 발생하는 CPU의 드로우 콜 오버헤드를 줄이고 성능을 최적화하기 위해 고안되었으나, 대규모(10만 개 이상) 지오메트리 벤치마크 환경에서는 내부 상태 업데이트 및 버퍼 데이터 전송 부하로 인해 도리어 Merged Mesh 방식보다 CPU 사용량을 최대 3배 이상 폭증시키고 FPS를 심각하게 떨어뜨리는 역설적인 결과를 보입니다 [5, 15, 30].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/BatchedMesh 및 InstancedMesh 성능 벤치마크.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Batching.md b/10_Wiki/Topics/Graphics & Performance/Batching.md
index c9ad9e69..29f7d358 100644
--- a/10_Wiki/Topics/Graphics & Performance/Batching.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Batching.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-723577
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Batching"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Calls]], [[WebGL]], [[WebGPU]], [[Interaction to Next Paint (INP)]]
+- **Related Topics:** Draw Calls, [[WebGL]], [[WebGPU]], [[Interaction to Next Paint (INP)]]
 - **Projects/Contexts:** [[Cesium]], [[Wonderland Engine]]
 - **Contradictions/Notes:** 소스 내에서 배칭에 관한 상충되는 의견은 없으나, 3D 엔진에서의 '드로우 콜 병합'과 프론트엔드 최적화에서의 'DOM 연산 일괄 처리'라는 서로 다른 두 가지 시스템 컨텍스트에서 성능 개선을 위한 공통된 원리로 작용하고 있음을 보여줍니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Batching.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Buffer Allocation.md b/10_Wiki/Topics/Graphics & Performance/Buffer Allocation.md
index 6694e3ea..5a0cc6d5 100644
--- a/10_Wiki/Topics/Graphics & Performance/Buffer Allocation.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Buffer Allocation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B20BA9
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Buffer Allocation"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[GPU Instancing]], [[Memory Management]], [[Object Pooling]], [[Garbage Collection]]
-- **Projects/Contexts:** [[Three.js]], [[Needle Engine]], [[WebGPU]]
+- **Related Topics:** GPU Instancing, [[Memory Management]], [[Object Pooling]], [[Garbage Collection]]
+- **Projects/Contexts:** Three.js, [[Needle Engine]], [[WebGPU]]
 - **Contradictions/Notes:** 소스에서는 실행 중 버퍼 크기를 동적으로 늘리는 방식(Dynamic Growth)은 성능 지연과 오류를 낳으므로, 초기에 넉넉하게 메모리 공간을 사전 할당(Preallocate)하는 방식이 훨씬 안정적이라고 강조합니다 [1-3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Buffer Allocation.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/BufferAttribute.md b/10_Wiki/Topics/Graphics & Performance/BufferAttribute.md
index f4f24bf4..3fd76162 100644
--- a/10_Wiki/Topics/Graphics & Performance/BufferAttribute.md	
+++ b/10_Wiki/Topics/Graphics & Performance/BufferAttribute.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7E5F3E
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - BufferAttribute"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedBufferAttribute]], [[BufferGeometry]], [[SharedArrayBuffer]], [[InstancedMesh]]
-- **Projects/Contexts:** [[WebGL/Three.js 대규모 CAD 렌더링 메모리 최적화]], [[다중 객체 드로우 콜 최적화 및 커스텀 셰이더 적용 맥락]]
+- **Related Topics:** InstancedBufferAttribute, [[BufferGeometry]], SharedArrayBuffer, [[InstancedMesh]]
+- **Projects/Contexts:** WebGL/Three.js 대규모 CAD 렌더링 메모리 최적화, 다중 객체 드로우 콜 최적화 및 커스텀 셰이더 적용 맥락
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/BufferAttribute.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/BufferGeometry.md b/10_Wiki/Topics/Graphics & Performance/BufferGeometry.md
index cca2ca7f..b42007e0 100644
--- a/10_Wiki/Topics/Graphics & Performance/BufferGeometry.md	
+++ b/10_Wiki/Topics/Graphics & Performance/BufferGeometry.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2887C6
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - BufferGeometry"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[Draw Call]], [[BufferGeometryUtils]]
-- **Projects/Contexts:** [[Three.js]], [[IFC.js Fragment]]
+- **Related Topics:** [[InstancedMesh]], [[Draw Call]], BufferGeometryUtils
+- **Projects/Contexts:** Three.js, IFC.js Fragment
 - **Contradictions/Notes:** 소스 문헌들은 성능 개선을 위해 객체들을 단일 BufferGeometry로 병합할 것을 권장하면서도, 이 방식이 드로우 콜을 최소화하는 대신 RAM 소모량을 높이고 시야 절두체 컬링의 효율을 저하시키는 트레이드오프(Trade-off)를 유발한다고 경고한다 [4, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/BufferGeometry.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/CPU Bottleneck.md b/10_Wiki/Topics/Graphics & Performance/CPU Bottleneck.md
index ab449bed..548bc2d9 100644
--- a/10_Wiki/Topics/Graphics & Performance/CPU Bottleneck.md	
+++ b/10_Wiki/Topics/Graphics & Performance/CPU Bottleneck.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-944A15
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - CPU Bottleneck"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Draw Call]], [[InstancedMesh]], [[Frustum Culling]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[WebGPU]]
+- **Projects/Contexts:** Three.js, [[WebGL]], [[WebGPU]]
 - **Contradictions/Notes:** `InstancedMesh` 기술은 수천 개의 객체를 단 한 번의 드로우 콜로 처리하여 CPU 병목을 획기적으로 해결하는 기술로 알려져 있습니다 [6, 12]. 그러나 이 방식은 개별 객체의 컬링이나 정렬 같은 내부 최적화를 지원하지 않으므로, 이를 극복하기 위해 CPU 단에서 수동으로 위치를 검사하고 버퍼를 재정렬하는 로직을 추가할 경우 오히려 이전보다 더 극심한 CPU 연산 병목이 발생하는 역설적인 상황이 빈번하게 발생합니다 [4, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CPU Bottleneck.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/CPU Overhead.md b/10_Wiki/Topics/Graphics & Performance/CPU Overhead.md
index a641cf9f..e024ce88 100644
--- a/10_Wiki/Topics/Graphics & Performance/CPU Overhead.md	
+++ b/10_Wiki/Topics/Graphics & Performance/CPU Overhead.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-38FA31
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CPU Overhead"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[WebGPU]], [[Draw Calls]], [[Micro-latency]], [[Compute Shaders]]
-- **Projects/Contexts:** [[3D Gaussian Splatting (3DGS)]], [[WebSplatter]], [[ANGLE]]
+- **Related Topics:** [[WebGL]], [[WebGPU]], Draw Calls, Micro-latency, [[Compute Shaders]]
+- **Projects/Contexts:** 3D Gaussian Splatting (3DGS), WebSplatter, [[ANGLE]]
 - **Contradictions/Notes:** 제공된 소스들 사이에서 명백한 모순은 발견되지 않습니다. 모든 소스가 WebGL의 단일 스레드 아키텍처가 야기하는 CPU 병목 현상을 WebGPU의 멀티 스레드 도입 및 명시적 리소스 관리로 극복한다는 공통된 기술적 진화를 설명하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CPU Overhead.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Cesium.md b/10_Wiki/Topics/Graphics & Performance/Cesium.md
index 39c672d8..66aa886d 100644
--- a/10_Wiki/Topics/Graphics & Performance/Cesium.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Cesium.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8A58ED
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Cesium"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Batched3DModel]], [[BatchedMesh]]
-- **Projects/Contexts:** [[Three.js BatchedMesh 성능 이슈 비교]]
+- **Related Topics:** Batched3DModel, BatchedMesh
+- **Projects/Contexts:** Three.js BatchedMesh 성능 이슈 비교
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 작성자는 Cesium의 배칭과 Three.js의 `BatchedMesh`가 매우 유사할 것이라고 추측하지만 [1, 2], 실제로 두 기술 간의 구체적인 아키텍처 차이나 성능 차이의 근본적 원인을 설명하는 기술적 정보는 소스에 존재하지 않습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Cesium.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Chrome (Blink_Dawn).md b/10_Wiki/Topics/Graphics & Performance/Chrome (Blink_Dawn).md
index 8974db94..a15e37da 100644
--- a/10_Wiki/Topics/Graphics & Performance/Chrome (Blink_Dawn).md	
+++ b/10_Wiki/Topics/Graphics & Performance/Chrome (Blink_Dawn).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3115F7
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome (Blink_Dawn)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGPU]], [[Timestamp Queries]], [[Spectre and Meltdown]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[about:tracing]]
+- **Projects/Contexts:** [[Chrome DevTools]], about:tracing
 - **Contradictions/Notes:** 타임스탬프 쿼리 해상도와 관련하여 초기에는 격리된 컨텍스트(isolated contexts) 여부에 따라 다르게 노출되는 방안이 논의되었으나, 향후 W3C의 High Resolution Time 사양과 일치시켜 사이트 격리 여부와 관계없이 100 마이크로초(100us) 해상도를 허용하는 방향으로 GPU for the Web Community Group에서 합의를 이루었습니다 [6, 12, 13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome (Blink_Dawn).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Chrome WebGPU 구현.md b/10_Wiki/Topics/Graphics & Performance/Chrome WebGPU 구현.md
index eca2fc5f..00852074 100644
--- a/10_Wiki/Topics/Graphics & Performance/Chrome WebGPU 구현.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Chrome WebGPU 구현.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7CCB76
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome WebGPU 구현"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Dawn]], [[WGSL]], [[타임스탬프 쿼리 (Timestamp Queries)]], [[f16 부동소수점]]
+- **Related Topics:** Dawn, WGSL, 타임스탬프 쿼리 (Timestamp Queries), f16 부동소수점
 - **Projects/Contexts:** [[Chromium]], [[GPU for the Web Community Group]]
 - **Contradictions/Notes:** 소스에 따르면 WebGPU 타임스탬프 쿼리의 노출 정책에 대한 변화가 있었습니다. 초기에는 보안 문제로 인해 "사이트 격리(Site isolation)가 된 컨텍스트에서만 100마이크로초로 노출하고 비격리 상태에서는 아예 노출하지 않는 방안"이 크롬 팀에 의해 제안되었습니다 [12]. 그러나 플랫폼 간의 상호 운용성(Interop) 문제를 지적하는 의견에 따라, 최종적으로는 격리 여부와 관계없이 고해상도 시간(hr-time) 스펙에 맞춰 일괄적으로 100마이크로초 해상도로 노출하는 것으로 합의되었습니다 [17, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome WebGPU 구현.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Chrome _ Blink WebGPU Implementation.md b/10_Wiki/Topics/Graphics & Performance/Chrome _ Blink WebGPU Implementation.md
index ca5ae050..070a77c2 100644
--- a/10_Wiki/Topics/Graphics & Performance/Chrome _ Blink WebGPU Implementation.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Chrome _ Blink WebGPU Implementation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4FF4D6
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome _ Blink WebGPU Implemen
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU Timestamp Queries]], [[Dawn]], [[Spectre and Meltdown]], [[WGSL]]
-- **Projects/Contexts:** [[Chrome 120 WebGPU Updates]]
+- **Related Topics:** WebGPU Timestamp Queries, Dawn, [[Spectre and Meltdown]], WGSL
+- **Projects/Contexts:** Chrome 120 WebGPU Updates
 - **Contradictions/Notes:** 소스에 따르면, 타임스탬프 노출에 대한 초기 제안은 보안을 이유로 비격리 컨텍스트에서는 타임스탬프를 전혀 제공하지 않는 것이었으나 [5], 이후 상호 운용성(Interop) 문제를 해결하기 위해 GPU for the Web 커뮤니티 그룹의 합의를 거쳐 컨텍스트의 격리 여부와 상관없이 100 마이크로초 단위로 값을 제공하는 것으로 정책이 수정되었습니다 [6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome _ Blink WebGPU Implementation.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Chrome.md b/10_Wiki/Topics/Graphics & Performance/Chrome.md
index d7496f2d..d91d032d 100644
--- a/10_Wiki/Topics/Graphics & Performance/Chrome.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Chrome.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5D281C
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Chromium WebGPU Implementation.md b/10_Wiki/Topics/Graphics & Performance/Chromium WebGPU Implementation.md
index 3c1c1100..cdb67b64 100644
--- a/10_Wiki/Topics/Graphics & Performance/Chromium WebGPU Implementation.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Chromium WebGPU Implementation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7025AF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chromium WebGPU Implementation
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Dawn]], [[Timestamp Quantization]], [[WGSL]]
-- **Projects/Contexts:** [[Chromium Project]], [[GPU for the Web Community Group]]
+- **Related Topics:** [[WebGPU]], Dawn, [[Timestamp Quantization]], WGSL
+- **Projects/Contexts:** Chromium Project, [[GPU for the Web Community Group]]
 - **Contradictions/Notes:** 타임스탬프 쿼리 기능 노출과 관련하여, 초기 Chromium(Blink) 인텐트는 Cross-Origin 격리되지 않은 컨텍스트에서 타임스탬프 쿼리를 완전히 비활성화할 계획을 세웠으나(보안 우려), 다른 브라우저 벤더 및 W3C 그룹과의 상호 운용성 논의를 거쳐 격리 여부와 무관하게 hr-time과 동일한 100µs 단위로 노출하는 방향으로 스펙 및 구현 방침이 변경되었습니다 [5-7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chromium WebGPU Implementation.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Computational Geometry.md b/10_Wiki/Topics/Graphics & Performance/Computational Geometry.md
index 1948eee8..9b92e9ad 100644
--- a/10_Wiki/Topics/Graphics & Performance/Computational Geometry.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Computational Geometry.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-053
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.97
 tags: [geometry, computational geometry, 3d, rendering]
 last_reinforced: 2026-06-XX
@@ -25,6 +25,6 @@ github_commit: "[P-Reinforce] Processed Computational Geometry."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Computational Geometry]]
-- Related: [[Bounding Volume Hierarchy (BVH)]] , [[Three.js 렌더링 최적화]] , [[Physics-Based-Simulation]]
-- Raw Source: [[00_Raw/Computational Geometry.md]]
+- Related: Bounding Volume Hierarchy (BVH) , [[Three.js 렌더링 최적화]] , Physics-Based-Simulation
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Graphics & Performance/Compute Shader.md b/10_Wiki/Topics/Graphics & Performance/Compute Shader.md
index d577204b..fe573022 100644
--- a/10_Wiki/Topics/Graphics & Performance/Compute Shader.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Compute Shader.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-38086E
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Compute Shader"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Compute Shader.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Compute Shaders.md b/10_Wiki/Topics/Graphics & Performance/Compute Shaders.md
index 2f0bc0a9..7df4faef 100644
--- a/10_Wiki/Topics/Graphics & Performance/Compute Shaders.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Compute Shaders.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B1DBB3
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Compute Shaders"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** `[[WebGPU]]`, `[[GPU-driven Rendering]]`, `[[Indirect Drawing]]`, `[[Storage Textures]]`, `[[Frustum Culling]]`
-- **Projects/Contexts:** `[[Three.js]]`, `[[Segments.ai]]`, `[[BIM Datasets]]`
+- **Related Topics:** `[[WebGPU]]`, `[[GPU-driven Rendering]]`, `Indirect Drawing`, `Storage Textures`, `[[Frustum Culling]]`
+- **Projects/Contexts:** `Three.js`, `Segments.ai`, `BIM Datasets`
 - **Contradictions/Notes:** 컴퓨트 셰이더는 엄청난 성능 향상을 제공하지만 구형 API인 WebGL이나 WebGL 2에서는 지원되지 않아 WebGPU 환경이 필수적입니다 [1]. 또한 GPU 최적화를 제대로 다루지 못해 동기화 대기(`await mapAsync()`)를 남용할 경우, 오히려 GPU가 최대 60%의 시간 동안 유휴 상태(Idle)에 빠지는 병목 현상을 유발할 수 있습니다 [18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Compute Shaders.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Data Array Textures.md b/10_Wiki/Topics/Graphics & Performance/Data Array Textures.md
index e0b2ef96..628c4b97 100644
--- a/10_Wiki/Topics/Graphics & Performance/Data Array Textures.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Data Array Textures.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8AF01A
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Data Array Textures"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Texture Atlas]], [[BatchedMesh]], [[Draw Calls]], [[WebGL2]]
-- **Projects/Contexts:** [[Three.js 성능 최적화]], [[빌보드 임포스터(Billboard Impostors)]]
+- **Related Topics:** [[Texture Atlas]], BatchedMesh, Draw Calls, [[WebGL2]]
+- **Projects/Contexts:** Three.js 성능 최적화, [[빌보드 임포스터(Billboard Impostors)]]
 - **Contradictions/Notes:** 소스에 따르면 Data Array Textures는 텍스처 아틀라스의 단점들을 완벽히 보완하는 현대적 대안이지만, '모든 텍스처의 크기가 같아야 한다'는 엄격한 제약과 '메모리 선할당'의 부담이 존재하므로, 가변적인 크기의 텍스처를 압축하거나 구형 WebGL1 환경을 지원해야 할 때는 여전히 텍스처 아틀라스(Texture Atlas)가 가치 있는 선택지로 남는다고 지적합니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Data Array Textures.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Direct3D.md b/10_Wiki/Topics/Graphics & Performance/Direct3D.md
index b54b6dba..c250254b 100644
--- a/10_Wiki/Topics/Graphics & Performance/Direct3D.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Direct3D.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D41B4F
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Direct3D"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGL]], [[WebGPU]], [[ANGLE]], [[Vulkan]], [[Metal]]
-- **Projects/Contexts:** [[브라우저 그래픽 렌더링 백엔드]], [[Chrome WebGPU 구현]]
+- **Projects/Contexts:** 브라우저 그래픽 렌더링 백엔드, [[Chrome WebGPU 구현]]
 - **Contradictions/Notes:** Direct3D 자체의 내부 구조나 깊이 있는 기술적 명세에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Direct3D.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Draw Call.md b/10_Wiki/Topics/Graphics & Performance/Draw Call.md
index be333249..609a6db9 100644
--- a/10_Wiki/Topics/Graphics & Performance/Draw Call.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Draw Call.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E9A644
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Draw Call"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Render State]], [[CPU Bottleneck]], [[InstancedMesh]], [[BatchedMesh]], [[Geometry Merging]], [[Texture Atlas]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[WebGPU]], [[Unity]]
+- **Related Topics:** [[Render State]], [[CPU Bottleneck]], [[InstancedMesh]], BatchedMesh, [[Geometry Merging]], [[Texture Atlas]]
+- **Projects/Contexts:** Three.js, [[WebGL]], [[WebGPU]], [[Unity]]
 - **Contradictions/Notes:** 소스에 따르면, 드로우 콜을 1회로 줄이는 것(`InstancedMesh` 등의 도입)이 무조건 프레임 속도 상승으로 이어지지는 않습니다. 수만 개의 객체가 하나의 드로우 콜로 묶이게 되면 엔진의 시야 절두체 컬링(Frustum Culling) 정밀도가 떨어지거나 투명 객체의 정렬(Sorting) 부재로 인해 막대한 오버드로우(Overdraw)가 발생하여, 결과적으로 CPU 명령은 줄어도 GPU 연산량은 오히려 기하급수적으로 늘어나는 현상이 일어날 수 있습니다 [10, 20-22]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Draw Call.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Fill Rate.md b/10_Wiki/Topics/Graphics & Performance/Fill Rate.md
index 1dac5711..75bdaace 100644
--- a/10_Wiki/Topics/Graphics & Performance/Fill Rate.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Fill Rate.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-477640
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Fill Rate"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Overdraw]], [[Fragment Shaders]], [[GPU]]
-- **Projects/Contexts:** [[Image-To-3D Models in Three.js]]
+- **Related Topics:** [[Overdraw]], Fragment Shaders, [[GPU]]
+- **Projects/Contexts:** Image-To-3D Models in Three.js
 - **Contradictions/Notes:** 소스 내에서 Fill Rate와 관련된 상충되는 주장이나 모순은 발견되지 않았습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Fill Rate.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Fragment Shading.md b/10_Wiki/Topics/Graphics & Performance/Fragment Shading.md
index 61a98271..33a79ebb 100644
--- a/10_Wiki/Topics/Graphics & Performance/Fragment Shading.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Fragment Shading.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-809D81
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Fragment Shading"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Overdraw]], [[Vertex Shader]], [[Fill Rate]], [[PBR]]
-- **Projects/Contexts:** [[Three.js WebGL Rendering Optimization]], [[InstancedMesh Performance Bottlenecks]]
+- **Projects/Contexts:** Three.js WebGL Rendering Optimization, InstancedMesh Performance Bottlenecks
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Fragment Shading.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Fragment-bound.md b/10_Wiki/Topics/Graphics & Performance/Fragment-bound.md
index 3f2f612a..162aa2d2 100644
--- a/10_Wiki/Topics/Graphics & Performance/Fragment-bound.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Fragment-bound.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-589695
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Fragment-bound"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Overdraw]], [[InstancedMesh]], [[MeshStandardMaterial]], [[BatchedMesh]]
-- **Projects/Contexts:** [[Three.js 렌더링 성능 최적화]]
+- **Related Topics:** [[Overdraw]], [[InstancedMesh]], MeshStandardMaterial, BatchedMesh
+- **Projects/Contexts:** Three.js 렌더링 성능 최적화
 - **Contradictions/Notes:** 드로우 콜을 줄여 성능을 향상시키기 위해 고안된 `InstancedMesh`가, 정렬 기능의 부재로 인해 오히려 심각한 오버드로우와 프래그먼트 바운드를 유발하여 일반 `Mesh`를 여러 번 그릴 때보다 프레임 레이트(FPS)를 더 하락시킬 수 있다는 점이 주의사항으로 보고됩니다 [2, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Fragment-bound.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Frustum Culling.md b/10_Wiki/Topics/Graphics & Performance/Frustum Culling.md
index ed6bbc4d..42a2fba9 100644
--- a/10_Wiki/Topics/Graphics & Performance/Frustum Culling.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Frustum Culling.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7A315B
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Frustum Culling"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[Draw Call]], [[WebGPU]], [[Bounding Volume Hierarchy (BVH)]]
-- **Projects/Contexts:** [[Three.js]], [[InstancedMesh2]]
+- **Related Topics:** [[InstancedMesh]], [[Draw Call]], [[WebGPU]], Bounding Volume Hierarchy (BVH)
+- **Projects/Contexts:** Three.js, [[InstancedMesh2]]
 - **Contradictions/Notes:** InstancedMesh 기술은 드로우 콜 감소를 통해 CPU 병목을 획기적으로 해결할 수 있도록 설계되었으나, 동시에 개별 시야 절두체 컬링을 무력화시킴으로써 결과적으로 GPU 측면에 새로운 정점 연산 병목을 유발하는 모순적인 절충(Trade-off)을 요구한다 [5, 13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Frustum Culling.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/GPU Resources.md b/10_Wiki/Topics/Graphics & Performance/GPU Resources.md
index 9098529f..60bc692b 100644
--- a/10_Wiki/Topics/Graphics & Performance/GPU Resources.md	
+++ b/10_Wiki/Topics/Graphics & Performance/GPU Resources.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4AA291
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GPU Resources"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Memory Management]], [[Memory Leaks]], [[Textures]], [[VRAM]], [[Garbage Collection]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[WebGPU]]
+- **Related Topics:** [[Memory Management]], [[Memory Leaks]], Textures, VRAM, [[Garbage Collection]]
+- **Projects/Contexts:** Three.js, [[WebGL]], [[WebGPU]]
 - **Contradictions/Notes:** 소스에 관련 모순이나 충돌 정보는 없습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GPU Resources.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/GPU for the Web Community Group.md b/10_Wiki/Topics/Graphics & Performance/GPU for the Web Community Group.md
index 8bdc6bcc..aa532fbd 100644
--- a/10_Wiki/Topics/Graphics & Performance/GPU for the Web Community Group.md	
+++ b/10_Wiki/Topics/Graphics & Performance/GPU for the Web Community Group.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-518388
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,10 +26,10 @@ github_commit: "[P-Reinforce] Continuous Worker - GPU for the Web Community Grou
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGPU]], [[Timestamp Queries]]
-- **Projects/Contexts:** [[WebGPU API Standardization]], [[Chrome Intent to Ship]]
+- **Projects/Contexts:** WebGPU API Standardization, Chrome Intent to Ship
 - **Contradictions/Notes:** 그룹은 일반적으로 구현에 따라 달라지거나 결정론적이지 않은 기능을 표준에서 배제하려고 노력하지만, 타임스탬프 쿼리와 같은 기능의 경우 예외적으로 보안(타이밍 공격 방지)과 성능 측정의 필요성 사이에서 양자화라는 타협점을 찾아야만 했습니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GPU for the Web Community Group.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/GPU-driven Rendering.md b/10_Wiki/Topics/Graphics & Performance/GPU-driven Rendering.md
index ce1b38a1..5ea21a78 100644
--- a/10_Wiki/Topics/Graphics & Performance/GPU-driven Rendering.md	
+++ b/10_Wiki/Topics/Graphics & Performance/GPU-driven Rendering.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C35A51
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - GPU-driven Rendering"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Compute Shader]], [[Indirect Draw]], [[Frustum Culling]], [[WebGPU]]
-- **Projects/Contexts:** [[Three.js]], [[InstancedMesh]]
+- **Projects/Contexts:** Three.js, [[InstancedMesh]]
 - **Contradictions/Notes:** 대규모 객체를 렌더링할 때 'CPU 개별 컬링' 방식은 자바스크립트 연산 및 시스템 버스 전송에 막대한 병목을 유발하지만, 'GPU 주도 렌더링(GPU 컴퓨트 컬링)'은 구현 난이도가 매우 높은 대신 CPU 부하를 극도로 낮추고 전체적인 성능을 극대화한다는 뚜렷한 대비를 보입니다 [3, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GPU-driven Rendering.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/GPURenderBundles.md b/10_Wiki/Topics/Graphics & Performance/GPURenderBundles.md
index 8be47836..83bef09d 100644
--- a/10_Wiki/Topics/Graphics & Performance/GPURenderBundles.md	
+++ b/10_Wiki/Topics/Graphics & Performance/GPURenderBundles.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BC7FBB
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GPURenderBundles"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Native WebGPU]], [[Indirect Drawing]], [[Draw Call Efficiency]], [[Bind Groups]]
-- **Projects/Contexts:** [[대규모 건설 플랫폼 뷰어(Large-Scale Construction Viewers)]]
+- **Related Topics:** Native WebGPU, Indirect Drawing, Draw Call Efficiency, Bind Groups
+- **Projects/Contexts:** 대규모 건설 플랫폼 뷰어(Large-Scale Construction Viewers)
 - **Contradictions/Notes:** 고수준 프레임워크인 Three.js WebGPU는 개발이 쉽지만 고유 객체 처리 시 UBO(Uniform Buffer Objects) 바인딩 오버헤드로 인해 약 1만~2만 개의 비인스턴스 객체 렌더링 시 프레임이 떨어질 수 있습니다. 반면, Native WebGPU는 초기화 및 파이프라인 구성의 복잡성(개발 속도 저하)을 감수하는 대신 `GPURenderBundles`를 통해 10만 개 이상의 고유 객체를 병목 없이 원활하게 처리할 수 있습니다 [2-4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GPURenderBundles.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/GPU_WebGL 파이프라인의 미세 지연(Micro-latency) 측정 사례.md b/10_Wiki/Topics/Graphics & Performance/GPU_WebGL 파이프라인의 미세 지연(Micro-latency) 측정 사례.md
index 5216f924..739e0bd7 100644
--- a/10_Wiki/Topics/Graphics & Performance/GPU_WebGL 파이프라인의 미세 지연(Micro-latency) 측정 사례.md	
+++ b/10_Wiki/Topics/Graphics & Performance/GPU_WebGL 파이프라인의 미세 지연(Micro-latency) 측정 사례.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-035B08
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,11 +38,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GPU_WebGL 파이프라인의 
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre and Meltdown]], [[WebGPU Timestamp Queries]], [[EXT_disjoint_timer_query]]
-- **Projects/Contexts:** [[Chrome DevTools Performance Panel]], [[ANGLE (Almost Native Graphics Layer Engine)]]
+- **Related Topics:** [[Spectre and Meltdown]], WebGPU Timestamp Queries, EXT_disjoint_timer_query
+- **Projects/Contexts:** Chrome DevTools Performance Panel, [[ANGLE (Almost Native Graphics Layer Engine)]]
 - **Contradictions/Notes:** 소스에 따르면 WebGL의 `gl.finish()` 함수는 본래 GPU 파이프라인의 실행 완료를 기다리는 기능이나, Chrome에서는 `gl.flush()`로 별칭(alias) 지정되어 있어, 이를 사용해 실제 렌더링 지연 시간을 측정하려는 시도는 작동하지 않습니다 [11, 27]. 또한 `EXT_disjoint_timer_query` 확장이나 `performance.now()` 등의 도구 역시 각각 보안 문제(캐시 기반 정보 유출) 및 제한적인 렌더링 조건 탓에 순수하고 완벽한 미세 지연 측정 도구로 사용하기에는 한계가 존재합니다 [3, 11, 28].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GPU_WebGL 파이프라인의 미세 지연(Micro-latency) 측정 사례.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Garbage Collection.md b/10_Wiki/Topics/Graphics & Performance/Garbage Collection.md
index 0982250d..d53abc31 100644
--- a/10_Wiki/Topics/Graphics & Performance/Garbage Collection.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Garbage Collection.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F5453B
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Garbage Collection"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Memory Management]], [[Object Pooling]], [[GPU Resources]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]]
+- **Projects/Contexts:** Three.js, [[WebGL]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Garbage Collection.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Geometry Merging.md b/10_Wiki/Topics/Graphics & Performance/Geometry Merging.md
index 71cc14ac..42981487 100644
--- a/10_Wiki/Topics/Graphics & Performance/Geometry Merging.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Geometry Merging.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4349BD
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Geometry Merging"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[InstancedMesh]], [[BatchedMesh]], [[Frustum Culling]], [[BufferGeometry]]
-- **Projects/Contexts:** [[IFC.js Fragment]], [[CAD Rendering Optimization]]
+- **Related Topics:** [[Draw Call]], [[InstancedMesh]], BatchedMesh, [[Frustum Culling]], [[BufferGeometry]]
+- **Projects/Contexts:** IFC.js Fragment, CAD Rendering Optimization
 - **Contradictions/Notes:** 지오메트리 병합은 드로우 콜을 크게 줄여 렌더링 속도를 높이는 장점이 있지만, 단일 바운딩 박스로 묶이게 되어 시야 절두체 컬링 효율성이 떨어지고 메모리 사용량이 극도로 높아져 하드웨어 자원을 쉽게 고갈시킬 수 있다는 트레이드오프(Trade-off)가 존재합니다 [3, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Geometry Merging.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/HMD(Head-Mounted Display) 기반 엑서게임 환경.md b/10_Wiki/Topics/Graphics & Performance/HMD(Head-Mounted Display) 기반 엑서게임 환경.md
index ab2366a0..626c34bb 100644
--- a/10_Wiki/Topics/Graphics & Performance/HMD(Head-Mounted Display) 기반 엑서게임 환경.md	
+++ b/10_Wiki/Topics/Graphics & Performance/HMD(Head-Mounted Display) 기반 엑서게임 환경.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E05076
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - HMD(Head-Mounted Display) 기
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/HMD(Head-Mounted Display) 기반 엑서게임 환경.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/High Resolution Time.md b/10_Wiki/Topics/Graphics & Performance/High Resolution Time.md
index c39e24c6..b59d6485 100644
--- a/10_Wiki/Topics/Graphics & Performance/High Resolution Time.md	
+++ b/10_Wiki/Topics/Graphics & Performance/High Resolution Time.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-05BDE3
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - High Resolution Time"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre and Meltdown]], [[WebGPU Timestamp Queries]], [[performance.now()]]
-- **Projects/Contexts:** [[High Resolution Time spec (#4175)]]
+- **Related Topics:** [[Spectre and Meltdown]], WebGPU Timestamp Queries, performance.now()
+- **Projects/Contexts:** High Resolution Time spec (
 - **Contradictions/Notes:** 소스 내에 특별한 모순은 없으나, High Resolution Time의 정밀도는 적용되는 보안 격리 환경(Isolated vs Non-isolated) 및 브라우저 엔진의 방어 메커니즘에 따라 5µs, 100µs, 1ms 등 상이하게 적용된다는 점을 유의해야 한다 [1, 2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/High Resolution Time.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/IFCjs (Fragment).md b/10_Wiki/Topics/Graphics & Performance/IFCjs (Fragment).md
index 48fb7fc2..fb6a983e 100644
--- a/10_Wiki/Topics/Graphics & Performance/IFCjs (Fragment).md	
+++ b/10_Wiki/Topics/Graphics & Performance/IFCjs (Fragment).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8A58BF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,10 +33,10 @@ github_commit: "[P-Reinforce] Continuous Worker - IFCjs (Fragment)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[BufferGeometry]], [[InstancedMesh]], [[Draw Call]]
-- **Projects/Contexts:** [[IFC.js]], [[Three.js]]
+- **Projects/Contexts:** IFC.js, Three.js
 - **Contradictions/Notes:** 소스에 따르면, Fragment와 같은 자체적인 최적화 시스템 구축 외에도 대규모 환경 최적화를 위해 다중 그리기(Multidrawing), LOD(Level of Detail), 오클루전 컬링(Occlusion Culling) 등의 추가적인 방법론도 함께 검토되었다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/IFC.js (Fragment).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Indirect Draw.md b/10_Wiki/Topics/Graphics & Performance/Indirect Draw.md
index ea3b6438..4d1ebe15 100644
--- a/10_Wiki/Topics/Graphics & Performance/Indirect Draw.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Indirect Draw.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8EEC8D
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,10 +28,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Indirect Draw"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[GPU-Driven Rendering]], [[Compute Shader]], [[Frustum Culling]], [[WebGPU]]
-- **Projects/Contexts:** [[Three.js WebGPURenderer]], [[BatchedMesh]], [[Vulkan]]
+- **Projects/Contexts:** Three.js WebGPURenderer, BatchedMesh, [[Vulkan]]
 - **Contradictions/Notes:** 대규모 지오메트리를 처리할 때 BatchedMesh만으로는 CPU의 버퍼 업로드 병목이 발생할 수 있어 근본적인 성능 문제를 피하기 어려우며, 이를 해결하기 위해서는 WebGPU 환경의 Indirect Draw 지원이 필수적이라는 점이 소스에서 한계점(pushing the limits)으로 지적된다 [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Indirect Draw.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/InstancedMesh (드로우 콜 최적화).md b/10_Wiki/Topics/Graphics & Performance/InstancedMesh (드로우 콜 최적화).md
index 9e78853c..ed5d1bdb 100644
--- a/10_Wiki/Topics/Graphics & Performance/InstancedMesh (드로우 콜 최적화).md	
+++ b/10_Wiki/Topics/Graphics & Performance/InstancedMesh (드로우 콜 최적화).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-86F967
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,8 +26,8 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh (드로우 콜 
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call Optimization (드로우 콜 최적화)]], [[BatchedMesh]], [[Object Pooling (오브젝트 풀링)]], [[React Three Fiber 자산 최적화]]
-- **Projects/Contexts:** [[대규모 파티클 시스템 최적화]], [[수만 개의 데이터를 표현하는 3D 산점도(Scatter Plot) 시각화]], [[숲, 군중 등 반복 객체가 많은 3D 씬]]
+- **Related Topics:** Draw Call Optimization (드로우 콜 최적화), BatchedMesh, [[Object Pooling (오브젝트 풀링)]], React Three Fiber 자산 최적화
+- **Projects/Contexts:** [[대규모 파티클 시스템 최적화]], 수만 개의 데이터를 표현하는 3D 산점도(Scatter Plot) 시각화, 숲, 군중 등 반복 객체가 많은 3D 씬
 - **Contradictions/Notes:** `InstancedMesh`는 성능 개선에 탁월하지만, **모든 인스턴스가 반드시 동일한 기하구조(Geometry)와 재질(Material)을 공유해야 한다는 설계적 제약**이 따릅니다. 만약 재질은 같으나 형태(Geometry)가 서로 다른 여러 객체들을 묶어 드로우 콜을 1회로 줄이려면, R156 버전에 도입된 `BatchedMesh`를 사용하는 것이 더 적합합니다.
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh (드로우 콜 최적화).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/InstancedMesh2.md b/10_Wiki/Topics/Graphics & Performance/InstancedMesh2.md
index 32293ec3..5e00ad76 100644
--- a/10_Wiki/Topics/Graphics & Performance/InstancedMesh2.md	
+++ b/10_Wiki/Topics/Graphics & Performance/InstancedMesh2.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0E2591
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,7 +28,7 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh2"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[Frustum culling]], [[BVH]], [[LOD]], [[SkinnedMesh]], [[BatchedMesh]]
+- **Related Topics:** [[InstancedMesh]], [[Frustum culling]], [[BVH]], [[LOD]], [[SkinnedMesh]], BatchedMesh
 - **Projects/Contexts:** [[agargaro의 오픈 소스 라이브러리]], [[20k skinned instances demo]]
 - **Contradictions/Notes:** 
   - `SquareDataTexture`를 활용한 부분 업데이트 기능이 연속되지 않은 메모리 접근과 부가적인 함수 호출로 인해 CPU 오버헤드를 유발할 수 있다는 우려가 제기되었으나, 소수의 인스턴스만 변하는 상황에서는 상당한 대역폭 절약 효과가 있다고 라이브러리 개발자(@agargaro)가 반론했습니다 [8, 13, 14].
@@ -36,5 +36,5 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh2"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh2.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Instancing.md b/10_Wiki/Topics/Graphics & Performance/Instancing.md
index bac9d6dc..9926eb07 100644
--- a/10_Wiki/Topics/Graphics & Performance/Instancing.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Instancing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2752BF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Instancing"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Calls]], [[WebGL]], [[WebGPU]], [[Gaussian Splatting]]
-- **Projects/Contexts:** [[Wonderland Engine]], [[WebSplatter]], [[Figma]]
+- **Related Topics:** Draw Calls, [[WebGL]], [[WebGPU]], Gaussian Splatting
+- **Projects/Contexts:** [[Wonderland Engine]], WebSplatter, [[Figma]]
 - **Contradictions/Notes:** 주어진 소스 데이터 내에서 '인스턴스(Instancing)'라는 용어는 3D 그래픽스 하드웨어 가속을 위한 렌더링 효율화 기법(WebGL/WebGPU)과, 디자인 도구 내에서 원본 객체를 복제해 사용하는 개체 단위(Figma)라는 두 가지 상이한 맥락에서 설명되고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Instancing.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/JavaScript.md b/10_Wiki/Topics/Graphics & Performance/JavaScript.md
index 1bf25931..1e298cdc 100644
--- a/10_Wiki/Topics/Graphics & Performance/JavaScript.md	
+++ b/10_Wiki/Topics/Graphics & Performance/JavaScript.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4A99EB
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - JavaScript"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** `[[WebGL]]`, `[[WebGPU]]`, `[[Interaction to Next Paint (INP)]]`, `[[Garbage Collection]]`, `[[Chrome DevTools]]`
-- **Projects/Contexts:** `[[Three.js]]`, `[[웹 그래픽 성능 최적화(Web Graphics Performance Optimization)]]`
+- **Projects/Contexts:** `Three.js`, `웹 그래픽 성능 최적화(Web Graphics Performance Optimization)`
 - **Contradictions/Notes:** WebGL을 구동하기 위해 JavaScript는 필수적이지만, CPU 측의 JavaScript 실행 및 상태 유효성 검사 오버헤드가 오히려 렌더링 성능을 제한하는 가장 큰 병목으로 작용합니다. 이로 인해 3D 렌더링 산업은 JavaScript의 개입을 줄이고 GPU의 병렬 연산을 극대화할 수 있는 WebGPU로 빠르게 전환하는 추세입니다 [5, 6, 13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/JavaScript.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Memory Leak Prevention 메모리 누수 방지.md b/10_Wiki/Topics/Graphics & Performance/Memory Leak Prevention 메모리 누수 방지.md
index e114c95f..97e5b5ff 100644
--- a/10_Wiki/Topics/Graphics & Performance/Memory Leak Prevention 메모리 누수 방지.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Memory Leak Prevention 메모리 누수 방지.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-21F91F
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,12 +38,12 @@ github_commit: "[P-Reinforce] Continuous Worker - Memory Leak Prevention 메모
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[useEffect 클린업(Cleanup)]], [[Garbage Collection (GC) 최적화]], [[Three.js 자원 해제 (Dispose)]], [[Chrome DevTools Memory Profiler]]
-- **Projects/Contexts:** [[장기 실행되는 실시간 대시보드 최적화]], [[대규모 WebGL/R3F 3D 게임 환경의 메모리 관리]]
+- **Related Topics:** [[useEffect 클린업(Cleanup)]], Garbage Collection (GC) 최적화, Three.js 자원 해제 (Dispose), Chrome DevTools Memory Profiler
+- **Projects/Contexts:** 장기 실행되는 실시간 대시보드 최적화, 대규모 WebGL/R3F 3D 게임 환경의 메모리 관리
 - **Contradictions/Notes:** 최신 자바스크립트 엔진은 매우 훌륭한 가비지 컬렉터(GC)를 갖추고 있으나, DOM 이벤트, 브라우저 API(타이머, 소켓), WebGL GPU 메모리 등 '자바스크립트 엔진 외부의 자원'과 연결된 참조는 GC가 임의로 판단해 지울 수 없습니다. 따라서 외부 자원과의 연결 고리는 개발자가 직접 끊어주어야만 완벽한 메모리 관리가 가능합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/Memory Leak Prevention 메모리 누수 방지.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Memory Leaks.md b/10_Wiki/Topics/Graphics & Performance/Memory Leaks.md
index f539f638..ecc38e34 100644
--- a/10_Wiki/Topics/Graphics & Performance/Memory Leaks.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Memory Leaks.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5A05AF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Memory Leaks"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Object Pooling]], [[Dispose()]], [[ImageBitmap]]
-- **Projects/Contexts:** [[Three.js Memory Management]], [[Asset Streaming in WebGL]]
+- **Related Topics:** [[Garbage Collection]], [[Object Pooling]], Dispose(), ImageBitmap
+- **Projects/Contexts:** Three.js Memory Management, Asset Streaming in WebGL
 - **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았으며, 제공된 소스들은 모두 공통적으로 Three.js 엔진 환경에서 메모리 누수를 방지하기 위해 '사용이 끝난 자원의 명시적 해제(dispose)'가 절대적으로 필요함을 강조하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Memory Leaks.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Memory Management.md b/10_Wiki/Topics/Graphics & Performance/Memory Management.md
index 7a5da45d..a2dc0708 100644
--- a/10_Wiki/Topics/Graphics & Performance/Memory Management.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Memory Management.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F27A16
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Memory Management"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Garbage Collection]], [[Object Pooling]], [[Texture Compression]], [[GPU Resources]], [[Buffer Allocation]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[Electron]], [[Needle Engine]]
+- **Projects/Contexts:** Three.js, [[WebGL]], [[Electron]], [[Needle Engine]]
 - **Contradictions/Notes:** 웹 기반 프론트엔드 개발에서는 자바스크립트의 자동 메모리 관리에 의존하기 쉬우나, 소스에 따르면 WebGL과 같은 GPU 자원은 가비지 컬렉터의 대상이 아니므로 개발자가 수동으로 자원 해제를 관리해야만 크래시와 누수를 막을 수 있다고 강력히 지적합니다 [3, 7, 17]. 또한, 드로우 콜을 줄이는 인스턴싱 기법이 성능에 유리해 보이지만, 동적으로 크기가 늘어나는 버퍼를 방치할 경우 오히려 심각한 가비지 컬렉션 병목을 초래해 전체 성능을 깎아먹을 수 있음을 경고합니다 [2, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Memory Management.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/MeshStandardMaterial 조명 연산.md b/10_Wiki/Topics/Graphics & Performance/MeshStandardMaterial 조명 연산.md
index 2b6f7c2f..8bd08628 100644
--- a/10_Wiki/Topics/Graphics & Performance/MeshStandardMaterial 조명 연산.md	
+++ b/10_Wiki/Topics/Graphics & Performance/MeshStandardMaterial 조명 연산.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-56F596
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - MeshStandardMaterial 조명 
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Physically Based Rendering (PBR)]], [[오버드로우 (Overdraw)]], [[프래그먼트 바운드 (Fragment-bound)]]
-- **Projects/Contexts:** [[Three.js 대규모 씬 최적화]]
+- **Related Topics:** Physically Based Rendering (PBR), 오버드로우 (Overdraw), 프래그먼트 바운드 (Fragment-bound)
+- **Projects/Contexts:** Three.js 대규모 씬 최적화
 - **Contradictions/Notes:** 극도의 사실성을 제공하는 현대적인 표준 재질이지만, 연산량이 많아 저사양 하드웨어에서는 비물리 기반의 MeshPhongMaterial 등 보다 가벼운 조명 모델을 사용하는 것이 추천될 만큼 렌더링 비용 면에서 뚜렷한 트레이드오프가 존재합니다 [1, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/MeshStandardMaterial 조명 연산.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Metal.md b/10_Wiki/Topics/Graphics & Performance/Metal.md
index 119efe29..2b63b42e 100644
--- a/10_Wiki/Topics/Graphics & Performance/Metal.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Metal.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-939802
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Metal"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Vulkan]], [[Direct3D 12 (DX12)]], [[OpenGL]]
-- **Projects/Contexts:** [[WebGPU Backend]]
+- **Related Topics:** [[WebGPU]], [[Vulkan]], Direct3D 12 (DX12), OpenGL
+- **Projects/Contexts:** WebGPU Backend
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Metal.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Multi-threaded Architecture.md b/10_Wiki/Topics/Graphics & Performance/Multi-threaded Architecture.md
index 4c927d37..0a61d12d 100644
--- a/10_Wiki/Topics/Graphics & Performance/Multi-threaded Architecture.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Multi-threaded Architecture.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4271F6
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,12 +29,12 @@ github_commit: "[P-Reinforce] Continuous Worker - Multi-threaded Architecture"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Web Worker (웹 워커)]], [[OffscreenCanvas]], [[SharedArrayBuffer]], [[상태 관리 최적화 (Zustand, Jotai, Valtio)]]
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]], [[대규모 데이터 분석 및 시각화 대시보드]]
+- **Related Topics:** [[Web Worker (웹 워커)]], [[OffscreenCanvas]], SharedArrayBuffer, 상태 관리 최적화 (Zustand, Jotai, Valtio)
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처, 대규모 데이터 분석 및 시각화 대시보드
 - **Contradictions/Notes:** 멀티스레딩이 무조건적인 성능 향상을 가져오지는 않습니다. 메인 스레드와 워커 스레드 간에 데이터를 주고받는 과정(`postMessage`)에는 직렬화로 인한 오버헤드(약 5~10ms)가 수반됩니다. 따라서 연산 시간이 50ms 미만인 비교적 가벼운 작업을 워커로 분리하면, 통신 비용이 연산 시간보다 커져 오히려 전체 성능이 하락할 수 있으므로 철저한 프로파일링을 기반으로 병목 구간에만 도입해야 합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/Multi-threaded Architecture.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Needle Engine.md b/10_Wiki/Topics/Graphics & Performance/Needle Engine.md
index 48241f79..065e6a22 100644
--- a/10_Wiki/Topics/Graphics & Performance/Needle Engine.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Needle Engine.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8D909B
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Needle Engine"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[GPU Instancing]], [[InstancedMesh]], [[Draw Call]], [[Overdraw]]
-- **Projects/Contexts:** [[Needle Engine 다중 인스턴스(Multiple Instance) 렌더링 최적화 논의]]
+- **Related Topics:** GPU Instancing, [[InstancedMesh]], [[Draw Call]], [[Overdraw]]
+- **Projects/Contexts:** Needle Engine 다중 인스턴스(Multiple Instance) 렌더링 최적화 논의
 - **Contradictions/Notes:** Needle Engine 어시스턴트는 성능 지연 방지를 위해 `InstancingHandler.getStartInstanceCount`를 사용해 버퍼를 사전 할당할 것을 제안했지만, 실제 사용자는 이 방식이 매칭되는 모든 렌더러마다 해당 크기의 배열을 반복해서 할당하기 때문에 의도한 최적화 효과를 완전히 얻기 어렵다고 보고했다 [3, 8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Needle Engine.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Object Pooling.md b/10_Wiki/Topics/Graphics & Performance/Object Pooling.md
index 8a8a1653..77462a68 100644
--- a/10_Wiki/Topics/Graphics & Performance/Object Pooling.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Object Pooling.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-18523F
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Object Pooling"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Memory Management]], [[Garbage Collection]], [[Memory Leaks]]
-- **Projects/Contexts:** [[Three.js]], [[Babylon.js]]
+- **Projects/Contexts:** Three.js, Babylon.js
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (주어진 소스 내에서 오브젝트 풀링의 효과나 방식에 대해 상충하는 의견은 존재하지 않으며, 모두 성능 최적화를 위해 적극적으로 권장하고 있습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Object Pooling.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas Safari 제약 사항.md b/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas Safari 제약 사항.md
index 706d9a9c..f5ecba1d 100644
--- a/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas Safari 제약 사항.md	
+++ b/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas Safari 제약 사항.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-600505
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,12 +24,12 @@ github_commit: "[P-Reinforce] Continuous Worker - OffscreenCanvas Safari 제약
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[OffscreenCanvas]], [[Web Worker (웹 워커)]], [[React Three Fiber (R3F)]], [[Cross-browser Compatibility (크로스 브라우저 호환성)]]
-- **Projects/Contexts:** [[고성능 멀티스레드 React 앱 아키텍처]], [[실시간 3D 웹 게임 렌더링 환경]]
+- **Related Topics:** [[OffscreenCanvas]], [[Web Worker (웹 워커)]], [[React Three Fiber (R3F)]], Cross-browser Compatibility (크로스 브라우저 호환성)
+- **Projects/Contexts:** [[고성능 멀티스레드 React 앱 아키텍처]], 실시간 3D 웹 게임 렌더링 환경
 - **Contradictions/Notes:** Safari 브라우저가 2025년 9월(v26)부터 WebGPU 지원을 시작하는 등 그래픽 지원 범위를 넓혀가고 있으나, `OffscreenCanvas`를 활용한 WebGL 멀티스레드 렌더링에 대해서는 여전히 제약이 보고되고 있으므로 프로덕션 환경에서는 반드시 메인 스레드용 `fallback` 컴포넌트를 제공해야 안정성을 보장할 수 있습니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/OffscreenCanvas Safari 제약 사항.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas.md b/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas.md
index e0247c6e..f1532ea5 100644
--- a/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas.md	
+++ b/10_Wiki/Topics/Graphics & Performance/OffscreenCanvas.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-715F80
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,12 +28,12 @@ github_commit: "[P-Reinforce] Continuous Worker - OffscreenCanvas"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Web Worker (웹 워커)]], [[Multi-threaded Architecture (멀티스레드 아키텍처)]], [[React Three Fiber (R3F)]], [[Valtio (Proxy State 관리)]], [[SharedArrayBuffer]]
-- **Projects/Contexts:** [[고성능 멀티스레드 React 앱 아키텍처]], [[무거운 렌더링 연산을 동반하는 WebGL 데이터 시각화]]
+- **Related Topics:** [[Web Worker (웹 워커)]], Multi-threaded Architecture (멀티스레드 아키텍처), [[React Three Fiber (R3F)]], Valtio (Proxy State 관리), SharedArrayBuffer
+- **Projects/Contexts:** [[고성능 멀티스레드 React 앱 아키텍처]], 무거운 렌더링 연산을 동반하는 WebGL 데이터 시각화
 - **Contradictions/Notes:** OffscreenCanvas 기능은 과거 Safari 브라우저에서 오랫동안 완벽히 지원되지 않아 프로젝트를 메인 스레드용과 워커용 두 갈래(Fork)로 유지보수해야 하는 치명적인 단점이 있었습니다. 2025년 9월(Safari v26)부터 지원이 확대되었으나, 완벽한 크로스 브라우저 호환성을 위해서는 API 지원 여부를 감지하여 워커를 지원하지 않는 환경에서는 메인 스레드에서 렌더링이 이루어지도록 `fallback` 컴포넌트를 반드시 제공해야 합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/OffscreenCanvas.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/OpenGL ES 20.md b/10_Wiki/Topics/Graphics & Performance/OpenGL ES 20.md
index b152d200..6b8cfc0e 100644
--- a/10_Wiki/Topics/Graphics & Performance/OpenGL ES 20.md	
+++ b/10_Wiki/Topics/Graphics & Performance/OpenGL ES 20.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8560F5
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - OpenGL ES 20"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[WebGPU]], [[State-machine design]]
-- **Projects/Contexts:** [[Web Graphics Rendering API]], [[3D Web-based HMI]]
+- **Related Topics:** [[WebGL]], [[WebGPU]], State-machine design
+- **Projects/Contexts:** Web Graphics Rendering API, 3D Web-based HMI
 - **Contradictions/Notes:** 소스 내에 직접적인 모순은 없으나, OpenGL ES 2.0 기반의 상태 머신 모델이 개발 초기(2011년)에는 타당한 설계였음에도 불구하고 오늘날의 대규모 그래픽 처리에서는 심각한 버그와 병목 현상의 원인이 되고 있음이 지적됩니다 [3, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/OpenGL ES 2.0.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/OpenGL ES.md b/10_Wiki/Topics/Graphics & Performance/OpenGL ES.md
index bb562acf..2a2f12a7 100644
--- a/10_Wiki/Topics/Graphics & Performance/OpenGL ES.md	
+++ b/10_Wiki/Topics/Graphics & Performance/OpenGL ES.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D76AA6
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - OpenGL ES"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGL]], [[WebGPU]], [[ANGLE]]
-- **Projects/Contexts:** [[3D Web-based HMI]]
+- **Projects/Contexts:** 3D Web-based HMI
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/OpenGL ES.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Opera.md b/10_Wiki/Topics/Graphics & Performance/Opera.md
index d297a163..cc3357a4 100644
--- a/10_Wiki/Topics/Graphics & Performance/Opera.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Opera.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-71E521
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Opera"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Opera.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/PBR.md b/10_Wiki/Topics/Graphics & Performance/PBR.md
index 7ced945b..fba15a26 100644
--- a/10_Wiki/Topics/Graphics & Performance/PBR.md	
+++ b/10_Wiki/Topics/Graphics & Performance/PBR.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-773FEF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - PBR"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[MeshStandardMaterial]], [[Texture Channel Packing]], [[Metallic Maps]], [[Roughness Maps]]
-- **Projects/Contexts:** [[Three.js 웹 렌더링 최적화]], [[Image-To-3D 모델 브라우저 배포]]
+- **Related Topics:** MeshStandardMaterial, Texture Channel Packing, Metallic Maps, Roughness Maps
+- **Projects/Contexts:** Three.js 웹 렌더링 최적화, Image-To-3D 모델 브라우저 배포
 - **Contradictions/Notes:** PBR 방식(예: MeshStandardMaterial)은 궁극적인 사실주의를 제공하지만 연산 비용이 높아 고사양 워크스테이션에 적합합니다. 저사양이나 내장 그래픽(iGPU) 환경에서 성능을 우선시해야 할 경우에는 상대적으로 연산량이 적은 비물리 기반의 Blinn-Phong 모델(예: MeshPhongMaterial)을 사용하는 것이 더 나을 수 있습니다 [3, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/PBR.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Radix Sort.md b/10_Wiki/Topics/Graphics & Performance/Radix Sort.md
index 65f96bde..7b624206 100644
--- a/10_Wiki/Topics/Graphics & Performance/Radix Sort.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Radix Sort.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-846BA8
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Radix Sort"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BatchedMesh]], [[InstancedMesh2]]
-- **Projects/Contexts:** [[Three.js]], [[Depth Sorting]]
+- **Related Topics:** BatchedMesh, [[InstancedMesh2]]
+- **Projects/Contexts:** Three.js, Depth Sorting
 - **Contradictions/Notes:** Radix Sort는 대규모 데이터에서 7배 빠른 성능을 제공하는 훌륭한 장점이 있음에도 불구하고, 공식 `BatchedMesh`에서는 라이브러리 내부 구조의 단순성(simplicity)을 유지하기 위해 제거되었다는 특징이 있습니다 [1]. 그 외 알고리즘 작동 원리에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Radix Sort.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Raycaster.md b/10_Wiki/Topics/Graphics & Performance/Raycaster.md
index d6b0ddd9..d071c305 100644
--- a/10_Wiki/Topics/Graphics & Performance/Raycaster.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Raycaster.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D7A57A
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Raycaster"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Three.js]], [[InstancedMesh]], [[three-mesh-bvh]], [[Bounding Volume]]
-- **Projects/Contexts:** [[3D Object Picking]], [[Interaction in WebGL]]
+- **Related Topics:** Three.js, [[InstancedMesh]], [[three-mesh-bvh]], Bounding Volume
+- **Projects/Contexts:** 3D Object Picking, Interaction in WebGL
 - **Contradictions/Notes:** 소스에 따르면 레이캐스팅은 CPU 기반 연산이므로, GPU 셰이더(Compute Shader 등)를 통해 동적으로 애니메이션 처리된 기하학적 구조에 대해서는 CPU가 변환을 알지 못해 기본 레이캐스터로 올바른 피킹을 수행할 수 없습니다 [8, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Raycaster.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Raycasting.md b/10_Wiki/Topics/Graphics & Performance/Raycasting.md
index e37cff15..c0513df0 100644
--- a/10_Wiki/Topics/Graphics & Performance/Raycasting.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Raycasting.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BD8B44
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Raycasting"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[THREE.Raycaster]], [[Bounding Volume Hierarchy (BVH)]], [[InstancedMesh]], [[GPU Picking]]
-- **Projects/Contexts:** [[3D 사용자 상호작용 및 마우스 피킹 (Picking)]] 구현, [[three-mesh-bvh]] 라이브러리 연동
+- **Related Topics:** THREE.Raycaster, Bounding Volume Hierarchy (BVH), [[InstancedMesh]], GPU Picking
+- **Projects/Contexts:** 3D 사용자 상호작용 및 마우스 피킹 (Picking) 구현, [[three-mesh-bvh]] 라이브러리 연동
 - **Contradictions/Notes:** `InstancedMesh`를 사용할 때 GPU 성능 이점은 크지만, 각 인스턴스마다 CPU 기반 레이캐스팅을 처리하거나 개별 정밀도를 조작하는 데는 유연성이 떨어집니다 [15]. 또한 셰이더로 지오메트리를 변경하면 CPU 레이캐스팅과 데이터 불일치가 발생하므로 설계 시 주의가 필요합니다 [21].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Raycasting.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/React 19 Compiler의 Threejs 런타임 성능 개선 원리.md b/10_Wiki/Topics/Graphics & Performance/React 19 Compiler의 Threejs 런타임 성능 개선 원리.md
index 63b9f7a5..21736ce5 100644
--- a/10_Wiki/Topics/Graphics & Performance/React 19 Compiler의 Threejs 런타임 성능 개선 원리.md	
+++ b/10_Wiki/Topics/Graphics & Performance/React 19 Compiler의 Threejs 런타임 성능 개선 원리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-777FEC
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,12 +26,12 @@ github_commit: "[P-Reinforce] Continuous Worker - React 19 Compiler의 Threejs 
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React 19 Compiler]], [[React Three Fiber (R3F)]], [[가비지 컬렉션(GC) 최적화]], [[불필요한 리렌더링 방지]]
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]]
+- **Related Topics:** [[React 19 Compiler]], [[React Three Fiber (R3F)]], 가비지 컬렉션(GC) 최적화, [[불필요한 리렌더링 방지]]
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처
 - **Contradictions/Notes:** React 19 컴파일러가 선언적 UI의 리렌더링 성능을 비약적으로 높여주지만, 게임의 근본적인 안티 패턴까지 해결해 주지는 않습니다. 예를 들어, 매 프레임 실행되는 `useFrame` 루프 내부에서 React 상태(`setState`)를 업데이트하거나 객체를 새로 생성(`new Vector3()`)하는 것은 여전히 치명적입니다. 빈번하게 변하는 3D 객체의 위치나 회전값 등은 컴파일러에 의존할 것이 아니라, 반드시 참조(Ref)를 사용하여 직접 변형(Direct Mutation)해야 합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/React 19 Compiler의 Three.js 런타임 성능 개선 원리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/React Three Fiber (R3F).md b/10_Wiki/Topics/Graphics & Performance/React Three Fiber (R3F).md
index bad68b0c..f965541a 100644
--- a/10_Wiki/Topics/Graphics & Performance/React Three Fiber (R3F).md	
+++ b/10_Wiki/Topics/Graphics & Performance/React Three Fiber (R3F).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-979529
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - React Three Fiber (R3F)"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Three.js]], [[WebGPU]], [[Drei]]
-- **Projects/Contexts:** [[React-based construction dashboards]]
+- **Related Topics:** Three.js, [[WebGPU]], Drei
+- **Projects/Contexts:** React-based construction dashboards
 - **Contradictions/Notes:** 소스 내에서 상충되는 주장은 없으나, R3F가 React 기반임에도 불구하고 렌더링 루프 최적화를 위해 React의 핵심 패턴 중 하나인 상태 변경(`setState`)을 `useFrame` 안에서 피하라고 경고하는 등 [1] 패러다임 간의 조율이 필요하다는 점을 강조합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/React Three Fiber (R3F).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/React Three Fiber 자산 최적화 (Asset Optimization).md b/10_Wiki/Topics/Graphics & Performance/React Three Fiber 자산 최적화 (Asset Optimization).md
index f4748777..2224eadc 100644
--- a/10_Wiki/Topics/Graphics & Performance/React Three Fiber 자산 최적화 (Asset Optimization).md	
+++ b/10_Wiki/Topics/Graphics & Performance/React Three Fiber 자산 최적화 (Asset Optimization).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C16818
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,12 +39,12 @@ github_commit: "[P-Reinforce] Continuous Worker - React Three Fiber 자산 최
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Splitting & Lazy Loading]], [[Draw Call Optimization (드로우 콜 최적화)]], [[Memory Leak Prevention (메모리 누수 방지)]], [[웹 워커(Web Worker)]]
-- **Projects/Contexts:** [[대규모 WebGL/R3F 3D 쇼핑몰 제품 컨피규레이터]], [[모바일 환경을 타겟으로 하는 웹 기반 3D 게임]]
+- **Related Topics:** Code Splitting & Lazy Loading, Draw Call Optimization (드로우 콜 최적화), Memory Leak Prevention (메모리 누수 방지), 웹 워커(Web Worker)
+- **Projects/Contexts:** 대규모 WebGL/R3F 3D 쇼핑몰 제품 컨피규레이터, 모바일 환경을 타겟으로 하는 웹 기반 3D 게임
 - **Contradictions/Notes:** 지오메트리나 텍스처를 과도하게 압축(Draco, KTX2)하면 다운로드되는 파일 크기와 GPU 메모리는 대폭 줄어들지만, 클라이언트의 웹 워커에서 이를 압축 해제(Decompression)하는 과정에서 CPU 연산 비용과 디코더 로딩 지연이 발생합니다. 따라서, 복잡도가 낮고 빠른 즉각적 렌더링이 필요한 에셋의 경우 오히려 압축 없이 원본을 사용하는 것이 TTI(Time to Interactive) 면에서 더 유리할 수도 있으므로 Trade-off를 고려해야 합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/React Three Fiber 자산 최적화 (Asset Optimization).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/React Three Fiber에서 Rapier 물리 엔진 최적화하기.md b/10_Wiki/Topics/Graphics & Performance/React Three Fiber에서 Rapier 물리 엔진 최적화하기.md
index 029580c6..7b0d73f7 100644
--- a/10_Wiki/Topics/Graphics & Performance/React Three Fiber에서 Rapier 물리 엔진 최적화하기.md	
+++ b/10_Wiki/Topics/Graphics & Performance/React Three Fiber에서 Rapier 물리 엔진 최적화하기.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-95FEB9
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,12 +28,12 @@ github_commit: "[P-Reinforce] Continuous Worker - React Three Fiber에서 Rapier
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh (드로우 콜 최적화)]], [[Web Worker (웹 워커)]], [[Garbage Collection (GC) 최적화]], [[Object Pooling (오브젝트 풀링)]]
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]]
+- **Related Topics:** [[InstancedMesh (드로우 콜 최적화)]], [[Web Worker (웹 워커)]], Garbage Collection (GC) 최적화, [[Object Pooling (오브젝트 풀링)]]
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처
 - **Contradictions/Notes:** Rapier의 스냅샷(Snapshot) 기능(`world.takeSnapshot()`)을 이용해 물리 세계의 상태를 저장하고 복원할 수 있지만, 복원 시점의 객체 생성 순서나 식별자가 스냅샷 캡처 시점과 정확히 일치하지 않으면 RigidBody들이 엉키는(Scramble) 버그가 발생하므로 상태 직렬화에 각별한 주의가 필요합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/React Three Fiber에서 Rapier 물리 엔진 최적화하기.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Revit glTF Export.md b/10_Wiki/Topics/Graphics & Performance/Revit glTF Export.md
index 5f21a562..665a0533 100644
--- a/10_Wiki/Topics/Graphics & Performance/Revit glTF Export.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Revit glTF Export.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E2D208
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Revit glTF Export"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BatchedMesh]], [[glTF Extensions]], [[Three.js]]
-- **Projects/Contexts:** [[건축 및 BIM(Building Information Modeling) 3D 뷰어 구현]]
+- **Related Topics:** BatchedMesh, glTF Extensions, Three.js
+- **Projects/Contexts:** 건축 및 BIM(Building Information Modeling) 3D 뷰어 구현
 - **Contradictions/Notes:** Revit에서 내보낸 1,200만 개 이상의 삼각형과 1,600만 개 이상의 정점을 포함하는 거대한 glTF 모델을 다룰 때, 개별 객체 제어를 위해 `BatchedMesh`를 사용하면 단순히 병합된 일반 `Mesh`로 렌더링할 때보다 오히려 CPU 사용량이 40~60%까지 급증하고 프레임 속도(FPS)가 급격히 떨어지는 성능 저하 현상이 보고되고 있습니다 [1, 2, 6, 7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Revit glTF Export.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Revit 모델 렌더링.md b/10_Wiki/Topics/Graphics & Performance/Revit 모델 렌더링.md
index 12857f90..544bc82e 100644
--- a/10_Wiki/Topics/Graphics & Performance/Revit 모델 렌더링.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Revit 모델 렌더링.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EC4298
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Revit 모델 렌더링"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BatchedMesh]], [[glTF]], [[Three.js]]
-- **Projects/Contexts:** [[대규모 건축 모델의 웹 기반 시각화 및 최적화 테스트]]
+- **Related Topics:** BatchedMesh, glTF, Three.js
+- **Projects/Contexts:** 대규모 건축 모델의 웹 기반 시각화 및 최적화 테스트
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 한편 사례를 통해, 일반적인 렌더링 횟수를 줄이기 위해 도입하는 `BatchedMesh` 최적화 기법이 거대한 규모의 Revit 파생 모델(수천만 정점 및 수십만 지오메트리)에서는 막대한 CPU 오버헤드를 유발하여 오히려 렌더링 성능을 저하시키는 모순적인 결과를 낳는다는 것을 확인할 수 있습니다 [1, 8, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Revit 모델 렌더링.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Rowhammer attack.md b/10_Wiki/Topics/Graphics & Performance/Rowhammer attack.md
index 9f413063..673b0267 100644
--- a/10_Wiki/Topics/Graphics & Performance/Rowhammer attack.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Rowhammer attack.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-80DA6E
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Rowhammer attack"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGL]], [[GPU]], [[Timestamp queries]], [[TLB design]], [[Cache miss rates]]
-- **Projects/Contexts:** WebGPU의 [[High Resolution Time spec]] 이슈 논의 과정 중, 고해상도 타임스탬프가 야기할 수 있는 심각한 보안 위협(타이밍 공격)의 과거 사례로 언급되었습니다 [1].
+- **Projects/Contexts:** WebGPU의 High Resolution Time spec 이슈 논의 과정 중, 고해상도 타임스탬프가 야기할 수 있는 심각한 보안 위협(타이밍 공격)의 과거 사례로 언급되었습니다 [1].
 - **Contradictions/Notes:** 소스에 따르면 보고된 당시에는 막을 수 없는(couldn't plug) 공격이었으나, 현재는 하드웨어(최신 RAM)의 개선으로 인해 더 이상 유효하지 않은 것으로 보입니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Rowhammer attack.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Rowhammer.md b/10_Wiki/Topics/Graphics & Performance/Rowhammer.md
index 8b8427f5..d6e79b90 100644
--- a/10_Wiki/Topics/Graphics & Performance/Rowhammer.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Rowhammer.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-13F9F1
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Rowhammer"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[Timestamp Queries]], [[TLB (Translation Lookaside Buffer)]]
-- **Projects/Contexts:** [[High Resolution Time spec 논의]] (GPU 타임스탬프 해상도를 제한(coarsen)하여 보안 취약점을 방지해야 한다는 논의 중, 고정밀 타임스탬프를 악용한 실제 공격 사례로 언급됨 [1])
+- **Related Topics:** [[WebGL]], [[Timestamp Queries]], TLB (Translation Lookaside Buffer)
+- **Projects/Contexts:** High Resolution Time spec 논의 (GPU 타임스탬프 해상도를 제한(coarsen)하여 보안 취약점을 방지해야 한다는 논의 중, 고정밀 타임스탬프를 악용한 실제 공격 사례로 언급됨 [1])
 - **Contradictions/Notes:** 소스에 따르면 Rowhammer는 초기에 "막을 수 없었던 최초의 실질적이고 심각한 공격(the first real, serious attack we couldn't plug)"으로 평가되었으나, 현재는 최신 RAM 하드웨어의 발전으로 회피가 가능해졌습니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Rowhammer.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/SkinnedMesh.md b/10_Wiki/Topics/Graphics & Performance/SkinnedMesh.md
index 6f412f89..b89870b7 100644
--- a/10_Wiki/Topics/Graphics & Performance/SkinnedMesh.md	
+++ b/10_Wiki/Topics/Graphics & Performance/SkinnedMesh.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1189F7
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - SkinnedMesh"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[InstancedMesh2]], [[AnimationMixer]], [[Bone Texture]], [[Level of Detail (LOD)]]
-- **Projects/Contexts:** [[Three.js 엔진의 대규모 군중 렌더링 및 애니메이션 처리]]
+- **Related Topics:** [[InstancedMesh]], [[InstancedMesh2]], AnimationMixer, Bone Texture, [[Level of Detail (LOD)]]
+- **Projects/Contexts:** Three.js 엔진의 대규모 군중 렌더링 및 애니메이션 처리
 - **Contradictions/Notes:** 엔진의 공식 기능 상으로는 데이터 전송량의 기하급수적 증가 및 `AnimationMixer`와의 아키텍처 충돌 문제로 스킨드 메쉬의 대규모 인스턴싱이 불가능하다고 지적되지만 [3], 개발자들은 본 텍스처를 활용한 셰이더 커스터마이징이나 `InstancedMesh2` 라이브러리를 적용하여 각기 다른 애니메이션을 가진 수만 개의 SkinnedMesh를 단일 혹은 최소한의 드로우 콜로 최적화하여 렌더링하는 데 성공하고 있습니다 [3, 6, 12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/SkinnedMesh.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Sorting.md b/10_Wiki/Topics/Graphics & Performance/Sorting.md
index beef0248..1bc262ee 100644
--- a/10_Wiki/Topics/Graphics & Performance/Sorting.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Sorting.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9C6ABB
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Sorting"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[Overdraw]], [[Alpha Blending]], [[Frustum Culling]], [[Radix Sort]]
-- **Projects/Contexts:** [[Three.js]], [[InstancedMesh2]]
+- **Related Topics:** [[InstancedMesh]], BatchedMesh, [[Overdraw]], [[Alpha Blending]], [[Frustum Culling]], [[Radix Sort]]
+- **Projects/Contexts:** Three.js, [[InstancedMesh2]]
 - **Contradictions/Notes:** 투명도 및 오버드로우 해결을 위해 정렬이 필수적이지만, 정렬 연산 자체(버퍼 재배열 등)가 CPU에 큰 부하를 가하기 때문에 오히려 전체 프레임 레이트를 떨어뜨리는 역설적인 결과를 낳을 수 있습니다. 이는 GPU 압박과 CPU 병목 사이의 가혹한 절충안을 요구합니다 [1, 2, 7, 8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Sorting.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Spatial Partitioning.md b/10_Wiki/Topics/Graphics & Performance/Spatial Partitioning.md
index 4665462b..3e119b4b 100644
--- a/10_Wiki/Topics/Graphics & Performance/Spatial Partitioning.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Spatial Partitioning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1BF809
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Spatial Partitioning"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Frustum Culling]], [[BVH (Bounding Volume Hierarchy)]], [[Octree]], [[InstancedMesh]], [[Raycasting]]
-- **Projects/Contexts:** [[three-mesh-bvh]], [[Tesseract Engine]]
+- **Related Topics:** [[Frustum Culling]], BVH (Bounding Volume Hierarchy), Octree, [[InstancedMesh]], [[Raycasting]]
+- **Projects/Contexts:** [[three-mesh-bvh]], Tesseract Engine
 - **Contradictions/Notes:** 대규모 환경에서 레이캐스팅 및 렌더링 최적화를 위해 공간 인덱스(Spatial index)를 활용하는 것은 명확한 성능 향상을 제공하지만, 이러한 공간 분할 자료구조를 구축하고 유지하는 데에는 상당한 복잡성(non-trivial complexity)이 수반되며 구현 난이도가 높다는 개발자들의 논의가 존재합니다 [6, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Spatial Partitioning.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Spectre and Meltdown.md b/10_Wiki/Topics/Graphics & Performance/Spectre and Meltdown.md
index 97697a61..19dd340e 100644
--- a/10_Wiki/Topics/Graphics & Performance/Spectre and Meltdown.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Spectre and Meltdown.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8FCA7F
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Spectre and Meltdown"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[EXT_disjoint_timer_query]], [[Timestamp Queries Quantization]], [[Branchless Security Checks]]
-- **Projects/Contexts:** [[WebKit Security Mitigations]], [[WebGPU / WebGL Timing API Security]]
+- **Related Topics:** EXT_disjoint_timer_query, [[Timestamp Queries Quantization]], [[Branchless Security Checks]]
+- **Projects/Contexts:** [[WebKit Security Mitigations]], WebGPU / WebGL Timing API Security
 - **Contradictions/Notes:** 소스에는 Spectre 및 Meltdown 취약점으로 인해 도입된 브라우저 엔진의 보안 조치(타이머 정밀도 하향, 분기 없는 보안 검사 추가 등)가 그래픽스 파이프라인의 전반적인 미세 지연을 증가시킨다는 사실은 설명되어 있으나 [8], 루트 주제에서 명시한 '브라우저 메모리 할당 시점별' 미세 지연의 변화를 직접적으로 측정한 구체적인 실험 사례나 수치에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Spectre and Meltdown.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Spring Framework.md b/10_Wiki/Topics/Graphics & Performance/Spring Framework.md
index c27ab742..7b4eedff 100644
--- a/10_Wiki/Topics/Graphics & Performance/Spring Framework.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Spring Framework.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C45BD6
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Spring Framework"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Dependency Injection (DI)]], [[Aspect-Oriented Programming (AOP)]]
-- **Projects/Contexts:** [[SOLID Principles]], [[객체 지향 프로그래밍 (OOP)]]
+- **Related Topics:** Dependency Injection (DI), Aspect-Oriented Programming (AOP)
+- **Projects/Contexts:** SOLID Principles, [[객체 지향 프로그래밍 (OOP)]]
 - **Contradictions/Notes:** 소스에 따르면 Spring AOP는 런타임에 적용되어 유용한 모듈화를 제공하지만, 오직 메서드 실행 시점의 조인 포인트만 지원하는 한계가 있어 더 정밀한 제어를 원할 경우 AspectJ 사용이 권장됩니다 [4, 5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Spring Framework.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/TLB design.md b/10_Wiki/Topics/Graphics & Performance/TLB design.md
index 4ca8a5a8..373ca341 100644
--- a/10_Wiki/Topics/Graphics & Performance/TLB design.md	
+++ b/10_Wiki/Topics/Graphics & Performance/TLB design.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3CAF83
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,10 +27,10 @@ github_commit: "[P-Reinforce] Continuous Worker - TLB design"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Rowhammer]], [[WebGL]]
-- **Projects/Contexts:** [[WebGPU High Resolution Time Spec]]
+- **Projects/Contexts:** WebGPU High Resolution Time Spec
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/TLB design.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/TSL (Three Shader Language).md b/10_Wiki/Topics/Graphics & Performance/TSL (Three Shader Language).md
index 7336f19b..7eed1abf 100644
--- a/10_Wiki/Topics/Graphics & Performance/TSL (Three Shader Language).md	
+++ b/10_Wiki/Topics/Graphics & Performance/TSL (Three Shader Language).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C8966B
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TSL (Three Shader Language)"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[WebGL]], [[WGSL]], [[GLSL]], [[Node Material]]
-- **Projects/Contexts:** [[Three.js]]
+- **Related Topics:** [[WebGPU]], [[WebGL]], WGSL, GLSL, Node Material
+- **Projects/Contexts:** Three.js
 - **Contradictions/Notes:** 소스 간의 모순점은 없으나, 이전의 렌더링 방식과 달리 별도의 GLSL/WGSL 코드를 직접 작성하는 것보다 TSL을 사용하는 것이 코드 유지보수 및 교차 호환성 측면에서 명백히 우월하다고 강조하고 있습니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/TSL (Three Shader Language).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Texture Compression.md b/10_Wiki/Topics/Graphics & Performance/Texture Compression.md
index 4383bb5d..990a901e 100644
--- a/10_Wiki/Topics/Graphics & Performance/Texture Compression.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Texture Compression.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B90AAF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Texture Compression"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[KTX2]], [[Basis Universal]], [[UASTC]], [[ETC1S]], [[VRAM]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[gltf-compressor]]
+- **Related Topics:** KTX2, Basis Universal, UASTC, ETC1S, VRAM
+- **Projects/Contexts:** Three.js, [[WebGL]], gltf-compressor
 - **Contradictions/Notes:** 소스에 내용 충돌은 없으며, PNG/JPEG 포맷은 파일 크기(예: 200KB)가 작더라도 GPU 메모리에 올라갈 때 압축이 해제되어 막대한 VRAM(예: 20MB+)을 소모하므로 KTX2와 같은 전용 텍스처 압축 기술이 필수적이라고 일관되게 강조하고 있습니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Texture Compression.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Three Shader Language (TSL).md b/10_Wiki/Topics/Graphics & Performance/Three Shader Language (TSL).md
index 377ecb42..04840f21 100644
--- a/10_Wiki/Topics/Graphics & Performance/Three Shader Language (TSL).md	
+++ b/10_Wiki/Topics/Graphics & Performance/Three Shader Language (TSL).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1AF9EB
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Three Shader Language (TSL)"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[WebGL]], [[WGSL]], [[GLSL]], [[Node Material]]
-- **Projects/Contexts:** [[Three.js 크로스 플랫폼 커스텀 셰이더 및 포스트 프로세싱 개발]]
+- **Related Topics:** [[WebGPU]], [[WebGL]], WGSL, GLSL, Node Material
+- **Projects/Contexts:** Three.js 크로스 플랫폼 커스텀 셰이더 및 포스트 프로세싱 개발
 - **Contradictions/Notes:** 기존 WebGL 프로젝트에서는 외부 라이브러리인 `pmndrs/postprocessing`이 여전히 훌륭한 선택지로 평가되지만, WebGPU 프로젝트 환경에서는 TSL 노드 기반의 Three.js 네이티브 포스트 프로세싱을 사용하는 것으로 개발 방식이 전환될 것을 권장하고 있습니다 [7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three Shader Language (TSL).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Three.js 렌더링 최적화.md b/10_Wiki/Topics/Graphics & Performance/Three.js 렌더링 최적화.md
index 8496b87d..5d61e185 100644
--- a/10_Wiki/Topics/Graphics & Performance/Three.js 렌더링 최적화.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Three.js 렌더링 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-046
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.97
 tags: [three.js, webgl, rendering, optimization]
 last_reinforced: 2026-06-XX
@@ -25,5 +25,5 @@ github_commit: "[P-Reinforce] Processed Three.js WebGL 렌더링 최적화."
 ## 🔗 지식 연결 (Graph)
 - Parent: [[WebGL Optimization]]
 - Related: [[InstancedMesh]] , [[Draw Call Optimization]] , [[WebGPU]]
-- Raw Source: [[00_Raw/Three.js WebGL 렌더링 최적화.md]]
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs WebGL Rendering Optimization.md b/10_Wiki/Topics/Graphics & Performance/Threejs WebGL Rendering Optimization.md
index a5099969..6ba6fe96 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs WebGL Rendering Optimization.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs WebGL Rendering Optimization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-46187E
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,13 +39,13 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs WebGL Rendering Optimi
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[InstancedMesh]], [[BatchedMesh]], [[Level of Detail (LOD)]], [[Frustum Culling]], [[WebGPU]]
-- **Projects/Contexts:** [[Segments.ai WebGPU Migration]], [[InstancedMesh2 Library]], [[Three.js WebGPURenderer (r171+)]]
+- **Related Topics:** [[Draw Call]], [[InstancedMesh]], BatchedMesh, [[Level of Detail (LOD)]], [[Frustum Culling]], [[WebGPU]]
+- **Projects/Contexts:** Segments.ai WebGPU Migration, [[InstancedMesh2 Library]], Three.js WebGPURenderer (r171+)
 - **Contradictions/Notes:** 
   - `BatchedMesh`는 다수의 고유 기하학 객체를 단일 드로우 콜로 묶어주는 훌륭한 최적화 도구이지만 [5, 16], 20만 개가 넘는 수준의 과도하게 많은 지오메트리에 적용할 경우 버퍼의 draw "starts" 및 "counts" 데이터를 매 프레임 업데이트해야 하는 오버헤드로 인해 오히려 CPU 사용률이 폭증하고 기존의 Merged Mesh 방식보다 성능이 크게 저하되는 현상이 발생할 수 있습니다 [46-49].
   - `InstancedMesh`는 드로우 콜을 혁신적으로 줄여주지만, 인스턴스들이 정렬되지 않아 막대한 오버드로우를 유발하므로, 객체가 겹치는 씬의 경우 여러 개의 개별 Mesh를 공유 속성으로 렌더링하는 것보다 오히려 프레임 속도가 더 떨어지는 역설적인 상황이 발생할 수 있습니다 [30, 31, 50].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js WebGL Rendering Optimization.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs WebGPU 파티클 예제.md b/10_Wiki/Topics/Graphics & Performance/Threejs WebGPU 파티클 예제.md
index 42b4651d..99a87957 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs WebGPU 파티클 예제.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs WebGPU 파티클 예제.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A9D3D4
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs WebGPU 파티클 예
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGPU Compute Shaders]], [[instancedArray]]
-- **Projects/Contexts:** [[Expo 2025 Osaka]], [[Waves of Connection]]
+- **Projects/Contexts:** [[Expo 2025 Osaka]], Waves of Connection
 - **Contradictions/Notes:** 소스 내용에 따르면, WebGPU 파티클 예제는 WebGL 기반의 단일 스레드 CPU 처리 한계(약 5만 개)를 극복하기 위해 컴퓨트 셰이더 연산과 영구적인 GPU 데이터 할당 구조를 결합하여 수십 배 이상의 파티클을 렌더링할 수 있는 방향으로 발전하고 있습니다 [1, 5, 6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js WebGPU 파티클 예제.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs 대규모 렌더링 최적화 파이프라인.md b/10_Wiki/Topics/Graphics & Performance/Threejs 대규모 렌더링 최적화 파이프라인.md
index 2c1c069a..ccf69e5d 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs 대규모 렌더링 최적화 파이프라인.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs 대규모 렌더링 최적화 파이프라인.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8E841B
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,13 +23,13 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs 대규모 렌더링 
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** `[[InstancedMesh]]`, `[[BatchedMesh]]`, `[[WebGPU]]`, `[[Draw Call (드로우 콜)]]`, `[[Frustum Culling (절두체 컬링)]]`, `[[LOD (Level of Detail)]]`, `[[Overdraw (오버드로우)]]`, `[[Compute Shader (컴퓨트 셰이더)]]`
-- **Projects/Contexts:** `[[InstancedMesh2 (agargaro)]]`, `[[Three.js r171 WebGPURenderer]]`, `[[Segments.ai]]`, `[[Fragment (IFC.js)]]`
+- **Related Topics:** `[[InstancedMesh]]`, `BatchedMesh`, `[[WebGPU]]`, `Draw Call (드로우 콜)`, `Frustum Culling (절두체 컬링)`, `LOD (Level of Detail)`, `Overdraw (오버드로우)`, `Compute Shader (컴퓨트 셰이더)`
+- **Projects/Contexts:** `InstancedMesh2 (agargaro)`, `Three.js r171 WebGPURenderer`, `Segments.ai`, `Fragment (IFC.js)`
 - **Contradictions/Notes:** 
   - `InstancedMesh`는 드로우 콜을 줄여 성능을 크게 향상시키도록 설계되었으나, 불투명도 및 복잡한 셰이더 환경에서는 인스턴스 정렬 부재로 인한 심각한 오버드로우(Overdraw)를 유발해 일반 개별 Mesh(Shared attributes)를 사용할 때보다 프레임 레이트(FPS)가 오히려 낮아지는 역설적인 사례가 보고되고 있습니다 [18, 19].
   - `BatchedMesh` 역시 다수의 기하학적 구조를 통합하는 유용한 기술이지만, 약 20만 개 수준의 대량 지오메트리에 적용할 시 버퍼 데이터 업로드 등의 이유로 CPU 사용량이 30~50% 급증하며 병합된 기하학(Merged Geometry)보다 현저히 성능이 하락하는 구조적 병목이 제기되고 있습니다 [37-39].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js 대규모 렌더링 최적화 파이프라인.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 성능 최적화.md b/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 성능 최적화.md
index 47bc9add..b9c29174 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 성능 최적화.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 성능 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4EE7A9
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs 렌더링 성능 최
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[드로우 콜 (Draw Call)]], [[InstancedMesh]], [[BatchedMesh]], [[LOD (Level of Detail)]], [[WebGPU]]
-- **Projects/Contexts:** [[Three.js r171 WebGPU 도입]], [[IFC.js Fragment 아키텍처]], [[InstancedMesh2 라이브러리]]
+- **Related Topics:** 드로우 콜 (Draw Call), [[InstancedMesh]], BatchedMesh, LOD (Level of Detail), [[WebGPU]]
+- **Projects/Contexts:** Three.js r171 WebGPU 도입, IFC.js Fragment 아키텍처, InstancedMesh2 라이브러리
 - **Contradictions/Notes:** 다양한 지오메트리를 한 번에 렌더링하기 위해 제안된 `BatchedMesh`는 드로우 콜 최적화의 훌륭한 대안으로 소개되지만[18], 다른 소스에서는 1,000만 개가 넘는 트라이앵글 환경에서 인스턴싱 또는 일반 `Merged Mesh`보다 CPU 점유율을 비정상적으로 높이고 프레임률을 크게 떨어뜨리는 심각한 구조적 오버헤드가 있음을 상반되게 지적하고 있습니다[19-22]. 또한 `InstancedMesh` 역시 만능이 아니며 정렬의 부재로 인해 발생하는 심각한 오버드로우(Overdraw) 때문에 일반 메쉬 렌더링보다 느려지는 병목 사례가 보고되고 있습니다[13, 14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js 렌더링 성능 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 최적화.md b/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 최적화.md
index 445a6b75..ddf33452 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 최적화.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs 렌더링 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-13670A
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs 렌더링 최적화"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[InstancedMesh]], [[BatchedMesh]], [[WebGPU]], [[Level of Detail (LOD)]], [[Texture Compression]]
-- **Projects/Contexts:** [[Utsubo]], [[Segments.ai]], [[InstancedMesh2 library]]
+- **Related Topics:** [[Draw Call]], [[InstancedMesh]], BatchedMesh, [[WebGPU]], [[Level of Detail (LOD)]], [[Texture Compression]]
+- **Projects/Contexts:** [[Utsubo]], Segments.ai, [[InstancedMesh2 library]]
 - **Contradictions/Notes:** `InstancedMesh`는 드로우 콜을 획기적으로 줄여주지만, 엔진 수준에서 개별 인스턴스에 대한 절두체 컬링과 깊이 정렬(Sorting)이 불가능하여 오버드로우(Overdraw)가 유발됩니다. 이로 인해 픽셀 연산이 무거운 씬에서는 오히려 일반 메쉬 방식보다 프레임 레이트가 하락할 수 있다는 한계가 지적됩니다 [41-44]. 대안으로 꼽히는 `BatchedMesh` 역시 수십만 개 단위의 복잡한 기하학적 데이터와 인스턴스를 처리할 때는 심각한 CPU 병목 현상 및 성능 저하를 야기할 수 있습니다 [20, 45-48].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js 렌더링 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs 모바일 렌더링 최적화.md b/10_Wiki/Topics/Graphics & Performance/Threejs 모바일 렌더링 최적화.md
index bdefe553..ff045fe5 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs 모바일 렌더링 최적화.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs 모바일 렌더링 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E3AAE4
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,11 +39,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs 모바일 렌더링 
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[드로우 콜 최적화 (Draw Call Optimization)]], [[텍스처 압축 (Texture Compression)]], [[셰이더 정밀도 (Shader Precision)]], [[가비지 컬렉션 (Garbage Collection)]]
-- **Projects/Contexts:** [[React Three Fiber (R3F)]], [[Basis Universal / KTX2]]
+- **Related Topics:** 드로우 콜 최적화 (Draw Call Optimization), 텍스처 압축 (Texture Compression), 셰이더 정밀도 (Shader Precision), [[가비지 컬렉션 (Garbage Collection)]]
+- **Projects/Contexts:** [[React Three Fiber (R3F)]], Basis Universal / KTX2
 - **Contradictions/Notes:** 소스에서는 모바일 환경 구현 시 시각적 품질과 성능 간의 직접적인 타협(trade-off)을 강조한다. 데스크톱 환경에서는 다중 텍스처 파일과 MSAA, 4096 크기의 섀도우 맵 활용이 가능하지만, 모바일 기기에서는 동일한 구성을 유지할 경우 프레임 속도 저하와 발열, 메모리 부족으로 인한 강제 종료를 유발할 수 있으므로 극단적인 간소화(FXAA, 아틀라스 텍스처, 512~1024 섀도우 등)를 필수적으로 도입해야 함을 명시한다 [5, 6, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js 모바일 렌더링 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Threejs.md b/10_Wiki/Topics/Graphics & Performance/Threejs.md
index 50f1b223..a02f42ff 100644
--- a/10_Wiki/Topics/Graphics & Performance/Threejs.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Threejs.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A5498B
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Threejs"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[InstancedMesh]], [[BatchedMesh]], [[TSL (Three Shader Language)]], [[Raycaster]], [[LOD (Level of Detail)]]
-- **Projects/Contexts:** [[React Three Fiber (R3F)]], [[IFC.js]], [[InstancedMesh2]]
+- **Related Topics:** [[WebGPU]], [[InstancedMesh]], BatchedMesh, [[TSL (Three Shader Language)]], [[Raycaster]], LOD (Level of Detail)
+- **Projects/Contexts:** [[React Three Fiber (R3F)]], IFC.js, [[InstancedMesh2]]
 - **Contradictions/Notes:** 일반적으로 `InstancedMesh`는 드로우 콜을 1회로 줄여 렌더링 성능을 획기적으로 높인다고 알려져 있으나, 인스턴스의 자동 정렬 기능이 없어 오버드로우(Overdraw)가 빈번하게 발생할 경우 단일 메쉬를 분할하여 그릴 때보다 오히려 프레임 속도(FPS)가 급락할 수 있습니다 [4, 31-33]. 또한 여러 다른 지오메트리를 하나의 렌더 호출로 묶어주는 `BatchedMesh` 역시, 지나치게 많은 수의 정점과 데이터를 렌더링할 경우 패킹 및 컬링 연산 때문에 극심한 CPU 과부하와 성능 저하를 야기할 수 있다는 한계가 보고되고 있습니다 [41, 42].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Three.js.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Timestamp Quantization.md b/10_Wiki/Topics/Graphics & Performance/Timestamp Quantization.md
index fe097b1c..01b37e1c 100644
--- a/10_Wiki/Topics/Graphics & Performance/Timestamp Quantization.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Timestamp Quantization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B27B31
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Timestamp Quantization"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGPU]], [[Timing Attack]], [[Side-channel Attack]], [[Spectre]], [[Rowhammer]], [[High Resolution Time]]
-- **Projects/Contexts:** [[Chrome (Blink/Dawn)]], [[GPU for the Web Community Group]]
+- **Projects/Contexts:** Chrome (Blink/Dawn), [[GPU for the Web Community Group]]
 - **Contradictions/Notes:** Chrome의 초기 제안에서는 교차 출처 격리(cross-origin isolated) 상태에 따라 격리된 컨텍스트에서는 100µs 해상도를 제공하고 비격리 컨텍스트에서는 타임스탬프를 아예 노출하지 않으려 했습니다 [3, 13]. 그러나 상호운용성(interoperability) 문제와 모호한 사양에 대한 지적이 제기되었고, 최종적으로는 사이트 격리 상태와 무관하게 항상 100µs 해상도로 타임스탬프를 허용하는 방안이 합의되었습니다 [5, 11, 14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Timestamp Quantization.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Timestamp Queries Quantization.md b/10_Wiki/Topics/Graphics & Performance/Timestamp Queries Quantization.md
index abf01f46..7fbe2881 100644
--- a/10_Wiki/Topics/Graphics & Performance/Timestamp Queries Quantization.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Timestamp Queries Quantization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-788E1E
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Timestamp Queries Quantization
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Timing Attack]], [[Spectre]], [[EXT_disjoint_timer_query]]
-- **Projects/Contexts:** [[High Resolution Time Spec]], [[Chrome DevTools]]
+- **Related Topics:** [[WebGPU]], [[Timing Attack]], [[Spectre]], EXT_disjoint_timer_query
+- **Projects/Contexts:** High Resolution Time Spec, [[Chrome DevTools]]
 - **Contradictions/Notes:** 초기 WebGPU 사양 제안에서는 사이트 격리(Site isolation) 여부에 따라 타임스탬프 쿼리 제공 여부를 차등 적용(비격리 시 완전히 미노출)하려 했으나 [3], 이후 표준화 논의 과정에서 상호 운용성을 위해 모든 컨텍스트에 대해 100 마이크로초의 해상도를 일괄 제공하도록 정책이 변경되었습니다 [10], [11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Timestamp Queries Quantization.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Timestamp Queries.md b/10_Wiki/Topics/Graphics & Performance/Timestamp Queries.md
index 6d351fd3..df05d358 100644
--- a/10_Wiki/Topics/Graphics & Performance/Timestamp Queries.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Timestamp Queries.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-77D993
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Timestamp Queries"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL Timer Queries]], [[Spectre and Meltdown]], [[WebGPU]], [[Timestamp Quantization]]
-- **Projects/Contexts:** [[EXT_disjoint_timer_query]], [[High Resolution Time Spec]]
+- **Related Topics:** WebGL Timer Queries, [[Spectre and Meltdown]], [[WebGPU]], [[Timestamp Quantization]]
+- **Projects/Contexts:** EXT_disjoint_timer_query, High Resolution Time Spec
 - **Contradictions/Notes:** 초기 WebGPU 구현 제안에서는 사이트 격리 상태에 따라 타임스탬프 쿼리의 노출 여부와 해상도를 다르게 적용하려고 했으나(격리 시 100µs, 비격리 시 미노출) [5], 브라우저 간의 상호 운용성 부족 및 GPU의 격리 한계를 이유로 격리 상태와 관계없이 모든 GPU 작업에 대해 일괄적으로 100µs 해상도를 적용하도록 사양이 수정되었습니다 [6, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Timestamp Queries.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/TypedArray.md b/10_Wiki/Topics/Graphics & Performance/TypedArray.md
index 1cf82548..04de9891 100644
--- a/10_Wiki/Topics/Graphics & Performance/TypedArray.md	
+++ b/10_Wiki/Topics/Graphics & Performance/TypedArray.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DEE006
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypedArray"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[InstancedBufferAttribute]], [[Garbage Collection]]
-- **Projects/Contexts:** [[Three.js 메모리 관리 및 렌더링 최적화]]
+- **Related Topics:** [[InstancedMesh]], InstancedBufferAttribute, [[Garbage Collection]]
+- **Projects/Contexts:** Three.js 메모리 관리 및 렌더링 최적화
 - **Contradictions/Notes:** 제공된 소스는 TypedArray 자체의 기능적 설명보다는, 이를 활용한 대규모 인스턴스 환경에서 동적 버퍼 확장이 유발하는 메모리 해제와 생성의 위험성(프레임 드랍)을 경고하는 데 초점을 맞추고 있습니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/TypedArray.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/UV Offset.md b/10_Wiki/Topics/Graphics & Performance/UV Offset.md
index 73780076..67c797f2 100644
--- a/10_Wiki/Topics/Graphics & Performance/UV Offset.md	
+++ b/10_Wiki/Topics/Graphics & Performance/UV Offset.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FF2C8C
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - UV Offset"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Texture Atlas]], [[InstancedMesh]], [[BufferAttribute]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL Optimization]]
+- **Projects/Contexts:** Three.js, [[WebGL Optimization]]
 - **Contradictions/Notes:** 텍스처 아틀라스와 UV 오프셋의 조합은 인스턴싱 최적화를 위해 필수적이지만 UV 연산의 복잡성과 경계선 블리딩(Edge Bleeding)이라는 한계를 가지며, 소스에 따르면 이를 완전히 회피하기 위한 대안으로 데이터 배열 텍스처(Data Array Textures)의 사용이 제안됩니다 [2, 11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/UV Offset.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Unity.md b/10_Wiki/Topics/Graphics & Performance/Unity.md
index 93df94a9..7c739cf8 100644
--- a/10_Wiki/Topics/Graphics & Performance/Unity.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Unity.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6033D2
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Unity"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[GPU Instancing]], [[Draw Call Batching]], [[Scriptable Render Pipeline (SRP)]], [[GameObject]]
-- **Projects/Contexts:** [[Needle Engine]], [[Optimizing draw calls]]
+- **Related Topics:** GPU Instancing, Draw Call Batching, Scriptable Render Pipeline (SRP), GameObject
+- **Projects/Contexts:** [[Needle Engine]], Optimizing draw calls
 - **Contradictions/Notes:** Unity는 여러 드로우 콜 최적화 옵션을 지원하지만 기법 간에 충돌이 발생할 수 있습니다. 렌더러가 인스턴싱 셰이더를 사용하더라도 정적 배칭(Static batching)이 적용되는 경우 Unity는 자동으로 GPU 인스턴싱을 비활성화하며, 인스펙터(Inspector) 창에 정적 배칭을 끄라는 경고 메시지를 표시합니다 [7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Unity.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Utsubo.md b/10_Wiki/Topics/Graphics & Performance/Utsubo.md
index aa2b1dd8..d297081e 100644
--- a/10_Wiki/Topics/Graphics & Performance/Utsubo.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Utsubo.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-468135
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Utsubo"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Three.js]], [[WebGPU]], [[stats-gl]]
-- **Projects/Contexts:** [[Expo 2025 Osaka]], [[Segments.ai]]
+- **Related Topics:** Three.js, [[WebGPU]], stats-gl
+- **Projects/Contexts:** [[Expo 2025 Osaka]], Segments.ai
 - **Contradictions/Notes:** 소스에 관련된 모순 정보나 반대 주장이 부족합니다. (제공된 소스는 모두 Utsubo의 성과와 기술적 기여를 일관되게 긍정적으로 설명하고 있습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Utsubo.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/VR 엑서게임 (VR Exergaming).md b/10_Wiki/Topics/Graphics & Performance/VR 엑서게임 (VR Exergaming).md
index 2840eb88..dd850757 100644
--- a/10_Wiki/Topics/Graphics & Performance/VR 엑서게임 (VR Exergaming).md	
+++ b/10_Wiki/Topics/Graphics & Performance/VR 엑서게임 (VR Exergaming).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E1E503
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - VR 엑서게임 (VR Exergaming
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/VR 엑서게임 (VR Exergaming).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Varying Variables.md b/10_Wiki/Topics/Graphics & Performance/Varying Variables.md
index 2d525a55..d30e60f2 100644
--- a/10_Wiki/Topics/Graphics & Performance/Varying Variables.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Varying Variables.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9ED1C2
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Varying Variables"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Vertex Shader]], [[Fragment Shader]], [[Mobile GPU]]
-- **Projects/Contexts:** [[Three.js Performance Optimization]] (Shaders & Materials 최적화 팁)
+- **Related Topics:** [[Vertex Shader]], Fragment Shader, Mobile GPU
+- **Projects/Contexts:** Three.js Performance Optimization (Shaders & Materials 최적화 팁)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Varying Variables.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Vertex Shader.md b/10_Wiki/Topics/Graphics & Performance/Vertex Shader.md
index 91a294b6..b5b04963 100644
--- a/10_Wiki/Topics/Graphics & Performance/Vertex Shader.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Vertex Shader.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E201D0
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Vertex Shader"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Fragment Shader]], [[Instancing]], [[Varying Variables]]
-- **Projects/Contexts:** [[대규모 인스턴스 렌더링 최적화]], [[모바일 GPU 셰이더 성능 관리]]
+- **Related Topics:** Fragment Shader, [[Instancing]], [[Varying Variables]]
+- **Projects/Contexts:** 대규모 인스턴스 렌더링 최적화, 모바일 GPU 셰이더 성능 관리
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (버텍스 셰이더 자체의 구체적인 내부 문법이나 근본적인 그래픽스 파이프라인 원리에 대한 상세한 설명은 제공된 소스에 포함되어 있지 않습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Vertex Shader.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Vulkan.md b/10_Wiki/Topics/Graphics & Performance/Vulkan.md
index 13014750..faddaaef 100644
--- a/10_Wiki/Topics/Graphics & Performance/Vulkan.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Vulkan.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DDC386
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Vulkan"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Direct3D 12]], [[Metal]], [[Conditional Rendering]]
-- **Projects/Contexts:** [[Vulkan Forward+ Renderer]], [[Vulkan Pathtracer]]
+- **Related Topics:** [[WebGPU]], Direct3D 12, [[Metal]], Conditional Rendering
+- **Projects/Contexts:** Vulkan Forward+ Renderer, Vulkan Pathtracer
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. Vulkan 기술 자체를 깊이 있게 다루는 문헌은 없으며, 대부분 WebGPU의 성능을 설명하기 위한 비교 대상이나 그래픽스 개발자들의 프로젝트 제목 및 질의응답 속에서 단편적으로만 등장합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Vulkan.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WEBGL_multi_draw.md b/10_Wiki/Topics/Graphics & Performance/WEBGL_multi_draw.md
index cef37257..5b285468 100644
--- a/10_Wiki/Topics/Graphics & Performance/WEBGL_multi_draw.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WEBGL_multi_draw.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C71621
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WEBGL_multi_draw"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BatchedMesh]], [[InstancedMesh]], [[Draw Call]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]]
+- **Related Topics:** BatchedMesh, [[InstancedMesh]], [[Draw Call]]
+- **Projects/Contexts:** Three.js, [[WebGL]]
 - **Contradictions/Notes:** `WEBGL_multi_draw`는 다수의 고유 객체를 그릴 때 CPU의 드로우 콜 병목을 해소하기 위해 설계되었으나 [1, 9], 역설적으로 특정 임계치(예: 수십만 단위)를 넘어서면 관련 버퍼 업로드 및 GPU 텍스처 업데이트 비용 때문에 오히려 병합된 지오메트리(Merged Geometry) 방식보다 성능이 30~50% 더 악화되는 실증적 모순이 관찰되었습니다 [7, 17, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WEBGL_multi_draw.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebAssembly.md b/10_Wiki/Topics/Graphics & Performance/WebAssembly.md
index 09de59d0..170396af 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebAssembly.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebAssembly.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E798C0
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - WebAssembly"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGL]], [[JavaScript]], [[Spectre]]
-- **Projects/Contexts:** [[3D Gaussian Splatting]], [[Chrome DevTools]], [[WebKit]]
+- **Projects/Contexts:** 3D Gaussian Splatting, [[Chrome DevTools]], [[WebKit]]
 - **Contradictions/Notes:** 소스에 WebAssembly의 구체적인 설계 구조나 동작 원리에 대한 포괄적인 정보가 부족합니다. 제공된 문헌들은 주로 WebGL의 연산 한계를 설명할 때의 대안(CPU 오프로딩 수단)이나 브라우저 보안 및 디버깅 툴을 설명하는 맥락에서만 WebAssembly를 부가적으로 언급하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebAssembly.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGL 20.md b/10_Wiki/Topics/Graphics & Performance/WebGL 20.md
index 746f54b9..336ec705 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGL 20.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGL 20.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DDA796
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGL 20"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Three.js]], [[Draw Calls]], [[BatchedMesh]], [[TSL (Three Shader Language)]]
-- **Projects/Contexts:** [[WebGPURenderer Fallback]]
+- **Related Topics:** [[WebGPU]], Three.js, Draw Calls, BatchedMesh, [[TSL (Three Shader Language)]]
+- **Projects/Contexts:** WebGPURenderer Fallback
 - **Contradictions/Notes:** 소스에 따르면 WebGPU는 멀티스레드 명령 생성과 Compute Shader 연산을 통해 복잡한 시뮬레이션 및 데이터 처리가 가능하지만, WebGL은 싱글 스레드 및 상태 기반 접근 방식을 취하고 있어 1,000~2,000회 이상의 빈번한 드로우 콜 발생 시 CPU에서 극심한 렌더링 성능 병목(Bottleneck) 현상이 발생한다는 뚜렷한 대비가 관찰됩니다 [10, 17, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGL 2.0.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGL API.md b/10_Wiki/Topics/Graphics & Performance/WebGL API.md
index 635240b9..b4843d35 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGL API.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGL API.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-32752F
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ WebGL의 핵심적인 문제는 기반이 되는 아키텍처가 2011년 GPU 설
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[OpenGL ES 2.0]], [[GPU]], [[HTML5 Canvas]], [[WebGPU]], [[JavaScript]]
-- **Projects/Contexts:** [[Three.js]], [[WebGLRenderingContext]]
+- **Related Topics:** OpenGL ES 2.0, [[GPU]], HTML5 Canvas, [[WebGPU]], [[JavaScript]]
+- **Projects/Contexts:** Three.js, [[WebGLRenderingContext]]
 - **Contradictions/Notes:** 소스에 따르면 WebGL은 단일 스레드 실행과 컴퓨트 셰이더 미지원 등의 구조적 단점 때문에 성능에 민감하고 대규모 연산이 필요한 최신 3D 경험에서는 한계가 명확하여 WebGPU로 대체되고 있습니다 [7, 19, 23]. 하지만 보편적이고 폭넓은 브라우저 호환성이 필요한 프로덕션 환경(모든 기기에서 동작해야 하는 경우)에서는 WebGPU의 지원이 아직 완벽하지 않기 때문에 여전히 WebGL이 가장 안전하고 적절한 선택(또는 폴백)으로 간주됩니다 [24-26].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGL API.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGL Optimization.md b/10_Wiki/Topics/Graphics & Performance/WebGL Optimization.md
index f5eacea4..30a7ef64 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGL Optimization.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGL Optimization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-655682
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,13 +23,13 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGL Optimization"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[InstancedMesh]], [[BatchedMesh]], [[Frustum Culling]], [[Level of Detail (LOD)]]
-- **Projects/Contexts:** [[Three.js]]
+- **Related Topics:** [[Draw Call]], [[InstancedMesh]], BatchedMesh, [[Frustum Culling]], [[Level of Detail (LOD)]]
+- **Projects/Contexts:** Three.js
 - **Contradictions/Notes:** 
   - `InstancedMesh`는 드로우 콜을 1회로 줄여주어 강력하지만, 단일 엔진 객체로 취급되기 때문에 인스턴스 각각에 대한 시야 절두체 컬링(Frustum Culling)이 개별 적용되지 않는 한계가 있습니다 [29]. 따라서 화면에 하나의 인스턴스만 걸쳐 있어도 보이지 않는 나머지 인스턴스의 정점 연산까지 수행해야 하는 GPU 낭비가 발생할 수 있습니다 [29].
   - 오버드로우(Overdraw) 관점에서도 `InstancedMesh`는 자동 정렬(Sorting) 기능을 지원하지 않아 뒤에 있는 객체가 덮어 씌워지면서 픽셀 처리에 병목을 일으킬 수 있으므로, 상황에 따라서는 오히려 개별 메쉬나 정적 지오메트리 병합(Merging)을 활용하는 것이 더 높은 FPS를 제공할 수 있다고 지적합니다 [30-32]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGL Optimization.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGL 모바일 GPU 성능 관리.md b/10_Wiki/Topics/Graphics & Performance/WebGL 모바일 GPU 성능 관리.md
index efe2a670..3bd94a32 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGL 모바일 GPU 성능 관리.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGL 모바일 GPU 성능 관리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3EE85A
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGL 모바일 GPU 성능 관
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Calls]], [[Texture Atlas]], [[셰이더 정밀도 (Mediump/Highp)]], [[Varying Variables]], [[FXAA]]
-- **Projects/Contexts:** [[Three.js 모바일 렌더링 최적화]], [[모바일 기반 WebGL 애플리케이션 개발]]
+- **Related Topics:** Draw Calls, [[Texture Atlas]], 셰이더 정밀도 (Mediump/Highp), [[Varying Variables]], FXAA
+- **Projects/Contexts:** Three.js 모바일 렌더링 최적화, [[모바일 기반 WebGL 애플리케이션 개발]]
 - **Contradictions/Notes:** 모바일 환경 최적화를 위해 다양한 기법을 동원하더라도, 텍스처 메모리를 500MB 이하로 통제하지 않으면 가비지 컬렉션(GC) 멈춤 현상으로 최적화 효과가 상쇄될 수 있으므로 메모리 사용량에 대한 엄격한 제한이 우선되어야 합니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGL 모바일 GPU 성능 관리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGL.md b/10_Wiki/Topics/Graphics & Performance/WebGL.md
index 6cf38599..cde58786 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGL.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGL.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7B2955
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,8 +28,8 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGL"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Three.js]], [[React Three Fiber (R3F)]], [[WebGPU Compute Shaders]], [[OffscreenCanvas]], [[InstancedMesh (드로우 콜 최적화)]], [[Memory Leak Prevention (메모리 누수 방지)]]
-- **Projects/Contexts:** [[브라우저 기반 3D 데이터 시각화 및 디지털 트윈]], [[멀티스레드 기반 고성능 웹 게임 엔진]]
+- **Related Topics:** Three.js, [[React Three Fiber (R3F)]], [[WebGPU Compute Shaders]], [[OffscreenCanvas]], [[InstancedMesh (드로우 콜 최적화)]], Memory Leak Prevention (메모리 누수 방지)
+- **Projects/Contexts:** 브라우저 기반 3D 데이터 시각화 및 디지털 트윈, 멀티스레드 기반 고성능 웹 게임 엔진
 - **Contradictions/Notes:** WebGL 파이프라인에서 `EffectComposer` 등을 활용해 커스텀 후처리(Post-processing)를 적용할 경우, WebGL의 내장 안티앨리어싱(AA) 기능이 무효화되는 제약이 있습니다. 이를 해결하려면 파이프라인 마지막 단계에 SMAA나 FXAA 효과 패스를 수동으로 추가해 주어야 시각적 품질을 유지할 수 있습니다.
-- Raw Source: [[00_Raw/2026-04-20/WebGL.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGL2.md b/10_Wiki/Topics/Graphics & Performance/WebGL2.md
index 28be87ba..33b47365 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGL2.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGL2.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-208D23
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGL2"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[Three.js]], [[Data Array Textures]], [[Compute Shaders]]
-- **Projects/Contexts:** [[Three.js WebGPURenderer 자동 폴백 지원]], [[BatchedMesh 및 드로우 콜 최적화 파이프라인]]
+- **Related Topics:** [[WebGPU]], Three.js, [[Data Array Textures]], [[Compute Shaders]]
+- **Projects/Contexts:** Three.js WebGPURenderer 자동 폴백 지원, BatchedMesh 및 드로우 콜 최적화 파이프라인
 - **Contradictions/Notes:** 소스에 따르면 WebGL 2는 현재 널리 지원되는 강력한 그래픽 API이지만, 컴퓨트 셰이더를 통한 GPU 기반의 병렬 가시성 연산(Compute Culling)이나 대규모 간접 드로우(Indirect Draw) 부재로 인해 렌더링 성능 최적화의 기술적 한계점에 도달해 있습니다 [2, 5, 11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGL2.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGLRenderingContext.md b/10_Wiki/Topics/Graphics & Performance/WebGLRenderingContext.md
index 181904e3..6a521e05 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGLRenderingContext.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGLRenderingContext.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-47CDF1
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGLRenderingContext"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[OpenGL]], [[GPU]]
-- **Projects/Contexts:** [[Modernizr]], [[LearnWebGL]]
+- **Related Topics:** [[WebGL]], OpenGL, [[GPU]]
+- **Projects/Contexts:** Modernizr, LearnWebGL
 - **Contradictions/Notes:** 소스 간의 모순된 내용은 없으나, WebGLRenderingContext 생성에 따른 성능 지연 문제와 관련해 페이지 로드 시 불필요하게 컨텍스트를 생성하지 않아야 한다는 점이 강조됩니다 [3, 7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGLRenderingContext.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shader.md b/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shader.md
index 2b633cf9..1339e583 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shader.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shader.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B03C61
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGPU Compute Shader"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[GPU-driven Rendering]], [[Indirect Draw]], [[Frustum Culling]], [[Draw Call]]
-- **Projects/Contexts:** [[대규모 건축물 및 지형 뷰어(BIM)]], [[Three.js WebGPU 파티클 예제]], [[실시간 물리 및 유체 시뮬레이션]]
+- **Projects/Contexts:** [[대규모 건축물 및 지형 뷰어(BIM)]], Three.js WebGPU 파티클 예제, [[실시간 물리 및 유체 시뮬레이션]]
 - **Contradictions/Notes:** 컴퓨트 셰이더를 통해 GPU 단에서 컬링 및 피킹 처리를 최적화할 수 있으나, 다른 인스턴스에 의해 가려진 객체들을 포함하여 올가미(Lasso) 그룹 선택을 하는 것과 같은 복잡한 상호작용은 컴퓨트 셰이더만으로는 간단히 해결되지 않으며, 깊이 벗기기(depth-peeling)와 같은 추가적인 셰이더 작업이나 웹 워커가 필요할 수 있다 [10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGPU Compute Shader.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shaders.md b/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shaders.md
index 1a789a27..af63aaf0 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shaders.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGPU Compute Shaders.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1903E0
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGPU Compute Shaders"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Storage Textures]], [[Indirect Draws]], [[TSL (Three Shader Language)]], [[Compute Skinning]]
-- **Projects/Contexts:** [[Three.js r171+]] (WebGPURenderer 도입 및 TSL 통합으로 컴퓨트 셰이더 지원 [13-17]), [[BIM Datasets]] (대규모 데이터 필터링 및 병렬 처리 적용 맥락 [3]), [[Expo 2025 Osaka]] (100만 개 파티클 유체 시뮬레이션 적용 사례 [18, 19])
+- **Related Topics:** Storage Textures, Indirect Draws, [[TSL (Three Shader Language)]], Compute Skinning
+- **Projects/Contexts:** Three.js r171+ (WebGPURenderer 도입 및 TSL 통합으로 컴퓨트 셰이더 지원 [13-17]), BIM Datasets (대규모 데이터 필터링 및 병렬 처리 적용 맥락 [3]), [[Expo 2025 Osaka]] (100만 개 파티클 유체 시뮬레이션 적용 사례 [18, 19])
 - **Contradictions/Notes:** WebGL이나 WebGL2 환경에서는 컴퓨트 셰이더가 지원되지 않으며 WebGPU 환경에서만 동작합니다 [20]. Three.js의 TSL과 렌더러를 사용하면 비교적 쉽게 컴퓨트 셰이더를 구현할 수 있지만, 네이티브 WebGPU를 사용할 경우 더 세밀한 직접 제어 및 다중 패스 물리 연산 등이 가능한 대신 그래픽스 파이프라인에 대한 매우 높은 기술적 숙련도가 요구된다는 트레이드오프가 존재합니다 [1, 4, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGPU Compute Shaders.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGPU Performance Profiling.md b/10_Wiki/Topics/Graphics & Performance/WebGPU Performance Profiling.md
index 1180e184..fd4824e7 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGPU Performance Profiling.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGPU Performance Profiling.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A8AA46
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,10 +31,10 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGPU Performance Profiling"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Timestamp Queries]], [[Timing Attacks]], [[Chrome DevTools]]
-- **Projects/Contexts:** [[High Resolution Time Spec]], [[Chromium WebGPU Implementation]]
+- **Projects/Contexts:** High Resolution Time Spec, [[Chromium WebGPU Implementation]]
 - **Contradictions/Notes:** WebGPU 사양 원문에서는 타이밍 공격에 대한 우려로 인해 타임스탬프 쿼리를 선택적(optional) 기능으로 명시하고 신뢰할 수 있는 환경으로 노출을 제한할 수 있다고 규정했습니다 [4, 16]. 하지만, GPU for the Web 커뮤니티 그룹은 개발자의 성능 프로파일링 요구를 충족하면서도 보안을 유지하기 위해, 해상도를 100 마이크로초로 낮추는 조건 하에 사이트 격리(site isolation) 여부와 상관없이 타임스탬프 쿼리를 허용하기로 합의했습니다 [9, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGPU Performance Profiling.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGPU _ WebGL Timing API Security.md b/10_Wiki/Topics/Graphics & Performance/WebGPU _ WebGL Timing API Security.md
index 96883ddb..50822dc0 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGPU _ WebGL Timing API Security.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGPU _ WebGL Timing API Security.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B3C1E7
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGPU _ WebGL Timing API Secu
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Spectre and Meltdown]], [[Cache Side-Channel Attack]], [[Timestamp Quantization]], [[Rowhammer Attack]]
-- **Projects/Contexts:** [[Chrome / Blink WebGPU Implementation]], [[WebKit Security Mitigations]]
+- **Projects/Contexts:** Chrome / Blink WebGPU Implementation, [[WebKit Security Mitigations]]
 - **Contradictions/Notes:** 초기 WebGPU 보안 모델의 제안에서는 사이트 격리(Site Isolation) 여부에 따라 타임스탬프 노출 및 정밀도를 다르게 적용할 계획이었습니다(격리 컨텍스트에서는 100µs 해상도를 제공하고, 비격리 컨텍스트에서는 노출하지 않음) [3]. 그러나 브라우저 간 상호 운용성(Interop) 문제를 해결하기 위해, GPU for the Web 커뮤니티 그룹은 사이트 격리 여부와 무관하게 모든 상황에서 100 마이크로초(100µs) 해상도로 통일하여 허용하는 것으로 최종 합의를 변경했습니다 [17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGPU _ WebGL Timing API Security.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGPU 대규모 건설 뷰어.md b/10_Wiki/Topics/Graphics & Performance/WebGPU 대규모 건설 뷰어.md
index 5cea4648..a60e00d4 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGPU 대규모 건설 뷰어.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGPU 대규모 건설 뷰어.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BF6C28
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGPU 대규모 건설 뷰어
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Three.js WebGPU]], [[Native WebGPU]], [[BIM (Building Information Modeling)]], [[LiDAR Point Cloud]], [[Compute Shaders]], [[GPURenderBundles]]
-- **Projects/Contexts:** [[Segments.ai]] (LiDAR 포인트 클라우드 레이블링 도구를 WebGPU로 전환하여 100배 성능 향상), [[Expo 2025 Osaka]] ("Waves of Connection" 설치물에서 4K 디스플레이에 100만 개 파티클을 지연 없이 실시간 렌더링)
+- **Related Topics:** Three.js WebGPU, Native WebGPU, BIM (Building Information Modeling), LiDAR Point Cloud, [[Compute Shaders]], [[GPURenderBundles]]
+- **Projects/Contexts:** Segments.ai (LiDAR 포인트 클라우드 레이블링 도구를 WebGPU로 전환하여 100배 성능 향상), [[Expo 2025 Osaka]] ("Waves of Connection" 설치물에서 4K 디스플레이에 100만 개 파티클을 지연 없이 실시간 렌더링)
 - **Contradictions/Notes:** Three.js의 WebGPU는 추상화 레이어를 통해 빠르고 쉬운 뷰어 개발을 가능하게 하지만, 고유한 객체가 10,000~20,000개를 초과할 경우 UBO(Uniform Buffer Object) 바인딩 오버헤드로 인해 프레임 저하(예: 15 FPS)가 발생할 수 있습니다. 반면 네이티브 WebGPU는 막대한 데이터도 원활하게 처리할 수 있으나, 파이프라인 및 셰이더에 대한 깊은 지식이 요구되어 개발 속도가 상대적으로 느립니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGPU 대규모 건설 뷰어.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/WebGPU.md b/10_Wiki/Topics/Graphics & Performance/WebGPU.md
index bddae76f..7ce01544 100644
--- a/10_Wiki/Topics/Graphics & Performance/WebGPU.md	
+++ b/10_Wiki/Topics/Graphics & Performance/WebGPU.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C06372
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,10 +28,10 @@ github_commit: "[P-Reinforce] Continuous Worker - WebGPU"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebGL]], [[Compute Shaders]], [[Three Shader Language (TSL)]], [[GPURenderBundles]], [[Draw Call]]
-- **Projects/Contexts:** [[Three.js]], [[Segments.ai]], [[Expo 2025 Osaka]]
+- **Projects/Contexts:** Three.js, Segments.ai, [[Expo 2025 Osaka]]
 - **Contradictions/Notes:** Three.js의 WebGPU 렌더러는 개발 속도를 비약적으로 높여주고 사용이 쉽지만, 수만 개의 고유 객체를 처리할 때 발생하는 UBO(Uniform Buffer Object) 바인딩 오버헤드와 메타데이터 메모리 소비로 인해 초대규모 데이터셋(500MB 이상)에서는 Native WebGPU 성능에 미치지 못한다는 벤치마크 결과가 있다 [18-21].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebGPU.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/Wonderland Engine.md b/10_Wiki/Topics/Graphics & Performance/Wonderland Engine.md
index 5eb9c9d4..eae41bab 100644
--- a/10_Wiki/Topics/Graphics & Performance/Wonderland Engine.md	
+++ b/10_Wiki/Topics/Graphics & Performance/Wonderland Engine.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F85BEF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Wonderland Engine"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[WebXR]], [[Draw Calls]], [[Batching]]
-- **Projects/Contexts:** [[Interactive 3D Experiences]]
+- **Related Topics:** [[WebGL]], WebXR, Draw Calls, [[Batching]]
+- **Projects/Contexts:** Interactive 3D Experiences
 - **Contradictions/Notes:** 소스에 모순되는 내용은 없으나, WebGL이 복잡한 3D 그래픽을 렌더링하기에 느리다는 개발자들의 일반적인 오해와 달리, Wonderland Engine은 극한의 엔진 최적화(드로우 콜 최소화 등)를 통해 웹에서도 압도적인 3D 렌더링 성능을 낼 수 있음을 보여줍니다 [4, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Wonderland Engine.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/instancedArray.md b/10_Wiki/Topics/Graphics & Performance/instancedArray.md
index 3e697e68..0dbf3e73 100644
--- a/10_Wiki/Topics/Graphics & Performance/instancedArray.md	
+++ b/10_Wiki/Topics/Graphics & Performance/instancedArray.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FF8159
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - instancedArray"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[TSL]], [[Particle Systems]]
-- **Projects/Contexts:** [[Three.js 성능 최적화 (Utsubo의 2026 가이드)]]
+- **Related Topics:** [[WebGPU]], TSL, Particle Systems
+- **Projects/Contexts:** Three.js 성능 최적화 (Utsubo의 2026 가이드)
 - **Contradictions/Notes:** 소스 내에 이 주제와 관련하여 상충하는 주장이나 반대 의견은 존재하지 않습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/instancedArray.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/three-mesh-bvh.md b/10_Wiki/Topics/Graphics & Performance/three-mesh-bvh.md
index 03f0e467..d3008d8a 100644
--- a/10_Wiki/Topics/Graphics & Performance/three-mesh-bvh.md	
+++ b/10_Wiki/Topics/Graphics & Performance/three-mesh-bvh.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-150C10
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - three-mesh-bvh"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Raycasting]], [[InstancedMesh]], [[Bounding Volume Hierarchy (BVH)]]
-- **Projects/Contexts:** [[Three.js Performance Optimization]], [[InstancedMesh2]]
+- **Related Topics:** [[Raycasting]], [[InstancedMesh]], Bounding Volume Hierarchy (BVH)
+- **Projects/Contexts:** Three.js Performance Optimization, [[InstancedMesh2]]
 - **Contradictions/Notes:** 소스에 따르면 구버전에서 사용되던 시각화 클래스인 `MeshBVHVisualizer`는 현재 지원이 중단(deprecated)되었으므로, 사용자는 `MeshBVHHelper`로 교체하여 사용해야 합니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/three-mesh-bvh.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/가상현실(VR).md b/10_Wiki/Topics/Graphics & Performance/가상현실(VR).md
index 72d10585..c8eb7cd0 100644
--- a/10_Wiki/Topics/Graphics & Performance/가상현실(VR).md	
+++ b/10_Wiki/Topics/Graphics & Performance/가상현실(VR).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-13DD7A
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실(VR)"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[현존감(Presence)]], [[인지 부하(Cognitive Load)]], [[VR 멀미(VR Sickness)]], [[몰입(Flow State)]]
-- **Projects/Contexts:** [[교육용 몰입형 시뮬레이션(Educational Immersive Simulations)]], [[기능성 게임(Serious Games)]], [[엑서게임(Exergaming)]]
+- **Related Topics:** 현존감(Presence), 인지 부하(Cognitive Load), [[VR 멀미(VR Sickness)]], 몰입(Flow State)
+- **Projects/Contexts:** 교육용 몰입형 시뮬레이션(Educational Immersive Simulations), 기능성 게임(Serious Games), [[엑서게임(Exergaming)]]
 - **Contradictions/Notes:** 일반적으로 가상현실 인터페이스가 실제 현실의 감각(Fidelity)을 완벽하게 재현할수록 사용자 몰입과 성과가 향상될 것이라 가정하지만, 연구 결과에 따르면 장비의 기술적 복잡성과 물리적 제약이 오히려 사용자의 주의를 분산시켜 인지적 과부하를 초래하는 '충실도 패러독스(Fidelity Paradox)'가 존재함이 확인되었습니다 [13, 14, 19, 20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실(VR).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/고성능 멀티스레드 React 앱 아키텍처.md b/10_Wiki/Topics/Graphics & Performance/고성능 멀티스레드 React 앱 아키텍처.md
index cf926c8d..1c5f9c56 100644
--- a/10_Wiki/Topics/Graphics & Performance/고성능 멀티스레드 React 앱 아키텍처.md	
+++ b/10_Wiki/Topics/Graphics & Performance/고성능 멀티스레드 React 앱 아키텍처.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-87DB97
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,12 +31,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 고성능 멀티스레드 Reac
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Web Worker (웹 워커)]], [[OffscreenCanvas]], [[SharedArrayBuffer]], [[Valtio (Proxy State 관리)]], [[Event Forwarding (이벤트 포워딩)]]
-- **Projects/Contexts:** [[대규모 데이터 분석 및 시각화 대시보드]], [[고성능 실시간 WebGL 게임 엔진]], [[서드파티 스크립트가 많은 엔터프라이즈 앱 성능 개선]]
+- **Related Topics:** [[Web Worker (웹 워커)]], [[OffscreenCanvas]], SharedArrayBuffer, Valtio (Proxy State 관리), Event Forwarding (이벤트 포워딩)
+- **Projects/Contexts:** 대규모 데이터 분석 및 시각화 대시보드, 고성능 실시간 WebGL 게임 엔진, 서드파티 스크립트가 많은 엔터프라이즈 앱 성능 개선
 - **Contradictions/Notes:** 멀티스레딩이 무조건적인 성능 향상을 가져오지는 않습니다. 스레드 간에 메시지를 주고받는 과정(Message passing)에는 직렬화로 인한 오버헤드(약 5~10ms)가 수반됩니다. 연산 시간이 50ms 미만인 비교적 가벼운 작업을 워커로 분리하면 오히려 통신 비용이 연산 시간보다 커져 성능이 하락할 수 있으므로 철저한 프로파일링을 기반으로 병목 구간에만 선택적으로 적용해야 합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/고성능 멀티스레드 React 앱 아키텍처.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/대규모 3D 건축 모델(BIM) 시각화.md b/10_Wiki/Topics/Graphics & Performance/대규모 3D 건축 모델(BIM) 시각화.md
index d88b07f7..6f06cd44 100644
--- a/10_Wiki/Topics/Graphics & Performance/대규모 3D 건축 모델(BIM) 시각화.md	
+++ b/10_Wiki/Topics/Graphics & Performance/대규모 3D 건축 모델(BIM) 시각화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-750154
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 3D 건축 모델(BIM
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[WebGPU]], [[Compute Shader]], [[Draw Call]], [[Occlusion Culling]], [[Level of Detail (LOD)]]
-- **Projects/Contexts:** [[IFC.js (Fragment)]], [[Revit glTF Export]]
+- **Related Topics:** [[InstancedMesh]], BatchedMesh, [[WebGPU]], [[Compute Shader]], [[Draw Call]], Occlusion Culling, [[Level of Detail (LOD)]]
+- **Projects/Contexts:** IFC.js (Fragment), [[Revit glTF Export]]
 - **Contradictions/Notes:** 성능 최적화 기법으로 흔히 권장되는 `THREE.LOD` (Level of Detail)는 방대하고 동적으로 생성/변경되는 산업용 플랜트나 BIM 씬에서는 적합하지 않을 수 있습니다. 모든 LOD 단계의 메쉬를 GPU 메모리에 유지해야 하고, 런타임에 동적으로 지오메트리 단순화 버전을 생성하는 오버헤드가 커서 오히려 성능을 저하시킬 수 있기 때문입니다. 이러한 환경에서는 드로우 콜을 줄이는 배칭(Batching)이나 인스턴싱이 우선적으로 고려되어야 합니다 [3, 23-26].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/대규모 3D 건축 모델(BIM) 시각화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/대규모 건설 뷰어(Construction Viewers).md b/10_Wiki/Topics/Graphics & Performance/대규모 건설 뷰어(Construction Viewers).md
index 12441a2d..63e57971 100644
--- a/10_Wiki/Topics/Graphics & Performance/대규모 건설 뷰어(Construction Viewers).md	
+++ b/10_Wiki/Topics/Graphics & Performance/대규모 건설 뷰어(Construction Viewers).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9E35B0
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 건설 뷰어(Constr
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BIM(Building Information Modeling)]], [[WebGPU]], [[BatchedMesh]], [[InstancedMesh]]
-- **Projects/Contexts:** [[IFC.js]], [[Revit]], [[Segments.ai]]
+- **Related Topics:** BIM(Building Information Modeling), [[WebGPU]], BatchedMesh, [[InstancedMesh]]
+- **Projects/Contexts:** IFC.js, Revit, Segments.ai
 - **Contradictions/Notes:** 동일한 재질의 객체를 묶어 가시성을 개별 관리하기 위해 `BatchedMesh`가 유용하게 쓰일 수 있지만, 수백만 개의 삼각형과 수십만 개의 고유 형상이 포함된 복잡한 Revit 추출 모델 등에서는 `BatchedMesh`를 사용했을 때 CPU 사용량이 급증하고 프레임률(FPS)이 오히려 크게 하락하는 심각한 성능 병목 현상이 보고되기도 한다 [20-23].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/대규모 건설 뷰어(Construction Viewers).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/대규모 건축물 및 지형 뷰어(BIM).md b/10_Wiki/Topics/Graphics & Performance/대규모 건축물 및 지형 뷰어(BIM).md
index d29aa004..38c31429 100644
--- a/10_Wiki/Topics/Graphics & Performance/대규모 건축물 및 지형 뷰어(BIM).md	
+++ b/10_Wiki/Topics/Graphics & Performance/대규모 건축물 및 지형 뷰어(BIM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-73ED53
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 건축물 및 지형
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[BatchedMesh]], [[InstancedMesh]], [[Compute Shader]], [[Draw Call]], [[Frustum Culling]]
-- **Projects/Contexts:** [[Three.js]], [[IFC.js]], [[Cesium]]
+- **Related Topics:** [[WebGPU]], BatchedMesh, [[InstancedMesh]], [[Compute Shader]], [[Draw Call]], [[Frustum Culling]]
+- **Projects/Contexts:** Three.js, IFC.js, [[Cesium]]
 - **Contradictions/Notes:** 소스에 따르면 `BatchedMesh`는 BIM 모델처럼 다양한 기하학적 객체를 통합하는 데 필수적이라고 평가받지만 [4], 1,000만 개 이상의 정점과 다수의 고유 기하학을 포함하는 환경에서 정렬(Sort) 및 개별 절두체 컬링(perObjectFrustumCulled) 기능을 활성화할 경우, 도리어 단순 병합 메쉬(Merged Mesh)보다 30~50% 더 심각한 CPU 성능 저하를 일으킬 수 있다는 실증적 한계가 보고되고 있습니다 [21-26].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/대규모 건축물 및 지형 뷰어(BIM).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/대규모 파티클 시스템 최적화.md b/10_Wiki/Topics/Graphics & Performance/대규모 파티클 시스템 최적화.md
index cd91254c..6065465f 100644
--- a/10_Wiki/Topics/Graphics & Performance/대규모 파티클 시스템 최적화.md	
+++ b/10_Wiki/Topics/Graphics & Performance/대규모 파티클 시스템 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A0A931
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,12 +28,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 파티클 시스템
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU Compute Shaders]], [[InstancedMesh (드로우 콜 최적화)]], [[Object Pooling (오브젝트 풀링)]], [[Garbage Collection (GC) 최적화]], [[Data-Oriented Design (bitECS)]]
-- **Projects/Contexts:** [[초대규모 파티클 및 엔티티 시뮬레이션 (React Three Fiber)]], [[고성능 실시간 상호작용 웹 게임 아키텍처]]
+- **Related Topics:** [[WebGPU Compute Shaders]], [[InstancedMesh (드로우 콜 최적화)]], [[Object Pooling (오브젝트 풀링)]], Garbage Collection (GC) 최적화, Data-Oriented Design (bitECS)
+- **Projects/Contexts:** 초대규모 파티클 및 엔티티 시뮬레이션 (React Three Fiber), 고성능 실시간 상호작용 웹 게임 아키텍처
 - **Contradictions/Notes:** 연산 셰이더와 영구 GPU 버퍼를 사용해 수백만 개의 파티클을 제어하는 방식이 압도적으로 빠르지만, 이는 WebGPU 환경에서만 온전히 동작하며 WebGL 환경으로 폴백(Fallback)될 경우 이 수준의 동시성을 기대하기 어렵다는 제약이 있습니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/대규모 파티클 시스템 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/마이크로 프론트엔드.md b/10_Wiki/Topics/Graphics & Performance/마이크로 프론트엔드.md
index f54332c3..9f9153f0 100644
--- a/10_Wiki/Topics/Graphics & Performance/마이크로 프론트엔드.md	
+++ b/10_Wiki/Topics/Graphics & Performance/마이크로 프론트엔드.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E74AFF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 마이크로 프론트엔드"
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스 아키텍처]], [[모놀리식 프론트엔드]], [[관심사의 분리(SoC)]], [[모듈 페더레이션(Module Federation)]], [[웹 컴포넌트(Web Components)]]
-- **Projects/Contexts:** [[Spotify의 스쿼드(Squad) 모델 및 웹 플레이어]], [[Netflix의 대시보드 및 도구 현대화]], [[Zalando와 Amazon의 이커머스 모듈화]]
+- **Related Topics:** 마이크로서비스 아키텍처, 모놀리식 프론트엔드, [[관심사의 분리(SoC)]], 모듈 페더레이션(Module Federation), 웹 컴포넌트(Web Components)
+- **Projects/Contexts:** Spotify의 스쿼드(Squad) 모델 및 웹 플레이어, Netflix의 대시보드 및 도구 현대화, Zalando와 Amazon의 이커머스 모듈화
 - **Contradictions/Notes:** 마이크로 프론트엔드는 팀 간 의존성을 줄이고 자율성과 확장성을 높여주지만, 동시에 초기 로딩 성능 저하 및 빌드/배포 파이프라인의 복잡성 증가라는 뚜렷한 트레이드오프(Trade-off)를 수반합니다 [3, 8]. 소규모 프로젝트의 경우 오히려 관리 부담이 가중될 수 있어 권장되지 않습니다 [11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/마이크로 프론트엔드.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/모바일 기반 WebGL 애플리케이션 개발.md b/10_Wiki/Topics/Graphics & Performance/모바일 기반 WebGL 애플리케이션 개발.md
index 97afdd1f..2aae826f 100644
--- a/10_Wiki/Topics/Graphics & Performance/모바일 기반 WebGL 애플리케이션 개발.md	
+++ b/10_Wiki/Topics/Graphics & Performance/모바일 기반 WebGL 애플리케이션 개발.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-18A5BC
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 모바일 기반 WebGL 애플
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[드로우 콜 최적화(Draw Call Optimization)]], [[텍스처 압축 및 아틀라스(Texture Compression & Atlas)]], [[셰이더 정밀도 최적화(Shader Precision Optimization)]], [[가비지 컬렉션 관리(Garbage Collection Management)]]
-- **Projects/Contexts:** [[Three.js WebGL 렌더링]], [[모바일 환경의 메모리 병목]]
+- **Related Topics:** 드로우 콜 최적화(Draw Call Optimization), 텍스처 압축 및 아틀라스(Texture Compression & Atlas), 셰이더 정밀도 최적화(Shader Precision Optimization), 가비지 컬렉션 관리(Garbage Collection Management)
+- **Projects/Contexts:** Three.js WebGL 렌더링, 모바일 환경의 메모리 병목
 - **Contradictions/Notes:** 뼈대 텍스처의 부분 업데이트(partial texture updates)와 같은 특정 세부 렌더링 최적화 기법은 일부 모바일 기기와 Firefox 브라우저 환경에서는 오히려 속도를 느리게 만드는 부작용(역효과)이 보고되었습니다 [11, 12]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/모바일 기반 WebGL 애플리케이션 개발.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/셰이더 정밀도 (Mediump_Highp).md b/10_Wiki/Topics/Graphics & Performance/셰이더 정밀도 (Mediump_Highp).md
index 72c354cc..38264f72 100644
--- a/10_Wiki/Topics/Graphics & Performance/셰이더 정밀도 (Mediump_Highp).md	
+++ b/10_Wiki/Topics/Graphics & Performance/셰이더 정밀도 (Mediump_Highp).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B2C911
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 셰이더 정밀도 (Mediump_H
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[셰이더 최적화]], [[깊이 계산 (Depth Calculations)]]
-- **Projects/Contexts:** [[Three.js 모바일 성능 최적화]]
+- **Related Topics:** 셰이더 최적화, 깊이 계산 (Depth Calculations)
+- **Projects/Contexts:** Three.js 모바일 성능 최적화
 - **Contradictions/Notes:** 소스에 관련 정보가 제한적이며, 주어진 자료 내에서 셰이더 정밀도에 대한 이견이나 추가적인 구체적 작동 원리에 대한 소스에 관련 정보가 부족합니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/셰이더 정밀도 (Mediump_Highp).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/스토리지 텍스처(Storage Textures).md b/10_Wiki/Topics/Graphics & Performance/스토리지 텍스처(Storage Textures).md
index a33dcbc6..d243b805 100644
--- a/10_Wiki/Topics/Graphics & Performance/스토리지 텍스처(Storage Textures).md	
+++ b/10_Wiki/Topics/Graphics & Performance/스토리지 텍스처(Storage Textures).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F28DA7
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -21,11 +21,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스토리지 텍스처(Storage
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[컴퓨트 셰이더(Compute Shaders)]], [[웹GPU(WebGPU)]]
-- **Projects/Contexts:** [[유체 시뮬레이션(Fluid simulation)]], [[이미지 처리(Image processing)]], [[GPU 기반 렌더링(GPU-driven rendering)]]
+- **Related Topics:** [[컴퓨트 셰이더(Compute Shaders)]], 웹GPU(WebGPU)
+- **Projects/Contexts:** 유체 시뮬레이션(Fluid simulation), 이미지 처리(Image processing), GPU 기반 렌더링(GPU-driven rendering)
 - **Contradictions/Notes:** 소스에서는 스토리지 텍스처의 특징을 설명하기 위해 일반 텍스처(regular textures)와 대조하고 있으며, 일반 텍스처는 컴퓨트 셰이더에서 읽고 쓰기를 동시에 할 수 없다는 점을 강조합니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/스토리지 텍스처(Storage Textures).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/실시간 물리 및 유체 시뮬레이션.md b/10_Wiki/Topics/Graphics & Performance/실시간 물리 및 유체 시뮬레이션.md
index 10c84a97..008f5e88 100644
--- a/10_Wiki/Topics/Graphics & Performance/실시간 물리 및 유체 시뮬레이션.md	
+++ b/10_Wiki/Topics/Graphics & Performance/실시간 물리 및 유체 시뮬레이션.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4173D4
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 실시간 물리 및 유체 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/실시간 물리 및 유체 시뮬레이션.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/웹 브라우저 그래픽 API 호환성.md b/10_Wiki/Topics/Graphics & Performance/웹 브라우저 그래픽 API 호환성.md
index c930a1d3..37415586 100644
--- a/10_Wiki/Topics/Graphics & Performance/웹 브라우저 그래픽 API 호환성.md	
+++ b/10_Wiki/Topics/Graphics & Performance/웹 브라우저 그래픽 API 호환성.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7B4FF5
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 웹 브라우저 그래픽 API
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGL]], [[WebGPU]], [[ANGLE]], [[Spectre 및 Meltdown]], [[타이머 쿼리 제한(Timer Query Quantization)]]
-- **Projects/Contexts:** [[3D Gaussian Splatting(3DGS) 웹 렌더링]], [[크로스 플랫폼 성능 프로파일링]]
+- **Related Topics:** [[WebGL]], [[WebGPU]], [[ANGLE]], Spectre 및 Meltdown, 타이머 쿼리 제한(Timer Query Quantization)
+- **Projects/Contexts:** 3D Gaussian Splatting(3DGS) 웹 렌더링, 크로스 플랫폼 성능 프로파일링
 - **Contradictions/Notes:** WebGL의 `EXT_disjoint_timer_query` 확장 기능에 대해 `caniuse.com`의 지원 정보나 일부 문서가 최신 호환성 상태(보안 문제로 인한 브라우저별 비활성화 조치 등)를 정확히 반영하지 못하고 상충되는 정보를 제공했던 혼선이 존재했습니다 [17, 29]. 또한, WebGPU는 그래픽 성능과 리소스 제어권을 크게 향상시키지만 WebGL과 하위 호환되지 않으므로, 보편적 접근성이 필요한 프로젝트의 경우 WebGPU 지원이 대중화되기 전까지 WebGL 기반의 폴백(Fallback) 렌더링 환경을 유지해야만 하는 제약이 있습니다 [6, 25, 30].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/웹 브라우저 그래픽 API 호환성.md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/입자 시스템(Particle Systems).md b/10_Wiki/Topics/Graphics & Performance/입자 시스템(Particle Systems).md
index 2f3c5769..ca159830 100644
--- a/10_Wiki/Topics/Graphics & Performance/입자 시스템(Particle Systems).md	
+++ b/10_Wiki/Topics/Graphics & Performance/입자 시스템(Particle Systems).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1C7197
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 입자 시스템(Particle Syst
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[컴퓨트 셰이더(Compute Shaders)]], [[InstancedMesh]], [[Solid Particle System (SPS)]]
-- **Projects/Contexts:** [[Hokusai installation]] - 엑스포 2025 오사카(Expo 2025 Osaka)에서 100만 개의 입자 기반 유체 시뮬레이션을 WebGPU로 구현한 프로젝트입니다 [12].
+- **Related Topics:** [[WebGPU]], [[컴퓨트 셰이더(Compute Shaders)]], [[InstancedMesh]], Solid Particle System (SPS)
+- **Projects/Contexts:** Hokusai installation - 엑스포 2025 오사카(Expo 2025 Osaka)에서 100만 개의 입자 기반 유체 시뮬레이션을 WebGPU로 구현한 프로젝트입니다 [12].
 - **Contradictions/Notes:** Babylon.js 환경의 Solid Particle System(SPS)는 저폴리곤 입자의 CPU 연산 성능 면에서는 우수하지만, 입자별로 기하학적 데이터를 복제해야 하므로 메모리 점유율 측면에서는 인스턴스 메시(InstancedMesh) 방식에 비해 비효율적이라는 트레이드오프(Trade-off)가 존재합니다 [6, 10, 11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/입자 시스템(Particle Systems).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/컴퓨트 셰이더(Compute Shaders).md b/10_Wiki/Topics/Graphics & Performance/컴퓨트 셰이더(Compute Shaders).md
index b4b1e303..82396fb9 100644
--- a/10_Wiki/Topics/Graphics & Performance/컴퓨트 셰이더(Compute Shaders).md	
+++ b/10_Wiki/Topics/Graphics & Performance/컴퓨트 셰이더(Compute Shaders).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C4EB25
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 컴퓨트 셰이더(Compute Sh
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[WebGPU]], [[GPU-driven Rendering]], [[TSL (Three Shader Language)]], [[Storage Textures]]
-- **Projects/Contexts:** [[Three.js WebGPURenderer]], [[Native WebGPU]], [[대규모 건설/BIM 플랫폼 (Large-Scale Construction Viewers)]]
+- **Related Topics:** [[WebGPU]], [[GPU-driven Rendering]], [[TSL (Three Shader Language)]], Storage Textures
+- **Projects/Contexts:** Three.js WebGPURenderer, Native WebGPU, 대규모 건설/BIM 플랫폼 (Large-Scale Construction Viewers)
 - **Contradictions/Notes:** 컴퓨트 셰이더를 통한 GPU 병렬 연산은 압도적인 성능 향상을 가져오지만, 작업 디스패치 사이에 `await mapAsync()`를 무분별하게 사용하면 GPU 파이프라인이 멈추고 최대 60%의 시간 동안 GPU가 유휴 상태에 빠지는 성능 저하 역효과가 발생할 수 있으므로 주의해야 합니다 [11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/컴퓨트 셰이더(Compute Shaders).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/프래그먼트 바운드(Fragment-bound).md b/10_Wiki/Topics/Graphics & Performance/프래그먼트 바운드(Fragment-bound).md
index a74dedb3..e8b4010f 100644
--- a/10_Wiki/Topics/Graphics & Performance/프래그먼트 바운드(Fragment-bound).md	
+++ b/10_Wiki/Topics/Graphics & Performance/프래그먼트 바운드(Fragment-bound).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8CAEFF
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 프래그먼트 바운드(Frag
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[오버드로우(Overdraw)]], [[InstancedMesh]], [[BatchedMesh]], [[프래그먼트 셰이딩(Fragment Shading)]]
-- **Projects/Contexts:** [[Three.js 렌더링 성능 최적화]], [[MeshStandardMaterial 조명 연산]]
+- **Related Topics:** [[오버드로우(Overdraw)]], [[InstancedMesh]], BatchedMesh, [[프래그먼트 셰이딩(Fragment Shading)]]
+- **Projects/Contexts:** Three.js 렌더링 성능 최적화, [[MeshStandardMaterial 조명 연산]]
 - **Contradictions/Notes:** 소스에 따르면 `InstancedMesh`는 CPU의 드로우 콜 병목을 해소하기 위해 도입되지만, 내부 정렬(Sorting)의 부재로 인해 오히려 GPU 측에서 프래그먼트 바운드라는 새로운 형태의 성능 병목을 유발할 수 있는 구조적 트레이드오프를 지니고 있습니다 [1, 2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/프래그먼트 바운드(Fragment-bound).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/프래그먼트 셰이딩(Fragment Shading).md b/10_Wiki/Topics/Graphics & Performance/프래그먼트 셰이딩(Fragment Shading).md
index 7c53d55c..36c8b88e 100644
--- a/10_Wiki/Topics/Graphics & Performance/프래그먼트 셰이딩(Fragment Shading).md	
+++ b/10_Wiki/Topics/Graphics & Performance/프래그먼트 셰이딩(Fragment Shading).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CE737D
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 프래그먼트 셰이딩(Frag
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Overdraw]], [[Vertex Shader]], [[Level of Detail (LOD)]], [[Physically Based Rendering (PBR)]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]]
+- **Related Topics:** [[Overdraw]], [[Vertex Shader]], [[Level of Detail (LOD)]], Physically Based Rendering (PBR)
+- **Projects/Contexts:** Three.js, [[WebGL]]
 - **Contradictions/Notes:** 시각적인 현실감을 제공하는 PBR 모델의 재질은 사실적인 빛 반사를 구현하지만 프래그먼트 셰이더에서 수많은 연산과 텍스처 샘플링을 요구한다. 따라서 내장 GPU(iGPU)와 같은 저사양 하드웨어 환경에서는 성능을 크게 저하시키며, 오히려 연산량이 적은 Phong 모델이나 플랫 셰이딩 재질을 사용하는 것이 높은 프레임 레이트 유지를 위해 필수적이라고 소스는 설명한다 [1, 10, 11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/프래그먼트 셰이딩(Fragment Shading).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/헤드 마운트 디스플레이(HMD).md b/10_Wiki/Topics/Graphics & Performance/헤드 마운트 디스플레이(HMD).md
index 8a067ac4..9704b82a 100644
--- a/10_Wiki/Topics/Graphics & Performance/헤드 마운트 디스플레이(HMD).md	
+++ b/10_Wiki/Topics/Graphics & Performance/헤드 마운트 디스플레이(HMD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F31E1F
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 헤드 마운트 디스플레
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상 현실(Virtual Reality)]], [[혼합 현실(Mixed Reality)]], [[인지 부하(Cognitive Load)]], [[VR 멀미(VR Sickness)]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber) 엑서게임 연구]], [[Meta Quest 시리즈 및 HTC Vive Pro 활용 사례]]
+- **Related Topics:** 가상 현실(Virtual Reality), 혼합 현실(Mixed Reality), 인지 부하(Cognitive Load), [[VR 멀미(VR Sickness)]]
+- **Projects/Contexts:** [[비트 세이버(Beat Saber) 엑서게임 연구]], Meta Quest 시리즈 및 HTC Vive Pro 활용 사례
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/헤드 마운트 디스플레이(HMD).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics & Performance/헤드마운트 디스플레이 (HMD).md b/10_Wiki/Topics/Graphics & Performance/헤드마운트 디스플레이 (HMD).md
index 9fbccd28..90bcfeb0 100644
--- a/10_Wiki/Topics/Graphics & Performance/헤드마운트 디스플레이 (HMD).md	
+++ b/10_Wiki/Topics/Graphics & Performance/헤드마운트 디스플레이 (HMD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3585FE
-category: "[[10_Wiki/💡 Topics/Graphics & Performance]]"
+category: "10_Wiki/💡 Topics/Graphics & Performance"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 헤드마운트 디스플레
 - **정책 변화:** Graphics & Performance 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 (VR)]], [[혼합현실 (MR)]], [[VR 멀미 (VR Sickness)]], [[폭주-조절 불일치 (Vergence-Accommodation Conflict)]], [[인지 부하 (Cognitive Load)]]
-- **Projects/Contexts:** [[비트 세이버 (Beat Saber) 등 엑서게임]], [[교육 및 훈련용 VR 시뮬레이션]]
+- **Related Topics:** 가상현실 (VR), 혼합현실 (MR), [[VR 멀미 (VR Sickness)]], 폭주-조절 불일치 (Vergence-Accommodation Conflict), 인지 부하 (Cognitive Load)
+- **Projects/Contexts:** 비트 세이버 (Beat Saber) 등 엑서게임, 교육 및 훈련용 VR 시뮬레이션
 - **Contradictions/Notes:** HMD는 대형 화면을 사용하는 것보다 사용자에게 훨씬 더 깊은 몰입감을 제공할 수 있는 수단이지만, 역설적으로 화면 기반 환경보다 시뮬레이터 멀미 설문지(SSQ) 점수가 실질적으로 더 높게 나타나 VR 멀미를 더 많이 유발한다는 취약점이 존재합니다 [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/헤드마운트 디스플레이 (HMD).md]]
+
 ---
diff --git a/10_Wiki/Topics/Graphics/3D_Gaussian_Splatting.md b/10_Wiki/Topics/Graphics/3D_Gaussian_Splatting.md
index 7d839564..faf9fe1f 100644
--- a/10_Wiki/Topics/Graphics/3D_Gaussian_Splatting.md
+++ b/10_Wiki/Topics/Graphics/3D_Gaussian_Splatting.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-3DGS-001
-category: "[[10_Wiki/💡 Topics/Graphics]]"
+category: "10_Wiki/💡 Topics/Graphics"
 confidence_score: 0.95
 tags: [graphics, rendering, ai]
 last_reinforced: 2026-04-20
 github_commit: "initial-reinforce"
 ---
 
-# [[3D Gaussian Splatting (3DGS)]]
+# 3D Gaussian Splatting (3DGS)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 포인트 클라우드를 넘어서 공간을 가속화된 가우시안 타원체로 표현함으로써 실시간 렌더링의 새로운 지평을 열다.
@@ -24,6 +24,6 @@ github_commit: "initial-reinforce"
 - **정책 변화:** 렌더링 효율성(w1) 가중치를 높게 평가하여 그래픽스 카테고리의 최상단 지식으로 배치.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Graphics]]
-- **Related:** [[NeRF]], [[Point-Cloud]], [[Radiance-Fields]]
-- **Raw Source:** [[00_Raw/2026-04-20/3D Gaussian Splatting (3DGS).md]]
+- **Parent:** 10_Wiki/💡 Topics/Graphics
+- **Related:** NeRF, Point-Cloud, Radiance-Fields
+- **Raw Source:** 00_Raw/2026-04-20/3D Gaussian Splatting (3DGS).md
diff --git a/10_Wiki/Topics/Graphics/3D_Web_HMI.md b/10_Wiki/Topics/Graphics/3D_Web_HMI.md
index 8bf448ac..5e5158a3 100644
--- a/10_Wiki/Topics/Graphics/3D_Web_HMI.md
+++ b/10_Wiki/Topics/Graphics/3D_Web_HMI.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-HMI-001
-category: "[[10_Wiki/💡 Topics/Graphics]]"
+category: "10_Wiki/💡 Topics/Graphics"
 confidence_score: 0.90
 tags: [web, hmi, interface, 3d]
 last_reinforced: 2026-04-20
 github_commit: "initial-reinforce"
 ---
 
-# [[3D Web-based HMI]]
+# 3D Web-based HMI
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 산업용 제어 인터페이스를 브라우저 환경에서 3D로 시각화하여 정보의 직관성과 조작성을 극대화하다.
@@ -24,6 +24,6 @@ github_commit: "initial-reinforce"
 - **정책 변화:** 구조적 연결성(w2) 관점에서 디지털 트윈 아키텍처와 통합 분석 필요성 제기.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Graphics]]
-- **Related:** [[Three.js]], [[Digital-Twin]], [[SCADA]]
-- **Raw Source:** [[00_Raw/2026-04-20/3D Web-based HMI.md]]
+- **Parent:** 10_Wiki/💡 Topics/Graphics
+- **Related:** Three.js, Digital-Twin, [[SCADA]]
+- **Raw Source:** 00_Raw/2026-04-20/3D Web-based HMI.md
diff --git a/10_Wiki/Topics/Graphics/Digital_Twin.md b/10_Wiki/Topics/Graphics/Digital_Twin.md
index a248c676..bd8047bf 100644
--- a/10_Wiki/Topics/Graphics/Digital_Twin.md
+++ b/10_Wiki/Topics/Graphics/Digital_Twin.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-GRAPHICS-003
-category: "[[10_Wiki/💡 Topics/Graphics]]"
+category: "10_Wiki/💡 Topics/Graphics"
 confidence_score: 0.92
 tags: [graphics, digital-twin, hmi, iot]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-04"
 ---
 
-# [[Digital Twin Interfaces]]
+# Digital Twin Interfaces
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 물리적 실체와 디지털 가상물을 실시간 데이터 혈류로 연결하여 예측 가능한 미래를 설계하는 인터페이스 기술.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-04"
 - **정책 변화:** 구조적 연결성(w2) 관점에서 3D_Web_HMI와의 기술적 통합 시너지 분석.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Graphics]]
-- **Related:** [[3D_Web_HMI]], [[IoT]], [[Predictive-Maintenance]]
-- **Raw Source:** [[00_Raw/2026-04-20/Digital Twin Interfaces.md]]
+- **Parent:** 10_Wiki/💡 Topics/Graphics
+- **Related:** [[3D_Web_HMI]], [[IoT]], Predictive-Maintenance
+- **Raw Source:** 00_Raw/2026-04-20/Digital Twin Interfaces.md
diff --git a/10_Wiki/Topics/Graphics/Predictive_Maintenance.md b/10_Wiki/Topics/Graphics/Predictive_Maintenance.md
index 45986235..da9581b6 100644
--- a/10_Wiki/Topics/Graphics/Predictive_Maintenance.md
+++ b/10_Wiki/Topics/Graphics/Predictive_Maintenance.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-GRAPHICS-004
-category: "[[10_Wiki/💡 Topics/Graphics]]"
+category: "10_Wiki/💡 Topics/Graphics"
 confidence_score: 0.93
 tags: [graphics, digital-twin, maintenance, ai]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-05"
 ---
 
-# [[Predictive Maintenance (PdM)]]
+# Predictive Maintenance (PdM)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 과거의 고장 패턴을 학습하여 미래의 이상 징후를 사전에 포착함으로써 시스템 가동 중단을 원천 차단하는 지능형 유지보수 체계.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-05"
 - **정책 변화:** 성능 가중치(w1) 관점에서 가동 시간(Uptime) 극대화를 위한 핵심 전략으로 배치.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Graphics]]
+- **Parent:** 10_Wiki/💡 Topics/Graphics
 - **Related:** [[Digital_Twin]], [[Anomaly-Detection]], [[IoT]]
-- **Raw Source:** [[00_Raw/2026-04-20/Predictive Maintenance (PdM).md]]
+- **Raw Source:** 00_Raw/2026-04-20/Predictive Maintenance (PdM).md
diff --git a/10_Wiki/Topics/Graphics/VPS_NeRF.md b/10_Wiki/Topics/Graphics/VPS_NeRF.md
index ac6d1276..1a3ea3d0 100644
--- a/10_Wiki/Topics/Graphics/VPS_NeRF.md
+++ b/10_Wiki/Topics/Graphics/VPS_NeRF.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-GRAPHICS-005
-category: "[[10_Wiki/💡 Topics/Graphics]]"
+category: "10_Wiki/💡 Topics/Graphics"
 confidence_score: 0.94
 tags: [graphics, nerf, vps, navigation]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-05"
 ---
 
-# [[VPS & NeRF (Visual Positioning System)]]
+# VPS & NeRF (Visual Positioning System)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 이미지 기반의 정밀 위치 측정 기술과 신경망 기반 공간 재구성을 결합하여 현실 세계를 완벽한 디지털 좌표계로 변환하다.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-05"
 - **정책 변화:** 기술적 가중치(w1)를 높게 설정하여 메타버스 카테고리의 핵심 브리지 지식으로 배치.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Graphics]]
-- **Related:** [[CV_Synthesis]], [[3D_Gaussian_Splatting]], [[SLAM]]
-- **Raw Source:** [[00_Raw/2026-04-20/Visual Positioning Systems (VPS).md]]
+- **Parent:** 10_Wiki/💡 Topics/Graphics
+- **Related:** [[CV_Synthesis]], [[3D_Gaussian_Splatting]], SLAM
+- **Raw Source:** 00_Raw/2026-04-20/Visual Positioning Systems (VPS).md
diff --git a/10_Wiki/Topics/Health & Science/Biomedical-Engineering.md b/10_Wiki/Topics/Health & Science/Biomedical-Engineering.md
index e911c682..50b914c5 100644
--- a/10_Wiki/Topics/Health & Science/Biomedical-Engineering.md	
+++ b/10_Wiki/Topics/Health & Science/Biomedical-Engineering.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-058
-category: "[[10_Wiki/💡 Topics/Health & Science]]"
+category: "10_Wiki/💡 Topics/Health & Science"
 confidence_score: 0.97
 tags: [biomedical engineering, biomechanics, medical device, robotics]
 last_reinforced: 2026-06-XX
@@ -24,6 +24,6 @@ github_commit: "[P-Reinforce] Processed Biomedical-Engineering."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Biomedical-Engineering]]
-- Related: [[Biomechanics]] , [[Assistive Technology]] , [[Signal Processing]]
-- Raw Source: [[00_Raw/Biomedical-Engineering.md]]
+- Related: Biomechanics , Assistive Technology , Signal Processing
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Health/ACL_Prevention.md b/10_Wiki/Topics/Health/ACL_Prevention.md
index a4921dad..29cd872f 100644
--- a/10_Wiki/Topics/Health/ACL_Prevention.md
+++ b/10_Wiki/Topics/Health/ACL_Prevention.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-HEALTH-001
-category: "[[10_Wiki/💡 Topics/Health]]"
+category: "10_Wiki/💡 Topics/Health"
 confidence_score: 0.89
 tags: [health, sports, injury, prevention]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-01"
 ---
 
-# [[ACL Injury Prevention Protocols]]
+# ACL Injury Prevention Protocols
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 전방십자인대 부상 위험을 최소화하기 위해 바이오메카닉 분석과 신경근 훈련을 결합한 과학적 예방 체계.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-01"
 - **정책 변화:** 지식 연결성(w2) 관점에서 바이오메카닉과 스포츠 심리학의 연계성 강화.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Health]]
-- **Related:** [[Neuromuscular-Control]], [[Sports-Science]], [[Proprioception]]
-- **Raw Source:** [[00_Raw/2026-04-20/ACL-Injury-Prevention-Protocols.md]]
+- **Parent:** 10_Wiki/💡 Topics/Health
+- **Related:** [[Neuromuscular-Control]], Sports-Science, [[Proprioception]]
+- **Raw Source:** 00_Raw/2026-04-20/ACL-Injury-Prevention-Protocols.md
diff --git a/10_Wiki/Topics/Infrastructure & Automation/Edge Computing.md b/10_Wiki/Topics/Infrastructure & Automation/Edge Computing.md
index 02df04fb..4b9faf56 100644
--- a/10_Wiki/Topics/Infrastructure & Automation/Edge Computing.md	
+++ b/10_Wiki/Topics/Infrastructure & Automation/Edge Computing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-043
-category: "[[10_Wiki/💡 Topics/Infrastructure & Automation]]"
+category: "10_Wiki/💡 Topics/Infrastructure & Automation"
 confidence_score: 0.98
 tags: [edge, computing, iot, distributed]
 last_reinforced: 2026-06-XX
@@ -27,7 +27,7 @@ github_commit: "[P-Reinforce] Processed Edge_Computing.md"
 - **정책 변화:** 에너지 효율성과 장치 자원 제약(Resource Constraints)을 고려한 경량화된 AI 모델 배포(TinyML) 기술이 중요한 트렌드로 부상하고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Internet of Things (IoT) Telemetry]]
-- Related: [[Distributed-Systems-Engineering]] , [[Real-Time-Game-Engines]] , [[Autonomous Vehicle Perception]]
-- Raw Source: [[00_Raw/Edge_Computing.md]]
+- Parent: Internet of Things (IoT) Telemetry
+- Related: [[Distributed-Systems-Engineering]] , Real-Time-Game-Engines , Autonomous Vehicle Perception
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Infrastructure & Automation/Real-Time Engine (RTE).md b/10_Wiki/Topics/Infrastructure & Automation/Real-Time Engine (RTE).md
index e7cd37d2..412f2bd4 100644
--- a/10_Wiki/Topics/Infrastructure & Automation/Real-Time Engine (RTE).md	
+++ b/10_Wiki/Topics/Infrastructure & Automation/Real-Time Engine (RTE).md	
@@ -1,6 +1,6 @@
 ---
 id: b2d3e4f5-a6c7-4d8e-9f0a-1b2c3d4e5f6a
-category: "[[10_Wiki/Topics/Infrastructure & Automation]]"
+category: "10_Wiki/Topics/Infrastructure & Automation"
 confidence_score: 1.0
 tags: [rte, real-time-engine, mz, infrastructure, liveops, data-segmentation]
 last_reinforced: 2026-04-27
@@ -21,7 +21,7 @@ github_commit: "p-reinforce-infra"
 - **운영적 가치:** 라이브 운영(LiveOps)의 반응 속도를 극대화하여 ARPDAU와 잔존율 동시 향상.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Infrastructure & Automation]]
+- **Parent:** Infrastructure & Automation
 - **Related:** [[LiveOps]], [[Staircase Monetization]], [[Dynamic Offers]], [[Real-Time Translation]]
 - **Raw Source:** [[00_Raw/Real-Time Engine (RTE)]]
 
diff --git a/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistance).md b/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistance).md
index 12eb3eda..9a5a170f 100644
--- a/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistance).md	
+++ b/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistance).md	
@@ -19,7 +19,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[혼합 소대(Mixed Platoons)]], [[방어 구조(Defensive Architecture)]], [[피해 유형(Damage Types)]]
-- **Projects/Contexts:** [[March 2026 Research Drop]], [[Operation: Western Sun]]
+- **Projects/Contexts:** [[March 2026 Research Drop]], Operation: Western Sun
 - **Contradictions/Notes:** 과거에는 단일 유닛을 대량으로 파병하는 공격 전술이 가능했으나, 플랫폼 저항성의 도입으로 단일 피해 유형에만 의존하는 전략의 효율성이 반감되었고 다채로운 피해 프로필을 가진 혼합 병력 편성이 필수적이 되었습니다 [6].
 
 ---
diff --git a/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistances).md b/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistances).md
index 37d869c5..84f88f4e 100644
--- a/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistances).md	
+++ b/10_Wiki/Topics/Infrastructure & Automation/플랫폼 저항성(Platform Resistances).md	
@@ -16,8 +16,8 @@
 - **전술적 영향 및 복합 부대(Combined Arms) 운용 강제화:** 이러한 플랫폼의 저항력 전문화는 공격측의 단일 유닛 스팸 전략의 효율성을 대폭 하락시킵니다 [6]. 예를 들어 지속(Sustain) 데미지를 주는 보병 유닛만으로 방어벽을 뚫으려 할 경우, 방어자가 'Armored' 플랫폼을 구축해두었다면 공격의 효율은 절반으로 깎이게 됩니다 [6]. 이를 극복하기 위해 공격자는 방어 플랫폼의 저항을 우회하거나 상쇄할 수 있도록 다양한 데미지 프로필(예: 광역, 버스트, 지속 데미지 등)을 조합한 '혼합 소대(Mixed Platoons)'를 구성하여 전장에 투입해야만 합니다 [2, 6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], [[데미지 유형(Damage Types)]], [[혼합 소대(Mixed Platoons)]], [[이리듐(Iridium)]]
-- **Projects/Contexts:** [[2026년 3월 연구 업데이트(March 2026 Research Drop)]], [[War Commander 전투 생태계 진화(Evolution of the War Commander Combat Ecosystem)]]
+- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], 데미지 유형(Damage Types), [[혼합 소대(Mixed Platoons)]], 이리듐(Iridium)
+- **Projects/Contexts:** [[2026년 3월 연구 업데이트(March 2026 Research Drop)]], War Commander 전투 생태계 진화(Evolution of the War Commander Combat Ecosystem)
 - **Contradictions/Notes:** 제공된 소스 내에서 플랫폼 저항성에 관해 상충하는 정보는 없습니다.
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/5R Structure.md b/10_Wiki/Topics/Logic & Reasoning/5R Structure.md
index 4ebc90d1..c534fd58 100644
--- a/10_Wiki/Topics/Logic & Reasoning/5R Structure.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/5R Structure.md	
@@ -11,8 +11,8 @@
 *   **Retention (비즈니스 유지/다음 단계):** 이번 프로젝트의 다음 단계에서 컨설팅 팀이 어떻게 추가적인 가치를 창출하고 클라이언트의 후속 비즈니스를 유치할 수 있을지 전략적으로 제안합니다 [52].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Case Interview Synthesis]], [[Pyramid Principle]]
-- **Projects/Contexts:** [[전략 컨설팅 케이스 인터뷰 최종 결론 발표]], [[클라이언트 대상 제안서 및 최종 보고]]
+- **Related Topics:** Case Interview Synthesis, [[Pyramid Principle]]
+- **Projects/Contexts:** 전략 컨설팅 케이스 인터뷰 최종 결론 발표, 클라이언트 대상 제안서 및 최종 보고
 - **Contradictions/Notes:** 앞의 3가지 R(Recap, Recommend, Reasons)은 피라미드 원칙에 따른 필수적인 구조화 작업인 반면, 뒤의 2가지 R(Risk, Retention)은 질문의 직접적인 요구 범위를 넘어서는 내용입니다. 하지만 이 두 가지를 추가함으로써 지원자는 일반적인 합격 수준을 넘어 '돋보이는(distinctive)' 우수한 평가를 받을 수 있습니다 [51, 52].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/BCG Corporate Restructuring.md b/10_Wiki/Topics/Logic & Reasoning/BCG Corporate Restructuring.md
index 1e4d8a2d..4c389184 100644
--- a/10_Wiki/Topics/Logic & Reasoning/BCG Corporate Restructuring.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/BCG Corporate Restructuring.md	
@@ -1,6 +1,6 @@
 ---
 id: b3c4d5e6-f7g8-4901-2e3f-4a5b6c7d8e9f
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [bcg, corporate-restructuring, mece, supply-chain, consulting-framework]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-logic"
 - **적용 사례:** 다국적 제조 기업의 공급망 관리 최적화 및 기업 턴어라운드 전략 수립.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
-- **Related:** [[MECE Principle]], [[Supply Chain Optimization]], [[Problem Solving Process]]
+- **Parent:** Logic & Reasoning
+- **Related:** [[MECE Principle]], Supply Chain Optimization, [[Problem Solving Process]]
 - **Raw Source:** [[00_Raw/BCG Corporate Restructuring]]
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Bottom-Up Thinking.md b/10_Wiki/Topics/Logic & Reasoning/Bottom-Up Thinking.md
index 89b5a9f3..7397fc6d 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Bottom-Up Thinking.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Bottom-Up Thinking.md	
@@ -1,6 +1,6 @@
 ---
 id: e1f2a3b4-c5d6-4789-8e9f-0a1b2c3d4e5f
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [bottom-up-thinking, logic, synthesis, communication-strategy]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-logic"
 - **청중 관점:** 바텀업 방식의 소통은 청중에게 분석의 모든 수고(Scaffolding)를 함께 짊어지게 하는 비효율을 초래.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
-- **Related:** [[Top-Down Communication]], [[Business Problem Solving]], [[Pyramid Principle]]
+- **Parent:** Logic & Reasoning
+- **Related:** Top-Down Communication, [[Business Problem Solving]], [[Pyramid Principle]]
 - **Raw Source:** [[00_Raw/Bottom-Up Thinking]]
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Business Problem Solving.md b/10_Wiki/Topics/Logic & Reasoning/Business Problem Solving.md
index 7d8b5fba..10910644 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Business Problem Solving.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Business Problem Solving.md	
@@ -1,6 +1,6 @@
 ---
 id: f1e2d3c4-b5a6-4c7d-8e9f-0a1b2c3d4e5f
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [problem-solving, business-logic, logic-tree, hypothesis-driven, gap-analysis]
 last_reinforced: 2026-04-27
@@ -22,7 +22,7 @@ github_commit: "p-reinforce-logic"
 - **제약 조건 고려:** 데이터 부족과 시간 제약 하에서 합리적 가정과 영향력 중심의 유연한 분석 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
+- **Parent:** Logic & Reasoning
 - **Related:** [[Consulting Problem Solving]], [[MECE Principle]], [[Complex Systems]]
 - **Raw Source:** [[00_Raw/Business Problem Solving]]
 
diff --git a/10_Wiki/Topics/Logic & Reasoning/Complex Systems.md b/10_Wiki/Topics/Logic & Reasoning/Complex Systems.md
index 86e3aa06..8a050413 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Complex Systems.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Complex Systems.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Linear Thinking]], [[MECE Framework]]
-- **Projects/Contexts:** [[Organizational Change Management]], [[Environmental Management]]
+- **Projects/Contexts:** Organizational Change Management, Environmental Management
 - **Contradictions/Notes:** 경영 컨설팅에서 문제를 나누고 정복하는 MECE 원칙은 유용하지만, 이는 본질적으로 환원주의적이므로 상호 의존성이 핵심인 복잡계의 '사악한 문제(Wicked problems)'를 다룰 때는 지나친 단순화의 오류(False completeness)에 빠질 수 있습니다 [56, 96, 98].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Consulting Problem Solving.md b/10_Wiki/Topics/Logic & Reasoning/Consulting Problem Solving.md
index 2910c7b5..f4c33ab4 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Consulting Problem Solving.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Consulting Problem Solving.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Business Problem Solving]], [[MECE Framework]]
-- **Projects/Contexts:** [[Strategy Consulting Engagements]], [[Hypothesis Testing]]
+- **Projects/Contexts:** Strategy Consulting Engagements, Hypothesis Testing
 - **Contradictions/Notes:** 복잡한 비즈니스 문제를 MECE 구조로 완벽히 분리하려는 노력은 유용하지만, 현실의 데이터 부족이나 시간 제약 등으로 인해 종종 '가장 영향력이 큰 부분(80/20 원칙)'에만 집중하여 실용적으로 타협해야 할 때가 많습니다 [54, 120].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Decision Tree.md b/10_Wiki/Topics/Logic & Reasoning/Decision Tree.md
index 7631c8f3..b5c48ca5 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Decision Tree.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Decision Tree.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Issue Tree]], [[Business Problem Solving]]
-- **Projects/Contexts:** [[Investment Options Analysis]], [[Strategic Scenario Planning]]
+- **Projects/Contexts:** Investment Options Analysis, Strategic Scenario Planning
 - **Contradictions/Notes:** 발생 가능한 모든 경우의 수를 나열하려다 보면 복잡한 문제에서는 트리가 무한히 확장될 수 있으므로, 분석 가치가 떨어지는 가지(Branch)를 초기에 과감히 쳐내는(Trimming) 작업이 필수적입니다 [126].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Deductive & Inductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Deductive & Inductive Reasoning.md
index be40ff1b..82aea259 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Deductive & Inductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Deductive & Inductive Reasoning.md	
@@ -1,6 +1,6 @@
 ---
 id: a1b2c3d4-e5f6-4789-8e9f-0a1b2c3d4e5f
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [deductive-reasoning, inductive-reasoning, logic, analytical-thinking, persuasion]
 last_reinforced: 2026-04-27
@@ -24,8 +24,8 @@ github_commit: "p-reinforce-logic"
 - **통합 가이드:** 상위 소통(Top-down)에서는 귀납법이 효율적이며, 하위 문단 수준의 세부 증명에서는 연역법이 논리의 아름다움을 완성함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
-- **Related:** [[The Pyramid Principle]], [[Horizontal Logic]], [[Business Writing]]
+- **Parent:** Logic & Reasoning
+- **Related:** The Pyramid Principle, [[Horizontal Logic]], [[Business Writing]]
 - **Raw Source:** [[00_Raw/Deductive Reasoning]], [[00_Raw/Inductive Reasoning]], [[00_Raw/Deductive and Inductive Reasoning]]
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Deductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Deductive Reasoning.md
index ebd65604..596bb0b4 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Deductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Deductive Reasoning.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Inductive Reasoning]], [[Horizontal Logic]]
-- **Projects/Contexts:** [[Persuasive Business Writing]], [[Change Management Proposals]]
+- **Projects/Contexts:** [[Persuasive Business Writing]], Change Management Proposals
 - **Contradictions/Notes:** 문서의 주요 논거(Key Line) 수준에서 연역법을 사용하면, 독자가 결론을 알기 위해 기나긴 전제들을 모두 읽어야 하므로 지루함을 유발(Mystery story)하며, 전제 중 하나만 논박당해도 전체 주장이 무너지는 구조적 취약성(Fragility)이 있습니다 [25, 27, 130, 131].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Deductive and Inductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Deductive and Inductive Reasoning.md
index 7ce4a478..920549cc 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Deductive and Inductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Deductive and Inductive Reasoning.md	
@@ -10,8 +10,8 @@
 - 피라미드 구조의 핵심 라인(Key Line)에서는 연역적 추론보다 귀납적 추론을 사용하는 것이 권장됩니다 [4]. 연역적 추론은 결론에 도달하기까지 여러 단계를 거쳐야 하므로 읽기에 지루할 수 있기 때문입니다 [2, 4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Horizontal Logic]], [[The Pyramid Principle]]
-- **Projects/Contexts:** [[Consulting Reports]], [[Problem Solving]]
+- **Related Topics:** [[Horizontal Logic]], The Pyramid Principle
+- **Projects/Contexts:** Consulting Reports, [[Problem Solving]]
 - **Contradictions/Notes:** 피라미드 원칙에 따르면 연역적 추론과 귀납적 추론을 동일한 그룹 내에서 혼합하여 사용해서는 안 되며, 각 그룹은 단일한 논리적 흐름을 유지해야 합니다 [7].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Deductive vs. Inductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Deductive vs. Inductive Reasoning.md
index 93d582b2..216b3bf2 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Deductive vs. Inductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Deductive vs. Inductive Reasoning.md	
@@ -10,7 +10,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Executive Presentation]], [[Inductive and Deductive Reasoning]]
-- **Projects/Contexts:** [[Audience Analysis]], [[Strategic Communication]]
+- **Projects/Contexts:** Audience Analysis, [[Strategic Communication]]
 - **Contradictions/Notes:** 컨설턴트들은 문제 해결 시 연역적으로 사고(Bottom-up)하는 경향이 있지만, 이것이 글을 쓸 때 연역적으로 표현해야 한다는 의미는 아니며, 독자를 위해 귀납적으로 형태를 변환(Top-down)하는 것이 좋습니다 [4, 8].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Horizontal Logic.md b/10_Wiki/Topics/Logic & Reasoning/Horizontal Logic.md
index 9b43636f..1bb30bb9 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Horizontal Logic.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Horizontal Logic.md	
@@ -13,8 +13,8 @@
 - 수평적 관계를 형성하는 서브 포인트들은 반드시 동일한 종류(Same kind)의 아이디어여야 하며(예: 모두 문제점이거나 모두 해결책 등), 상호 배타적이고 전체를 포괄하는 MECE 원칙을 엄격하게 지켜야 합니다 [37-39].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Vertical Logic]], [[MECE Principle]]
-- **Projects/Contexts:** [[Structuring Arguments]], [[Report Writing]]
+- **Related Topics:** Vertical Logic, [[MECE Principle]]
+- **Projects/Contexts:** Structuring Arguments, Report Writing
 - **Contradictions/Notes:** 수평적 논리 순서가 엉망일 경우, 독자의 뇌는 무의식적으로 아이디어 간의 연관성을 찾기 위해 인지적 에너지를 낭비하게 되어 정작 메시지 본질에 대한 이해도가 떨어집니다 [40].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Horizontal and Vertical Logic.md b/10_Wiki/Topics/Logic & Reasoning/Horizontal and Vertical Logic.md
index f2018a7a..2b338ac0 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Horizontal and Vertical Logic.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Horizontal and Vertical Logic.md	
@@ -20,7 +20,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Minto Pyramid Principle]], [[Deductive and Inductive Reasoning]], [[MECE Principle]]
-- **Projects/Contexts:** [[Business Communication and Presentation]], [[Consulting Problem Solving]]
+- **Projects/Contexts:** Business Communication and Presentation, [[Consulting Problem Solving]]
 - **Contradictions/Notes:** 연역적 논리는 그룹 내 아이디어들이 서로 의존적이어서 하나의 전제가 무너지면 전체가 무너지는 반면, 귀납적 논리는 개별 아이디어들이 서로 독립적인 이유들로 구성된다는 차이가 있다 [15, 16]. 경영진이나 바쁜 독자를 대상으로 하는 커뮤니케이션에서는 피라미드의 최상위 핵심 라인(Key Line)에서 연역적 추론보다 귀납적 추론을 사용하는 것이 독자가 더 빠르고 쉽게 이해하도록 돕는 데 유리하다 [16-18].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Inductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Inductive Reasoning.md
index 0742e36d..e60482e0 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Inductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Inductive Reasoning.md	
@@ -10,7 +10,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Deductive Reasoning]], [[Horizontal Logic]]
-- **Projects/Contexts:** [[Executive Communication]], [[Structuring Ideas]]
+- **Projects/Contexts:** [[Executive Communication]], Structuring Ideas
 - **Contradictions/Notes:** 귀납적 추론은 연역적 방식보다 창의적이지만 훌륭하게 구사하기는 더 어렵습니다 [48]. 또한 그룹을 묶어 요약할 때 단지 '문제점 5가지'처럼 범주형으로 서술하는 것은 지양하고, 아이디어의 '본질'을 요약해야 합니다 [49].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Inductive and Deductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Inductive and Deductive Reasoning.md
index 0bba463d..e0fb0af3 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Inductive and Deductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Inductive and Deductive Reasoning.md	
@@ -9,8 +9,8 @@
 - 피라미드 원칙의 최적화된 적용: 전체 메시지의 가장 핵심적인 라인(Key Line)에서는 청중이 빠르게 요지를 파악할 수 있도록 귀납적 추론을 사용하고, 더 세부적인 하위 단락(Paragraph) 레벨에서는 독자의 이해를 돕기 위해 연역적 추론을 배치하는 것이 가장 효과적입니다 [4, 6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[The Pyramid Principle]], [[Horizontal Logic]]
-- **Projects/Contexts:** [[Consulting Analysis]], [[Persuasive Writing]]
+- **Related Topics:** The Pyramid Principle, [[Horizontal Logic]]
+- **Projects/Contexts:** Consulting Analysis, Persuasive Writing
 - **Contradictions/Notes:** 피라미드 구조의 동일한 그룹 내에서 귀납적 추론과 연역적 추론 방식을 결합해서는 안 됩니다. 각 그룹은 오직 하나의 명확한 논리 방향만을 유지해야 합니다 [7].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Inductive vs. Deductive Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Inductive vs. Deductive Reasoning.md
index 3ff6d8f6..95be6012 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Inductive vs. Deductive Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Inductive vs. Deductive Reasoning.md	
@@ -21,7 +21,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Horizontal Logic]], [[Minto Pyramid Principle]], [[MECE Framework]]
-- **Projects/Contexts:** [[Executive Communication]], [[Consulting Presentations]], [[Problem Solving]]
+- **Projects/Contexts:** [[Executive Communication]], Consulting Presentations, [[Problem Solving]]
 - **Contradictions/Notes:** 소스 5는 귀납적 추론을 "일련의 일반적인 뒷받침 인수에서 특정 진술을 추론하는 것"으로 다소 모호하게 정의하기도 하지만 [1], 다른 여러 소스들은 공통적으로 "관찰된 사실들의 유사성을 그룹화하여 일반적 결론을 도출하는 것"으로 일관되게 설명하고 있습니다 [4, 6, 7, 12].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Linear Thinking.md b/10_Wiki/Topics/Logic & Reasoning/Linear Thinking.md
index 8f648f76..1cfc820c 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Linear Thinking.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Linear Thinking.md	
@@ -10,8 +10,8 @@
 - **예측 가능한 상황에 적합:** 프로젝트 관리에서 마일스톤을 설정하거나, 기술적 문제 해결(Technical Troubleshooting)을 위해 시스템을 진단하는 등 명확하고 구조화된 시나리오에서 매우 효과적입니다 [5], [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Systems Thinking]], [[Logical Reasoning]]
-- **Projects/Contexts:** [[Project Management]], [[Technical Troubleshooting]], [[Educational Instruction]]
+- **Related Topics:** [[Systems Thinking]], Logical Reasoning
+- **Projects/Contexts:** Project Management, Technical Troubleshooting, Educational Instruction
 - **Contradictions/Notes:** 선형적 사고는 대단히 유용하지만, 건강보험 개혁이나 기후 변화와 같이 수많은 요소가 상호작용하고 피드백 루프가 존재하는 '복잡계(Complex Systems)' 문제에 적용할 경우 예기치 않은 부정적 부작용을 초래할 수 있습니다 [7], [8], [9].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Logic Trees.md b/10_Wiki/Topics/Logic & Reasoning/Logic Trees.md
index 7d9826f7..417331bc 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Logic Trees.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Logic Trees.md	
@@ -1,6 +1,6 @@
 ---
 id: c3e4f5a6-b7d8-4901-2e3f-4a5b6c7d8e9f
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [logic-tree, issue-tree, hypothesis-tree, problem-solving, structuring]
 last_reinforced: 2026-04-27
@@ -23,7 +23,7 @@ github_commit: "p-reinforce-logic"
 - **수평적 논리 (Horizontal Logic):** 그룹 내 아이디어들이 연역적 또는 귀납적인 명확한 논리 순서를 따라야 함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
+- **Parent:** Logic & Reasoning
 - **Related:** [[MECE Principle]], [[Business Problem Solving]], [[Deductive & Inductive Reasoning]]
 - **Raw Source:** [[00_Raw/Issue Tree]], [[00_Raw/Hypothesis Tree]], [[00_Raw/Horizontal and Vertical Logic]]
 
diff --git a/10_Wiki/Topics/Logic & Reasoning/Logical Reasoning (Deductive-Inductive).md b/10_Wiki/Topics/Logic & Reasoning/Logical Reasoning (Deductive-Inductive).md
index b8250202..5ef37e0c 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Logical Reasoning (Deductive-Inductive).md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Logical Reasoning (Deductive-Inductive).md	
@@ -10,8 +10,8 @@
 - **연역적 추론의 적절한 사용처:** 단락 수준에서 세부 사항을 설명하거나, 독자가 강력히 반대할 것으로 예상되어 불가피한 결론으로 논리적으로 유도해야 할 때 적합합니다 [10], [16], [13].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[The Pyramid Principle]], [[Horizontal Logic]]
-- **Projects/Contexts:** [[Business Writing]], [[Executive Presentations]], [[Problem Solving]]
+- **Related Topics:** The Pyramid Principle, [[Horizontal Logic]]
+- **Projects/Contexts:** [[Business Writing]], Executive Presentations, [[Problem Solving]]
 - **Contradictions/Notes:** 연역적 추론은 글을 논리적으로 만들지만, 결론에 도달할 때까지 많은 전제를 읽어야 하는 '미스터리 소설' 같은 구조가 되기 쉬우므로, 결론을 먼저 요구하는 비즈니스 문서의 상위 구조에서는 피하는 것이 좋습니다 [10], [16], [13].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/MECE + Pyramid Principle--.md b/10_Wiki/Topics/Logic & Reasoning/MECE + Pyramid Principle--.md
index 82672376..45ee786b 100644
--- a/10_Wiki/Topics/Logic & Reasoning/MECE + Pyramid Principle--.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/MECE + Pyramid Principle--.md	
@@ -1,4 +1,4 @@
-# [[MECE + Pyramid Principle]]
+# MECE + Pyramid Principle
 
 ## 📌 Brief Summary
 바바라 민토(Barbara Minto)가 매킨지에서 고안한 논리적 글쓰기 및 커뮤니케이션 프레임워크와 그 핵심 사고 원칙입니다. 핵심 결론이나 답변을 맨 먼저 제시하는 '피라미드 원칙'과 이를 뒷받침하는 근거들을 중복과 누락 없이 '상호 배타적이고 전체 포괄적(MECE)'으로 구성하는 방법을 결합하여 전달력을 극대화합니다. 복잡한 비즈니스 문제나 데이터를 명확하게 구조화하고, 바쁜 임원진의 시간을 절약하며 설득력을 높이는 데 필수적으로 사용됩니다.
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[BLUF (Bottom Line Up Front)]], [[SCQA Framework]], [[Issue Tree]]
-- **Projects/Contexts:** [[경영 컨설팅 문제 해결 및 보고서 작성]], [[C-레벨/임원진 대상 전략 프레젠테이션]]
+- **Projects/Contexts:** 경영 컨설팅 문제 해결 및 보고서 작성, C-레벨/임원진 대상 전략 프레젠테이션
 - **Contradictions/Notes:** MECE 원칙은 복잡한 상호작용이 존재하는 시스템적 문제(Complex systems)를 다룰 때는 현실을 과도하게 단순화하고 변수 간의 피드백 루프를 숨길 위험이 있습니다. 이러한 경우 시스템 사고(Systems Thinking) 등과 병행해야 합니다 [43-47]. 또한 하향식으로 결론을 내리꽂는 방식은 협력적 아이디어 도출이 필요한 디자인 씽킹(Design Thinking) 상황에는 부적합할 수 있습니다 [48-50].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/MECE Framework.md b/10_Wiki/Topics/Logic & Reasoning/MECE Framework.md
index f20775ba..b17b8527 100644
--- a/10_Wiki/Topics/Logic & Reasoning/MECE Framework.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/MECE Framework.md	
@@ -11,7 +11,7 @@ MECE 프레임워크는 컨설턴트들이 복잡한 비즈니스 문제를 중
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Issue Tree]], [[Profitability Framework]], [[Management Consulting]]
-- **Projects/Contexts:** [[Case Interviews]], [[Market Entry Strategy]], [[Corporate Restructuring]]
+- **Projects/Contexts:** [[Case Interviews]], [[Market Entry Strategy]], Corporate Restructuring
 - **Contradictions/Notes:** 프레임워크가 겉보기에 논리적이고 깔끔해 보이더라도, 초기에 설정한 범주나 가정이 잘못되었다면 실제 문제를 외면하는 '거짓된 완전성(False Completeness)'의 위험에 빠질 수 있습니다 [28], [29].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/MECE Principle.md b/10_Wiki/Topics/Logic & Reasoning/MECE Principle.md
index 4f341fe8..d3a01589 100644
--- a/10_Wiki/Topics/Logic & Reasoning/MECE Principle.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/MECE Principle.md	
@@ -1,6 +1,6 @@
 ---
 id: d2e3f4g5-h6i7-8j9k-0l1m-2n3o4p5q6r7s
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [mece, logic, structuring, consulting, issue-tree, profitability-framework]
 last_reinforced: 2026-04-27
@@ -23,8 +23,8 @@ github_commit: "p-reinforce-logic-update"
 - **실전 팁:** 완벽한 MECE 추구보다는 상황에 따른 유연한 적용(중요 항목 집중)이 필요하며, '거짓된 완전성(False Completeness)'의 함정에 주의해야 함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
-- **Related:** [[The Pyramid Principle]], [[Logic Trees]], [[Problem Solving Process]], [[Profitability Framework]]
+- **Parent:** Logic & Reasoning
+- **Related:** The Pyramid Principle, [[Logic Trees]], [[Problem Solving Process]], [[Profitability Framework]]
 - **Raw Source:** [[00_Raw/MECE Principle]], [[00_Raw/MECE Framework]], [[00_Raw/MECE]], [[00_Raw/Mutually Exclusive and Collectively Exhaustive (MECE)]]
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/MECE.md b/10_Wiki/Topics/Logic & Reasoning/MECE.md
index 9ebc7065..c1fd754f 100644
--- a/10_Wiki/Topics/Logic & Reasoning/MECE.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/MECE.md	
@@ -10,8 +10,8 @@ MECE는 경영 컨설팅에서 데이터나 문제 해결 과정을 분류하는
 - **산업을 넘나드는 활용도:** 영업 채널 분석부터, 기술 스택 최적화, 헬스케어 환자 경로 설계, 그리고 금융 포트폴리오 다각화 등 거의 모든 복잡한 비즈니스 상황에 유용하게 적용됩니다 [48], [49], [50].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[The Pyramid Principle]], [[Case Interviews]], [[Management Consulting]]
-- **Projects/Contexts:** [[Executive Summaries]], [[Portfolio Diversification]], [[Tech Stack Optimization]]
+- **Related Topics:** The Pyramid Principle, [[Case Interviews]], [[Management Consulting]]
+- **Projects/Contexts:** Executive Summaries, Portfolio Diversification, Tech Stack Optimization
 - **Contradictions/Notes:** MECE 사고방식을 기계적으로만 적용하면 단순히 체크리스트를 채우는 함정에 빠질 수 있으며, 복잡한 현실의 상호작용을 파악하기 위해 시스템적 사고(Systems Thinking)나 근본 원인 분석(Root Cause Analysis) 같은 다른 방식과 하이브리드로 사용하는 것이 좋습니다 [51], [52], [53]. 
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Management Consulting Problem Solving.md b/10_Wiki/Topics/Logic & Reasoning/Management Consulting Problem Solving.md
index c92f3de9..09e2eeb2 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Management Consulting Problem Solving.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Management Consulting Problem Solving.md	
@@ -10,8 +10,8 @@
 - **선형적 사고와 시스템 사고의 조화:** 복잡한 상황을 다룰 때는 즉각적인 원인-결과에만 초점을 맞추는 선형적 사고(Linear thinking)를 넘어, **시스템 전체의 상호 작용과 동태적 패턴을 파악하는 시스템 사고(Systems thinking)**가 함께 적용되어야 합니다 [43-45].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Hypothesis-Driven Logic]], [[Systems Thinking]]
-- **Projects/Contexts:** [[수익성 개선 프로젝트(Profitability Analysis)]], [[의사 결정 최적화]]
+- **Related Topics:** Hypothesis-Driven Logic, [[Systems Thinking]]
+- **Projects/Contexts:** 수익성 개선 프로젝트(Profitability Analysis), 의사 결정 최적화
 - **Contradictions/Notes:** 단순히 눈에 보이는 증상만을 해결하려는 선형적 접근(Quick-fix)은 단기적 효과에 그칠 수 있습니다. 진정한 변화를 이끌기 위해서는 문제의 근본 원인과 시스템적 연관성을 파악해야 합니다 [44, 46, 47].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Game.md b/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Game.md
index bdcabe1a..a989096f 100644
--- a/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Game.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Game.md	
@@ -10,7 +10,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[McKinsey Case Interview]], [[McKinsey Problem Solving Test (PST)]]
-- **Projects/Contexts:** [[Consulting Recruitment]], [[MBB Online Tests]]
+- **Projects/Contexts:** Consulting Recruitment, MBB Online Tests
 - **Contradictions/Notes:** 제공된 자료에서는 해당 게임의 구체적인 작동 방식, 룰, 또는 문제 유형에 대한 상세한 설명은 포함되어 있지 않으며 도구의 명칭 위주로 언급되어 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Test (PST).md b/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Test (PST).md
index 072f62bd..8e355bb7 100644
--- a/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Test (PST).md	
+++ b/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving Test (PST).md	
@@ -9,7 +9,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[McKinsey Problem Solving Game]], [[McKinsey Case Interview]]
-- **Projects/Contexts:** [[Consulting Recruitment]]
+- **Projects/Contexts:** Consulting Recruitment
 - **Contradictions/Notes:** 제공된 자료에는 PST 시험의 구체적인 문항 구조나 전략에 대한 상세 정보가 없으며, 대신 디지털 형태의 온라인 평가(Assessment games) 트렌드로 전환된 사실만 유추할 수 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving.md b/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving.md
index 04aa8069..017fff9d 100644
--- a/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/McKinsey Problem Solving.md	
@@ -10,7 +10,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Mutually Exclusive and Collectively Exhaustive (MECE)]], [[Minto Pyramid Principle]]
-- **Projects/Contexts:** [[Strategy Consulting]], [[Business Case Development]]
+- **Projects/Contexts:** Strategy Consulting, Business Case Development
 - **Contradictions/Notes:** 구조화된 문제 해결법은 논리적이고 명쾌한 해결책을 제시하지만, 창의성을 제한하거나 시스템 전체의 유기적인 상호작용을 간과하는 환원주의적(Reductionist) 분석이라는 비판도 받습니다 [11].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Mental Models.md b/10_Wiki/Topics/Logic & Reasoning/Mental Models.md
index ffa183e2..73c3224f 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Mental Models.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Mental Models.md	
@@ -9,8 +9,8 @@
 - **구조화 모델:** MECE나 피라미드 원칙 역시 인간의 인지 부하(Cognitive load)를 줄여 한 번에 3~4개의 핵심 그룹만 기억하게 함으로써 복잡한 정보를 쉽게 소화하도록 돕는 강력한 멘탈 모델입니다 [40].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Mutually Exclusive and Collectively Exhaustive (MECE)]], [[First Principles Thinking]]
-- **Projects/Contexts:** [[Decision Making]], [[Complexity Management]]
+- **Related Topics:** [[Mutually Exclusive and Collectively Exhaustive (MECE)]], First Principles Thinking
+- **Projects/Contexts:** Decision Making, Complexity Management
 - **Contradictions/Notes:** 특정 멘탈 모델(예: 선형적 사고나 MECE)만 과도하게 사용하면 현실의 복잡성이나 예상치 못한 상호작용을 간과하는 '단순화의 오류'에 빠질 위험이 있으므로 다양한 모델을 결합해 사용하는 것이 권장됩니다 [10, 11, 41, 42].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Minto Pyramid Principle.md b/10_Wiki/Topics/Logic & Reasoning/Minto Pyramid Principle.md
index ec8406f2..9386f039 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Minto Pyramid Principle.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Minto Pyramid Principle.md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Persuasive Business Writing]], [[SCQA Framework]], [[Mutually Exclusive and Collectively Exhaustive (MECE)]]
-- **Projects/Contexts:** [[Executive Communication]], [[Strategy Presentation]]
+- **Projects/Contexts:** [[Executive Communication]], Strategy Presentation
 - **Contradictions/Notes:** 이 원칙은 '정답'을 효율적으로 전달하는 데는 최적화되어 있으나, 팀원들과 해결책을 함께 도출해 나가는 공동 설계(Co-design)나 협업적 커뮤니케이션 상황에서는 적합하지 않을 수 있습니다 [59, 60].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Mutually Exclusive and Collectively Exhaustive (MECE).md b/10_Wiki/Topics/Logic & Reasoning/Mutually Exclusive and Collectively Exhaustive (MECE).md
index 03e5b408..40029e5a 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Mutually Exclusive and Collectively Exhaustive (MECE).md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Mutually Exclusive and Collectively Exhaustive (MECE).md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[McKinsey Problem Solving]], [[Minto Pyramid Principle]]
-- **Projects/Contexts:** [[Issue Tree Development]], [[Market Segmentation]]
+- **Projects/Contexts:** Issue Tree Development, Market Segmentation
 - **Contradictions/Notes:** 현실 세계의 복잡한 시스템에서는 범주 간 완전히 분리되지 않는 상호의존성이 존재할 수 있으므로, MECE만 고집할 경우 문제의 유기적 본질을 지나치게 단순화(False completeness)할 위험이 있습니다 [10, 41, 69].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Game.md b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Game.md
index 982481f2..0a472ee9 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Game.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Game.md	
@@ -9,8 +9,8 @@
 - 이러한 게임들은 전통적인 인터뷰 환경의 압박감 속에서 지원자가 구조화된 사고를 통해 모호한 문제를 어떻게 효율적으로 해결하는지를 테스트하기 위해 설계되었습니다 [8].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Problem Solving Test (PST)]], [[Consulting Interview Prep]]
-- **Projects/Contexts:** [[MBB 채용 스크리닝 프로세스]], [[초기 지원자 평가]]
+- **Related Topics:** [[Problem Solving Test (PST)]], Consulting Interview Prep
+- **Projects/Contexts:** MBB 채용 스크리닝 프로세스, 초기 지원자 평가
 - **Contradictions/Notes:** 이는 전통적인 종이 기반의 필기시험(PST)을 대체하거나 보완하는 현대적인 방식이며, 정답을 암기하는 것보다 순발력 있고 체계적인 문제 해결 역량 자체를 증명하는 것이 필수적입니다 [8, 9].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Process.md b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Process.md
index 05c5a9d5..4d655892 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Process.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Process.md	
@@ -15,7 +15,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Problem Solving]], [[Pyramid Principle]]
-- **Projects/Contexts:** [[문제 해결 워크숍]], [[컨설팅 프로젝트 가설 수립]]
+- **Projects/Contexts:** 문제 해결 워크숍, 컨설팅 프로젝트 가설 수립
 - **Contradictions/Notes:** 구조가 없는 상황(Structureless situations)에서는 연역, 귀납, 그리고 가추법(Abduction)을 혼합하여 가설을 세우고 실험을 통해 기저 구조를 파악해 나가는 과학적 추론 방식이 필요합니다 [14].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Skills.md b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Skills.md
index 61bc478f..7d458084 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Skills.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Skills.md	
@@ -10,8 +10,8 @@
 - 우선순위를 설정하여 무작정 모든 데이터를 탐색하는 대신, 문제 해결에 가장 큰 영향을 미치는 핵심 영역부터 집중적으로 파고드는 능력이 요구됩니다 [18, 19].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[MECE]], [[Systems Thinking]], [[Logical Reasoning]]
-- **Projects/Contexts:** [[케이스 인터뷰(Case Interview)]], [[비즈니스 운영 최적화]]
+- **Related Topics:** [[MECE]], [[Systems Thinking]], Logical Reasoning
+- **Projects/Contexts:** 케이스 인터뷰(Case Interview), 비즈니스 운영 최적화
 - **Contradictions/Notes:** 문제 해결 스킬은 특정 프레임워크에 대한 기계적인 암기나 맹신이 아니라, 제약 조건(시간, 데이터 부족 등) 속에서도 가설과 합리적 가정을 활용해 유연하게 대처하는 비판적 사고 능력을 전제로 합니다 [19, 20].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Test (PST).md b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Test (PST).md
index 1de7f19d..cd3123ac 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Problem Solving Test (PST).md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Problem Solving Test (PST).md	
@@ -9,8 +9,8 @@
 - 대표적으로 활용되는 플랫폼 및 테스트로는 맥킨지의 **Sea Wolf** 및 **Red Rock Study**, BCG의 **Casey Chatbot**, 베인의 **SOVA** 및 **TestGorilla** 등이 있습니다 [9, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Problem Solving Game]], [[Consulting Interview]]
-- **Projects/Contexts:** [[컨설팅 입사 시험]], [[인터뷰 스크리닝 단계]]
+- **Related Topics:** [[Problem Solving Game]], Consulting Interview
+- **Projects/Contexts:** 컨설팅 입사 시험, 인터뷰 스크리닝 단계
 - **Contradictions/Notes:** 과거 방식의 필기시험(PST) 명칭이 여전히 통용되기도 하나, 현실에서는 AI 챗봇 및 게임 시뮬레이션 기반의 동적(Dynamic) 평가로 채용 트렌드가 크게 이동하였습니다 [8, 9].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Problem Solving.md b/10_Wiki/Topics/Logic & Reasoning/Problem Solving.md
index e43d581c..0f8d5038 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Problem Solving.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Problem Solving.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Linear Thinking]], [[Systems Thinking]], [[Problem Solving Process]]
-- **Projects/Contexts:** [[경영 컨설팅 프로젝트]], [[조직 변화 관리(Change Management)]]
+- **Projects/Contexts:** 경영 컨설팅 프로젝트, 조직 변화 관리(Change Management)
 - **Contradictions/Notes:** 선형적 접근법은 빠르고 예측 가능한 문제(Complicated problem) 해결에 적합하지만, 다수의 피드백과 변수가 존재하는 얽힌 문제(Complex problem)에서는 의도치 않은 결과를 초래할 수 있어 주의가 필요합니다 [28-30].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Pyramid Principle.md b/10_Wiki/Topics/Logic & Reasoning/Pyramid Principle.md
index dd8b519a..e6f20437 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Pyramid Principle.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Pyramid Principle.md	
@@ -14,7 +14,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[SCQA Framework]], [[MECE Framework]], [[Rule of Three]]
-- **Projects/Contexts:** [[경영진 보고(Executive Presentation)]], [[컨설팅 제안서 작성]], [[슬라이드 덱 구성]]
+- **Projects/Contexts:** 경영진 보고(Executive Presentation), 컨설팅 제안서 작성, 슬라이드 덱 구성
 - **Contradictions/Notes:** 작성자가 생각하고 연구할 때는 상향식(Bottom-up)으로 진행하지만, 이를 타인에게 소통할 때는 완전히 반대인 하향식(Top-down)으로 구성해야 한다는 점에서 인지적 전환이 필요합니다 [55-58]. 또한, 청중과 함께 해답을 찾아가는 협력적(Collaborative) 방식의 워크숍에는 다소 부적합할 수 있습니다 [59, 60].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Rule of Three.md b/10_Wiki/Topics/Logic & Reasoning/Rule of Three.md
index 12357036..690613b4 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Rule of Three.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Rule of Three.md	
@@ -11,7 +11,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Pyramid Principle]], [[MECE Framework]]
-- **Projects/Contexts:** [[비즈니스 이메일 작성]], [[프레젠테이션 슬라이드 구성(3 Key Points)]]
+- **Projects/Contexts:** 비즈니스 이메일 작성, 프레젠테이션 슬라이드 구성(3 Key Points)
 - **Contradictions/Notes:** 전달하고자 하는 요점이 5개 이상일 경우, 정보가 덜 요약된(synthesized) 상태임을 의미하므로 이를 다시 상위 3개의 카테고리로 재그룹화(Grouping)해야 합니다 [68, 69].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/SCQA Framework.md b/10_Wiki/Topics/Logic & Reasoning/SCQA Framework.md
index ec9a4171..0b8b4b97 100644
--- a/10_Wiki/Topics/Logic & Reasoning/SCQA Framework.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/SCQA Framework.md	
@@ -13,7 +13,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Pyramid Principle]], [[Storytelling in Business]]
-- **Projects/Contexts:** [[경영 보고서 서론(Introduction) 작성]], [[이메일 및 제안서 후킹(Hooking)]]
+- **Projects/Contexts:** 경영 보고서 서론(Introduction) 작성, 이메일 및 제안서 후킹(Hooking)
 - **Contradictions/Notes:** 경영진을 상대로 할 때는 배경(Situation)과 전개(Complication)에 지나치게 긴 시간을 쏟아 '답변(Answer)'이 뒤로 밀리는 것을 극도로 경계해야 하며, 도입부는 최대한 간결하게(1~2문장 내외) 작성되어야 합니다 [80, 81].
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Strategic Thinking.md b/10_Wiki/Topics/Logic & Reasoning/Strategic Thinking.md
index 96030aa3..6001ef4f 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Strategic Thinking.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Strategic Thinking.md	
@@ -1,6 +1,6 @@
 ---
 id: b9c8d7a6-e5d4-4c3b-2a10-f9e8d7c6b5a4
-category: "[[10_Wiki/Topics/Logic & Reasoning]]"
+category: "10_Wiki/Topics/Logic & Reasoning"
 confidence_score: 1.0
 tags: [strategy, thinking, systems-thinking, logic-tree]
 last_reinforced: 2026-04-27
@@ -21,8 +21,8 @@ github_commit: "p-reinforce-logic"
     - **Layered Approach:** 완벽한 구조화가 어려운 현실에서 타당한 가정을 바탕으로 핵심에 집중하는 유연성.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[Logic & Reasoning]]
-- **Related:** [[MECE Principle]], [[Linear vs. Systems Thinking]], [[Issue Tree]]
+- **Parent:** Logic & Reasoning
+- **Related:** [[MECE Principle]], Linear vs. Systems Thinking, [[Issue Tree]]
 - **Raw Source:** [[00_Raw/Strategic Thinking]]
 
 ---
diff --git a/10_Wiki/Topics/Logic & Reasoning/Structural Reasoning.md b/10_Wiki/Topics/Logic & Reasoning/Structural Reasoning.md
index 1414ddd0..45271c69 100644
--- a/10_Wiki/Topics/Logic & Reasoning/Structural Reasoning.md	
+++ b/10_Wiki/Topics/Logic & Reasoning/Structural Reasoning.md	
@@ -18,8 +18,8 @@
     *   **논리 트리 (Issue / Decision / Hypothesis Trees):** 크고 복잡한 문제를 더 작고 해결 가능한 하위 문제로 쪼개어 분석하는 시각적 도구로, 각 가지(Branch)는 MECE 원칙을 엄격하게 따라야 합니다 [54-65].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[The Pyramid Principle]], [[MECE Principle]]
-- **Projects/Contexts:** [[Consulting Analysis]]
+- **Related Topics:** The Pyramid Principle, [[MECE Principle]]
+- **Projects/Contexts:** Consulting Analysis
 - **Contradictions/Notes:** 
   * **복잡계(Complex Systems)와 선형적 사고의 한계:** 구조적 추론과 MECE 원칙은 인과관계가 명확하고 분할 가능한 '까다로운(Complicated)' 문제를 해결하는 데는 탁월하지만, 다양한 변수가 상호작용하는 '복잡한(Complex)' 환경에서는 적합하지 않을 수 있습니다 [66-68]. **시스템 사고(Systems Thinking)** 관점에서는 지나친 상호 배타성(ME)의 강조가 오히려 피드백 루프나 변수 간의 상호 의존성을 간과하게 만들어, 근시안적인 해결책을 초래할 수 있다고 지적합니다 [68-74].
   * **거짓된 완벽성(False Completeness):** 논리 트리가 겉보기에는 완벽한 MECE 구조를 갖춘 것처럼 보여도, 애초에 범주 설정이 잘못되었거나 결함이 있는 가정에 기반했다면 진짜 문제를 외면하는 '형식적 체크리스트'로 전락할 위험이 있습니다 [66, 75].
diff --git a/10_Wiki/Topics/Logic & Reasoning/매몰 비용 오류 (Sunk Cost Fallacy).md b/10_Wiki/Topics/Logic & Reasoning/매몰 비용 오류 (Sunk Cost Fallacy).md
index c32c245a..7b540b5c 100644
--- a/10_Wiki/Topics/Logic & Reasoning/매몰 비용 오류 (Sunk Cost Fallacy).md	
+++ b/10_Wiki/Topics/Logic & Reasoning/매몰 비용 오류 (Sunk Cost Fallacy).md	
@@ -9,8 +9,8 @@
 *   **추가 지출을 통한 즉각적인 복구 유도:** 플레이어는 자신이 투자한 군대가 전멸하거나 영웅이 잡히는 등 막대한 손실을 경험할 때, 이전까지의 매몰 비용을 포기하지 못합니다 [3, 4]. 이러한 심리를 이용하여 게임은 '즉시 훈련(Instant Training)' 팩이나 '영웅 부활(Hero Revives)'과 같은 값비싼 패키지를 제안하며, 플레이어가 잃어버린 군사적 지위를 회복하고 복수하기 위해 추가적인 비용을 지불하도록 유혹합니다 [2, 4].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[약탈적 수익화 (Predatory Monetization)]], [[영구적 손실 (Permanent Loss)]], [[제로잉 (Zero-ed)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]]
+- **Related Topics:** [[약탈적 수익화 (Predatory Monetization)]], [[영구적 손실 (Permanent Loss)]], 제로잉 (Zero-ed)
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ)
 - **Contradictions/Notes:** 소스 내에서 매몰 비용 오류의 남용에 대한 상반된 의견은 나타나지 않으며, 이는 'Game of War'가 플레이어의 소비를 유도하기 위해 의도적으로 설계한 핵심 메커니즘으로 일관되게 설명되고 있습니다 [1, 2, 4].
 
 ---
diff --git a/10_Wiki/Topics/Memory & Systems/Allocation Timeline.md b/10_Wiki/Topics/Memory & Systems/Allocation Timeline.md
index ba0b6a84..ba6565f7 100644
--- a/10_Wiki/Topics/Memory & Systems/Allocation Timeline.md	
+++ b/10_Wiki/Topics/Memory & Systems/Allocation Timeline.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-B75DFC
-category: "[[10_Wiki/💡 Topics/Memory & Systems]]"
+category: "10_Wiki/💡 Topics/Memory & Systems"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Allocation Timeline"
 - **정책 변화:** Memory & Systems 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Heap Snapshot]], [[Garbage Collection]], [[Memory Leak]], [[Retaining Path]], [[V8 Heap Architecture]]
+- **Related Topics:** [[Heap Snapshot]], [[Garbage Collection]], Memory Leak, [[Retaining Path]], [[V8 Heap Architecture]]
 - **Projects/Contexts:** [[Chrome DevTools]], [[V8 Engine]]
 - **Contradictions/Notes:** 소스 전반에 걸쳐 내용의 모순은 없습니다. 다양한 소스가 일관되게 Allocation Timeline의 파란색/회색 막대의 의미와 메모리 누수를 추적하기 위한 스택 트레이스 및 Retainer 분석의 유용성을 강조하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Allocation Timeline.md]]
+
 ---
diff --git a/10_Wiki/Topics/Metaverse & Devices/Apple Vision Pro Ecosystem.md b/10_Wiki/Topics/Metaverse & Devices/Apple Vision Pro Ecosystem.md
index 53e44b13..93a9bb50 100644
--- a/10_Wiki/Topics/Metaverse & Devices/Apple Vision Pro Ecosystem.md	
+++ b/10_Wiki/Topics/Metaverse & Devices/Apple Vision Pro Ecosystem.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-546548
-category: "[[10_Wiki/💡 Topics/Metaverse & Devices]]"
+category: "10_Wiki/💡 Topics/Metaverse & Devices"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Apple Vision Pro Ecosystem"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Apple Vision Pro Ecosystem.md]]
+
 ---
diff --git a/10_Wiki/Topics/Metaverse/Architecture.md b/10_Wiki/Topics/Metaverse/Architecture.md
index a6ff9f14..4d6aee5d 100644
--- a/10_Wiki/Topics/Metaverse/Architecture.md
+++ b/10_Wiki/Topics/Metaverse/Architecture.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-METAVERSE-001
-category: "[[10_Wiki/💡 Topics/Metaverse]]"
+category: "10_Wiki/💡 Topics/Metaverse"
 confidence_score: 0.88
 tags: [metaverse, architecture, digital-twin, spatial]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-03"
 ---
 
-# [[Metaverse Architecture]]
+# Metaverse Architecture
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 가상 공간의 물리적 제약을 넘어 사용자의 사회적 상호작용과 경제 활동을 최적화하는 디지털 공간 설계의 미학.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-03"
 - **정책 변화:** 지식 구조(w2) 관점에서 게임 디자인 이론과의 융합 필요성 강조.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Metaverse]]
-- **Related:** [[Digital-Twin]], [[Spatial-Computing]], [[Avatar-Interaction]]
-- **Raw Source:** [[00_Raw/2026-04-20/Metaverse Architecture.md]]
+- **Parent:** 10_Wiki/💡 Topics/Metaverse
+- **Related:** Digital-Twin, Spatial-Computing, Avatar-Interaction
+- **Raw Source:** 00_Raw/2026-04-20/Metaverse Architecture.md
diff --git a/10_Wiki/Topics/Metaverse/Spatial_Computing.md b/10_Wiki/Topics/Metaverse/Spatial_Computing.md
index 7ff81a59..b64889d5 100644
--- a/10_Wiki/Topics/Metaverse/Spatial_Computing.md
+++ b/10_Wiki/Topics/Metaverse/Spatial_Computing.md
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-METAVERSE-002
-category: "[[10_Wiki/💡 Topics/Metaverse]]"
+category: "10_Wiki/💡 Topics/Metaverse"
 confidence_score: 0.94
 tags: [metaverse, spatial-computing, ar, vr, xr]
 last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-04"
 ---
 
-# [[Spatial Computing]]
+# Spatial Computing
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 화면 속에 갇혀 있던 디지털 정보를 우리가 발 딛고 서 있는 물리적 공간으로 끌어내어 확장하는 계산 패러다임.
@@ -24,6 +24,6 @@ github_commit: "batch-reinforce-04"
 - **정책 변화:** 사용자 만족도(w3) 피드백에 따라 공간 피로도 감소를 위한 설계 지침 비중 상향.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Metaverse]]
-- **Related:** [[Architecture]], [[MR]], [[SLAM]]
-- **Raw Source:** [[00_Raw/2026-04-20/Spatial Computing.md]]
+- **Parent:** 10_Wiki/💡 Topics/Metaverse
+- **Related:** [[Architecture]], MR, SLAM
+- **Raw Source:** 00_Raw/2026-04-20/Spatial Computing.md
diff --git a/10_Wiki/Topics/Physics & Simulation/Aerospace Flight Simulation.md b/10_Wiki/Topics/Physics & Simulation/Aerospace Flight Simulation.md
index 34b3f74c..3682c172 100644
--- a/10_Wiki/Topics/Physics & Simulation/Aerospace Flight Simulation.md	
+++ b/10_Wiki/Topics/Physics & Simulation/Aerospace Flight Simulation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-FE444C
-category: "[[10_Wiki/💡 Topics/Physics & Simulation]]"
+category: "10_Wiki/💡 Topics/Physics & Simulation"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Aerospace Flight Simulation"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Aerospace Flight Simulation.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Formal Methods/Type Theory.md b/10_Wiki/Topics/Programming & Formal Methods/Type Theory.md
index 4d1c1b5c..f38936ea 100644
--- a/10_Wiki/Topics/Programming & Formal Methods/Type Theory.md	
+++ b/10_Wiki/Topics/Programming & Formal Methods/Type Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-054
-category: "[[10_Wiki/💡 Topics/Programming & Formal Methods]]"
+category: "10_Wiki/💡 Topics/Programming & Formal Methods"
 confidence_score: 0.96
 tags: [type theory, formal verification, type system, compiler]
 last_reinforced: 2026-06-XX
@@ -24,7 +24,7 @@ github_commit: "[P-Reinforce] Processed Type Theory."
 - **정책 변화:** 타입 시스템은 언어 차원의 기능뿐만 아니라, 도메인 모델링(DDD)의 규칙을 코드로 강제하는 도구로 활용되어 그 가치가 극대화되고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Type Safety]]
-- Related: [[Formal Methods in Software Engineering]] , [[Algebraic-Data-Types]] , [[TypeScript Type System]]
-- Raw Source: [[00_Raw/Type Theory.md]]
+- Parent: Type Safety
+- Related: Formal Methods in Software Engineering , Algebraic-Data-Types , TypeScript Type System
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Programming & Language/API 응답 및 에러 핸들링 아키텍처.md b/10_Wiki/Topics/Programming & Language/API 응답 및 에러 핸들링 아키텍처.md
index 576101e7..d711d860 100644
--- a/10_Wiki/Topics/Programming & Language/API 응답 및 에러 핸들링 아키텍처.md	
+++ b/10_Wiki/Topics/Programming & Language/API 응답 및 에러 핸들링 아키텍처.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B2F9C0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - API 응답 및 에러 핸들
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Result Type]], [[Discriminated Unions]], [[Exception Handling]]
+- **Related Topics:** [[Result Type]], [[Discriminated Unions]], Exception Handling
 - **Projects/Contexts:** [[TypeScript API Development]], [[Server Architecture]]
 - **Contradictions/Notes:** 전역 예외 처리기(Global Exception Handler)를 두고 컨트롤러에서 예외를 발생시키는 방식이 코드가 깔끔해진다고 선호하는 개발자들도 있지만, Result 패턴을 지지하는 개발자들은 예외를 던지는 방식이 제어 흐름을 끊고 타입 시스템으로 에러를 파악할 수 없게 하므로 예상 가능한 에러는 명시적인 타입으로 반환해야 한다고 반대합니다 [7, 14-16].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/API 응답 및 에러 핸들링 아키텍처.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/AST (추상 구문 트리).md b/10_Wiki/Topics/Programming & Language/AST (추상 구문 트리).md
index b0254d67..e2003a61 100644
--- a/10_Wiki/Topics/Programming & Language/AST (추상 구문 트리).md	
+++ b/10_Wiki/Topics/Programming & Language/AST (추상 구문 트리).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7DEA60
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - AST (추상 구문 트리)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/AST (추상 구문 트리).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/AST(Abstract Syntax Tree).md b/10_Wiki/Topics/Programming & Language/AST(Abstract Syntax Tree).md
index f55bc9c5..b3b48445 100644
--- a/10_Wiki/Topics/Programming & Language/AST(Abstract Syntax Tree).md	
+++ b/10_Wiki/Topics/Programming & Language/AST(Abstract Syntax Tree).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C7BE0D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - AST(Abstract Syntax Tree)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[CST(Concrete Syntax Tree)]], [[정적 애플리케이션 보안 테스트(SAST)]], [[코드 스타일로메트리(Code Stylometry)]], [[정적 분석(Static Analysis)]]
-- **Projects/Contexts:** [[기계학습 기반의 소스 코드 저자 식별 연구]], [[AI 기반 코드 복잡도 분석(카카오)]], [[정적 보안 취약점 스캐닝 파이프라인]]
+- **Related Topics:** CST(Concrete Syntax Tree), [[정적 애플리케이션 보안 테스트(SAST)]], 코드 스타일로메트리(Code Stylometry), [[정적 분석(Static Analysis)]]
+- **Projects/Contexts:** 기계학습 기반의 소스 코드 저자 식별 연구, AI 기반 코드 복잡도 분석(카카오), 정적 보안 취약점 스캐닝 파이프라인
 - **Contradictions/Notes:** AST 기반의 분석은 작성자의 본질적인 프로그래밍 구조를 파악하고 위조 공격에 강하다는 장점이 있지만, 공백이나 들여쓰기 등 개발자의 개성이 묻어나는 '레이아웃 특징'을 담지 못합니다. 이로 인해 소스 코드 작성자 식별 실험에서 AST 기반 모델(51.00%)은 레이아웃 정보까지 포함하는 CST 기반 모델(67.86%)에 비해 상대적으로 낮은 정확도를 보였습니다 [10, 11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/AST(Abstract Syntax Tree).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Advanced-Design-Patterns-in-TypeScript.md b/10_Wiki/Topics/Programming & Language/Advanced-Design-Patterns-in-TypeScript.md
index f1814798..292833e9 100644
--- a/10_Wiki/Topics/Programming & Language/Advanced-Design-Patterns-in-TypeScript.md	
+++ b/10_Wiki/Topics/Programming & Language/Advanced-Design-Patterns-in-TypeScript.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-82084D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 10 - Wikified Advanced-Design-Patterns-in-Ty
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Advanced-Design-Patterns-in-TypeScript.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Ambient Contexts.md b/10_Wiki/Topics/Programming & Language/Ambient Contexts.md
index f3745772..92f79093 100644
--- a/10_Wiki/Topics/Programming & Language/Ambient Contexts.md	
+++ b/10_Wiki/Topics/Programming & Language/Ambient Contexts.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-138364
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Ambient Contexts"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Ambient Contexts.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Ambient Declarations.md b/10_Wiki/Topics/Programming & Language/Ambient Declarations.md
index 244c0401..c9b74795 100644
--- a/10_Wiki/Topics/Programming & Language/Ambient Declarations.md	
+++ b/10_Wiki/Topics/Programming & Language/Ambient Declarations.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-F31A94
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Ambient Declarations"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Ambient Declarations.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/AppSec (애플리케이션 보안).md b/10_Wiki/Topics/Programming & Language/AppSec (애플리케이션 보안).md
index 42db74c5..2f8d08f2 100644
--- a/10_Wiki/Topics/Programming & Language/AppSec (애플리케이션 보안).md	
+++ b/10_Wiki/Topics/Programming & Language/AppSec (애플리케이션 보안).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C35C99
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - AppSec (애플리케이션 보
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[DAST (동적 애플리케이션 보안 테스트)]], [[SCA (소프트웨어 구성 분석)]], [[SDLC (소프트웨어 개발 수명 주기)]]
-- **Projects/Contexts:** [[시프트 레프트(Shift-Left) 전략]], [[하이브리드 코드 리뷰 프로세스]]
+- **Projects/Contexts:** 시프트 레프트(Shift-Left) 전략, 하이브리드 코드 리뷰 프로세스
 - **Contradictions/Notes:** 자동화된 AppSec 도구는 코드베이스 전체를 빠르고 일관되게 스캔하여 구문적 취약점을 찾아내지만, 비즈니스 로직이나 아키텍처의 의도를 이해하지 못해 오탐지(False Positives)를 유발할 수 있습니다. 따라서 도구에만 전적으로 의존하는 것은 위험하며, 복잡한 비즈니스 로직과 컨텍스트에 민감한 보안 위협을 식별하기 위해서는 반드시 인간 전문가에 의한 수동 코드 리뷰(Manual Code Review)가 병행되어야 한다고 소스들은 강조합니다 [23, 24, 26, 27].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/AppSec (애플리케이션 보안).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Beat Saber 엑서게임 연구(Beat Saber Exergaming Study).md b/10_Wiki/Topics/Programming & Language/Beat Saber 엑서게임 연구(Beat Saber Exergaming Study).md
index 963c4ea3..5622a3cf 100644
--- a/10_Wiki/Topics/Programming & Language/Beat Saber 엑서게임 연구(Beat Saber Exergaming Study).md	
+++ b/10_Wiki/Topics/Programming & Language/Beat Saber 엑서게임 연구(Beat Saber Exergaming Study).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C3E3B9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,5 +35,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Beat Saber 엑서게임 연구
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Beat Saber 엑서게임 연구(Beat Saber Exergaming Study).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Beat Saber.md b/10_Wiki/Topics/Programming & Language/Beat Saber.md
index e248b044..c82eec00 100644
--- a/10_Wiki/Topics/Programming & Language/Beat Saber.md	
+++ b/10_Wiki/Topics/Programming & Language/Beat Saber.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-711498
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Beat Saber"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[VR Exergame]], [[VR Sickness]], [[Flow State]]
-- **Projects/Contexts:** [[가상현실 노출 사후 효과(VR Aftereffects) 연구]], [[몰입 상태 예측 프레임워크(Flow State Prediction Framework)]]
+- **Related Topics:** VR Exergame, [[VR Sickness]], [[Flow State]]
+- **Projects/Contexts:** 가상현실 노출 사후 효과(VR Aftereffects) 연구, 몰입 상태 예측 프레임워크(Flow State Prediction Framework)
 - **Contradictions/Notes:** 소스 연구에 따르면 Beat Saber 플레이 후의 사후 효과(멀미 등)는 전반적으로 일시적이며 40분 내에 기저 수준으로 회복되어 멀미로 인한 실험 탈락자가 없었지만 [6, 7], 장시간(50분) 노출될 경우 특정 사용자 집단(약 14%)에서는 게임 종료 40분 후에도 여전히 높은 수준의 멀미가 유지되는 등 개인의 민감도와 노출 시간에 따라 상이한 결과가 나타납니다 [6, 8]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Beat Saber.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Beat Saber를 활용한 VR 엑서게임 후유증 연구(VR Exergaming Aftereffects).md b/10_Wiki/Topics/Programming & Language/Beat Saber를 활용한 VR 엑서게임 후유증 연구(VR Exergaming Aftereffects).md
index 6a87ee3a..24640c56 100644
--- a/10_Wiki/Topics/Programming & Language/Beat Saber를 활용한 VR 엑서게임 후유증 연구(VR Exergaming Aftereffects).md	
+++ b/10_Wiki/Topics/Programming & Language/Beat Saber를 활용한 VR 엑서게임 후유증 연구(VR Exergaming Aftereffects).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-180522
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -40,10 +40,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Beat Saber를 활용한 VR 엑
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[VR Sickness]], [[Vergence-Accommodation Conflicts]], [[Exergaming]], [[Simulator Sickness Questionnaire (SSQ)]]
-- **Projects/Contexts:** [[Beat Saber]], [[HTC Vive Pro HMD]]
+- **Projects/Contexts:** [[Beat Saber]], HTC Vive Pro HMD
 - **Contradictions/Notes:** 소스에 따르면 VR 엑서게임은 시각적 변화나 멀미와 같은 부작용을 동반할 수 있으나, 인지 능력 저하는 관찰되지 않았으며 짧은 시간 플레이 시에는 움직임 반응 속도 측면에서 일시적인 향상이 나타나는 상반된 결과가 있었습니다 [8], [4]. 또한, 집단의 멀미 증상은 대체로 40분 내에 회복되지만, 개인의 민감도에 따라 긴 시간 지속되는 소수의 예외(약 14%)가 존재한다는 점에 유의해야 합니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Beat Saber를 활용한 VR 엑서게임 후유증 연구(VR Exergaming Aftereffects).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Blink.md b/10_Wiki/Topics/Programming & Language/Blink.md
index 51f88644..ed796faa 100644
--- a/10_Wiki/Topics/Programming & Language/Blink.md	
+++ b/10_Wiki/Topics/Programming & Language/Blink.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7F733B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Blink"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Engine]], [[Oilpan]], [[Orinoco]], [[InternalNode]]
+- **Related Topics:** [[V8 Engine]], [[Oilpan]], [[Orinoco]], InternalNode
 - **Projects/Contexts:** [[Chrome]], [[Heap Snapshot]]
 - **Contradictions/Notes:** 소스 내에 Blink 자체의 전체 구조를 다루는 정보는 부족하며, V8 메모리 관리 및 힙 스냅샷 디버깅 관점에서만 제한적으로 언급되어 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Blink.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Branch Prediction.md b/10_Wiki/Topics/Programming & Language/Branch Prediction.md
index e3db6495..f1ee5461 100644
--- a/10_Wiki/Topics/Programming & Language/Branch Prediction.md	
+++ b/10_Wiki/Topics/Programming & Language/Branch Prediction.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4D7707
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Branch Prediction"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Branch Prediction.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Branchless Security Checks.md b/10_Wiki/Topics/Programming & Language/Branchless Security Checks.md
index ae12163a..73bf9ea4 100644
--- a/10_Wiki/Topics/Programming & Language/Branchless Security Checks.md	
+++ b/10_Wiki/Topics/Programming & Language/Branchless Security Checks.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-229D3F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Branchless Security Checks"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Speculative Execution]], [[Index Masking]], [[Pointer Poisoning]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Speculative Execution]], [[Index Masking]], [[Pointer Poisoning]]
 - **Projects/Contexts:** [[WebKit]], [[Blink]], [[JavaScriptCore]]
 - **Contradictions/Notes:** 분기 없는 보안 검사 기법은 캐시 사이드 채널 공격을 방어하는 필수적인 수단이지만, 구조적으로 추가 연산을 요구하기 때문에 작업의 마이크로 지연(Micro-latency)을 증가시킨다는 성능적 트레이드오프가 존재합니다 [13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Branchless Security Checks.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Browser Security Mitigations.md b/10_Wiki/Topics/Programming & Language/Browser Security Mitigations.md
index 0c48e64d..ae2a938b 100644
--- a/10_Wiki/Topics/Programming & Language/Browser Security Mitigations.md	
+++ b/10_Wiki/Topics/Programming & Language/Browser Security Mitigations.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-539F01
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,5 +38,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Browser Security Mitigations"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Browser Security Mitigations.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CAD 렌더링 최적화.md b/10_Wiki/Topics/Programming & Language/CAD 렌더링 최적화.md
index 86b76213..1748d2cc 100644
--- a/10_Wiki/Topics/Programming & Language/CAD 렌더링 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/CAD 렌더링 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-40FA98
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CAD 렌더링 최적화"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BatchedMesh]], [[InstancedMesh]], [[Depth Pre-Pass]], [[SharedArrayBuffer]], [[Frustum Culling]], [[Level of Detail (LOD)]]
+- **Related Topics:** BatchedMesh, [[InstancedMesh]], [[Depth Pre-Pass]], SharedArrayBuffer, [[Frustum Culling]], [[Level of Detail (LOD)]]
 - **Projects/Contexts:** [[WebGPU 대규모 건설 뷰어]], [[BIM 모델 시뮬레이션]]
 - **Contradictions/Notes:** 지오메트리 병합(`BufferGeometryUtils.mergeBufferGeometries`) 기법은 드로우 콜을 가장 효과적으로 줄여주지만, 단일 바운딩 볼륨으로 묶이기 때문에 시야 절두체 컬링(Frustum Culling)의 효율성을 떨어뜨린다는 딜레마를 가집니다 [11]. 또한, `InstancedMesh`는 단일 지오메트리의 반복 렌더링에는 매우 유리하지만 서로 다른 기하학적 구조를 가진 부품이 수천 개 모인 CAD 모델에는 부적합하며, 이 경우 다중 지오메트리를 지원하는 `BatchedMesh`를 사용하는 것이 더 올바른 대안입니다 [3, 10, 20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CAD 렌더링 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI).md b/10_Wiki/Topics/Programming & Language/CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI).md
index ba626180..eef06b4a 100644
--- a/10_Wiki/Topics/Programming & Language/CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI).md	
+++ b/10_Wiki/Topics/Programming & Language/CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-20A493
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CANTAB 5-선택 반응 시간
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[의사결정 속도(Decision Speed)]], [[이동 속도(Movement Speed)]]
+- **Related Topics:** 의사결정 속도(Decision Speed), [[이동 속도(Movement Speed)]]
 - **Projects/Contexts:** [[가상현실 사후 효과 연구(Virtual Reality Aftereffects Study)]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (소스 데이터 내에서 해당 과제에 대해 상충하는 주장이나 논쟁점은 확인되지 않습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CI_CD Pipeline.md b/10_Wiki/Topics/Programming & Language/CI_CD Pipeline.md
index 9c00da8f..6629ac84 100644
--- a/10_Wiki/Topics/Programming & Language/CI_CD Pipeline.md	
+++ b/10_Wiki/Topics/Programming & Language/CI_CD Pipeline.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-643BD1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD Pipeline"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Automated Code Review]], [[Quality Gates]], [[DevSecOps]], [[Git Hooks]]
-- **Projects/Contexts:** [[소프트웨어 개발 수명 주기(SDLC)]], [[풀 리퀘스트(Pull Request) 워크플로우]]
+- **Related Topics:** [[Static Application Security Testing (SAST)]], Automated Code Review, [[Quality Gates]], [[DevSecOps]], [[Git Hooks]]
+- **Projects/Contexts:** 소프트웨어 개발 수명 주기(SDLC), 풀 리퀘스트(Pull Request) 워크플로우
 - **Contradictions/Notes:** 개발자 환경의 로컬 훅(Husky 등)은 빠르고 편리한 피드백을 위한 도구일 뿐 완벽한 강제 수단이 아니며, 실제적인 보안 및 품질 규칙의 최종 강제는 CI/CD 파이프라인에서 이루어져야 합니다 [15, 16].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CI_CD Pipeline.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 자동화.md b/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 자동화.md
index 06c18a01..4fe59d2c 100644
--- a/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 자동화.md	
+++ b/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 자동화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B0C6AD
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 자동
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 애플리케이션 보안 테스트 (SAST)]], [[Git Hooks (Husky 및 lint-staged)]], [[품질 게이트 (Quality Gates)]]
-- **Projects/Contexts:** [[DevSecOps 파이프라인 통합]], [[풀 리퀘스트(PR) 검사 자동화]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트 (SAST)]], Git Hooks (Husky 및 lint-staged), 품질 게이트 (Quality Gates)
+- **Projects/Contexts:** DevSecOps 파이프라인 통합, 풀 리퀘스트(PR) 검사 자동화
 - **Contradictions/Notes:** 소스에 따르면 정적 분석 도구를 파이프라인에 통합할 때 심층적인 스캔은 분석 시간이 오래 걸려 CI/CD 파이프라인을 지연시키는 원인이 될 수 있습니다(예: SonarQube Cloud는 일부 환경에서 파이프라인에 추가 시간을 발생시킴) [28]. 따라서 파이프라인 속도 저하를 방지하기 위해 PR 단계에서는 변경된 파일만 가볍고 빠르게 검사하는 `lint-staged`나 증분 스캔(incremental scans)을 활용하고, 전체 코드 스캔이나 무거운 분석은 CI 서버의 별도 단계나 정기 스캔으로 미루는 방식이 권장됩니다 [18, 19, 29, 30].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/CI_CD 파이프라인 자동화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 통합 및 Git 훅(Hooks).md b/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 통합 및 Git 훅(Hooks).md
index eeb849a3..ee97c957 100644
--- a/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 통합 및 Git 훅(Hooks).md	
+++ b/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인 통합 및 Git 훅(Hooks).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C861C6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,5 +36,5 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 통합 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/CI_CD 파이프라인 통합 및 Git 훅(Hooks).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인.md b/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인.md
index fbc9510c..e93bb47e 100644
--- a/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인.md	
+++ b/10_Wiki/Topics/Programming & Language/CI_CD 파이프라인.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-057C1E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[자동화된 코드 리뷰(Automated Code Review)]], [[정적 애플리케이션 보안 테스트(SAST)]], [[품질 게이트(Quality Gates)]], [[시프트 레프트(Shift-Left)]]
-- **Projects/Contexts:** [[소프트웨어 개발 수명 주기(SDLC)]], [[데브섹옵스(DevSecOps)]], [[풀 리퀘스트(Pull Request) 워크플로우]]
+- **Related Topics:** 자동화된 코드 리뷰(Automated Code Review), [[정적 애플리케이션 보안 테스트(SAST)]], 품질 게이트(Quality Gates), [[시프트 레프트(Shift-Left)]]
+- **Projects/Contexts:** 소프트웨어 개발 수명 주기(SDLC), 데브섹옵스(DevSecOps), 풀 리퀘스트(Pull Request) 워크플로우
 - **Contradictions/Notes:** CI/CD 파이프라인에 SonarQube Cloud나 대규모 SAST 도구를 통합하면 코드 품질과 보안을 강력하게 통제할 수 있지만, 일부 환경에서는 파이프라인 실행 시간이 추가로 소요될 수 있다는 단점이 존재합니다 [5, 17, 28]. 또한, 로컬 Git Hook 환경이 효율적이더라도 CI 환경에서의 전체 검증 과정을 결코 대체할 수 없으며, 반드시 CI 파이프라인의 후속 검증이 동반되어야 한다고 강조됩니다 [23, 24, 29].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/CI_CD 파이프라인.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/CST (구체 구문 트리).md b/10_Wiki/Topics/Programming & Language/CST (구체 구문 트리).md
index a8947ae7..a636a313 100644
--- a/10_Wiki/Topics/Programming & Language/CST (구체 구문 트리).md	
+++ b/10_Wiki/Topics/Programming & Language/CST (구체 구문 트리).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ECB052
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - CST (구체 구문 트리)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[AST (추상 구문 트리)]], [[코드 스타일로메트리 (Code Stylometry)]], [[코드 포매팅 (Code formatting)]], [[코드 축소 (Code minification)]]
+- **Related Topics:** [[AST (추상 구문 트리)]], 코드 스타일로메트리 (Code Stylometry), [[코드 포매팅 (Code formatting)]], [[코드 축소 (Code minification)]]
 - **Projects/Contexts:** [[코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구]]
 - **Contradictions/Notes:** 소스에 관련된 모순된 정보는 없으며, 기존의 주류 문헌들이 코드 표상을 위해 주로 AST를 사용하는 것에서 벗어나, 서식 지정과 축소에 따른 표면적 변화를 측정하기 위해 CST의 사용이 필수적이었다는 점을 강조합니다 [4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/CST (구체 구문 트리).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Cache Side-Channel Attack.md b/10_Wiki/Topics/Programming & Language/Cache Side-Channel Attack.md
index fdcf566c..b5cbce7a 100644
--- a/10_Wiki/Topics/Programming & Language/Cache Side-Channel Attack.md	
+++ b/10_Wiki/Topics/Programming & Language/Cache Side-Channel Attack.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-55C813
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Cache Side-Channel Attack"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Speculative Execution]], [[Timestamp Quantization]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Speculative Execution]], [[Timestamp Quantization]]
 - **Projects/Contexts:** [[WebKit]], [[WebGPU]], [[WebGL]]
 - **Contradictions/Notes:** 소스에 따르면, 그래픽 파이프라인 최적화 및 렌더링 병목 현상을 해결하려는 개발자들은 나노초 단위의 고정밀 타이머를 절대적으로 필요로 하지만, 보안 측면에서는 이러한 고해상도 타이머가 캐시 사이드 채널 공격의 주요 수단이 되기 때문에 브라우저 벤더들이 타이머의 해상도를 의도적으로 제한(Coarsening)해야만 하는 기능적 상충 관계(Trade-off)가 발생하고 있습니다 [1, 13, 14, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Cache Side-Channel Attack.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Cache miss rates.md b/10_Wiki/Topics/Programming & Language/Cache miss rates.md
index b2a5066d..ffe898a4 100644
--- a/10_Wiki/Topics/Programming & Language/Cache miss rates.md	
+++ b/10_Wiki/Topics/Programming & Language/Cache miss rates.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E946BD
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Cache miss rates"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Rowhammer]], [[Timestamp Queries]]
-- **Projects/Contexts:** [[WebGPU Timestamp Queries Quantization]], [[WebKit Security Mitigations]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Rowhammer]], [[Timestamp Queries]]
+- **Projects/Contexts:** WebGPU Timestamp Queries Quantization, [[WebKit Security Mitigations]]
 - **Contradictions/Notes:** 소스에서는 캐시 미스 비율이 일반적인 시스템 성능 최적화 지표로 다루어지기보다는, 고해상도 타이머를 악용한 사이드 채널 보안 공격(side-channel attacks)을 가능하게 하는 위험 요소의 관점으로만 집중적으로 설명되어 있습니다 [1, 2, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Cache miss rates.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Cheneys Algorithm.md b/10_Wiki/Topics/Programming & Language/Cheneys Algorithm.md
index 419a6f12..2e662e7c 100644
--- a/10_Wiki/Topics/Programming & Language/Cheneys Algorithm.md	
+++ b/10_Wiki/Topics/Programming & Language/Cheneys Algorithm.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-52B523
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Cheneys Algorithm"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Scavenge (Minor GC)]], [[Semi-space Design]], [[Garbage Collection]]
+- **Related Topics:** Scavenge (Minor GC), Semi-space Design, [[Garbage Collection]]
 - **Projects/Contexts:** [[V8 JavaScript Engine]]
 - **Contradictions/Notes:** 과거의 V8 버전들은 동기식(synchronous) 구조의 기본 Cheney's algorithm을 사용했으나, V8 v6.2 이후부터는 다중 코어 환경의 이점을 활용하기 위해 Halstead semispace copying collector와 유사한 방식의 병렬 스캐빈저(Parallel Scavenger) 알고리즘으로 발전하여 사용되고 있습니다 [6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Cheney's Algorithm.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Chrome DevTools Memory Panel.md b/10_Wiki/Topics/Programming & Language/Chrome DevTools Memory Panel.md
index de3005cc..95bf7a23 100644
--- a/10_Wiki/Topics/Programming & Language/Chrome DevTools Memory Panel.md	
+++ b/10_Wiki/Topics/Programming & Language/Chrome DevTools Memory Panel.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5AE3F9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,13 +30,13 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools Memory Panel"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Heap Snapshot]], [[Garbage Collection]], [[Memory Leak]], [[Retaining Path]]
-- **Projects/Contexts:** [[V8 Engine]], [[Node.js]]
+- **Related Topics:** [[Heap Snapshot]], [[Garbage Collection]], Memory Leak, [[Retaining Path]]
+- **Projects/Contexts:** [[V8 Engine]], Node.js
 - **Contradictions/Notes:** 
   - 스냅샷 상에서 메모리 그래프가 증가한다고 해서 무조건 누수(Leak)인 것은 아닙니다. 캐시(Caches), 실행 취소 기록(Undo histories), 가상화된 리스트 버퍼 등은 의도적으로 데이터를 보존하기 때문입니다. 의도된 보존과 우발적인 메모리 누수를 구별하는 것이 중요합니다 [20].
   - DevTools 콘솔에서 `console.log`로 출력된 객체는 콘솔에서 도달 가능하기 때문에 참조가 유지되어 메모리 누수로 나타날 수 있습니다. 누수 조사 중에는 콘솔을 지우거나 큰 객체를 로깅하지 않아야 합니다 [20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools Memory Panel.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Chrome DevTools(크롬 개발자 도구).md b/10_Wiki/Topics/Programming & Language/Chrome DevTools(크롬 개발자 도구).md
index 199cbfe0..b128ea7d 100644
--- a/10_Wiki/Topics/Programming & Language/Chrome DevTools(크롬 개발자 도구).md	
+++ b/10_Wiki/Topics/Programming & Language/Chrome DevTools(크롬 개발자 도구).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-663B99
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools(크롬 개발
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Memory Leak(메모리 누수)]], [[Garbage Collection(가비지 컬렉션)]], [[Heap Snapshot(힙 스냅샷)]], [[Allocation Timeline(할당 타임라인)]]
-- **Projects/Contexts:** [[Node.js 프로세스 모니터링 및 메모리 분석]], [[브라우저 DOM 누수 탐지 및 렌더링 최적화]]
+- **Related Topics:** Memory Leak(메모리 누수), [[Garbage Collection(가비지 컬렉션)]], Heap Snapshot(힙 스냅샷), Allocation Timeline(할당 타임라인)
+- **Projects/Contexts:** Node.js 프로세스 모니터링 및 메모리 분석, 브라우저 DOM 누수 탐지 및 렌더링 최적화
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 소스 내에서 Chrome DevTools의 기능이나 메모리 분석 방법론에 대해 상충되는 주장은 발견되지 않았습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools(크롬 개발자 도구).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Chrome V8 Heap Analysis.md b/10_Wiki/Topics/Programming & Language/Chrome V8 Heap Analysis.md
index 29ee9468..ac5a7c05 100644
--- a/10_Wiki/Topics/Programming & Language/Chrome V8 Heap Analysis.md	
+++ b/10_Wiki/Topics/Programming & Language/Chrome V8 Heap Analysis.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7DF5C6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chrome V8 Heap Analysis"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[V8 Memory Cage]], [[Pointer Compression]], [[Generational Hypothesis]], [[Mark-Sweep-Compact]]
-- **Projects/Contexts:** [[Orinoco Garbage Collector]], [[Chrome DevTools Memory Panel]], [[v8-forensics]]
+- **Related Topics:** [[Garbage Collection]], V8 Memory Cage, [[Pointer Compression]], [[Generational Hypothesis]], Mark-Sweep-Compact
+- **Projects/Contexts:** Orinoco Garbage Collector, [[Chrome DevTools Memory Panel]], v8-forensics
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (소스 간의 명백한 모순점이나 상충하는 주장은 발견되지 않았습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chrome V8 Heap Analysis.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Chromium.md b/10_Wiki/Topics/Programming & Language/Chromium.md
index 017f9da0..431ad704 100644
--- a/10_Wiki/Topics/Programming & Language/Chromium.md	
+++ b/10_Wiki/Topics/Programming & Language/Chromium.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6038C1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Chromium"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Engine]], [[V8 Memory Cage]], [[Blink]], [[Oilpan]], [[Garbage Collection]]
+- **Related Topics:** [[V8 Engine]], V8 Memory Cage, [[Blink]], [[Oilpan]], [[Garbage Collection]]
 - **Projects/Contexts:** [[Electron]], [[Google Chrome]], [[Orinoco]]
 - **Contradictions/Notes:** 제공된 소스 전반에서 'Chromium'과 'Chrome'이라는 명칭은 V8을 내장하는 브라우저 런타임 환경 및 보안/추적 인프라를 설명할 때 사실상 동일한 맥락으로 상호 교환되어 사용되고 있습니다 [2-4, 16].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Chromium.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Code Minification.md b/10_Wiki/Topics/Programming & Language/Code Minification.md
index 1a298443..fc1fbcd1 100644
--- a/10_Wiki/Topics/Programming & Language/Code Minification.md	
+++ b/10_Wiki/Topics/Programming & Language/Code Minification.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D932E1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Code Minification"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Formatting]], [[Code Stylometry]]
-- **Projects/Contexts:** [[Web Development]], [[Python Minifier]]
+- **Related Topics:** [[Code Formatting]], Code Stylometry
+- **Projects/Contexts:** Web Development, Python Minifier
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Code Minification.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Code Obfuscation.md b/10_Wiki/Topics/Programming & Language/Code Obfuscation.md
index dbff347f..bbe1149d 100644
--- a/10_Wiki/Topics/Programming & Language/Code Obfuscation.md	
+++ b/10_Wiki/Topics/Programming & Language/Code Obfuscation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B2A3F3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Code Obfuscation"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Stylometry]], [[Authorship Attribution]], [[Code Minification]]
-- **Projects/Contexts:** [[Tigress]], [[Stunnix]], [[Opy]], [[PyArmor]]
+- **Related Topics:** Code Stylometry, Authorship Attribution, [[Code Minification]]
+- **Projects/Contexts:** Tigress, Stunnix, Opy, PyArmor
 - **Contradictions/Notes:** 단순한 미니파이(Minification)나 포맷팅 작업, 혹은 Stunnix와 같이 기본적인 난독화만 제공하는 도구는 기계 학습 모델을 속이기에 불충분합니다. 작성자를 식별하려는 시도를 완전히 회피하려면, Tigress와 같이 시스템 성능과 코드 가독성의 저하를 감수하는 심층적인 수준의 난독화를 적용해야 한다는 점이 관찰됩니다 [2, 6, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Code Obfuscation.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Code Splitting  Lazy Loading (코드 분할 및 지연 로딩).md b/10_Wiki/Topics/Programming & Language/Code Splitting  Lazy Loading (코드 분할 및 지연 로딩).md
index 4a2813bd..55b3e84c 100644
--- a/10_Wiki/Topics/Programming & Language/Code Splitting  Lazy Loading (코드 분할 및 지연 로딩).md	
+++ b/10_Wiki/Topics/Programming & Language/Code Splitting  Lazy Loading (코드 분할 및 지연 로딩).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-59CADB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,12 +31,12 @@ github_commit: "[P-Reinforce] Continuous Worker - Code Splitting  Lazy Loading (
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React Performance Optimization]], [[React.lazy & Suspense]], [[Core Web Vitals (FCP, LCP, CLS)]], [[React Server Components (RSC)]]
-- **Projects/Contexts:** [[대규모 SPA 초기 로딩 속도 개선]], [[Three.js / React Three Fiber 자산 최적화]]
+- **Related Topics:** [[React Performance Optimization]], React.lazy & Suspense, Core Web Vitals (FCP, LCP, CLS), [[React Server Components (RSC)]]
+- **Projects/Contexts:** 대규모 SPA 초기 로딩 속도 개선, Three.js / React Three Fiber 자산 최적화
 - **Contradictions/Notes:** 코드 분할은 초기 로드 속도를 크게 높여주지만, 모든 컴포넌트를 무분별하게 분할할 경우 사용자가 상호작용을 할 때마다 네트워크 지연과 로딩 스피너를 마주하게 되어 오히려 UX를 크게 훼손할 수 있습니다. 항상 사용자의 여정(User Flow)을 예측하고 적절한 단위로 번들을 묶는 전략적 접근이 필요합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/Code Splitting & Lazy Loading (코드 분할 및 지연 로딩).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Code Stylometry (코드 문체론).md b/10_Wiki/Topics/Programming & Language/Code Stylometry (코드 문체론).md
index 293a36c3..cd2207ae 100644
--- a/10_Wiki/Topics/Programming & Language/Code Stylometry (코드 문체론).md	
+++ b/10_Wiki/Topics/Programming & Language/Code Stylometry (코드 문체론).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-17B6B7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Code Stylometry (코드 문체
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Adversarial Code Stylometry]], [[Abstract Syntax Tree (AST)]], [[Concrete Syntax Tree (CST)]], [[Code Obfuscation]], [[Code Formatting]], [[Code Minification]]
+- **Related Topics:** [[Adversarial Code Stylometry]], Abstract Syntax Tree (AST), [[Concrete Syntax Tree (CST)]], [[Code Obfuscation]], [[Code Formatting]], [[Code Minification]]
 - **Projects/Contexts:** [[Google Code Jam Dataset]], [[StyleCounsel]]
 - **Contradictions/Notes:** 소스에 따르면 기계 학습 기반의 코드 문체론 모델에 대항하기 위한 적대적 기법들이 시도되고 있으나, 단순히 코드를 정렬하는 포매팅(Formatting)이나 축소(Minification) 처리만으로는 저자의 개별 스타일 특징을 완전히 제거할 수 없으며 대다수 저자가 여전히 식별 가능한 것으로 나타납니다 [23], [22].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Code Stylometry (코드 문체론).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Concrete Syntax Tree (CST).md b/10_Wiki/Topics/Programming & Language/Concrete Syntax Tree (CST).md
index 4525aa08..a757b3d9 100644
--- a/10_Wiki/Topics/Programming & Language/Concrete Syntax Tree (CST).md	
+++ b/10_Wiki/Topics/Programming & Language/Concrete Syntax Tree (CST).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-858963
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Concrete Syntax Tree (CST)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Abstract Syntax Tree (AST)]], [[Code Stylometry]], [[Parse Tree]]
+- **Related Topics:** Abstract Syntax Tree (AST), Code Stylometry, Parse Tree
 - **Projects/Contexts:** 프로그래머의 코드 작성 스타일을 분석하여 작성자를 식별하는 코드 스타일로메트리 연구에서, 코드 포맷팅(formatting) 및 축소(minification) 기술이 식별 정확도에 미치는 영향을 측정하기 위한 코드 표현 방식으로 사용됨 [3, 12, 13].
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Concrete Syntax Tree (CST).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Continuous Integration (CI).md b/10_Wiki/Topics/Programming & Language/Continuous Integration (CI).md
index d167187e..e51ee12c 100644
--- a/10_Wiki/Topics/Programming & Language/Continuous Integration (CI).md	
+++ b/10_Wiki/Topics/Programming & Language/Continuous Integration (CI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F896F7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Continuous Integration (CI)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Static Application Security Testing (SAST)]], [[Code Review]], [[Git Hooks]], [[Quality Gates]], [[Pull Request (PR)]]
-- **Projects/Contexts:** [[TeamCity]], [[GitHub Actions]], [[GitLab CI]], [[Jenkins]], [[Azure DevOps]]와 같이 코드 통합과 자동화 빌드를 관장하는 인프라 환경 [1, 9, 14]. 
+- **Projects/Contexts:** [[TeamCity]], [[GitHub Actions]], [[GitLab CI]], Jenkins, [[Azure DevOps]]와 같이 코드 통합과 자동화 빌드를 관장하는 인프라 환경 [1, 9, 14]. 
 - **Contradictions/Notes:** 로컬 Git 훅(pre-commit 등)은 로컬 환경에서 빠른 피드백을 제공하여 시간을 절약하게 해주지만, 우회가 가능하므로 CI를 완전히 대체할 수 없으며 반드시 CI 파이프라인을 통한 최종 검증이 병행되어야 합니다 [2, 4, 15]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Continuous Integration (CI).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Cosmos 플랫폼 (Netflix).md b/10_Wiki/Topics/Programming & Language/Cosmos 플랫폼 (Netflix).md
index 2ce4f8ca..a0074381 100644
--- a/10_Wiki/Topics/Programming & Language/Cosmos 플랫폼 (Netflix).md	
+++ b/10_Wiki/Topics/Programming & Language/Cosmos 플랫폼 (Netflix).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5C7CCB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Cosmos 플랫폼 (Netflix)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스 (Microservices)]], [[서버리스 컴퓨팅 (Serverless Computing)]], [[관심사의 분리 (Separation of Concerns)]]
-- **Projects/Contexts:** [[Reloaded]], [[Optimus]], [[Plato]], [[Stratum]], [[Timestone]], [[Tapas]], [[Sagan]]
+- **Related Topics:** 마이크로서비스 (Microservices), 서버리스 컴퓨팅 (Serverless Computing), [[관심사의 분리 (Separation of Concerns)]]
+- **Projects/Contexts:** Reloaded, Optimus, Plato, Stratum, Timestone, Tapas, Sagan
 - **Contradictions/Notes:** "서버리스 함수를 조율하는 워크플로우를 트리거하는 마이크로서비스"라는 Cosmos의 프로그래밍 모델은 강력하지만, 단순한 애플리케이션에 적용하기에는 부가되는 복잡성이 이점보다 클 수 있다는 점이 지적된다 [14]. 또한, Cosmos 플랫폼 도입 당시 애플리케이션 개발자들은 일관성과 신뢰성을 획득하는 대신 일정한 유연성을 포기하는 방향으로 마인드셋을 전환해야 했다 [14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Cosmos 플랫폼 (Netflix).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Cumulative Layout Shift (CLS).md b/10_Wiki/Topics/Programming & Language/Cumulative Layout Shift (CLS).md
index fa5d9e8d..cafec4c8 100644
--- a/10_Wiki/Topics/Programming & Language/Cumulative Layout Shift (CLS).md	
+++ b/10_Wiki/Topics/Programming & Language/Cumulative Layout Shift (CLS).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C15CB2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,5 +38,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Cumulative Layout Shift (CLS)"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Cumulative Layout Shift (CLS).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/DAST (동적 애플리케이션 보안 테스트).md b/10_Wiki/Topics/Programming & Language/DAST (동적 애플리케이션 보안 테스트).md
index 9aae9826..3a3b68be 100644
--- a/10_Wiki/Topics/Programming & Language/DAST (동적 애플리케이션 보안 테스트).md	
+++ b/10_Wiki/Topics/Programming & Language/DAST (동적 애플리케이션 보안 테스트).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-09DD84
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - DAST (동적 애플리케이
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[Black-box Testing]], [[Fuzzing]]
-- **Projects/Contexts:** [[AppSec (애플리케이션 보안)]], [[CI/CD 파이프라인]], [[SDLC (소프트웨어 개발 수명 주기)]]
+- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], Black-box Testing, [[Fuzzing]]
+- **Projects/Contexts:** [[AppSec (애플리케이션 보안)]], CI/CD 파이프라인, [[SDLC (소프트웨어 개발 수명 주기)]]
 - **Contradictions/Notes:** 소스 내용 간의 모순은 존재하지 않으며, DAST는 코드를 직접 분석하는 SAST와 접근 방식(블랙박스 vs 화이트박스)에서 명확히 대비되지만 상호 배타적인 것이 아니라 강력한 보안 태세를 위해 함께 구축해야 하는 보완재로 설명됩니다 [4, 5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/DAST (동적 애플리케이션 보안 테스트).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/DOM 요소 조작 및 타입 좁히기.md b/10_Wiki/Topics/Programming & Language/DOM 요소 조작 및 타입 좁히기.md
index bbb1b1a8..8b6747fd 100644
--- a/10_Wiki/Topics/Programming & Language/DOM 요소 조작 및 타입 좁히기.md	
+++ b/10_Wiki/Topics/Programming & Language/DOM 요소 조작 및 타입 좁히기.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3A0CD0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - DOM 요소 조작 및 타입 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Narrowing]], [[Type Assertions]], [[Discriminated Unions]], [[Branded Types]]
-- **Projects/Contexts:** [[안전한 DOM 조작 및 데이터 정제]], [[React 컴포넌트 Props 처리]]
+- **Related Topics:** Type Narrowing, Type Assertions, [[Discriminated Unions]], Branded Types
+- **Projects/Contexts:** 안전한 DOM 조작 및 데이터 정제, React 컴포넌트 Props 처리
 - **Contradictions/Notes:** 타입 단언(`as`)은 DOM 요소를 다루며 타입을 좁힐 때 유용하고 흔하게 사용되지만 [5], 런타임 동작에는 영향을 주지 않으므로 타입 에러를 우회하여 잘못된 코드를 통과시킬 위험이 있습니다. 따라서 가능한 한 `satisfies`나 사용자 정의 타입 가드 등 더 안전한 방식을 우선적으로 고려하는 것이 좋습니다 [7, 8, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/DOM 요소 조작 및 타입 좁히기.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/DOM 요소 조작.md b/10_Wiki/Topics/Programming & Language/DOM 요소 조작.md
index 7bb8d717..d00024a3 100644
--- a/10_Wiki/Topics/Programming & Language/DOM 요소 조작.md	
+++ b/10_Wiki/Topics/Programming & Language/DOM 요소 조작.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-15DA1E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - DOM 요소 조작"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[타입 단언(Type Assertions)]], [[브랜디드 타입(Branded Types)]]
-- **Projects/Contexts:** [[안전한 TypeScript 프론트엔드 개발 및 XSS 방어]]
+- **Related Topics:** [[타입 단언(Type Assertions)]], 브랜디드 타입(Branded Types)
+- **Projects/Contexts:** 안전한 TypeScript 프론트엔드 개발 및 XSS 방어
 - **Contradictions/Notes:** 소스에 DOM 요소 조작의 본질적인 원리나 구체적인 API(예: 순수 자바스크립트 DOM API)에 대한 정보가 절대적으로 부족하므로 "소스에 관련 정보가 부족합니다."
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/DOM 요소 조작.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/DeepReadonly.md b/10_Wiki/Topics/Programming & Language/DeepReadonly.md
index 4a292bd6..c9724519 100644
--- a/10_Wiki/Topics/Programming & Language/DeepReadonly.md	
+++ b/10_Wiki/Topics/Programming & Language/DeepReadonly.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5FB09F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - DeepReadonly"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[readonly]], [[Readonly<T>]], [[Mapped Types]], [[Conditional Types]]
-- **Projects/Contexts:** [[상태 관리(State Management)]], [[설정 객체(Configuration Objects)]], [[ts-essentials]]
+- **Related Topics:** [[readonly]], Readonly<T>, Mapped Types, Conditional Types
+- **Projects/Contexts:** [[상태 관리(State Management)]], 설정 객체(Configuration Objects), ts-essentials
 - **Contradictions/Notes:** 깊은 수준의 불변성을 보장하는 기능이 실무적으로 널리 요구되었음에도 불구하고 `DeepReadonly`는 TypeScript에 공식적으로 기본 내장되어 있지 않다는 점이 특징적이다 [5]. 이로 인해 추가적인 구현이나 외부 라이브러리 의존성이 요구된다 [5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/DeepReadonly.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Depth Pre-Pass.md b/10_Wiki/Topics/Programming & Language/Depth Pre-Pass.md
index 63a999f8..1131bfa6 100644
--- a/10_Wiki/Topics/Programming & Language/Depth Pre-Pass.md	
+++ b/10_Wiki/Topics/Programming & Language/Depth Pre-Pass.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B5A436
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Depth Pre-Pass"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Occlusion Culling]], [[Z-buffer]], [[Overdraw]], [[Fragment Shader]]
-- **Projects/Contexts:** [[WebGL/Three.js CAD Rendering Optimization]]
+- **Related Topics:** Occlusion Culling, Z-buffer, [[Overdraw]], Fragment Shader
+- **Projects/Contexts:** WebGL/Three.js CAD Rendering Optimization
 - **Contradictions/Notes:** 소스에 상충되는 내용은 없으며, 오클루전 컬링을 CPU에서 처리하기 어렵거나 GPU 레이턴시로 인해 비용이 높을 때 이를 해결하는 가장 효과적인 우회(workaround) 기법으로 설명됩니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Depth Pre-Pass.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Discriminated Unions.md b/10_Wiki/Topics/Programming & Language/Discriminated Unions.md
index a27d8719..b8c3cf5b 100644
--- a/10_Wiki/Topics/Programming & Language/Discriminated Unions.md	
+++ b/10_Wiki/Topics/Programming & Language/Discriminated Unions.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DEC013
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Discriminated Unions"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Union Types]], [[Type Narrowing]], [[Exhaustiveness Checking]], [[Literal Types]], [[never type]]
-- **Projects/Contexts:** [[React State Management]], [[State Machine Pattern]], [[API Response Handling]], [[Redux Reducers]]
+- **Related Topics:** [[Union Types]], Type Narrowing, Exhaustiveness Checking, Literal Types, never type
+- **Projects/Contexts:** React State Management, State Machine Pattern, API Response Handling, Redux Reducers
 - **Contradictions/Notes:** Discriminated Union 패턴은 타입 안정성과 예측 가능성을 크게 높여주지만, 유니온 타입이 지나치게 복잡해지거나 깊은 중첩 구조를 가지게 되면 오히려 TypeScript의 컴파일 성능을 저하시키고 에러 메시지의 가독성을 떨어뜨리는 부작용(단점)을 유발할 수 있습니다 [10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Discriminated Unions.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Draw Call Optimization.md b/10_Wiki/Topics/Programming & Language/Draw Call Optimization.md
index ccc40ba1..7133afcf 100644
--- a/10_Wiki/Topics/Programming & Language/Draw Call Optimization.md	
+++ b/10_Wiki/Topics/Programming & Language/Draw Call Optimization.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0B8FFC
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Draw Call Optimization"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[Frustum Culling]], [[Texture Atlas]], [[Level of Detail (LOD)]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[Unity]]
+- **Related Topics:** [[InstancedMesh]], BatchedMesh, [[Frustum Culling]], [[Texture Atlas]], [[Level of Detail (LOD)]]
+- **Projects/Contexts:** Three.js, [[WebGL]], [[Unity]]
 - **Contradictions/Notes:** 일반적으로 드로우 콜을 줄이는 것은 렌더링 성능을 향상시킨다고 알려져 있지만, `InstancedMesh`를 통해 드로우 콜을 1회로 줄였음에도 불구하고 정렬되지 않은 인스턴스들이 유발하는 막대한 오버드로우(Overdraw) 비용이나 비효율적인 컬링으로 인해, 개별 메쉬를 렌더링할 때보다 오히려 프레임 속도(FPS)가 낮아지는 역설적인 상황이 실증적 연구와 버그 리포트 등에서 보고되고 있습니다 [29, 31, 35].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Draw Call Optimization.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/ESLint.md b/10_Wiki/Topics/Programming & Language/ESLint.md
index 2ea9e997..a9301285 100644
--- a/10_Wiki/Topics/Programming & Language/ESLint.md	
+++ b/10_Wiki/Topics/Programming & Language/ESLint.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BDDA30
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,10 +31,10 @@ github_commit: "[P-Reinforce] Continuous Worker - ESLint"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Prettier]], [[Husky]], [[lint-staged]], [[정적 분석(Static Analysis)]], [[AST(Abstract Syntax Tree)]]
-- **Projects/Contexts:** [[모노레포(Monorepo) 기반 구성 중앙화]], [[Git Hook을 이용한 CI/CD 자동화 파이프라인]]
+- **Projects/Contexts:** [[모노레포(Monorepo) 기반 구성 중앙화]], Git Hook을 이용한 CI/CD 자동화 파이프라인
 - **Contradictions/Notes:** 소스 [33]에서는 `eslint-plugin-prettier` 사용 시 에디터에 밑줄이 너무 많이 생기고 느려져 문서에서도 추천하지 않는다며 설정을 삭제했다고 언급하지만, 소스 [25]에서는 Prettier의 포매팅 이슈를 ESLint의 린터 오류로 띄워 통합적으로 관리할 수 있는 효과적인 방식이라고 설명하는 등 개발자 또는 조직 간의 `eslint-plugin-prettier` 활용에 대해 엇갈린 평가 및 설정 선호도 차이가 존재합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/ESLint.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Early-Z.md b/10_Wiki/Topics/Programming & Language/Early-Z.md
index 1ab5cba2..dc24efb8 100644
--- a/10_Wiki/Topics/Programming & Language/Early-Z.md	
+++ b/10_Wiki/Topics/Programming & Language/Early-Z.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D03C5F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Early-Z"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Overdraw]], [[InstancedMesh]], [[Alpha Blending]]
-- **Projects/Contexts:** [[Three.js WebGL 렌더링 최적화]]
+- **Projects/Contexts:** Three.js WebGL 렌더링 최적화
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Early-Z.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Edge Bleeding.md b/10_Wiki/Topics/Programming & Language/Edge Bleeding.md
index b0af8b8b..5d67d21b 100644
--- a/10_Wiki/Topics/Programming & Language/Edge Bleeding.md	
+++ b/10_Wiki/Topics/Programming & Language/Edge Bleeding.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2BC744
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Edge Bleeding"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Texture Atlas]], [[Mipmap]], [[Data Array Textures]]
-- **Projects/Contexts:** [[InstancedMesh 최적화]], [[WebGL 2.0]]
+- **Projects/Contexts:** [[InstancedMesh 최적화]], WebGL 2.0
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (소스 내에서 명시적인 의견 대립은 발견되지 않으며, Edge Bleeding은 텍스처 아틀라스의 명확한 단점[1, 2]이자 WebGL 2.0의 텍스처 배열 도입으로 쉽게 극복 가능한 문제[3, 4]로 일관되게 설명됩니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Edge Bleeding.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Effect TS 및 ts-brand 라이브러리 활용.md b/10_Wiki/Topics/Programming & Language/Effect TS 및 ts-brand 라이브러리 활용.md
index 873cb1b0..0cb86a4f 100644
--- a/10_Wiki/Topics/Programming & Language/Effect TS 및 ts-brand 라이브러리 활용.md	
+++ b/10_Wiki/Topics/Programming & Language/Effect TS 및 ts-brand 라이브러리 활용.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C0B018
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Effect TS 및 ts-brand 라이
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Branded Types]], [[Opaque Types]], [[Nominal Typing]], [[Structural Typing]]
-- **Projects/Contexts:** [[TypeScript Type Safety]]
+- **Related Topics:** Branded Types, Opaque Types, Nominal Typing, [[Structural Typing]]
+- **Projects/Contexts:** TypeScript Type Safety
 - **Contradictions/Notes:** 두 라이브러리는 모두 타입 안정성을 높이는 데 기여하지만, 타입 브랜드 단언 함수를 다루는 방식에서 차이를 보입니다. `ts-brand`는 `make`를 활용하는 반면, `Effect TS`는 유효성 검사 함수와 에러 처리 함수를 분리하여 입력받는 `Brand.refined`를 사용하도록 설계되었습니다 [5, 6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Effect TS 및 ts-brand 라이브러리 활용.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Effect TS.md b/10_Wiki/Topics/Programming & Language/Effect TS.md
index 97b5e245..d55d2831 100644
--- a/10_Wiki/Topics/Programming & Language/Effect TS.md	
+++ b/10_Wiki/Topics/Programming & Language/Effect TS.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C7A07F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Effect TS"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Branded Types]], [[TypeScript]]
-- **Projects/Contexts:** [[Type-rich TypeScript Applications]]
+- **Related Topics:** Branded Types, TypeScript
+- **Projects/Contexts:** Type-rich TypeScript Applications
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Effect TS.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Electron V8 Memory Cage.md b/10_Wiki/Topics/Programming & Language/Electron V8 Memory Cage.md
index ae0a3e20..1d54cce4 100644
--- a/10_Wiki/Topics/Programming & Language/Electron V8 Memory Cage.md	
+++ b/10_Wiki/Topics/Programming & Language/Electron V8 Memory Cage.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2DCEFC
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Electron V8 Memory Cage"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Pointer Compression]], [[ArrayBuffer]], [[Type Confusion]], [[JIT Compiler]]
-- **Projects/Contexts:** [[Electron 21]], [[Chromium]], [[Node.js Native Modules]]
+- **Related Topics:** [[Pointer Compression]], ArrayBuffer, Type Confusion, JIT Compiler
+- **Projects/Contexts:** Electron 21, [[Chromium]], Node.js Native Modules
 - **Contradictions/Notes:** 소스에 따르면 V8 Memory Cage 및 Pointer Compression은 힙 크기를 최대 40% 줄이고 성능을 5-10% 향상시키는 등 긍정적 효과가 크지만 [6], 그 대가로 네이티브 모듈의 오프힙(Off-heap) 메모리 래핑을 금지시키고 힙을 4GB로 엄격히 제한하는 뚜렷한 트레이드오프를 가지고 있습니다 [3, 5, 7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Electron V8 Memory Cage.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Electron.md b/10_Wiki/Topics/Programming & Language/Electron.md
index 16648290..15bffae2 100644
--- a/10_Wiki/Topics/Programming & Language/Electron.md	
+++ b/10_Wiki/Topics/Programming & Language/Electron.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-687305
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Electron"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SharedArrayBuffer]], [[OOM (Out of Memory)]], [[Chromium GPU process]]
-- **Projects/Contexts:** [[Large-scale CAD applications]], [[WebGL/Three.js Rendering Optimization]]
+- **Related Topics:** SharedArrayBuffer, OOM (Out of Memory), Chromium GPU process
+- **Projects/Contexts:** Large-scale CAD applications, WebGL/Three.js Rendering Optimization
 - **Contradictions/Notes:** 소스에 Electron 프레임워크 자체의 전반적인 동작 원리나 일반적인 데스크톱 앱 개발과 관련된 정보가 부족합니다. 제공된 문서는 대규모 3D/CAD 렌더링 최적화 환경에서의 메모리 관리 및 누수 문제에 국한하여 Electron을 설명하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Electron.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Escape Hatch (탈출구).md b/10_Wiki/Topics/Programming & Language/Escape Hatch (탈출구).md
index 0f6db77d..b0c14ed1 100644
--- a/10_Wiki/Topics/Programming & Language/Escape Hatch (탈출구).md	
+++ b/10_Wiki/Topics/Programming & Language/Escape Hatch (탈출구).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-71F155
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Escape Hatch (탈출구)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Facade 패턴]], [[Low-level 인터페이스]], [[추상화(Abstraction)]]
-- **Projects/Contexts:** [[Toss Front SDK]], [[AWS CDK]]
+- **Related Topics:** Facade 패턴, Low-level 인터페이스, [[추상화(Abstraction)]]
+- **Projects/Contexts:** Toss Front SDK, AWS CDK
 - **Contradictions/Notes:** 소스에 따르면 추상화 수준이 높아질수록 세밀한 제어가 어려워진다는 필연적인 트레이드오프가 존재하지만, 20%의 특수 케이스를 위한 탈출구(Escape Hatch)를 제공함으로써 편의성과 유연성 사이의 이상적인 균형을 잡을 수 있다고 강조합니다 [1-3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Escape Hatch (탈출구).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Excess Property Checking.md b/10_Wiki/Topics/Programming & Language/Excess Property Checking.md
index 7a5291cd..e7b2072a 100644
--- a/10_Wiki/Topics/Programming & Language/Excess Property Checking.md	
+++ b/10_Wiki/Topics/Programming & Language/Excess Property Checking.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-648FC3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Excess Property Checking"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Structural Typing]], [[satisfies Operator]], [[Weak Type Detection]]
-- **Projects/Contexts:** [[TypeScript Type System]], [[ESLint Rule Proposals (no-excess-properties)]]
+- **Related Topics:** [[Structural Typing]], [[satisfies Operator]], Weak Type Detection
+- **Projects/Contexts:** TypeScript Type System, ESLint Rule Proposals (no-excess-properties)
 - **Contradictions/Notes:** 소스 [25]에 따르면, Facebook의 Flow처럼 초과 속성을 허용하지 않는 정확한 객체 타입(`Exact<T>`) 구문을 TypeScript에도 도입하자는 오랜 제안이 있었으나, TypeScript 팀은 Excess Property Checking 자체를 더 똑똑하게 개선하는 방향을 선호한다. 한편, ESLint의 린트 룰을 통해 초과 속성 검사를 강제하려는 시도에 대해서는, TypeScript의 모든 객체가 본질적으로 구조적 타이핑에 의해 "inexact"한 특성을 갖기 때문에 린트 룰 적용 시 노이즈(False Positive)가 과도하게 발생할 수 있다는 반론이 제기된다 [26, 27].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Excess Property Checking.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Exergaming.md b/10_Wiki/Topics/Programming & Language/Exergaming.md
index ffe1b56f..572b2541 100644
--- a/10_Wiki/Topics/Programming & Language/Exergaming.md	
+++ b/10_Wiki/Topics/Programming & Language/Exergaming.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-44E45F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Exergaming"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Virtual Reality (VR)]], [[Flow]], [[VR Sickness]]
+- **Related Topics:** Virtual Reality (VR), Flow, [[VR Sickness]]
 - **Projects/Contexts:** [[Beat Saber]]
 - **Contradictions/Notes:** VR 기술은 사용자의 몰입도(presence)를 극대화하여 엑서게임의 동기를 부여하고 신체적 피로를 잊게 하는 긍정적인 역할을 하지만, 동시에 VR 멀미(motion sickness)를 유발하여 오히려 사용자의 게임 플레이 성과와 체감하는 즐거움을 떨어뜨릴 수 있는 양면성을 지니고 있습니다 [2, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Exergaming.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Facade Pattern (퍼사드 패턴).md b/10_Wiki/Topics/Programming & Language/Facade Pattern (퍼사드 패턴).md
index addd4d8c..fd24231b 100644
--- a/10_Wiki/Topics/Programming & Language/Facade Pattern (퍼사드 패턴).md	
+++ b/10_Wiki/Topics/Programming & Language/Facade Pattern (퍼사드 패턴).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7C58EE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Facade Pattern (퍼사드 패
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[단일 책임 원칙(SRP)]], [[인터페이스 분리 원칙(ISP)]]
-- **Projects/Contexts:** [[Toss Front SDK]], [[AWS CDK]]
+- **Related Topics:** [[단일 책임 원칙(SRP)]], 인터페이스 분리 원칙(ISP)
+- **Projects/Contexts:** Toss Front SDK, AWS CDK
 - **Contradictions/Notes:** 퍼사드 패턴은 사용자에게 높은 편의성을 제공하지만 필연적으로 세밀한 제어에 제약을 초래한다 [4]. 따라서 퍼사드의 편리함에만 안주하지 않고, 필요 시 세밀한 조작이 가능한 저수준 API(Escape Hatch)를 동시에 제공해 설계적 균형을 잡아야 한다고 소스들은 강조한다 [4, 5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Facade Pattern (퍼사드 패턴).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Figma.md b/10_Wiki/Topics/Programming & Language/Figma.md
index 0dab85d9..050676c6 100644
--- a/10_Wiki/Topics/Programming & Language/Figma.md	
+++ b/10_Wiki/Topics/Programming & Language/Figma.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-524A98
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Figma"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Smart Animate]], [[Hidden Layers]], [[Variants]]
-- **Projects/Contexts:** [[Figma Performance Optimization]]
+- **Related Topics:** Smart Animate, Hidden Layers, Variants
+- **Projects/Contexts:** Figma Performance Optimization
 - **Contradictions/Notes:** 베리언트의 수를 최소화하기 위해 중첩된 구조적 컴포넌트(nested structure components)를 사용하는 것은 직관과 달리 성능에 최악의 영향을 미칠 수 있습니다 [8]. 소스에 따르면, 구조적 컴포넌트로 인해 발생하는 숨겨진 레이어를 제거하고 대신 베리언트의 수를 늘리거나 개별 컴포넌트로 쪼개는 것이 오히려 성능 향상에 훨씬 유리합니다 [6, 7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Figma.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Flame Chart.md b/10_Wiki/Topics/Programming & Language/Flame Chart.md
index ea7095f5..caf5decb 100644
--- a/10_Wiki/Topics/Programming & Language/Flame Chart.md	
+++ b/10_Wiki/Topics/Programming & Language/Flame Chart.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-41DF27
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Flame Chart"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Flame Chart.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Fuzzing.md b/10_Wiki/Topics/Programming & Language/Fuzzing.md
index 28661593..c8f29185 100644
--- a/10_Wiki/Topics/Programming & Language/Fuzzing.md	
+++ b/10_Wiki/Topics/Programming & Language/Fuzzing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CE0886
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Fuzzing"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DAST]], [[Vulnerabilities]]
+- **Related Topics:** DAST, Vulnerabilities
 - **Projects/Contexts:** 애플리케이션의 동작 및 취약점을 포괄적으로 이해하기 위한 소프트웨어 보안 테스트 컨텍스트에서 활용됩니다 [1].
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Fuzzing.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/GC Root.md b/10_Wiki/Topics/Programming & Language/GC Root.md
index 078c2eb7..f6a4b8c4 100644
--- a/10_Wiki/Topics/Programming & Language/GC Root.md	
+++ b/10_Wiki/Topics/Programming & Language/GC Root.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-31335C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - GC Root"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Mark-Sweep Algorithm]], [[Memory Leak]], [[Reachability]]
-- **Projects/Contexts:** [[V8 Engine]], [[IBM SDK Java Technology]]
+- **Related Topics:** [[Garbage Collection]], Mark-Sweep Algorithm, Memory Leak, Reachability
+- **Projects/Contexts:** [[V8 Engine]], IBM SDK Java Technology
 - **Contradictions/Notes:** 소스에 따르면 V8 엔진(JavaScript)과 IBM Java 구현 모두 GC 루트를 통한 참조 추적이라는 핵심 원리를 공유하고 있습니다. 다만 실행 환경의 차이에 따라 V8은 DOM 요소나 클로저 등을 주로 다루고 [1, 5], Java는 JNI 참조나 클래스 정적 필드 등을 다룬다는 세부적인 특성의 차이를 보입니다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/GC Root.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Garbage Collection(가비지 컬렉션).md b/10_Wiki/Topics/Programming & Language/Garbage Collection(가비지 컬렉션).md
index 882f2717..fce6c0f7 100644
--- a/10_Wiki/Topics/Programming & Language/Garbage Collection(가비지 컬렉션).md	
+++ b/10_Wiki/Topics/Programming & Language/Garbage Collection(가비지 컬렉션).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CA2F39
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -41,11 +41,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Garbage Collection(가비지 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Mark-Sweep]], [[Scavenger]], [[Stop-the-world]], [[Generational Hypothesis]], [[Memory Leak]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[IBM Eclipse OpenJ9]], [[Orinoco Garbage Collector]]
+- **Related Topics:** [[Mark-Sweep]], Scavenger, [[Stop-the-world]], [[Generational Hypothesis]], Memory Leak
+- **Projects/Contexts:** [[V8 JavaScript Engine]], IBM Eclipse OpenJ9, Orinoco Garbage Collector
 - **Contradictions/Notes:** 가비지 컬렉션은 메모리 누수를 대폭 줄여주지만, 프로그래머가 메모리 관리에 대한 전적인 통제권을 잃는다는 단점이 존재합니다(모바일 앱 등에서는 큰 문제점) [4, 5]. 또한 대안으로 거론되는 레퍼런스 카운팅(Reference Counting) 방식 역시 대규모 객체 그래프의 마지막 참조가 제거될 때 가비지 컬렉션과 유사한 예측 불가능한 정지 현상을 유발할 수 있어 완벽한 대체재는 아닙니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Garbage Collection(가비지 컬렉션).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Generational Hypothesis.md b/10_Wiki/Topics/Programming & Language/Generational Hypothesis.md
index 7c2746e9..2eeed51b 100644
--- a/10_Wiki/Topics/Programming & Language/Generational Hypothesis.md	
+++ b/10_Wiki/Topics/Programming & Language/Generational Hypothesis.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D9833D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Generational Hypothesis"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[V8 JavaScript Engine]], [[Young Generation (New Space)]], [[Old Generation (Old Space)]], [[Scavenger (Minor GC)]]
-- **Projects/Contexts:** [[V8 Memory Management]]
+- **Related Topics:** [[Garbage Collection]], [[V8 JavaScript Engine]], Young Generation (New Space), Old Generation (Old Space), Scavenger (Minor GC)
+- **Projects/Contexts:** V8 Memory Management
 - **Contradictions/Notes:** 제공된 소스들은 모두 일관되게 세대 가설의 원리와 V8 엔진 내 적용 방식을 지지하며, 이에 반대되는 모순된 주장이나 기록은 확인되지 않습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Generational Hypothesis.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Git Hooks.md b/10_Wiki/Topics/Programming & Language/Git Hooks.md
index 6f46d788..9a3b29fc 100644
--- a/10_Wiki/Topics/Programming & Language/Git Hooks.md	
+++ b/10_Wiki/Topics/Programming & Language/Git Hooks.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F69A27
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,10 +36,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Git Hooks"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** `[[Husky]]`, `[[lint-staged]]`, `[[ESLint]]`, `[[Prettier]]`
-- **Projects/Contexts:** `[[CI/CD 파이프라인 (CI/CD Pipelines)]]`, `[[코드 품질 관리 및 자동화 (Code Quality Management and Automation)]]`
+- **Projects/Contexts:** `CI/CD 파이프라인 (CI/CD Pipelines)`, `[[코드 품질 관리 및 자동화 (Code Quality Management and Automation)]]`
 - **Contradictions/Notes:** 소스에 따르면 Git Hook은 개발자가 강제로 우회(`--no-verify` 등)할 수 있으므로 절대적이고 완벽한 강제 수단이 될 수는 없습니다. 따라서 Hook은 로컬 환경에서 빠른 피드백을 제공하기 위한 도구로 취급되어야 하며, 최종적인 보안 및 품질 검증의 권한은 항상 CI(지속적 통합) 서버가 담당해야 한다고 강조합니다 [8, 14, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Git Hooks.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Git Hook을 이용한 CI_CD 자동화 파이프라인.md b/10_Wiki/Topics/Programming & Language/Git Hook을 이용한 CI_CD 자동화 파이프라인.md
index 74add408..cce2b2c1 100644
--- a/10_Wiki/Topics/Programming & Language/Git Hook을 이용한 CI_CD 자동화 파이프라인.md	
+++ b/10_Wiki/Topics/Programming & Language/Git Hook을 이용한 CI_CD 자동화 파이프라인.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E60BE3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,10 +32,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Git Hook을 이용한 CI_CD 
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Husky]], [[lint-staged]], [[ESLint]], [[Prettier]]
-- **Projects/Contexts:** [[자동화된 코드 품질 및 스타일 검사 워크플로우]]
+- **Projects/Contexts:** 자동화된 코드 품질 및 스타일 검사 워크플로우
 - **Contradictions/Notes:** lint-staged는 버전 10부터 성공적으로 파일이 수정되면 자동으로 `git add`를 수행하므로, 설정 파일의 커맨드 목록에 수동으로 `git add`를 넣는 것은 중복 작업 및 레이스 컨디션(race condition)을 유발할 수 있어 더 이상 권장되지 않는다 [17], [21]. 또한, 로컬 Git 훅은 우회(`--no-verify`)가 가능하므로 완벽한 정책 집행 경계가 될 수 없으며, CI 서버를 보완하는 성격으로 사용해야 한다 [19], [8], [21].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Git Hook을 이용한 CI_CD 자동화 파이프라인.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Git Pre-commit 훅을 활용한 개발 워크플로우 자동화.md b/10_Wiki/Topics/Programming & Language/Git Pre-commit 훅을 활용한 개발 워크플로우 자동화.md
index 3fe28a81..02174cd9 100644
--- a/10_Wiki/Topics/Programming & Language/Git Pre-commit 훅을 활용한 개발 워크플로우 자동화.md	
+++ b/10_Wiki/Topics/Programming & Language/Git Pre-commit 훅을 활용한 개발 워크플로우 자동화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-26C070
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Git Pre-commit 훅을 활용
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Git Pre-commit 훅을 활용한 개발 워크플로우 자동화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Global Network Positioning (GNP).md b/10_Wiki/Topics/Programming & Language/Global Network Positioning (GNP).md
index 51f1104c..c92b06ad 100644
--- a/10_Wiki/Topics/Programming & Language/Global Network Positioning (GNP).md	
+++ b/10_Wiki/Topics/Programming & Language/Global Network Positioning (GNP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D96374
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Global Network Positioning (GN
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Latency Estimation]], [[Landmark Nodes]], [[Simplex-downhill Algorithm]]
-- **Projects/Contexts:** [[Google Content Delivery Network (CDN)]]
+- **Related Topics:** Latency Estimation, Landmark Nodes, Simplex-downhill Algorithm
+- **Projects/Contexts:** Google Content Delivery Network (CDN)
 - **Contradictions/Notes:** 기존의 수많은 GNP 모델과 구현체들은 시스템 확장을 위해 호스트들의 능동적인 측정 참여를 필수적으로 요구했으나, 구글의 대규모 CDN 구현 사례는 랜드마크 측에서의 수동적 측정과 스케줄러 조합만으로도 능동적 참여의 단점(보안 및 과부하 위험)을 극복하고 시스템을 구축할 수 있음을 증명했습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Global Network Positioning (GNP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Google Chrome.md b/10_Wiki/Topics/Programming & Language/Google Chrome.md
index b893695a..d94a368a 100644
--- a/10_Wiki/Topics/Programming & Language/Google Chrome.md	
+++ b/10_Wiki/Topics/Programming & Language/Google Chrome.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A2356F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,10 +31,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Google Chrome"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** `[[V8 JavaScript Engine]]`, `[[Chrome DevTools]]`, `[[Garbage Collection]]`, `[[Pointer Compression]]`, `[[Blink]]`
-- **Projects/Contexts:** `[[Orinoco]]`, `[[Oilpan]]`, `[[V8 Memory Cage]]`
+- **Projects/Contexts:** `[[Orinoco]]`, `[[Oilpan]]`, `V8 Memory Cage`
 - **Contradictions/Notes:** 가비지 컬렉션은 개발자가 명시적으로 메모리를 관리하지 않도록 편의를 제공하지만, 처리 과정에서 예측할 수 없는 중단(Pause)을 발생시킬 위험이 있습니다. 이를 극복하기 위해 Chrome과 V8은 메인 스레드를 멈추는 대신 점진적(Incremental), 동시성(Concurrent), 병렬(Parallel) 기법 및 유휴 시간(Idle-time) 활용 모델을 도입하여 성능 저하를 방지하고 있습니다 [25-28].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Google Chrome.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Google Code Jam Dataset.md b/10_Wiki/Topics/Programming & Language/Google Code Jam Dataset.md
index 06c9f518..69af0ee6 100644
--- a/10_Wiki/Topics/Programming & Language/Google Code Jam Dataset.md	
+++ b/10_Wiki/Topics/Programming & Language/Google Code Jam Dataset.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A3BFE1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Google Code Jam Dataset"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Stylometry]], [[Authorship Attribution]], [[Abstract Syntax Tree (AST)]], [[Concrete Syntax Tree (CST)]]
-- **Projects/Contexts:** [[Google Code Jam]], [[Machine Learning for Source Code]]
+- **Related Topics:** Code Stylometry, Authorship Attribution, Abstract Syntax Tree (AST), [[Concrete Syntax Tree (CST)]]
+- **Projects/Contexts:** Google Code Jam, Machine Learning for Source Code
 - **Contradictions/Notes:** 소스에 따르면 Google Code Jam 데이터셋은 높은 순도와 통제된 환경을 제공하여 식별 모델 학습에 매우 적합하지만 [3], 실제 프로덕션 환경의 코드와는 달리 대회 특유의 반복적인 보일러플레이트 코드가 다수 포함되어 있어 실제 현실의 소프트웨어(In the wild)를 대상으로 할 때와는 차이가 발생할 수 있다는 점이 지적됩니다 [6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Google Code Jam Dataset.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Google Lighthouse.md b/10_Wiki/Topics/Programming & Language/Google Lighthouse.md
index e103b535..a9d3f44a 100644
--- a/10_Wiki/Topics/Programming & Language/Google Lighthouse.md	
+++ b/10_Wiki/Topics/Programming & Language/Google Lighthouse.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-88077C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Google Lighthouse"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Chrome DevTools]], [[PageSpeed Insights]], [[Time to Interactive (TTI)]], [[Synthetic Lab Data]]
+- **Related Topics:** [[Chrome DevTools]], [[PageSpeed Insights]], [[Time to Interactive (TTI)]], Synthetic Lab Data
 - **Projects/Contexts:** [[Web Performance Optimization]]
 - **Contradictions/Notes:** 소스에 따르면 Lighthouse 점수의 단순 평균값은 일부 특이값(outlier)에 의해 왜곡될 수 있으므로 해석 시 주의가 필요합니다 [7]. 또한, Lighthouse의 스로틀링 시뮬레이션은 때때로 실제 브라우저 동작과 다르게 자원 로딩 영향을 평가하는 한계가 지적되어 최적화 작업이 요구되고 있습니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Google Lighthouse.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Heap Snapshot.md b/10_Wiki/Topics/Programming & Language/Heap Snapshot.md
index 08d0abc2..4b5448bf 100644
--- a/10_Wiki/Topics/Programming & Language/Heap Snapshot.md	
+++ b/10_Wiki/Topics/Programming & Language/Heap Snapshot.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E3AFF4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Heap Snapshot"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection (GC)]], [[Memory Leak]], [[Shallow Size]], [[Retained Size]], [[Retainer Tree]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[Node.js]], [[V8 Engine]]
+- **Related Topics:** Garbage Collection (GC), Memory Leak, Shallow Size, Retained Size, Retainer Tree
+- **Projects/Contexts:** [[Chrome DevTools]], Node.js, [[V8 Engine]]
 - **Contradictions/Notes:** 모든 데이터가 JavaScript 힙 스냅샷에 기록되는 것은 아닙니다. 네이티브 코드를 실행하는 Getter를 통해 구현된 속성이나 숫자와 같은 비문자열(non-string) 값은 스냅샷에 캡처되지 않습니다 [11]. 또한, 원시 힙 데이터에는 수천 개의 V8 내부 객체가 포함되므로, 실제 애플리케이션의 메모리 누수를 찾으려면 "Constructor(생성자)" 필터를 사용하여 분석 대상을 좁혀야 합니다 [17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Heap Snapshot.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Husky.md b/10_Wiki/Topics/Programming & Language/Husky.md
index de6b7009..e6679e6d 100644
--- a/10_Wiki/Topics/Programming & Language/Husky.md	
+++ b/10_Wiki/Topics/Programming & Language/Husky.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9068BA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,10 +27,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Husky"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Git Hooks]], [[lint-staged]], [[ESLint]], [[Prettier]]
-- **Projects/Contexts:** [[CI/CD Pipeline]], [[Monorepo]], [[Submodules]]
+- **Projects/Contexts:** CI/CD Pipeline, [[Monorepo]], [[Submodules]]
 - **Contradictions/Notes:** 소스에 따르면, 많은 개발자가 Husky와 `lint-staged`를 혼동하여 하나의 덩어리로 생각하곤 합니다. 하지만 두 도구는 명확히 구분되어야 합니다. Husky는 단순히 Git의 기본 훅을 관리하고 연결하는 '배선(hook wiring)' 역할을 할 뿐 작업 실행기(task runner)가 아니며, 실제 변경된 파일 단위로 작업을 오케스트레이션 하는 것은 `lint-staged`의 역할입니다 [2, 4, 16].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Husky.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/IBM 가비지 컬렉션.md b/10_Wiki/Topics/Programming & Language/IBM 가비지 컬렉션.md
index ab62f3a1..f46d6def 100644
--- a/10_Wiki/Topics/Programming & Language/IBM 가비지 컬렉션.md	
+++ b/10_Wiki/Topics/Programming & Language/IBM 가비지 컬렉션.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A6562D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - IBM 가비지 컬렉션"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[GC Policies (gencon, optavgpause, balanced)]], [[Stop-the-world (STW) Pause]], [[Mark, Sweep, and Compact Operations]]
-- **Projects/Contexts:** [[Eclipse OpenJ9™]], [[Java Object Heap]]
+- **Related Topics:** GC Policies (gencon, optavgpause, balanced), Stop-the-world (STW) Pause, Mark, Sweep, and Compact Operations
+- **Projects/Contexts:** Eclipse OpenJ9™, Java Object Heap
 - **Contradictions/Notes:** 애플리케이션 성능 최적화를 위해 동시 마크(Concurrent mark) 방식을 사용하면 STW 일시 중지 시간은 줄일 수 있지만, 쓰기 장벽(Write barrier) 작동으로 인한 추가 CPU 소비와 힙 락 할당 중 객체 추적에 따른 부하가 발생하는 트레이드오프(단점)가 존재합니다 [3]. 또한, 개발자가 `System.gc()`를 직접 호출하거나 finalizer를 이용해 GC를 통제하려 하면 오히려 애플리케이션 성능을 크게 저하시킬 수 있습니다 [5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/IBM 가비지 컬렉션.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/IFCjs.md b/10_Wiki/Topics/Programming & Language/IFCjs.md
index cc581924..e932df5d 100644
--- a/10_Wiki/Topics/Programming & Language/IFCjs.md	
+++ b/10_Wiki/Topics/Programming & Language/IFCjs.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-659684
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - IFCjs"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[BufferGeometry]], [[InstancedMesh]], [[Fragment]], [[Draw call]]
-- **Projects/Contexts:** [[대규모 기하학적 환경 시각화]], [[Autodesk Forge]]
+- **Related Topics:** [[BufferGeometry]], [[InstancedMesh]], Fragment, [[Draw call]]
+- **Projects/Contexts:** 대규모 기하학적 환경 시각화, Autodesk Forge
 - **Contradictions/Notes:** 소스에 명시적인 모순은 없으나, 모델 렌더링에 있어 `BufferGeometry` 병합 방식(메모리 소모 큼)과 `InstancedMesh` 방식(드로우 콜 증가) 간의 근본적인 트레이드오프(Trade-off)가 존재하며, IFC.js는 이를 해결하기 위해 두 방식을 혼합한 하이브리드 솔루션을 제안합니다 [2, 4, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/IFC.js.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Incremental Marking.md b/10_Wiki/Topics/Programming & Language/Incremental Marking.md
index 9599e725..c450ee7c 100644
--- a/10_Wiki/Topics/Programming & Language/Incremental Marking.md	
+++ b/10_Wiki/Topics/Programming & Language/Incremental Marking.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A29470
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Incremental Marking"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Write Barrier]], [[Lazy Sweeping]], [[Mark-Sweep]], [[Orinoco]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[IBM OpenJ9]]
+- **Related Topics:** [[Garbage Collection]], [[Write Barrier]], Lazy Sweeping, [[Mark-Sweep]], [[Orinoco]]
+- **Projects/Contexts:** [[V8 JavaScript Engine]], IBM OpenJ9
 - **Contradictions/Notes:** V8 엔진의 Incremental Marking은 메인 스레드가 자바스크립트 실행 중간에 간헐적으로 마킹 작업을 나누어 수행하는 구조이지만 [2], IBM JVM의 Incremental concurrent mark 작업에서는 애플리케이션 스레드가 객체 추적에 관여하지 않으며 오직 백그라운드 스레드만이 사용된다는 기술적 차이가 존재합니다 [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Incremental Marking.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Index Masking.md b/10_Wiki/Topics/Programming & Language/Index Masking.md
index 4d388bd0..8591707c 100644
--- a/10_Wiki/Topics/Programming & Language/Index Masking.md	
+++ b/10_Wiki/Topics/Programming & Language/Index Masking.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-42C840
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Index Masking"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Spectre and Meltdown]], [[Pointer Poisoning]], [[Branchless Security Checks]]
-- **Projects/Contexts:** [[WebKit]], [[Micro-latency Measurement in Web Graphics Pipelines]]
+- **Projects/Contexts:** [[WebKit]], Micro-latency Measurement in Web Graphics Pipelines
 - **Contradictions/Notes:** 소스 [5]에서는 Index Masking 기술이 그래픽 실행의 크리티컬 패스에 명령어를 추가하여 마이크로 지연 시간을 증가시킨다고 설명하지만, 소스 [4]의 벤치마크 결과에 따르면 실제 환경의 주요 성능 테스트(Speedometer 등)에서는 그 영향이 측정되지 않거나 2.5% 미만으로 매우 미미하다고 보고합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Index Masking.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/InstancedMesh 동적 버퍼 확장.md b/10_Wiki/Topics/Programming & Language/InstancedMesh 동적 버퍼 확장.md
index 0f612aa5..2ffec40e 100644
--- a/10_Wiki/Topics/Programming & Language/InstancedMesh 동적 버퍼 확장.md	
+++ b/10_Wiki/Topics/Programming & Language/InstancedMesh 동적 버퍼 확장.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D6CCE0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh 동적 버퍼 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[가비지 컬렉션 (Garbage Collection)]], [[객체 풀링 (Object Pooling)]], [[버퍼 사전 할당 (Buffer Preallocation)]]
-- **Projects/Contexts:** [[Needle Engine]], [[A-Frame (instanced-mesh 컴포넌트)]], [[실시간 웹 그래픽스 최적화]]
+- **Related Topics:** [[InstancedMesh]], [[가비지 컬렉션 (Garbage Collection)]], 객체 풀링 (Object Pooling), 버퍼 사전 할당 (Buffer Preallocation)
+- **Projects/Contexts:** [[Needle Engine]], A-Frame (instanced-mesh 컴포넌트), 실시간 웹 그래픽스 최적화
 - **Contradictions/Notes:** 예측 불가능한 다량의 객체를 렌더링하려면 동적 확장이 필수적인 기능처럼 보이나, 실제 렌더링 환경에서는 이 과정이 프레임 드랍과 메모리 누수 위험 등 높은 리스크를 수반하므로 오히려 고정 용량 할당이나 풀링을 통해 원천적으로 확장을 회피하는 것이 강력히 권장된다 [1, 3, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh 동적 버퍼 확장.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/InstancedMesh 사용 시 드로우 콜 최적화의 한계점 사례 연구.md b/10_Wiki/Topics/Programming & Language/InstancedMesh 사용 시 드로우 콜 최적화의 한계점 사례 연구.md
index c8d36b10..309f55b3 100644
--- a/10_Wiki/Topics/Programming & Language/InstancedMesh 사용 시 드로우 콜 최적화의 한계점 사례 연구.md	
+++ b/10_Wiki/Topics/Programming & Language/InstancedMesh 사용 시 드로우 콜 최적화의 한계점 사례 연구.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-88CEC2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh 사용 시 드
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Frustum Culling]], [[Overdraw]], [[BatchedMesh]], [[WebGPU Compute Shader]], [[Texture Atlas]], [[Garbage Collection (GC)]]
+- **Related Topics:** [[Frustum Culling]], [[Overdraw]], BatchedMesh, [[WebGPU Compute Shader]], [[Texture Atlas]], Garbage Collection (GC)
 - **Projects/Contexts:** [[대규모 웹 그래픽스 프로젝트]], [[CAD 렌더링 최적화]], [[BIM 모델 렌더링]]
 - **Contradictions/Notes:** 소스에 따르면 InstancedMesh 기술은 드로우 콜을 획기적으로 줄여 CPU 부담을 최소화하지만, 자체적인 정렬 부재와 컬링의 한계로 인해 조명 연산이 복잡한 환경에서는 오버드로우를 유발하여 결과적으로 GPU 픽셀 처리 성능을 상회하게 만들어 전체 FPS를 하락시킬 수 있다는 모순된 현상이 발생함을 강력히 지적합니다 [6]. 또한 대안으로 제시되는 BatchedMesh 역시 드로우 콜을 줄일 수는 있으나, 극한의 대규모 삼각형 렌더링 시에는 버퍼 패킹 비용이 오히려 일반 메쉬 렌더링보다 낮은 성능을 보이는 병목 사례가 보고됩니다 [15].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh 사용 시 드로우 콜 최적화의 한계점 사례 연구.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/InstancedMesh 최적화.md b/10_Wiki/Topics/Programming & Language/InstancedMesh 최적화.md
index 4801fb47..939160d1 100644
--- a/10_Wiki/Topics/Programming & Language/InstancedMesh 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/InstancedMesh 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7D070F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh 최적화"
     *   **컬링(Culling)의 비효율성:** InstancedMesh는 엔진 수준에서 단일 객체로 취급되므로, 개별 인스턴스 단위가 아닌 전체를 아우르는 거대한 바운딩 볼륨을 기준으로 단 한 번의 시야 절두체 컬링(Frustum Culling)을 수행합니다 [15]. 이로 인해 시야 밖의 수많은 객체에 대해서도 불필요한 GPU 정점 연산이 강제될 수 있습니다 [15], [16].
     *   **정렬 부재와 오버드로우(Overdraw):** 카메라 거리에 따른 자동 정렬 기능을 제공하지 않기 때문에, 뒤에 가려진 픽셀 연산을 조기에 종료(Early-Z)하지 못해 오버드로우가 발생합니다 [17], [18]. 특히 투명/반투명 객체 렌더링 시에는 깊이 정렬이 뒤섞여 시각적 오류를 초래합니다 [19].
     *   **메모리 대역폭 한계:** 애니메이션 등으로 매 프레임 수백만 개의 인스턴스 변환 행렬(인스턴스당 64바이트)을 갱신해야 할 경우, 데이터 전송량이 시스템 버스 대역폭을 포화시켜 프레임 지연(Stuttering)을 유발할 수 있습니다 [20], [21].
-    *   **다양성 표현의 제약:** 단일 지오메트리와 단일 재질만 참조할 수 있어 다양한 에셋을 표현하기 어렵습니다 [22]. 개별 인스턴스에 서로 다른 텍스처를 적용하려면 [[Texture Atlas]]나 [[데이터 배열 텍스처(Data Array Textures)]]를 활용하고 UV 오프셋을 조정하는 추가적인 셰이더 조작이 강제됩니다 [23], [24], [25].
+    *   **다양성 표현의 제약:** 단일 지오메트리와 단일 재질만 참조할 수 있어 다양한 에셋을 표현하기 어렵습니다 [22]. 개별 인스턴스에 서로 다른 텍스처를 적용하려면 [[Texture Atlas]]나 데이터 배열 텍스처(Data Array Textures)를 활용하고 UV 오프셋을 조정하는 추가적인 셰이더 조작이 강제됩니다 [23], [24], [25].
 
 *   **한계 극복을 위한 개선 및 대안 전략**
     *   **공간 분할 기반 그룹화:** 모든 객체를 하나의 거대한 InstancedMesh로 묶기보다는, 공간적으로 인접한 객체끼리 소규모(100~500개)로 분할하여 관리하면 절두체 컬링의 정밀도를 높여 GPU 연산 낭비를 줄일 수 있습니다 [7].
-    *   **InstancedMesh2 및 BatchedMesh 활용:** 단일 지오메트리 제약이 문제가 된다면, 서로 다른 지오메트리를 하나의 드로우 콜로 묶어주는 [[BatchedMesh]] 사용이 권장됩니다 [26], [27]. 또한, 커뮤니티 생태계의 `InstancedMesh2` 라이브러리를 활용하면 개별 인스턴스의 프러스텀 컬링, 정렬, [[Level of Detail (LOD)]], BVH 기반의 빠른 레이캐스팅, 스킨드 애니메이션 최적화 등의 기능을 확장 적용할 수 있습니다 [28], [29], [30].
+    *   **InstancedMesh2 및 BatchedMesh 활용:** 단일 지오메트리 제약이 문제가 된다면, 서로 다른 지오메트리를 하나의 드로우 콜로 묶어주는 BatchedMesh 사용이 권장됩니다 [26], [27]. 또한, 커뮤니티 생태계의 `InstancedMesh2` 라이브러리를 활용하면 개별 인스턴스의 프러스텀 컬링, 정렬, [[Level of Detail (LOD)]], BVH 기반의 빠른 레이캐스팅, 스킨드 애니메이션 최적화 등의 기능을 확장 적용할 수 있습니다 [28], [29], [30].
     *   **WebGPU 컴퓨트 셰이더 도입:** WebGPU 환경에서는 GPU가 직접 가시성 판단과 컬링을 처리하여 CPU와 GPU 간의 통신 비용을 "0"에 수렴하게 하는 간접 그리기(Indirect Draw) 방식이 차세대 대안으로 떠오르고 있습니다 [31].
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -34,13 +34,13 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh 최적화"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[Frustum Culling]], [[BatchedMesh]], [[Texture Atlas]], [[Level of Detail (LOD)]], [[Overdraw]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL/WebGPU Rendering]], [[Babylon.js]], [[Unity GPU Instancing]]
+- **Related Topics:** [[Draw Call]], [[Frustum Culling]], BatchedMesh, [[Texture Atlas]], [[Level of Detail (LOD)]], [[Overdraw]]
+- **Projects/Contexts:** Three.js, WebGL/WebGPU Rendering, Babylon.js, Unity GPU Instancing
 - **Contradictions/Notes:** 
   * "InstancedMesh를 사용하면 항상 성능이 향상된다고 가정하기 쉽지만, 소스는 매우 단순한 기하학(예: 단일 삼각형)의 경우 인스턴싱 변환 행렬 데이터를 처리하는 오버헤드가 더 커서 단순히 지오메트리를 병합(Merging)하는 방식이 오히려 프레임 레이트 측면에서 유리할 수 있다고 주장합니다 [32], [33]."
   * "드로우 콜 수가 극적으로 감소함에도 불구하고, 5,000개 수준의 객체 환경에서는 인스턴스 정렬 부재로 인한 오버드로우 비용이 CPU 이득을 상회하여 일반 메쉬 렌더링보다 낮은 FPS를 기록할 수 있다고 경고합니다 [18]."
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/InstancedMesh.md b/10_Wiki/Topics/Programming & Language/InstancedMesh.md
index 72802184..8773076c 100644
--- a/10_Wiki/Topics/Programming & Language/InstancedMesh.md	
+++ b/10_Wiki/Topics/Programming & Language/InstancedMesh.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-354B99
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[BatchedMesh]], [[Frustum Culling]], [[BufferGeometry]], [[Overdraw]]
-- **Projects/Contexts:** [[Three.js]], [[WebGL]], [[InstancedMesh2]]
+- **Related Topics:** [[Draw Call]], BatchedMesh, [[Frustum Culling]], [[BufferGeometry]], [[Overdraw]]
+- **Projects/Contexts:** Three.js, [[WebGL]], [[InstancedMesh2]]
 - **Contradictions/Notes:** InstancedMesh는 드로우 콜 횟수를 줄여 전반적인 성능을 높이기 위해 사용되지만, 자동 정렬의 부재 및 개별 인스턴스 컬링 불가 문제로 인해 극심한 오버드로우가 발생할 경우, 일반적인 Mesh(공유 속성 활용)를 사용할 때보다 오히려 프레임 레이트(FPS)가 급격히 저하되는 역설적인 병목 현상이 발생할 수 있다고 여러 소스에서 경고한다 [15, 17, 28, 29].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/InstancedMesh.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Interop 2025.md b/10_Wiki/Topics/Programming & Language/Interop 2025.md
index c51f586d..659d130b 100644
--- a/10_Wiki/Topics/Programming & Language/Interop 2025.md	
+++ b/10_Wiki/Topics/Programming & Language/Interop 2025.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-48DB08
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Interop 2025"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Core Web Vitals]], [[Largest Contentful Paint]], [[Interaction to Next Paint]], [[Cumulative Layout Shift]]
+- **Related Topics:** [[Core Web Vitals]], Largest Contentful Paint, Interaction to Next Paint, Cumulative Layout Shift
 - **Projects/Contexts:** [[Interop 2026]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (특별한 모순이나 상충하는 의견은 발견되지 않음)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Interop 2025.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Inventory Management Example.md b/10_Wiki/Topics/Programming & Language/Inventory Management Example.md
index 62ab4e05..1876a697 100644
--- a/10_Wiki/Topics/Programming & Language/Inventory Management Example.md	
+++ b/10_Wiki/Topics/Programming & Language/Inventory Management Example.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9C355C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Inventory Management Example"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[satisfies Keyword]], [[Excess Property Checking]], [[Type Casting]]
-- **Projects/Contexts:** [[Frontend-Backend Data Transformation]]
+- **Projects/Contexts:** Frontend-Backend Data Transformation
 - **Contradictions/Notes:** 소스는 데이터 변환 시 `as` 키워드를 사용한 타입 캐스팅에 의존하는 것을 경고합니다. 타입 캐스팅은 초과 속성 검사를 우회하여 조용한 오류(silent errors)와 의도치 않은 동작을 유발할 수 있으므로, 엄격한 계약을 강제하기 위해서는 `satisfies`를 사용하는 것이 더 안전합니다 [3, 4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Inventory Management Example.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/JPEG XL.md b/10_Wiki/Topics/Programming & Language/JPEG XL.md
index f5361b72..6e73559a 100644
--- a/10_Wiki/Topics/Programming & Language/JPEG XL.md	
+++ b/10_Wiki/Topics/Programming & Language/JPEG XL.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EC8C7D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - JPEG XL"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[AVIF]], [[WebP]]
-- **Projects/Contexts:** [[Web Performance]], [[Google Chrome Browser Support]]
+- **Related Topics:** AVIF, WebP
+- **Projects/Contexts:** Web Performance, Google Chrome Browser Support
 - **Contradictions/Notes:** 구글은 2022년 10월에 "생태계의 관심 부족"을 이유로 JPEG XL 지원 코드를 제거했으나, 3년 뒤인 2025년 11월에는 "개발자들의 지속적인 관심"을 이유로 크롬 지원에 반대하지 않는다고 입장을 전환했다 [2, 3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/JPEG XL.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/JavaScriptCore.md b/10_Wiki/Topics/Programming & Language/JavaScriptCore.md
index 924655f3..81a176dc 100644
--- a/10_Wiki/Topics/Programming & Language/JavaScriptCore.md	
+++ b/10_Wiki/Topics/Programming & Language/JavaScriptCore.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1AF373
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - JavaScriptCore"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[WebKit]], [[Spectre]], [[WebAssembly]], [[Speculative execution]], [[Pointer poisoning]]
-- **Projects/Contexts:** [[WebKit's Spectre and Meltdown Mitigations]]
+- **Projects/Contexts:** WebKit's Spectre and Meltdown Mitigations
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/JavaScriptCore.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Joern.md b/10_Wiki/Topics/Programming & Language/Joern.md
index fdce5bd7..340ed819 100644
--- a/10_Wiki/Topics/Programming & Language/Joern.md	
+++ b/10_Wiki/Topics/Programming & Language/Joern.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A0754B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Joern"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[AST(Abstract Syntax Tree)]], [[Authorship Attribution]]
-- **Projects/Contexts:** [[Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구]]
+- **Related Topics:** [[AST(Abstract Syntax Tree)]], Authorship Attribution
+- **Projects/Contexts:** Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. Joern 자체의 상세한 구조나 추가적인 기능에 대해서는 소스 내에 언급된 바가 없으며, 디컴파일된 코드를 파싱하는 도구로서 단 1회 언급되었습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Joern.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/MVC (Model-View-Controller).md b/10_Wiki/Topics/Programming & Language/MVC (Model-View-Controller).md
index 050124f7..b3757fa0 100644
--- a/10_Wiki/Topics/Programming & Language/MVC (Model-View-Controller).md	
+++ b/10_Wiki/Topics/Programming & Language/MVC (Model-View-Controller).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F8BE8B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - MVC (Model-View-Controller)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Separation of Concerns (SoC)]], [[Software Architecture]], [[Clean Architecture]]
-- **Projects/Contexts:** [[Web Applications]], [[GUI Development]]
+- **Related Topics:** Separation of Concerns (SoC), Software Architecture, Clean Architecture
+- **Projects/Contexts:** Web Applications, GUI Development
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/MVC (Model-View-Controller).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Major GC.md b/10_Wiki/Topics/Programming & Language/Major GC.md
index fe6f581c..901b8623 100644
--- a/10_Wiki/Topics/Programming & Language/Major GC.md	
+++ b/10_Wiki/Topics/Programming & Language/Major GC.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D3B770
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,13 +30,13 @@ github_commit: "[P-Reinforce] Continuous Worker - Major GC"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Minor GC]], [[Mark-Sweep]], [[Mark-Compact]], [[Orinoco]], [[Old Space]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Node.js Memory Management]]
+- **Related Topics:** Minor GC, [[Mark-Sweep]], Mark-Compact, [[Orinoco]], [[Old Space]]
+- **Projects/Contexts:** [[V8 JavaScript Engine]], Node.js Memory Management
 - **Contradictions/Notes:** 
   - Minor GC(Scavenge)는 새롭게 할당된 작고 수명이 짧은 객체를 신속하게 처리하는 반면, Major GC는 크기가 크고 수명이 긴 Old Space 영역을 처리하므로 상대적으로 비용이 더 많이 들며 덜 빈번하게 발생합니다 [1, 3, 4, 10].
   - 과거의 주요 가비지 컬렉터들은 전체 과정을 동기적으로 수행하여 'Stop-the-world' 상태를 초래했지만, 현재의 메이저 GC는 점진적이고 동시적인 기법을 통해 메인 스레드의 멈춤 시간을 사실상 사용자가 인지하지 못할 수준으로 개선했습니다 [6-8, 22].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Major GC.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact 알고리즘.md b/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact 알고리즘.md
index 3fbff272..87e2b890 100644
--- a/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact 알고리즘.md	
+++ b/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact 알고리즘.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AF3315
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Mark-Sweep-Compact 알고리
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[V8 Engine]], [[Old Space]], [[Java Heap Memory]]
-- **Projects/Contexts:** [[V8 엔진의 Old Generation 메모리 관리]], [[IBM JVM의 가비지 컬렉션 메커니즘]]
+- **Related Topics:** [[Garbage Collection]], [[V8 Engine]], [[Old Space]], Java Heap Memory
+- **Projects/Contexts:** V8 엔진의 Old Generation 메모리 관리, IBM JVM의 가비지 컬렉션 메커니즘
 - **Contradictions/Notes:** 컴팩트(Compact) 작업은 단편화를 해결하여 캐시 지역성(cache locality)을 높이지만, 포인터 재조정과 객체 이동 비용으로 인해 애플리케이션의 'Stop-the-world(STW)' 일시 중지 시간을 증가시킬 수 있습니다 [3]. 이를 보완하기 위해 V8 엔진은 객체 그래프가 변경될 가능성을 쓰기 장벽(Write barrier)으로 제어하며 점진적 마킹(Incremental marking) 및 지연 스윕(Lazy sweeping) 기술을 도입하여 메인 스레드 멈춤 시간을 줄이고 있습니다 [12], [13], [14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Mark-Sweep-Compact 알고리즘.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact(메이저 GC).md b/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact(메이저 GC).md
index cc8b8072..97180271 100644
--- a/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact(메이저 GC).md	
+++ b/10_Wiki/Topics/Programming & Language/Mark-Sweep-Compact(메이저 GC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-50957B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Mark-Sweep-Compact(메이저 G
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Old Generation/Space]], [[Memory Fragmentation]], [[Incremental Marking]]
-- **Projects/Contexts:** [[V8 Engine (JavaScript)]], [[JVM (Java Virtual Machine)]], [[Orinoco Garbage Collector]]
+- **Related Topics:** [[Garbage Collection]], Old Generation/Space, Memory Fragmentation, [[Incremental Marking]]
+- **Projects/Contexts:** V8 Engine (JavaScript), JVM (Java Virtual Machine), Orinoco Garbage Collector
 - **Contradictions/Notes:** 소스 자료 전반에 걸쳐 큰 모순은 존재하지 않습니다. 다만, 컴팩팅(Compacting) 작업은 메모리 파편화를 완전히 해결하는 훌륭한 방법이지만 V8과 JVM 두 환경 모두에서 매우 무겁고 값비싼(expensive) 동작으로 공통되게 취급되며, 항상 실행되지 않고 철저한 휴리스틱이나 임계조건에 의해 선택적으로 발동된다는 점이 강조됩니다 [6, 16, 17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Mark-Sweep-Compact(메이저 GC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Mark-Sweep.md b/10_Wiki/Topics/Programming & Language/Mark-Sweep.md
index f3ae17d6..4d764dcb 100644
--- a/10_Wiki/Topics/Programming & Language/Mark-Sweep.md	
+++ b/10_Wiki/Topics/Programming & Language/Mark-Sweep.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-261A28
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Mark-Sweep"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Old Generation]], [[Mark-Compact]], [[Incremental Marking]], [[Lazy Sweeping]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[JVM (Java Virtual Machine)]], [[Orinoco Garbage Collector]]
-- **Contradictions/Notes:** 마크-스위프는 빠르고 공간을 효과적으로 재활용하지만, 메모리 파편화(Fragmentation)를 유발할 수 있습니다. 따라서 V8에서는 파편화가 심한 페이지의 라이브 객체를 이동시키고 빈 공간을 병합하는 [[Mark-Compact]] 알고리즘과 밀접하게 연계되어 사용됩니다 [2, 4, 5, 20]. 또한, Node.js 환경에서 `--trace_gc` 로그 상에 'Mark-sweep'이 지나치게 자주 발생하거나 반환되는 메모리가 미미하다면 애플리케이션 내 메모리 누수(Memory Leak)나 CPU 집약적 블로킹 작업이 존재할 가능성이 높습니다 [21, 22].
+- **Related Topics:** [[Garbage Collection]], Old Generation, Mark-Compact, [[Incremental Marking]], Lazy Sweeping
+- **Projects/Contexts:** [[V8 JavaScript Engine]], JVM (Java Virtual Machine), Orinoco Garbage Collector
+- **Contradictions/Notes:** 마크-스위프는 빠르고 공간을 효과적으로 재활용하지만, 메모리 파편화(Fragmentation)를 유발할 수 있습니다. 따라서 V8에서는 파편화가 심한 페이지의 라이브 객체를 이동시키고 빈 공간을 병합하는 Mark-Compact 알고리즘과 밀접하게 연계되어 사용됩니다 [2, 4, 5, 20]. 또한, Node.js 환경에서 `--trace_gc` 로그 상에 'Mark-sweep'이 지나치게 자주 발생하거나 반환되는 메모리가 미미하다면 애플리케이션 내 메모리 누수(Memory Leak)나 CPU 집약적 블로킹 작업이 존재할 가능성이 높습니다 [21, 22].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Mark-Sweep.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Monorepo(Turborepo 등) 환경의 린트 관리.md b/10_Wiki/Topics/Programming & Language/Monorepo(Turborepo 등) 환경의 린트 관리.md
index 1a1cc40e..ac33c1b2 100644
--- a/10_Wiki/Topics/Programming & Language/Monorepo(Turborepo 등) 환경의 린트 관리.md	
+++ b/10_Wiki/Topics/Programming & Language/Monorepo(Turborepo 등) 환경의 린트 관리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9CC04F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,5 +36,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Monorepo(Turborepo 등) 환경
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Monorepo(Turborepo 등) 환경의 린트 관리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Monorepo.md b/10_Wiki/Topics/Programming & Language/Monorepo.md
index 0a482a1c..ee6daa08 100644
--- a/10_Wiki/Topics/Programming & Language/Monorepo.md	
+++ b/10_Wiki/Topics/Programming & Language/Monorepo.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D52D12
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Monorepo"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[lint-staged]], [[Husky]], [[Turborepo]]
-- **Projects/Contexts:** [[대규모 소프트웨어 엔지니어링 및 CI/CD 파이프라인]], [[자동화된 코드 거버넌스(Automated Governance)]]
+- **Projects/Contexts:** 대규모 소프트웨어 엔지니어링 및 CI/CD 파이프라인, 자동화된 코드 거버넌스(Automated Governance)
 - **Contradictions/Notes:** 모노레포 내 `lint-staged` 적용과 관련하여 `lint-staged`의 공식 지침은 저장소 루트에 도구를 설치하고 각 패키지에 완전히 격리된 별도의 설정 파일을 두는 것을 권장하지만 [12, 13], Turborepo를 활용하는 모던 아키텍처 환경에서는 루트에 오케스트레이션 설정 하나를 두고 파일 패턴을 각 패키지 환경에 매핑하는 방식이 더 나은 개발자 경험(DX)을 제공하는 대안으로 제시되기도 합니다 [4, 8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Monorepo.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Netflix 마이크로서비스 전환.md b/10_Wiki/Topics/Programming & Language/Netflix 마이크로서비스 전환.md
index c363150a..3ecaeb7d 100644
--- a/10_Wiki/Topics/Programming & Language/Netflix 마이크로서비스 전환.md	
+++ b/10_Wiki/Topics/Programming & Language/Netflix 마이크로서비스 전환.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7C6103
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Netflix 마이크로서비스
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[모놀리식 아키텍처]], [[수평적 확장 (Scale out)]], [[Cassandra]], [[오픈소스 (OSS)]], [[서버리스 함수]]
-- **Projects/Contexts:** [[Reloaded 시스템]], [[Cosmos 플랫폼]], [[Chaos Monkey (Simian Army)]]
+- **Related Topics:** 모놀리식 아키텍처, 수평적 확장 (Scale out), Cassandra, 오픈소스 (OSS), 서버리스 함수
+- **Projects/Contexts:** Reloaded 시스템, Cosmos 플랫폼, Chaos Monkey (Simian Army)
 - **Contradictions/Notes:** 마이크로서비스 아키텍처는 혁신과 배포 속도 향상이라는 큰 장점을 가져다주었지만, 반대로 구현 시 분산 시스템의 복잡성을 관리해야 하고 다수의 서비스 인스턴스를 실행하는 데 따른 심각한 메모리 사용량(오버헤드) 증가를 초래한다는 구조적 한계점이 소스에서 분명히 지적되고 있습니다 [10, 11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Netflix 마이크로서비스 전환.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Network Coordinate Systems.md b/10_Wiki/Topics/Programming & Language/Network Coordinate Systems.md
index c1f0b6e7..48d811c4 100644
--- a/10_Wiki/Topics/Programming & Language/Network Coordinate Systems.md	
+++ b/10_Wiki/Topics/Programming & Language/Network Coordinate Systems.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BF761A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Network Coordinate Systems"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Global Network Positioning (GNP)]], [[Latency Estimation]], [[Passive Latency Discovery]]
-- **Projects/Contexts:** [[Google Content Delivery Network (CDN)]], [[Test Traffic Measurements (TTM)]]
+- **Related Topics:** [[Global Network Positioning (GNP)]], Latency Estimation, Passive Latency Discovery
+- **Projects/Contexts:** Google Content Delivery Network (CDN), Test Traffic Measurements (TTM)
 - **Contradictions/Notes:** Lighthouses나 NPS와 같은 분산형 네트워크 좌표 시스템들은 기존 호스트들을 로컬 랜드마크로 활용하여 확장성을 높일 수 있다고 주장합니다 [22, 23]. 하지만 구글 CDN 연구에서는 이러한 분산형 구조가 오히려 악의적 호스트 관리, 측정 스케줄링 동기화, 전역적 일관성 유지 등의 복잡한 문제를 유발하므로, 고정된 랜드마크 인프라와 중앙 집중식 스케줄러를 사용하는 것이 확장성 제한 없이 훨씬 효율적이고 단순한 해결책이라고 반대 의견을 제시합니다 [24].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Network Coordinate Systems.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/New Space(Young Generation).md b/10_Wiki/Topics/Programming & Language/New Space(Young Generation).md
index c6a93469..c51ebaf5 100644
--- a/10_Wiki/Topics/Programming & Language/New Space(Young Generation).md	
+++ b/10_Wiki/Topics/Programming & Language/New Space(Young Generation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9FB32F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - New Space(Young Generation)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Minor GC(Scavenger)]], [[Old Space(Old Generation)]], [[Generational Hypothesis]], [[Semi-space Design]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Node.js Memory Management]]
+- **Related Topics:** Minor GC(Scavenger), [[Old Space(Old Generation)]], [[Generational Hypothesis]], Semi-space Design
+- **Projects/Contexts:** [[V8 JavaScript Engine]], Node.js Memory Management
 - **Contradictions/Notes:** 소스 간에 New Space의 일반적인 크기 범위에 대한 서술에 약간의 차이가 존재합니다. 소스 [4]은 행동 휴리스틱에 따라 "1MB에서 8MB 사이"라고 명시하지만, 소스 [7]은 "일반적으로 1MB에서 64MB 사이"로 다소 더 큰 범위를 제시합니다. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/New Space(Young Generation).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs Memory Tuning.md b/10_Wiki/Topics/Programming & Language/Nodejs Memory Tuning.md
index 50114e63..24fb3eae 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs Memory Tuning.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs Memory Tuning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-254A8B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ Node.js는 메모리 최적화를 위해 V8 엔진의 메모리 관련 설정을
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 JavaScript Engine]], [[Garbage Collection]], [[Heap Memory]], [[Memory Leaks]]
-- **Projects/Contexts:** [[Node.js Production Profiling]], [[Performance Optimization]]
+- **Related Topics:** [[V8 JavaScript Engine]], [[Garbage Collection]], Heap Memory, [[Memory Leaks]]
+- **Projects/Contexts:** Node.js Production Profiling, [[Performance Optimization]]
 - **Contradictions/Notes:** `--expose-gc` 플래그를 통해 수동으로 가비지 컬렉션을 실행하더라도, V8의 일반적인 자동 GC 알고리즘이 비활성화되는 것은 아닙니다. 수동 호출을 과도하게 사용하면 오히려 성능에 부정적인 영향을 미칠 수 있으므로 주의가 필요합니다 [15]. 또한, `--gc-interval`의 간격을 너무 짧게 설정할 경우 잦은 GC 수행으로 인해 애플리케이션의 성능 저하를 유발할 수 있습니다 [14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js Memory Tuning.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs Production Monitoring.md b/10_Wiki/Topics/Programming & Language/Nodejs Production Monitoring.md
index 55b46459..537014eb 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs Production Monitoring.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs Production Monitoring.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D6D630
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs Production Monitoring"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Garbage Collection]], [[Heap Snapshot]], [[Memory Leak]], [[Performance Hooks]], [[Prometheus]]
-- **Projects/Contexts:** [[Node.js Production Server]]
+- **Related Topics:** V8 Garbage Collection, [[Heap Snapshot]], Memory Leak, Performance Hooks, Prometheus
+- **Projects/Contexts:** Node.js Production Server
 - **Contradictions/Notes:** Node.js는 단일 프로세스로 수명이 길기 때문에 요청 컨텍스트가 프로세스와 함께 소멸하는 전통적인 다중 프로세스 서버와 다르게 메모리 참조가 지속적으로 누적된다는 구조적 차이점이 있습니다 [1]. 한편, 모니터링이나 특정 엣지 케이스에서 `--expose-gc`를 통해 수동으로 GC(`global.gc()`)를 트리거할 수 있지만, 이는 정상적인 자동 GC 알고리즘을 비활성화하는 것은 아니며 남용할 경우 심각한 성능 저하를 유발할 수 있으므로 주의가 필요합니다 [13, 14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js Production Monitoring.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs 메모리 최적화.md b/10_Wiki/Topics/Programming & Language/Nodejs 메모리 최적화.md
index 60c816c2..43d53379 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs 메모리 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs 메모리 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4670EE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,11 +39,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 메모리 최적화"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 JavaScript Engine]], [[Garbage Collection (GC)]], [[Heap Snapshot]]
-- **Projects/Contexts:** [[Chrome DevTools Memory Profiling]], [[Node.js Production Environments]]
+- **Related Topics:** [[V8 JavaScript Engine]], Garbage Collection (GC), [[Heap Snapshot]]
+- **Projects/Contexts:** [[Chrome DevTools Memory Profiling]], Node.js Production Environments
 - **Contradictions/Notes:** `--expose-gc` 플래그를 통한 수동 가비지 컬렉션 호출(`global.gc()`)은 대량의 데이터 처리 후 즉시 메모리를 회수해야 하는 특수 상황에서 유용할 수 있지만, 일반적인 V8의 자동 GC 메커니즘을 대체하는 것은 아니며 남용 시 과도한 GC 사이클 실행으로 인해 애플리케이션 성능을 크게 저하시킬 위험이 있습니다 [20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 메모리 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs 메모리 튜닝.md b/10_Wiki/Topics/Programming & Language/Nodejs 메모리 튜닝.md
index 279e2ba9..2050ced4 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs 메모리 튜닝.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs 메모리 튜닝.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EA5D5E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -40,13 +40,13 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 메모리 튜닝"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 자바스크립트 엔진]], [[가비지 컬렉션(GC)]], [[힙 스냅샷(Heap Snapshot)]], [[메모리 누수(Memory Leak)]]
-- **Projects/Contexts:** [[Orinoco GC 프로젝트]], [[Chrome DevTools 메모리 분석]]
+- **Related Topics:** V8 자바스크립트 엔진, 가비지 컬렉션(GC), 힙 스냅샷(Heap Snapshot), 메모리 누수(Memory Leak)
+- **Projects/Contexts:** Orinoco GC 프로젝트, Chrome DevTools 메모리 분석
 - **Contradictions/Notes:** 
   - V8 엔진의 포인터 압축(Pointer Compression) 기능 활성화 시, 64비트 시스템에 128GB의 RAM이 있더라도 단일 V8 프로세스(Isolate)의 관리 힙 크기는 4GB의 연속된 메모리 케이지(Cage)로 엄격하게 제한됩니다 [36-38]. 이 제한에 도달하면 메모리를 확보하기 위해 Major GC의 빈도가 극적으로 증가하며, 결과적으로 OOM 충돌을 유발할 수 있습니다 [38]. 
   - 메모리 최적화를 위해 애플리케이션 코드 내에서 `global.gc()`를 수동으로 지속 호출하는 것은 V8의 자동화된 GC 알고리즘을 방해하고 성능을 떨어뜨릴 수 있으므로 권장되지 않습니다 [22, 39].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 메모리 튜닝.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs 성능 디버깅.md b/10_Wiki/Topics/Programming & Language/Nodejs 성능 디버깅.md
index 8f020da0..a74d4a63 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs 성능 디버깅.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs 성능 디버깅.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7A23E5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,11 +38,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 성능 디버깅"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 JavaScript Engine]], [[Garbage Collection]], [[Heap Snapshot]], [[Memory Leak]]
-- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[Node.js Production Environment]]
+- **Related Topics:** [[V8 JavaScript Engine]], [[Garbage Collection]], [[Heap Snapshot]], Memory Leak
+- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], Node.js Production Environment
 - **Contradictions/Notes:** 애플리케이션 개발자가 `System.gc()` 또는 `global.gc()`를 사용하여 수동으로 가비지 컬렉션을 트리거할 수는 있으나, GC 동작을 임의로 예측 및 강제 실행하는 행위는 오히려 애플리케이션의 성능을 저하시킬 수 있으므로 주의해서 사용해야 한다 [27, 28].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 성능 디버깅.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs 성능 최적화 및 디버깅.md b/10_Wiki/Topics/Programming & Language/Nodejs 성능 최적화 및 디버깅.md
index 76ec0290..79d680a4 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs 성능 최적화 및 디버깅.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs 성능 최적화 및 디버깅.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C8E2E0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 성능 최적화 및 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[할당 타임라인(Allocation Timeline)]], [[힙 스냅샷(Heap Snapshot)]], [[V8 힙(Heap)]], [[가비지 컬렉션(Garbage Collection)]]
-- **Projects/Contexts:** [[Chrome DevTools(크롬 개발자 도구)]], [[Node.js 메모리 누수 분석]]
+- **Related Topics:** [[할당 타임라인(Allocation Timeline)]], 힙 스냅샷(Heap Snapshot), [[V8 힙(Heap)]], 가비지 컬렉션(Garbage Collection)
+- **Projects/Contexts:** [[Chrome DevTools(크롬 개발자 도구)]], Node.js 메모리 누수 분석
 - **Contradictions/Notes:** 그래프에서 메모리 사용량이 증가한다고 해서 그것이 모두 메모리 누수를 의미하는 것은 아니다. 캐시(Caches), 실행 취소 기록(Undo histories) 등은 의도적으로 데이터를 메모리에 유지하므로, 정상적인 데이터 보존과 우발적인 메모리 누수를 명확히 구분하여 분석해야 한다 [17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 성능 최적화 및 디버깅.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs 프로세스 모니터링 및 메모리 분석.md b/10_Wiki/Topics/Programming & Language/Nodejs 프로세스 모니터링 및 메모리 분석.md
index 73ed416c..175fedc7 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs 프로세스 모니터링 및 메모리 분석.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs 프로세스 모니터링 및 메모리 분석.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-56A451
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -42,11 +42,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs 프로세스 모니터
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Garbage Collection]], [[Heap Snapshot]], [[Memory Leak Patterns]]
-- **Projects/Contexts:** [[Node.js Production Environment]], [[Chrome DevTools Memory Panel]]
+- **Related Topics:** V8 Garbage Collection, [[Heap Snapshot]], Memory Leak Patterns
+- **Projects/Contexts:** Node.js Production Environment, [[Chrome DevTools Memory Panel]]
 - **Contradictions/Notes:** `--expose-gc` 플래그를 사용하여 수동으로 GC를 실행(`global.gc()`)할 수 있지만, 이것이 V8의 일반적인 자동 GC 알고리즘을 비활성화하는 것은 아닙니다. 수동 호출은 보조적인 역할일 뿐이며, 과도하게 사용할 경우 오히려 애플리케이션 성능에 심각한 악영향을 미칠 수 있습니다 [36].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js 프로세스 모니터링 및 메모리 분석.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Nodejs.md b/10_Wiki/Topics/Programming & Language/Nodejs.md
index cb4c3a38..789fffbe 100644
--- a/10_Wiki/Topics/Programming & Language/Nodejs.md	
+++ b/10_Wiki/Topics/Programming & Language/Nodejs.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-09A043
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Nodejs"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[V8 JavaScript Engine]], [[Garbage Collection]], [[Memory Management]]
-- **Projects/Contexts:** [[Node.js Memory Tuning and Diagnostics]], [[Electron and the V8 Memory Cage]]
+- **Projects/Contexts:** Node.js Memory Tuning and Diagnostics, Electron and the V8 Memory Cage
 - **Contradictions/Notes:** 수동으로 가비지 컬렉션을 트리거하기 위해 `--expose-gc` 플래그를 사용하여 `global.gc()`를 호출할 수 있지만, 이는 V8의 자동 GC 알고리즘을 비활성화하는 것이 아니며 남용할 경우 성능 저하를 일으킬 수 있으므로 주의해서 사용해야 합니다 [19, 26]. 또한, 전통적인 가비지 컬렉터는 애플리케이션을 완전히 멈추는(stop-the-world) 문제를 유발했으나, V8의 최신 Orinoco GC는 메인 스레드의 멈춤을 최소화하기 위해 병렬(Parallel), 증분(Incremental), 동시(Concurrent) 기법을 도입하여 백그라운드에서 메모리를 회수합니다 [27-30].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Node.js.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/NotebookLM-Automated-Authentication-CLI.md b/10_Wiki/Topics/Programming & Language/NotebookLM-Automated-Authentication-CLI.md
index 3005fc7d..ca41d59c 100644
--- a/10_Wiki/Topics/Programming & Language/NotebookLM-Automated-Authentication-CLI.md	
+++ b/10_Wiki/Topics/Programming & Language/NotebookLM-Automated-Authentication-CLI.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BDE5EC
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,7 +28,7 @@ github_commit: "[P-Reinforce] Continuous Worker - NotebookLM-Automated-Authentic
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Autonomous-Polling-Wait-Automation]], [[Zustand-Based-Mission-Persistence]]
-- **Projects/Contexts:** [[P-Reinforce-Agent-v2.6]]
+- **Projects/Contexts:** P-Reinforce-Agent-v2.6
 - **Contradictions/Notes:** CLI 인증은 로컬 환경에 의존하므로, Headless 서버 환경에서는 별도의 토큰 전달 방식이 필요할 수 있습니다.
-- Raw Source: [[00_Raw/2026-04-20/NotebookLM-Automated-Authentication-CLI.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Object Pooling (오브젝트 풀링).md b/10_Wiki/Topics/Programming & Language/Object Pooling (오브젝트 풀링).md
index c94117a1..71df0d20 100644
--- a/10_Wiki/Topics/Programming & Language/Object Pooling (오브젝트 풀링).md	
+++ b/10_Wiki/Topics/Programming & Language/Object Pooling (오브젝트 풀링).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1F94B3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,12 +35,12 @@ github_commit: "[P-Reinforce] Continuous Worker - Object Pooling (오브젝트 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection (GC) 최적화]], [[Generational GC (세대별 가비지 컬렉션)]], [[Memory Fragmentation (메모리 파편화)]], [[InstancedMesh (드로우 콜 최적화)]]
-- **Projects/Contexts:** [[대규모 파티클 시스템 최적화]], [[슈팅 게임의 대규모 탄환(Bullet) 제어 시스템]], [[React Three Fiber 엔진 아키텍처]]
+- **Related Topics:** Garbage Collection (GC) 최적화, Generational GC (세대별 가비지 컬렉션), Memory Fragmentation (메모리 파편화), [[InstancedMesh (드로우 콜 최적화)]]
+- **Projects/Contexts:** [[대규모 파티클 시스템 최적화]], 슈팅 게임의 대규모 탄환(Bullet) 제어 시스템, React Three Fiber 엔진 아키텍처
 - **Contradictions/Notes:** 오브젝트 풀링이 모든 상황에서 정답은 아닙니다. V8과 같은 최신 자바스크립트 엔진의 세대별 가비지 컬렉터(Generational GC)는 단기 생존 객체(Short-lived objects)를 수거하는 비용이 사실상 0에 가깝습니다. 이 환경에서 객체 풀링을 잘못 적용하면, 객체들이 강제로 오래 살아남게 되어 구세대(Old Generation) 메모리를 압박하고 오히려 GC 성능을 악화시키며 메모리 사용량만 늘릴 위험이 있습니다. 반드시 프로파일러를 통한 성능 병목 확인 후 선별적으로 도입해야 합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/Object Pooling (오브젝트 풀링).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/OffscreenCanvas와 Web Worker를 활용한 메인 스레드 병목 해결.md b/10_Wiki/Topics/Programming & Language/OffscreenCanvas와 Web Worker를 활용한 메인 스레드 병목 해결.md
index 1c2972c5..6f71ede7 100644
--- a/10_Wiki/Topics/Programming & Language/OffscreenCanvas와 Web Worker를 활용한 메인 스레드 병목 해결.md	
+++ b/10_Wiki/Topics/Programming & Language/OffscreenCanvas와 Web Worker를 활용한 메인 스레드 병목 해결.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-217E9B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,12 +31,12 @@ github_commit: "[P-Reinforce] Continuous Worker - OffscreenCanvas와 Web Worker
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Web Worker]], [[Three.js / WebGL]], [[상태 관리 동기화 (Valtio, SharedArrayBuffer)]], [[이벤트 포워딩(Event Forwarding)]], [[React 게임 엔진 아키텍처]]
-- **Projects/Contexts:** [[멀티스레드 React WebGL 애플리케이션]], [[고성능 실시간 상호작용 시스템]]
+- **Related Topics:** Web Worker, Three.js / WebGL, 상태 관리 동기화 (Valtio, SharedArrayBuffer), 이벤트 포워딩(Event Forwarding), React 게임 엔진 아키텍처
+- **Projects/Contexts:** 멀티스레드 React WebGL 애플리케이션, 고성능 실시간 상호작용 시스템
 - **Contradictions/Notes:** 상태 동기화를 구현할 때 `SharedArrayBuffer`는 가장 빠르고 메모리 복사 비용이 없지만 원시 이진 데이터(Raw Binary)를 다루어야 해서 구현이 어렵습니다. 반면, Valtio 등 Proxy를 사용한 메시징 방식은 개발이 훨씬 쉽고 직관적이지만 직렬화 과정에서 약간의 오버헤드와 메모리를 희생하게 됩니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/OffscreenCanvas와 Web Worker를 활용한 메인 스레드 병목 해결.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Oilpan.md b/10_Wiki/Topics/Programming & Language/Oilpan.md
index 16cf8eba..4ed146d1 100644
--- a/10_Wiki/Topics/Programming & Language/Oilpan.md	
+++ b/10_Wiki/Topics/Programming & Language/Oilpan.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-68FCF1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Oilpan"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Oilpan.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Old Space (구 세대 공간).md b/10_Wiki/Topics/Programming & Language/Old Space (구 세대 공간).md
index c7530fa0..23dee431 100644
--- a/10_Wiki/Topics/Programming & Language/Old Space (구 세대 공간).md	
+++ b/10_Wiki/Topics/Programming & Language/Old Space (구 세대 공간).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9214B8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Old Space (구 세대 공간)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[New Space (신규 공간)]], [[Major GC (주요 가비지 컬렉션)]], [[Mark-Sweep-Compact]], [[Memory Leak (메모리 누수)]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Node.js Memory Management]]
+- **Related Topics:** New Space (신규 공간), Major GC (주요 가비지 컬렉션), Mark-Sweep-Compact, Memory Leak (메모리 누수)
+- **Projects/Contexts:** [[V8 JavaScript Engine]], Node.js Memory Management
 - **Contradictions/Notes:** 소스에 따르면 Old Space 내의 객체를 옮기는 압축(Compaction) 작업은 비용이 매우 많이 들기 때문에, Minor GC처럼 모든 라이브 객체를 복사하는 방식(Scavenger)을 쓰지 않고 단편화가 심한 특정 페이지에 대해서만 제한적으로 압축을 수행합니다 [12, 13]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Old Space (구 세대 공간).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Old Space(Old Generation).md b/10_Wiki/Topics/Programming & Language/Old Space(Old Generation).md
index a98c200e..55ee14bd 100644
--- a/10_Wiki/Topics/Programming & Language/Old Space(Old Generation).md	
+++ b/10_Wiki/Topics/Programming & Language/Old Space(Old Generation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3FD05B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Old Space(Old Generation)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[New Space(Young Generation)]], [[Major GC]], [[Mark-Sweep-Compact]], [[Garbage Collection]]
-- **Projects/Contexts:** [[V8 Engine Memory Management]], [[Node.js Performance Tuning]]
+- **Related Topics:** [[New Space(Young Generation)]], [[Major GC]], Mark-Sweep-Compact, [[Garbage Collection]]
+- **Projects/Contexts:** V8 Engine Memory Management, Node.js Performance Tuning
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Old Space(Old Generation).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Old Space.md b/10_Wiki/Topics/Programming & Language/Old Space.md
index 995b531c..18092853 100644
--- a/10_Wiki/Topics/Programming & Language/Old Space.md	
+++ b/10_Wiki/Topics/Programming & Language/Old Space.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C312D4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Old Space"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[New Space]], [[Major GC]], [[Mark-Sweep-Compact]], [[Write Barrier]], [[Garbage Collection]]
-- **Projects/Contexts:** [[V8 Engine]], [[Node.js Memory Management]]
+- **Related Topics:** New Space, [[Major GC]], Mark-Sweep-Compact, [[Write Barrier]], [[Garbage Collection]]
+- **Projects/Contexts:** [[V8 Engine]], Node.js Memory Management
 - **Contradictions/Notes:** 소스에 따르면 V8은 필요할 경우 운영체제에 더 많은 공간을 요청하여 Old Space 크기를 확장할 수 있으나, V8 Memory Cage(보안 샌드박스 및 포인터 압축) 기능이 활성화된 64비트 시스템에서는 물리적 RAM 용량에 관계없이 V8 힙 전체 크기가 최대 4GB의 연속적인 영역으로 엄격히 제한됩니다 [16-18]. 따라서 Old Space 역시 이 4GB 제한의 영향을 받습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Old Space.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Orinoco 가비지 컬렉터.md b/10_Wiki/Topics/Programming & Language/Orinoco 가비지 컬렉터.md
index 15c3deb5..050d5925 100644
--- a/10_Wiki/Topics/Programming & Language/Orinoco 가비지 컬렉터.md	
+++ b/10_Wiki/Topics/Programming & Language/Orinoco 가비지 컬렉터.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3353DC
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ Orinoco는 메인 스레드를 해방시키기 위해 다음 세 가지 주요 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[V8 JavaScript 엔진]], [[Minor GC (Scavenger)]], [[Major GC (Mark-Compact)]], [[세대별 가비지 컬렉션(Generational Garbage Collection)]]
-- **Projects/Contexts:** [[V8 메모리 관리 및 최적화]], [[Node.js 및 Chrome 브라우저 렌더링 성능 최적화]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), V8 JavaScript 엔진, Minor GC (Scavenger), Major GC (Mark-Compact), 세대별 가비지 컬렉션(Generational Garbage Collection)
+- **Projects/Contexts:** V8 메모리 관리 및 최적화, Node.js 및 Chrome 브라우저 렌더링 성능 최적화
 - **Contradictions/Notes:** 과거 V8 버전은 Cheney의 동기식 세미스페이스 복사 알고리즘을 사용했으나, V8 v6.2부터 Orinoco 프로젝트의 일환으로 동적 작업 훔치기(Work stealing) 기법을 사용하는 Halstead 방식의 병렬 스캐빈저로 대체되었습니다 [10, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Orinoco 가비지 컬렉터.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Orinoco 프로젝트.md b/10_Wiki/Topics/Programming & Language/Orinoco 프로젝트.md
index aeb8e3de..dc6b1292 100644
--- a/10_Wiki/Topics/Programming & Language/Orinoco 프로젝트.md	
+++ b/10_Wiki/Topics/Programming & Language/Orinoco 프로젝트.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6EB2FE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Orinoco 프로젝트"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Engine]], [[Garbage Collection (GC)]], [[Stop-the-world]], [[Incremental Marking]]
+- **Related Topics:** [[V8 Engine]], Garbage Collection (GC), [[Stop-the-world]], [[Incremental Marking]]
 - **Projects/Contexts:** [[Oilpan]], [[Blink]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (소스 내에서 Orinoco 프로젝트에 대한 상충되는 주장은 발견되지 않습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Orinoco 프로젝트.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Orinoco.md b/10_Wiki/Topics/Programming & Language/Orinoco.md
index 68f548ce..73e768f5 100644
--- a/10_Wiki/Topics/Programming & Language/Orinoco.md	
+++ b/10_Wiki/Topics/Programming & Language/Orinoco.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E147D0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Orinoco"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Engine]], [[Garbage Collection]], [[Scavenger]], [[Mark-Compact]]
-- **Projects/Contexts:** [[JavaScript Memory Management]]
+- **Related Topics:** [[V8 Engine]], [[Garbage Collection]], Scavenger, Mark-Compact
+- **Projects/Contexts:** JavaScript Memory Management
 - **Contradictions/Notes:** 소스 간 Orinoco의 목적과 기술적 효과에 대해 상충되는 정보는 발견되지 않으며, 모든 소스가 공통적으로 메인 스레드의 지연을 없애고 메모리 관리 효율성을 높이기 위한 최적화 프로젝트로 일관되게 설명하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Orinoco.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Overdraw.md b/10_Wiki/Topics/Programming & Language/Overdraw.md
index 1d22d6ed..f3dcf201 100644
--- a/10_Wiki/Topics/Programming & Language/Overdraw.md	
+++ b/10_Wiki/Topics/Programming & Language/Overdraw.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-421E43
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,10 +28,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Overdraw"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[InstancedMesh]], [[Fragment Shading]], [[Early-Z]], [[프래그먼트 바운드(Fragment-bound)]], [[Draw Call]], [[Sorting]]
-- **Projects/Contexts:** [[three.js Issue #30352]], [[대규모 인스턴스 렌더링 및 투명도 처리]]
+- **Projects/Contexts:** three.js Issue, 대규모 인스턴스 렌더링 및 투명도 처리
 - **Contradictions/Notes:** CPU 부하를 유발하는 드로우 콜을 줄이기 위해 InstancedMesh를 도입하더라도, 내부 인스턴스들의 정렬 부재가 유발하는 오버드로우 비용이 더 크다면 오히려 드로우 콜이 많은 개별 메쉬 렌더링 방식보다 FPS가 떨어질 수 있다는 역설적인 결과를 보여줍니다[2, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Overdraw.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Page Experience Algorithm.md b/10_Wiki/Topics/Programming & Language/Page Experience Algorithm.md
index 6dc70818..662f252c 100644
--- a/10_Wiki/Topics/Programming & Language/Page Experience Algorithm.md	
+++ b/10_Wiki/Topics/Programming & Language/Page Experience Algorithm.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6A1F2E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Page Experience Algorithm"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Core Web Vitals]], [[INP (Interaction to Next Paint)]], [[LCP (Largest Contentful Paint)]], [[CLS (Cumulative Layout Shift)]]
-- **Projects/Contexts:** [[Google Search Ranking]], [[Chrome User Experience Report (CrUX)]]
+- **Related Topics:** [[Core Web Vitals]], INP (Interaction to Next Paint), LCP (Largest Contentful Paint), CLS (Cumulative Layout Shift)
+- **Projects/Contexts:** Google Search Ranking, Chrome User Experience Report (CrUX)
 - **Contradictions/Notes:** 소스에 코어 웹 바이탈 지표들 외에 페이지 경험 알고리즘의 내부적인 작동 원리나 코어 웹 바이탈 이외의 추가적인 구성 요소에 대한 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Page Experience Algorithm.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Parse dont validate.md b/10_Wiki/Topics/Programming & Language/Parse dont validate.md
index 4bf733c6..e993b48c 100644
--- a/10_Wiki/Topics/Programming & Language/Parse dont validate.md	
+++ b/10_Wiki/Topics/Programming & Language/Parse dont validate.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D95ED1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -16,18 +16,18 @@ github_commit: "[P-Reinforce] Continuous Worker - Parse dont validate"
 - **기본 원칙 및 파싱 흐름**: Alexis King의 동명 아티클을 통해 널리 알려진 이 개념은 시스템의 경계(입구 및 출구)에서 입력 데이터를 한 번 파싱하는 것을 핵심으로 합니다[1, 2]. 이 파싱 단계에서 데이터의 유효성 검사와 변환이 동시에 이루어지며, 이후의 애플리케이션 흐름에서는 완전히 타입이 지정되고 검증된 데이터만을 사용하게 됩니다[1].
 - **수비적 프로그래밍(Defensive Programming)의 정점**: 단순히 데이터의 유효성 여부만 확인(Validate)하고 끝내는 것이 아니라, 데이터를 더 구체적이고 신뢰할 수 있는 타입의 객체로 변환(Parse)하여 시스템 내부로 전달합니다[3]. 이는 의도하지 않은 불확실한 데이터의 유입을 원천적으로 차단하는 견고한 아키텍처적 방어막 역할을 합니다[3].
 - **제어 흐름(Control flow)과 개발자 경험 향상**: 유효성 검사 로직을 시스템 경계에만 배치함으로써, 비즈니스 로직 곳곳에 검증 코드가 어지럽게 흩어지는 것을 방지할 수 있습니다[2]. 결과적으로 타입 시스템의 정적 분석에 무거운 작업을 위임하여 개발자의 신뢰를 높이고, 관리해야 할 코드의 양(Code volume)과 복잡도를 줄이는 데 크게 기여합니다[2, 4].
-- **구현 방법 및 생태계 도구**: 이 철학을 실현하기 위해 Zod와 같은 런타임 유효성 검사/파싱 라이브러리가 자주 활용됩니다[3, 5]. 구체적으로는 Zod 등을 통해 알 수 없는(Unknown) 데이터를 잘 알려진 타입으로 변환하며, 런타임 데이터에 [[Branded Types]]를 부여하여 시스템 내부로 전달하는 것이 이 철학을 완벽히 실현하는 구체적 방법론입니다[3, 5].
+- **구현 방법 및 생태계 도구**: 이 철학을 실현하기 위해 Zod와 같은 런타임 유효성 검사/파싱 라이브러리가 자주 활용됩니다[3, 5]. 구체적으로는 Zod 등을 통해 알 수 없는(Unknown) 데이터를 잘 알려진 타입으로 변환하며, 런타임 데이터에 Branded Types를 부여하여 시스템 내부로 전달하는 것이 이 철학을 완벽히 실현하는 구체적 방법론입니다[3, 5].
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Branded Types]], [[Zod]], [[Defensive Programming]], [[Static Analysis]], [[Structural Typing]]
-- **Projects/Contexts:** [[API Boundary Handling]], [[State Management]]
+- **Related Topics:** Branded Types, [[Zod]], Defensive Programming, Static Analysis, [[Structural Typing]]
+- **Projects/Contexts:** API Boundary Handling, State Management
 - **Contradictions/Notes:** 소스 내에서 이 철학에 대한 상반된 주장이나 모순은 발견되지 않습니다. 오히려 상태 관리(State management) 문제나 복잡성 증가를 완화하는 TypeScript의 핵심 모범 사례 중 하나로 강력히 권장됩니다[1, 6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Parse, don't validate.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Performance Panel.md b/10_Wiki/Topics/Programming & Language/Performance Panel.md
index 1889102c..73d10b14 100644
--- a/10_Wiki/Topics/Programming & Language/Performance Panel.md	
+++ b/10_Wiki/Topics/Programming & Language/Performance Panel.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-91C413
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,10 +37,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Performance Panel"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Chrome DevTools]], [[Core Web Vitals]], [[Interaction to Next Paint (INP)]], [[Flame Chart]], [[Main Thread]]
-- **Projects/Contexts:** [[Web Performance Debugging]], [[Performance Profiling]]
+- **Projects/Contexts:** Web Performance Debugging, Performance Profiling
 - **Contradictions/Notes:** Performance 패널의 로컬 측정값은 측정 시점의 로컬 디바이스 및 네트워크 환경의 영향을 크게 받으므로, 실제 전 세계 사용자의 경험을 정확히 파악하려면 CrUX(Chrome User Experience Report) 필드 데이터의 환경 설정에 맞춰 DevTools 환경을 구성하고 비교 분석하는 것이 중요합니다 [24, 25].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Performance Panel.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Pointer Compression.md b/10_Wiki/Topics/Programming & Language/Pointer Compression.md
index 98d05682..fe78e2fd 100644
--- a/10_Wiki/Topics/Programming & Language/Pointer Compression.md	
+++ b/10_Wiki/Topics/Programming & Language/Pointer Compression.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DEB938
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Pointer Compression"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Memory Cage]], [[Garbage Collection (GC)]], [[Out of Memory (OOM)]], [[V8 Heap]]
-- **Projects/Contexts:** [[V8 Engine]], [[Electron]], [[Node.js]], [[Chromium]]
+- **Related Topics:** V8 Memory Cage, Garbage Collection (GC), Out of Memory (OOM), V8 Heap
+- **Projects/Contexts:** [[V8 Engine]], [[Electron]], Node.js, [[Chromium]]
 - **Contradictions/Notes:** 소스에 따르면 포인터 압축은 메모리 사용량을 대폭 줄이고 CPU 효율을 높이지만, 그 대가로 힙 크기를 4GB로 강제 제한하여 메모리 집약적인 작업에는 불리할 수 있다는 명확한 트레이드오프(trade-off)를 갖습니다 [2-4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Pointer Compression.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Pointer Poisoning.md b/10_Wiki/Topics/Programming & Language/Pointer Poisoning.md
index fdf3d3d2..300d5788 100644
--- a/10_Wiki/Topics/Programming & Language/Pointer Poisoning.md	
+++ b/10_Wiki/Topics/Programming & Language/Pointer Poisoning.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F1EA31
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Pointer Poisoning"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Branchless Security Checks]], [[Speculative Execution]], [[Type Confusion]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Branchless Security Checks]], [[Speculative Execution]], Type Confusion
 - **Projects/Contexts:** [[WebKit]], [[JavaScriptCore]]
 - **Contradictions/Notes:** 소스 내에서 명시적인 모순은 발견되지 않으나, 포인터 포이즈닝 기술이 보안성을 크게 향상시키는 대신 자바스크립트 엔진의 마이크로 레이턴시를 소폭 증가시킨다는 성능상의 트레이드오프가 존재함이 지적됩니다 [4, 7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Pointer Poisoning.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Prettier.md b/10_Wiki/Topics/Programming & Language/Prettier.md
index 3160a7ab..77c9ef06 100644
--- a/10_Wiki/Topics/Programming & Language/Prettier.md	
+++ b/10_Wiki/Topics/Programming & Language/Prettier.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-560F29
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Prettier"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[ESLint]], [[Formatter]]
+- **Related Topics:** [[ESLint]], Formatter
 - **Projects/Contexts:** [[eslint-config-prettier]], [[eslint-plugin-prettier]], [[husky]], [[lint-staged]]
 - **Contradictions/Notes:** ESLint와 Prettier를 통합할 때 사용하는 `eslint-plugin-prettier`에 대해 의견이 갈립니다. 소스 [17]는 해당 플러그인을 사용하면 하나의 설정 파일에서 관리할 수 있고 자동 수정(`--fix`)이 편리하여 선호한다고 밝히지만, 소스 [18]에서는 에디터에 불필요한 빨간 밑줄이 과도하게 생기고 단독 사용보다 속도가 느려진다는 이유로 공식 문서에서도 권장하지 않는다며 플러그인 사용을 배제하는 방식을 채택합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Prettier.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Reachability Analysis.md b/10_Wiki/Topics/Programming & Language/Reachability Analysis.md
index db3d9fdf..0529c52d 100644
--- a/10_Wiki/Topics/Programming & Language/Reachability Analysis.md	
+++ b/10_Wiki/Topics/Programming & Language/Reachability Analysis.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5449D4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Reachability Analysis"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST (Static Application Security Testing)]], [[SCA (Software Composition Analysis)]], [[Call Graph]], [[Data Flow Analysis]], [[False Positives]], [[Vulnerability Prioritization]]
-- **Projects/Contexts:** [[Endor Labs]], [[Veracode]], [[Corgea]], [[Qwiet AI]]
+- **Related Topics:** [[SAST (Static Application Security Testing)]], SCA (Software Composition Analysis), Call Graph, Data Flow Analysis, False Positives, Vulnerability Prioritization
+- **Projects/Contexts:** Endor Labs, Veracode, [[Corgea]], Qwiet AI
 - **Contradictions/Notes:** 제공된 소스 내에서 도달 가능성 분석의 효용성에 대한 모순점은 없으며, 모든 자료가 공통적으로 SAST 및 SCA 도구에서 오탐을 줄이고 실제 위험을 식별하는 데 매우 효과적이고 필수적인 접근법이라고 동의하고 있습니다 [2, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Reachability Analysis.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/React 19 Compiler.md b/10_Wiki/Topics/Programming & Language/React 19 Compiler.md
index c75869ec..eca60ff4 100644
--- a/10_Wiki/Topics/Programming & Language/React 19 Compiler.md	
+++ b/10_Wiki/Topics/Programming & Language/React 19 Compiler.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A2E200
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,8 +29,8 @@ github_commit: "[P-Reinforce] Continuous Worker - React 19 Compiler"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React Performance Optimization]], [[useMemo & useCallback]], [[불필요한 리렌더링 방지]], [[재조정 (Reconciliation)]]
-- **Projects/Contexts:** [[대규모 React 프론트엔드 최적화 및 리팩토링]], [[고성능 실시간 상호작용 엔진 구축]]
+- **Related Topics:** [[React Performance Optimization]], useMemo & useCallback, [[불필요한 리렌더링 방지]], [[재조정 (Reconciliation)]]
+- **Projects/Contexts:** 대규모 React 프론트엔드 최적화 및 리팩토링, 고성능 실시간 상호작용 엔진 구축
 - **Contradictions/Notes:** 새로운 컴파일러가 메모이제이션을 마법처럼 자동화해주지만, **비효율적인 데이터 패칭이나 잘못 설계된 거대한 컴포넌트 트리, 무분별한 전역 상태 관리와 같은 근본적인 아키텍처 결함까지 해결해 주지는 못합니다**. 올바른 성능 최적화를 위해서는 컴파일러에만 의존하지 않고 훌륭한 소프트웨어 설계 원칙을 계속 유지해야 합니다.
-- Raw Source: [[00_Raw/2026-04-20/React 19 Compiler.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/React 및 Nextjs 개발 환경.md b/10_Wiki/Topics/Programming & Language/React 및 Nextjs 개발 환경.md
index b7193459..e4c59bca 100644
--- a/10_Wiki/Topics/Programming & Language/React 및 Nextjs 개발 환경.md	
+++ b/10_Wiki/Topics/Programming & Language/React 및 Nextjs 개발 환경.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2C5A84
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - React 및 Nextjs 개발 환경
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[ESLint]], [[Prettier]], [[Turborepo]], [[Husky 및 lint-staged]]
-- **Projects/Contexts:** [[Next.js 애플리케이션 및 모노레포 구축]], [[React 컴포넌트 개발 환경]]
+- **Related Topics:** [[ESLint]], [[Prettier]], [[Turborepo]], Husky 및 lint-staged
+- **Projects/Contexts:** Next.js 애플리케이션 및 모노레포 구축, React 컴포넌트 개발 환경
 - **Contradictions/Notes:** ESLint와 Prettier를 함께 사용할 때 `eslint-plugin-prettier`를 사용하여 Prettier 규칙을 ESLint 내에서 실행하는 방식이 존재하나, 에디터상에 오류 밑줄이 과도하게 표시되거나 단독 실행보다 처리 속도가 느려지는 단점이 있어 Prettier 공식 문서 및 일부 실무 환경에서는 이를 지양하고 `eslint-config-prettier`만 적용할 것을 권장하기도 한다 [12, 23].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/React 및 Next.js 개발 환경.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/React 재조정 (Reconciliation) 최적화.md b/10_Wiki/Topics/Programming & Language/React 재조정 (Reconciliation) 최적화.md
index 516c711c..a5f477ae 100644
--- a/10_Wiki/Topics/Programming & Language/React 재조정 (Reconciliation) 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/React 재조정 (Reconciliation) 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E6A358
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -40,12 +40,12 @@ github_commit: "[P-Reinforce] Continuous Worker - React 재조정 (Reconciliatio
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상 DOM (Virtual DOM)]], [[React 19 Compiler]], [[불필요한 리렌더링 방지]], [[명령형 직접 조작 (Imperative Manipulation)]]
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]], [[대규모 데이터 렌더링 및 가상화 최적화]]
+- **Related Topics:** [[가상 DOM (Virtual DOM)]], [[React 19 Compiler]], [[불필요한 리렌더링 방지]], 명령형 직접 조작 (Imperative Manipulation)
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처, [[대규모 데이터 렌더링 및 가상화 최적화]]
 - **Contradictions/Notes:** React 19의 컴파일러가 도입되면서 `useMemo`나 `useCallback`과 같은 수동 참조 안정화 작업의 대부분을 빌드 타임에 자동으로 처리해 줍니다. 하지만 이는 구조적으로 순수한 컴포넌트에서만 완벽히 동작하며, 거대한 컴포넌트 트리, 불안정한 Key 배열, 과도한 Context 사용과 같은 잘못된 아키텍처 설계 자체를 고쳐주지는 못하므로 여전히 개발자의 구조 최적화 역량이 중요합니다.
 
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/React 재조정 (Reconciliation) 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/React 컴포넌트 Props 전달 및 상태 관리.md b/10_Wiki/Topics/Programming & Language/React 컴포넌트 Props 전달 및 상태 관리.md
index 4e893e5d..74bc4b16 100644
--- a/10_Wiki/Topics/Programming & Language/React 컴포넌트 Props 전달 및 상태 관리.md	
+++ b/10_Wiki/Topics/Programming & Language/React 컴포넌트 Props 전달 및 상태 관리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F29466
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - React 컴포넌트 Props 전
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[Excess Property Checking]], [[Runtime Validation (Zod)]]
-- **Projects/Contexts:** [[Redux-style Reducers]], [[React Component Library]]
+- **Related Topics:** [[Discriminated Unions]], [[Excess Property Checking]], Runtime Validation (Zod)
+- **Projects/Contexts:** Redux-style Reducers, React Component Library
 - **Contradictions/Notes:** React props 타입 정의 시 기본적인 사용에 있어 `interface`와 `type` 간의 실질적 큰 차이는 없으나, TypeScript는 캐싱과 성능 최적화 측면에서 교집합(&)보다는 `interface extends`의 사용을 권장합니다 [7, 8, 13].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/React 컴포넌트 Props 전달 및 상태 관리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Readonly Type.md b/10_Wiki/Topics/Programming & Language/Readonly Type.md
index b386e75f..dcad2fed 100644
--- a/10_Wiki/Topics/Programming & Language/Readonly Type.md	
+++ b/10_Wiki/Topics/Programming & Language/Readonly Type.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EDA6A3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Readonly Type"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Immutability]], [[Utility Types]], [[DeepReadonly]], [[Object.freeze()]], [[Mapped Types]]
-- **Projects/Contexts:** [[Functional Programming]], [[State Management]]
+- **Related Topics:** Immutability, Utility Types, [[DeepReadonly]], Object.freeze(), Mapped Types
+- **Projects/Contexts:** [[Functional Programming]], State Management
 - **Contradictions/Notes:** 자바스크립트의 `const`는 변수 자체의 재할당을 막고 객체 내부 속성의 변경은 허용하지만, TypeScript의 `readonly`는 객체 내부 속성의 변경을 막습니다[4, 19]. 또한 `Object.freeze()`는 런타임에 얕은 동결을 수행하지만, `readonly`는 런타임 성능 비용 없이 컴파일 타임에만 엄격하게 검사한다는 차이가 있습니다[5, 20, 21]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Readonly Type.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Readonly 유틸리티 타입.md b/10_Wiki/Topics/Programming & Language/Readonly 유틸리티 타입.md
index c358217b..63c9fb32 100644
--- a/10_Wiki/Topics/Programming & Language/Readonly 유틸리티 타입.md	
+++ b/10_Wiki/Topics/Programming & Language/Readonly 유틸리티 타입.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-33C0BF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Readonly 유틸리티 타입"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[불변성(Immutability)]], [[매핑된 타입(Mapped Types)]], [[DeepReadonly]]
+- **Related Topics:** [[불변성(Immutability)]], 매핑된 타입(Mapped Types), [[DeepReadonly]]
 - **Projects/Contexts:** 변경 불가한 외부 API 응답 데이터 모델링, 상태 관리 시스템(Redux 리듀서 등)의 데이터 무결성 보장, 그리고 애플리케이션의 전역 환경 설정(Configuration) 객체 보호 맥락에서 광범위하게 쓰입니다[8, 17].
 - **Contradictions/Notes:** TypeScript의 에일리어싱 한계로 인해 `readonly` 데이터가 `mutable` 타입을 요구하는 함수로 전달되어 내부에서 값이 변경될 위험이 존재하므로, 완전한 불변성을 지키려면 함수 시그니처 전반에 걸쳐 읽기 전용 파라미터를 강제하거나 데이터의 복사본을 넘기는 설계가 필요합니다[18, 19]. 또한, 모든 `readonly` 속성을 다시 수정 가능하게 되돌려야 할 때는 `Mutable`이라는 커스텀 헬퍼 타입을 만들어 매핑 수식어를 제거(`-readonly`)하는 방식으로 해결할 수 있습니다[6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Readonly 유틸리티 타입.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Real User Monitoring (RUM).md b/10_Wiki/Topics/Programming & Language/Real User Monitoring (RUM).md
index 3acc4360..97c6d7d2 100644
--- a/10_Wiki/Topics/Programming & Language/Real User Monitoring (RUM).md	
+++ b/10_Wiki/Topics/Programming & Language/Real User Monitoring (RUM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AB3C97
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Real User Monitoring (RUM)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Field Data]], [[Core Web Vitals]], [[Chrome User Experience Report (CrUX)]], [[Synthetic Testing]]
-- **Projects/Contexts:** [[Request Metrics]], [[DebugBear]]
+- **Related Topics:** Field Data, [[Core Web Vitals]], Chrome User Experience Report (CrUX), [[Synthetic Testing]]
+- **Projects/Contexts:** Request Metrics, DebugBear
 - **Contradictions/Notes:** 현장 데이터를 수집하는 대표적인 도구인 CrUX는 데이터가 월별로 업데이트되고 도메인 전체로 요약되어 제공되는 반면, Request Metrics와 같은 전문 RUM 서비스는 지연 없이 현재 시점(right now)의 실시간 성능 데이터를 제공한다는 차이점이 있습니다 [10, 13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Real User Monitoring (RUM).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Render State.md b/10_Wiki/Topics/Programming & Language/Render State.md
index e38e2264..5241d833 100644
--- a/10_Wiki/Topics/Programming & Language/Render State.md	
+++ b/10_Wiki/Topics/Programming & Language/Render State.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6A1728
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Render State"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Draw Call]], [[CPU]], [[GPU]]
-- **Projects/Contexts:** [[Unity]], [[Real-time Rendering]]
+- **Related Topics:** [[Draw Call]], CPU, [[GPU]]
+- **Projects/Contexts:** [[Unity]], Real-time Rendering
 - **Contradictions/Notes:** 소스 내에서 렌더 상태에 관한 정보나 최적화 방향성에 대해 상충되는 주장은 존재하지 않습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Render State.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Result Type.md b/10_Wiki/Topics/Programming & Language/Result Type.md
index 2a57e10f..0cb3919a 100644
--- a/10_Wiki/Topics/Programming & Language/Result Type.md	
+++ b/10_Wiki/Topics/Programming & Language/Result Type.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ED64AE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Result Type"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[Exception Handling]]
-- **Projects/Contexts:** [[neverthrow]], [[OneOf]], [[Railway Oriented Programming]]
+- **Related Topics:** [[Discriminated Unions]], Exception Handling
+- **Projects/Contexts:** neverthrow, OneOf, Railway Oriented Programming
 - **Contradictions/Notes:** C# 생태계에서는 Result Type 도입을 둘러싼 논쟁이 존재합니다. 도입을 지지하는 쪽은 타입 안전성과 명확한 에러 파악을 장점으로 꼽지만, 반대하는 개발자들은 C#이 기본적으로 예외(Exception) 기반의 언어이므로 두 가지 에러 처리 방식이 섞이면 혼란을 야기할 수 있으며, 결괏값을 포장(Wrapping)하고 푸는 과정에서 보일러플레이트 코드가 증가해 오히려 가독성을 해칠 수 있다고 지적합니다 [2, 6, 19, 20].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Result Type.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Robust-GitHub-Sync-Pipeline.md b/10_Wiki/Topics/Programming & Language/Robust-GitHub-Sync-Pipeline.md
index f32a3e5f..cb3b2816 100644
--- a/10_Wiki/Topics/Programming & Language/Robust-GitHub-Sync-Pipeline.md	
+++ b/10_Wiki/Topics/Programming & Language/Robust-GitHub-Sync-Pipeline.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CCD7BE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,7 +30,7 @@ GitHub API를 이용한 자동 커밋은 파일 존재 여부에 따라 SHA 값
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Ontology-Driven-Relevancy-Filtering]], [[Zustand-Based-Mission-Persistence]]
-- **Projects/Contexts:** [[Knowledge-Base-Automation]]
+- **Projects/Contexts:** Knowledge-Base-Automation
 - **Contradictions/Notes:** GitHub API의 Rate Limit(시간당 요청 제한)을 고려해야 하며, 대량의 커밋 성공 시 배치(Batch) 처리 방식을 검토할 수 있습니다.
-- Raw Source: [[00_Raw/2026-04-20/Robust-GitHub-Sync-Pipeline.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SCA (소프트웨어 구성 분석).md b/10_Wiki/Topics/Programming & Language/SCA (소프트웨어 구성 분석).md
index ef07c068..46fd86c2 100644
--- a/10_Wiki/Topics/Programming & Language/SCA (소프트웨어 구성 분석).md	
+++ b/10_Wiki/Topics/Programming & Language/SCA (소프트웨어 구성 분석).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A04F7E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - SCA (소프트웨어 구성 
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[SAST (정적 애플리케이션 보안 테스팅)]], [[서플라이 체인 보안 (Supply Chain Security)]], [[오픈소스 컴포넌트 (Open Source Components)]], [[도달 가능성 분석 (Reachability Analysis)]]
-- **Projects/Contexts:** [[데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사]], [[Snyk, Checkmarx, Endor Labs 등 종합 애플리케이션 보안 플랫폼]]
+- **Projects/Contexts:** [[데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사]], Snyk, Checkmarx, Endor Labs 등 종합 애플리케이션 보안 플랫폼
 - **Contradictions/Notes:** 여러 소스에서 SCA와 SAST는 서로 대체하거나 경쟁하는 관계가 아니라는 점을 분명히 합니다. SAST는 자체 작성 코드의 논리 결함을, SCA는 서드파티 코드의 버전 이력 및 라이선스 문제를 잡아내기 때문에 각 도구의 약점을 보완하려면 이 둘을 결합하여 사용하는 것이 모범 사례로 강조됩니다 [1, 2].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/SCA (소프트웨어 구성 분석).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SOLID 원칙.md b/10_Wiki/Topics/Programming & Language/SOLID 원칙.md
index 42aef66e..423873ca 100644
--- a/10_Wiki/Topics/Programming & Language/SOLID 원칙.md	
+++ b/10_Wiki/Topics/Programming & Language/SOLID 원칙.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FAB206
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,5 +36,5 @@ github_commit: "[P-Reinforce] Continuous Worker - SOLID 원칙"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/SOLID 원칙.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SPA 라우트 전환 성능 최적화.md b/10_Wiki/Topics/Programming & Language/SPA 라우트 전환 성능 최적화.md
index eab233e1..93a78d09 100644
--- a/10_Wiki/Topics/Programming & Language/SPA 라우트 전환 성능 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/SPA 라우트 전환 성능 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A346D0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - SPA 라우트 전환 성능 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[메모리 누수(Memory Leak)]], [[3-스냅샷 기법(Three-snapshot technique)]], [[가비지 컬렉션(Garbage Collection)]]
-- **Projects/Contexts:** [[Browser Memory Leak Detection]]
+- **Related Topics:** 메모리 누수(Memory Leak), 3-스냅샷 기법(Three-snapshot technique), 가비지 컬렉션(Garbage Collection)
+- **Projects/Contexts:** Browser Memory Leak Detection
 - **Contradictions/Notes:** 소스에서는 SPA 라우트 전환 성능 최적화에 대한 전반적인 프론트엔드 렌더링 최적화 기술은 언급하지 않으며, 오직 컴포넌트 언마운트 시의 정리 실패로 인한 메모리 누수 문제와 그 진단법에만 집중하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/SPA 라우트 전환 성능 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Satisfies Operator.md b/10_Wiki/Topics/Programming & Language/Satisfies Operator.md
index dbde3131..4a2376eb 100644
--- a/10_Wiki/Topics/Programming & Language/Satisfies Operator.md	
+++ b/10_Wiki/Topics/Programming & Language/Satisfies Operator.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B08904
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Satisfies Operator"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Excess Property Checking]], [[Structural Typing]], [[Discriminated Unions]], [[Type Narrowing]]
-- **Projects/Contexts:** [[설정 객체(Configuration Objects) 검증]], [[데이터 매핑 및 변환(Data Mapping & Transformation)]]
+- **Related Topics:** [[Excess Property Checking]], [[Structural Typing]], [[Discriminated Unions]], Type Narrowing
+- **Projects/Contexts:** 설정 객체(Configuration Objects) 검증, 데이터 매핑 및 변환(Data Mapping & Transformation)
 - **Contradictions/Notes:** 타입 단언(`as`)은 대상 타입과 근본적으로 호환되지 않는 경우가 아니면 잉여 속성이 포함되어 있어도 타입 검사를 강제하지 않고 통과시켜 조용한 에러(silent errors)를 낳을 수 있지만, `satisfies`는 이를 허용하지 않고 컴파일 타임에 엄격히 잡아냅니다 [10]. 또한, `satisfies`는 본래 추가적인 잉여 속성을 허용하는 특성이 있으나, 만약 추가된 속성의 이름이 대상 타입의 속성 철자와 비슷하여 오타로 의심될 경우에는 잠재적 오류로 간주하고 경고를 발생시킵니다 [2, 14, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Satisfies Operator.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Scavenge.md b/10_Wiki/Topics/Programming & Language/Scavenge.md
index 2f636397..37e866a7 100644
--- a/10_Wiki/Topics/Programming & Language/Scavenge.md	
+++ b/10_Wiki/Topics/Programming & Language/Scavenge.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E7007A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Scavenge"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[New-space (Young Generation)]], [[Old-space (Old Generation)]], [[Cheney's Algorithm]], [[Mark-Sweep-Compact]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Orinoco GC]], [[Eclipse OpenJ9]]
+- **Related Topics:** [[Garbage Collection]], New-space (Young Generation), Old-space (Old Generation), Cheney's Algorithm, Mark-Sweep-Compact
+- **Projects/Contexts:** [[V8 JavaScript Engine]], Orinoco GC, Eclipse OpenJ9
 - **Contradictions/Notes:** 소스 간의 뚜렷한 모순은 없으나, 스캐빈지가 발생하면 본래 메인 스레드가 정지하는 'Stop-the-world' 현상이 발생하지만 최신 V8 엔진(Orinoco)에서는 다수의 스레드를 동원한 병렬 처리(Parallel)를 적용하여 사용자가 느끼는 지연(Jank)을 획기적으로 줄였다고 명시하고 있습니다 [6, 10, 13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Scavenge.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Scavenger 알고리즘.md b/10_Wiki/Topics/Programming & Language/Scavenger 알고리즘.md
index 553b8d95..d5a9bc8d 100644
--- a/10_Wiki/Topics/Programming & Language/Scavenger 알고리즘.md	
+++ b/10_Wiki/Topics/Programming & Language/Scavenger 알고리즘.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-04124F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Scavenger 알고리즘"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Minor GC]], [[Young Generation]], [[Cheney's Algorithm]], [[Write Barriers]], [[Orinoco]]
-- **Projects/Contexts:** [[V8 엔진 메모리 관리 (V8 Memory Management)]], [[가비지 컬렉션 최적화]]
+- **Related Topics:** Minor GC, Young Generation, Cheney's Algorithm, Write Barriers, [[Orinoco]]
+- **Projects/Contexts:** V8 엔진 메모리 관리 (V8 Memory Management), 가비지 컬렉션 최적화
 - **Contradictions/Notes:** 과거 버전의 V8에서는 Scavenger가 단일 코어 환경에 적합한 완전한 동기식 Cheney 알고리즘을 구현했으나, 현재 크롬 및 Node.js의 멀티코어 환경 요구에 맞추어 메인 스레드와 워커 스레드가 동적으로 작업을 분배하는 병렬(Parallel) 복사 가비지 컬렉터로 진화했음이 기록되어 있습니다 [10, 20]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Scavenger 알고리즘.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Scheduler API.md b/10_Wiki/Topics/Programming & Language/Scheduler API.md
index 697113a4..c9b98353 100644
--- a/10_Wiki/Topics/Programming & Language/Scheduler API.md	
+++ b/10_Wiki/Topics/Programming & Language/Scheduler API.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6B64AB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Scheduler API"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[scheduler.yield()]], [[Interaction to Next Paint (INP)]]
+- **Related Topics:** scheduler.yield(), [[Interaction to Next Paint (INP)]]
 - **Projects/Contexts:** [[Web Performance Optimization]]
 - **Contradictions/Notes:** 소스 내에 상충하는 정보는 없습니다. 다만, Chrome(2024년)과 Firefox(2025년 8월)는 해당 API를 지원하지만 Safari는 아직 지원하지 않는다는 호환성 제약이 명시되어 있습니다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Scheduler API.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Server Architecture.md b/10_Wiki/Topics/Programming & Language/Server Architecture.md
index 2d79c9cc..94ea3b49 100644
--- a/10_Wiki/Topics/Programming & Language/Server Architecture.md	
+++ b/10_Wiki/Topics/Programming & Language/Server Architecture.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F7D840
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,5 +26,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Server Architecture"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Server Architecture.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer vs postMessage 성능 차이.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer vs postMessage 성능 차이.md
index b46e45d1..3a35e80b 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer vs postMessage 성능 차이.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer vs postMessage 성능 차이.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1B42F5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,12 +38,12 @@ github_commit: "[P-Reinforce] Continuous Worker - SharedArrayBuffer vs postMessa
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Web Worker]], [[직렬화(Serialization) 및 병목 현상]], [[Transferable Objects]], [[Data-Oriented Design (ECS)]], [[원자적 연산(Atomic Operations)]]
-- **Projects/Contexts:** [[멀티스레드 기반 고성능 React 게임 엔진]], [[실시간 물리 시뮬레이션 동기화]]
+- **Related Topics:** Web Worker, 직렬화(Serialization) 및 병목 현상, Transferable Objects, Data-Oriented Design (ECS), 원자적 연산(Atomic Operations)
+- **Projects/Contexts:** 멀티스레드 기반 고성능 React 게임 엔진, 실시간 물리 시뮬레이션 동기화
 - **Contradictions/Notes:** `postMessage`도 `ArrayBuffer` 등을 Transferable 객체로 전달하면 직렬화 오버헤드를 거의 0으로 만들 수 있습니다. 그러나 이는 '소유권 이전' 방식이므로 두 스레드가 "동시에 데이터를 읽고 쓰는" 양방향 공유(Shared)가 불가능하다는 점에서 `SharedArrayBuffer`와 결정적인 차이를 가집니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer vs postMessage 성능 차이.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 동시성 문제 해결법.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 동시성 문제 해결법.md
index 71059279..189699df 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 동시성 문제 해결법.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 동시성 문제 해결법.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-918534
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,12 +27,12 @@ github_commit: "[P-Reinforce] Continuous Worker - SharedArrayBuffer 동시성 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Web Worker]], [[Atomics API]], [[경쟁 상태 (Race Condition)]], [[Data-Oriented Design (ECS)]]
-- **Projects/Contexts:** [[멀티스레드 React WebGL 애플리케이션]], [[고성능 실시간 상호작용 시스템]]
+- **Related Topics:** Web Worker, Atomics API, 경쟁 상태 (Race Condition), Data-Oriented Design (ECS)
+- **Projects/Contexts:** 멀티스레드 React WebGL 애플리케이션, 고성능 실시간 상호작용 시스템
 - **Contradictions/Notes:** `SharedArrayBuffer`는 지연 시간을 극도로 낮추고 복사 비용을 '0'으로 만들지만, 로우 레벨의 이진 데이터 버퍼를 직접 다뤄야 하고 `Atomics`로 동시성을 관리해야 하므로 구현 복잡도가 매우 높습니다 [264, 895, 이전 대화 내용 참조]. 따라서 충돌 제어와 개발 편의성이 더 중요한 일반적인 경우에는 Valtio 등 프록시(Proxy)를 사용해 `BroadcastChannel`이나 `postMessage`로 변경점(Delta)만 동기화하는 메시지 기반 패턴이 더 직관적일 수 있습니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer 동시성 문제 해결법.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation.md
index e45f235b..946533d2 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C3F189
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,12 +29,12 @@ github_commit: "[P-Reinforce] Continuous Worker - SharedArrayBuffer 보안 이
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre & Meltdown 취약점]], [[CORS (Cross-Origin Resource Sharing)]], [[HTTP Security Headers (COOP, COEP, CORP)]], [[Web Worker 멀티스레딩 통신]]
-- **Projects/Contexts:** [[보안 격리 환경에서의 고성능 웹 게임 개발]], [[멀티스레드 기반 렌더링 파이프라인(React Three Fiber)]]
+- **Related Topics:** Spectre & Meltdown 취약점, CORS (Cross-Origin Resource Sharing), HTTP Security Headers (COOP, COEP, CORP), Web Worker 멀티스레딩 통신
+- **Projects/Contexts:** 보안 격리 환경에서의 고성능 웹 게임 개발, 멀티스레드 기반 렌더링 파이프라인(React Three Fiber)
 - **Contradictions/Notes:** 로컬 개발 환경(`localhost` 또는 `127.0.0.1`)에서는 개발 편의상 Cross-Origin Isolation 헤더 없이도 `SharedArrayBuffer`가 임시로 동작할 수 있으나, 실제 프로덕션(HTTPS 환경)에 배포할 때는 반드시 헤더 설정이 필요합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 COOP COEP 헤더 설정.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 COOP COEP 헤더 설정.md
index d203abf3..f20cd1cd 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 COOP COEP 헤더 설정.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 COOP COEP 헤더 설정.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-01AE3D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,12 +29,12 @@ _(안내: 제공된 소스 자료에서는 `SharedArrayBuffer`가 복사 비용
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Cross-Origin Isolation (COI)]], [[HTTP Security Headers (COOP/COEP)]], [[Spectre 취약점 부채널 공격]], [[CORS 및 CORP 설정]]
-- **Projects/Contexts:** [[보안이 강화된 고성능 WebGL/멀티스레드 게임 엔진 배포]]
+- **Related Topics:** Cross-Origin Isolation (COI), HTTP Security Headers (COOP/COEP), Spectre 취약점 부채널 공격, CORS 및 CORP 설정
+- **Projects/Contexts:** 보안이 강화된 고성능 WebGL/멀티스레드 게임 엔진 배포
 - **Contradictions/Notes:** COOP와 COEP 헤더를 적용하면 엔진의 성능을 최대로 끌어올릴 수 있지만, 반대급부로 기존에 제약 없이 로드되던 외부 CDN 이미지나 타사 분석 스크립트가 브라우저에 의해 렌더링 차단되는 심각한 부작용이 생길 수 있습니다. 이를 우회하려면 외부 리소스 태그에 `crossorigin="anonymous"` 속성을 달고, 리소스 제공 서버가 적절한 접근 제어 헤더를 함께 내려주어야 하는 인프라적 제약이 따릅니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer 보안을 위한 COOP, COEP 헤더 설정.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 Cross-Origin Isolation 서버 헤더 설정.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 Cross-Origin Isolation 서버 헤더 설정.md
index b047cea0..213962db 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 Cross-Origin Isolation 서버 헤더 설정.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer 보안을 위한 Cross-Origin Isolation 서버 헤더 설정.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-32CC81
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,12 +32,12 @@ github_commit: "[P-Reinforce] Continuous Worker - SharedArrayBuffer 보안을 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre 부채널 공격 (Side-Channel Attack)]], [[HTTP Security Headers (COOP/COEP/CORP)]], [[CORS (Cross-Origin Resource Sharing)]], [[Web Worker Multi-threading]]
-- **Projects/Contexts:** [[보안이 강화된 고성능 WebGL/React 게임 엔진 배포 환경 구축]]
+- **Related Topics:** Spectre 부채널 공격 (Side-Channel Attack), HTTP Security Headers (COOP/COEP/CORP), CORS (Cross-Origin Resource Sharing), Web Worker Multi-threading
+- **Projects/Contexts:** 보안이 강화된 고성능 WebGL/React 게임 엔진 배포 환경 구축
 - **Contradictions/Notes:** 로컬 개발 환경(`localhost` 또는 `127.0.0.1`)에서는 개발 편의를 위해 COOP/COEP 헤더 없이도 `SharedArrayBuffer`가 일시적으로 동작할 수 있습니다. 하지만 실제 도메인이 연결된 프로덕션(HTTPS) 환경으로 배포할 때는 서버 헤더 설정이 누락되면 즉시 앱이 중단되므로 인프라 수준에서의 꼼꼼한 설정이 필요합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer 보안을 위한 Cross-Origin Isolation 서버 헤더 설정.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer로 스레드 간 메모리 공유 효율 높이기.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer로 스레드 간 메모리 공유 효율 높이기.md
index cbf86a0a..504136f4 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer로 스레드 간 메모리 공유 효율 높이기.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer로 스레드 간 메모리 공유 효율 높이기.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4A9AE0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,5 +33,5 @@ github_commit: "[P-Reinforce] Continuous Worker - SharedArrayBuffer로 스레드
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer로 스레드 간 메모리 공유 효율 높이기.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer와 Atomics 구체적 활용법.md b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer와 Atomics 구체적 활용법.md
index 8b80669c..c6ba9557 100644
--- a/10_Wiki/Topics/Programming & Language/SharedArrayBuffer와 Atomics 구체적 활용법.md	
+++ b/10_Wiki/Topics/Programming & Language/SharedArrayBuffer와 Atomics 구체적 활용법.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0A2C98
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -61,12 +61,12 @@ Atomics.notify(sharedArray, 3, 1); // 인덱스 3에서 대기 중인 스레드
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SharedArrayBuffer]], [[Web Worker]], [[Data Race (데이터 경쟁)]], [[Lock / Mutex 동기화 패턴]]
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템]], [[멀티스레드 React 게임 엔진 아키텍처]]
+- **Related Topics:** SharedArrayBuffer, Web Worker, Data Race (데이터 경쟁), Lock / Mutex 동기화 패턴
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템, 멀티스레드 React 게임 엔진 아키텍처
 - **Contradictions/Notes:** `SharedArrayBuffer`와 `Atomics`는 메모리 복사를 없애 지연 시간을 극도로 낮추는 최적의 수단이지만, 원시 이진 데이터를 직접 제어해야 하므로 구현 난이도가 매우 높습니다. 따라서 실무에서는 개발 편의성을 위해 직렬화 오버헤드를 어느 정도 감수하더라도 `Valtio` 같은 프록시 객체를 통한 메시지 패싱 방식을 선택하거나, 이진 데이터를 추상화해 둔 `bitECS` 같은 고성능 라이브러리를 활용하는 경우가 많습니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/SharedArrayBuffer와 Atomics 구체적 활용법.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Side-channel Attack.md b/10_Wiki/Topics/Programming & Language/Side-channel Attack.md
index 86dc2309..a41e8844 100644
--- a/10_Wiki/Topics/Programming & Language/Side-channel Attack.md	
+++ b/10_Wiki/Topics/Programming & Language/Side-channel Attack.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-624D09
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Side-channel Attack"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Speculative Execution]], [[Timing Attack]], [[Timer Quantization]], [[Rowhammer]]
-- **Projects/Contexts:** [[WebKit]], [[JavaScriptCore]], [[Blink]], [[WebGPU timestamp queries]], [[EXT_disjoint_timer_query]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Speculative Execution]], [[Timing Attack]], Timer Quantization, [[Rowhammer]]
+- **Projects/Contexts:** [[WebKit]], [[JavaScriptCore]], [[Blink]], WebGPU timestamp queries, EXT_disjoint_timer_query
 - **Contradictions/Notes:** 고정밀 GPU 타임스탬프 기능의 경우, 성능 프로파일링을 위해 이 기능이 필수적이라는 개발자들의 요구(WebGPU 커뮤니티 등)와 캐시 부채널 공격(Timing attack)을 막아야 한다는 보안 요구가 충돌합니다. 이에 따라 브라우저 벤더들은 사이트 격리(Site isolation) 상태에 따라 타이머 해상도를 조대화(coarsening)하거나 양자화(quantization)를 강제하는 방식을 타협점으로 사용하고 있습니다 [4, 11, 15, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Side-channel Attack.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Single Page Applications (SPA).md b/10_Wiki/Topics/Programming & Language/Single Page Applications (SPA).md
index 7aa13b35..1642030a 100644
--- a/10_Wiki/Topics/Programming & Language/Single Page Applications (SPA).md	
+++ b/10_Wiki/Topics/Programming & Language/Single Page Applications (SPA).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D50C28
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Single Page Applications (SPA)
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Memory Leaks]], [[Garbage Collection]]
-- **Projects/Contexts:** [[Browser Memory Leak Detection]]
+- **Projects/Contexts:** Browser Memory Leak Detection
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Single Page Applications (SPA).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Spectre.md b/10_Wiki/Topics/Programming & Language/Spectre.md
index a77849fc..34918ad6 100644
--- a/10_Wiki/Topics/Programming & Language/Spectre.md	
+++ b/10_Wiki/Topics/Programming & Language/Spectre.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6C2AC3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Spectre"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Speculative Execution]], [[Branch Prediction]], [[Meltdown]], [[Timing Attacks]], [[Branchless Security Checks]]
+- **Related Topics:** [[Speculative Execution]], [[Branch Prediction]], Meltdown, [[Timing Attacks]], [[Branchless Security Checks]]
 - **Projects/Contexts:** [[WebKit]], [[JavaScriptCore]], [[WebGL]], [[WebGPU]]
 - **Contradictions/Notes:** 그래픽스 및 성능 최적화 개발자들은 마이크로 레이턴시 측정을 위해 WebGPU/WebGL 환경에서 나노초 단위의 정밀한 타이머를 필요로 하지만, 브라우저 벤더들은 Spectre와 같은 사이드 채널 공격을 방지하기 위해 이 타이머의 정밀도를 의도적으로 제한해야 하는 보안과 성능 분석 기능 간의 상충 관계(Trade-off)가 발생합니다 [12-14, 19].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Spectre.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Speculative Execution.md b/10_Wiki/Topics/Programming & Language/Speculative Execution.md
index b7cf853f..61e050e7 100644
--- a/10_Wiki/Topics/Programming & Language/Speculative Execution.md	
+++ b/10_Wiki/Topics/Programming & Language/Speculative Execution.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CCED4D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Speculative Execution"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Branch Prediction]], [[L1 Cache]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Branch Prediction]], L1 Cache
 - **Projects/Contexts:** [[WebKit]], [[JavaScriptCore]]
 - **Contradictions/Notes:** 소스 내에서 상충되는 주장은 발견되지 않았습니다. 다만, 이와 관련하여 WebKit 프로젝트는 추측 실행을 악용한 공격을 방어하기 위해 타이머(performance.now 등)의 정밀도를 낮추고, 분기 명령어에 의존하지 않는 보안 검사(branchless security checks) 및 포인터 포이즈닝(pointer poisoning)을 도입하는 방식으로 대응하고 있습니다 [7-9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Speculative Execution.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Stop-the-world.md b/10_Wiki/Topics/Programming & Language/Stop-the-world.md
index 5698d1a9..2bea7a71 100644
--- a/10_Wiki/Topics/Programming & Language/Stop-the-world.md	
+++ b/10_Wiki/Topics/Programming & Language/Stop-the-world.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D2D9B2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Stop-the-world"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Heap Memory]], [[Orinoco]], [[Mark-Sweep]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[IBM Java Virtual Machine (VM)]]
+- **Related Topics:** [[Garbage Collection]], Heap Memory, [[Orinoco]], [[Mark-Sweep]]
+- **Projects/Contexts:** [[V8 JavaScript Engine]], IBM Java Virtual Machine (VM)
 - **Contradictions/Notes:** 제공된 소스들 사이에서 내용 상의 모순은 없으며, V8 엔진과 IBM JVM 환경 모두에서 가비지 컬렉션 중 발생하는 'Stop-the-world'의 기본 개념과 이를 최적화(병렬, 동시, 점진적 처리)하여 일시 정지 시간을 줄이려는 공통된 발전 방향을 보여줍니다 [3-5, 8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Stop-the-world.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Structural Typing.md b/10_Wiki/Topics/Programming & Language/Structural Typing.md
index a7e56030..25b32d44 100644
--- a/10_Wiki/Topics/Programming & Language/Structural Typing.md	
+++ b/10_Wiki/Topics/Programming & Language/Structural Typing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8C150A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Structural Typing"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Duck Typing]], [[Nominal Typing]], [[Excess Property Checking]], [[Branded Types]], [[satisfies Operator]]
-- **Projects/Contexts:** [[TypeScript Type System]]
+- **Related Topics:** Duck Typing, Nominal Typing, [[Excess Property Checking]], Branded Types, [[satisfies Operator]]
+- **Projects/Contexts:** TypeScript Type System
 - **Contradictions/Notes:** 구조적 타이핑은 기본적으로 대상 객체가 추가적인 속성을 가지는 것을 허용하여 유연한 호환성을 부여하지만[4], 객체 리터럴을 직접 할당할 때는 이러한 유연성 대신 '초과 속성 검사(Excess Property Checking)'가 개입하여 선언되지 않은 속성의 존재를 엄격하게 에러로 처리한다는 상반된 동작 규칙이 공존한다[6, 11, 12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Structural Typing.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/StyleCounsel.md b/10_Wiki/Topics/Programming & Language/StyleCounsel.md
index e9f5f28e..7f828cc7 100644
--- a/10_Wiki/Topics/Programming & Language/StyleCounsel.md	
+++ b/10_Wiki/Topics/Programming & Language/StyleCounsel.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-761709
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - StyleCounsel"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Code Stylometry]], [[Authorship Attribution]], [[Random Forest]], [[Adversarial Imitation]]
-- **Projects/Contexts:** [[Eclipse IDE]], [[Weka Machine Learning]]
+- **Related Topics:** Code Stylometry, Authorship Attribution, Random Forest, Adversarial Imitation
+- **Projects/Contexts:** Eclipse IDE, Weka Machine Learning
 - **Contradictions/Notes:** 사용자 연구에 따르면, StyleCounsel의 지속적이고 자동화된 피드백은 수동으로 코드를 분석하는 시간을 획기적으로 줄여준다는 긍정적인 평가를 받았습니다. 반면, 추천된 변경 사항 중 일부는 가독성 유지나 기능적 결함 발생을 우려하게 만들어 실제 코드에 적용하기 까다롭다는 점이 상충하는 한계로 지적되었습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/StyleCounsel.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Submodules.md b/10_Wiki/Topics/Programming & Language/Submodules.md
index 7763e4e6..e7da8991 100644
--- a/10_Wiki/Topics/Programming & Language/Submodules.md	
+++ b/10_Wiki/Topics/Programming & Language/Submodules.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A6EDEA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Submodules"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Husky]], [[lint-staged]], [[ESLint]], [[TypeScript]]
-- **Projects/Contexts:** [[팀 코딩 표준 강제 (Enforcing coding standards)]]
+- **Related Topics:** [[Husky]], [[lint-staged]], [[ESLint]], TypeScript
+- **Projects/Contexts:** 팀 코딩 표준 강제 (Enforcing coding standards)
 - **Contradictions/Notes:** 서브모듈은 부모 디렉터리에 도구들이 설치 및 설정되어 있더라도 이를 자동으로 공유하지 않습니다. 따라서 부모 애플리케이션의 린트 및 포맷팅 자동화를 서브모듈에도 동일하게 적용하려면 각각 독립적인 훅과 확장 설정이 강제됩니다 [1, 2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Submodules.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Synthetic Testing.md b/10_Wiki/Topics/Programming & Language/Synthetic Testing.md
index 95c81381..91523e93 100644
--- a/10_Wiki/Topics/Programming & Language/Synthetic Testing.md	
+++ b/10_Wiki/Topics/Programming & Language/Synthetic Testing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DE0BE9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Synthetic Testing"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Lab Data]], [[Field Data]], [[Real User Monitoring]], [[Core Web Vitals]]
-- **Projects/Contexts:** [[웹 성능 모니터링 및 최적화]], [[Google Lighthouse]], [[WebPageTest]]
+- **Related Topics:** Lab Data, Field Data, Real User Monitoring, [[Core Web Vitals]]
+- **Projects/Contexts:** 웹 성능 모니터링 및 최적화, [[Google Lighthouse]], WebPageTest
 - **Contradictions/Notes:** Synthetic Testing(합성 테스트)은 통제된 환경에서의 성능 추정에는 매우 유용하지만, 실제 사용자의 상호작용을 완벽하게 재현할 수 없다는 한계를 가집니다. 따라서 이를 보완하기 위해 실제 환경의 성능을 반영하는 Field Data(Real User Monitoring)가 필수적으로 요구된다고 소스들은 강조합니다 [1, 2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Synthetic Testing.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TeamCity.md b/10_Wiki/Topics/Programming & Language/TeamCity.md
index ad6a3b25..7848503b 100644
--- a/10_Wiki/Topics/Programming & Language/TeamCity.md	
+++ b/10_Wiki/Topics/Programming & Language/TeamCity.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-63B068
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TeamCity"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Continuous Integration]], [[Qodana]], [[CI/CD]]
-- **Projects/Contexts:** [[정적 코드 분석 및 소프트웨어 빌드 자동화]]
+- **Related Topics:** Continuous Integration, Qodana, CI/CD
+- **Projects/Contexts:** 정적 코드 분석 및 소프트웨어 빌드 자동화
 - **Contradictions/Notes:** 소스에는 TeamCity가 CI/CD 서버로서 Qodana와 통합되어 빌드 프로세스를 돕는다는 사실 외에 구체적인 기능이나 상세한 원리에 대한 설명은 없으므로, 전반적으로 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/TeamCity.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Texture Atlas.md b/10_Wiki/Topics/Programming & Language/Texture Atlas.md
index 1332da92..7a1fa8c2 100644
--- a/10_Wiki/Topics/Programming & Language/Texture Atlas.md	
+++ b/10_Wiki/Topics/Programming & Language/Texture Atlas.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-71CA1F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Texture Atlas"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[Draw Call]], [[UV Offset]], [[Edge Bleeding]], [[Data Array Textures]], [[BatchedMesh]]
+- **Related Topics:** [[InstancedMesh]], [[Draw Call]], [[UV Offset]], [[Edge Bleeding]], [[Data Array Textures]], BatchedMesh
 - **Projects/Contexts:** [[Three.js 렌더링 최적화]], [[WebGL 모바일 GPU 성능 관리]]
 - **Contradictions/Notes:** 소스 문헌들은 텍스처 아틀라스가 드로우 콜을 획기적으로 줄여주는 필수 최적화 기법임을 인정하면서도, 경계선 블리딩(Edge Bleeding) 방지를 위한 패딩으로 인한 메모리 낭비와 UV 연산 복잡성 증가라는 명확한 단점을 지적한다. 그 대안으로 배열 텍스처(Array Textures)가 추천되지만, 다양한 해상도의 텍스처를 혼합해 써야 할 경우에는 여전히 텍스처 아틀라스를 사용해야 한다는 트레이드오프가 존재한다 [2, 5, 9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Texture Atlas.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Throttling  Debouncing.md b/10_Wiki/Topics/Programming & Language/Throttling  Debouncing.md
index 7257af8c..f647d927 100644
--- a/10_Wiki/Topics/Programming & Language/Throttling  Debouncing.md	
+++ b/10_Wiki/Topics/Programming & Language/Throttling  Debouncing.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-92BBDE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,12 +26,12 @@ github_commit: "[P-Reinforce] Continuous Worker - Throttling  Debouncing"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React Performance Optimization]], [[Tree Shaking (번들 크기 최적화)]], [[이벤트 포워딩 (Event Forwarding)]], [[불필요한 리렌더링 방지]]
-- **Projects/Contexts:** [[실시간 검색 입력(Typing) 지연 처리]], [[반응형 윈도우 리사이즈(Resize) 이벤트 처리]], [[웹 워커 통신 지연 최소화]]
+- **Related Topics:** [[React Performance Optimization]], [[Tree Shaking (번들 크기 최적화)]], 이벤트 포워딩 (Event Forwarding), [[불필요한 리렌더링 방지]]
+- **Projects/Contexts:** 실시간 검색 입력(Typing) 지연 처리, [[반응형 윈도우 리사이즈(Resize) 이벤트 처리]], 웹 워커 통신 지연 최소화
 - **Contradictions/Notes:** 스로틀링과 디바운싱은 무거운 연산을 줄이고 프레임 드랍을 막아주지만, 설정한 대기 시간이 너무 길면 화면 업데이트가 늦어져 사용자에게 끊기는 느낌을 줄 수 있습니다. 따라서 작업의 성격(예: 즉각 반응이 필요한 드래그, 멈춘 후 반응해도 되는 윈도우 리사이즈)에 맞추어 적절한 지연 시간을 타협하는 것이 중요합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/Throttling & Debouncing.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Timing Attack.md b/10_Wiki/Topics/Programming & Language/Timing Attack.md
index e362bb5e..43c604d7 100644
--- a/10_Wiki/Topics/Programming & Language/Timing Attack.md	
+++ b/10_Wiki/Topics/Programming & Language/Timing Attack.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-392C3B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,5 +31,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Timing Attack"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Timing Attack.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Timing Attacks.md b/10_Wiki/Topics/Programming & Language/Timing Attacks.md
index a4798871..4bc10c91 100644
--- a/10_Wiki/Topics/Programming & Language/Timing Attacks.md	
+++ b/10_Wiki/Topics/Programming & Language/Timing Attacks.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-59075E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Timing Attacks"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Speculative Execution]], [[Timestamp Queries]], [[Side-channel Attacks]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Speculative Execution]], [[Timestamp Queries]], Side-channel Attacks
 - **Projects/Contexts:** [[WebKit]], [[WebGPU]], [[WebGL]]
 - **Contradictions/Notes:** 소스에 따르면 WebGPU 및 WebGL의 고정밀 타임스탬프 쿼리 기능은 개발자의 성능 최적화(Profiling)를 위해 반드시 필요하지만, 타이밍 공격에 악용될 수 있는 치명적인 위험성을 동시에 안고 있습니다. 이 때문에 표준화 그룹과 브라우저 벤더들은 성능 분석 기능 제공과 보안 유지 사이에서 타협점(예: 사이트 격리 상태에 따른 타이머 해상도 축소 및 비활성화)을 찾아야만 했습니다 [8, 14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Timing Attacks.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/To-Space와 From-Space.md b/10_Wiki/Topics/Programming & Language/To-Space와 From-Space.md
index f84cfaf6..288276a5 100644
--- a/10_Wiki/Topics/Programming & Language/To-Space와 From-Space.md	
+++ b/10_Wiki/Topics/Programming & Language/To-Space와 From-Space.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3F32E9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - To-Space와 From-Space"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[New Space]], [[Scavenger]], [[Cheney's Algorithm]], [[Garbage Collection]]
-- **Projects/Contexts:** [[V8 JavaScript Engine Memory Management]], [[Orinoco Garbage Collector]]
+- **Related Topics:** New Space, Scavenger, Cheney's Algorithm, [[Garbage Collection]]
+- **Projects/Contexts:** V8 JavaScript Engine Memory Management, Orinoco Garbage Collector
 - **Contradictions/Notes:** 소스 간에 새 객체가 최초로 할당되는 기본 공간의 명칭에 대해 설명이 엇갈립니다. 소스 [1, 14]는 새 객체가 'To-Space'에 할당되고 공간이 가득 차면 두 공간을 바꾼 후 From-Space에서 To-Space로 활성 객체를 복사한다고 설명합니다. 반면, 소스 [5, 6, 9]는 새 객체가 'From-Space'에 할당되며, 마이너 GC 발생 시 활성 객체를 비어있는 To-Space로 복사한 뒤 두 공간의 역할을 맞바꾸어 다시 비워진 From-Space에 새로운 할당을 진행한다고 상반되게 설명하고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/To-Space와 From-Space.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Toss Front SDK 기반 외부 연동사 플러그인 개발 생태계 구축.md b/10_Wiki/Topics/Programming & Language/Toss Front SDK 기반 외부 연동사 플러그인 개발 생태계 구축.md
index 7864aa8c..ebcdc6af 100644
--- a/10_Wiki/Topics/Programming & Language/Toss Front SDK 기반 외부 연동사 플러그인 개발 생태계 구축.md	
+++ b/10_Wiki/Topics/Programming & Language/Toss Front SDK 기반 외부 연동사 플러그인 개발 생태계 구축.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C43BEF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Toss Front SDK 기반 외부 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Toss Front SDK]], [[Facade 패턴]], [[Single Responsibility Principle (SRP)]], [[Escape Hatch (탈출구)]]
-- **Projects/Contexts:** [[토스플레이스 결제 단말기 생태계 확장]]
+- **Related Topics:** Toss Front SDK, Facade 패턴, Single Responsibility Principle (SRP), [[Escape Hatch (탈출구)]]
+- **Projects/Contexts:** 토스플레이스 결제 단말기 생태계 확장
 - **Contradictions/Notes:** 소스 내에 관련된 모순점이나 반대 의견은 존재하지 않습니다. 소스는 Toss Front SDK의 개발자 경험(DX)을 개선하고, 안정성을 확보하며, 휴먼 에러를 구조적으로 방지하기 위해 퍼사드 패턴과 책임 분리를 적용해야 한다는 일관된 주장을 펼치고 있습니다 [1, 3, 8].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Toss Front SDK 기반 외부 연동사 플러그인 개발 생태계 구축.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Toss Front SDK의 Facade 패턴 적용 사례.md b/10_Wiki/Topics/Programming & Language/Toss Front SDK의 Facade 패턴 적용 사례.md
index 8d9c9b36..6edffbc3 100644
--- a/10_Wiki/Topics/Programming & Language/Toss Front SDK의 Facade 패턴 적용 사례.md	
+++ b/10_Wiki/Topics/Programming & Language/Toss Front SDK의 Facade 패턴 적용 사례.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E2FE05
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Toss Front SDK의 Facade 패
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Facade 패턴]], [[단일 책임 원칙(SRP)]], [[Escape Hatch (탈출구)]]
-- **Projects/Contexts:** [[Toss Front]], [[토스플레이스 결제 단말기 SDK]]
+- **Related Topics:** Facade 패턴, [[단일 책임 원칙(SRP)]], [[Escape Hatch (탈출구)]]
+- **Projects/Contexts:** Toss Front, 토스플레이스 결제 단말기 SDK
 - **Contradictions/Notes:** 소스에서는 Facade 패턴이 모든 문제의 정답은 아니며, 추상화 수준이 높아질수록 세밀한 제어가 제한되는 트레이드오프가 발생한다고 지적합니다. 이를 해결하기 위해 편리한 고수준 API에만 안주하지 않고, 언제든 저수준 인터페이스로 내려가 조작할 수 있는 '탈출구(Escape Hatch)'를 제공하여 설계의 균형을 잡아야 한다고 강조합니다. [5, 7]
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Toss Front SDK의 Facade 패턴 적용 사례.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Turborepo 기반 모노레포 워크플로우.md b/10_Wiki/Topics/Programming & Language/Turborepo 기반 모노레포 워크플로우.md
index c29737de..1d7ccde1 100644
--- a/10_Wiki/Topics/Programming & Language/Turborepo 기반 모노레포 워크플로우.md	
+++ b/10_Wiki/Topics/Programming & Language/Turborepo 기반 모노레포 워크플로우.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5397E2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Turborepo 기반 모노레포
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[Husky]], [[Lint-staged]]
-- **Projects/Contexts:** [[Next.js 애플리케이션]], [[공유 라이브러리(Library) 환경]]
+- **Projects/Contexts:** Next.js 애플리케이션, 공유 라이브러리(Library) 환경
 - **Contradictions/Notes:** 소스에 상충하는 내용이나 관련 정보가 부족합니다. 다만 기존의 중복되고 분산된 설정 방식과, 중앙 집중화 및 루트 오케스트레이션을 도입한 현대적 방식 간의 개발자 경험(DX) 차이가 극적으로 향상됨을 강조합니다 [1], [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Turborepo 기반 모노레포 워크플로우.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Turborepo 환경 구성.md b/10_Wiki/Topics/Programming & Language/Turborepo 환경 구성.md
index 60512cfb..89cf2530 100644
--- a/10_Wiki/Topics/Programming & Language/Turborepo 환경 구성.md	
+++ b/10_Wiki/Topics/Programming & Language/Turborepo 환경 구성.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C5884C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - Turborepo 환경 구성"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[lint-staged]], [[Husky]], [[Monorepo]]
-- **Projects/Contexts:** [[Turborepo 기반 다중 패키지 프로젝트의 린팅 및 코드 포매팅 자동화 파이프라인 구축]]
+- **Projects/Contexts:** Turborepo 기반 다중 패키지 프로젝트의 린팅 및 코드 포매팅 자동화 파이프라인 구축
 - **Contradictions/Notes:** 소스는 ESLint 9의 평면 구성 형식을 기준으로 최적의 환경 구성법을 제안하고 있습니다. 만약 ESLint 8 환경을 이용할 경우에는 `eslint.config.mjs` 대신 `.eslintrc.js`를 사용하고 ES 모듈 대신 CommonJS를 사용해야 하는 등 이전 형식에 맞춘 구조적 조정이 별도로 필요합니다 [11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Turborepo 환경 구성.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Turborepo.md b/10_Wiki/Topics/Programming & Language/Turborepo.md
index 486a3bd2..996c6477 100644
--- a/10_Wiki/Topics/Programming & Language/Turborepo.md	
+++ b/10_Wiki/Topics/Programming & Language/Turborepo.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9E8212
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Turborepo"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Turborepo.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Turborepo를 활용한 다중 애플리케이션 및 라이브러리 통합 관리.md b/10_Wiki/Topics/Programming & Language/Turborepo를 활용한 다중 애플리케이션 및 라이브러리 통합 관리.md
index cf03490d..52e5f7b2 100644
--- a/10_Wiki/Topics/Programming & Language/Turborepo를 활용한 다중 애플리케이션 및 라이브러리 통합 관리.md	
+++ b/10_Wiki/Topics/Programming & Language/Turborepo를 활용한 다중 애플리케이션 및 라이브러리 통합 관리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F2D6B7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Turborepo를 활용한 다중
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[모노레포(Monorepo)]], [[ESLint 및 Prettier 통합]], [[lint-staged와 Husky]]
-- **Projects/Contexts:** [[Turborepo 기반의 확장 가능한 프론트엔드 환경 구축 및 중앙 집중형 코드 거버넌스]]
+- **Related Topics:** 모노레포(Monorepo), ESLint 및 Prettier 통합, lint-staged와 Husky
+- **Projects/Contexts:** Turborepo 기반의 확장 가능한 프론트엔드 환경 구축 및 중앙 집중형 코드 거버넌스
 - **Contradictions/Notes:** 모노레포 내 각 패키지마다 독립된 설정과 의존성을 중복해서 유지하는 전통적인 방식에 반대하며, 단일 진실 공급원(Single source of truth) 역할을 하는 전용 설정 패키지를 구축하여 루트에서 일괄 오케스트레이션하는 현대적이고 통합적인 관리 체계를 지향합니다 [2, 6, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Turborepo를 활용한 다중 애플리케이션 및 라이브러리 통합 관리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Type Casting.md b/10_Wiki/Topics/Programming & Language/Type Casting.md
index 5300bf9e..e1038621 100644
--- a/10_Wiki/Topics/Programming & Language/Type Casting.md	
+++ b/10_Wiki/Topics/Programming & Language/Type Casting.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2B5557
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Type Casting"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Assertion]], [[Type Guards]], [[Satisfies Operator]], [[Branded Types]], [[unknown]]
-- **Projects/Contexts:** [[DOM Manipulation]], [[Type System Design]]
+- **Related Topics:** Type Assertion, Type Guards, [[Satisfies Operator]], Branded Types, unknown
+- **Projects/Contexts:** DOM Manipulation, Type System Design
 - **Contradictions/Notes:** 소스에서는 `as` 키워드를 사용한 타입 캐스팅이 타입 에러를 우회하는 강력한 수단이지만, 초과 속성 검사를 건너뛰어 안전성을 훼손하므로, 구조적 엄격함을 유지해야 하는 데이터 변환 및 매핑 상황에서는 캐스팅보다 `satisfies` 키워드를 사용하는 것을 우선적으로 권장합니다 [8, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Type Casting.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Type-safe Error Handling  Exhaustiveness Checking.md b/10_Wiki/Topics/Programming & Language/Type-safe Error Handling  Exhaustiveness Checking.md
index faf59873..8c75301a 100644
--- a/10_Wiki/Topics/Programming & Language/Type-safe Error Handling  Exhaustiveness Checking.md	
+++ b/10_Wiki/Topics/Programming & Language/Type-safe Error Handling  Exhaustiveness Checking.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E20F27
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Type-safe Error Handling  Exha
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[The never Type]], [[Result Type]]
-- **Projects/Contexts:** [[neverthrow 라이브러리]], [[ts-pattern 라이브러리]]
+- **Related Topics:** [[Discriminated Unions]], The never Type, [[Result Type]]
+- **Projects/Contexts:** neverthrow 라이브러리, ts-pattern 라이브러리
 - **Contradictions/Notes:** 분기 처리 시 `ts-pattern` 라이브러리의 `.exhaustive()`를 사용하여 철저함 검사를 손쉽게 수행할 수 있으나, 네이티브 `if/else`나 `switch` 문에 `satisfies never`를 결합하는 방식에 비해 패턴 매칭 연산 성능이 99% 이상 떨어질 수 있어 오버엔지니어링을 경계해야 한다는 지적이 있습니다 [20-22]. 또한, 일부 언어(예: C#) 생태계에서는 예외 처리가 언어 표준 프레임워크 설계에 더 부합한다는 이유로 Result 타입을 과도한 보일러플레이트로 간주하는 비판적 의견도 존재합니다 [23, 24].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Type-safe Error Handling & Exhaustiveness Checking.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript 49.md b/10_Wiki/Topics/Programming & Language/TypeScript 49.md
index afba6201..75eb5420 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript 49.md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript 49.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-33CE04
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript 49"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[satisfies Operator]], [[Excess Property Checking]], [[Structural Typing]], [[Type Narrowing]]
-- **Projects/Contexts:** [[Type Safety Verification]], [[Object Structure Validation]]
+- **Related Topics:** [[satisfies Operator]], [[Excess Property Checking]], [[Structural Typing]], Type Narrowing
+- **Projects/Contexts:** Type Safety Verification, Object Structure Validation
 - **Contradictions/Notes:** 주어진 소스 내에서 TypeScript 4.9와 관련된 설명은 전적으로 `satisfies` 연산자의 도입과 그로 인한 타입 검증 시스템의 변화에 집중되어 있으며, 그 외 TypeScript 4.9의 다른 기능 업데이트에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript 4.9.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript API Development.md b/10_Wiki/Topics/Programming & Language/TypeScript API Development.md
index 32a8c179..a13aa65e 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript API Development.md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript API Development.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7B86BE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript API Development"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, don't validate]], [[Discriminated Unions]], [[Branded Types]], [[Facade Pattern]]
-- **Projects/Contexts:** [[Toss Front SDK]], [[Zod Validation]]
+- **Related Topics:** Parse, don't validate, [[Discriminated Unions]], Branded Types, Facade Pattern
+- **Projects/Contexts:** Toss Front SDK, Zod Validation
 - **Contradictions/Notes:** API의 에러 처리에 관하여, 모든 에러를 글로벌 예외 처리기(Global Exception Handler)로 넘기고 컨트롤러 로직을 짧게 가져가는 것이 더 깔끔하다는 전통적인 객체 지향 및 웹 프레임워크의 관점과, 예측 가능한 에러는 예외(Exception)가 아닌 명시적인 유니온 타입이나 Result 객체로 반환해야 제어 흐름이 투명해진다는 함수형 타입 시스템 관점이 서로 팽팽하게 대립하기도 합니다 [8, 19-21].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript API Development.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript Advanced Type System.md b/10_Wiki/Topics/Programming & Language/TypeScript Advanced Type System.md
index 614e9409..bcdf1ff7 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript Advanced Type System.md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript Advanced Type System.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A211EA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript Advanced Type Syste
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Structural Typing]], [[Discriminated Unions]], [[Branded Types]], [[Readonly Modifier]], [[Satisfies Operator]]
-- **Projects/Contexts:** [[Large-scale Application Architecture]], [[Domain-Driven Design (DDD)]]
+- **Related Topics:** [[Structural Typing]], [[Discriminated Unions]], Branded Types, Readonly Modifier, [[Satisfies Operator]]
+- **Projects/Contexts:** Large-scale Application Architecture, [[Domain-Driven Design (DDD)]]
 - **Contradictions/Notes:** 인터페이스(Interface)와 타입 별칭(Type Alias)의 사용 기준에 대해 개발자 간 선호도 차이가 있습니다. 일부는 일관성을 위해 Type만을 선호하기도 하지만 [44], TypeScript 공식 성능 가이드와 주요 문헌에서는 타입 관계 캐싱 및 선언 병합(Declaration Merging)의 장점 때문에 객체 구조를 확장할 때는 인터페이스(`extends`)를 우선적으로 사용할 것을 권장합니다 [45-49]. 또한, 복잡한 타입 분기 처리를 돕는 외부 라이브러리(ts-pattern 등)의 도입을 두고 단순한 제어문(`if`, `switch`) 대비 성능 오버헤드와 가독성 측면에서 의견 대립이 존재합니다 [50-52].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript Advanced Type System.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript Utility Types (Record Readonly).md b/10_Wiki/Topics/Programming & Language/TypeScript Utility Types (Record Readonly).md
index cad24eaa..11fb1686 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript Utility Types (Record Readonly).md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript Utility Types (Record Readonly).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-523973
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript Utility Types (Reco
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DeepReadonly]], [[TypeScript Structural Typing]], [[Utility Types]]
+- **Related Topics:** [[DeepReadonly]], TypeScript Structural Typing, Utility Types
 - **Projects/Contexts:** `Readonly`는 앱의 설정(Configuration) 객체를 고정하거나 [13, 14], 상태 관리(Reducer) 시 불변성을 강제하고 [14], API로부터 받아온 응답 데이터가 로직 내에서 우발적으로 변조되는 것을 막는 컨텍스트에 널리 활용됩니다 [14].
 - **Contradictions/Notes:** TypeScript의 `Readonly`는 런타임에 데이터를 얕게 동결시키는 자바스크립트의 `Object.freeze()`나 변수 자체의 재할당을 막는 `const`와 구별됩니다. `Readonly`는 런타임 비용이 전혀 없으며 컴파일 타임에만 엄격하게 속성 재할당을 검사합니다 [1, 15, 16].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript Utility Types (Record, Readonly).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 (TypeScript Type System).md b/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 (TypeScript Type System).md
index f2812567..0515c88e 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 (TypeScript Type System).md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 (TypeScript Type System).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5C8A49
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript 타입 시스템 (T
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[과잉 속성 체크 (Excess Property Checking)]], [[satisfies 연산자]], [[불변성 (Immutability)]]
-- **Projects/Contexts:** [[대규모 애플리케이션 개발]], [[SOLID 원칙 기반 인터페이스 설계]], [[Toss Front SDK 설계]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], [[과잉 속성 체크 (Excess Property Checking)]], [[satisfies 연산자]], [[불변성 (Immutability)]]
+- **Projects/Contexts:** 대규모 애플리케이션 개발, SOLID 원칙 기반 인터페이스 설계, Toss Front SDK 설계
 - **Contradictions/Notes:** 인터페이스(`interface`)와 타입 별칭(`type`)의 선택과 관련하여, 선언 병합으로 인한 예기치 않은 구조 오버라이딩을 피하기 위해 오직 `type`만을 엄격하게 사용하는 팀 문화가 존재하는 반면[30, 31], 컴파일러 캐싱 최적화 관점에서는 객체 상속 시 `interface`를 우선할 것을 강력히 권고하는 이견이 존재한다[25, 26, 28]. 또한 `ts-pattern` 라이브러리는 철저한 타입 추론과 가독성을 주지만 네이티브 `if/switch` 구문에 비해 성능이 현저히 떨어지므로(초당 연산 횟수 기준 99% 저하 등), 간단한 분기문에 남용할 경우 불필요한 런타임 오버헤드를 유발할 수 있다는 비판적 견해가 있다[32-34].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript 타입 시스템 (TypeScript Type System).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 및 인터페이스 설계.md b/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 및 인터페이스 설계.md
index bef3bfaa..2d78215b 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 및 인터페이스 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템 및 인터페이스 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9DE40A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript 타입 시스템 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[Branded Types]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[도메인 기반 설계 (DDD)]], [[SOLID 원칙 및 인터페이스 분리 원칙 (ISP)]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 식별 가능한 유니온 (Discriminated Unions), Branded Types, [[satisfies 연산자]]
+- **Projects/Contexts:** [[도메인 기반 설계 (DDD)]], SOLID 원칙 및 인터페이스 분리 원칙 (ISP)
 - **Contradictions/Notes:** TypeScript 공식 문서와 성능 가이드는 컴파일 최적화를 위해 상속 시 `interface extends`를 권장합니다[16-18]. 하지만 일부 개발 팀들은 인터페이스 선언 병합(Declaration Merging)으로 인한 예기치 않은 부작용을 원천 차단하기 위해 모든 객체 정의에 대해 `Type` 별칭(alias)만 사용하도록 규칙을 강제하기도 합니다[19, 39, 40].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript 타입 시스템 및 인터페이스 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증.md b/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증.md
index 3366943d..4e464abc 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증.md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2609F8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript 타입 시스템을
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[satisfies 연산자]], [[Parse, Don't Validate]]
-- **Projects/Contexts:** [[Zod를 활용한 런타임 데이터 파싱 및 검증]], [[Toss Front SDK의 Facade 패턴 설계 및 안전성 확보]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], [[satisfies 연산자]], Parse, Don't Validate
+- **Projects/Contexts:** Zod를 활용한 런타임 데이터 파싱 및 검증, Toss Front SDK의 Facade 패턴 설계 및 안전성 확보
 - **Contradictions/Notes:** TypeScript의 구조적 타이핑은 매우 유연하여 덕 타이핑의 이점을 제공하지만, "의도하지 않은 초과 데이터의 유입"이라는 치명적인 보안적 허점을 만듭니다 [4, 21]. 이를 방어하기 위해 개발자들은 오히려 구조적 타이핑의 반대 개념인 명목적 타이핑(Nominal Typing) 특성을 강제로 모방한 브랜디드 타입을 사용하여 데이터를 격리해야 하는 역설적이지만 필수적인 설계 패턴을 따르게 됩니다 [21, 34, 35]. 또한, `any` 타입의 사용은 이러한 모든 타입 시스템의 보호막을 무력화시키므로 지양해야 하며, 출처를 알 수 없는 외부 데이터는 반드시 `unknown` 타입으로 선언 후 타입 가드를 거치도록 강제해야 합니다 [36-38].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/TypeScript의 제어 흐름 분석 및 상태 관리 패턴.md b/10_Wiki/Topics/Programming & Language/TypeScript의 제어 흐름 분석 및 상태 관리 패턴.md
index cadb5fa7..d880e6a9 100644
--- a/10_Wiki/Topics/Programming & Language/TypeScript의 제어 흐름 분석 및 상태 관리 패턴.md	
+++ b/10_Wiki/Topics/Programming & Language/TypeScript의 제어 흐름 분석 및 상태 관리 패턴.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-348B57
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - TypeScript의 제어 흐름 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Narrowing]], [[Discriminated Unions]], [[Exhaustiveness Checking]], [[State Machine Pattern]], [[ts-pattern]]
-- **Projects/Contexts:** [[React State Management]], [[API Response Handling]], [[Form Handling]]
+- **Related Topics:** Type Narrowing, [[Discriminated Unions]], Exhaustiveness Checking, State Machine Pattern, ts-pattern
+- **Projects/Contexts:** React State Management, API Response Handling, Form Handling
 - **Contradictions/Notes:** 복잡한 조건부 분기를 처리할 때 `ts-pattern` 라이브러리는 훌륭한 타입 안전성과 완전성 검사를 제공하지만, 기존의 `if/else`나 `switch` 제어문에 비해 성능 오버헤드가 발생할 수 있으므로, 성능이 중요한 상황이거나 복잡도가 낮은 분기에서는 기본 제어 구조나 Early return을 활용하는 것이 더 효율적일 수 있습니다 [17-19].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/TypeScript의 제어 흐름 분석 및 상태 관리 패턴.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Union Types.md b/10_Wiki/Topics/Programming & Language/Union Types.md
index 1d6fae3f..0d1d7da0 100644
--- a/10_Wiki/Topics/Programming & Language/Union Types.md	
+++ b/10_Wiki/Topics/Programming & Language/Union Types.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-696914
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Union Types"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Intersection Types]], [[Discriminated Unions]], [[Type Narrowing]], [[Set Theory]]
-- **Projects/Contexts:** [[TypeScript Type System]], [[State Management]]
+- **Related Topics:** Intersection Types, [[Discriminated Unions]], Type Narrowing, Set Theory
+- **Projects/Contexts:** TypeScript Type System, State Management
 - **Contradictions/Notes:** Union Types는 값의 유연성을 보장(`A` 혹은 `B` 중 하나 허용)하지만, 객체 속성에 접근할 때는 유니온의 모든 타입에 공통으로 존재하는 속성(교집합 형태)만 접근할 수 있는 엄격함이 있으므로 이를 다룰 때는 항상 타입 좁히기(Type Narrowing)가 선행되어야 합니다 [2, 8].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Union Types.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 Engine Heap Management.md b/10_Wiki/Topics/Programming & Language/V8 Engine Heap Management.md
index f5b905e8..e2c9aa9f 100644
--- a/10_Wiki/Topics/Programming & Language/V8 Engine Heap Management.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 Engine Heap Management.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-27C7BF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - V8 Engine Heap Management"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Generational Hypothesis]], [[Mark-Sweep-Compact]], [[Scavenge]], [[Orinoco]], [[Pointer Compression]]
-- **Projects/Contexts:** [[Node.js Memory Tuning]], [[Chrome DevTools Memory Profiling]], [[V8 Memory Cage]]
+- **Related Topics:** [[Garbage Collection]], [[Generational Hypothesis]], Mark-Sweep-Compact, [[Scavenge]], [[Orinoco]], [[Pointer Compression]]
+- **Projects/Contexts:** Node.js Memory Tuning, [[Chrome DevTools Memory Profiling]], V8 Memory Cage
 - **Contradictions/Notes:** 자바스크립트는 언어 스펙상 프로그래머가 가비지 컬렉터의 메모리 관리에 직접적으로 개입하거나 제어할 수 없는 것이 원칙이다 [34]. 하지만 Node.js 구동 환경에서는 예외적으로 `--expose-gc` 플래그를 사용하여 프로그램 코드 내부에서 `global.gc()`를 호출해 수동으로 가비지 컬렉션을 강제 실행할 수 있는 우회 방법을 제공한다 [35, 36]. 또한, 전통적으로 힙의 각 페이지(Page) 크기는 1MB로 할당된다고 알려져 있으나 [37], 최근 저사양 기기 최적화 및 단편화 개선을 위해 페이지 크기가 512KB로 축소 적용되는 등 구조적 변화가 일어나고 있다 [38, 39].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 Engine Heap Management.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 Engine.md b/10_Wiki/Topics/Programming & Language/V8 Engine.md
index 283d85d5..beacf620 100644
--- a/10_Wiki/Topics/Programming & Language/V8 Engine.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 Engine.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7D181E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - V8 Engine"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Orinoco]], [[Pointer Compression]], [[V8 Memory Cage]]
-- **Projects/Contexts:** [[Node.js]], [[Chrome]], [[Electron]]
+- **Related Topics:** [[Garbage Collection]], [[Orinoco]], [[Pointer Compression]], V8 Memory Cage
+- **Projects/Contexts:** Node.js, [[Chrome]], [[Electron]]
 - **Contradictions/Notes:** 컴팩션(Compaction)은 단편화를 해결하는 데 매우 유용하지만, 살아있는 큰 객체들을 다른 위치로 복사하고 포인터를 모두 업데이트해야 하므로 비용이 매우 비쌉니다. 따라서 Major GC는 Old Space의 모든 페이지를 매번 압축하지 않고 단편화 정도가 심한 페이지에 대해서만 선택적으로 압축을 수행합니다 [18, 41, 42].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 Engine.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 Heap Architecture.md b/10_Wiki/Topics/Programming & Language/V8 Heap Architecture.md
index 3f76d54f..61fb366d 100644
--- a/10_Wiki/Topics/Programming & Language/V8 Heap Architecture.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 Heap Architecture.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0C14B5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ V8의 힙은 객체의 특성과 수명에 따라 여러 개의 고유한 공간
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Generational Hypothesis]], [[V8 Memory Cage]], [[Pointer Compression]]
-- **Projects/Contexts:** [[Google Chrome]], [[Node.js]], [[Electron]]
+- **Related Topics:** [[Garbage Collection]], [[Generational Hypothesis]], V8 Memory Cage, [[Pointer Compression]]
+- **Projects/Contexts:** [[Google Chrome]], Node.js, [[Electron]]
 - **Contradictions/Notes:** 일반적으로 V8 페이지의 크기는 1MB로 알려져 있으나 [12], 모바일 장치나 데스크탑 환경에서의 메모리 단편화 개선 및 사용량 최적화를 위해 512KB로 축소 적용되기도 하였다 [13, 14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 Heap Architecture.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 JavaScript Engine.md b/10_Wiki/Topics/Programming & Language/V8 JavaScript Engine.md
index 74ebf2e0..7b729d86 100644
--- a/10_Wiki/Topics/Programming & Language/V8 JavaScript Engine.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 JavaScript Engine.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E8BF09
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ V8 JavaScript Engine은 성능과 메모리 효율을 극대화하기 위해 복
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Resident Set]], [[Orinoco Project]], [[Memory Cage]], [[Pointer Compression]]
-- **Projects/Contexts:** [[Node.js]], [[Google Chrome]], [[Electron]]
+- **Related Topics:** [[Garbage Collection]], Resident Set, Orinoco Project, Memory Cage, [[Pointer Compression]]
+- **Projects/Contexts:** Node.js, [[Google Chrome]], [[Electron]]
 - **Contradictions/Notes:** 가비지 컬렉터를 통해 V8 엔진이 메모리를 자동으로 관리하여 편리함을 제공하지만, 자바스크립트(ECMAScript) 사양 자체는 개발자가 가비지 컬렉터를 직접 측정하거나 제어할 수 있는 공식적인 인터페이스를 제공하지 않는다는 한계가 존재한다 [41]. 또한 수명이 짧은 객체를 다루는 Minor GC는 객체를 새 공간으로 '복사(Copy)'하여 할당 속도를 높이는 방식을 취하지만, 수명이 긴 객체가 모인 Major GC 영역에서는 복사 비용이 비효율적이므로 주로 'Mark-Sweep'을 수행하고 예외적인 상황에서만 압축(Compact)을 진행하는 전략적 차이를 보인다 [14, 20, 21].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 JavaScript Engine.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 가비지 컬렉션(Garbage Collection).md b/10_Wiki/Topics/Programming & Language/V8 가비지 컬렉션(Garbage Collection).md
index eb765eda..4007c11d 100644
--- a/10_Wiki/Topics/Programming & Language/V8 가비지 컬렉션(Garbage Collection).md	
+++ b/10_Wiki/Topics/Programming & Language/V8 가비지 컬렉션(Garbage Collection).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-488812
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,11 +39,11 @@ V8은 힙을 객체의 생존 기간 및 용도에 따라 여러 공간으로 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[세대별 가설(Generational Hypothesis)]], [[마크-스위프-컴팩트(Mark-Sweep-Compact)]], [[마이너 GC(Scavenge)]], [[Orinoco 가비지 컬렉터]]
-- **Projects/Contexts:** [[Node.js]], [[Chrome V8 엔진]], [[Orinoco 프로젝트]]
+- **Related Topics:** 세대별 가설(Generational Hypothesis), 마크-스위프-컴팩트(Mark-Sweep-Compact), 마이너 GC(Scavenge), [[Orinoco 가비지 컬렉터]]
+- **Projects/Contexts:** Node.js, Chrome V8 엔진, [[Orinoco 프로젝트]]
 - **Contradictions/Notes:** 소스에 따르면 과거의 Scavenge 알고리즘은 동기식(Synchronous)인 체니(Cheney) 알고리즘을 구현하였으나, Chrome과 Node.js가 구동되는 현대의 멀티코어 환경에 발맞추어 현재의 V8은 다중 스레드를 활용해 동적으로 작업을 분배하는 병렬(Parallel) Scavenger로 진화했습니다 [28, 29].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 가비지 컬렉션(Garbage Collection).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 메모리 케이지(V8 Memory Cage).md b/10_Wiki/Topics/Programming & Language/V8 메모리 케이지(V8 Memory Cage).md
index fad6c869..fa01d4f8 100644
--- a/10_Wiki/Topics/Programming & Language/V8 메모리 케이지(V8 Memory Cage).md	
+++ b/10_Wiki/Topics/Programming & Language/V8 메모리 케이지(V8 Memory Cage).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F23E51
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - V8 메모리 케이지(V8 Memo
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[포인터 압축(Pointer Compression)]], [[ArrayBuffer]], [[가비지 컬렉션(Garbage Collection)]]
-- **Projects/Contexts:** [[Electron]], [[Chromium]], [[Node.js Native Modules]]
+- **Related Topics:** [[포인터 압축(Pointer Compression)]], ArrayBuffer, 가비지 컬렉션(Garbage Collection)
+- **Projects/Contexts:** [[Electron]], [[Chromium]], Node.js Native Modules
 - **Contradictions/Notes:** 소스 문헌들은 메모리 케이지 및 포인터 압축이 성능(CPU 및 GC)을 5%~10% 향상시키고 보안을 강화한다고 설명하지만, 이로 인해 외부 메모리 버퍼를 지원하지 않아 네이티브 모듈에서 호환성 문제가 생기고 힙 크기가 4GB로 제한되는 명확한 트레이드오프(Trade-off)가 있음을 함께 강조합니다 [5, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 메모리 케이지(V8 Memory Cage).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처 및 로그 분석.md b/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처 및 로그 분석.md
index b7b86736..90e3fe3e 100644
--- a/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처 및 로그 분석.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처 및 로그 분석.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-18F9C4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - V8 엔진 힙 아키텍처 및
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[세대 가설(Generational Hypothesis)]], [[Scavenger(마이너 GC)]], [[Mark-Sweep-Compact(메이저 GC)]], [[오리노코(Orinoco) 프로젝트]], [[포인터 압축(Pointer Compression)]]
-- **Projects/Contexts:** [[Node.js 프로덕션 메모리 누수 진단]], [[Chrome 렌더러 프로세스 V8 샌드박스 보안]]
+- **Related Topics:** [[세대 가설(Generational Hypothesis)]], Scavenger(마이너 GC), [[Mark-Sweep-Compact(메이저 GC)]], [[오리노코(Orinoco) 프로젝트]], [[포인터 압축(Pointer Compression)]]
+- **Projects/Contexts:** Node.js 프로덕션 메모리 누수 진단, Chrome 렌더러 프로세스 V8 샌드박스 보안
 - **Contradictions/Notes:** 소스 [37-56]에서는 gencon, balanced 등 IBM Eclipse OpenJ9의 GC 정책에 대한 내용을 깊이 다루고 있으나, 이는 V8 엔진 고유의 구조가 아니므로 본 V8 아키텍처 중심 분석에서는 배제하였습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 엔진 힙 아키텍처 및 로그 분석.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처.md b/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처.md
index 3ac524dc..b8d01063 100644
--- a/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 엔진 힙 아키텍처.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-221751
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ github_commit: "[P-Reinforce] Continuous Worker - V8 엔진 힙 아키텍처"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[세대적 가설(Generational Hypothesis)]], [[스캐빈저(Scavenger)]], [[Mark-Sweep-Compact]], [[포인터 압축(Pointer Compression)]]
-- **Projects/Contexts:** [[Node.js 성능 최적화]], [[Google Chrome 브라우저 메모리 관리]], [[Orinoco 가비지 컬렉터]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 세대적 가설(Generational Hypothesis), 스캐빈저(Scavenger), Mark-Sweep-Compact, [[포인터 압축(Pointer Compression)]]
+- **Projects/Contexts:** Node.js 성능 최적화, Google Chrome 브라우저 메모리 관리, [[Orinoco 가비지 컬렉터]]
 - **Contradictions/Notes:** V8은 일반적으로 1MB 단위의 페이지 크기를 사용해 왔으나, 최신 최적화 동향에 따라 메모리 단편화를 줄이고 병렬 압축(Compaction) 효율을 높이기 위해 페이지 크기를 512KB로 축소 조정하는 방식을 병행하여 사용합니다 [5, 8, 18].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 엔진 힙 아키텍처.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 엔진의 메모리 관리 아키텍처 및 Orinoco 프로젝트.md b/10_Wiki/Topics/Programming & Language/V8 엔진의 메모리 관리 아키텍처 및 Orinoco 프로젝트.md
index bc3973c3..f49d74f0 100644
--- a/10_Wiki/Topics/Programming & Language/V8 엔진의 메모리 관리 아키텍처 및 Orinoco 프로젝트.md	
+++ b/10_Wiki/Topics/Programming & Language/V8 엔진의 메모리 관리 아키텍처 및 Orinoco 프로젝트.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C4468D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ Orinoco는 메인 스레드의 멈춤 시간(Pause time)을 줄이기 위해 최
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[세대별 가설(Generational Hypothesis)]], [[포인터 압축(Pointer Compression)]], [[Mark-Sweep-Compact 알고리즘]], [[Scavenger 알고리즘]]
-- **Projects/Contexts:** [[V8 JavaScript 엔진]], [[Node.js 메모리 최적화]], [[Chrome 브라우저 렌더링 성능]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 세대별 가설(Generational Hypothesis), [[포인터 압축(Pointer Compression)]], [[Mark-Sweep-Compact 알고리즘]], [[Scavenger 알고리즘]]
+- **Projects/Contexts:** V8 JavaScript 엔진, Node.js 메모리 최적화, Chrome 브라우저 렌더링 성능
 - **Contradictions/Notes:** 과거 버전의 V8에서는 단일 스레드 기반의 동기식 Cheney 알고리즘을 Scavenger에 사용했으나, 멀티 코어 환경이 보편화됨에 따라 Orinoco 프로젝트를 기점으로 동적 작업 훔치기(Dynamic work stealing) 방식을 활용하는 병렬 스캐빈저(Parallel Scavenger)로 진화했습니다 [30, 40].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 엔진의 메모리 관리 아키텍처 및 Orinoco 프로젝트.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 힙 공간(V8 Heap Spaces).md b/10_Wiki/Topics/Programming & Language/V8 힙 공간(V8 Heap Spaces).md
index 0a1a0b00..74edfd97 100644
--- a/10_Wiki/Topics/Programming & Language/V8 힙 공간(V8 Heap Spaces).md	
+++ b/10_Wiki/Topics/Programming & Language/V8 힙 공간(V8 Heap Spaces).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-438240
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -44,11 +44,11 @@ V8 힙은 각기 다른 생명주기를 가진 객체를 관리하기 위해 여
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[스캐빈저(Scavenger)]], [[마크-스위프-컴팩트(Mark-Sweep-Compact)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 스캐빈저(Scavenger), 마크-스위프-컴팩트(Mark-Sweep-Compact)
 - **Projects/Contexts:** [[Orinoco 프로젝트]], [[V8 메모리 케이지(V8 Memory Cage)]]
 - **Contradictions/Notes:** 전통적으로 V8 힙을 구성하는 단위인 각 '페이지(Page)'의 크기는 1MB였으나, 최근 저사양 모바일 기기를 위한 메모리 절감 및 파편화 감소 최적화의 일환으로 512KB 크기의 페이지로 축소 변경되기도 하였습니다 [7, 8, 19, 20]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 힙 공간(V8 Heap Spaces).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/V8 힙(Heap).md b/10_Wiki/Topics/Programming & Language/V8 힙(Heap).md
index e5b30dba..5fe0c3f1 100644
--- a/10_Wiki/Topics/Programming & Language/V8 힙(Heap).md	
+++ b/10_Wiki/Topics/Programming & Language/V8 힙(Heap).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-326FC1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ V8 엔진은 "대부분의 객체는 일찍 죽는다"는 세대 가설(Generati
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[세대 가설(Generational Hypothesis)]], [[포인터 압축(Pointer Compression)]], [[Scavenger(Minor GC)]], [[Mark-Sweep-Compact(Major GC)]]
-- **Projects/Contexts:** [[Node.js]], [[Google Chrome]], [[Orinoco(V8 GC 프로젝트)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), [[세대 가설(Generational Hypothesis)]], [[포인터 압축(Pointer Compression)]], Scavenger(Minor GC), Mark-Sweep-Compact(Major GC)
+- **Projects/Contexts:** Node.js, [[Google Chrome]], Orinoco(V8 GC 프로젝트)
 - **Contradictions/Notes:** 소스 간의 본질적 모순은 없으나, V8 엔진의 지속적인 진화로 인해 페이지 크기가 1MB에서 512KB로 변경되는 등 시간의 흐름과 메모리 한계에 따른 구조 최적화 변화가 소스에 혼재되어 나타납니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/V8 힙(Heap).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/VR Sickness.md b/10_Wiki/Topics/Programming & Language/VR Sickness.md
index 69aecec8..18954fe7 100644
--- a/10_Wiki/Topics/Programming & Language/VR Sickness.md	
+++ b/10_Wiki/Topics/Programming & Language/VR Sickness.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7B9E16
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - VR Sickness"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Visual-Vestibular Conflict]], [[Vergence-Accommodation Conflict]], [[Presence]], [[Head-Mounted Displays (HMD)]]
-- **Projects/Contexts:** [[VR Exergaming]] (예: Beat Saber를 활용한 VR 노출 시간 및 후유증 연구 [13], [14])
+- **Related Topics:** Visual-Vestibular Conflict, Vergence-Accommodation Conflict, Presence, Head-Mounted Displays (HMD)
+- **Projects/Contexts:** VR Exergaming (예: Beat Saber를 활용한 VR 노출 시간 및 후유증 연구 [13], [14])
 - **Contradictions/Notes:** 일반적으로 VR 노출 시간이 길어질수록 증상이 심해진다고 알려져 있으나, 한 연구 검토에서는 10~20분 노출된 경우보다 20분 이상 노출된 연구에서 평균적으로 덜 심각한 증상이 보고되기도 했습니다. 이는 노출 시간 자체의 문제라기보다는 각 연구에 사용된 VR 콘텐츠의 유형(예: 360도 비디오, 게임, 정적 풍경 등) 분포 차이로 인한 결과일 수 있습니다 [10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/VR Sickness.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/VR 멀미 (VR Sickness).md b/10_Wiki/Topics/Programming & Language/VR 멀미 (VR Sickness).md
index a828899e..ab6c035a 100644
--- a/10_Wiki/Topics/Programming & Language/VR 멀미 (VR Sickness).md	
+++ b/10_Wiki/Topics/Programming & Language/VR 멀미 (VR Sickness).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BD2336
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,5 +31,5 @@ github_commit: "[P-Reinforce] Continuous Worker - VR 멀미 (VR Sickness)"
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/VR 멀미 (VR Sickness).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/VR 멀미(VR sickness).md b/10_Wiki/Topics/Programming & Language/VR 멀미(VR sickness).md
index 1064d43f..2156da67 100644
--- a/10_Wiki/Topics/Programming & Language/VR 멀미(VR sickness).md	
+++ b/10_Wiki/Topics/Programming & Language/VR 멀미(VR sickness).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-926D42
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - VR 멀미(VR sickness)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[시각-전정 감각 충돌(Visual-Vestibular Conflict)]], [[폭주-조절 불일치(Vergence-Accommodation Conflict)]], [[시뮬레이터 멀미 설문지(SSQ)]], [[몰입감(Presence)]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber) 엑서게이밍 연구]] (10분 및 50분의 VR 노출이 사용자의 시각, 인지 및 자기 보고된 멀미 후유증에 미치는 영향을 조사한 연구 [14, 15]).
+- **Related Topics:** [[시각-전정 감각 충돌(Visual-Vestibular Conflict)]], [[폭주-조절 불일치(Vergence-Accommodation Conflict)]], [[시뮬레이터 멀미 설문지(SSQ)]], 몰입감(Presence)
+- **Projects/Contexts:** 비트 세이버(Beat Saber) 엑서게이밍 연구 (10분 및 50분의 VR 노출이 사용자의 시각, 인지 및 자기 보고된 멀미 후유증에 미치는 영향을 조사한 연구 [14, 15]).
 - **Contradictions/Notes:** 고강도 신체 활동을 동반하는 VR 엑서게임(Exergame)을 수행할 경우, 피로, 방향 감각 상실, 땀 흘림, 메스꺼움 등 격렬한 유산소 운동으로 인한 생리적 증상과 VR 멀미 증상이 겹치게 됩니다. 이로 인해 운동 중 순수한 VR 멀미 증상만을 명확히 구분해 내는 데에는 어려움이 따릅니다 [16].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/VR 멀미(VR sickness).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Vergence-Accommodation Conflicts.md b/10_Wiki/Topics/Programming & Language/Vergence-Accommodation Conflicts.md
index bd4b19f1..ebf1f0a8 100644
--- a/10_Wiki/Topics/Programming & Language/Vergence-Accommodation Conflicts.md	
+++ b/10_Wiki/Topics/Programming & Language/Vergence-Accommodation Conflicts.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-122E42
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Vergence-Accommodation Conflic
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Oculomotor Functions]], [[Head-Mounted Displays (HMDs)]], [[VR Sickness]], [[Depth Perception]]
-- **Projects/Contexts:** [[Virtual Reality (VR) Exergaming]]
+- **Related Topics:** Oculomotor Functions, Head-Mounted Displays (HMDs), [[VR Sickness]], Depth Perception
+- **Projects/Contexts:** Virtual Reality (VR) Exergaming
 - **Contradictions/Notes:** 소스에 따르면 Vergence-Accommodation Conflicts가 특정 사용자에게서 나타나는 VR 멀미(VR sickness)의 직접적인 발병 원인인지, 혹은 멀미 증상을 악화시키는 보조 요인인지에 대한 인과관계는 아직 명확하지 않다고 언급되어 있습니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Vergence-Accommodation Conflicts.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Web Worker와 SharedArrayBuffer를 이용한 실제 고부하 병렬 처리 구현체 (실패_성공 포함).md b/10_Wiki/Topics/Programming & Language/Web Worker와 SharedArrayBuffer를 이용한 실제 고부하 병렬 처리 구현체 (실패_성공 포함).md
index dc41d369..92702785 100644
--- a/10_Wiki/Topics/Programming & Language/Web Worker와 SharedArrayBuffer를 이용한 실제 고부하 병렬 처리 구현체 (실패_성공 포함).md	
+++ b/10_Wiki/Topics/Programming & Language/Web Worker와 SharedArrayBuffer를 이용한 실제 고부하 병렬 처리 구현체 (실패_성공 포함).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EBB42F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,5 +26,5 @@ github_commit: "[P-Reinforce] Continuous Worker - Web Worker와 SharedArrayBuffe
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Web Worker와 SharedArrayBuffer를 이용한 실제 고부하 병렬 처리 구현체 (실패_성공 포함).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/WebKit Security Mitigations.md b/10_Wiki/Topics/Programming & Language/WebKit Security Mitigations.md
index 2226442b..9cb0a0ae 100644
--- a/10_Wiki/Topics/Programming & Language/WebKit Security Mitigations.md	
+++ b/10_Wiki/Topics/Programming & Language/WebKit Security Mitigations.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-78AFAF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebKit Security Mitigations"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[Speculative Execution]], [[Branch Prediction]]
+- **Related Topics:** [[Spectre]], Meltdown, [[Speculative Execution]], [[Branch Prediction]]
 - **Projects/Contexts:** [[JavaScriptCore]], [[WebAssembly]]
 - **Contradictions/Notes:** 제공된 소스 내에서 상충하는 주장이나 모순되는 정보는 발견되지 않았습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebKit Security Mitigations.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/WebKit.md b/10_Wiki/Topics/Programming & Language/WebKit.md
index c025ac2a..34e11218 100644
--- a/10_Wiki/Topics/Programming & Language/WebKit.md	
+++ b/10_Wiki/Topics/Programming & Language/WebKit.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-84FEA9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - WebKit"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Spectre]], [[Meltdown]], [[JavaScriptCore]], [[Speculative execution]]
-- **Projects/Contexts:** [[WebKit 취약점 완화(Security Mitigations)]]
+- **Related Topics:** [[Spectre]], Meltdown, [[JavaScriptCore]], [[Speculative execution]]
+- **Projects/Contexts:** WebKit 취약점 완화(Security Mitigations)
 - **Contradictions/Notes:** 초기 도입된 인덱스 마스킹 기법은 길이를 다음 2의 거듭제곱으로 반올림해 마스크를 계산하는 방식을 사용하므로, 임의의 메모리 접근은 막지만 여전히 제한적인 범위 외(out-of-bounds) 읽기를 허용하는 한계가 존재합니다 [11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/WebKit.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Write Barrier.md b/10_Wiki/Topics/Programming & Language/Write Barrier.md
index c87ace90..0f92e87d 100644
--- a/10_Wiki/Topics/Programming & Language/Write Barrier.md	
+++ b/10_Wiki/Topics/Programming & Language/Write Barrier.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2240C5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Write Barrier"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Store Buffer]], [[Incremental Marking]], [[Concurrent Marking]], [[Scavenge]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[IBM Eclipse OpenJ9]]
+- **Related Topics:** [[Garbage Collection]], Store Buffer, [[Incremental Marking]], Concurrent Marking, [[Scavenge]]
+- **Projects/Contexts:** [[V8 JavaScript Engine]], IBM Eclipse OpenJ9
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Write Barrier.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Zod 런타임 유효성 검사 통합.md b/10_Wiki/Topics/Programming & Language/Zod 런타임 유효성 검사 통합.md
index 1abd9c70..0792505a 100644
--- a/10_Wiki/Topics/Programming & Language/Zod 런타임 유효성 검사 통합.md	
+++ b/10_Wiki/Topics/Programming & Language/Zod 런타임 유효성 검사 통합.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FD8703
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Zod 런타임 유효성 검사
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, don't validate]], [[브랜디드 타입(Branded Types)]], [[식별 가능한 유니온(Discriminated Unions)]]
-- **Projects/Contexts:** [[외부 API 응답 및 설정 파일 처리]], [[런타임 상태 및 데이터 무결성 검증]]
+- **Related Topics:** Parse, don't validate, 브랜디드 타입(Branded Types), 식별 가능한 유니온(Discriminated Unions)
+- **Projects/Contexts:** 외부 API 응답 및 설정 파일 처리, 런타임 상태 및 데이터 무결성 검증
 - **Contradictions/Notes:** Zod 유효성 검사 도입 시 발생할 수 있는 구체적인 성능 저하 수치나 이와 대립되는 다른 라이브러리(예: Joi, Yup 등)와의 직접적인 비교에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Zod 런타임 유효성 검사 통합.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Zod 파싱과 브랜디드 타입을 결합한 런타임 데이터 검증.md b/10_Wiki/Topics/Programming & Language/Zod 파싱과 브랜디드 타입을 결합한 런타임 데이터 검증.md
index 30802a10..b64c5bf9 100644
--- a/10_Wiki/Topics/Programming & Language/Zod 파싱과 브랜디드 타입을 결합한 런타임 데이터 검증.md	
+++ b/10_Wiki/Topics/Programming & Language/Zod 파싱과 브랜디드 타입을 결합한 런타임 데이터 검증.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-725C86
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Zod 파싱과 브랜디드 타
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, don't validate]], [[Branded Types]], [[Opaque Types]], [[Zod]]
+- **Related Topics:** Parse, don't validate, Branded Types, Opaque Types, [[Zod]]
 - **Projects/Contexts:** 도메인 기반 설계(DDD)에서의 데이터 오염 방지(예: UserId와 OrderId의 엄격한 분리), 외부 API 응답 및 사용자 입력 등 시스템 경계면에서의 런타임 검증 [3, 4, 8, 10]
 - **Contradictions/Notes:** Zod와의 결합을 반대하는 내용은 없으나, 브랜디드 타입과 같은 타입 시스템 기능은 코드 작업에 개념적 복잡성을 추가하므로, 개발자가 애플리케이션에서 직면한 실제 문제에 실질적인 이점을 제공하는지 먼저 신중히 평가한 뒤 도입해야 합니다 [11, 12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Zod 파싱과 브랜디드 타입을 결합한 런타임 데이터 검증.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Zod.md b/10_Wiki/Topics/Programming & Language/Zod.md
index 607eda95..616a1113 100644
--- a/10_Wiki/Topics/Programming & Language/Zod.md	
+++ b/10_Wiki/Topics/Programming & Language/Zod.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DB4331
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - Zod"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Runtime Validation]], [[Branded Types]], [[Discriminated Unions]], [[Parse, don't validate]]
-- **Projects/Contexts:** [[External Data Handling]], [[TypeScript Type Safety]]
+- **Related Topics:** Runtime Validation, Branded Types, [[Discriminated Unions]], Parse, don't validate
+- **Projects/Contexts:** External Data Handling, TypeScript Type Safety
 - **Contradictions/Notes:** 소스 내에서 Zod에 대한 모순된 주장은 발견되지 않습니다. 대신, 정적 타입 언어인 TypeScript가 갖는 런타임 데이터 검증의 사각지대를 보완하는 매우 효과적이고 권장되는 라이브러리로 일관되게 소개됩니다 [1-4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/Zod.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/Zustand-Based-Mission-Persistence.md b/10_Wiki/Topics/Programming & Language/Zustand-Based-Mission-Persistence.md
index 097ef8fd..f9eb2bb5 100644
--- a/10_Wiki/Topics/Programming & Language/Zustand-Based-Mission-Persistence.md	
+++ b/10_Wiki/Topics/Programming & Language/Zustand-Based-Mission-Persistence.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E45B33
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,8 +30,8 @@ github_commit: "[P-Reinforce] Continuous Worker - Zustand-Based-Mission-Persiste
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Autonomous-Loop-State-Machine]], [[NotebookLM-Automated-Authentication-CLI]]
-- **Projects/Contexts:** [[P-Reinforce-Agent-v2.6]]
+- **Related Topics:** Autonomous-Loop-State-Machine, [[NotebookLM-Automated-Authentication-CLI]]
+- **Projects/Contexts:** P-Reinforce-Agent-v2.6
 - **Contradictions/Notes:** 로컬 스토리지의 용량 제한(약 5MB)에 유의해야 하며, 큐가 수만 개로 늘어날 경우 별도의 DB 연동을 고려해야 합니다.
-- Raw Source: [[00_Raw/2026-04-20/Zustand-Based-Mission-Persistence.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/as const Assertion.md b/10_Wiki/Topics/Programming & Language/as const Assertion.md
index 1007a180..210cbb83 100644
--- a/10_Wiki/Topics/Programming & Language/as const Assertion.md	
+++ b/10_Wiki/Topics/Programming & Language/as const Assertion.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-CAF879
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Mega Batch 2 - Wikified as const Assertion"
 - **정책 변화:** Programming & Language 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Readonly]], [[Literal Types]], [[Satisfies Operator]]
-- **Projects/Contexts:** [[Configuration Objects]], [[Lookup Tables]]
+- **Related Topics:** [[Readonly]], Literal Types, [[Satisfies Operator]]
+- **Projects/Contexts:** Configuration Objects, Lookup Tables
 - **Contradictions/Notes:** 제공된 소스에서 `as const`에 대한 단독 설명은 다소 간략하며 정보가 부족한 편이지만, `satisfies` 연산자와 결합할 때 불변의 타입 안전 객체(immutable, type-safe objects)를 생성하는 핵심적인 역할을 한다는 점이 뚜렷하게 강조됩니다 [1-3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/as const Assertion.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/as const.md b/10_Wiki/Topics/Programming & Language/as const.md
index a858cb9e..b56c3f22 100644
--- a/10_Wiki/Topics/Programming & Language/as const.md	
+++ b/10_Wiki/Topics/Programming & Language/as const.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-701C2F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - as const"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[satisfies]], [[readonly]], [[Literal Types]], [[Type Narrowing]]
-- **Projects/Contexts:** [[TypeScript 구성(configuration) 객체 및 룩업 테이블 모델링]], [[불변성(Immutability) 보장 패턴]]
+- **Related Topics:** satisfies, [[readonly]], Literal Types, Type Narrowing
+- **Projects/Contexts:** TypeScript 구성(configuration) 객체 및 룩업 테이블 모델링, 불변성(Immutability) 보장 패턴
 - **Contradictions/Notes:** 소스 상에 명시적인 모순은 없으나, 타입 추론과 타입 가드를 위해 관행적으로 `as const`를 붙여 쓰던 것을 특정 패턴 도입을 통해 생략할 수도 있다는 개발자 커뮤니티의 코멘트가 존재합니다 [5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/as const.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer를 결합한 멀티스레드 고성능 아키텍처.md b/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer를 결합한 멀티스레드 고성능 아키텍처.md
index e8312863..578095c0 100644
--- a/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer를 결합한 멀티스레드 고성능 아키텍처.md	
+++ b/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer를 결합한 멀티스레드 고성능 아키텍처.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-33DDD3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,12 +29,12 @@ github_commit: "[P-Reinforce] Continuous Worker - bitECS와 SharedArrayBuffer를
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Data-Oriented Design (DOD)]], [[Structure of Arrays (SoA)]], [[Web Worker 멀티스레딩]], [[React Three Fiber (R3F) 최적화]], [[메모리 파편화 방지 및 객체 풀링]]
-- **Projects/Contexts:** [[브라우저 기반 AAA급 멀티스레드 3D 게임]], [[수만 개의 엔티티가 존재하는 실시간 물리 시뮬레이션]]
+- **Related Topics:** Data-Oriented Design (DOD), Structure of Arrays (SoA), Web Worker 멀티스레딩, React Three Fiber (R3F) 최적화, 메모리 파편화 방지 및 객체 풀링
+- **Projects/Contexts:** 브라우저 기반 AAA급 멀티스레드 3D 게임, 수만 개의 엔티티가 존재하는 실시간 물리 시뮬레이션
 - **Contradictions/Notes:** 원시 이진 데이터인 `SharedArrayBuffer`를 직접 다루는 것은 로우 레벨 개발 지식이 필요해 매우 까다롭습니다. 하지만 `bitECS`를 프록시 구조로 활용하면, 개발자는 익숙한 자바스크립트 배열이나 객체를 다루는 듯한 편의성을 누리면서도 내부적으로는 C++ 엔진에 필적하는 메모리 공유 성능을 얻을 수 있다는 강력한 장점이 있습니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/bitECS와 SharedArrayBuffer를 결합한 멀티스레드 고성능 아키텍처.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer의 실제 코드 통합.md b/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer의 실제 코드 통합.md
index b8d3e10f..fb0e0f25 100644
--- a/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer의 실제 코드 통합.md	
+++ b/10_Wiki/Topics/Programming & Language/bitECS와 SharedArrayBuffer의 실제 코드 통합.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6AB6C6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -62,12 +62,12 @@ Velocity.y[eid] = 1.23;
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Structure of Arrays (SoA)]], [[TypedArray (Float32Array)]], [[Web Worker postMessage 통신]], [[메모리 제로 복사 (Zero-Copy)]]
-- **Projects/Contexts:** [[멀티스레드 기반 웹 게임 물리 엔진 구현]], [[초대규모 파티클 및 엔티티 시뮬레이션 (React Three Fiber)]]
+- **Related Topics:** Structure of Arrays (SoA), TypedArray (Float32Array), Web Worker postMessage 통신, 메모리 제로 복사 (Zero-Copy)
+- **Projects/Contexts:** 멀티스레드 기반 웹 게임 물리 엔진 구현, 초대규모 파티클 및 엔티티 시뮬레이션 (React Three Fiber)
 - **Contradictions/Notes:** `bitECS`와 같은 프록시 객체를 사용하면 원시 메모리를 다루는 로우 레벨 프로그래밍을 자바스크립트 객체 배열(JS objects) 다루듯 쉽게 접근할 수 있게 해줍니다. 하지만 이렇게 최적화를 하더라도, 개발자가 일반적으로 즐겨 사용하는 유연한 JSON 구조의 객체 데이터 포맷과는 여전히 거리가 멀고 데이터의 형태가 고정되어야 한다는 설계적 제약이 따릅니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/bitECS와 SharedArrayBuffer의 실제 코드 통합.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/eslint-config-prettier.md b/10_Wiki/Topics/Programming & Language/eslint-config-prettier.md
index 0a9261e5..cbade8db 100644
--- a/10_Wiki/Topics/Programming & Language/eslint-config-prettier.md	
+++ b/10_Wiki/Topics/Programming & Language/eslint-config-prettier.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7BFB20
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - eslint-config-prettier"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[ESLint]], [[Prettier]], [[Supply Chain Attack]]
-- **Projects/Contexts:** [[JavaScript Development Environment]], [[CVE-2025-54313]]
+- **Related Topics:** [[ESLint]], [[Prettier]], Supply Chain Attack
+- **Projects/Contexts:** JavaScript Development Environment, CVE-2025-54313
 - **Contradictions/Notes:** 소스들에 따르면 `eslint-plugin-prettier`나 `prettier-eslint`와 같은 대안 패키지도 존재하지만, 이들은 속도가 느려지거나 에디터에서 불필요한 빨간 밑줄을 너무 많이 발생시키는 단점이 있어 공식적으로 `eslint-config-prettier`의 단독 사용이 가장 권장됩니다 [7, 19].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/eslint-config-prettier.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/eslint-plugin-prettier.md b/10_Wiki/Topics/Programming & Language/eslint-plugin-prettier.md
index 7f7c87f9..2adb0b61 100644
--- a/10_Wiki/Topics/Programming & Language/eslint-plugin-prettier.md	
+++ b/10_Wiki/Topics/Programming & Language/eslint-plugin-prettier.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4555A7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,10 +29,10 @@ github_commit: "[P-Reinforce] Continuous Worker - eslint-plugin-prettier"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[eslint-config-prettier]]
-- **Projects/Contexts:** [[CVE-2025-54313 (공급망 공격)]], [[웹 프론트엔드 개발 환경 설정]]
+- **Projects/Contexts:** CVE-2025-54313 (공급망 공격), 웹 프론트엔드 개발 환경 설정
 - **Contradictions/Notes:** Prettier 공식 문서 및 여러 개발자들은 `eslint-plugin-prettier`를 사용할 때 발생하는 속도 저하와 과도한 에러 표시 문제 때문에 이 방법보다는 포맷팅 충돌 규칙만 꺼주는 `eslint-config-prettier`의 단독 사용을 가장 추천하고 있습니다 [1, 6, 8]. 그러나 설정의 중앙화와 단일 수정 명령어(`eslint --fix`)의 편리함을 이유로 이를 선호하는 실무자들도 존재합니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/eslint-plugin-prettier.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/lint-staged.md b/10_Wiki/Topics/Programming & Language/lint-staged.md
index 23c3bcc7..7ce9abd0 100644
--- a/10_Wiki/Topics/Programming & Language/lint-staged.md	
+++ b/10_Wiki/Topics/Programming & Language/lint-staged.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D0626D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,10 +34,10 @@ github_commit: "[P-Reinforce] Continuous Worker - lint-staged"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Husky]], [[ESLint]], [[Prettier]], [[Git Hooks]]
-- **Projects/Contexts:** [[CI/CD 파이프라인 자동화]], [[모노레포(Monorepo) 아키텍처 설정]], [[Turborepo 환경 구성]]
+- **Projects/Contexts:** CI/CD 파이프라인 자동화, [[모노레포(Monorepo) 아키텍처 설정]], [[Turborepo 환경 구성]]
 - **Contradictions/Notes:** 소스에 따르면 `lint-staged`의 명령어 목록에 `git add`를 수동으로 포함하는 것은 피해야 합니다. v10 이후부터는 여러 작업이 동일한 파일을 편집할 때 발생하는 경쟁 상태를 방지하기 위해 도구 자체가 수정 사항을 자동으로 스테이징 처리하기 때문입니다 [9, 18]. 또한, 전체 프로젝트를 검사하도록 설계된 도구(예: `ng lint` 또는 `tsc --noEmit`)를 `lint-staged`를 통해 실행하는 것은 구조적으로 맞지 않으며 지양해야 한다고 명시되어 있습니다 [13, 18].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/lint-staged.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/never 타입(never type).md b/10_Wiki/Topics/Programming & Language/never 타입(never type).md
index e86ee437..10f4174d 100644
--- a/10_Wiki/Topics/Programming & Language/never 타입(never type).md	
+++ b/10_Wiki/Topics/Programming & Language/never 타입(never type).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F56CC2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - never 타입(never type)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[초과 속성 검사(Excess Property Checking)]], [[구조적 타이핑(Structural Typing)]]
-- **Projects/Contexts:** [[switch문 완전성 검사(Exhaustiveness checking)]], [[에러 핸들링 및 무한 루프 함수 설계]], [[상호 배타적 속성(Exclusive Props) 패턴]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), 초과 속성 검사(Excess Property Checking), [[구조적 타이핑(Structural Typing)]]
+- **Projects/Contexts:** switch문 완전성 검사(Exhaustiveness checking), 에러 핸들링 및 무한 루프 함수 설계, 상호 배타적 속성(Exclusive Props) 패턴
 - **Contradictions/Notes:** 종료 후 반환값이 없는 함수는 `undefined`를 반환하는 것이므로 `void` 타입을 지정해야 하며, `never` 타입은 절대 정상 종료되지 않는 함수에만 사용해야 한다 [5]. 또한 모든 타입의 상위 집합인 `any` 타입과 비교 시, `any extends never`는 `0 | 1`로 평가되어 `any` 타입이 공집합일 가능성도 내포하고 있는 패러독스(역설)적인 성질을 보인다 [17].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/never 타입(never type).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/never 타입.md b/10_Wiki/Topics/Programming & Language/never 타입.md
index e718901d..5212f404 100644
--- a/10_Wiki/Topics/Programming & Language/never 타입.md	
+++ b/10_Wiki/Topics/Programming & Language/never 타입.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5297D4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - never 타입"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[유니온 타입 (Union Types)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[집합론 (Set Theory)]], [[초과 속성 검사 (Excess Property Checking)]]
-- **Projects/Contexts:** [[TypeScript 상태 관리 및 에러 처리 방어 (State Management and Defensive Error Handling)]]
+- **Related Topics:** 유니온 타입 (Union Types), 식별 가능한 유니온 (Discriminated Unions), [[집합론 (Set Theory)]], [[초과 속성 검사 (Excess Property Checking)]]
+- **Projects/Contexts:** TypeScript 상태 관리 및 에러 처리 방어 (State Management and Defensive Error Handling)
 - **Contradictions/Notes:** `never`와 `void`는 기능적으로 다르다. 함수가 정상적으로 실행을 마치고 아무 값도 반환하지 않는 경우(실제로는 `undefined`를 반환)에는 `void`를 써야 하며, 예외를 던지거나 영원히 종료되지 않아 실행 흐름이 끝에 도달하지 못하는 경우에만 `never`를 사용해야 한다 [2, 14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/never 타입.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/readonly.md b/10_Wiki/Topics/Programming & Language/readonly.md
index 0037113a..0b93157a 100644
--- a/10_Wiki/Topics/Programming & Language/readonly.md	
+++ b/10_Wiki/Topics/Programming & Language/readonly.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-92E2DD
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - readonly"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[const]], [[Object.freeze()]], [[ReadonlyArray]], [[DeepReadonly]], [[Utility Types]]
-- **Projects/Contexts:** [[State Management]], [[Configuration Objects]], [[API Responses]]
+- **Related Topics:** const, Object.freeze(), ReadonlyArray, [[DeepReadonly]], Utility Types
+- **Projects/Contexts:** State Management, Configuration Objects, API Responses
 - **Contradictions/Notes:** `readonly`는 데이터 변경을 막는 훌륭한 타입 제어 장치지만, 컴파일러는 `readonly` 데이터를 변경 가능(mutable)한 매개변수를 받는 함수에 전달하는 것(Aliasing)을 허용하므로 이로 인한 우회적 변이(mutation)가 발생할 수 있다는 구조적 맹점을 주의해야 합니다 [20, 21].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/readonly.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/satisfies Keyword.md b/10_Wiki/Topics/Programming & Language/satisfies Keyword.md
index 9f90132f..2f466939 100644
--- a/10_Wiki/Topics/Programming & Language/satisfies Keyword.md	
+++ b/10_Wiki/Topics/Programming & Language/satisfies Keyword.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5B3851
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - satisfies Keyword"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Annotation]], [[Type Assertion]], [[Excess Property Checking]], [[Discriminated Unions]], [[Literal Type]], [[Structural Typing]]
-- **Projects/Contexts:** [[TypeScript 4.9]], [[Data Mapping and Transformation]]
+- **Related Topics:** Type Annotation, Type Assertion, [[Excess Property Checking]], [[Discriminated Unions]], Literal Type, [[Structural Typing]]
+- **Projects/Contexts:** TypeScript 4.9, Data Mapping and Transformation
 - **Contradictions/Notes:** TypeScript의 타입 단언(`as`)은 초과 속성이나 잘못된 매핑에 대한 검사를 수행하지 않아 조용한 런타임 에러를 유발할 수 있지만, `satisfies` 키워드는 구조적 타이핑의 유연성을 허용하면서도 지정된 타입에 대해 엄격한 검증(Excess property checks 등)을 수행하므로 타입 캐스팅의 훌륭한 대안이 됩니다[3, 9, 14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/satisfies Keyword.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/satisfies 연산자.md b/10_Wiki/Topics/Programming & Language/satisfies 연산자.md
index 1e3ccd74..7fc8b660 100644
--- a/10_Wiki/Topics/Programming & Language/satisfies 연산자.md	
+++ b/10_Wiki/Topics/Programming & Language/satisfies 연산자.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9EE666
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - satisfies 연산자"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** `[[구조적 타이핑(Structural Typing)]]`, `[[과잉 속성 체크(Excess Property Checking)]]`, `[[타입 단언(Type Assertions)]]`, `[[식별 가능한 유니온(Discriminated Unions)]]`, `[[타입 좁히기(Type Narrowing)]]`
+- **Related Topics:** `[[구조적 타이핑(Structural Typing)]]`, `[[과잉 속성 체크(Excess Property Checking)]]`, `[[타입 단언(Type Assertions)]]`, `식별 가능한 유니온(Discriminated Unions)`, `[[타입 좁히기(Type Narrowing)]]`
 - **Projects/Contexts:** `[[설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables)]]`, `[[백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend)]]`
 - **Contradictions/Notes:** 타입 단언(`as`) 기법은 컴파일러의 과잉 속성 검사를 우회해버리므로 초과 속성이 포함되는 것을 방어하지 못하는 반면, `satisfies` 연산자는 객체 구조에 일치하지 않는 속성이나 오타가 발생한 경우 이를 놓치지 않고 컴파일 에러로 차단한다는 점에서 수비적 안정성의 차이가 극명히 대비된다 [3, 12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/satisfies 연산자.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/ts-brand.md b/10_Wiki/Topics/Programming & Language/ts-brand.md
index fecb5e84..38095f23 100644
--- a/10_Wiki/Topics/Programming & Language/ts-brand.md	
+++ b/10_Wiki/Topics/Programming & Language/ts-brand.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7A0150
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - ts-brand"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Branded Types]], [[Opaque Types]], [[Structural Typing]], [[Effect TS]]
-- **Projects/Contexts:** [[TypeScript Community Libraries]], [[Type Safety Optimization]]
+- **Related Topics:** Branded Types, Opaque Types, [[Structural Typing]], [[Effect TS]]
+- **Projects/Contexts:** TypeScript Community Libraries, Type Safety Optimization
 - **Contradictions/Notes:** `ts-brand`를 활용한 브랜디드 타입 패턴은 프로그램의 타입 안정성을 높여주지만, 동시에 코드의 개념적 복잡성을 증가시키는 단점이 있습니다 [5, 6]. 따라서 단순한 유니언(Union), 열거형(Enum) 등 덜 복잡한 대안으로도 요구사항을 충족할 수 있는지 도입 전 트레이드오프(trade-off)를 신중히 고려해야 합니다 [5-7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/ts-brand.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/useEffect 클린업(Cleanup).md b/10_Wiki/Topics/Programming & Language/useEffect 클린업(Cleanup).md
index 70c2852e..0de43e5c 100644
--- a/10_Wiki/Topics/Programming & Language/useEffect 클린업(Cleanup).md	
+++ b/10_Wiki/Topics/Programming & Language/useEffect 클린업(Cleanup).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-55865D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,8 +28,8 @@ github_commit: "[P-Reinforce] Continuous Worker - useEffect 클린업(Cleanup)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Memory Leak Prevention (메모리 누수 방지)]], [[반응형 윈도우 리사이즈(Resize) 이벤트 처리]], [[웹 워커(Web Worker)]], [[Three.js 자원 해제 (Dispose)]]
-- **Projects/Contexts:** [[고성능 실시간 상호작용 시스템]], [[멀티스레드 기반 웹 애플리케이션]]
+- **Related Topics:** Memory Leak Prevention (메모리 누수 방지), [[반응형 윈도우 리사이즈(Resize) 이벤트 처리]], 웹 워커(Web Worker), Three.js 자원 해제 (Dispose)
+- **Projects/Contexts:** 고성능 실시간 상호작용 시스템, 멀티스레드 기반 웹 애플리케이션
 - **Contradictions/Notes:** React 18의 Strict Mode(개발 환경)에서는 컴포넌트가 의도적으로 한 번 더 마운트/언마운트되는 과정을 거칩니다. 이 과정에서 클린업 함수가 제대로 구현되어 있지 않으면 예기치 않은 이중 실행(예: 두 번 연결되는 웹소켓 등) 버그를 조기에 발견할 수 있으므로, 정확한 클린업 작성은 안정적인 React 앱 설계의 필수 조건입니다.
-- Raw Source: [[00_Raw/2026-04-20/useEffect 클린업(Cleanup).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가비지 컬렉션 (Garbage Collection).md b/10_Wiki/Topics/Programming & Language/가비지 컬렉션 (Garbage Collection).md
index db85d805..e1dfbf94 100644
--- a/10_Wiki/Topics/Programming & Language/가비지 컬렉션 (Garbage Collection).md	
+++ b/10_Wiki/Topics/Programming & Language/가비지 컬렉션 (Garbage Collection).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-51196C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가비지 컬렉션 (Garbage C
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[메모리 누수 (Memory Leak)]], [[힙 메모리 (Heap Memory)]], [[V8 엔진 (V8 Engine)]], [[Stop-The-World]]
-- **Projects/Contexts:** [[V8 Orinoco 프로젝트]], [[Node.js]], [[IBM Eclipse OpenJ9]]
+- **Related Topics:** 메모리 누수 (Memory Leak), 힙 메모리 (Heap Memory), V8 엔진 (V8 Engine), [[Stop-The-World]]
+- **Projects/Contexts:** V8 Orinoco 프로젝트, Node.js, IBM Eclipse OpenJ9
 - **Contradictions/Notes:** 가비지 컬렉션은 프로그래머에게서 수동 메모리 관리에 대한 부담을 덜어주어 대규모 애플리케이션의 메모리 누수나 오류를 획기적으로 줄여주는 장점이 있지만, 메모리 관리 시점에 대한 제어권을 잃게 되며 C/C++ 같은 언어와 비교할 때 포인터를 식별하고 마킹하는 등 런타임 오버헤드를 발생시킨다는 단점도 공존합니다 [3, 4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가비지 컬렉션 (Garbage Collection).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가비지 컬렉터(Garbage Collector).md b/10_Wiki/Topics/Programming & Language/가비지 컬렉터(Garbage Collector).md
index 386bf51d..e38adb1d 100644
--- a/10_Wiki/Topics/Programming & Language/가비지 컬렉터(Garbage Collector).md	
+++ b/10_Wiki/Topics/Programming & Language/가비지 컬렉터(Garbage Collector).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A11817
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가비지 컬렉터(Garbage Co
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Generational Hypothesis]], [[Mark-Sweep-Compact]], [[Scavenge]], [[Stop-the-world]]
-- **Projects/Contexts:** [[V8 Engine]], [[Orinoco Garbage Collector]], [[IBM Eclipse OpenJ9]]
+- **Related Topics:** [[Generational Hypothesis]], Mark-Sweep-Compact, [[Scavenge]], [[Stop-the-world]]
+- **Projects/Contexts:** [[V8 Engine]], Orinoco Garbage Collector, IBM Eclipse OpenJ9
 - **Contradictions/Notes:** 소스에 따르면 V8 엔진은 메모리 효율을 높이기 위해 포인터 압축(Pointer compression) 기술을 도입했는데, 이는 메모리와 성능 최적화에는 크게 기여하지만 64비트 시스템 환경에서도 V8의 최대 힙 크기를 4GB로 제한하게 만드는 부작용(Downside)을 초래합니다 [29, 30].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가비지 컬렉터(Garbage Collector).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실 멀미 (VR Sickness).md b/10_Wiki/Topics/Programming & Language/가상현실 멀미 (VR Sickness).md
index c7289924..a70a74e7 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실 멀미 (VR Sickness).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실 멀미 (VR Sickness).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9DED54
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실 멀미 (VR Sickne
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[시각-전정 감각 충돌 (Visual-Vestibular Conflict)]], [[양안 수렴-조절 불일치 (Vergence-Accommodation Conflict)]]
-- **Projects/Contexts:** [[엑서게임 (Exergaming)]], [[헤드마운트 디스플레이 (HMD)]]
+- **Related Topics:** 시각-전정 감각 충돌 (Visual-Vestibular Conflict), 양안 수렴-조절 불일치 (Vergence-Accommodation Conflict)
+- **Projects/Contexts:** 엑서게임 (Exergaming), [[헤드마운트 디스플레이 (HMD)]]
 - **Contradictions/Notes:** 가상현실 멀미의 발병 원인(etiology)에 대해 아직 학계의 완전한 합의(consensus)는 존재하지 않습니다 [3]. 또한, 노출 시간과 멀미 심각도의 관계가 항상 선형적이지는 않다는 점도 관찰됩니다. 10분 미만 노출보다 10~20분 노출에서 증상이 더 심하게 나타나지만, 20분 이상 노출된 연구에서는 오히려 10~20분 노출보다 증상이 덜 심각하게 보고되는 상반된 양상이 발견되기도 합니다(이는 360도 비디오, 게임, 정적 풍경 등 연구에 사용된 콘텐츠 유형의 분포 차이에 기인한 것으로 추정됩니다) [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실 멀미 (VR Sickness).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실 사후 효과 연구(Virtual Reality Aftereffects Study).md b/10_Wiki/Topics/Programming & Language/가상현실 사후 효과 연구(Virtual Reality Aftereffects Study).md
index 139366a5..a8a88e70 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실 사후 효과 연구(Virtual Reality Aftereffects Study).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실 사후 효과 연구(Virtual Reality Aftereffects Study).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-52C04C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실 사후 효과 연
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[VR Sickness (가상현실 멀미)]], [[Vergence-Accommodation Conflict (폭주-조절 불일치)]], [[Exergaming (엑서게이밍)]]
-- **Projects/Contexts:** [[Beat Saber (비트 세이버)를 활용한 가상현실 사후 효과 분석]]
+- **Related Topics:** VR Sickness (가상현실 멀미), Vergence-Accommodation Conflict (폭주-조절 불일치), Exergaming (엑서게이밍)
+- **Projects/Contexts:** Beat Saber (비트 세이버)를 활용한 가상현실 사후 효과 분석
 - **Contradictions/Notes:** 연구 결과에서 그룹 평균적으로는 VR 노출 40분 후 모든 시각적 및 멀미 증상이 기저 수준으로 회복되었다고 나타나지만, 50분 노출군 중 약 14%의 사용자는 40분 후에도 여전히 높은 수준의 멀미를 경험하여 '평균적 회복 양상'과 '개인별 실제 회복' 사이에 모순적인 괴리가 존재합니다 [8, 10]. 또한, 인지적 반응 시간에 대한 기존 문헌들은 VR이 부정적인 영향을 미친다는 결과와 오히려 긍정적인 영향을 미친다는 결과가 혼재되어 일관성이 부족하나, 본 연구에서는 인지 능력에 유의미한 영향이 없는 것으로 나타났습니다 [6, 12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실 사후 효과 연구(Virtual Reality Aftereffects Study).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study).md b/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study).md
index 2888fdd3..14bcb7f9 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DE15F3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실 엑서게임 후
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[폭주-조절 불일치(Vergence-accommodation conflict)]], [[시뮬레이터 멀미 설문(SSQ)]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber)를 활용한 엑서게임 실험]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), [[폭주-조절 불일치(Vergence-accommodation conflict)]], 시뮬레이터 멀미 설문(SSQ)
+- **Projects/Contexts:** 비트 세이버(Beat Saber)를 활용한 엑서게임 실험
 - **Contradictions/Notes:** 통계적으로 그룹의 평균적인 시각적 변화 및 멀미 증상은 VR 종료 40분 후 기저 수준으로 회복된다고 나타나지만, 개별 데이터에 따르면 참가자의 약 14%는 40분 후에도 여전히 심각한 수준의 멀미 증상을 경험하는 모순적(개인 편차) 결과가 존재합니다 [3], [14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research).md b/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research).md
index 83030509..eda5ebe2 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EE39A3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실 엑서게임 후
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[사이버 멀미(VR sickness)]], [[수렴-조절 불일치(Vergence-accommodation conflicts)]], [[시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire, SSQ)]], [[헤드마운트 디스플레이(HMD)]]
-- **Projects/Contexts:** [[비트 세이버 엑서게임 연구(Beat Saber exergame study)]]
+- **Related Topics:** 사이버 멀미(VR sickness), 수렴-조절 불일치(Vergence-accommodation conflicts), 시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire, SSQ), 헤드마운트 디스플레이(HMD)
+- **Projects/Contexts:** 비트 세이버 엑서게임 연구(Beat Saber exergame study)
 - **Contradictions/Notes:** 그룹 전체의 평균 데이터를 보면 VR 노출 후 40분이 지나면 증상이 완전히 기저 수준으로 회복됨을 시사하지만, 개별 데이터를 심층적으로 보면 일부 사용자(약 14%)가 50분 노출 후 40분이 지나도 여전히 높은 수준의 멀미를 보고한다는 점에서 평균값과 개인차 간의 상반된 양상을 주의해야 합니다 [11]. 또한 멀미나 피로로 인해 인지 속도가 저하될 것이라는 일반적 우려와 달리, 실제 엑서게임 직후에는 오히려 운동 반응 속도가 일시적으로 향상되는 모순된/긍정적인 결과가 관찰되기도 했습니다 [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실 후유증 (Virtual Reality Aftereffects).md b/10_Wiki/Topics/Programming & Language/가상현실 후유증 (Virtual Reality Aftereffects).md
index c9a90961..91399bbe 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실 후유증 (Virtual Reality Aftereffects).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실 후유증 (Virtual Reality Aftereffects).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-167F08
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실 후유증 (Virtua
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미 (VR Sickness / Cybersickness)]], [[시각-전정 감각 충돌 (Visual-Vestibular Conflict)]], [[폭주-조절 불일치 (Vergence-Accommodation Conflict)]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber)를 활용한 엑서게임 후유증 연구]]
+- **Related Topics:** 가상현실 멀미 (VR Sickness / Cybersickness), 시각-전정 감각 충돌 (Visual-Vestibular Conflict), 폭주-조절 불일치 (Vergence-Accommodation Conflict)
+- **Projects/Contexts:** 비트 세이버(Beat Saber)를 활용한 엑서게임 후유증 연구
 - **Contradictions/Notes:** 소스에 따르면 그룹 평균적으로는 VR 노출 후 40분 이내에 증상이 기준선으로 회복되는 것으로 나타났으나, 이는 모든 개인에게 일괄 적용되는 것은 아닙니다. 실제로 50분간 게임을 플레이한 참가자 중 약 14%는 40분이 지난 후에도 여전히 심각한 수준의 VR 멀미를 보고하여, 후유증의 회복에는 큰 개인차가 존재함이 강조됩니다 [4, 10]. 또한, 잦은 휴식이나 짧은 반복 노출을 통한 습관화(habituation)가 일부 사용자의 증상을 완화할 수 있다는 증거가 있지만, 이 역시 모든 사람에게 효과가 있는 전략은 아니라고 지적합니다 [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실 후유증 (Virtual Reality Aftereffects).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실 후유증(VR Aftereffects).md b/10_Wiki/Topics/Programming & Language/가상현실 후유증(VR Aftereffects).md
index 3c64d6a3..b01ef8a5 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실 후유증(VR Aftereffects).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실 후유증(VR Aftereffects).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4280D4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실 후유증(VR Afte
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[시각-전정 감각 충돌(Visual-Vestibular Conflict)]], [[폭주-조절 불일치(Vergence-Accommodation Conflict)]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), [[시각-전정 감각 충돌(Visual-Vestibular Conflict)]], [[폭주-조절 불일치(Vergence-Accommodation Conflict)]]
 - **Projects/Contexts:** [[비트 세이버(Beat Saber) 엑서게임 연구]]
 - **Contradictions/Notes:** 일반적으로 VR 노출 시간이 길어질수록 후유증 증상이 증가하지만, 일부 문헌에서는 10~20분 노출된 연구보다 20분 이상 노출된 연구에서 오히려 평균 증상이 더 낮게 나타나는 등 비선형적인 양상을 보고하기도 합니다. 이는 포함된 VR 콘텐츠의 유형(360도 비디오, 게임 등) 차이에서 기인했을 가능성이 큽니다 [7]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실 후유증(VR Aftereffects).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실(VR) 엑서게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md b/10_Wiki/Topics/Programming & Language/가상현실(VR) 엑서게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md
index 2aa05fca..f5789dd1 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실(VR) 엑서게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실(VR) 엑서게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2EC87D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실(VR) 엑서게임
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[엑서게임(Exergaming)]], [[반응 시간(Reaction Time)]], [[가상현실 멀미(VR Sickness)]]
-- **Projects/Contexts:** [[Beat Saber VR 엑서게임 실험]]
+- **Related Topics:** [[엑서게임(Exergaming)]], [[반응 시간(Reaction Time)]], 가상현실 멀미(VR Sickness)
+- **Projects/Contexts:** Beat Saber VR 엑서게임 실험
 - **Contradictions/Notes:** 소스에 따르면, 가상현실 노출이 반응 속도에 미치는 즉각적인 영향에 대해 기존 문헌들은 매우 일관되지 않은 결과를 보입니다. 일부 연구는 부정적인 사후 효과(반응 속도 지연 등)를 보고한 반면, 본 연구 결과를 포함한 다른 연구들은 반응 시간이 오히려 빨라지는 긍정적인 효과를 발견하기도 했습니다 [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실(VR) 엑서게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/가상현실(VR) 자전거 시뮬레이터.md b/10_Wiki/Topics/Programming & Language/가상현실(VR) 자전거 시뮬레이터.md
index a7658c51..c442d156 100644
--- a/10_Wiki/Topics/Programming & Language/가상현실(VR) 자전거 시뮬레이터.md	
+++ b/10_Wiki/Topics/Programming & Language/가상현실(VR) 자전거 시뮬레이터.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-807F75
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 가상현실(VR) 자전거 시
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[엑스어게임(Exergames)]], [[사이버 멀미(Cybersickness)]], [[헤드마운트 디스플레이(HMD)]]
-- **Projects/Contexts:** [[디스플레이 유형과 모션 제어가 가상 자전거 시뮬레이터 멀미에 미치는 영향 연구]]
+- **Related Topics:** 엑스어게임(Exergames), 사이버 멀미(Cybersickness), 헤드마운트 디스플레이(HMD)
+- **Projects/Contexts:** 디스플레이 유형과 모션 제어가 가상 자전거 시뮬레이터 멀미에 미치는 영향 연구
 - **Contradictions/Notes:** 소스에 가상현실(VR) 자전거 시뮬레이터에 대한 전반적이고 상세한 정보가 부족합니다. 다만 HMD 기반의 시뮬레이터가 몰입도를 높이는 장점이 있음에도 불구하고, 스크린 기반 게임에 비해 멀미를 더 많이 유발할 수 있다는 점이 지적됩니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/가상현실(VR) 자전거 시뮬레이터.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/감각 통합(Sensory integration).md b/10_Wiki/Topics/Programming & Language/감각 통합(Sensory integration).md
index 375410c7..aa978925 100644
--- a/10_Wiki/Topics/Programming & Language/감각 통합(Sensory integration).md	
+++ b/10_Wiki/Topics/Programming & Language/감각 통합(Sensory integration).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-22B9B4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 감각 통합(Sensory integrat
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[시각-전정 충돌(Visual-vestibular conflict)]]
-- **Projects/Contexts:** [[가상현실 엑서게임(Beat Saber) 시각 및 인지적 후유증 연구]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), [[시각-전정 충돌(Visual-vestibular conflict)]]
+- **Projects/Contexts:** 가상현실 엑서게임(Beat Saber) 시각 및 인지적 후유증 연구
 - **Contradictions/Notes:** 제공된 소스에서는 감각 통합을 주로 VR 환경에서의 멀미 유발 원인(시각과 전정 감각의 충돌)이라는 매우 제한적인 맥락에서만 다루고 있으며, 그 외의 정보에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/감각 통합(Sensory integration).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/개발자 경험(DX).md b/10_Wiki/Topics/Programming & Language/개발자 경험(DX).md
index 6c6a49aa..55586919 100644
--- a/10_Wiki/Topics/Programming & Language/개발자 경험(DX).md	
+++ b/10_Wiki/Topics/Programming & Language/개발자 경험(DX).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C2C2F8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 개발자 경험(DX)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Facade 패턴]], [[탈출구(Escape Hatch)]], [[파레토 법칙]], [[단일 책임 원칙(SRP)]]
-- **Projects/Contexts:** [[Toss Front SDK 개발]], [[AWS CDK]], [[Effective TypeScript Principles]]
+- **Related Topics:** Facade 패턴, 탈출구(Escape Hatch), 파레토 법칙, [[단일 책임 원칙(SRP)]]
+- **Projects/Contexts:** Toss Front SDK 개발, AWS CDK, Effective TypeScript Principles
 - **Contradictions/Notes:** 추상화 수준이 높아져 DX가 개선될수록 세밀한 제어가 어려워지고 내부 오케스트레이션 로직의 유지 비용이 증가하는 트레이드오프가 발생합니다 [7]. 따라서 고수준의 편의성에만 안주하지 않고 저수준 API와의 공존을 통해 균형을 잡는 것이 필수적입니다 [8]. 또한, 개발자 경험을 핑계로 AI 도구에 전적으로 의존하고 제어권을 넘기는 것은 오히려 복잡성을 키울 수 있으므로 지양해야 합니다 [10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/개발자 경험(DX).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/객체 지향 소프트웨어 아키텍처 설계.md b/10_Wiki/Topics/Programming & Language/객체 지향 소프트웨어 아키텍처 설계.md
index cd512397..6c7a1c61 100644
--- a/10_Wiki/Topics/Programming & Language/객체 지향 소프트웨어 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/객체 지향 소프트웨어 아키텍처 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B40B56
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 객체 지향 소프트웨어
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID 원칙]], [[관심사의 분리(SoC)]], [[AOP(관점 지향 프로그래밍)]]
-- **Projects/Contexts:** [[소프트웨어 모듈화 및 컴포넌트 설계]], [[의존성 관리와 횡단 관심사 처리]]
+- **Related Topics:** [[SOLID 원칙]], [[관심사의 분리(SoC)]], AOP(관점 지향 프로그래밍)
+- **Projects/Contexts:** 소프트웨어 모듈화 및 컴포넌트 설계, 의존성 관리와 횡단 관심사 처리
 - **Contradictions/Notes:** 소스에서는 횡단 관심사를 처리할 때 객체 지향 프로그래밍의 다형성과 디자인 패턴(전략 패턴 등)을 통해 확장 가능하도록 설계할 수 있다고 설명하지만 [8], 동시에 OOP가 갖는 수직적 분리의 한계 때문에 코드의 복잡성을 낮추고 중복을 제거하려면 AOP(관점 지향 프로그래밍)를 통한 수평적 분리로 시스템을 보완해야 한다는 점을 함께 지적합니다 [10, 11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/객체 지향 소프트웨어 아키텍처 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (OOP).md b/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (OOP).md
index f417ea41..ca2fb152 100644
--- a/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (OOP).md	
+++ b/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (OOP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4772F3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 객체 지향 프로그래밍
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/객체 지향 프로그래밍 (OOP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (Object-Oriented Programming).md b/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (Object-Oriented Programming).md
index dd0120ba..4756f60d 100644
--- a/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (Object-Oriented Programming).md	
+++ b/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍 (Object-Oriented Programming).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D7D274
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 객체 지향 프로그래밍
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID Principles]], [[Separation of Concerns (SoC)]], [[Aspect-Oriented Programming (AOP)]], [[Encapsulation]], [[Inheritance]], [[Polymorphism]]
-- **Projects/Contexts:** [[소프트웨어 아키텍처 및 시스템 설계]], [[유지보수 및 확장성 관리를 위한 엔터프라이즈 애플리케이션]]
+- **Related Topics:** SOLID Principles, Separation of Concerns (SoC), Aspect-Oriented Programming (AOP), Encapsulation, Inheritance, Polymorphism
+- **Projects/Contexts:** 소프트웨어 아키텍처 및 시스템 설계, 유지보수 및 확장성 관리를 위한 엔터프라이즈 애플리케이션
 - **Contradictions/Notes:** 소스에 따르면 OOP는 객체 간 책임 분리와 기능 단위의 모듈화에 뛰어난 강점을 보이지만 모든 관심사 분리에 완벽한 것은 아닙니다. 시스템 전체에 퍼져 있는 공통 로직(횡단 관심사)을 효율적으로 분리하기 위해서는 AOP(관점 지향 프로그래밍)의 수평적 분리 접근 방식을 혼합하여 단점을 보완해야 합니다 [3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/객체 지향 프로그래밍 (Object-Oriented Programming).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍(OOP).md b/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍(OOP).md
index c5fd52f3..3ceb1c53 100644
--- a/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍(OOP).md	
+++ b/10_Wiki/Topics/Programming & Language/객체 지향 프로그래밍(OOP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9FB550
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 객체 지향 프로그래밍(
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID Principles]], [[Separation of Concerns (SoC)]], [[Aspect-Oriented Programming (AOP)]], [[캡슐화(Encapsulation)]], [[상속(Inheritance)]]
+- **Related Topics:** SOLID Principles, Separation of Concerns (SoC), Aspect-Oriented Programming (AOP), 캡슐화(Encapsulation), 상속(Inheritance)
 - **Projects/Contexts:** 확장 가능하고 모듈화된 시스템 아키텍처 및 라이브러리 설계의 기본 바탕이 되며, 실무 기술 면접에서도 소프트웨어 설계 철학을 확인하기 위한 단골 질문으로 다루어집니다 [1, 8, 9].
 - **Contradictions/Notes:** 소스 간의 직접적인 의견 대립이나 모순에 대한 정보는 부족합니다. 다만 참고 사항으로, OOP 고유의 수직적 책임 분리만으로는 중복을 완벽히 제거하기 힘든 횡단 관심사가 존재하며, 소스에서는 이를 해결하기 위해 AOP 기법이 보완적으로 적용된다는 점을 강조하고 있습니다 [4, 5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/객체 지향 프로그래밍(OOP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/견고한 도메인 모델 및 API 계약 설계.md b/10_Wiki/Topics/Programming & Language/견고한 도메인 모델 및 API 계약 설계.md
index 33d86227..427f142a 100644
--- a/10_Wiki/Topics/Programming & Language/견고한 도메인 모델 및 API 계약 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/견고한 도메인 모델 및 API 계약 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E5BF95
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 견고한 도메인 모델 및
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, don't validate]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[Satisfies 연산자]], [[불변성 (Immutability)]], [[Result 타입]]
-- **Projects/Contexts:** [[Zod를 활용한 런타임 데이터 검증]], [[API 응답 처리 및 상태 머신 모델링]]
+- **Related Topics:** Parse, don't validate, 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], [[Satisfies 연산자]], [[불변성 (Immutability)]], Result 타입
+- **Projects/Contexts:** Zod를 활용한 런타임 데이터 검증, API 응답 처리 및 상태 머신 모델링
 - **Contradictions/Notes:** 소스에 따르면 교집합(`&`)과 타입 별칭(`type`)만으로도 객체를 조합할 수 있지만, 대규모 프로젝트의 성능과 컴파일러 캐싱 최적화를 고려할 때 핵심 도메인 객체 선언에는 인터페이스 상속(`interface extends`)을 우선시하는 것이 권장됩니다 [32-34]. 또한 비즈니스 흐름 제어를 위해 전통적인 예외(`Exception`) 투척보다는 `Result` 패턴을 활용하는 방식이 더욱 안전한 설계로 제시됩니다 [28, 30, 35].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/견고한 도메인 모델 및 API 계약 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/결합도 (Coupling).md b/10_Wiki/Topics/Programming & Language/결합도 (Coupling).md
index cc876059..c39a8a3f 100644
--- a/10_Wiki/Topics/Programming & Language/결합도 (Coupling).md	
+++ b/10_Wiki/Topics/Programming & Language/결합도 (Coupling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1DFEC5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,10 +37,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 결합도 (Coupling)"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[응집도 (Cohesion)]], [[관심사의 분리 (Separation of Concerns)]], [[의존성 주입 (Dependency Injection)]], [[단일 책임 원칙 (Single Responsibility Principle)]]
-- **Projects/Contexts:** [[소프트웨어 아키텍처 설계]], [[마이크로서비스 아키텍처]], [[이벤트 기반 아키텍처]]
+- **Projects/Contexts:** [[소프트웨어 아키텍처 설계]], 마이크로서비스 아키텍처, 이벤트 기반 아키텍처
 - **Contradictions/Notes:** 모듈 간 결합도를 낮추기 위해 관심사를 엄격하게 분리하는 것은 유지보수성을 크게 향상하지만, 추상화 레이어가 지나치게 많아지면 시스템 내 구성요소 간의 상호작용을 파악하기 힘들어지거나 통신 오버헤드가 발생하여 전체적인 시스템의 복잡성이 오히려 증가할 수 있다는 단점도 수반됩니다 [6, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/결합도 (Coupling).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/경고 피로 (Alert Fatigue).md b/10_Wiki/Topics/Programming & Language/경고 피로 (Alert Fatigue).md
index 6add8c0e..50b2e18a 100644
--- a/10_Wiki/Topics/Programming & Language/경고 피로 (Alert Fatigue).md	
+++ b/10_Wiki/Topics/Programming & Language/경고 피로 (Alert Fatigue).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-642AF9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 경고 피로 (Alert Fatigue)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[오탐지 (False Positives)]], [[자동화된 코드 리뷰 (Automated Code Review)]], [[정적 애플리케이션 보안 테스트 (SAST)]]
-- **Projects/Contexts:** [[Endor Labs]], [[JetBrains Qodana]]
+- **Related Topics:** 오탐지 (False Positives), 자동화된 코드 리뷰 (Automated Code Review), [[정적 애플리케이션 보안 테스트 (SAST)]]
+- **Projects/Contexts:** Endor Labs, JetBrains Qodana
 - **Contradictions/Notes:** 소스 전반에서 자동화된 코드 분석 도구가 빠르고 일관적이라는 큰 장점을 제공한다고 주장하지만, 동시에 문맥 이해 부족에서 기인하는 과도한 오탐지가 '경고 피로'를 유발하여 도구의 효용성을 떨어뜨린다는 한계점을 공통적으로 지적하고 있습니다 [1, 2].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/경고 피로 (Alert Fatigue).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/계층화 아키텍처 (Layered Architecture).md b/10_Wiki/Topics/Programming & Language/계층화 아키텍처 (Layered Architecture).md
index bd25b4b7..e3a4bac6 100644
--- a/10_Wiki/Topics/Programming & Language/계층화 아키텍처 (Layered Architecture).md	
+++ b/10_Wiki/Topics/Programming & Language/계층화 아키텍처 (Layered Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1EAECE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,5 +34,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 계층화 아키텍처 (Layere
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/계층화 아키텍처 (Layered Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/과잉 속성 체크 (Excess Property Checking).md b/10_Wiki/Topics/Programming & Language/과잉 속성 체크 (Excess Property Checking).md
index 20b1f451..3f188ee0 100644
--- a/10_Wiki/Topics/Programming & Language/과잉 속성 체크 (Excess Property Checking).md	
+++ b/10_Wiki/Topics/Programming & Language/과잉 속성 체크 (Excess Property Checking).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9B5810
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 과잉 속성 체크 (Excess P
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[satisfies 연산자]], [[타입 캐스팅 (Type Casting)]], [[약한 타입 탐지 (Weak Type Detection)]]
-- **Projects/Contexts:** [[철벽 수비대" - TypeScript 타입 시스템 (인터페이스 설계)]], [[React 컴포넌트 Props 검증]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[satisfies 연산자]], [[타입 캐스팅 (Type Casting)]], [[약한 타입 탐지 (Weak Type Detection)]]
+- **Projects/Contexts:** 철벽 수비대" - TypeScript 타입 시스템 (인터페이스 설계), [[React 컴포넌트 Props 검증]]
 - **Contradictions/Notes:** 객체 리터럴을 직접 할당할 때는 과잉 속성 체크가 발동되어 에러를 반환하지만, 중간 변수를 통해 간접 할당될 때는 구조적 타이핑 원칙이 적용되어 과잉 속성이 존재해도 에러가 발생하지 않는 모순적 동작을 보인다[1, 3, 5, 12]. 또한 `as` 연산자는 과잉 속성을 무시하고 할당을 허용하지만, `satisfies` 연산자는 초과된 속성에 대해 엄격한 검증을 강제한다[16, 21].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/과잉 속성 체크 (Excess Property Checking).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/과잉 속성 체크(EPC).md b/10_Wiki/Topics/Programming & Language/과잉 속성 체크(EPC).md
index 2f9979a2..22a894cc 100644
--- a/10_Wiki/Topics/Programming & Language/과잉 속성 체크(EPC).md	
+++ b/10_Wiki/Topics/Programming & Language/과잉 속성 체크(EPC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-13C5F5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 과잉 속성 체크(EPC)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑(Structural Typing)]], [[satisfies 연산자]], [[객체 리터럴(Object Literals)]]
-- **Projects/Contexts:** [[TypeScript 타입 검사 시스템]], [[React 컴포넌트 Props 검사]]
+- **Related Topics:** [[구조적 타이핑(Structural Typing)]], [[satisfies 연산자]], 객체 리터럴(Object Literals)
+- **Projects/Contexts:** TypeScript 타입 검사 시스템, React 컴포넌트 Props 검사
 - **Contradictions/Notes:** 과잉 속성이 실제 버그를 유발하는 빈도에 대해서는 시각차가 존재합니다. 일부는 초과 속성이 런타임 이슈(리렌더링, 보안 문제)를 야기한다고 경고하지만 [12], [10], TypeScript-eslint 저장소의 일부 논의에서는 객체의 키나 값 세트에 대한 직접적인 연산이 없는 한 과잉 속성 자체가 실제로 버그를 유발하는 경우는 드물다고 주장합니다 [17].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/과잉 속성 체크(EPC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/과잉 속성 체크(Excess Property Checking).md b/10_Wiki/Topics/Programming & Language/과잉 속성 체크(Excess Property Checking).md
index 372e70ee..b59ce8e9 100644
--- a/10_Wiki/Topics/Programming & Language/과잉 속성 체크(Excess Property Checking).md	
+++ b/10_Wiki/Topics/Programming & Language/과잉 속성 체크(Excess Property Checking).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7ED2D3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 과잉 속성 체크(Excess Pr
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/과잉 속성 체크(Excess Property Checking).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns SoC).md b/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns SoC).md
index d82e962e..d9753854 100644
--- a/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns SoC).md	
+++ b/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns SoC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CE39CC
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 관심사의 분리 (Separatio
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[단일 책임 원칙 (Single Responsibility Principle, SRP)]], [[응집도 (Cohesion)]], [[결합도 (Coupling)]], [[계층화 아키텍처 (Layered Architecture)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]]
-- **Projects/Contexts:** [[넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform)]] (마이크로서비스, 워크플로우, 서버리스 함수로 논리적 계층을 엄격히 분리하여 병목 현상을 해결한 사례 [34-36]), [[스포티파이 마이크로 프론트엔드 (Spotify Micro Frontends)]] (스쿼드 조직 모델과 프론트엔드의 관심사를 분리하여 독립적 개발과 배포를 가능하게 한 사례 [22]).
+- **Related Topics:** 단일 책임 원칙 (Single Responsibility Principle, SRP), [[응집도 (Cohesion)]], [[결합도 (Coupling)]], [[계층화 아키텍처 (Layered Architecture)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]]
+- **Projects/Contexts:** 넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform) (마이크로서비스, 워크플로우, 서버리스 함수로 논리적 계층을 엄격히 분리하여 병목 현상을 해결한 사례 [34-36]), 스포티파이 마이크로 프론트엔드 (Spotify Micro Frontends) (스쿼드 조직 모델과 프론트엔드의 관심사를 분리하여 독립적 개발과 배포를 가능하게 한 사례 [22]).
 - **Contradictions/Notes:** 관심사의 분리는 훌륭한 설계 지침이지만, 개발 초기 단계부터 모든 것을 선제적으로 추측하여 분리하려 하면 '오버엔지니어링'이나 '성급한 추상화(Premature Abstraction)'가 발생할 수 있다. 이는 인지적 부하를 줄이려는 SoC의 본래 목적과 정반대의 결과를 낳을 수 있으므로, 실제 중복과 복잡성이 확인되는 임계점에서 점진적으로 분리를 수행해야 한다는 실무자들의 지적이 있다 [29, 30, 33, 37].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/관심사의 분리 (Separation of Concerns, SoC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns).md b/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns).md
index 7c10d4b0..35e0e1cf 100644
--- a/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns).md	
+++ b/10_Wiki/Topics/Programming & Language/관심사의 분리 (Separation of Concerns).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FE2B8D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,10 +36,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 관심사의 분리 (Separatio
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[응집도와 결합도 (Cohesion and Coupling)]], [[클린 아키텍처 (Clean Architecture)]], [[단일 책임 원칙 (Single Responsibility Principle)]], [[의존성 규칙 (Dependency Rule)]]
-- **Projects/Contexts:** [[넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform)]], [[스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends)]], [[화신산 병원 모듈러 통합 건설 (Huoshenshan Hospital Modular Construction)]]
+- **Projects/Contexts:** 넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform), [[스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends)]], 화신산 병원 모듈러 통합 건설 (Huoshenshan Hospital Modular Construction)
 - **Contradictions/Notes:** 관심사의 분리는 시스템의 복잡성을 낮추지만, 맹목적으로 추구하여 과도하게 분리할 경우 함수 호출의 깊이 증가, 네트워크 지연, 데이터 변환 오버헤드 등 성능 저하를 초래할 수 있습니다 [30]. 또한 지나친 추상화는 개발자를 미궁에 빠뜨려 가독성을 저하시키는 '오버엔지니어링'의 부작용을 낳을 수 있으므로, 유사 코드가 최소 3번 이상 중복될 때 추상화를 고려하는 "Rule of Three"를 참고하여 실무적인 분리의 임계점을 찾아야 합니다 [31, 32].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/관심사의 분리 (Separation of Concerns).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관심사의 분리 (SoC).md b/10_Wiki/Topics/Programming & Language/관심사의 분리 (SoC).md
index d4f4a6fd..95c18176 100644
--- a/10_Wiki/Topics/Programming & Language/관심사의 분리 (SoC).md	
+++ b/10_Wiki/Topics/Programming & Language/관심사의 분리 (SoC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-441E04
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -41,5 +41,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 관심사의 분리 (SoC)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/관심사의 분리 (SoC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관심사의 분리(Separation of Concerns).md b/10_Wiki/Topics/Programming & Language/관심사의 분리(Separation of Concerns).md
index 520cd923..3e3b6236 100644
--- a/10_Wiki/Topics/Programming & Language/관심사의 분리(Separation of Concerns).md	
+++ b/10_Wiki/Topics/Programming & Language/관심사의 분리(Separation of Concerns).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-55088F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 관심사의 분리(Separation
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[단일 책임 원칙(SRP)]], [[응집도(Cohesion)와 결합도(Coupling)]], [[계층화 아키텍처(Layered Architecture)]]
-- **Projects/Contexts:** [[넷플릭스(Netflix)의 코스모스(Cosmos) 플랫폼과 마이크로서비스 전환]], [[스포티파이(Spotify)의 마이크로 프론트엔드 및 스쿼드 모델]], [[HTML, CSS, JavaScript의 웹 표준 3요소 분리]]
+- **Related Topics:** [[단일 책임 원칙(SRP)]], 응집도(Cohesion)와 결합도(Coupling), 계층화 아키텍처(Layered Architecture)
+- **Projects/Contexts:** 넷플릭스(Netflix)의 코스모스(Cosmos) 플랫폼과 마이크로서비스 전환, 스포티파이(Spotify)의 마이크로 프론트엔드 및 스쿼드 모델, HTML, CSS, JavaScript의 웹 표준 3요소 분리
 - **Contradictions/Notes:** 많은 개발 가이드라인은 관심사의 분리를 선제적으로 엄격히 설계할 것을 권장하지만, 일부 전문가들은 코드 작성 초기부터 완벽하게 관심사를 예측하여 분리하는 것은 불가능하다고 주장합니다 [34, 35]. 대신, 유사한 코드가 3번 이상 반복될 때 추출하는 'Rule of Three'처럼, 반복되는 패턴을 확인한 뒤에 경험적으로 사후에 분리하는 실용적이고 점진적인 접근(DRY 원칙과 병행)을 강조합니다 [31, 35, 36].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/관심사의 분리(Separation of Concerns).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관심사의 분리(SoC).md b/10_Wiki/Topics/Programming & Language/관심사의 분리(SoC).md
index c3a1a288..2bcbfc54 100644
--- a/10_Wiki/Topics/Programming & Language/관심사의 분리(SoC).md	
+++ b/10_Wiki/Topics/Programming & Language/관심사의 분리(SoC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1BA61A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,13 +32,13 @@ github_commit: "[P-Reinforce] Continuous Worker - 관심사의 분리(SoC)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[단일 책임 원칙(SRP)]], [[응집도(Cohesion)와 결합도(Coupling)]], [[계층화 아키텍처(Layered Architecture)]], [[모델-뷰-컨트롤러(MVC)]], [[관점 지향 프로그래밍(AOP)]]
-- **Projects/Contexts:** [[넷플릭스 코스모스(Cosmos) 플랫폼]], [[스포티파이 스쿼드(Squad) 및 마이크로 프론트엔드]], [[화신산(Huoshen Mountain) 병원 모듈러 통합 건설(MiC)]]
+- **Related Topics:** [[단일 책임 원칙(SRP)]], 응집도(Cohesion)와 결합도(Coupling), 계층화 아키텍처(Layered Architecture), 모델-뷰-컨트롤러(MVC), [[관점 지향 프로그래밍(AOP)]]
+- **Projects/Contexts:** 넷플릭스 코스모스(Cosmos) 플랫폼, 스포티파이 스쿼드(Squad) 및 마이크로 프론트엔드, 화신산(Huoshen Mountain) 병원 모듈러 통합 건설(MiC)
 - **Contradictions/Notes:** 
     * "SoC를 도입하면 유지보수와 모듈성이 향상된다"는 원칙이 일반적이나, "지나친 관심사 분리와 추상화는 간접 참조를 늘리고 런타임 성능 저하 및 코드 추적의 어려움을 유발하여 실무적 복잡성을 오히려 가중시킨다"는 경고와 상충하는 지점이 있다 [42-45].
     * 관심사의 선제적인 도출이 필수적이라는 견해가 있는 반면, 다른 실무자들은 초기에 관심사를 미리 예측해 분리하는 것은 불가능에 가까우며, 코드가 중복되어 나타날 때(Rule of Three) 사후적으로 리팩토링을 통해 분리하는 것(DRY 관점)이 현실적이라는 상반된 주장을 한다 [45, 46].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/관심사의 분리(SoC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍 (AOP).md b/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍 (AOP).md
index b2310600..db44a78c 100644
--- a/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍 (AOP).md	
+++ b/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍 (AOP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A9FD39
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,5 +35,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 관점 지향 프로그래밍
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/관점 지향 프로그래밍 (AOP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍(AOP).md b/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍(AOP).md
index f6c1853d..7d132494 100644
--- a/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍(AOP).md	
+++ b/10_Wiki/Topics/Programming & Language/관점 지향 프로그래밍(AOP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B943FA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 관점 지향 프로그래밍(
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[객체 지향 프로그래밍(OOP)]], [[횡단 관심사(Cross-Cutting Concerns)]], [[관심사의 분리(SoC)]]
-- **Projects/Contexts:** [[Spring AOP]], [[AspectJ]]
+- **Related Topics:** [[객체 지향 프로그래밍(OOP)]], 횡단 관심사(Cross-Cutting Concerns), [[관심사의 분리(SoC)]]
+- **Projects/Contexts:** Spring AOP, AspectJ
 - **Contradictions/Notes:** 소스들 간에 직접적인 모순은 없으나, AOP 도입에 대한 명확한 트레이드오프(Trade-off)가 강조된다. AOP는 횡단 관심사를 분리하여 코드 품질과 유지보수성을 높이는 훌륭한 해결책이지만, 과도하게 사용할 경우 런타임 코드 추적을 어렵게 만들고 오히려 복잡도를 증가시킬 수 있다는 점을 주의해야 한다 [6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/관점 지향 프로그래밍(AOP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/교집합 타입(Intersection Type).md b/10_Wiki/Topics/Programming & Language/교집합 타입(Intersection Type).md
index 1efecc69..011c3bdd 100644
--- a/10_Wiki/Topics/Programming & Language/교집합 타입(Intersection Type).md	
+++ b/10_Wiki/Topics/Programming & Language/교집합 타입(Intersection Type).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4ECB5E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 교집합 타입(Intersection
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[유니언 타입(Union Type)]], [[인터페이스(Interface)]], [[집합론(Set Theory)]]
-- **Projects/Contexts:** [[API 도메인 모델 구조화 및 설정 객체(Configuration Objects) 관리]], [[TypeScript 컴파일 성능 최적화]]
+- **Related Topics:** 유니언 타입(Union Type), 인터페이스(Interface), [[집합론(Set Theory)]]
+- **Projects/Contexts:** API 도메인 모델 구조화 및 설정 객체(Configuration Objects) 관리, TypeScript 컴파일 성능 최적화
 - **Contradictions/Notes:** 여러 타입을 합칠 때 교집합 타입(`&`)이 흔히 사용되지만, TypeScript 공식 성능 가이드와 개발 커뮤니티에서는 객체를 확장할 경우 컴파일 캐싱 및 성능 이점, 에러 방지를 위해 교집합 타입보다 `interface extends`의 사용을 적극적으로 권장합니다 [12, 13, 17].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/교집합 타입(Intersection Type).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/구조적 타이핑(Structural Typing).md b/10_Wiki/Topics/Programming & Language/구조적 타이핑(Structural Typing).md
index 5a7900ad..d5f8b007 100644
--- a/10_Wiki/Topics/Programming & Language/구조적 타이핑(Structural Typing).md	
+++ b/10_Wiki/Topics/Programming & Language/구조적 타이핑(Structural Typing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-25EFF5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 구조적 타이핑(Structural
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[덕 타이핑(Duck Typing)]], [[명목적 타이핑(Nominal Typing)]], [[과잉 속성 체크(Excess Property Checking)]], [[브랜디드 타입(Branded Types)]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[TypeScript 타입 시스템 아키텍처 및 도메인 기반 설계(DDD)]]
+- **Related Topics:** [[덕 타이핑(Duck Typing)]], [[명목적 타이핑(Nominal Typing)]], [[과잉 속성 체크(Excess Property Checking)]], 브랜디드 타입(Branded Types), [[satisfies 연산자]]
+- **Projects/Contexts:** TypeScript 타입 시스템 아키텍처 및 도메인 기반 설계(DDD)
 - **Contradictions/Notes:** 객체 리터럴을 직접 할당하거나 인자로 넘길 때는 예기치 않은 잉여 속성에 대해 엄격한 에러를 발생시키는 반면, 값을 미리 변수에 선언한 뒤 간접적으로 할당할 때는 최소 요건만 충족하면 잉여 속성을 무시하고 할당을 허용하는 동작 방식의 차이가 존재합니다 [8, 10, 17, 18].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/구조적 타이핑(Structural Typing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/구조적 타이핑.md b/10_Wiki/Topics/Programming & Language/구조적 타이핑.md
index f7d87c16..a582445e 100644
--- a/10_Wiki/Topics/Programming & Language/구조적 타이핑.md	
+++ b/10_Wiki/Topics/Programming & Language/구조적 타이핑.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E8243F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 구조적 타이핑"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[명목적 타이핑]], [[덕 타이핑]], [[과잉 속성 체크]], [[브랜디드 타입]]
-- **Projects/Contexts:** [[TypeScript 타입 시스템 설계]], [[도메인 기반 설계(DDD)]]
+- **Related Topics:** 명목적 타이핑, 덕 타이핑, 과잉 속성 체크, 브랜디드 타입
+- **Projects/Contexts:** TypeScript 타입 시스템 설계, [[도메인 기반 설계(DDD)]]
 - **Contradictions/Notes:** 소스에 따르면 구조적 타이핑은 TypeScript에 강력한 유연성을 부여하는 근간이지만, 동시에 의미론적으로 다른 데이터를 구별하지 못하거나 불필요한 속성이 섞여 들어오는 구조적 취약점을 지니기 때문에 과잉 속성 체크나 브랜디드 타입과 같은 추가적인 방어 전략이 반드시 동반되어야 합니다[1, 3, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/구조적 타이핑.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/기본 타입에의 집착 (Primitive Obsession).md b/10_Wiki/Topics/Programming & Language/기본 타입에의 집착 (Primitive Obsession).md
index baa0b954..8e5e5945 100644
--- a/10_Wiki/Topics/Programming & Language/기본 타입에의 집착 (Primitive Obsession).md	
+++ b/10_Wiki/Topics/Programming & Language/기본 타입에의 집착 (Primitive Obsession).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-29E29A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 기본 타입에의 집착 (Pr
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[명목적 타이핑 (Nominal Typing)]], [[브랜디드 타입 (Branded Types)]], [[오패크 타입 (Opaque Types)]]
-- **Projects/Contexts:** [[도메인 기반 설계 (DDD)]], [[마스 클라이메이트 오비터 (Mars Climate Orbiter)]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[명목적 타이핑 (Nominal Typing)]], [[브랜디드 타입 (Branded Types)]], 오패크 타입 (Opaque Types)
+- **Projects/Contexts:** [[도메인 기반 설계 (DDD)]], 마스 클라이메이트 오비터 (Mars Climate Orbiter)
 - **Contradictions/Notes:** 브랜디드 타입과 같은 해결책은 프로그램의 안전성을 높이고 '기본 타입에의 집착'을 해소해 주지만, 추가적인 타입 작성 및 개념적 복잡성이 증가하는 단점(비용)이 수반됩니다. 따라서 개발팀은 애플리케이션에서 실제로 직면할 가능성이 높은 문제인지 득실을 판단하여 도입해야 한다고 조언합니다 [9, 10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/기본 타입에의 집착 (Primitive Obsession).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/기본 타입에의 집착(Primitive Obsession).md b/10_Wiki/Topics/Programming & Language/기본 타입에의 집착(Primitive Obsession).md
index afb3bbfe..185931bb 100644
--- a/10_Wiki/Topics/Programming & Language/기본 타입에의 집착(Primitive Obsession).md	
+++ b/10_Wiki/Topics/Programming & Language/기본 타입에의 집착(Primitive Obsession).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5462C7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 기본 타입에의 집착(Pri
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑(Structural Typing)]], [[브랜디드 타입(Branded Types)]], [[불투명 타입(Opaque Types)]], [[도메인 기반 설계(DDD)]]
-- **Projects/Contexts:** [[TypeScript 타입 시스템]], [[Mars Climate Orbiter 사례]]
+- **Related Topics:** [[구조적 타이핑(Structural Typing)]], 브랜디드 타입(Branded Types), 불투명 타입(Opaque Types), [[도메인 기반 설계(DDD)]]
+- **Projects/Contexts:** TypeScript 타입 시스템, Mars Climate Orbiter 사례
 - **Contradictions/Notes:** 소스에 따르면 타입 브랜딩은 프로그램의 안전성을 극대화하지만, 코드의 개념적 복잡성을 증가시키고 작성해야 할 타이핑 량이 많아진다는 단점이 있다. 따라서 일부 소스에서는 값이 0이 아님이 개발자에 의해 명확히 인지되는 등의 특정 상황에서는 브랜디드 타입의 강박적 사용을 피하고 단순한 원시 타입과 단일 예외 처리(어설션)를 사용하는 것이 코드를 더 간결하고 읽기 쉽게 만들 수 있다고 조언한다[12-14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/기본 타입에의 집착(Primitive Obsession).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/깊이 지각 (Depth Perception).md b/10_Wiki/Topics/Programming & Language/깊이 지각 (Depth Perception).md
index 4bd80e54..15955725 100644
--- a/10_Wiki/Topics/Programming & Language/깊이 지각 (Depth Perception).md	
+++ b/10_Wiki/Topics/Programming & Language/깊이 지각 (Depth Perception).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F049E9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 깊이 지각 (Depth Perceptio
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[눈모음-조절 충돌(Vergence-Accommodation Conflict)]], [[VR 멀미(VR Sickness)]]
-- **Projects/Contexts:** [[가상현실(VR) 환경에서의 안구 운동 및 시각 후유증 연구]]
+- **Related Topics:** 눈모음-조절 충돌(Vergence-Accommodation Conflict), [[VR 멀미(VR Sickness)]]
+- **Projects/Contexts:** 가상현실(VR) 환경에서의 안구 운동 및 시각 후유증 연구
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/깊이 지각 (Depth Perception).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/깊이 지각(Depth perception).md b/10_Wiki/Topics/Programming & Language/깊이 지각(Depth perception).md
index cb97bb3c..3f3e36d2 100644
--- a/10_Wiki/Topics/Programming & Language/깊이 지각(Depth perception).md	
+++ b/10_Wiki/Topics/Programming & Language/깊이 지각(Depth perception).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-889755
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 깊이 지각(Depth perception
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/깊이 지각(Depth perception).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/넷플릭스 비디오 인코딩 파이프라인 (Netflix Video Encoding Pipeline).md b/10_Wiki/Topics/Programming & Language/넷플릭스 비디오 인코딩 파이프라인 (Netflix Video Encoding Pipeline).md
index 322d1b8a..bbebb54e 100644
--- a/10_Wiki/Topics/Programming & Language/넷플릭스 비디오 인코딩 파이프라인 (Netflix Video Encoding Pipeline).md	
+++ b/10_Wiki/Topics/Programming & Language/넷플릭스 비디오 인코딩 파이프라인 (Netflix Video Encoding Pipeline).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9616B9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 넷플릭스 비디오 인코
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스 아키텍처 (Microservices Architecture)]], [[관심사의 분리 (Separation of Concerns)]], [[서버리스 컴퓨팅 (Serverless Computing)]]
-- **Projects/Contexts:** [[코스모스 플랫폼 (Cosmos Platform)]], [[Reloaded 시스템]], [[Tapas 서비스]]
+- **Related Topics:** [[마이크로서비스 아키텍처 (Microservices Architecture)]], [[관심사의 분리 (Separation of Concerns)]], 서버리스 컴퓨팅 (Serverless Computing)
+- **Projects/Contexts:** 코스모스 플랫폼 (Cosmos Platform), Reloaded 시스템, Tapas 서비스
 - **Contradictions/Notes:** 넷플릭스의 기존 'Reloaded' 시스템은 7년간 안정적이고 대규모 스케일링이 가능했지만, 단일 모놀리식 데이터 모델과 강한 결합도로 인해 기술적 부채와 배포 지연의 원인이 되었습니다 [1, 7]. 또한 코스모스 서비스에 구현된 모델은 상태가 없는 비즈니스 로직을 API로 제공하는 전형적인 마이크로서비스와는 달리, 다단계 워크플로우와 연산 집약적인 비동기 서버리스 함수가 결합된 형태라는 점에서 구별됩니다 [12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/넷플릭스 비디오 인코딩 파이프라인 (Netflix Video Encoding Pipeline).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/넷플릭스 코스모스 플랫폼 (Netflix Cosmos).md b/10_Wiki/Topics/Programming & Language/넷플릭스 코스모스 플랫폼 (Netflix Cosmos).md
index 1281ef23..533a3967 100644
--- a/10_Wiki/Topics/Programming & Language/넷플릭스 코스모스 플랫폼 (Netflix Cosmos).md	
+++ b/10_Wiki/Topics/Programming & Language/넷플릭스 코스모스 플랫폼 (Netflix Cosmos).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F16810
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 넷플릭스 코스모스 플
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스 (Microservices)]], [[관심사의 분리 (Separation of Concerns)]], [[서버리스 컴퓨팅 (Serverless Computing)]]
-- **Projects/Contexts:** [[리로디드 (Reloaded)]], [[타파스 (Tapas)]], [[사간 (Sagan)]], [[스트랭글러 피그 패턴 (Strangler fig pattern)]]
+- **Related Topics:** 마이크로서비스 (Microservices), [[관심사의 분리 (Separation of Concerns)]], 서버리스 컴퓨팅 (Serverless Computing)
+- **Projects/Contexts:** 리로디드 (Reloaded), 타파스 (Tapas), 사간 (Sagan), 스트랭글러 피그 패턴 (Strangler fig pattern)
 - **Contradictions/Notes:** 소스에 따르면, 코스모스 서비스는 전형적인 마이크로서비스와 유사한 점이 있으나 완전히 같지는 않다. 일반적인 마이크로서비스가 무상태 비즈니스 로직을 가진 API로 요청 부하에 따라 자동 확장되는 반면, 코스모스는 다단계 워크플로우와 컴퓨팅 집약적인 비동기 서버리스 함수를 결합하고 있으며 큐(queue)의 크기에 따라 확장된다는 차이가 존재한다 [14]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/넷플릭스 코스모스 플랫폼 (Netflix Cosmos).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환.md b/10_Wiki/Topics/Programming & Language/넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환.md
index 174020ba..3f6db5f7 100644
--- a/10_Wiki/Topics/Programming & Language/넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환.md	
+++ b/10_Wiki/Topics/Programming & Language/넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AC1C1C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 넷플릭스(Netflix)의 마
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Microservices Architecture]], [[Separation of Concerns]], [[Serverless Functions]], [[Asynchronous Workflows]], [[Chaos Monkey]]
-- **Projects/Contexts:** [[Reloaded]], [[Tapas]], [[Sagan]], [[Strangler Fig Pattern]]
+- **Related Topics:** Microservices Architecture, Separation of Concerns, Serverless Functions, Asynchronous Workflows, Chaos Monkey
+- **Projects/Contexts:** Reloaded, Tapas, Sagan, Strangler Fig Pattern
 - **Contradictions/Notes:** 마이크로서비스 전환과 코스모스와 같은 분산 플랫폼의 구축은 혁신과 확장성 측면에서 큰 이점을 제공하지만, 그 대가로 분산 시스템의 통신 메커니즘을 직접 구현해야 하는 설계적 복잡성을 증가시킵니다 [15, 16]. 또한 여러 서비스 인스턴스를 독립적으로 실행하고 배포해야 하므로, 메모리 소비가 증가하고 운영 비용이 상승하는 단점이 존재합니다 [16-18].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/넷플릭스의 코스모스 플랫폼 및 마이크로서비스 전환.md b/10_Wiki/Topics/Programming & Language/넷플릭스의 코스모스 플랫폼 및 마이크로서비스 전환.md
index d371ab0c..1f90183e 100644
--- a/10_Wiki/Topics/Programming & Language/넷플릭스의 코스모스 플랫폼 및 마이크로서비스 전환.md	
+++ b/10_Wiki/Topics/Programming & Language/넷플릭스의 코스모스 플랫폼 및 마이크로서비스 전환.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6271CF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 넷플릭스의 코스모스 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스 아키텍처(Microservices Architecture)]], [[관심사의 분리(Separation of Concerns)]], [[서버리스 컴퓨팅(Serverless Computing)]], [[카오스 몽키(Chaos Monkey)]], [[카산드라(Cassandra)]]
-- **Projects/Contexts:** [[리로디드(Reloaded)]], [[코스모스(Cosmos)]], [[타파스(Tapas)]], [[스트랭글러 피그 패턴(Strangler Fig Pattern)]]
+- **Related Topics:** 마이크로서비스 아키텍처(Microservices Architecture), [[관심사의 분리(Separation of Concerns)]], 서버리스 컴퓨팅(Serverless Computing), [[카오스 몽키(Chaos Monkey)]], [[카산드라(Cassandra)]]
+- **Projects/Contexts:** [[리로디드(Reloaded)]], 코스모스(Cosmos), [[타파스(Tapas)]], [[스트랭글러 피그 패턴(Strangler Fig Pattern)]]
 - **Contradictions/Notes:** 마이크로서비스 전환은 넷플릭스에 조직적 민첩성과 신뢰성을 가져다주었지만, 개발자가 분산 시스템 내 서비스 통신을 직접 구현해야 하는 복잡성이 증가하고 N개의 모놀리식 앱이 N*M개의 서비스로 확장되면서 막대한 메모리 및 JVM 오버헤드가 발생한다는 단점도 보고되었습니다 [20-23]. 이러한 한계를 극복하고자 넷플릭스는 단순한 API 호출 방식을 넘어, "마이크로서비스가 워크플로우를 트리거하고, 서버리스 함수를 오케스트레이션하는" 방식으로 플랫폼 아키텍처(코스모스)를 진화시켰습니다 [24].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/넷플릭스의 코스모스 플랫폼 및 마이크로서비스 전환.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/눈모음-조절 충돌(Vergence-accommodation conflicts).md b/10_Wiki/Topics/Programming & Language/눈모음-조절 충돌(Vergence-accommodation conflicts).md
index 30ae02bd..8398064c 100644
--- a/10_Wiki/Topics/Programming & Language/눈모음-조절 충돌(Vergence-accommodation conflicts).md	
+++ b/10_Wiki/Topics/Programming & Language/눈모음-조절 충돌(Vergence-accommodation conflicts).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-93D7DA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 눈모음-조절 충돌(Vergen
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR sickness)]], [[헤드마운트 디스플레이(HMD)]], [[안구 운동 기능(Oculomotor functions)]], [[깊이 지각(Depth perception)]]
-- **Projects/Contexts:** [[VR 엑서게임(비트 세이버) 후유증 조사 연구(Investigation of Virtual Reality Aftereffects)]]
+- **Related Topics:** 가상현실 멀미(VR sickness), 헤드마운트 디스플레이(HMD), [[안구 운동 기능(Oculomotor functions)]], [[깊이 지각(Depth perception)]]
+- **Projects/Contexts:** VR 엑서게임(비트 세이버) 후유증 조사 연구(Investigation of Virtual Reality Aftereffects)
 - **Contradictions/Notes:** 눈모음-조절 충돌이 특정 개인들에게 가상현실 멀미(VR sickness)를 발생시키는 직접적인 원인인지, 아니면 멀미 증상의 심각성을 가중시키는 요인인지는 소스 상에서 아직 명확히 밝혀지지 않았습니다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/눈모음-조절 충돌(Vergence-accommodation conflicts).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/느슨한 결합 (Loose Coupling).md b/10_Wiki/Topics/Programming & Language/느슨한 결합 (Loose Coupling).md
index 6d17cfb8..c8a07b9f 100644
--- a/10_Wiki/Topics/Programming & Language/느슨한 결합 (Loose Coupling).md	
+++ b/10_Wiki/Topics/Programming & Language/느슨한 결합 (Loose Coupling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-50EE48
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -38,5 +38,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 느슨한 결합 (Loose Coupli
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/느슨한 결합 (Loose Coupling).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (SRP).md b/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (SRP).md
index 9a35723c..285a775e 100644
--- a/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (SRP).md	
+++ b/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (SRP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B343BD
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 단일 책임 원칙 (SRP)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/단일 책임 원칙 (SRP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (Single Responsibility Principle).md b/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (Single Responsibility Principle).md
index 60f6debf..3417538b 100644
--- a/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (Single Responsibility Principle).md	
+++ b/10_Wiki/Topics/Programming & Language/단일 책임 원칙 (Single Responsibility Principle).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B860D8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 단일 책임 원칙 (Single R
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[객체 지향 프로그래밍(OOP)]], [[SOLID 원칙]], [[응집도(Cohesion)]]
+- **Related Topics:** [[객체 지향 프로그래밍(OOP)]], [[SOLID 원칙]], 응집도(Cohesion)
 - **Projects/Contexts:** [[프론트엔드 컴포넌트 설계]], [[객체 지향 소프트웨어 아키텍처 설계]]
 - **Contradictions/Notes:** 단일 책임 원칙(SRP)과 관심사의 분리(SoC)는 종종 같은 의미로 혼용되거나 비교되지만, 적용되는 추상화 수준에서 차이가 있습니다. SoC는 더 넓은 의미의 기능적 관심사를 모듈이나 아키텍처 계층 수준에서 분리하는 것에 초점을 맞추는 반면, SRP는 가장 작은 단위인 개별 클래스나 함수가 가지는 책임과 변경의 이유를 하나로 제한하는 데 집중합니다 [3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/단일 책임 원칙 (Single Responsibility Principle).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/단일 책임 원칙(SRP).md b/10_Wiki/Topics/Programming & Language/단일 책임 원칙(SRP).md
index 5a81a2ef..5986fb4f 100644
--- a/10_Wiki/Topics/Programming & Language/단일 책임 원칙(SRP).md	
+++ b/10_Wiki/Topics/Programming & Language/단일 책임 원칙(SRP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F57735
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 단일 책임 원칙(SRP)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID]], [[인터페이스 분리 원칙(ISP)]], [[퍼사드(Facade) 패턴]]
-- **Projects/Contexts:** [[Toss Front SDK]], [[Strapi]]
+- **Related Topics:** SOLID, 인터페이스 분리 원칙(ISP), 퍼사드(Facade) 패턴
+- **Projects/Contexts:** Toss Front SDK, Strapi
 - **Contradictions/Notes:** 소스 내에서 단일 책임 원칙에 대한 모순점은 없으며, 제공된 모든 소스에서 모듈의 결합도를 낮추고 예측 가능성을 높이는 핵심 아키텍처 원칙으로 일관되게 강조하고 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/단일 책임 원칙(SRP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/대규모 TypeScript 애플리케이션 아키텍처 설계.md b/10_Wiki/Topics/Programming & Language/대규모 TypeScript 애플리케이션 아키텍처 설계.md
index 6f0b443a..450cc91e 100644
--- a/10_Wiki/Topics/Programming & Language/대규모 TypeScript 애플리케이션 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/대규모 TypeScript 애플리케이션 아키텍처 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-00FB6C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 TypeScript 애플리
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID 원칙]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[퍼사드 패턴 (Facade Pattern)]], [[Parse, don't validate]], [[구조적 타이핑 (Structural Typing)]]
-- **Projects/Contexts:** [[토스(Toss) Front SDK 개발 환경]], [[엔터프라이즈급 대규모 상태 관리 시스템]]
+- **Related Topics:** [[SOLID 원칙]], 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], 퍼사드 패턴 (Facade Pattern), Parse, don't validate, 구조적 타이핑 (Structural Typing)
+- **Projects/Contexts:** 토스(Toss) Front SDK 개발 환경, 엔터프라이즈급 대규모 상태 관리 시스템
 - **Contradictions/Notes:** TypeScript 커뮤니티 내에서는 객체 구조 정의 시 `type`과 `interface`의 선택 기준에 대한 논쟁이 존재합니다. 캐싱을 통한 컴파일 성능 향상과 선언 병합(Declaration Merging)의 이점 때문에 `interface`를 선호하는 관점이 있는 반면 [9-11], 의도치 않은 선언 병합을 방지하고 보다 엄격한 관리를 위해 애플리케이션 내부에서는 `type`만을 일관되게 사용해야 한다는 개발팀의 실무적 주장도 강하게 대립합니다 [13, 37, 38]. 또한, 함수형 프로그래밍에서 유래한 `Result` 타입 반환 패턴 역시 명확한 에러 흐름 제어로 호평받지만, 코드의 보일러플레이트를 증가시켜 가독성을 해칠 수 있다는 비판적 시각도 존재합니다 [39-41].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/대규모 TypeScript 애플리케이션 아키텍처 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/대규모 TypeScript 프로젝트의 컴파일 성능 최적화.md b/10_Wiki/Topics/Programming & Language/대규모 TypeScript 프로젝트의 컴파일 성능 최적화.md
index 16aa235e..d74e834b 100644
--- a/10_Wiki/Topics/Programming & Language/대규모 TypeScript 프로젝트의 컴파일 성능 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/대규모 TypeScript 프로젝트의 컴파일 성능 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C4763A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 TypeScript 프로젝
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[인터페이스 확장 (Interface Extends)]], [[교집합 타입 (Intersection Types)]], [[타입 캐싱 (Type Caching)]], [[판별 가능한 유니온 (Discriminated Unions)]]
-- **Projects/Contexts:** [[대규모 코드베이스 (Large Codebases)]], [[타입 검사 및 IDE 성능 최적화 (Type Checking and IDE Performance)]]
+- **Related Topics:** 인터페이스 확장 (Interface Extends), 교집합 타입 (Intersection Types), 타입 캐싱 (Type Caching), 판별 가능한 유니온 (Discriminated Unions)
+- **Projects/Contexts:** 대규모 코드베이스 (Large Codebases), 타입 검사 및 IDE 성능 최적화 (Type Checking and IDE Performance)
 - **Contradictions/Notes:** 의도치 않은 선언 병합(Declaration Merging)의 위험성 때문에 많은 실무 팀들이 인터페이스 대신 `type`만을 사용하는 컨벤션을 선호하기도 하지만 [10], TypeScript의 컴파일 및 성능 가이드라인 측면에서는 교집합(`&`) 대신 인터페이스 확장(`extends`)을 사용하는 것이 권장되고 있습니다 [3, 4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/대규모 TypeScript 프로젝트의 컴파일 성능 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/대규모 데이터 렌더링 및 가상화 최적화.md b/10_Wiki/Topics/Programming & Language/대규모 데이터 렌더링 및 가상화 최적화.md
index 40edc607..ed9542b4 100644
--- a/10_Wiki/Topics/Programming & Language/대규모 데이터 렌더링 및 가상화 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/대규모 데이터 렌더링 및 가상화 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BB908E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,7 +37,7 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 데이터 렌더링
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[React Performance Optimization]], [[재조정 (Reconciliation)]], [[불필요한 리렌더링 방지]]
     
-- **Projects/Contexts:** [[장기 실행되는 실시간 데이터 대시보드 최적화]], [[대규모 로그 뷰어 및 데이터 테이블 구현]], [[이커머스 무한 스크롤 상품 리스트]]
+- **Projects/Contexts:** [[장기 실행되는 실시간 데이터 대시보드 최적화]], 대규모 로그 뷰어 및 데이터 테이블 구현, 이커머스 무한 스크롤 상품 리스트
     
 - **Contradictions/Notes:** 50~100개 이상의 대규모 리스트나 무한 스크롤 환경에서는 가상화가 필수적이지만, 항목의 높이가 제각각인 가변 높이 항목(Variable height items)을 렌더링할 때는 렌더링 전 각 항목의 크기를 측정(Measurement)하는 단계가 필요하여 구현이 훨씬 복잡해집니다. 따라서 가급적 리스트 항목의 높이를 일정하게 설계하는 것이 성능과 구현 측면에서 훨씬 유리합니다.
     
@@ -45,5 +45,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 데이터 렌더링
 ---
 
 _Last updated: 2026-04-15_
-- Raw Source: [[00_Raw/2026-04-20/대규모 데이터 렌더링 및 가상화 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/대규모 모노레포(Turborepo) 환경에서의 린트 오케스트레이션.md b/10_Wiki/Topics/Programming & Language/대규모 모노레포(Turborepo) 환경에서의 린트 오케스트레이션.md
index 1f97a1ab..b824779e 100644
--- a/10_Wiki/Topics/Programming & Language/대규모 모노레포(Turborepo) 환경에서의 린트 오케스트레이션.md	
+++ b/10_Wiki/Topics/Programming & Language/대규모 모노레포(Turborepo) 환경에서의 린트 오케스트레이션.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-873405
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,5 +30,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 모노레포(Turbore
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/대규모 모노레포(Turborepo) 환경에서의 린트 오케스트레이션.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/대규모 웹 그래픽스 프로젝트.md b/10_Wiki/Topics/Programming & Language/대규모 웹 그래픽스 프로젝트.md
index e5f570b4..1dba223c 100644
--- a/10_Wiki/Topics/Programming & Language/대규모 웹 그래픽스 프로젝트.md	
+++ b/10_Wiki/Topics/Programming & Language/대규모 웹 그래픽스 프로젝트.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F01D3F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,12 +33,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 웹 그래픽스 프
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[Frustum Culling]], [[Overdraw]], [[Draw Call]]
+- **Related Topics:** [[InstancedMesh]], BatchedMesh, [[Frustum Culling]], [[Overdraw]], [[Draw Call]]
 - **Projects/Contexts:** [[WebGPU]], [[InstancedMesh2]]
 - **Contradictions/Notes:** 
   드로우 콜을 1회로 극적으로 줄이는 InstancedMesh가 무조건적인 성능 향상을 보장하지는 않습니다. 개별 인스턴스에 대한 시야 절두체 컬링과 깊이 정렬(Depth Sorting)이 지원되지 않기 때문에, 조명 연산이 복잡한 `MeshStandardMaterial` 등을 사용할 경우 발생하는 심각한 오버드로우로 인해 드로우 콜이 5,000회인 일반 Mesh 방식보다 InstancedMesh 방식의 FPS가 오히려 더 낮게 측정되는 모순적인 병목 현상이 실증적으로 보고되었습니다[6, 12, 13].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/대규모 웹 그래픽스 프로젝트.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보.md b/10_Wiki/Topics/Programming & Language/대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보.md
index b9d955c6..04229410 100644
--- a/10_Wiki/Topics/Programming & Language/대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보.md	
+++ b/10_Wiki/Topics/Programming & Language/대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-714552
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 대규모 웹 애플리케이
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Microservices Architecture]], [[Micro Frontends]], [[Separation of Concerns]], [[API-First Architecture]], [[Cloud-Native Architecture]]
-- **Projects/Contexts:** [[Netflix Cosmos Platform]], [[Spotify Squad Model]]
+- **Related Topics:** Microservices Architecture, Micro Frontends, Separation of Concerns, [[API-First Architecture]], Cloud-Native Architecture
+- **Projects/Contexts:** Netflix Cosmos Platform, Spotify Squad Model
 - **Contradictions/Notes:** 조직 및 기술적 확장성을 위해 마이크로서비스 등을 도입하면 높은 유연성과 병렬성을 얻지만, 반대로 분산 시스템 구축으로 인한 컴포넌트 간 통신 메커니즘 구현의 어려움, 다중 서비스 배포 및 운영 관리의 복잡성 증가, 메모리 및 서버 인프라 유지 비용 상승 등의 새로운 문제와 트레이드오프가 필연적으로 발생합니다 [26-29].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/덕 타이핑(Duck Typing).md b/10_Wiki/Topics/Programming & Language/덕 타이핑(Duck Typing).md
index 26028569..fc61629d 100644
--- a/10_Wiki/Topics/Programming & Language/덕 타이핑(Duck Typing).md	
+++ b/10_Wiki/Topics/Programming & Language/덕 타이핑(Duck Typing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5164C3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 덕 타이핑(Duck Typing)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑(Structural Typing)]], [[명목적 타이핑(Nominal Typing)]], [[오파크 타입(Opaque Types)]]
-- **Projects/Contexts:** [[타입스크립트(TypeScript) 타입 시스템 및 호환성 평가]]
+- **Related Topics:** [[구조적 타이핑(Structural Typing)]], [[명목적 타이핑(Nominal Typing)]], 오파크 타입(Opaque Types)
+- **Projects/Contexts:** 타입스크립트(TypeScript) 타입 시스템 및 호환성 평가
 - **Contradictions/Notes:** 덕 타이핑은 높은 코드 유연성을 제공하지만, 그로 인해 구조가 같은 다른 의미의 데이터를 원천적으로 구별하기 어렵다는 단점이 있습니다. 따라서 이 문제를 해결하기 위해 오파크 타입(Opaque Types) 등의 별도 기법이 요구됩니다 [4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/덕 타이핑(Duck Typing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사.md b/10_Wiki/Topics/Programming & Language/데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사.md
index 9296bb9e..a570fecc 100644
--- a/10_Wiki/Topics/Programming & Language/데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사.md	
+++ b/10_Wiki/Topics/Programming & Language/데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DF816E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 데브섹옵스 (DevSecOps) 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST (Static Application Security Testing)]], [[시프트 레프트 (Shift-Left)]], [[CI/CD 파이프라인]], [[하이브리드 코드 리뷰]], [[오픈소스 컴포지션 분석 (SCA)]]
-- **Projects/Contexts:** [[GitHub Code Security 워크플로우]], [[Snyk의 개발자 우선(Developer-First) 보안 통합]], [[SonarQube의 파이프라인 품질 게이트]]
+- **Related Topics:** [[SAST (Static Application Security Testing)]], [[시프트 레프트 (Shift-Left)]], CI/CD 파이프라인, [[하이브리드 코드 리뷰]], 오픈소스 컴포지션 분석 (SCA)
+- **Projects/Contexts:** GitHub Code Security 워크플로우, Snyk의 개발자 우선(Developer-First) 보안 통합, SonarQube의 파이프라인 품질 게이트
 - **Contradictions/Notes:** 자동화된 정적 애플리케이션 보안 테스트(SAST)는 코드베이스 전체에 걸쳐 알려진 보안 결함을 빠르고 일관되게 감지하는 데 탁월하지만 [12], 코드의 기저에 깔린 비즈니스 로직을 이해하지 못하는 한계(Context Blindness)가 있습니다 [13]. 여러 연구들은 특정 자동화 도구 단일로는 실제 취약점의 약 22%를 놓치거나 높은 오탐지율(False Positives)을 기록할 수 있음을 지적하며, 효과적인 보안 보장을 위해 인간 리뷰어의 맥락 판단을 결합하는 '하이브리드 리뷰'의 당위성을 주장합니다 [28, 29].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/데이터 거버넌스 (Data Governance).md b/10_Wiki/Topics/Programming & Language/데이터 거버넌스 (Data Governance).md
index 21bb228f..68b3de39 100644
--- a/10_Wiki/Topics/Programming & Language/데이터 거버넌스 (Data Governance).md	
+++ b/10_Wiki/Topics/Programming & Language/데이터 거버넌스 (Data Governance).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1F9ACB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 데이터 거버넌스 (Data G
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[메타데이터 관리 (Metadata Management)]], [[데이터 리니지 (Data Lineage)]], [[데이터 수명 주기 관리 (Data Lifecycle Management)]]
-- **Projects/Contexts:** [[확장 가능한 데이터 시스템을 구축하기 위한 데이터 엔지니어링 모범 사례]]
+- **Related Topics:** 메타데이터 관리 (Metadata Management), 데이터 리니지 (Data Lineage), 데이터 수명 주기 관리 (Data Lifecycle Management)
+- **Projects/Contexts:** 확장 가능한 데이터 시스템을 구축하기 위한 데이터 엔지니어링 모범 사례
 - **Contradictions/Notes:** 소스 X는 이를 주장하지만, 소스 Y는 반대합니다와 같은 의견 대립이나 모순점은 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/데이터 거버넌스 (Data Governance).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/도달 가능성 분석 (Reachability Analysis).md b/10_Wiki/Topics/Programming & Language/도달 가능성 분석 (Reachability Analysis).md
index e1ea3479..81f744f6 100644
--- a/10_Wiki/Topics/Programming & Language/도달 가능성 분석 (Reachability Analysis).md	
+++ b/10_Wiki/Topics/Programming & Language/도달 가능성 분석 (Reachability Analysis).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-03E8DE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 도달 가능성 분석 (Reach
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 애플리케이션 보안 테스트 (SAST)]], [[소프트웨어 구성 분석 (SCA)]], [[데이터 흐름 분석 (Data Flow Analysis)]], [[호출 그래프 (Call Graph)]]
-- **Projects/Contexts:** [[Endor Labs]], [[Veracode]], [[Corgea]], [[Qwiet AI]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트 (SAST)]], 소프트웨어 구성 분석 (SCA), 데이터 흐름 분석 (Data Flow Analysis), 호출 그래프 (Call Graph)
+- **Projects/Contexts:** Endor Labs, Veracode, [[Corgea]], Qwiet AI
 - **Contradictions/Notes:** 단순 규칙이나 패턴 기반의 전통적인 정적 분석 도구는 문맥 파악의 한계로 인해 오탐을 다수 발생시킬 수 있으나, 도달 가능성 분석이 결합된 최신 분석 도구들은 도달 불가능한 경로의 노이즈를 필터링하여 실제 문제 해결 효율을 크게 높여줍니다 [4, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도달 가능성 분석 (Reachability Analysis).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD) 및 데이터 오염 방지.md b/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD) 및 데이터 오염 방지.md
index 6488795f..3b33b568 100644
--- a/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD) 및 데이터 오염 방지.md	
+++ b/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD) 및 데이터 오염 방지.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9B5D9F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 도메인 기반 설계 (DDD)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[브랜디드 타입 (Branded Types)]], [[기본 타입에의 집착 (Primitive Obsession)]], [[구조적 타이핑 (Structural Typing)]], [[Parse, Don't Validate]]
-- **Projects/Contexts:** [[UserId와 OrderId의 엄격한 분리 모델링]], [[Zod 라이브러리를 활용한 런타임 데이터 파싱]]
+- **Related Topics:** [[브랜디드 타입 (Branded Types)]], [[기본 타입에의 집착 (Primitive Obsession)]], 구조적 타이핑 (Structural Typing), Parse, Don't Validate
+- **Projects/Contexts:** UserId와 OrderId의 엄격한 분리 모델링, Zod 라이브러리를 활용한 런타임 데이터 파싱
 - **Contradictions/Notes:** TypeScript 자체는 형태를 기준으로 하는 구조적 타이핑 언어이지만, 도메인 주도 설계에서 데이터 오염을 완벽히 차단하기 위해서는 오히려 명목적 타이핑(Nominal Typing)의 특성을 브랜디드 타입이라는 우회적 방법론으로 모방하여 사용해야 합니다 [1, 4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도메인 기반 설계 (DDD) 및 데이터 오염 방지.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD).md b/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD).md
index 364f8090..6b67a677 100644
--- a/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD).md	
+++ b/10_Wiki/Topics/Programming & Language/도메인 기반 설계 (DDD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F2DA4C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 도메인 기반 설계 (DDD)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability)]], [[구조적 타이핑 (Structural Typing)]]
+- **Related Topics:** [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability)]], 구조적 타이핑 (Structural Typing)
 - **Projects/Contexts:** [[TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증]]
 - **Contradictions/Notes:** 예외(Exception) 처리에 대해, 도메인 비즈니스 흐름을 단순히 제어할 목적(if-else를 대체하는 용도)으로 예외를 남용하는 것은 지양해야 하지만, 예기치 않은 상황이나 검증 실패 시 도메인 에러를 발생시키고 이를 전역 미들웨어에서 처리하도록 위임하는 방어적 프로그래밍 패턴은 적절한 수비 전략으로 권장됩니다 [6, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도메인 기반 설계 (DDD).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD).md b/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD).md
index 38c04728..016670c1 100644
--- a/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD).md	
+++ b/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9C55A9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 도메인 기반 설계(DDD)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[브랜디드 타입(Branded Types)]]
+- **Related Topics:** 브랜디드 타입(Branded Types)
 - **Projects/Contexts:** 소스에 관련 정보가 부족합니다.
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도메인 기반 설계(DDD).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD)의 데이터 검증.md b/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD)의 데이터 검증.md
index 8e4754bf..82f56a7b 100644
--- a/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD)의 데이터 검증.md	
+++ b/10_Wiki/Topics/Programming & Language/도메인 기반 설계(DDD)의 데이터 검증.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DDDB06
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 도메인 기반 설계(DDD)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[브랜디드 타입(Branded Types)]], [[Parse, Don't Validate]]
-- **Projects/Contexts:** [[Zod를 활용한 런타임 데이터 유효성 검사]], [[TypeScript 구조적 타이핑의 한계 극복]]
+- **Related Topics:** 브랜디드 타입(Branded Types), Parse, Don't Validate
+- **Projects/Contexts:** Zod를 활용한 런타임 데이터 유효성 검사, TypeScript 구조적 타이핑의 한계 극복
 - **Contradictions/Notes:** 도메인 기반 설계(DDD)의 데이터 검증 방식에 대한 상반된 주장이나 모순점에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/도메인 기반 설계(DDD)의 데이터 검증.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/동시성 및 점진적 마킹(Concurrent  Incremental Marking).md b/10_Wiki/Topics/Programming & Language/동시성 및 점진적 마킹(Concurrent  Incremental Marking).md
index 92809210..81d180bc 100644
--- a/10_Wiki/Topics/Programming & Language/동시성 및 점진적 마킹(Concurrent  Incremental Marking).md	
+++ b/10_Wiki/Topics/Programming & Language/동시성 및 점진적 마킹(Concurrent  Incremental Marking).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BDF67C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 동시성 및 점진적 마킹
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[마크-스윕(Mark-Sweep)]], [[쓰기 장벽(Write Barrier)]], [[삼색 마킹(Tri-color Marking)]]
-- **Projects/Contexts:** [[V8 자바스크립트 엔진(V8 JavaScript Engine)]], [[Orinoco 가비지 컬렉터]], [[IBM Eclipse OpenJ9]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), [[마크-스윕(Mark-Sweep)]], [[쓰기 장벽(Write Barrier)]], 삼색 마킹(Tri-color Marking)
+- **Projects/Contexts:** V8 자바스크립트 엔진(V8 JavaScript Engine), [[Orinoco 가비지 컬렉터]], IBM Eclipse OpenJ9
 - **Contradictions/Notes:** 점진적 마킹은 개별 일시 정지 시간은 짧게 분산시키지만 메인 스레드가 마킹에 소요하는 총합 시간은 오히려 약간 증가시킬 수 있는 반면, 동시성 마킹은 메인 스레드를 온전히 해방시키는 대신 백그라운드 스레드와의 동기화 비용(Overhead)이 추가로 발생한다는 차이점이 있다 [3, 5].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/동시성 및 점진적 마킹(Concurrent & Incremental Marking).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/동작 속도(Movement Speed).md b/10_Wiki/Topics/Programming & Language/동작 속도(Movement Speed).md
index 7b27cc55..424354b8 100644
--- a/10_Wiki/Topics/Programming & Language/동작 속도(Movement Speed).md	
+++ b/10_Wiki/Topics/Programming & Language/동작 속도(Movement Speed).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8D64FF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 동작 속도(Movement Speed)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[반응 시간(Reaction Time)]], [[결정 속도(Decision Speed)]]
-- **Projects/Contexts:** [[CANTAB 5-choice RTI task]], [[가상현실 엑서게임(VR Exergaming)]]
+- **Related Topics:** [[반응 시간(Reaction Time)]], 결정 속도(Decision Speed)
+- **Projects/Contexts:** CANTAB 5-choice RTI task, 가상현실 엑서게임(VR Exergaming)
 - **Contradictions/Notes:** 소스에 따르면 단기간의 VR 엑서게임 플레이 직후 동작 속도의 일시적 향상이 확인되었으나, 반복적이고 장기적인 플레이가 동작 속도에 미치는 인지적/신체적 영향에 대해서는 소스에 관련 정보가 부족합니다 [2]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/동작 속도(Movement Speed).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/동적 애플리케이션 보안 테스트(DAST).md b/10_Wiki/Topics/Programming & Language/동적 애플리케이션 보안 테스트(DAST).md
index 75681e8e..76971c3e 100644
--- a/10_Wiki/Topics/Programming & Language/동적 애플리케이션 보안 테스트(DAST).md	
+++ b/10_Wiki/Topics/Programming & Language/동적 애플리케이션 보안 테스트(DAST).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-93CA9B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 동적 애플리케이션 보
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[블랙박스 테스트]], [[퍼징(Fuzzing)]]
-- **Projects/Contexts:** [[소프트웨어 개발 수명 주기(SDLC)]], [[CI/CD 파이프라인]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], 블랙박스 테스트, 퍼징(Fuzzing)
+- **Projects/Contexts:** 소프트웨어 개발 수명 주기(SDLC), CI/CD 파이프라인
 - **Contradictions/Notes:** 소스에 명시적인 모순점은 없으나, 주의할 점으로 DAST와 SAST의 명확한 역할 차이가 강조됩니다. SAST는 소스 코드를 볼 수 있는 화이트박스 테스트인 반면 DAST는 코드를 보지 않고 외부에서 공격을 시도하는 블랙박스 테스트이므로, 두 방법은 경쟁 관계가 아닌 상호보완적으로 사용해야 가장 효과적이라고 설명됩니다 [1-3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/동적 애플리케이션 보안 테스트(DAST).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/라이브러리 및 확장 가능한 코드베이스.md b/10_Wiki/Topics/Programming & Language/라이브러리 및 확장 가능한 코드베이스.md
index aabf45cf..36e09e26 100644
--- a/10_Wiki/Topics/Programming & Language/라이브러리 및 확장 가능한 코드베이스.md	
+++ b/10_Wiki/Topics/Programming & Language/라이브러리 및 확장 가능한 코드베이스.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BBBC83
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 라이브러리 및 확장 가
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DRY 원칙 (Don't Repeat Yourself)]], [[관심사의 분리 (Separation of Concerns)]], [[마이크로 프론트엔드 (Micro Frontends)]], [[클린 아키텍처 (Clean Architecture)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 웹 개발 프로젝트]], [[모던 데이터 아키텍처 파이프라인]], [[복잡한 확장성(Scalability)을 요구하는 엔터프라이즈 시스템]]
+- **Related Topics:** DRY 원칙 (Don't Repeat Yourself), [[관심사의 분리 (Separation of Concerns)]], 마이크로 프론트엔드 (Micro Frontends), [[클린 아키텍처 (Clean Architecture)]]
+- **Projects/Contexts:** 대규모 프론트엔드 웹 개발 프로젝트, 모던 데이터 아키텍처 파이프라인, 복잡한 확장성(Scalability)을 요구하는 엔터프라이즈 시스템
 - **Contradictions/Notes:** 소스에 따르면, 코드를 공유 라이브러리로 추상화하는 것은 유용하지만 너무 이른 추상화(Premature abstraction)는 불필요한 복잡성을 추가할 수 있으므로 동일한 코드가 최소 두 번 이상 복제된 후에 추상화해야 한다고 권장합니다 [3]. 또한, 마이크로 프론트엔드 아키텍처 등에서 서로 다른 모듈 간에 공유 라이브러리의 버전 불일치(Version Mismatch)가 발생하면 런타임 충돌로 이어질 수 있다는 문제점이 있습니다 [12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/라이브러리 및 확장 가능한 코드베이스.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/런타임 상태 검증(Runtime Validation).md b/10_Wiki/Topics/Programming & Language/런타임 상태 검증(Runtime Validation).md
index c06eaae6..1617f4c2 100644
--- a/10_Wiki/Topics/Programming & Language/런타임 상태 검증(Runtime Validation).md	
+++ b/10_Wiki/Topics/Programming & Language/런타임 상태 검증(Runtime Validation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1A43C0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 런타임 상태 검증(Runtim
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, don't validate]], [[Zod]], [[Branded Types]], [[Discriminated Unions]]
+- **Related Topics:** Parse, don't validate, [[Zod]], Branded Types, [[Discriminated Unions]]
 - **Projects/Contexts:** 외부 API 응답 데이터 처리 및 파싱[1, 5], 외부 설정 파일 유효성 검사[1, 5], 외부에서 소비되는 컴포넌트 라이브러리 구축[5].
 - **Contradictions/Notes:** TypeScript의 순수 타입 검사는 런타임 오버헤드를 전혀 추가하지 않지만, 런타임 검증(Runtime Validation)은 실제 실행 비용이 발생하므로 강력한 안전성을 제공하는 대신 성능과의 트레이드오프(Trade-off)를 고려하여 적절히 배치해야 합니다[2].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/런타임 상태 검증(Runtime Validation).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/리로디드(Reloaded).md b/10_Wiki/Topics/Programming & Language/리로디드(Reloaded).md
index 2100bab3..9e20c58f 100644
--- a/10_Wiki/Topics/Programming & Language/리로디드(Reloaded).md	
+++ b/10_Wiki/Topics/Programming & Language/리로디드(Reloaded).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CF4C61
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 리로디드(Reloaded)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[모놀리틱 아키텍처(Monolithic Architecture)]], [[코스모스(Cosmos)]], [[스트랭글러 피그 패턴(Strangler Fig Pattern)]]
-- **Projects/Contexts:** [[넷플릭스 미디어 클라우드 엔지니어링(Netflix Media Cloud Engineering)]]
+- **Related Topics:** 모놀리틱 아키텍처(Monolithic Architecture), 코스모스(Cosmos), [[스트랭글러 피그 패턴(Strangler Fig Pattern)]]
+- **Projects/Contexts:** 넷플릭스 미디어 클라우드 엔지니어링(Netflix Media Cloud Engineering)
 - **Contradictions/Notes:** 리로디드는 구축 후 약 7년 동안 매우 안정적이고 대규모 확장이 가능한(stable and massively scalable) 시스템으로 기능했지만, 조직 규모와 요구사항의 폭발적 성장에 직면하면서 유용했던 중앙 집중식 모델이 역으로 큰 한계를 드러내는 모순적인 기술 생명주기를 보여줍니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/리로디드(Reloaded).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/리터럴 타입 (Literal Types).md b/10_Wiki/Topics/Programming & Language/리터럴 타입 (Literal Types).md
index 81066f7e..18f01a19 100644
--- a/10_Wiki/Topics/Programming & Language/리터럴 타입 (Literal Types).md	
+++ b/10_Wiki/Topics/Programming & Language/리터럴 타입 (Literal Types).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B0B7AB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,11 +28,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 리터럴 타입 (Literal Type
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[유니온 타입 (Union Types)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[타입 좁히기 (Type Narrowing)]], [[satisfies 연산자]], [[as const 단언]]
-- **Projects/Contexts:** [[네트워크 응답 상태 모델링 (loading, success, failed 상태 구분)]], [[Redux 액션 및 API 응답 처리 패턴]]
+- **Related Topics:** 유니온 타입 (Union Types), 식별 가능한 유니온 (Discriminated Unions), [[타입 좁히기 (Type Narrowing)]], [[satisfies 연산자]], as const 단언
+- **Projects/Contexts:** 네트워크 응답 상태 모델링 (loading, success, failed 상태 구분), Redux 액션 및 API 응답 처리 패턴
 - **Contradictions/Notes:** 리터럴 타입 자체는 단일한 값만을 허용하기에 그 자체로만 쓰이면 제한적이지만, 유니온 타입 및 `satisfies`, `as const` 와 같은 TypeScript의 고급 기능들과 결합할 때 비로소 예측 불가능한 런타임 오류를 막아주고 자동 완성(IntelliSense)을 극대화하는 컴파일 타임의 핵심 안전장치로 작동합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/리터럴 타입 (Literal Types).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/마이크로서비스 아키텍처 (MSA).md b/10_Wiki/Topics/Programming & Language/마이크로서비스 아키텍처 (MSA).md
index e74a379f..75701976 100644
--- a/10_Wiki/Topics/Programming & Language/마이크로서비스 아키텍처 (MSA).md	
+++ b/10_Wiki/Topics/Programming & Language/마이크로서비스 아키텍처 (MSA).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6DFA0C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -44,10 +44,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 마이크로서비스 아키
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[모놀리식 아키텍처 (Monolithic Architecture)]], [[단일 책임 원칙 (SRP)]], [[클린 아키텍처 (Clean Architecture)]]
-- **Projects/Contexts:** [[넷플릭스 (Netflix) 마이크로서비스 도입 사례]], [[Cosmos 플랫폼 (Netflix)]]
+- **Projects/Contexts:** 넷플릭스 (Netflix) 마이크로서비스 도입 사례, [[Cosmos 플랫폼 (Netflix)]]
 - **Contradictions/Notes:** 소스에 따르면 MSA는 배포 독립성, 빠른 릴리스, 확장성이라는 분명한 장점을 지니지만 [1, 3, 12], 분산 시스템으로 인한 복잡성(네트워크 지연, 부분적 실패, 테스트의 어려움) 및 많은 수의 가상 머신(VM)/JVM 런타임 운영에 따른 메모리 오버헤드와 비용 폭증이라는 상충 관계(Trade-off)를 명확히 가집니다 [9-11, 13]. 따라서 단순한 소규모 프로젝트보다는 빠르고 복잡하게 확장하는 대규모 시스템에 적합한 아키텍처입니다 [12].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/마이크로서비스 아키텍처 (MSA).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/마크-스윕(Mark-Sweep).md b/10_Wiki/Topics/Programming & Language/마크-스윕(Mark-Sweep).md
index 38c5a4e0..00fc65bb 100644
--- a/10_Wiki/Topics/Programming & Language/마크-스윕(Mark-Sweep).md	
+++ b/10_Wiki/Topics/Programming & Language/마크-스윕(Mark-Sweep).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A62B31
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 마크-스윕(Mark-Sweep)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[구공간(Old Space)]], [[마크-컴팩트(Mark-Compact)]], [[점진적 마킹(Incremental Marking)]], [[스캐빈지(Scavenge)]]
-- **Projects/Contexts:** [[V8 엔진(V8 Engine)]], [[오리노코(Orinoco)]], [[자바 가상 머신(JVM)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 구공간(Old Space), 마크-컴팩트(Mark-Compact), [[점진적 마킹(Incremental Marking)]], 스캐빈지(Scavenge)
+- **Projects/Contexts:** V8 엔진(V8 Engine), 오리노코(Orinoco), [[자바 가상 머신(JVM)]]
 - **Contradictions/Notes:** 소스의 설명에 따르면, 스캐빈지(Scavenge) 알고리즘은 투-스페이스(to-space)와 프롬-스페이스(from-space)를 사용하는 물리적 메모리 오버헤드가 크기 때문에 신공간(New Space)에서만 유용하게 쓰이며, 반면 마크-스윕은 메모리 오버헤드는 적지만 실행 시간이 오래 걸릴 수 있어 구공간(Old Space) 관리에 사용된다는 명확한 역할 분담이 존재합니다 [4, 6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/마크-스윕(Mark-Sweep).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/머리 장착형 디스플레이(HMD) 환경의 시각적 후유증 연구.md b/10_Wiki/Topics/Programming & Language/머리 장착형 디스플레이(HMD) 환경의 시각적 후유증 연구.md
index 210b8c13..cba38e21 100644
--- a/10_Wiki/Topics/Programming & Language/머리 장착형 디스플레이(HMD) 환경의 시각적 후유증 연구.md	
+++ b/10_Wiki/Topics/Programming & Language/머리 장착형 디스플레이(HMD) 환경의 시각적 후유증 연구.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-439852
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 머리 장착형 디스플레
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[폭주-조절 충돌(Vergence-Accommodation Conflict)]], [[VR 멀미(VR Sickness)]], [[깊이 지각(Depth Perception)]]
-- **Projects/Contexts:** [[Beat Saber를 활용한 VR 엑서게임의 시각적 및 인지적 후유증 조사 연구]]
+- **Related Topics:** 폭주-조절 충돌(Vergence-Accommodation Conflict), [[VR 멀미(VR Sickness)]], [[깊이 지각(Depth Perception)]]
+- **Projects/Contexts:** Beat Saber를 활용한 VR 엑서게임의 시각적 및 인지적 후유증 조사 연구
 - **Contradictions/Notes:** 소스에 따르면 HMD 사용 직후 사용자의 조절과 폭주 등 안구 운동 기능에 큰 변화가 발생하여 피로와 복시 등을 유발할 수 있지만, 이러한 시각적 후유증의 크기는 VR 노출 시간(10분 노출과 50분 노출)에 영향을 받지 않았으며 기기 사용 종료 후 40분 이내에 사용 전 상태로 회복되는 것으로 나타났습니다 [4-6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/머리 장착형 디스플레이(HMD) 환경의 시각적 후유증 연구.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/메모리 누수(Memory Leaks).md b/10_Wiki/Topics/Programming & Language/메모리 누수(Memory Leaks).md
index 886234be..a68803ea 100644
--- a/10_Wiki/Topics/Programming & Language/메모리 누수(Memory Leaks).md	
+++ b/10_Wiki/Topics/Programming & Language/메모리 누수(Memory Leaks).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2F9E62
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 메모리 누수(Memory Leaks)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[V8 Heap Architecture]], [[힙 스냅샷(Heap Snapshot)]], [[클로저(Closure)]]
-- **Projects/Contexts:** [[Node.js Memory Leaks in Production]], [[Browser Memory Leak Detection]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), [[V8 Heap Architecture]], 힙 스냅샷(Heap Snapshot), 클로저(Closure)
+- **Projects/Contexts:** Node.js Memory Leaks in Production, Browser Memory Leak Detection
 - **Contradictions/Notes:** C/C++ 프로그램 등에 사용되는 컴파일러 지원이 없는 보수적(Conservative) 가비지 컬렉터의 경우, 포인터처럼 보이는 일반 정수 데이터로 인해 거대한 객체 서브그래프가 유지되는 독특한 형태의 메모리 누수를 유발할 가능성이 존재한다고 소스에서 지적한다 [32]. 또한 프론트엔드 최신 도구인 `WeakRef`와 `FinalizationRegistry`를 사용해 누수에 강한 패턴을 작성할 수 있으나, 가비지 컬렉터는 자체 일정에 따라 실행되어 결정론적이지 않으므로 적절한 객체 수명 주기 관리를 완벽히 대체할 수는 없음에 유의해야 한다 [12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/메모리 누수(Memory Leaks).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/명목적 타이핑 (Nominal Typing).md b/10_Wiki/Topics/Programming & Language/명목적 타이핑 (Nominal Typing).md
index 7c5b6ebb..31100e91 100644
--- a/10_Wiki/Topics/Programming & Language/명목적 타이핑 (Nominal Typing).md	
+++ b/10_Wiki/Topics/Programming & Language/명목적 타이핑 (Nominal Typing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-129F01
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 명목적 타이핑 (Nominal T
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[브랜디드 타입 (Branded Types)]], [[기본 타입에의 집착 (Primitive Obsession)]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[브랜디드 타입 (Branded Types)]], [[기본 타입에의 집착 (Primitive Obsession)]]
 - **Projects/Contexts:** [[도메인 기반 설계 (DDD) 및 데이터 오염 방지]], [[TypeScript의 안전한 인터페이스 설계]]
 - **Contradictions/Notes:** Java나 C#과 같은 언어는 명목적 타이핑을 기본 언어 차원에서 제공하지만, TypeScript는 이를 내장하고 있지 않으므로 [1-3], 명목적 타이핑의 이점을 누리기 위해서는 개발자가 교집합 타입(`&`)이나 `unique symbol` 등을 활용하여 인위적인 패턴(브랜디드 타입)을 구현해야만 한다 [7, 8].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/명목적 타이핑 (Nominal Typing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/명목적 타이핑(Nominal Typing).md b/10_Wiki/Topics/Programming & Language/명목적 타이핑(Nominal Typing).md
index ca6812fb..b6c819c2 100644
--- a/10_Wiki/Topics/Programming & Language/명목적 타이핑(Nominal Typing).md	
+++ b/10_Wiki/Topics/Programming & Language/명목적 타이핑(Nominal Typing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-DCF544
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 명목적 타이핑(Nominal Ty
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑(Structural Typing)]], [[브랜디드 타입(Branded Types)]], [[불투명 타입(Opaque Types)]]
+- **Related Topics:** [[구조적 타이핑(Structural Typing)]], 브랜디드 타입(Branded Types), 불투명 타입(Opaque Types)
 - **Projects/Contexts:** [[도메인 기반 설계(DDD)]], [[Effect TS]]
 - **Contradictions/Notes:** TypeScript 커뮤니티에서 명목적(비구조적) 타입 매칭을 네이티브로 지원하는 것에 대한 논의가 2014년부터 꾸준히 있었으나 아직 완전한 합의나 내장 기능이 추가되지는 않았으며, 대신 개발자들은 고유 심볼(unique symbol)이나 런타임 유효성 검사(Zod 등)를 결합하여 이를 우회적으로 달성하고 있습니다 [3, 13, 14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/명목적 타이핑(Nominal Typing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 기반 구성 중앙화.md b/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 기반 구성 중앙화.md
index 9bb0035f..219a749f 100644
--- a/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 기반 구성 중앙화.md	
+++ b/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 기반 구성 중앙화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-796BD7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,10 +29,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 모노레포(Monorepo) 기반
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[lint-staged]], [[Turborepo]]
-- **Projects/Contexts:** [[대규모 모노레포 환경의 린팅 및 포매팅 설정 현대화 프로젝트]]
+- **Projects/Contexts:** 대규모 모노레포 환경의 린팅 및 포매팅 설정 현대화 프로젝트
 - **Contradictions/Notes:** 공식적인 `lint-staged` 모노레포 가이드에서는 최상위에 `lint-staged`를 설치하고 각 패키지마다 별도의 구성 파일을 두어 고립되게 처리하라고 안내하며 루트 설정이 하위 설정을 자동으로 채워주지 않는다고 명시하지만 [11], 루트 오케스트레이션 구성을 도입하면 최상위에서 실행하면서도 패턴 매핑을 통해 각 패키지의 규칙을 성공적으로 병합·제어할 수 있습니다 [8], [12].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/모노레포(Monorepo) 기반 구성 중앙화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 설정 중앙화.md b/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 설정 중앙화.md
index bc8273d4..9559cc62 100644
--- a/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 설정 중앙화.md	
+++ b/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 설정 중앙화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-19D53A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,10 +37,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 모노레포(Monorepo) 설정
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[Turborepo]], [[Husky]], [[lint-staged]]
-- **Projects/Contexts:** [[대규모 모노레포(Monorepo) 프로젝트]], [[다중 패키지 관리 환경]]
+- **Projects/Contexts:** 대규모 모노레포(Monorepo) 프로젝트, 다중 패키지 관리 환경
 - **Contradictions/Notes:** 모노레포 환경에서 `lint-staged`를 적용하는 구조와 관련하여 다른 관점이 존재합니다. 일반적인 가이드에서는 패키지 간의 격리성 확보를 위해 각 패키지별로 독립된 설정 파일을 둘 것을 권장하지만 [14, 15], Turborepo를 활용하는 모노레포 환경에서는 최상위에서 '루트 오케스트레이션(Root Orchestration)'을 통해 파일 패턴으로 린팅을 중앙 제어하는 것이 중복 제거와 일관성 면에서 더 효과적인 해결책으로 제시되고 있습니다 [6, 9, 16].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/모노레포(Monorepo) 설정 중앙화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 아키텍처 설정.md b/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 아키텍처 설정.md
index 841baa1a..708f02fe 100644
--- a/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 아키텍처 설정.md	
+++ b/10_Wiki/Topics/Programming & Language/모노레포(Monorepo) 아키텍처 설정.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-671D24
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,10 +33,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 모노레포(Monorepo) 아키
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Turborepo]], [[ESLint]], [[Prettier]], [[Husky]], [[lint-staged]]
-- **Projects/Contexts:** [[Next.js 애플리케이션 및 라이브러리 관리]], [[모노레포 린트 자동화]]
+- **Projects/Contexts:** Next.js 애플리케이션 및 라이브러리 관리, 모노레포 린트 자동화
 - **Contradictions/Notes:** 소스 [10]에 따르면 `lint-staged`의 공식 지침은 여러 하위 패키지의 구성 파일을 상호 격리된 상태로 취급하여 가장 가까운 파일을 적용하라고 설명하지만, 소스 [3, 8, 12]에서는 단일 진실 공급원을 기반으로 루트에서 파일 패턴을 매핑해주는 루트 오케스트레이션(Root Orchestration) 방식이 유지보수와 실행 속도 면에서 모노레포에 더 뛰어난 해결책이라고 주장합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/모노레포(Monorepo) 아키텍처 설정.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/모놀리식 아키텍처 (Monolithic Architecture).md b/10_Wiki/Topics/Programming & Language/모놀리식 아키텍처 (Monolithic Architecture).md
index e8d0bd3b..9a38ad1d 100644
--- a/10_Wiki/Topics/Programming & Language/모놀리식 아키텍처 (Monolithic Architecture).md	
+++ b/10_Wiki/Topics/Programming & Language/모놀리식 아키텍처 (Monolithic Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C46007
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 모놀리식 아키텍처 (Mon
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스 아키텍처 (Microservices Architecture)]], [[X축 스케일링 (X-Axis Scaling)]]
-- **Projects/Contexts:** [[넷플릭스 (Netflix)]], [[스포티파이 (Spotify)]]
+- **Related Topics:** [[마이크로서비스 아키텍처 (Microservices Architecture)]], X축 스케일링 (X-Axis Scaling)
+- **Projects/Contexts:** 넷플릭스 (Netflix), 스포티파이 (Spotify)
 - **Contradictions/Notes:** 소스에 따르면 대규모 엔터프라이즈 시스템을 모놀리식 구조로 구축하는 것이 가능하다고 증명되어 있지만 [3], 실제 급격히 성장하는 기업(넷플릭스 등)의 사례에서는 규모 확장에 따른 기능 전달 지연 및 유지보수 문제를 해결하기 위해 모놀리식 아키텍처를 포기하고 마이크로서비스 아키텍처로 전환(Migration)하는 한계를 보입니다 [4, 5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/모놀리식 아키텍처 (Monolithic Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/모듈러 통합 건설 (MiC).md b/10_Wiki/Topics/Programming & Language/모듈러 통합 건설 (MiC).md
index 9567de14..6f7f3017 100644
--- a/10_Wiki/Topics/Programming & Language/모듈러 통합 건설 (MiC).md	
+++ b/10_Wiki/Topics/Programming & Language/모듈러 통합 건설 (MiC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FE2B8A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 모듈러 통합 건설 (MiC)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (SoC)]], [[모듈러 철골 건물 (MSB)]]
-- **Projects/Contexts:** [[화신산 병원 (Huoshen Mountain Hospital)]] (코로나19 팬데믹 당시 모듈러 설계 및 조립 기술을 활용하여 단기간에 고품질로 구축된 응급 병원 프로젝트[1, 4])
+- **Related Topics:** [[관심사의 분리 (SoC)]], 모듈러 철골 건물 (MSB)
+- **Projects/Contexts:** 화신산 병원 (Huoshen Mountain Hospital) (코로나19 팬데믹 당시 모듈러 설계 및 조립 기술을 활용하여 단기간에 고품질로 구축된 응급 병원 프로젝트[1, 4])
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 소스 내에서 모듈러 통합 건설에 대한 상반된 주장이나 모순점은 발견되지 않습니다.)
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/모듈러 통합 건설 (MiC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/모듈화 및 아키텍처 경계 설정.md b/10_Wiki/Topics/Programming & Language/모듈화 및 아키텍처 경계 설정.md
index 2e68fb0d..2958aebd 100644
--- a/10_Wiki/Topics/Programming & Language/모듈화 및 아키텍처 경계 설정.md	
+++ b/10_Wiki/Topics/Programming & Language/모듈화 및 아키텍처 경계 설정.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1ED3D4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 모듈화 및 아키텍처 경
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처(Clean Architecture)]], [[응집도와 결합도]], [[의존성 역전 원칙(DIP)]], [[단일 책임 원칙(SRP)]]
-- **Projects/Contexts:** [[넷플릭스 코스모스(Netflix Cosmos) 플랫폼]], [[마이크로 프론트엔드(Micro Frontends)]], [[스포티파이 스쿼드(Spotify Squad) 모델]], [[모듈러 통합 건설(MiC)]]
+- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처(Clean Architecture)]], [[응집도와 결합도]], 의존성 역전 원칙(DIP), [[단일 책임 원칙(SRP)]]
+- **Projects/Contexts:** 넷플릭스 코스모스(Netflix Cosmos) 플랫폼, 마이크로 프론트엔드(Micro Frontends), 스포티파이 스쿼드(Spotify Squad) 모델, 모듈러 통합 건설(MiC)
 - **Contradictions/Notes:** 완벽한 아키텍처 경계를 선행적으로 구축하는 것은 상당한 노력과 비용이 들기 때문에, 당장 필요하지 않은 오버 엔지니어링(YAGNI 원칙 위배)으로 간주되어 일부 개발자들의 거부감을 일으킬 수 있다. 하지만 경계가 없는 상태에서 나중에 횡단 관심사 문제를 겪고 나서야 뒤늦게 경계를 추가하려고 하면, 훨씬 더 높은 비용과 위험을 감수해야 한다는 딜레마가 존재한다 [19, 23].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/모듈화 및 아키텍처 경계 설정.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/반응 시간(Reaction Time).md b/10_Wiki/Topics/Programming & Language/반응 시간(Reaction Time).md
index 7891a112..7f3a2719 100644
--- a/10_Wiki/Topics/Programming & Language/반응 시간(Reaction Time).md	
+++ b/10_Wiki/Topics/Programming & Language/반응 시간(Reaction Time).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9738CF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 반응 시간(Reaction Time)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[결정 속도(Decision Speed)]], [[가상현실 후유증(VR Aftereffects)]]
+- **Related Topics:** 결정 속도(Decision Speed), [[가상현실 후유증(VR Aftereffects)]]
 - **Projects/Contexts:** [[Beat Saber 엑서게임 연구(Beat Saber Exergaming Study)]], [[CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI)]]
 - **Contradictions/Notes:** 가상현실 노출이 반응 시간에 미치는 즉각적인 영향에 대해 연구자마다 부정적인 후유증이 발생한다고 주장하는 연구와 오히려 긍정적인(빠른) 효과를 가져온다고 주장하는 연구가 혼재되어 문헌 간 일관성이 부족합니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/반응 시간(Reaction Time).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend).md b/10_Wiki/Topics/Programming & Language/백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend).md
index 4d168ab1..4ddc3166 100644
--- a/10_Wiki/Topics/Programming & Language/백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend).md	
+++ b/10_Wiki/Topics/Programming & Language/백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6AC944
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 백엔드-프론트엔드 데
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[satisfies Keyword]], [[Parse, don't validate]], [[Excess Property Checking]], [[Structural Typing]]
+- **Related Topics:** [[satisfies Keyword]], Parse, don't validate, [[Excess Property Checking]], [[Structural Typing]]
 - **Projects/Contexts:** [[Inventory Management Example]] (외부 백엔드 응답을 프론트엔드의 `InventoryItem` 타입으로 매핑할 때 오류를 방지하는 실제 사용 시나리오 [2, 3])
 - **Contradictions/Notes:** 소스 데이터에 따르면 데이터 변환 과정에서 강제 타입 단언(type casting, `as`)을 사용하여 타입을 덮어씌우는 것은 잉여 속성을 걸러내지 못하므로 안전하지 않으며, 이를 보완하기 위해 런타임 오류 가능성을 원천 차단하는 `satisfies` 연산자의 사용이 권장됩니다 [5, 8].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/복잡한 비즈니스 도메인 (금융 헬스케어 이커머스 등).md b/10_Wiki/Topics/Programming & Language/복잡한 비즈니스 도메인 (금융 헬스케어 이커머스 등).md
index 411161e8..10081158 100644
--- a/10_Wiki/Topics/Programming & Language/복잡한 비즈니스 도메인 (금융 헬스케어 이커머스 등).md	
+++ b/10_Wiki/Topics/Programming & Language/복잡한 비즈니스 도메인 (금융 헬스케어 이커머스 등).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AD3BC6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,10 +31,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 복잡한 비즈니스 도메
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[도메인 주도 설계 (DDD)]], [[바운디드 컨텍스트 (Bounded Context)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]], [[이벤트 기반 아키텍처 (Event-Driven Architecture)]], [[데이터 거버넌스 (Data Governance)]]
-- **Projects/Contexts:** [[핀테크의 실시간 사기 탐지]], [[이커머스의 실시간 재고 관리]], [[헬스케어의 민감 데이터(PII/PCI) 보안 규제 준수]]
+- **Projects/Contexts:** [[핀테크의 실시간 사기 탐지]], [[이커머스의 실시간 재고 관리]], 헬스케어의 민감 데이터(PII/PCI) 보안 규제 준수
 - **Contradictions/Notes:** 소스 문헌들은 복잡한 비즈니스 도메인 구축 시 기술적인 관점으로만 시스템을 나누는 것(예: 단순 계층형 아키텍처)보다, 비즈니스 현실을 중심에 두고 비즈니스 역량과 도메인 모델을 기준으로 시스템을 세분화하는 도메인 주도 설계(DDD)나 마이크로서비스 아키텍처가 훨씬 더 높은 확장성과 유지보수성을 제공한다고 강조합니다 [5, 6, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/복잡한 비즈니스 도메인 (금융, 헬스케어, 이커머스 등).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/불변성 (Immutability).md b/10_Wiki/Topics/Programming & Language/불변성 (Immutability).md
index 40498a25..200403c6 100644
--- a/10_Wiki/Topics/Programming & Language/불변성 (Immutability).md	
+++ b/10_Wiki/Topics/Programming & Language/불변성 (Immutability).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-07CB26
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 불변성 (Immutability)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[readonly 수식어]], [[Readonly 유틸리티 타입]], [[DeepReadonly (재귀적 불변성)]], [[에일리어싱 (Aliasing)]], [[구조적 타이핑 (Structural Typing)]]
-- **Projects/Contexts:** [[Redux 등 상태 관리 (State Management)]], [[API 응답 데이터 모델링]], [[글로벌 설정 객체 (Configuration Objects) 보호]]
+- **Related Topics:** readonly 수식어, [[Readonly 유틸리티 타입]], DeepReadonly (재귀적 불변성), [[에일리어싱 (Aliasing)]], 구조적 타이핑 (Structural Typing)
+- **Projects/Contexts:** [[Redux 등 상태 관리 (State Management)]], API 응답 데이터 모델링, 글로벌 설정 객체 (Configuration Objects) 보호
 - **Contradictions/Notes:** TypeScript의 `readonly`는 완벽한 런타임 불변성을 제공하지 않습니다. 컴파일 타임에만 유효하며 컴파일 후 자바스크립트 코드에서는 해당 제약이 사라집니다 [1]. 또한, 에일리어싱을 통해 `readonly` 배열이 일반 배열 타입으로 취급될 경우 타입 시스템을 우회하여 변이가 일어날 수 있으므로 함수 시그니처 설계 시 주의해야 합니다 [14, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/불변성 (Immutability).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/불변성(Immutability).md b/10_Wiki/Topics/Programming & Language/불변성(Immutability).md
index 5d30f261..4ab4cf69 100644
--- a/10_Wiki/Topics/Programming & Language/불변성(Immutability).md	
+++ b/10_Wiki/Topics/Programming & Language/불변성(Immutability).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-647D86
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,5 +35,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 불변성(Immutability)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/불변성(Immutability).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/불필요한 리렌더링 방지.md b/10_Wiki/Topics/Programming & Language/불필요한 리렌더링 방지.md
index 5dca1d0a..e460d99d 100644
--- a/10_Wiki/Topics/Programming & Language/불필요한 리렌더링 방지.md	
+++ b/10_Wiki/Topics/Programming & Language/불필요한 리렌더링 방지.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B13B4D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,12 +35,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 불필요한 리렌더링 방
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[React Performance Optimization]], [[React 19 Compiler]], [[상태 관리 최적화 (Zustand, Jotai, Valtio)]], [[재조정 (Reconciliation)]], [[Virtualization (리스트 가상화)]]
-- **Projects/Contexts:** [[대규모 프론트엔드 아키텍처 설계]], [[고빈도 업데이트를 처리하는 실시간 대시보드]]
+- **Related Topics:** [[React Performance Optimization]], [[React 19 Compiler]], 상태 관리 최적화 (Zustand, Jotai, Valtio), [[재조정 (Reconciliation)]], Virtualization (리스트 가상화)
+- **Projects/Contexts:** 대규모 프론트엔드 아키텍처 설계, 고빈도 업데이트를 처리하는 실시간 대시보드
 - **Contradictions/Notes:** 많은 개발자들이 컴포넌트가 느려지면 습관적으로 조기 메모이제이션(Premature Memoization)을 적용하려 하지만, 비교 연산 자체의 오버헤드로 인해 컴포넌트가 작고 빠르다면 오히려 성능이 하락할 수 있습니다. 항상 React DevTools Profiler 등으로 측정(Measure)한 후 최적화를 적용해야 합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/불필요한 리렌더링 방지.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/브라우저 메모리 관리 및 최적화.md b/10_Wiki/Topics/Programming & Language/브라우저 메모리 관리 및 최적화.md
index 8c363995..1f9ac4ed 100644
--- a/10_Wiki/Topics/Programming & Language/브라우저 메모리 관리 및 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/브라우저 메모리 관리 및 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F4D557
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 브라우저 메모리 관리
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], [[V8 JavaScript Engine]], [[Chrome DevTools]], [[메모리 누수 (Memory Leak)]]
-- **Projects/Contexts:** [[Orinoco 프로젝트]], [[Chrome Allocation Timeline]], [[Three-snapshot technique]], [[V8 Memory Cage]]
+- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], [[V8 JavaScript Engine]], [[Chrome DevTools]], 메모리 누수 (Memory Leak)
+- **Projects/Contexts:** [[Orinoco 프로젝트]], Chrome Allocation Timeline, Three-snapshot technique, V8 Memory Cage
 - **Contradictions/Notes:** 가비지 컬렉션 시스템의 성능이 관리되지 않는(unmanaged) 언어(예: C/C++)에 비해 절대적으로 우수하거나 나쁜 것은 아니다. 관리되는 언어는 메모리 할당이 단순 포인터 증가만으로 이루어져 매우 빠르지만, 메모리가 부족하여 가비지 컬렉터가 실행될 때는 예기치 않은 성능 비용(지연 및 멈춤)을 필연적으로 지불해야 한다 [44]. 또한 포인터 압축(Pointer compression)은 V8 힙 크기를 최대 40%까지 줄이고 성능을 5~10% 향상시키지만, 힙의 최대 크기를 4GB로 엄격히 제한한다는 트레이드오프가 존재한다 [42, 45].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/브라우저 메모리 관리 및 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/브라우저 및 Nodejs 메모리 튜닝.md b/10_Wiki/Topics/Programming & Language/브라우저 및 Nodejs 메모리 튜닝.md
index 1aa44e8e..a1e5f12b 100644
--- a/10_Wiki/Topics/Programming & Language/브라우저 및 Nodejs 메모리 튜닝.md	
+++ b/10_Wiki/Topics/Programming & Language/브라우저 및 Nodejs 메모리 튜닝.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D511AE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 브라우저 및 Nodejs 메모
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** `[[V8 Engine Heap Architecture]]`, `[[Orinoco Garbage Collector]]`, `[[Heap Snapshot & Allocation Timeline]]`, `[[Generational GC Hypothesis]]`
-- **Projects/Contexts:** `[[Node.js Production Monitoring]]`, `[[Chrome DevTools Profiling]]`, `[[Electron Memory Cage]]`
+- **Related Topics:** `V8 Engine Heap Architecture`, `Orinoco Garbage Collector`, `Heap Snapshot & Allocation Timeline`, `Generational GC Hypothesis`
+- **Projects/Contexts:** `Node.js Production Monitoring`, `Chrome DevTools Profiling`, `Electron Memory Cage`
 - **Contradictions/Notes:** 가비지 컬렉션 시 살아남은 객체를 새로운 메모리 페이지로 복사(Copy)하는 방식은 비용이 크게 느껴질 수 있으나, 소스에 따르면 '대부분의 객체는 매우 짧은 시간 안에 버려진다(Generational Hypothesis)'는 통계적 근거 덕분에, 적은 수의 생존 객체만 복사하는 것이 전체 메모리 스캔 비용보다 훨씬 저렴하여 성능 상 이점이 크다고 설명한다 [41]. 또한, 포인터 압축(Pointer Compression) 기술은 메모리 사용량을 대폭 절감하지만, V8 힙을 최대 4GB로 제한하는 구조적 한계를 낳아 Electron과 같은 특수 환경에서 큰 ArrayBuffer를 다루는 네이티브 모듈에 리팩토링 부담을 주는 트레이드오프가 있다 [42-45].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/브라우저 및 Node.js 메모리 튜닝.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/브랜디드 타입 (Branded Types).md b/10_Wiki/Topics/Programming & Language/브랜디드 타입 (Branded Types).md
index c5252055..8de972b1 100644
--- a/10_Wiki/Topics/Programming & Language/브랜디드 타입 (Branded Types).md	
+++ b/10_Wiki/Topics/Programming & Language/브랜디드 타입 (Branded Types).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2095A1
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 브랜디드 타입 (Branded T
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[타입 단언 (Type Assertions)]], [[타입 가드 (Type Predicates)]]
-- **Projects/Contexts:** [[도메인 주도 설계 (DDD)]], [[Zod를 활용한 런타임 데이터 파싱]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[타입 단언 (Type Assertions)]], [[타입 가드 (Type Predicates)]]
+- **Projects/Contexts:** [[도메인 주도 설계 (DDD)]], Zod를 활용한 런타임 데이터 파싱
 - **Contradictions/Notes:** 별도의 래퍼(Wrapper) 클래스를 만들어 기본 타입을 객체지향적으로 감싸는 방식도 무결성을 챙길 수 있는 대안으로 언급되나, 이는 브랜디드 타입(런타임 오버헤드가 없음)과 달리 매 생성마다 런타임 메모리와 성능 오버헤드를 유발하므로 극도의 안정성이 필요한 경우에만 제한적으로 사용해야 함을 소스는 경고하고 있습니다 [3, 26, 27].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/브랜디드 타입 (Branded Types).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects).md b/10_Wiki/Topics/Programming & Language/비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects).md
index 1ef4bc01..6019fee9 100644
--- a/10_Wiki/Topics/Programming & Language/비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects).md	
+++ b/10_Wiki/Topics/Programming & Language/비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B4568F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 비트 세이버 엑서게임
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 실험.md b/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 실험.md
index 27608f70..c6d8464c 100644
--- a/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 실험.md	
+++ b/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 실험.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A4020A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 비트 세이버(Beat Saber) 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[사이버스멀미(VR Sickness)]], [[엑서게임(Exergaming)]], [[시뮬레이터 멀미 설문지(SSQ)]]
-- **Projects/Contexts:** [[가상현실 엑서게임 후유증 조사(Investigation of Virtual Reality Aftereffects)]]
+- **Related Topics:** 사이버스멀미(VR Sickness), [[엑서게임(Exergaming)]], [[시뮬레이터 멀미 설문지(SSQ)]]
+- **Projects/Contexts:** 가상현실 엑서게임 후유증 조사(Investigation of Virtual Reality Aftereffects)
 - **Contradictions/Notes:** 연구 결과에서 그룹 평균적으로는 50분간의 VR 노출 후 40분이 지나면 멀미 증상이 기준치로 돌아온다고 보고하지만, 개별 참가자 데이터를 분석하면 약 14%의 인원은 40분 후에도 여전히 높은 수준의 멀미를 경험한다는 점에서 그룹 평균과 개인별 회복 양상 간에 뚜렷한 차이가 존재함을 지적합니다 [5], [10], [11].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/비트 세이버(Beat Saber) 실험.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 엑서게임 연구.md b/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 엑서게임 연구.md
index 1edc0908..acf5056f 100644
--- a/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 엑서게임 연구.md	
+++ b/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber) 엑서게임 연구.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1C6F5C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,10 +25,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 비트 세이버(Beat Saber) 
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[VR 멀미(VR Sickness)]], [[엑서게임(Exergaming)]], [[시뮬레이터 멀미 설문지(SSQ)]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber) VR 사후 영향 조사 연구]]
+- **Projects/Contexts:** 비트 세이버(Beat Saber) VR 사후 영향 조사 연구
 - **Contradictions/Notes:** 연구 결과에서 엑서게임 직후의 멀미 증상은 그룹 평균치로 보았을 때 40분 이내에 완전히 회복되는 것으로 나타났으나, 개인차를 고려할 때 50분 장기 플레이를 한 참가자의 약 14%는 40분 후에도 회복되지 않은 높은 수준의 증상을 보인다는 점을 유의해야 합니다 [15].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/비트 세이버(Beat Saber) 엑서게임 연구.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber).md b/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber).md
index 15e180d6..cd2aa016 100644
--- a/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber).md	
+++ b/10_Wiki/Topics/Programming & Language/비트 세이버(Beat Saber).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4E9962
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 비트 세이버(Beat Saber)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[운동 게임(Exergame)]], [[몰입 상태(Flow State)]], [[가상 현실 멀미(VR Sickness)]]
-- **Projects/Contexts:** [[가상 현실 후유증 조사(Investigation of Virtual Reality Aftereffects)]]
+- **Related Topics:** 운동 게임(Exergame), 몰입 상태(Flow State), 가상 현실 멀미(VR Sickness)
+- **Projects/Contexts:** 가상 현실 후유증 조사(Investigation of Virtual Reality Aftereffects)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/비트 세이버(Beat Saber).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber_ An Investigation of Virtual Reality Aftereffects).md b/10_Wiki/Topics/Programming & Language/비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber_ An Investigation of Virtual Reality Aftereffects).md
index da46aa80..3cc7c77e 100644
--- a/10_Wiki/Topics/Programming & Language/비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber_ An Investigation of Virtual Reality Aftereffects).md	
+++ b/10_Wiki/Topics/Programming & Language/비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber_ An Investigation of Virtual Reality Aftereffects).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F5F82B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 비트 세이버를 활용한
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR sickness)]], [[엑서게임(Exergaming)]], [[시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire, SSQ)]], [[조절과 수렴(Accommodation and Convergence)]]
-- **Projects/Contexts:** [[Journal of Medical Internet Research (JMIR) 게재 연구]], [[비트 세이버(Beat Saber) 사용자 실험]]
+- **Related Topics:** 가상현실 멀미(VR sickness), [[엑서게임(Exergaming)]], 시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire, SSQ), 조절과 수렴(Accommodation and Convergence)
+- **Projects/Contexts:** Journal of Medical Internet Research (JMIR) 게재 연구, 비트 세이버(Beat Saber) 사용자 실험
 - **Contradictions/Notes:** 소스에 따르면, 그룹 전체의 통계적 평균을 기준으로 보았을 때는 VR 종료 40분 후 참가자들의 멀미 증상이 기준치 수준으로 회복된 것으로 나타납니다. 하지만 개별 데이터를 확인했을 때 50분 플레이한 참가자의 약 14%는 40분이 지난 후에도 여전히 '높은 수준'의 멀미를 경험하고 있어, 통계적 평균과 개인의 실제 회복 경험 사이에는 차이와 예외가 존재합니다 [2], [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber_ An Investigation of Virtual Reality Aftereffects).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/상태 관리 및 API 응답 모델링(State Management and API Response Modeling).md b/10_Wiki/Topics/Programming & Language/상태 관리 및 API 응답 모델링(State Management and API Response Modeling).md
index 48523436..f87bc82b 100644
--- a/10_Wiki/Topics/Programming & Language/상태 관리 및 API 응답 모델링(State Management and API Response Modeling).md	
+++ b/10_Wiki/Topics/Programming & Language/상태 관리 및 API 응답 모델링(State Management and API Response Modeling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-397C6D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 상태 관리 및 API 응답 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[완전성 검사(Exhaustiveness Checking)]], [[Satisfies 연산자]]
-- **Projects/Contexts:** [[React의 상태 관리 및 비동기 UI 처리]], [[네트워크 요청 상태 머신(NetworkState)]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)]], [[Satisfies 연산자]]
+- **Projects/Contexts:** React의 상태 관리 및 비동기 UI 처리, 네트워크 요청 상태 머신(NetworkState)
 - **Contradictions/Notes:** 상태나 로직의 실패를 다룰 때 C# 등의 전통적인 환경에서는 예외(Exception)를 발생시키고 글로벌 핸들러로 잡아내는 방식이 흔히 사용되나, 상태 모델링의 명확성 관점에서는 반환형 자체에 실패 상태(Result 객체 등)를 명시하여 제어 흐름과 예상 결과를 호출자가 즉시 파악할 수 있도록 설계하는 방식(Railway oriented programming)이 더 우수하다는 주장이 존재합니다 [20-26].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/상태 관리 및 API 응답 모델링(State Management and API Response Modeling).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/상태 머신(State Machine) 설계.md b/10_Wiki/Topics/Programming & Language/상태 머신(State Machine) 설계.md
index b8347314..aae936d4 100644
--- a/10_Wiki/Topics/Programming & Language/상태 머신(State Machine) 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/상태 머신(State Machine) 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C8AC26
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 상태 머신(State Machine) 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Discriminated Unions]], [[Exhaustiveness Checking]]
-- **Projects/Contexts:** [[API Response Handling]]
+- **Related Topics:** [[Discriminated Unions]], Exhaustiveness Checking
+- **Projects/Contexts:** API Response Handling
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 상태 머신의 일반적인 아키텍처나 다양한 설계 패턴에 대한 상세한 이론적 배경은 제공되지 않으며, 오직 TypeScript의 구분된 유니언을 이용한 상태 모델링의 맥락에서만 짧게 언급됩니다 [1, 2].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/상태 머신(State Machine) 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/서드파티 라이브러리 및 API 연동.md b/10_Wiki/Topics/Programming & Language/서드파티 라이브러리 및 API 연동.md
index 3d023bfe..90d1ccfa 100644
--- a/10_Wiki/Topics/Programming & Language/서드파티 라이브러리 및 API 연동.md	
+++ b/10_Wiki/Topics/Programming & Language/서드파티 라이브러리 및 API 연동.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-ACB5DA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 서드파티 라이브러리 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, Don't Validate]], [[Facade 패턴]], [[식별 가능한 유니온 (Discriminated Unions)]], [[Zod]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[Toss Front SDK 연동 설계]], [[OpenAPI 스펙 기반 SDK 자동 생성]], [[Zod를 활용한 런타임 API 데이터 검증]]
+- **Related Topics:** Parse, Don't Validate, Facade 패턴, 식별 가능한 유니온 (Discriminated Unions), [[Zod]], [[satisfies 연산자]]
+- **Projects/Contexts:** Toss Front SDK 연동 설계, OpenAPI 스펙 기반 SDK 자동 생성, Zod를 활용한 런타임 API 데이터 검증
 - **Contradictions/Notes:** 소스에 따르면 `ts-pattern`과 같은 패턴 매칭 및 복잡한 분기 처리용 서드파티 라이브러리는 타입 안전성에는 도움을 주지만, 내부적인 클래스 및 함수 체이닝 구현 방식으로 인해 자바스크립트의 기본 제어 구조(`if/else`, `switch`)보다 성능이 현저히 떨어질 수 있으므로 무조건적인 도입보다는 상황과 성능 요구치를 고려해 사용해야 합니다 [17-19].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/서드파티 라이브러리 및 API 연동.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/선언 파일(dts).md b/10_Wiki/Topics/Programming & Language/선언 파일(dts).md
index 7e8f35e8..5beeb3a7 100644
--- a/10_Wiki/Topics/Programming & Language/선언 파일(dts).md	
+++ b/10_Wiki/Topics/Programming & Language/선언 파일(dts).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-239012
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 선언 파일(dts)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[JavaScript Libraries]], [[DefinitelyTyped]], [[Type Definitions]]
+- **Related Topics:** JavaScript Libraries, [[DefinitelyTyped]], Type Definitions
 - **Projects/Contexts:** 타입스크립트 환경에서 순수 자바스크립트로 작성된 외부 라이브러리를 가져와 사용할 때 발생할 수 있는 타입 에러를 방지하고, IDE의 자동 완성 등 타입 안정성을 확보하기 위한 맥락에서 사용됩니다 [1, 2].
 - **Contradictions/Notes:** 제공된 여러 소스의 목차(Table of Contents)에서 선언 파일이 간략히 언급되기는 하나[3, 4], 실제 작동 원리나 세부 작성법을 설명한 본문 내용은 소스에 포함되어 있지 않아 정보를 깊이 있게 확장하는 데 한계가 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/선언 파일(.d.ts).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables).md b/10_Wiki/Topics/Programming & Language/설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables).md
index a96924e6..6e8c62cb 100644
--- a/10_Wiki/Topics/Programming & Language/설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables).md	
+++ b/10_Wiki/Topics/Programming & Language/설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-53A6E9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 설정 객체 및 룩업 테
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Readonly Type]], [[Satisfies 연산자]], [[as const Assertion]], [[TypeScript Utility Types (Record, Readonly)]]
+- **Related Topics:** [[Readonly Type]], [[Satisfies 연산자]], [[as const Assertion]], TypeScript Utility Types (Record, Readonly)
 - **Projects/Contexts:** [[안전한 TypeScript 데이터 모델링 및 설정 관리 구축]]
 - **Contradictions/Notes:** TypeScript에 내장된 `Readonly<T>` 유틸리티 타입은 객체의 깊은 불변성까지는 강제하지 못하므로, 복잡한 설정 객체의 완벽한 런타임 무결성을 보장하기 위해서는 개발자가 직접 재귀형 `DeepReadonly` 유틸리티 타입을 구현하거나 외부 라이브러리에 의존해야 합니다 [7, 17].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/세대 가설(Generational Hypothesis).md b/10_Wiki/Topics/Programming & Language/세대 가설(Generational Hypothesis).md
index 0474d103..06a9c257 100644
--- a/10_Wiki/Topics/Programming & Language/세대 가설(Generational Hypothesis).md	
+++ b/10_Wiki/Topics/Programming & Language/세대 가설(Generational Hypothesis).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3D4CF3
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 세대 가설(Generational Hyp
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection (GC)]], [[V8 Engine]], [[Young Generation (New Space)]], [[Old Generation (Old Space)]], [[Scavenger (Minor GC)]]
-- **Projects/Contexts:** [[V8 Memory Management]], [[Node.js Performance Optimization]]
+- **Related Topics:** Garbage Collection (GC), [[V8 Engine]], Young Generation (New Space), Old Generation (Old Space), Scavenger (Minor GC)
+- **Projects/Contexts:** V8 Memory Management, Node.js Performance Optimization
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/세대 가설(Generational Hypothesis).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/소프트웨어 구성 분석(SCA).md b/10_Wiki/Topics/Programming & Language/소프트웨어 구성 분석(SCA).md
index 997f6b25..4786c0ab 100644
--- a/10_Wiki/Topics/Programming & Language/소프트웨어 구성 분석(SCA).md	
+++ b/10_Wiki/Topics/Programming & Language/소프트웨어 구성 분석(SCA).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C55C87
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 소프트웨어 구성 분석(
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST(정적 애플리케이션 보안 테스트)]], [[소프트웨어 공급망 보안]], [[오픈소스 의존성]], [[CVE(공통 취약점 및 노출)]]
-- **Projects/Contexts:** [[Snyk Open Source]], [[Endor Labs]]
+- **Related Topics:** SAST(정적 애플리케이션 보안 테스트), 소프트웨어 공급망 보안, 오픈소스 의존성, CVE(공통 취약점 및 노출)
+- **Projects/Contexts:** [[Snyk Open Source]], Endor Labs
 - **Contradictions/Notes:** 소스 간의 모순된 주장은 발견되지 않았으나, 애플리케이션 전체의 보안 강화를 위해서는 SCA 단독 활용보다는 SAST와 결합하여 사용해야 가장 이상적이고 완전한 테스트가 이루어진다는 점이 전반적으로 강조됩니다 [3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/소프트웨어 구성 분석(SCA).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 베스트 프랙티스.md b/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 베스트 프랙티스.md
index cd744cbd..89aabfd7 100644
--- a/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 베스트 프랙티스.md	
+++ b/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 베스트 프랙티스.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FDDA7F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 소프트웨어 아키텍처 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처]], [[마이크로서비스 아키텍처]], [[도메인 주도 설계(DDD)]], [[SOLID 원칙]]
-- **Projects/Contexts:** [[넷플릭스(Netflix)의 코스모스 플랫폼 및 마이크로서비스 전환]], [[스포티파이(Spotify)의 마이크로 프론트엔드 및 스쿼드 모델]]
+- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처]], 마이크로서비스 아키텍처, [[도메인 주도 설계(DDD)]], [[SOLID 원칙]]
+- **Projects/Contexts:** 넷플릭스(Netflix)의 코스모스 플랫폼 및 마이크로서비스 전환, 스포티파이(Spotify)의 마이크로 프론트엔드 및 스쿼드 모델
 - **Contradictions/Notes:** 소스에 따르면 완벽한 형태의 아키텍처 경계(예: 완벽한 관심사 분리와 다형성 인터페이스의 전면적 도입)는 유지보수성과 독립성을 극대화하지만, 초기 구현 비용과 성능 오버헤드, 인지적 부하(Over-engineering)를 초래할 수 있습니다. 따라서 아키텍트는 YAGNI(You Aren't Gonna Need It) 철학을 기반으로 "Rule of Three(세 번 이상 중복 시 추상화)" 등을 활용해 부분적 경계만을 도입하는 등 실무적인 타협을 지속적으로 판단해야 한다고 지적합니다 [29-32].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/소프트웨어 아키텍처 베스트 프랙티스.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 설계.md b/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 설계.md
index c94563c5..af29b845 100644
--- a/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/소프트웨어 아키텍처 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6B7DB7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 소프트웨어 아키텍처 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처]], [[마이크로서비스 아키텍처]], [[도메인 주도 설계(DDD)]], [[SOLID 원칙]]
+- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처]], 마이크로서비스 아키텍처, [[도메인 주도 설계(DDD)]], [[SOLID 원칙]]
 - **Projects/Contexts:** [[Netflix 마이크로서비스 전환]], [[스포티파이 자율적 분대 모델]], [[FSD (Feature-Sliced Design)]]
 - **Contradictions/Notes:** 관심사의 분리 원칙은 코드 유지보수성과 확장성을 크게 높이지만, 과도한 분리나 추상화(오버엔지니어링)는 잦은 계층 간 데이터 변환과 네트워크 통신 증가를 유발하여 성능 오버헤드와 디버깅의 어려움을 초래할 수 있으므로 적절한 임계점을 찾는 것이 중요합니다 [31-33]. 또한 최근 도입되는 인공지능(AI) 시스템의 아키텍처에서는 모델의 결과가 확률적이라는 특성상, 전통적인 결정론적 단위 테스트(TDD) 방식 대신 허용 오차 범위 내의 통계적 속성을 검증하는 AI 특화 TDD 접근 방식이 요구됩니다 [34, 35].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/소프트웨어 아키텍처 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/수동 코드 리뷰 (Manual Code Review).md b/10_Wiki/Topics/Programming & Language/수동 코드 리뷰 (Manual Code Review).md
index 7b77cf60..d7e2ae42 100644
--- a/10_Wiki/Topics/Programming & Language/수동 코드 리뷰 (Manual Code Review).md	
+++ b/10_Wiki/Topics/Programming & Language/수동 코드 리뷰 (Manual Code Review).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-30780C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -45,11 +45,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 수동 코드 리뷰 (Manual C
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[자동화된 코드 리뷰 (Automated Code Review)]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[하이브리드 코드 리뷰 (Hybrid Code Review)]], [[코드 품질 (Code Quality)]]
-- **Projects/Contexts:** [[GitHub/GitLab Pull Request]], [[CI/CD 파이프라인]], [[소프트웨어 개발 수명 주기 (SDLC)]]
+- **Related Topics:** 자동화된 코드 리뷰 (Automated Code Review), [[정적 애플리케이션 보안 테스트 (SAST)]], [[하이브리드 코드 리뷰 (Hybrid Code Review)]], 코드 품질 (Code Quality)
+- **Projects/Contexts:** GitHub/GitLab Pull Request, CI/CD 파이프라인, [[소프트웨어 개발 수명 주기 (SDLC)]]
 - **Contradictions/Notes:** 수동 리뷰가 코드의 모든 문제를 잡아낼 수 있다는 것은 잘못된 속설(Myth)입니다. 인간은 시간적 압박과 피로도에 의해 단순한 실수를 놓칠 수 있기 때문에 대규모 코드베이스에서 수동 리뷰에만 의존하는 것은 비실용적입니다 [16]. 마찬가지로 자동화 도구 역시 완벽하지 않아 복잡한 비즈니스 로직 결함이나 새로운 형태의 공격을 놓치는 컨텍스트 사각지대(Context Blindness)를 가지므로, 두 방식을 상호 보완적으로 사용해야 합니다 [16, 27].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/수동 코드 리뷰 (Manual Code Review).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/수동 코드 리뷰.md b/10_Wiki/Topics/Programming & Language/수동 코드 리뷰.md
index 758c6b85..cb42ee28 100644
--- a/10_Wiki/Topics/Programming & Language/수동 코드 리뷰.md	
+++ b/10_Wiki/Topics/Programming & Language/수동 코드 리뷰.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AA36FB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 수동 코드 리뷰"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[자동화된 코드 리뷰]], [[정적 애플리케이션 보안 테스트]]
-- **Projects/Contexts:** [[풀 리퀘스트(Pull Request) 워크플로우]], [[하이브리드 코드 리뷰 프로세스]]
+- **Related Topics:** [[자동화된 코드 리뷰]], 정적 애플리케이션 보안 테스트
+- **Projects/Contexts:** 풀 리퀘스트(Pull Request) 워크플로우, 하이브리드 코드 리뷰 프로세스
 - **Contradictions/Notes:** 소스 문헌들은 수동 리뷰가 자동화 도구의 맹점(비즈니스 로직 파악 불가, 신규 패턴 탐지 한계 등)을 메우기 위해 필수적이지만 [3, 23], 반대로 자동화 도구 없이는 검토 속도와 일관성의 한계로 인해 대규모 코드베이스를 감당하기 어려우므로 두 가지 방식이 상호 보완적으로 작동해야 한다고 공통적으로 강조합니다 [9, 20, 24].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/수동 코드 리뷰.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/수렴-조절 불일치(Vergence-Accommodation Conflict).md b/10_Wiki/Topics/Programming & Language/수렴-조절 불일치(Vergence-Accommodation Conflict).md
index cf105d8d..59b50d96 100644
--- a/10_Wiki/Topics/Programming & Language/수렴-조절 불일치(Vergence-Accommodation Conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/수렴-조절 불일치(Vergence-Accommodation Conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-B697B6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 수렴-조절 불일치(Vergen
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[안구 운동(Oculomotor Functions)]], [[깊이 지각(Depth Perception)]], [[헤드마운트 디스플레이(HMD)]]
-- **Projects/Contexts:** [[가상현실(VR) 시뮬레이션 및 엑서게임(Exergaming) 사용 환경]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), 안구 운동(Oculomotor Functions), [[깊이 지각(Depth Perception)]], 헤드마운트 디스플레이(HMD)
+- **Projects/Contexts:** 가상현실(VR) 시뮬레이션 및 엑서게임(Exergaming) 사용 환경
 - **Contradictions/Notes:** 소스에 따르면 수렴-조절 불일치가 가상현실 멀미를 유발하는 직접적 원인인지, 혹은 멀미 증상을 가중시키는 요인인지에 대한 명확한 인과관계는 아직 불분명한 것으로 나타납니다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/수렴-조절 불일치(Vergence-Accommodation Conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/순차적 게이트 아키텍처.md b/10_Wiki/Topics/Programming & Language/순차적 게이트 아키텍처.md
index 1a842a82..67694c4c 100644
--- a/10_Wiki/Topics/Programming & Language/순차적 게이트 아키텍처.md	
+++ b/10_Wiki/Topics/Programming & Language/순차적 게이트 아키텍처.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-048BB2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,5 +26,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 순차적 게이트 아키텍
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/순차적 게이트 아키텍처.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스캐빈저(Scavenger) _ 마이너 GC.md b/10_Wiki/Topics/Programming & Language/스캐빈저(Scavenger) _ 마이너 GC.md
index 901bca29..b0f0b618 100644
--- a/10_Wiki/Topics/Programming & Language/스캐빈저(Scavenger) _ 마이너 GC.md	
+++ b/10_Wiki/Topics/Programming & Language/스캐빈저(Scavenger) _ 마이너 GC.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8AD1F6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스캐빈저(Scavenger) _ 마
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[세대 가설(Generational Hypothesis)]], [[메이저 GC(Major GC) / Mark-Compact]], [[쓰기 장벽(Write Barriers)]], [[뉴 스페이스(New Space) / 젊은 세대]], [[올드 스페이스(Old Space)]]
-- **Projects/Contexts:** [[V8 엔진(V8 Engine)]], [[Orinoco 프로젝트]], [[IBM OpenJ9 (gencon 정책)]]
+- **Related Topics:** [[세대 가설(Generational Hypothesis)]], 메이저 GC(Major GC) / Mark-Compact, 쓰기 장벽(Write Barriers), 뉴 스페이스(New Space) / 젊은 세대, 올드 스페이스(Old Space)
+- **Projects/Contexts:** V8 엔진(V8 Engine), [[Orinoco 프로젝트]], IBM OpenJ9 (gencon 정책)
 - **Contradictions/Notes:** 소스 전반에 걸쳐 V8 엔진과 IBM JVM의 세부 구현 용어(예: New-space와 Nursery)에는 차이가 있으나, 새롭게 할당된 객체 영역을 정기적으로 비우고 살아남은 객체를 다른 영역이나 구세대로 이동시킨다는 스캐빈저의 기본 동작 원리와 목적은 동일합니다 [2, 3, 6].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/스캐빈저(Scavenger) _ 마이너 GC.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스택 트레이스(Stack trace).md b/10_Wiki/Topics/Programming & Language/스택 트레이스(Stack trace).md
index 6bbb844d..227b4de7 100644
--- a/10_Wiki/Topics/Programming & Language/스택 트레이스(Stack trace).md	
+++ b/10_Wiki/Topics/Programming & Language/스택 트레이스(Stack trace).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8FAFC5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스택 트레이스(Stack trac
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Memory Leak]], [[Allocation Timeline]], [[V8 JavaScript Engine]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[IntelliJ IDEA V8 CPU Profiling]]
+- **Related Topics:** Memory Leak, [[Allocation Timeline]], [[V8 JavaScript Engine]]
+- **Projects/Contexts:** [[Chrome DevTools]], IntelliJ IDEA V8 CPU Profiling
 - **Contradictions/Notes:** 제공된 소스는 스택 트레이스를 주로 메모리 누수 및 성능 프로파일링을 위한 '도구적 관점'에서만 다루고 있으며, 스택 트레이스의 근본적인 동작 원리에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/스택 트레이스(Stack trace).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스트랭글러 피그 패턴(Strangler Fig Pattern).md b/10_Wiki/Topics/Programming & Language/스트랭글러 피그 패턴(Strangler Fig Pattern).md
index ec532032..c899fae5 100644
--- a/10_Wiki/Topics/Programming & Language/스트랭글러 피그 패턴(Strangler Fig Pattern).md	
+++ b/10_Wiki/Topics/Programming & Language/스트랭글러 피그 패턴(Strangler Fig Pattern).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-739808
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스트랭글러 피그 패턴(
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[마이크로서비스(Microservices)]], [[레거시 시스템 마이그레이션]]
-- **Projects/Contexts:** [[넷플릭스 Cosmos 플랫폼(Netflix Cosmos Platform)]], [[Reloaded 시스템]]
+- **Related Topics:** 마이크로서비스(Microservices), 레거시 시스템 마이그레이션
+- **Projects/Contexts:** 넷플릭스 Cosmos 플랫폼(Netflix Cosmos Platform), Reloaded 시스템
 - **Contradictions/Notes:** 소스 내에서 스트랭글러 피그 패턴에 대한 상반된 주장이나 모순점은 발견되지 않습니다. 다만 개념의 기본 정의와 넷플릭스의 도입 사례만 간략히 언급되어 있으며, 그 외의 상세한 설계 방법론에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/스트랭글러 피그 패턴(Strangler Fig Pattern).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스파게티 코드 (Spaghetti Code).md b/10_Wiki/Topics/Programming & Language/스파게티 코드 (Spaghetti Code).md
index 4ba48ef8..97a53a14 100644
--- a/10_Wiki/Topics/Programming & Language/스파게티 코드 (Spaghetti Code).md	
+++ b/10_Wiki/Topics/Programming & Language/스파게티 코드 (Spaghetti Code).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9FBF28
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 스파게티 코드 (Spaghetti
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/스파게티 코드 (Spaghetti Code).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 (Spotify Squad).md b/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 (Spotify Squad).md
index 61edd362..88b82f76 100644
--- a/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 (Spotify Squad).md	
+++ b/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 (Spotify Squad).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-376368
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스포티파이 자율적 분
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[마이크로 프론트엔드 (Micro Frontends)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]]
+- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], 마이크로 프론트엔드 (Micro Frontends), [[마이크로서비스 아키텍처 (Microservices Architecture)]]
 - **Projects/Contexts:** 대규모 개발 환경에서 팀 간 기술적 간섭을 차단하고, 복잡한 애플리케이션의 확장성과 유지보수성을 획기적으로 개선하기 위한 맥락에서 적용되었습니다 [1].
 - **Contradictions/Notes:** 독립적인 스쿼드 운영을 위한 마이크로 프론트엔드 방식을 사용할 경우, 여러 모듈이 동시에 로드되면서 번들 크기가 커지고 초기 로딩 성능에 오버헤드가 발생할 수 있다는 기술적 과제가 공존합니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/스포티파이 자율적 분대 모델 (Spotify Squad).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends).md b/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends).md
index 56cf97a3..6592d3c8 100644
--- a/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends).md	
+++ b/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4B797C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스포티파이 자율적 분
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[마이크로 프론트엔드 (Micro Frontends)]], [[마이크로서비스 아키텍처 (Microservices Architecture)]]
+- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], 마이크로 프론트엔드 (Micro Frontends), [[마이크로서비스 아키텍처 (Microservices Architecture)]]
 - **Projects/Contexts:** [[대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보]]
 - **Contradictions/Notes:** 모놀리식(Monolithic) 구조를 탈피한 스포티파이의 방식은 확장성과 팀의 자율성을 크게 향상시키지만, 여러 마이크로 프론트엔드의 동시 로드로 인한 번들 크기 증가 및 초기 로딩 성능 저하라는 기술적 오버헤드와 트레이드오프(Trade-off) 관계에 있습니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델.md b/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델.md
index 12a29382..e16ad138 100644
--- a/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델.md	
+++ b/10_Wiki/Topics/Programming & Language/스포티파이 자율적 분대 모델.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-14D145
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스포티파이 자율적 분
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (SoC)]], [[마이크로 프론트엔드 (Micro Frontends)]]
-- **Projects/Contexts:** [[스포티파이 (Spotify) 웹 애플리케이션 개발]]
+- **Related Topics:** [[관심사의 분리 (SoC)]], 마이크로 프론트엔드 (Micro Frontends)
+- **Projects/Contexts:** 스포티파이 (Spotify) 웹 애플리케이션 개발
 - **Contradictions/Notes:** 스포티파이의 자율적 분대 모델과 결합된 마이크로 프론트엔드 방식은 대규모 웹 애플리케이션에서 팀 간 독립성과 유지보수성을 크게 높여주지만, 여러 개의 마이크로 프론트엔드가 로드되면서 번들 크기가 커지고 초기 로딩 성능에 오버헤드가 발생할 수 있다는 기술적 과제가 공존합니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/스포티파이 자율적 분대 모델.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md b/10_Wiki/Topics/Programming & Language/스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md
index 3623a8e7..2366d857 100644
--- a/10_Wiki/Topics/Programming & Language/스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md	
+++ b/10_Wiki/Topics/Programming & Language/스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-5B6582
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 스포티파이(Spotify)의 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(SoC)]], [[마이크로 프론트엔드(Micro Frontends)]], [[마이크로서비스 아키텍처(MSA)]]
-- **Projects/Contexts:** [[스포티파이 웹 플레이어(Spotify Web Player)]]
+- **Related Topics:** [[관심사의 분리(SoC)]], 마이크로 프론트엔드(Micro Frontends), 마이크로서비스 아키텍처(MSA)
+- **Projects/Contexts:** 스포티파이 웹 플레이어(Spotify Web Player)
 - **Contradictions/Notes:** 마이크로 프론트엔드 구조는 확장성과 유지보수성을 비약적으로 개선하지만, 동시에 여러 마이크로 프론트엔드가 로드되면서 번들 크기가 커지고 초기 로딩 성능에 오버헤드가 발생할 수 있다는 단점 및 과제가 공존한다고 소스는 지적합니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/시각 및 인지적 후유증 연구.md b/10_Wiki/Topics/Programming & Language/시각 및 인지적 후유증 연구.md
index 307c1660..2979bb99 100644
--- a/10_Wiki/Topics/Programming & Language/시각 및 인지적 후유증 연구.md	
+++ b/10_Wiki/Topics/Programming & Language/시각 및 인지적 후유증 연구.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F81826
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시각 및 인지적 후유증
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[조절-폭주 불일치(Vergence-Accommodation Conflict)]], [[반응 시간(Reaction Time)]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), [[조절-폭주 불일치(Vergence-Accommodation Conflict)]], [[반응 시간(Reaction Time)]]
 - **Projects/Contexts:** [[비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects)]]
 - **Contradictions/Notes:** VR 노출이 자극에 빠르게 반응하는 인지 능력(반응 시간)에 미치는 직각적인 영향에 대해서 문헌상으로 반응 속도가 느려진다는 연구와 빨라진다는 연구가 혼재되어 일관성이 다소 부족하다는 점이 지적됩니다 [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/시각 및 인지적 후유증 연구.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/시각-전정 갈등 (Visual-Vestibular Conflict).md b/10_Wiki/Topics/Programming & Language/시각-전정 갈등 (Visual-Vestibular Conflict).md
index 705447ff..ae762f83 100644
--- a/10_Wiki/Topics/Programming & Language/시각-전정 갈등 (Visual-Vestibular Conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/시각-전정 갈등 (Visual-Vestibular Conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-495C24
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -21,11 +21,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시각-전정 갈등 (Visual-V
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상 현실 멀미 (VR Sickness)]], [[감각 통합 (Sensory Integration)]], [[양안 시차-조절 갈등 (Vergence-Accommodation Conflict)]]
-- **Projects/Contexts:** [[비트 세이버를 활용한 가상 현실 엑서게임 후유증 연구 (VR Exergaming Aftereffects Investigation)]]
+- **Related Topics:** 가상 현실 멀미 (VR Sickness), 감각 통합 (Sensory Integration), 양안 시차-조절 갈등 (Vergence-Accommodation Conflict)
+- **Projects/Contexts:** 비트 세이버를 활용한 가상 현실 엑서게임 후유증 연구 (VR Exergaming Aftereffects Investigation)
 - **Contradictions/Notes:** 소스에서는 시각-전정 갈등 이론과 더불어, 헤드마운트 디스플레이(HMD) 사용 시 발생하는 '양안 시차-조절 갈등(vergence-accommodation conflict)' 역시 안구 운동 증상 및 시각적 피로를 유발하여 멀미의 심각성을 가중시킬 수 있는 또 다른 주요 요인으로 함께 언급하고 있습니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/시각-전정 갈등 (Visual-Vestibular Conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/시각-전정 감각 충돌(Visual-Vestibular Conflict).md b/10_Wiki/Topics/Programming & Language/시각-전정 감각 충돌(Visual-Vestibular Conflict).md
index 41887b7b..f960df6a 100644
--- a/10_Wiki/Topics/Programming & Language/시각-전정 감각 충돌(Visual-Vestibular Conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/시각-전정 감각 충돌(Visual-Vestibular Conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1CF133
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시각-전정 감각 충돌(Vi
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상 현실 멀미(VR Sickness)]], [[감각 통합(Sensory Integration)]]
-- **Projects/Contexts:** [[VR 엑서게임(VR Exergaming)]] (예: '비트 세이버(Beat Saber)'와 같이 사용자의 적극적인 신체 움직임과 3D 시각 환경이 결합되어 감각 충돌의 위험이 내재된 가상 현실 게임 연구 환경 [2], [1])
+- **Related Topics:** 가상 현실 멀미(VR Sickness), [[감각 통합(Sensory Integration)]]
+- **Projects/Contexts:** VR 엑서게임(VR Exergaming) (예: '비트 세이버(Beat Saber)'와 같이 사용자의 적극적인 신체 움직임과 3D 시각 환경이 결합되어 감각 충돌의 위험이 내재된 가상 현실 게임 연구 환경 [2], [1])
 - **Contradictions/Notes:** 소스에 따르면 VR 멀미의 발병 원인에 대해서는 학계의 완전한 합의(consensus)가 아직 없으며, 시각-전정 감각 충돌은 이를 설명하는 여러 유력한 이론(prominent theory) 중 하나로 제시되고 있습니다 [1]. 그 외에 본 주제와 상충하는 이론에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/시각-전정 감각 충돌(Visual-Vestibular Conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/시각-전정 충돌(Visual-vestibular conflict).md b/10_Wiki/Topics/Programming & Language/시각-전정 충돌(Visual-vestibular conflict).md
index 9e8e670c..c4fafcd4 100644
--- a/10_Wiki/Topics/Programming & Language/시각-전정 충돌(Visual-vestibular conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/시각-전정 충돌(Visual-vestibular conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F2748B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시각-전정 충돌(Visual-ve
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[VR 멀미(VR sickness)]], [[감각 통합(Sensory integration)]], [[폭주-조절 충돌(Vergence-accommodation conflict)]]
+- **Related Topics:** [[VR 멀미(VR sickness)]], [[감각 통합(Sensory integration)]], 폭주-조절 충돌(Vergence-accommodation conflict)
 - **Projects/Contexts:** [[가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research)]]
 - **Contradictions/Notes:** 소스에 따르면 VR 멀미의 정확한 병인에 대해 학계의 완전한 합의(consensus)는 존재하지 않으며, 시각-전정 충돌은 이를 설명하기 위해 널리 받아들여지는 유력한 이론 중 하나로 제시됩니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/시각-전정 충돌(Visual-vestibular conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/시프트 레프트 (Shift-Left).md b/10_Wiki/Topics/Programming & Language/시프트 레프트 (Shift-Left).md
index 1e6a2e7d..d72f82d6 100644
--- a/10_Wiki/Topics/Programming & Language/시프트 레프트 (Shift-Left).md	
+++ b/10_Wiki/Topics/Programming & Language/시프트 레프트 (Shift-Left).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-78B318
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시프트 레프트 (Shift-Lef
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DevSecOps]], [[SAST (Static Application Security Testing)]], [[CI/CD]]
-- **Projects/Contexts:** [[Snyk Code]], [[Corgea]], [[Axify]]
+- **Related Topics:** [[DevSecOps]], [[SAST (Static Application Security Testing)]], CI/CD
+- **Projects/Contexts:** Snyk Code, [[Corgea]], [[Axify]]
 - **Contradictions/Notes:** 제공된 소스 전반에 걸쳐 시프트 레프트 접근법에 대한 반대 의견은 존재하지 않으며, 모든 문서가 조기 발견을 통한 수정 비용 절감 및 개발 속도 향상 효과를 긍정적으로 평가하고 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/시프트 레프트 (Shift-Left).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/시프트 레프트(Shift-Left).md b/10_Wiki/Topics/Programming & Language/시프트 레프트(Shift-Left).md
index e160b3aa..d366ca63 100644
--- a/10_Wiki/Topics/Programming & Language/시프트 레프트(Shift-Left).md	
+++ b/10_Wiki/Topics/Programming & Language/시프트 레프트(Shift-Left).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BC9D48
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 시프트 레프트(Shift-Left
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DevSecOps]], [[SAST (Static Application Security Testing)]], [[SDLC (소프트웨어 개발 수명 주기)]], [[CI/CD]]
+- **Related Topics:** [[DevSecOps]], [[SAST (Static Application Security Testing)]], [[SDLC (소프트웨어 개발 수명 주기)]], CI/CD
 - **Projects/Contexts:** 코드가 작성되는 IDE, 풀 리퀘스트, CI 파이프라인 단계에 직접 통합하여 소프트웨어가 출시되기 전에 취약점과 버그를 수정하는 컨텍스트에서 주로 사용됩니다 [3, 5]. 구체적인 사례로 BDC 회사는 QA 단계의 시프트 레프트를 통해 소프트웨어 딜리버리를 최적화한 바 있습니다 [8].
 - **Contradictions/Notes:** 주어진 소스 내에서 시프트 레프트 개념과 관련하여 상충하는 의견은 확인되지 않습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/시프트 레프트(Shift-Left).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/식별 가능한 유니온.md b/10_Wiki/Topics/Programming & Language/식별 가능한 유니온.md
index 26a77a64..94f5dc70 100644
--- a/10_Wiki/Topics/Programming & Language/식별 가능한 유니온.md	
+++ b/10_Wiki/Topics/Programming & Language/식별 가능한 유니온.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AB1669
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,10 +24,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 식별 가능한 유니온"
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[타입 좁히기(Type Narrowing)]], [[완전성 검사(Exhaustiveness Checking)]], [[never 타입]]
-- **Projects/Contexts:** [[상태 머신(State Machine)]], [[API 응답 처리(API Response Handling)]]
+- **Projects/Contexts:** 상태 머신(State Machine), API 응답 처리(API Response Handling)
 - **Contradictions/Notes:** 소스 간의 직접적인 모순은 없으나, 주의 사항이 존재한다. 식별 가능한 유니온 분기 처리를 더 선언적이고 안전하게 작성하기 위해 `ts-pattern`과 같은 패턴 매칭 라이브러리를 활용할 수 있지만, 자바스크립트의 기본 제어 구조인 `if/else`나 `switch` 문에 비해 심각한 성능 저하(약 99% 연산 감소)를 일으킬 수 있으므로 무분별한 사용은 지양하고 상황에 맞는 도구를 선택해야 한다 [19, 20].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/식별 가능한 유니온.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/실재감(Presence).md b/10_Wiki/Topics/Programming & Language/실재감(Presence).md
index 1103530e..2f809589 100644
--- a/10_Wiki/Topics/Programming & Language/실재감(Presence).md	
+++ b/10_Wiki/Topics/Programming & Language/실재감(Presence).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D49B89
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 실재감(Presence)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[몰입(Immersion)]], [[참여(Engagement)]], [[인지 부하(Cognitive Load)]], [[가상 현실(Virtual Reality)]], [[혼합 현실(Mixed Reality)]], [[사회적 실재감(Social Presence)]]
-- **Projects/Contexts:** [[게임 기반 학습(Game-based Learning)]], [[가상 현실 엑서게임(VR Exergaming)]]
+- **Related Topics:** 몰입(Immersion), 참여(Engagement), 인지 부하(Cognitive Load), 가상 현실(Virtual Reality), 혼합 현실(Mixed Reality), 사회적 실재감(Social Presence)
+- **Projects/Contexts:** 게임 기반 학습(Game-based Learning), 가상 현실 엑서게임(VR Exergaming)
 - **Contradictions/Notes:** 가상 실재감이 높아지면 참여도와 학습 성과가 향상된다는 긍정적인 측면이 있지만, 동시에 사용자의 인지 부하를 증가시킨다는 모순된 성격이 있습니다 [4, 6]. 따라서 가상 환경 설계 시 실재감을 떨어뜨리지 않으면서도 과도한 인지 부하를 줄이는 전략을 찾는 것이 주요한 연구 과제입니다 [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/실재감(Presence).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/쓰기 장벽(Write Barrier).md b/10_Wiki/Topics/Programming & Language/쓰기 장벽(Write Barrier).md
index a78536c2..141836e4 100644
--- a/10_Wiki/Topics/Programming & Language/쓰기 장벽(Write Barrier).md	
+++ b/10_Wiki/Topics/Programming & Language/쓰기 장벽(Write Barrier).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-30E929
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 쓰기 장벽(Write Barrier)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Generational Collection]], [[Incremental Marking]], [[Concurrent Marking]], [[Store Buffer]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[IBM OpenJ9 GC]]
+- **Related Topics:** [[Garbage Collection]], Generational Collection, [[Incremental Marking]], Concurrent Marking, Store Buffer
+- **Projects/Contexts:** [[V8 JavaScript Engine]], IBM OpenJ9 GC
 - **Contradictions/Notes:** 소스에 따르면 쓰기 장벽은 객체 갱신마다 추가 연산을 수행하여 불가피한 CPU 오버헤드를 유발하지만 [9], 이는 무거운 읽기 장벽(Read Barrier)을 피하고 효율적인 가비지 컬렉션을 유지하기 위한 필수적이고 합리적인 트레이드오프입니다 [1]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/쓰기 장벽(Write Barrier).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/안구 운동 기능 (Oculomotor Functions).md b/10_Wiki/Topics/Programming & Language/안구 운동 기능 (Oculomotor Functions).md
index 80b88623..3a307002 100644
--- a/10_Wiki/Topics/Programming & Language/안구 운동 기능 (Oculomotor Functions).md	
+++ b/10_Wiki/Topics/Programming & Language/안구 운동 기능 (Oculomotor Functions).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9C8C53
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 안구 운동 기능 (Oculomot
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[수렴과 조절(Vergence and Accommodation)]], [[수렴-조절 불일치(Vergence-Accommodation Conflicts)]], [[VR 멀미(VR Sickness)]], [[시뮬레이터 멀미 설문지(SSQ)]]
-- **Projects/Contexts:** [[가상현실(VR) 엑서게임 후유증(Aftereffects) 연구]]
+- **Related Topics:** 수렴과 조절(Vergence and Accommodation), 수렴-조절 불일치(Vergence-Accommodation Conflicts), [[VR 멀미(VR Sickness)]], [[시뮬레이터 멀미 설문지(SSQ)]]
+- **Projects/Contexts:** 가상현실(VR) 엑서게임 후유증(Aftereffects) 연구
 - **Contradictions/Notes:** 소스는 가상현실 노출이 즉각적으로 안구 운동 기능에 상당한 부하와 변화를 일으킨다는 점을 지적하지만, 이러한 안구 운동 변화는 노출 시간(10분 또는 50분)의 길이에 의해 통계적으로 유의미한 차이가 발생하지 않았으며 노출 후 40분이 지나면 정상으로 돌아온다고 설명합니다 [2, 4, 5]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/안구 운동 기능 (Oculomotor Functions).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/안구 운동 기능(Oculomotor functions).md b/10_Wiki/Topics/Programming & Language/안구 운동 기능(Oculomotor functions).md
index bc5359bc..63cad345 100644
--- a/10_Wiki/Topics/Programming & Language/안구 운동 기능(Oculomotor functions).md	
+++ b/10_Wiki/Topics/Programming & Language/안구 운동 기능(Oculomotor functions).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-91A2A0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 안구 운동 기능(Oculomoto
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[인지 부하(Cognitive Load)]], [[시뮬레이터 멀미 설문지(SSQ)]]
-- **Projects/Contexts:** [[UX 리서치에서의 생체 신호 정량화]], [[e스포츠 선수의 인지 상태 및 피로도 모니터링]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), 인지 부하(Cognitive Load), [[시뮬레이터 멀미 설문지(SSQ)]]
+- **Projects/Contexts:** UX 리서치에서의 생체 신호 정량화, e스포츠 선수의 인지 상태 및 피로도 모니터링
 - **Contradictions/Notes:** 급성 인지 부하나 정신적 노력(Mental workload)이 가해지는 상황에서는 동공이 확장되지만, 작업이 2시간 이상 지속되는 등 인지적 피로(Cognitive fatigue)가 발생하면 반대로 동공이 수축(Pupil constriction)하여 인지 성과 저하와 상관관계를 보인다 [2, 4, 9]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/안구 운동 기능(Oculomotor functions).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/안구 운동 증상(Oculomotor Symptoms).md b/10_Wiki/Topics/Programming & Language/안구 운동 증상(Oculomotor Symptoms).md
index 4cf7f42b..d33ed5e1 100644
--- a/10_Wiki/Topics/Programming & Language/안구 운동 증상(Oculomotor Symptoms).md	
+++ b/10_Wiki/Topics/Programming & Language/안구 운동 증상(Oculomotor Symptoms).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-064759
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 안구 운동 증상(Oculomoto
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[폭주-조절 불일치(Vergence-Accommodation Conflict)]], [[시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire)]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), [[폭주-조절 불일치(Vergence-Accommodation Conflict)]], [[시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire)]]
 - **Projects/Contexts:** [[가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study)]]
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/안구 운동 증상(Oculomotor Symptoms).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/안전한 TypeScript 데이터 모델링 및 설정 관리 구축.md b/10_Wiki/Topics/Programming & Language/안전한 TypeScript 데이터 모델링 및 설정 관리 구축.md
index 211a7b49..1664bad6 100644
--- a/10_Wiki/Topics/Programming & Language/안전한 TypeScript 데이터 모델링 및 설정 관리 구축.md	
+++ b/10_Wiki/Topics/Programming & Language/안전한 TypeScript 데이터 모델링 및 설정 관리 구축.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9DB95B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,13 +28,13 @@ github_commit: "[P-Reinforce] Continuous Worker - 안전한 TypeScript 데이터
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability)]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[API 응답 및 상태 머신 모델링]], [[불변 설정 객체(Configuration Object) 관리 및 타입 검증]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability)]], [[satisfies 연산자]]
+- **Projects/Contexts:** API 응답 및 상태 머신 모델링, 불변 설정 객체(Configuration Object) 관리 및 타입 검증
 - **Contradictions/Notes:** 
   - `any` 타입을 사용하면 타입 시스템의 이점을 잃고 런타임 에러에 취약해지므로 금지해야 하며, 대신 데이터가 불확실할 때는 `unknown` 타입을 사용하고 타입 가드(Type Guard)를 거쳐 안전하게 사용해야 합니다 [28, 29].
   - 객체 확장에 있어서 교집합 타입(Intersection, `&`)보다는 `Interface extends`를 사용하는 것이 TypeScript 컴파일러의 캐싱을 활용해 성능상 유리하고 더 직관적인 오류 메시지를 제공합니다 [30-32].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/안전한 TypeScript 데이터 모델링 및 설정 관리 구축.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/안전한 소프트웨어 개발 수명주기(SSDLC).md b/10_Wiki/Topics/Programming & Language/안전한 소프트웨어 개발 수명주기(SSDLC).md
index 7c00ebb9..4ad88b70 100644
--- a/10_Wiki/Topics/Programming & Language/안전한 소프트웨어 개발 수명주기(SSDLC).md	
+++ b/10_Wiki/Topics/Programming & Language/안전한 소프트웨어 개발 수명주기(SSDLC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8F44F9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 안전한 소프트웨어 개
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SAST(정적 애플리케이션 보안 테스트)]], [[시프트 레프트(Shift-Left)]], [[DevSecOps]], [[코드 리뷰(Code Review)]]
-- **Projects/Contexts:** [[CI/CD 파이프라인 통합]], [[NIST SSDF(안전한 소프트웨어 개발 프레임워크)]]
+- **Related Topics:** SAST(정적 애플리케이션 보안 테스트), [[시프트 레프트(Shift-Left)]], [[DevSecOps]], [[코드 리뷰(Code Review)]]
+- **Projects/Contexts:** CI/CD 파이프라인 통합, NIST SSDF(안전한 소프트웨어 개발 프레임워크)
 - **Contradictions/Notes:** 소스에 따르면 안전한 개발 수명주기를 위해 SAST 같은 자동화 보안 스캔 도구의 통합이 필수적이지만, 자동화 도구는 비즈니스 로직이나 맥락(Context)을 이해하지 못해 한계가 존재합니다 [8, 9]. 따라서 자동화된 도구로 기본적인 취약점을 빠르게 잡고, 인간의 통찰력이 필요한 아키텍처 및 논리 결함은 수동 코드 리뷰로 해결하는 하이브리드 접근 방식이 필수적이라고 권장합니다 [6, 8, 10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/안전한 소프트웨어 개발 수명주기(SSDLC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/알 수 없는 외부 데이터 검증 (unknown types).md b/10_Wiki/Topics/Programming & Language/알 수 없는 외부 데이터 검증 (unknown types).md
index faf0ed4d..ff3f5366 100644
--- a/10_Wiki/Topics/Programming & Language/알 수 없는 외부 데이터 검증 (unknown types).md	
+++ b/10_Wiki/Topics/Programming & Language/알 수 없는 외부 데이터 검증 (unknown types).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-629DFB
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 알 수 없는 외부 데이
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Guard]], [[Parse, don't validate]], [[any 타입]], [[Zod]]
+- **Related Topics:** Type Guard, Parse, don't validate, any 타입, [[Zod]]
 - **Projects/Contexts:** 외부 API 응답 처리, JSON 데이터 파싱, 에러 처리 등 런타임에 데이터 타입이 확정되지 않은 상황 [2], Zod 등의 런타임 검증 라이브러리를 이용한 데이터 스키마 검사 [8, 11].
 - **Contradictions/Notes:** `any` 타입은 타입 검사를 회피하게 해 주어 TypeScript의 이점을 상실하게 만드는 반면, `unknown` 타입은 어떤 값이든 받을 수 있으면서도 사용 전 타입 확인을 엄격하게 강제하므로 외부 데이터 처리에 훨씬 더 권장되는 방식입니다 [2, 5, 6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/알 수 없는 외부 데이터 검증 (unknown types).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/약한 타입 검사(Weak Type Detection).md b/10_Wiki/Topics/Programming & Language/약한 타입 검사(Weak Type Detection).md
index 0a34bfbf..9b87b2d9 100644
--- a/10_Wiki/Topics/Programming & Language/약한 타입 검사(Weak Type Detection).md	
+++ b/10_Wiki/Topics/Programming & Language/약한 타입 검사(Weak Type Detection).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-487E76
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 약한 타입 검사(Weak Type
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[잉여 속성 검사(Excess Property Checking)]], [[선택적 속성(Optional Properties)]], [[Partial 유틸리티 타입]]
-- **Projects/Contexts:** [[TypeScript의 구조적 타이핑(Structural Typing)]]
+- **Related Topics:** 잉여 속성 검사(Excess Property Checking), 선택적 속성(Optional Properties), Partial 유틸리티 타입
+- **Projects/Contexts:** TypeScript의 구조적 타이핑(Structural Typing)
 - **Contradictions/Notes:** 잉여 속성이 존재하더라도 우회 할당 시 대상 타입이 약한 타입이고 공통 속성이 최소 한 개 이상 존재한다면, TypeScript는 이를 유효한 것으로 간주하여 에러를 발생시키지 않는다는 점에 주의해야 합니다 [2, 4]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/약한 타입 검사(Weak Type Detection).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/약한 타입 탐지 (Weak Type Detection).md b/10_Wiki/Topics/Programming & Language/약한 타입 탐지 (Weak Type Detection).md
index 125b4632..96a0baa2 100644
--- a/10_Wiki/Topics/Programming & Language/약한 타입 탐지 (Weak Type Detection).md	
+++ b/10_Wiki/Topics/Programming & Language/약한 타입 탐지 (Weak Type Detection).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-3F076E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 약한 타입 탐지 (Weak Typ
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[초과 속성 검사 (Excess Property Checking)]], [[선택적 속성 (Optional Properties)]], [[Partial 유틸리티 타입 (Partial Utility Type)]]
-- **Projects/Contexts:** [[TypeScript의 객체 할당 및 타입 검사 (TypeScript Object Assignment and Type Checking)]]
+- **Related Topics:** [[초과 속성 검사 (Excess Property Checking)]], 선택적 속성 (Optional Properties), Partial 유틸리티 타입 (Partial Utility Type)
+- **Projects/Contexts:** TypeScript의 객체 할당 및 타입 검사 (TypeScript Object Assignment and Type Checking)
 - **Contradictions/Notes:** 객체 리터럴을 직접 할당할 때 동작하는 초과 속성 검사(Excess Property Checking)와 달리, 약한 타입 탐지는 변수를 통해 간접적으로 할당할 때 두 객체 간에 공통 속성이 아예 없을 때 예외적으로 발생하는 방어 기제입니다 [1, 3, 4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/약한 타입 탐지 (Weak Type Detection).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/에일리어싱 (Aliasing).md b/10_Wiki/Topics/Programming & Language/에일리어싱 (Aliasing).md
index 0719b9ae..65fd6c5e 100644
--- a/10_Wiki/Topics/Programming & Language/에일리어싱 (Aliasing).md	
+++ b/10_Wiki/Topics/Programming & Language/에일리어싱 (Aliasing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E5B908
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 에일리어싱 (Aliasing)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Alias (타입 별칭)]], [[Readonly]], [[Opaque Types (불투명 타입)]]
-- **Projects/Contexts:** [[TypeScript의 불변성(Immutability) 관리]], [[인터페이스와 타입 별칭 비교(Interface vs Type)]]
+- **Related Topics:** Type Alias (타입 별칭), [[Readonly]], Opaque Types (불투명 타입)
+- **Projects/Contexts:** TypeScript의 불변성(Immutability) 관리, 인터페이스와 타입 별칭 비교(Interface vs Type)
 - **Contradictions/Notes:** TypeScript의 `readonly`는 컴파일 타임에 불변성을 제공하는 강력한 도구이지만, 에일리어싱을 통해 데이터가 가변 매개변수로 전달될 경우에는 컴파일러가 이를 잡아내지 못하여 데이터가 수정될 수 있다는(얕은 불변성) 근본적인 한계를 지닙니다 [2, 6].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/에일리어싱 (Aliasing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/엑서게임(Exergaming).md b/10_Wiki/Topics/Programming & Language/엑서게임(Exergaming).md
index dd3e2dba..ccee098e 100644
--- a/10_Wiki/Topics/Programming & Language/엑서게임(Exergaming).md	
+++ b/10_Wiki/Topics/Programming & Language/엑서게임(Exergaming).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F5CD6C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 엑서게임(Exergaming)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Flow State]], [[Virtual Reality (VR) Sickness]], [[Sedentary Behavior]]
-- **Projects/Contexts:** [[비트 세이버(Beat Saber) 시각 및 인지 후유증 연구]]
+- **Related Topics:** [[Flow State]], Virtual Reality (VR) Sickness, Sedentary Behavior
+- **Projects/Contexts:** 비트 세이버(Beat Saber) 시각 및 인지 후유증 연구
 - **Contradictions/Notes:** 소스에 따르면, HMD를 사용하는 VR 엑서게임은 대형 스크린 기반의 엑서게임보다 몰입도가 높지만, 동시에 더 높은 수준의 멀미(VR Sickness)를 유발할 위험이 있다는 양면성(trade-off)을 지니고 있습니다 [4].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/엑서게임(Exergaming).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 개발.md b/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 개발.md
index a63b58d0..8f74f54a 100644
--- a/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 개발.md	
+++ b/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 개발.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-117851
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 엔터프라이즈 소프트
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[소프트웨어 아키텍처 모범 사례]], [[마이크로서비스 아키텍처]], [[클린 아키텍처]], [[도메인 주도 설계 (DDD)]], [[관심사의 분리 (Separation of Concerns)]]
-- **Projects/Contexts:** [[넷플릭스(Netflix)의 마이크로서비스 및 Cosmos 플랫폼 전환 사례]], [[스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 아키텍처 도입]]
+- **Related Topics:** 소프트웨어 아키텍처 모범 사례, 마이크로서비스 아키텍처, [[클린 아키텍처]], [[도메인 주도 설계 (DDD)]], [[관심사의 분리 (Separation of Concerns)]]
+- **Projects/Contexts:** 넷플릭스(Netflix)의 마이크로서비스 및 Cosmos 플랫폼 전환 사례, 스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 아키텍처 도입
 - **Contradictions/Notes:** 복잡성을 완벽하게 제어하기 위한 고도의 아키텍처 경계 구축이나 마이크로서비스로의 분할이 항상 정답은 아닙니다. 초기 팀 규모가 작거나 단순한 요구사항일 경우 모놀리식 구조가 효율적일 수 있으며, 미래를 위해 과도하게 완벽한 경계를 만드는 것은 YAGNI(You Aren't Gonna Need It) 원칙에 어긋나는 오버 엔지니어링이 될 수 있으므로 비용과 이점을 신중하게 따져 부분적 경계를 활용하는 것이 권장됩니다 [28-31].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/엔터프라이즈 소프트웨어 개발.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 시스템 설계.md b/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 시스템 설계.md
index bc860094..4514ef01 100644
--- a/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 시스템 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/엔터프라이즈 소프트웨어 시스템 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CB60AE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,8 +35,8 @@ github_commit: "[P-Reinforce] Continuous Worker - 엔터프라이즈 소프트
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[클린 아키텍처 (Clean Architecture)]], [[마이크로서비스 아키텍처]], [[도메인 주도 설계 (DDD)]], [[SOLID 원칙]]
-- **Projects/Contexts:** [[넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform)]], [[넷플릭스 마이크로서비스 마이그레이션]], [[스포티파이 마이크로 프론트엔드 (Spotify Micro Frontends)]]
+- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[클린 아키텍처 (Clean Architecture)]], 마이크로서비스 아키텍처, [[도메인 주도 설계 (DDD)]], [[SOLID 원칙]]
+- **Projects/Contexts:** 넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform), 넷플릭스 마이크로서비스 마이그레이션, 스포티파이 마이크로 프론트엔드 (Spotify Micro Frontends)
 - **Contradictions/Notes:** 
   - **아키텍처 도입의 트레이드오프:** 마이크로서비스는 독립적인 배포와 혁신을 돕지만, 서비스 간 분산 통신 구현, 여러 서비스에 걸친 요청 처리의 어려움, 메모리 사용량 증가 등 새로운 운영 및 개발 복잡성을 수반합니다 [41-43]. 
   - **관심사 분리의 부작용:** 시스템의 결합도를 낮추고 모듈성을 높이기 위한 관심사의 분리도 지나치게 미세하게 적용할 경우, 성능 오버헤드, 함수 호출 깊이 증가, 조율을 위한 과도한 인디렉션(indirection) 발생 등 오버엔지니어링으로 이어져 오히려 가독성과 디버깅을 어렵게 만들 수 있습니다 [44-46]. 
@@ -44,5 +44,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 엔터프라이즈 소프트
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/엔터프라이즈 소프트웨어 시스템 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 및 점진적 리팩토링.md b/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 및 점진적 리팩토링.md
index 39dcf413..e846bf6e 100644
--- a/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 및 점진적 리팩토링.md	
+++ b/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 및 점진적 리팩토링.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D8EB32
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 엔터프라이즈 애플리
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID Principles]], [[Clean Architecture]], [[Strangler Fig Pattern]], [[Micro Frontends]]
-- **Projects/Contexts:** [[넷플릭스의 레거시 시스템(Reloaded) 마이그레이션 프로젝트]], [[넷플릭스 대시보드 레거시 현대화]]
+- **Related Topics:** SOLID Principles, Clean Architecture, Strangler Fig Pattern, Micro Frontends
+- **Projects/Contexts:** 넷플릭스의 레거시 시스템(Reloaded) 마이그레이션 프로젝트, 넷플릭스 대시보드 레거시 현대화
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/엔터프라이즈 애플리케이션 및 점진적 리팩토링.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 설계.md b/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 설계.md
index a2a21616..0793b225 100644
--- a/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/엔터프라이즈 애플리케이션 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-98C87D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 엔터프라이즈 애플리
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처]], [[마이크로서비스 아키텍처]], [[도메인 주도 설계(DDD)]], [[관점 지향 프로그래밍(AOP)]], [[마이크로 프론트엔드]]
+- **Related Topics:** [[관심사의 분리(SoC)]], [[클린 아키텍처]], 마이크로서비스 아키텍처, [[도메인 주도 설계(DDD)]], [[관점 지향 프로그래밍(AOP)]], [[마이크로 프론트엔드]]
 - **Projects/Contexts:** [[넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환]], [[스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입]]
 - **Contradictions/Notes:** 분리와 추상화가 무조건적인 장점만을 갖는 것은 아닙니다. 다수의 소스에서는 완벽한 아키텍처 경계를 만드는 데는 초기 비용이 상당히 크고, 과도한 분리(오버 엔지니어링)는 불필요한 인지적 부하 증대 및 네트워크 통신 성능 저하(오버헤드)를 유발할 수 있다고 경고합니다 [14, 31, 32]. 따라서 "Rule of Three(중복이 세 번 발생하면 추상화하라)"와 같은 실용적 접근을 통해 응집도와 결합도의 적절한 균형을 찾는 것이 엔지니어의 핵심 과제입니다 [14, 33].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/엔터프라이즈 애플리케이션 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/오래된 공간(Old Space).md b/10_Wiki/Topics/Programming & Language/오래된 공간(Old Space).md
index e74deddb..af1f37a8 100644
--- a/10_Wiki/Topics/Programming & Language/오래된 공간(Old Space).md	
+++ b/10_Wiki/Topics/Programming & Language/오래된 공간(Old Space).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0AE506
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 오래된 공간(Old Space)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[새로운 공간(New Space)]], [[가비지 컬렉션(Garbage Collection)]], [[세대 가설(Generational Hypothesis)]], [[마크-스윕(Mark-Sweep)]], [[마크-컴팩트(Mark-Compact)]]
-- **Projects/Contexts:** [[V8 엔진 힙 아키텍처(V8 Engine Heap Architecture)]], [[할당 타임라인(Allocation Timeline)]], [[Node.js 메모리 튜닝]]
+- **Related Topics:** 새로운 공간(New Space), 가비지 컬렉션(Garbage Collection), [[세대 가설(Generational Hypothesis)]], [[마크-스윕(Mark-Sweep)]], 마크-컴팩트(Mark-Compact)
+- **Projects/Contexts:** V8 엔진 힙 아키텍처(V8 Engine Heap Architecture), [[할당 타임라인(Allocation Timeline)]], Node.js 메모리 튜닝
 - **Contradictions/Notes:** 소스에 내용 상의 모순은 없으며, V8 메모리 관리의 핵심인 세대 가설에 기반하여 새롭게 생성된 단기 생존 객체 공간(New Space)과 명확하게 분리 관리되어 엔진의 전체적인 가비지 컬렉션 효율을 높인다는 점이 일관되게 강조되고 있습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/오래된 공간(Old Space).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/오리노코(Orinoco GC).md b/10_Wiki/Topics/Programming & Language/오리노코(Orinoco GC).md
index 5f2b233f..7dae83e7 100644
--- a/10_Wiki/Topics/Programming & Language/오리노코(Orinoco GC).md	
+++ b/10_Wiki/Topics/Programming & Language/오리노코(Orinoco GC).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6488F2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 오리노코(Orinoco GC)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉터(Garbage Collector)]], [[V8 엔진(V8 Engine)]], [[마크-스위프(Mark-Sweep)]], [[스캐빈저(Scavenger)]], [[Stop-the-world]]
-- **Projects/Contexts:** [[JavaScript 메모리 관리(JavaScript Memory Management)]]
+- **Related Topics:** [[가비지 컬렉터(Garbage Collector)]], V8 엔진(V8 Engine), 마크-스위프(Mark-Sweep), 스캐빈저(Scavenger), [[Stop-the-world]]
+- **Projects/Contexts:** JavaScript 메모리 관리(JavaScript Memory Management)
 - **Contradictions/Notes:** 점진적(Incremental) GC 기법은 메인 스레드의 응답성을 높이고 지연(Latency) 문제를 해결하는 데에는 효과적이지만, 메인 스레드에서 소비되는 총 시간 자체를 줄여주지는 않으며 오히려 작업 분산으로 인해 약간 증가시킬 수 있다고 소스는 지적합니다 [7].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/오리노코(Orinoco GC).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/오리노코(Orinoco) 프로젝트.md b/10_Wiki/Topics/Programming & Language/오리노코(Orinoco) 프로젝트.md
index bfa708ff..0754aaa0 100644
--- a/10_Wiki/Topics/Programming & Language/오리노코(Orinoco) 프로젝트.md	
+++ b/10_Wiki/Topics/Programming & Language/오리노코(Orinoco) 프로젝트.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C362F7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 오리노코(Orinoco) 프로
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[V8 엔진(V8 Engine)]], [[스캐빈저(Scavenger)]], [[메이저 GC(Major GC)]]
-- **Projects/Contexts:** [[자바스크립트(JavaScript)]], [[크롬 브라우저(Chrome Browser)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), V8 엔진(V8 Engine), 스캐빈저(Scavenger), 메이저 GC(Major GC)
+- **Projects/Contexts:** 자바스크립트(JavaScript), 크롬 브라우저(Chrome Browser)
 - **Contradictions/Notes:** 점진적(Incremental) GC 기법은 메인 스레드에서 소요되는 전체 총시간을 줄여주지는 않으며 오히려 약간 늘릴 수도 있습니다. 하지만 GC 작업을 여러 시간에 걸쳐 분산시킴으로써 애플리케이션의 애니메이션이나 사용자 입력에 대한 응답성을 유지할 수 있도록 돕습니다 [10].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/오리노코(Orinoco) 프로젝트.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/오버드로우(Overdraw).md b/10_Wiki/Topics/Programming & Language/오버드로우(Overdraw).md
index f358d127..5de4f824 100644
--- a/10_Wiki/Topics/Programming & Language/오버드로우(Overdraw).md	
+++ b/10_Wiki/Topics/Programming & Language/오버드로우(Overdraw).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8CE1CE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 오버드로우(Overdraw)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[프래그먼트 셰이딩(Fragment Shading)]], [[깊이 정렬(Depth Sorting)]], [[Early-Z (초기 깊이 테스트)]], [[프래그먼트 바운드(Fragment-bound)]]
-- **Projects/Contexts:** [[Three.js InstancedMesh 최적화]], [[투명도(Transparency) 렌더링 관리]]
+- **Related Topics:** [[프래그먼트 셰이딩(Fragment Shading)]], 깊이 정렬(Depth Sorting), Early-Z (초기 깊이 테스트), [[프래그먼트 바운드(Fragment-bound)]]
+- **Projects/Contexts:** Three.js InstancedMesh 최적화, 투명도(Transparency) 렌더링 관리
 - **Contradictions/Notes:** `InstancedMesh`는 드로우 콜(Draw Call)을 획기적으로 줄여 CPU 오버헤드를 감소시키는 최적화 기법으로 알려져 있으나, 자동 정렬 기능이 없어 오히려 막대한 오버드로우를 유발하고 GPU 픽셀 처리 성능을 크게 저하시킬 수 있다는 구조적인 모순(트레이드오프)을 지니고 있다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/오버드로우(Overdraw).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/오픈소스 컴포넌트 (Open Source Components).md b/10_Wiki/Topics/Programming & Language/오픈소스 컴포넌트 (Open Source Components).md
index d692e84c..e956054e 100644
--- a/10_Wiki/Topics/Programming & Language/오픈소스 컴포넌트 (Open Source Components).md	
+++ b/10_Wiki/Topics/Programming & Language/오픈소스 컴포넌트 (Open Source Components).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AAE756
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 오픈소스 컴포넌트 (Ope
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Software Composition Analysis (SCA)]], [[Supply Chain Security]], [[SAST (Static Application Security Testing)]]
-- **Projects/Contexts:** [[Snyk Open Source]], [[Endor Labs]]
+- **Related Topics:** Software Composition Analysis (SCA), Supply Chain Security, [[SAST (Static Application Security Testing)]]
+- **Projects/Contexts:** [[Snyk Open Source]], Endor Labs
 - **Contradictions/Notes:** 자체적으로 작성한 커스텀 코드의 논리적 결함과 새로운 취약점을 찾는 데는 SAST가 적합하지만, 오픈소스 및 제3자 컴포넌트에 포함된 기존 취약점과 라이선스 문제를 탐지하는 데에는 SCA가 특화되어 있으므로 보안을 위해 이 두 가지를 함께 사용하는 것이 권장됩니다 [2, 3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/오픈소스 컴포넌트 (Open Source Components).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/완전성 검사(Exhaustiveness Checking).md b/10_Wiki/Topics/Programming & Language/완전성 검사(Exhaustiveness Checking).md
index dd75f927..7cac780c 100644
--- a/10_Wiki/Topics/Programming & Language/완전성 검사(Exhaustiveness Checking).md	
+++ b/10_Wiki/Topics/Programming & Language/완전성 검사(Exhaustiveness Checking).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0C762B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 완전성 검사(Exhaustivenes
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[never 타입]], [[타입 좁히기(Type Narrowing)]]
-- **Projects/Contexts:** [[TypeScript 컴파일러의 정적 타입 시스템]], [[패턴 매칭 라이브러리(ts-pattern 등)]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[never 타입]], [[타입 좁히기(Type Narrowing)]]
+- **Projects/Contexts:** TypeScript 컴파일러의 정적 타입 시스템, 패턴 매칭 라이브러리(ts-pattern 등)
 - **Contradictions/Notes:** TypeScript에서 `strictNullChecks`를 활용한 반환 타입 검사 방식은 구형 코드베이스에서 항상 원활하게 작동하지 않을 수 있으며 다소 미묘한 방식인 반면, `never` 타입을 활용한 검사 방식은 오류 메시지에 누락된 타입 이름이 포함되어 더 명확하게 문제를 파악할 수 있다는 장점이 있습니다[6, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/완전성 검사(Exhaustiveness Checking).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/외부 API 데이터 및 설정 파일 처리.md b/10_Wiki/Topics/Programming & Language/외부 API 데이터 및 설정 파일 처리.md
index 5568c573..7ba06ba4 100644
--- a/10_Wiki/Topics/Programming & Language/외부 API 데이터 및 설정 파일 처리.md	
+++ b/10_Wiki/Topics/Programming & Language/외부 API 데이터 및 설정 파일 처리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-90144B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 외부 API 데이터 및 설
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, Don't Validate]], [[Discriminated Unions]], [[satisfies 연산자]], [[readonly 수식어]], [[Zod 스키마 파싱]]
-- **Projects/Contexts:** [[OpenAPI 스펙 기반 SDK 자동 생성]], [[프론트엔드와 백엔드 간 데이터 매핑]]
+- **Related Topics:** Parse, Don't Validate, [[Discriminated Unions]], [[satisfies 연산자]], readonly 수식어, Zod 스키마 파싱
+- **Projects/Contexts:** OpenAPI 스펙 기반 SDK 자동 생성, 프론트엔드와 백엔드 간 데이터 매핑
 - **Contradictions/Notes:** 외부에서 유입되는 데이터를 처리할 때 단순히 `as` 연산자를 통한 타입 단언(Type Casting)을 사용하는 것은 초과 속성 검사(Excess Property Checking)를 우회하여 런타임 버그를 초래할 수 있으므로, 검증 로직이나 `satisfies` 연산자를 사용하는 것이 훨씬 안전합니다 [14, 15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/외부 API 데이터 및 설정 파일 처리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/외부 API 데이터의 런타임 검증 후 처리.md b/10_Wiki/Topics/Programming & Language/외부 API 데이터의 런타임 검증 후 처리.md
index d08e3bde..89e514d8 100644
--- a/10_Wiki/Topics/Programming & Language/외부 API 데이터의 런타임 검증 후 처리.md	
+++ b/10_Wiki/Topics/Programming & Language/외부 API 데이터의 런타임 검증 후 처리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-99B08D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 외부 API 데이터의 런타
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Parse, Don't Validate]], [[Branded Types]], [[Discriminated Unions]], [[Zod 런타임 검증]]
-- **Projects/Contexts:** [[API Response Handling]], [[시스템 경계 데이터 파싱(System Boundary Data Parsing)]]
+- **Related Topics:** Parse, Don't Validate, Branded Types, [[Discriminated Unions]], Zod 런타임 검증
+- **Projects/Contexts:** API Response Handling, 시스템 경계 데이터 파싱(System Boundary Data Parsing)
 - **Contradictions/Notes:** 외부 데이터 무결성을 위해 런타임 검증이 필수적이지만, 런타임 검증에는 성능 비용(Runtime cost)이 수반되므로 성능에 매우 민감한 경로(performance-critical paths)에서는 사용 시 주의가 필요합니다 [15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/외부 API 데이터의 런타임 검증 후 처리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/외부 라이브러리 API 설계.md b/10_Wiki/Topics/Programming & Language/외부 라이브러리 API 설계.md
index 06628316..cfe53521 100644
--- a/10_Wiki/Topics/Programming & Language/외부 라이브러리 API 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/외부 라이브러리 API 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-44799B
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 외부 라이브러리 API 설
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[퍼사드 패턴(Facade Pattern)]], [[단일 책임 원칙(SRP)]], [[인터페이스 분리 원칙(ISP)]], [[탈출구(Escape Hatch)]]
-- **Projects/Contexts:** [[Toss Front 외부 연동 SDK]], [[AWS CDK]]
+- **Related Topics:** 퍼사드 패턴(Facade Pattern), [[단일 책임 원칙(SRP)]], 인터페이스 분리 원칙(ISP), 탈출구(Escape Hatch)
+- **Projects/Contexts:** Toss Front 외부 연동 SDK, AWS CDK
 - **Contradictions/Notes:** 퍼사드 패턴을 통해 추상화 수준을 높이면 사용성이 크게 개선되지만, 동시에 사용자의 세밀한 제어를 제한하고 라이브러리 내부의 유지보수 비용과 복잡도를 증가시키는 트레이드오프가 필연적으로 발생합니다. 따라서 저수준 API를 탈출구로 제공하여 설계의 균형을 잡는 것이 매우 중요합니다 [3, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/외부 라이브러리 API 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/웹 애플리케이션의 3계층 구조.md b/10_Wiki/Topics/Programming & Language/웹 애플리케이션의 3계층 구조.md
index a8efffcb..29cce7ec 100644
--- a/10_Wiki/Topics/Programming & Language/웹 애플리케이션의 3계층 구조.md	
+++ b/10_Wiki/Topics/Programming & Language/웹 애플리케이션의 3계층 구조.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-073A5E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -46,5 +46,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 웹 애플리케이션의 3계
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/웹 애플리케이션의 3계층 구조.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 Event Forwarding.md b/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 Event Forwarding.md
index 5ca78e8d..f4638ff2 100644
--- a/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 Event Forwarding.md	
+++ b/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 Event Forwarding.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7669FA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -58,12 +58,12 @@ self.onmessage = function (evt) {
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[OffscreenCanvas]], [[Web Worker postMessage 동기화]], [[대리 인터랙션 (Proxy Interaction)]], [[Raycasting을 통한 3D 객체 선택]]
-- **Projects/Contexts:** [[Konva의 Offscreen Canvas 및 이벤트 포워딩 구현]], [[react-three-offscreen 기반 DOM 이벤트 패치]]
+- **Related Topics:** [[OffscreenCanvas]], Web Worker postMessage 동기화, 대리 인터랙션 (Proxy Interaction), Raycasting을 통한 3D 객체 선택
+- **Projects/Contexts:** Konva의 Offscreen Canvas 및 이벤트 포워딩 구현, react-three-offscreen 기반 DOM 이벤트 패치
 - **Contradictions/Notes:** 이벤트 포워딩 방식은 메인 스레드와 워커 간의 통신이므로 직렬화 및 메시지 패싱에 따른 지연(약간의 오버헤드)이 발생합니다. 마우스나 터치 이벤트 발생 빈도 정도는 일반적으로 성능 저하를 일으키지 않으나, 과도하게 많은 이벤트 데이터(예: 수천 번의 `mousemove`)가 발생할 경우 스로틀링(Throttling) 기법을 함께 적용하여 메시지 큐의 병목을 막는 것이 안전합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/웹 워커 이벤트 포워딩 Event Forwarding.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 통신 지연 최소화 방법.md b/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 통신 지연 최소화 방법.md
index 3e705596..20aa6ca9 100644
--- a/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 통신 지연 최소화 방법.md	
+++ b/10_Wiki/Topics/Programming & Language/웹 워커 이벤트 포워딩 통신 지연 최소화 방법.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A787BF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,12 +26,12 @@ github_commit: "[P-Reinforce] Continuous Worker - 웹 워커 이벤트 포워딩
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Throttling & Debouncing]], [[postMessage 직렬화 최적화]], [[SharedArrayBuffer (Zero-Copy)]], [[Proxy 상태 동기화 (Valtio)]]
-- **Projects/Contexts:** [[OffscreenCanvas 기반 대리 인터랙션(Proxy Interaction) 구현]], [[고성능 실시간 상호작용 웹 게임 아키텍처]]
+- **Related Topics:** Throttling & Debouncing, postMessage 직렬화 최적화, SharedArrayBuffer (Zero-Copy), Proxy 상태 동기화 (Valtio)
+- **Projects/Contexts:** OffscreenCanvas 기반 대리 인터랙션(Proxy Interaction) 구현, 고성능 실시간 상호작용 웹 게임 아키텍처
 - **Contradictions/Notes:** 스로틀링을 너무 강하게 걸면 메시지 큐의 지연은 줄어들지만, 반대로 워커 스레드에서 렌더링되는 3D 모델이나 화면 조작이 뚝뚝 끊기는(Stuttering) 느낌을 줄 수 있습니다. 따라서 화면 주사율(예: 60FPS 기준 약 16.67ms)에 맞게 적절한 전송 주기를 타협하는 것이 중요합니다.
 
 ---
 
 _Last updated: 2026-04-14_
-- Raw Source: [[00_Raw/2026-04-20/웹 워커 이벤트 포워딩 통신 지연 최소화 방법.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/웹 프론트엔드 성능 최적화.md b/10_Wiki/Topics/Programming & Language/웹 프론트엔드 성능 최적화.md
index 746b8fb7..4efbacc6 100644
--- a/10_Wiki/Topics/Programming & Language/웹 프론트엔드 성능 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/웹 프론트엔드 성능 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-921FA9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 웹 프론트엔드 성능 최
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** `[[메모리 누수 (Memory Leaks)]]`, `[[가비지 컬렉션 (Garbage Collection)]]`, `[[V8 엔진 (V8 Engine)]]`, `[[Chrome DevTools]]`, `[[Orinoco]]`
-- **Projects/Contexts:** `[[SPA 라우트 전환 (SPA Route Transitions)]]`, `[[Three-snapshot technique]]`, `[[Allocation Timeline]]`
+- **Related Topics:** `메모리 누수 (Memory Leaks)`, `[[가비지 컬렉션 (Garbage Collection)]]`, `V8 엔진 (V8 Engine)`, `[[Chrome DevTools]]`, `[[Orinoco]]`
+- **Projects/Contexts:** `SPA 라우트 전환 (SPA Route Transitions)`, `Three-snapshot technique`, `[[Allocation Timeline]]`
 - **Contradictions/Notes:** WeakRef나 FinalizationRegistry와 같은 최신 도구들은 메모리 누수를 줄이는 데 도움을 줄 수 있지만, 가비지 컬렉터의 실행이 자체적인 일정에 따라 비결정적(Non-deterministic)으로 동작하므로 애플리케이션의 적절한 수명 주기 관리(Lifecycle management)를 완전히 대체할 수는 없습니다 [9].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/웹 프론트엔드 성능 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/유니온 타입(Union Types).md b/10_Wiki/Topics/Programming & Language/유니온 타입(Union Types).md
index 982b9a39..aebc0e4e 100644
--- a/10_Wiki/Topics/Programming & Language/유니온 타입(Union Types).md	
+++ b/10_Wiki/Topics/Programming & Language/유니온 타입(Union Types).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-981211
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 유니온 타입(Union Types)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Intersection Types(교집합 타입)]], [[Discriminated Unions(식별 가능한 유니온)]], [[Type Narrowing(타입 좁히기)]], [[never 타입]]
-- **Projects/Contexts:** [[React State Management(리액트 상태 관리)]], [[API Response Handling(API 응답 처리)]], [[Redux Reducers(리덕스 리듀서)]]
+- **Related Topics:** Intersection Types(교집합 타입), Discriminated Unions(식별 가능한 유니온), Type Narrowing(타입 좁히기), [[never 타입]]
+- **Projects/Contexts:** React State Management(리액트 상태 관리), API Response Handling(API 응답 처리), Redux Reducers(리덕스 리듀서)
 - **Contradictions/Notes:** TypeScript에서 값을 다형적으로 수용할 수 있게 해준다는 점에서는 `any` 타입과 비슷해 보일 수 있으나, `any`는 모든 타입 체킹 제약이 풀려버리는 반면, 유니온 타입은 오직 정의된 타입들 사이에서의 가능성만 허용하기 때문에 코드의 타입 안전성을 강력하게 유지합니다 [1, 23]. 또한 값이 명확히 정해진 세트 중 하나임을 알 수 있는 경우, 별도의 클래스 계층구조나 `any`를 사용하는 것보다 유니온 타입을 사용하는 것이 훨씬 적합합니다 [1, 23, 24].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/유니온 타입(Union Types).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/유스케이스 (Use Cases).md b/10_Wiki/Topics/Programming & Language/유스케이스 (Use Cases).md
index 3b342d42..f53aad7b 100644
--- a/10_Wiki/Topics/Programming & Language/유스케이스 (Use Cases).md	
+++ b/10_Wiki/Topics/Programming & Language/유스케이스 (Use Cases).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FFC5B7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 유스케이스 (Use Cases)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[엔티티 (Entities)]], [[클린 아키텍처 (Clean Architecture)]], [[업무 규칙 (Business Rules)]]
-- **Projects/Contexts:** [[소프트웨어 시스템 설계]], [[계층형 아키텍처 기반 애플리케이션 개발]]
+- **Related Topics:** [[엔티티 (Entities)]], [[클린 아키텍처 (Clean Architecture)]], 업무 규칙 (Business Rules)
+- **Projects/Contexts:** 소프트웨어 시스템 설계, 계층형 아키텍처 기반 애플리케이션 개발
 - **Contradictions/Notes:** 제공된 여러 소스(GeeksforGeeks, 42 Coffee Cups, Catsbi's DLog 등) 간에 모순되는 내용은 없으며, 모두 유스케이스가 애플리케이션에 특화된 비즈니스 로직을 담고 있으며 외부 인프라(DB, UI 등)로부터 반드시 격리되어야 한다는 점을 동일하게 주장하고 있습니다 [1, 3, 4].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/유스케이스 (Use Cases).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/응집도 (Cohesion).md b/10_Wiki/Topics/Programming & Language/응집도 (Cohesion).md
index b7dedead..e538228c 100644
--- a/10_Wiki/Topics/Programming & Language/응집도 (Cohesion).md	
+++ b/10_Wiki/Topics/Programming & Language/응집도 (Cohesion).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2C194C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,5 +39,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 응집도 (Cohesion)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/응집도 (Cohesion).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/응집도와 결합도 (Cohesion and Coupling).md b/10_Wiki/Topics/Programming & Language/응집도와 결합도 (Cohesion and Coupling).md
index 54e3e8c7..95dae504 100644
--- a/10_Wiki/Topics/Programming & Language/응집도와 결합도 (Cohesion and Coupling).md	
+++ b/10_Wiki/Topics/Programming & Language/응집도와 결합도 (Cohesion and Coupling).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AECECF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -42,5 +42,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 응집도와 결합도 (Cohesi
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/응집도와 결합도 (Cohesion and Coupling).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/응집도와 결합도.md b/10_Wiki/Topics/Programming & Language/응집도와 결합도.md
index 9e65493e..9d7a140d 100644
--- a/10_Wiki/Topics/Programming & Language/응집도와 결합도.md	
+++ b/10_Wiki/Topics/Programming & Language/응집도와 결합도.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6D470D
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 응집도와 결합도"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], [[단일 책임 원칙(SRP)]], [[의존성 주입(Dependency Injection)]], [[객체 지향 설계]]
-- **Projects/Contexts:** [[모듈화 및 컴포넌트 기반 소프트웨어 개발]], [[마이크로서비스 아키텍처(MSA)]]
+- **Related Topics:** [[관심사의 분리(Separation of Concerns)]], [[단일 책임 원칙(SRP)]], 의존성 주입(Dependency Injection), 객체 지향 설계
+- **Projects/Contexts:** 모듈화 및 컴포넌트 기반 소프트웨어 개발, 마이크로서비스 아키텍처(MSA)
 - **Contradictions/Notes:** 높은 응집도와 낮은 결합도를 달성하기 위해 관심사를 분리하는 것은 유지보수성을 높이는 훌륭한 접근이지만, 지나치게 세분화된 관심사 분리(미세한 결합도 낮추기 시도)는 종종 불필요한 계층과 함수 호출, 복잡성을 증가시켜 성능 저하나 인지적 오버헤드를 유발할 수 있으므로 상황에 맞는 적절한 균형이 필요합니다 [13-15].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/응집도와 결합도.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 역전 (Dependency Inversion).md b/10_Wiki/Topics/Programming & Language/의존성 역전 (Dependency Inversion).md
index 465bdde8..e43f530b 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 역전 (Dependency Inversion).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 역전 (Dependency Inversion).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E2B9C7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 역전 (Dependency I
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID 원칙 (SOLID Principles)]], [[관심사의 분리 (Separation of Concerns)]], [[의존성 주입 (Dependency Injection)]], [[인터페이스 (Interfaces)]]
+- **Related Topics:** SOLID 원칙 (SOLID Principles), [[관심사의 분리 (Separation of Concerns)]], [[의존성 주입 (Dependency Injection)]], 인터페이스 (Interfaces)
 - **Projects/Contexts:** [[클린 아키텍처 (Clean Architecture)]], [[객체 지향 프로그래밍 (OOP)]]
 - **Contradictions/Notes:** 의존성 역전은 시스템의 분리와 모듈성을 극대화하지만, 아키텍처 경계를 더 단순하게 구현하기 위해 퍼사드(Facade) 패턴과 같은 부분적 경계를 채택할 경우에는 의존성 역전의 이점이 일부 희생될 수 있다 [8]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 역전 (Dependency Inversion).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (DIP).md b/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (DIP).md
index 3665659e..cb2f0822 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (DIP).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (DIP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8D5E45
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,5 +33,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 역전 원칙 (DIP)"
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 역전 원칙 (DIP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle DIP).md b/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle DIP).md
index 9c77f96d..5d6f31e0 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle DIP).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle DIP).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9D4394
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 역전 원칙 (Depen
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[SOLID 원칙]], [[의존성 주입(Dependency Injection)]], [[인터페이스(Interfaces)]], [[관심사 분리(Separation of Concerns, SoC)]]
-- **Projects/Contexts:** [[객체 지향 프로그래밍(OOP)]], [[소프트웨어 아키텍처(Software Architecture)]], [[클린 아키텍처(Clean Architecture)]]
+- **Related Topics:** [[SOLID 원칙]], 의존성 주입(Dependency Injection), 인터페이스(Interfaces), 관심사 분리(Separation of Concerns, SoC)
+- **Projects/Contexts:** [[객체 지향 프로그래밍(OOP)]], 소프트웨어 아키텍처(Software Architecture), [[클린 아키텍처(Clean Architecture)]]
 - **Contradictions/Notes:** 관심사 분리(SoC)와 의존성 역전 원칙(DIP)은 서로를 보완하는 설계 원칙이나 초점이 다릅니다. SoC는 관심사에 따른 코드의 구성과 격리에 집중하는 반면, DIP는 계층 간(상하위 모듈 간)의 디커플링에 목적을 둡니다 [9]. 또한, 퍼사드 패턴(Facade Pattern)과 같이 단순화된 경계를 구축하는 상황에서는 때에 따라 의존성 역전(DIP)의 이점이 희생될 수도 있습니다 [10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 역전 원칙 (Dependency Inversion Principle, DIP).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle).md b/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle).md
index 0e279d2a..f8dcbb48 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-577066
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,5 +35,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 역전 원칙 (Depen
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 역전 원칙 (Dependency Inversion Principle).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 주입 (DI).md b/10_Wiki/Topics/Programming & Language/의존성 주입 (DI).md
index ab91006d..4f2c449c 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 주입 (DI).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 주입 (DI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0538AE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ DI는 주로 의존성 역전 원칙(DIP)을 실현하는 수단으로 활용되
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[의존성 역전 원칙 (DIP)]], [[관심사의 분리 (SoC)]], [[느슨한 결합 (Loose Coupling)]], [[모듈성 (Modularity)]]
-- **Projects/Contexts:** [[Spring Framework]], [[ASP.NET Core]], [[클린 아키텍처 (Clean Architecture)]], [[계층형 아키텍처 (Layered Architecture)]]
+- **Related Topics:** [[의존성 역전 원칙 (DIP)]], [[관심사의 분리 (SoC)]], [[느슨한 결합 (Loose Coupling)]], 모듈성 (Modularity)
+- **Projects/Contexts:** [[Spring Framework]], ASP.NET Core, [[클린 아키텍처 (Clean Architecture)]], [[계층형 아키텍처 (Layered Architecture)]]
 - **Contradictions/Notes:** 소스에 따르면, 의존성 주입 프레임워크의 편리함에도 불구하고, 시스템이 프레임워크 자체에 강하게 결합되는 것을 피하기 위해 메인(Main) 컴포넌트 내부로 주입 책임을 철저히 제한해야 한다고 지적합니다 [11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 주입 (DI).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 주입 (Dependency Injection).md b/10_Wiki/Topics/Programming & Language/의존성 주입 (Dependency Injection).md
index 36e59dd3..6b7af8a1 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 주입 (Dependency Injection).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 주입 (Dependency Injection).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A38513
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,10 +29,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 주입 (Dependency I
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[의존성 역전 원칙 (Dependency Inversion Principle)]], [[느슨한 결합 (Loose Coupling)]], [[관심사의 분리 (Separation of Concerns)]], [[테스트 용이성 (Testability)]]
-- **Projects/Contexts:** [[클린 아키텍처 (Clean Architecture)]], [[계층형 아키텍처 (Layered Architecture)]], [[Spring Framework]], [[ASP.NET Core]]
+- **Projects/Contexts:** [[클린 아키텍처 (Clean Architecture)]], [[계층형 아키텍처 (Layered Architecture)]], [[Spring Framework]], ASP.NET Core
 - **Contradictions/Notes:** 제공된 모든 소스는 의존성 주입이 모듈 간의 결합도를 낮추고 테스트 용이성을 극대화한다는 점에서 일치된 견해를 보이고 있으며, 코드의 설계 단계부터 하드 코딩을 지양하고 의존성 주입을 염두에 둘 것을 공통적으로 강조하고 있습니다 [2, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 주입 (Dependency Injection).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/의존성 주입(DI).md b/10_Wiki/Topics/Programming & Language/의존성 주입(DI).md
index 3491abdc..21479dcc 100644
--- a/10_Wiki/Topics/Programming & Language/의존성 주입(DI).md	
+++ b/10_Wiki/Topics/Programming & Language/의존성 주입(DI).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BE99B2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 의존성 주입(DI)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[의존성 역전 원칙(DIP)]], [[결합도(Coupling)]], [[테스트 용이성(Testability)]], [[단일 책임 원칙(SRP)]]
-- **Projects/Contexts:** [[Spring Framework]], [[ASP.NET Core]], [[Google ML 시스템]], [[계층형 아키텍처]], [[클린 아키텍처]]
+- **Related Topics:** 의존성 역전 원칙(DIP), 결합도(Coupling), 테스트 용이성(Testability), [[단일 책임 원칙(SRP)]]
+- **Projects/Contexts:** [[Spring Framework]], ASP.NET Core, Google ML 시스템, 계층형 아키텍처, [[클린 아키텍처]]
 - **Contradictions/Notes:** 소스 전반에 걸쳐 의존성 주입은 시스템의 복잡도를 낮추고 모듈성을 높이는 긍정적인 기법으로 일관되게 권장되고 있으며, 상충하는 주장은 존재하지 않습니다. 다만 클린 아키텍처와 같은 구조에서는 의존성이 외부에서 내부로(저수준에서 고수준으로) 향하도록 의존성 규칙을 철저히 관리해야 한다고 강조합니다 [6, 10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/의존성 주입(DI).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/이동 속도(Movement Speed).md b/10_Wiki/Topics/Programming & Language/이동 속도(Movement Speed).md
index 25fe6e44..bdd635b1 100644
--- a/10_Wiki/Topics/Programming & Language/이동 속도(Movement Speed).md	
+++ b/10_Wiki/Topics/Programming & Language/이동 속도(Movement Speed).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-482CBE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 이동 속도(Movement Speed)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Reaction Time]], [[Decision Speed]]
-- **Projects/Contexts:** [[VR Exergaming(가상현실 엑서게임) 평가]], [[CANTAB 5-choice RTI(5-선택 반응 시간 과제)]]
+- **Related Topics:** Reaction Time, Decision Speed
+- **Projects/Contexts:** VR Exergaming(가상현실 엑서게임) 평가, CANTAB 5-choice RTI(5-선택 반응 시간 과제)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (짧은 VR 게임(10분) 직후 이동 속도가 일시적으로 향상되는 현상이 관찰되었으나, 통계적으로 측정 시기나 노출 시간에 따른 뚜렷한 주효과는 입증되지 않아 지속적인 효과로 보기는 어렵다는 점이 언급되었습니다 [2, 3].)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/이동 속도(Movement Speed).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/이벤트 기반 아키텍처 (Event-Driven Architecture).md b/10_Wiki/Topics/Programming & Language/이벤트 기반 아키텍처 (Event-Driven Architecture).md
index ae7f7f58..e3ab19f6 100644
--- a/10_Wiki/Topics/Programming & Language/이벤트 기반 아키텍처 (Event-Driven Architecture).md	
+++ b/10_Wiki/Topics/Programming & Language/이벤트 기반 아키텍처 (Event-Driven Architecture).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-980240
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 이벤트 기반 아키텍처
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Microservices Architecture]], [[Real-time Data Streaming]], [[Message Broker]], [[Apache Kafka]]
-- **Projects/Contexts:** [[Real-Time Stock Trading]], [[IoT Data Processing]], [[Microservices Orchestration]]
+- **Related Topics:** Microservices Architecture, Real-time Data Streaming, Message Broker, Apache Kafka
+- **Projects/Contexts:** Real-Time Stock Trading, IoT Data Processing, Microservices Orchestration
 - **Contradictions/Notes:** 소스에 따르면 이벤트 기반 아키텍처는 고도의 반응성과 확장성을 제공하지만, 분산 시스템 및 스트림 의미론과 관련된 비동기적 복잡성과 실행 순서 관리의 난이도가 높으며 브로커 등 인프라를 구축하고 운영하기 위한 높은 전문 지식이 요구된다는 단점(Implementation Complexity: High)이 존재합니다 [4, 5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/이벤트 기반 아키텍처 (Event-Driven Architecture).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/이전 세대(Old Generation_Space).md b/10_Wiki/Topics/Programming & Language/이전 세대(Old Generation_Space).md
index bc22b2b2..7f62d321 100644
--- a/10_Wiki/Topics/Programming & Language/이전 세대(Old Generation_Space).md	
+++ b/10_Wiki/Topics/Programming & Language/이전 세대(Old Generation_Space).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7BED1F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 이전 세대(Old Generation_S
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[New Space (Young Generation)]], [[Major GC (Mark-Sweep / Mark-Compact)]], [[Write Barriers]], [[Generational Hypothesis]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Orinoco Garbage Collector]]
+- **Related Topics:** New Space (Young Generation), Major GC (Mark-Sweep / Mark-Compact), Write Barriers, [[Generational Hypothesis]]
+- **Projects/Contexts:** [[V8 JavaScript Engine]], Orinoco Garbage Collector
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (소스 전반에서 이전 세대 관리에 대한 설명은 일관되며 명시적인 모순점은 존재하지 않습니다.)
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/이전 세대(Old Generation_Space).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/이커머스의 실시간 재고 관리.md b/10_Wiki/Topics/Programming & Language/이커머스의 실시간 재고 관리.md
index 7cd98df8..e4b309b3 100644
--- a/10_Wiki/Topics/Programming & Language/이커머스의 실시간 재고 관리.md	
+++ b/10_Wiki/Topics/Programming & Language/이커머스의 실시간 재고 관리.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E72D2E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 이커머스의 실시간 재
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[실시간 데이터 스트리밍]], [[이벤트 기반 아키텍처]], [[마이크로서비스 아키텍처]]
+- **Related Topics:** 실시간 데이터 스트리밍, 이벤트 기반 아키텍처, 마이크로서비스 아키텍처
 - **Projects/Contexts:** 이커머스 결제 및 체크아웃 파이프라인 (Apache Kafka 및 AWS Kinesis 활용 사례) [1, 2]
 - **Contradictions/Notes:** 주어진 소스 내에서 이커머스의 실시간 재고 관리는 현대 데이터 아키텍처(이벤트 스트리밍 등)가 어떻게 사용되는지 보여주는 단편적인 예시로만 다뤄지고 있으므로, 재고 관리 시스템의 전반적인 운영 프로세스에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/이커머스의 실시간 재고 관리.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/자동화된 코드 리뷰.md b/10_Wiki/Topics/Programming & Language/자동화된 코드 리뷰.md
index 372760f7..eeaf7f7f 100644
--- a/10_Wiki/Topics/Programming & Language/자동화된 코드 리뷰.md	
+++ b/10_Wiki/Topics/Programming & Language/자동화된 코드 리뷰.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AAE0A7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -37,11 +37,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 자동화된 코드 리뷰"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[수동 코드 리뷰]], [[린터(Linter)]]
-- **Projects/Contexts:** [[CI/CD 파이프라인]], [[Husky와 lint-staged를 활용한 Git Hooks 연동]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[수동 코드 리뷰]], 린터(Linter)
+- **Projects/Contexts:** CI/CD 파이프라인, Husky와 lint-staged를 활용한 Git Hooks 연동
 - **Contradictions/Notes:** 소스 [6]는 자동화된 코드 리뷰가 빠른 속도로 방대한 코드베이스의 취약점과 오류를 일관성 있게 잡아낸다는 이점을 강조하지만, 소스 [16, 17]은 자동화 도구가 실제 취약점의 22%를 놓치고 30~60%에 달하는 오탐(False Positives)을 발생시킬 수 있는 한계를 지적하며, 비즈니스 로직과 아키텍처를 이해하기 위해서는 반드시 수동 리뷰가 결합된 하이브리드 접근법을 채택해야 한다고 주장합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/자동화된 코드 리뷰.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/자바 가상 머신(JVM).md b/10_Wiki/Topics/Programming & Language/자바 가상 머신(JVM).md
index 4e6dd44a..573eece8 100644
--- a/10_Wiki/Topics/Programming & Language/자바 가상 머신(JVM).md	
+++ b/10_Wiki/Topics/Programming & Language/자바 가상 머신(JVM).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-2F0FAA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 자바 가상 머신(JVM)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[자바 힙(Java Heap)]], [[컴파일러 힌트(Compiler hints)]]
-- **Projects/Contexts:** [[Eclipse OpenJ9]], [[IBM SDK]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 자바 힙(Java Heap), 컴파일러 힌트(Compiler hints)
+- **Projects/Contexts:** Eclipse OpenJ9, IBM SDK
 - **Contradictions/Notes:** JVM의 컴파일러 힌트 방식은 정적 타입 언어의 메모리 관리에 최적화되어 있으나, 자바스크립트처럼 객체의 속성이 포인터인지 데이터인지 미리 알 수 없는 동적 타입 언어에는 적합하지 않아 V8 엔진은 이를 채택하지 않고 태그된 포인터(Tagged pointers) 방식을 사용합니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/자바 가상 머신(JVM).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/장기 실행되는 실시간 데이터 대시보드 최적화.md b/10_Wiki/Topics/Programming & Language/장기 실행되는 실시간 데이터 대시보드 최적화.md
index 04a384ee..9107ad47 100644
--- a/10_Wiki/Topics/Programming & Language/장기 실행되는 실시간 데이터 대시보드 최적화.md	
+++ b/10_Wiki/Topics/Programming & Language/장기 실행되는 실시간 데이터 대시보드 최적화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D81993
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -44,5 +44,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 장기 실행되는 실시간
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/장기 실행되는 실시간 데이터 대시보드 최적화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/재귀적 불변성 (DeepReadonly).md b/10_Wiki/Topics/Programming & Language/재귀적 불변성 (DeepReadonly).md
index 97e45815..0b562619 100644
--- a/10_Wiki/Topics/Programming & Language/재귀적 불변성 (DeepReadonly).md	
+++ b/10_Wiki/Topics/Programming & Language/재귀적 불변성 (DeepReadonly).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1F695C
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 재귀적 불변성 (DeepReado
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Readonly]], [[매핑 타입 (Mapped Types)]], [[조건부 타입 (Conditional Types)]], [[유틸리티 타입 (Utility Types)]]
-- **Projects/Contexts:** [[ts-essentials]], [[프론트엔드 상태 관리 (State Management)]], [[설정 객체 (Configuration objects)]]
+- **Related Topics:** [[Readonly]], 매핑 타입 (Mapped Types), 조건부 타입 (Conditional Types), 유틸리티 타입 (Utility Types)
+- **Projects/Contexts:** ts-essentials, 프론트엔드 상태 관리 (State Management), 설정 객체 (Configuration objects)
 - **Contradictions/Notes:** `Readonly<T>`는 기본 제공되나 `DeepReadonly`는 TypeScript에 내장되어 있지 않다는 점이 특징입니다 [6]. 또한 런타임에 성능 오버헤드를 일으키는 `Object.freeze()`의 얕은 동결과 달리, 이 방식은 컴파일 타임에 타입 레벨에서만 불변성을 검사하고 강제하므로 훨씬 효율적입니다 [5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/재귀적 불변성 (DeepReadonly).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/점진적 마킹(Incremental marking).md b/10_Wiki/Topics/Programming & Language/점진적 마킹(Incremental marking).md
index 98e1bcb1..29d4fe1f 100644
--- a/10_Wiki/Topics/Programming & Language/점진적 마킹(Incremental marking).md	
+++ b/10_Wiki/Topics/Programming & Language/점진적 마킹(Incremental marking).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-EED588
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 점진적 마킹(Incremental m
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[쓰기 장벽(Write barriers)]], [[지연 스위핑(Lazy sweeping)]]
-- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Orinoco Garbage Collector]], [[IBM OpenJ9 (Balanced GC)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 쓰기 장벽(Write barriers), 지연 스위핑(Lazy sweeping)
+- **Projects/Contexts:** [[V8 JavaScript Engine]], Orinoco Garbage Collector, IBM OpenJ9 (Balanced GC)
 - **Contradictions/Notes:** 점진적 마킹은 메인 스레드의 긴 일시 정지를 방지하고 응답성을 높이는 데에는 훌륭한 기법이지만, 메인 스레드에서 가비지 컬렉션에 소모되는 전체 시간을 줄여주지는 않으며 오히려 미세하게 증가시키는 경향이 있습니다 [2].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/점진적 마킹(Incremental marking).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/정적 분석(Static Analysis).md b/10_Wiki/Topics/Programming & Language/정적 분석(Static Analysis).md
index d2fb3c8d..18de4e25 100644
--- a/10_Wiki/Topics/Programming & Language/정적 분석(Static Analysis).md	
+++ b/10_Wiki/Topics/Programming & Language/정적 분석(Static Analysis).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9D9335
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,11 +36,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 정적 분석(Static Analysis)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[수동 코드 리뷰(Manual Code Review)]], [[DAST(Dynamic Application Security Testing)]], [[SCA(Software Composition Analysis)]], [[Linting / Formatter]]
-- **Projects/Contexts:** [[Snyk Code]], [[SonarQube]], [[Checkmarx]], [[ESLint / Prettier]]
+- **Related Topics:** 수동 코드 리뷰(Manual Code Review), DAST(Dynamic Application Security Testing), SCA(Software Composition Analysis), Linting / Formatter
+- **Projects/Contexts:** Snyk Code, [[SonarQube]], Checkmarx, ESLint / Prettier
 - **Contradictions/Notes:** 소스 [35], [24], [36] 등은 자동화된 정적 분석 도구가 코드를 빠르고 일관되게 스캔하지만 비즈니스 로직이나 의도를 파악하는 데는 맹점이 있다고 지적합니다. 따라서 자동화 도구에만 의존해서는 안 되며, 보안 맥락과 아키텍처 트레이드오프를 평가하기 위해 반드시 인간의 통찰력이 개입되는 '수동 코드 리뷰(Manual Code Review)'를 결합한 하이브리드 접근법을 취해야 한다고 권장합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/정적 분석(Static Analysis).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/제어 흐름 분석 (Control Flow Analysis).md b/10_Wiki/Topics/Programming & Language/제어 흐름 분석 (Control Flow Analysis).md
index e9529183..84d7b659 100644
--- a/10_Wiki/Topics/Programming & Language/제어 흐름 분석 (Control Flow Analysis).md	
+++ b/10_Wiki/Topics/Programming & Language/제어 흐름 분석 (Control Flow Analysis).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9FF9A4
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 제어 흐름 분석 (Control
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[타입 좁히기 (Type Narrowing)]], [[타입 가드 (Type Guards)]], [[식별 가능한 유니온 (Discriminated Unions)]]
-- **Projects/Contexts:** [[TypeScript 상태 모델링 및 에러 처리 맥락]] (로딩, 성공, 에러와 같은 상태나 유사한 객체들의 집합을 `switch`문 등을 통해 구체적인 타입으로 좁혀서 런타임 오류 없이 안전하게 다뤄야 하는 프로젝트 환경 [2, 3])
+- **Related Topics:** [[타입 좁히기 (Type Narrowing)]], [[타입 가드 (Type Guards)]], 식별 가능한 유니온 (Discriminated Unions)
+- **Projects/Contexts:** TypeScript 상태 모델링 및 에러 처리 맥락 (로딩, 성공, 에러와 같은 상태나 유사한 객체들의 집합을 `switch`문 등을 통해 구체적인 타입으로 좁혀서 런타임 오류 없이 안전하게 다뤄야 하는 프로젝트 환경 [2, 3])
 - **Contradictions/Notes:** 주어진 소스 내에서 제어 흐름 분석에 대한 개념들 간의 모순점은 발견되지 않았으나, 해당 주제를 더 깊게 이해하기 위한 구체적인 동작 구조 정보는 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/제어 흐름 분석 (Control Flow Analysis).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/조절-폭주 불일치 (Vergence-Accommodation Conflict).md b/10_Wiki/Topics/Programming & Language/조절-폭주 불일치 (Vergence-Accommodation Conflict).md
index 71ef0d81..c1f7ddb2 100644
--- a/10_Wiki/Topics/Programming & Language/조절-폭주 불일치 (Vergence-Accommodation Conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/조절-폭주 불일치 (Vergence-Accommodation Conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-747672
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -28,5 +28,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 조절-폭주 불일치 (Verge
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/조절-폭주 불일치 (Vergence-Accommodation Conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/조절-폭주 불일치(Vergence-Accommodation Conflict).md b/10_Wiki/Topics/Programming & Language/조절-폭주 불일치(Vergence-Accommodation Conflict).md
index ac746fc9..bbdbbf88 100644
--- a/10_Wiki/Topics/Programming & Language/조절-폭주 불일치(Vergence-Accommodation Conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/조절-폭주 불일치(Vergence-Accommodation Conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4FA83F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 조절-폭주 불일치(Vergen
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[안구 운동 증상(Oculomotor Symptoms)]], [[깊이 지각(Depth Perception)]]
-- **Projects/Contexts:** [[머리 착용 디스플레이(HMD) 시각 연구]], [[가상현실 엑서게임(Exergaming) 후유증 연구]]
+- **Related Topics:** 가상현실 멀미(VR Sickness), [[안구 운동 증상(Oculomotor Symptoms)]], [[깊이 지각(Depth Perception)]]
+- **Projects/Contexts:** 머리 착용 디스플레이(HMD) 시각 연구, 가상현실 엑서게임(Exergaming) 후유증 연구
 - **Contradictions/Notes:** 소스에 따르면 조절-폭주 불일치가 사람들에게 VR 멀미를 유발하는 직접적인 원인인지, 아니면 기존의 멀미 증상을 심화시키는 역할을 하는지에 대해서는 아직 분명하지 않다(unclear)고 지적하고 있다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/조절-폭주 불일치(Vergence-Accommodation Conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/집합론 (Set Theory).md b/10_Wiki/Topics/Programming & Language/집합론 (Set Theory).md
index bf4e5911..f4b5111f 100644
--- a/10_Wiki/Topics/Programming & Language/집합론 (Set Theory).md	
+++ b/10_Wiki/Topics/Programming & Language/집합론 (Set Theory).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-20C803
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -35,11 +35,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 집합론 (Set Theory)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[TypeScript Type System]], [[Structural Typing]], [[Union and Intersection Types]]
-- **Projects/Contexts:** [[TypeScript의 타입 연산과 조건부 타입(Conditional Types)의 동작 원리 이해 및 인터페이스 설계]]
+- **Related Topics:** TypeScript Type System, [[Structural Typing]], Union and Intersection Types
+- **Projects/Contexts:** TypeScript의 타입 연산과 조건부 타입(Conditional Types)의 동작 원리 이해 및 인터페이스 설계
 - **Contradictions/Notes:** 객체(Object) 타입에 대한 `&`(인터섹션) 연산이나 `|`(유니언) 연산은 객체의 형태(Shape)를 단순히 결합하는 것이 아니라, 해당 객체 형태를 만족하는 '값들의 집합'에 대한 교집합 및 합집합 연산으로 작동합니다. 따라서 `{ name: string } & { age: number }`는 두 속성을 모두 가진 객체들의 교집합을 의미하게 됩니다 [9, 10].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/집합론 (Set Theory).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/집합론(Set Theory).md b/10_Wiki/Topics/Programming & Language/집합론(Set Theory).md
index 677e5a40..f9fe5778 100644
--- a/10_Wiki/Topics/Programming & Language/집합론(Set Theory).md	
+++ b/10_Wiki/Topics/Programming & Language/집합론(Set Theory).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1B9760
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 집합론(Set Theory)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[TypeScript Type System]], [[Structural Typing]], [[Union and Intersection Types]]
-- **Projects/Contexts:** [[TypeScript Interface Design]], [[Type Narrowing and Widening]]
+- **Related Topics:** TypeScript Type System, [[Structural Typing]], Union and Intersection Types
+- **Projects/Contexts:** TypeScript Interface Design, Type Narrowing and Widening
 - **Contradictions/Notes:** TypeScript의 `any` 타입은 집합론으로 완벽히 설명되지 않는 예외적인 존재입니다. 모든 세트를 부분집합으로 허용하면서도 동시에 스스로가 비어있을 수(`never`) 있는 '역설적인(paradoxical)' 집합으로 동작하기 때문에 일반적인 집합론의 논리를 따르지 않습니다 [7, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/집합론(Set Theory).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/철벽 수비대 인터페이스 설계 전략.md b/10_Wiki/Topics/Programming & Language/철벽 수비대 인터페이스 설계 전략.md
index ea52c8e1..d2402834 100644
--- a/10_Wiki/Topics/Programming & Language/철벽 수비대 인터페이스 설계 전략.md	
+++ b/10_Wiki/Topics/Programming & Language/철벽 수비대 인터페이스 설계 전략.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-CE3C8E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 철벽 수비대 인터페이
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑]], [[과잉 속성 체크(EPC)]], [[식별 가능한 유니온]], [[브랜디드 타입]], [[불변성(Immutability)]], [[satisfies 연산자]], [[SOLID 원칙]]
-- **Projects/Contexts:** [[대규모 애플리케이션 개발]], [[도메인 기반 설계(DDD)]], [[토스(Toss) SDK 설계]]
+- **Related Topics:** [[구조적 타이핑]], [[과잉 속성 체크(EPC)]], [[식별 가능한 유니온]], 브랜디드 타입, [[불변성(Immutability)]], [[satisfies 연산자]], [[SOLID 원칙]]
+- **Projects/Contexts:** 대규모 애플리케이션 개발, [[도메인 기반 설계(DDD)]], [[토스(Toss) SDK 설계]]
 - **Contradictions/Notes:** 과잉 속성 체크(EPC)는 객체 리터럴을 직접 할당할 때만 작동하고 변수 간접 할당 시 우회되는 약점이 존재하나, 이는 `satisfies` 연산자를 도입하여 우아하게 해결할 수 있습니다 [11, 12]. 또한 TypeScript는 인터페이스의 선언 병합을 허용하여 확장에 용이하지만 이로 인한 의도치 않은 병합의 위험이 존재하므로, 핵심 로직에서는 재선언이 불가한 타입 별칭(Type Alias)을 혼용하는 전략이 필수적입니다 [5, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/철벽 수비대 인터페이스 설계 전략.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/철벽 수비대_ TypeScript 타입 시스템과 견고한 인터페이스 설계의 정수.md b/10_Wiki/Topics/Programming & Language/철벽 수비대_ TypeScript 타입 시스템과 견고한 인터페이스 설계의 정수.md
index 29b37799..cea54e23 100644
--- a/10_Wiki/Topics/Programming & Language/철벽 수비대_ TypeScript 타입 시스템과 견고한 인터페이스 설계의 정수.md	
+++ b/10_Wiki/Topics/Programming & Language/철벽 수비대_ TypeScript 타입 시스템과 견고한 인터페이스 설계의 정수.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-31F1D8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 철벽 수비대_ TypeScript 
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[과잉 속성 체크 (Excess Property Checking) 및 satisfies 연산자]], [[식별 가능한 유니온 (Discriminated Unions)]], [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability) 및 DeepReadonly]], [[SOLID 원칙 및 Facade 패턴]]
-- **Projects/Contexts:** [[대규모 프론트엔드 및 백엔드 애플리케이션 개발]], [[도메인 기반 설계 (DDD)]], [[안전한 API 응답 데이터 파싱 및 매핑]], [[토스(Toss) Front 외부 연동 SDK 인터페이스 설계 사례]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 과잉 속성 체크 (Excess Property Checking) 및 satisfies 연산자, 식별 가능한 유니온 (Discriminated Unions), [[브랜디드 타입 (Branded Types)]], 불변성 (Immutability) 및 DeepReadonly, SOLID 원칙 및 Facade 패턴
+- **Projects/Contexts:** 대규모 프론트엔드 및 백엔드 애플리케이션 개발, [[도메인 기반 설계 (DDD)]], 안전한 API 응답 데이터 파싱 및 매핑, 토스(Toss) Front 외부 연동 SDK 인터페이스 설계 사례
 - **Contradictions/Notes:** `Interface`와 `Type Alias`의 사용에 관해 일부 개발자 팀(예: Reddit 커뮤니티의 여러 팀)은 선언 병합의 부작용을 피하고 문법의 일관성을 위해 전역적으로 `Type`만을 강제하여 사용하기도 한다. 그러나 TypeScript 공식 문서 및 컴파일러 성능 가이드에서는 객체 구조 확장이 필요하고 캐싱 성능이 중요한 경우 `Interface`를 우선하여 사용할 것을 권장하는 등 실무적인 논쟁과 트레이드오프가 존재한다 [15, 19-21, 53-55].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/철벽 수비대_ TypeScript 타입 시스템과 견고한 인터페이스 설계의 정수.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checking).md b/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checking).md
index d156dd37..17b1e07c 100644
--- a/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checking).md	
+++ b/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checking).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-BD62E2
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -31,11 +31,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 초과 속성 검사 (Excess P
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[typescript-eslint]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), [[satisfies 연산자]]
+- **Projects/Contexts:** typescript-eslint
 - **Contradictions/Notes:** TypeScript는 근본적으로 속성 집합의 포함 관계만 확인하는 '구조적 타이핑' 원칙을 따르지만, 객체 리터럴을 직접 다루는 맥락에서는 이러한 유연성을 예외적으로 차단하고 '초과 속성 검사'라는 더 엄격한 잣대를 적용한다는 점에서 뚜렷한 동작의 대비를 보입니다 [1, 6, 11].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/초과 속성 검사 (Excess Property Checking).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checks).md b/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checks).md
index 3fc18e9d..4182c95a 100644
--- a/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checks).md	
+++ b/10_Wiki/Topics/Programming & Language/초과 속성 검사 (Excess Property Checks).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-920865
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 초과 속성 검사 (Excess P
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[객체 리터럴 (Object Literals)]], [[satisfies 연산자]]
-- **Projects/Contexts:** [[typescript-eslint]] (초과 속성 검사가 변수 할당 시 우회되는 문제를 해결하기 위해 `no-excess-properties`라는 새로운 린트 규칙이 제안되었으나, 유연성 및 복잡도 문제로 반영되지 않음 [12, 17, 18]), [[React 컴포넌트 프로퍼티 검증]] (우회된 초과 속성이 예기치 못한 리렌더링을 일으키는 대표적 맥락 [11])
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 객체 리터럴 (Object Literals), [[satisfies 연산자]]
+- **Projects/Contexts:** typescript-eslint (초과 속성 검사가 변수 할당 시 우회되는 문제를 해결하기 위해 `no-excess-properties`라는 새로운 린트 규칙이 제안되었으나, 유연성 및 복잡도 문제로 반영되지 않음 [12, 17, 18]), React 컴포넌트 프로퍼티 검증 (우회된 초과 속성이 예기치 못한 리렌더링을 일으키는 대표적 맥락 [11])
 - **Contradictions/Notes:** TypeScript의 기본 철학인 '구조적 타이핑'은 최소 요건만 맞으면 추가 속성을 허용한다는 입장이지만, '초과 속성 검사'는 추가 속성을 에러로 처리한다는 점에서 타입 시스템 내에서 서로 상반되는 규칙처럼 보일 수 있습니다. 이는 TypeScript가 개발자의 '실수 방지'를 위해 객체 리터럴에만 부여한 의도적 예외 동작입니다 [1, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/초과 속성 검사 (Excess Property Checks).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/추상 구문 트리(AST).md b/10_Wiki/Topics/Programming & Language/추상 구문 트리(AST).md
index a6319039..9c5de25e 100644
--- a/10_Wiki/Topics/Programming & Language/추상 구문 트리(AST).md	
+++ b/10_Wiki/Topics/Programming & Language/추상 구문 트리(AST).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0C0765
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 추상 구문 트리(AST)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[콘크리트 구문 트리(CST)]], [[코드 스타일로메트리(Code Stylometry)]], [[정적 애플리케이션 보안 테스트(SAST)]]
-- **Projects/Contexts:** [[ESLint]], [[code2vec]], [[Google Code Jam 데이터셋]]
+- **Related Topics:** 콘크리트 구문 트리(CST), 코드 스타일로메트리(Code Stylometry), [[정적 애플리케이션 보안 테스트(SAST)]]
+- **Projects/Contexts:** [[ESLint]], code2vec, Google Code Jam 데이터셋
 - **Contradictions/Notes:** 소스 코드의 저자 식별 시 AST를 활용하면 저자 고유의 구문적 특성을 성공적으로 추출할 수 있지만, 레이아웃 정보가 누락되기 때문에 CST를 활용한 분석에 비해 정확도가 떨어진다는 점이 연구 결과로 입증되었습니다(AST 기반 51%에서 CST 기반 68%로 정확도 상승) [8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/추상 구문 트리(AST).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/추상화(Abstraction).md b/10_Wiki/Topics/Programming & Language/추상화(Abstraction).md
index 39a28a05..8c26e91c 100644
--- a/10_Wiki/Topics/Programming & Language/추상화(Abstraction).md	
+++ b/10_Wiki/Topics/Programming & Language/추상화(Abstraction).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-766E2E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 추상화(Abstraction)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[의존성 역전 원칙(Dependency Inversion Principle)]], [[퍼사드 패턴(Facade Pattern)]], [[이른 추상화(Premature Abstraction)]], [[오버엔지니어링(Over-Engineering)]]
-- **Projects/Contexts:** [[Toss Front SDK 설계]], [[SOLID Design Principles]], [[TypeScript 아키텍처 설계]]
+- **Related Topics:** 의존성 역전 원칙(Dependency Inversion Principle), 퍼사드 패턴(Facade Pattern), 이른 추상화(Premature Abstraction), 오버엔지니어링(Over-Engineering)
+- **Projects/Contexts:** Toss Front SDK 설계, SOLID Design Principles, TypeScript 아키텍처 설계
 - **Contradictions/Notes:** 소스에서는 추상화가 시스템을 모듈화하고 결합도를 낮추는 강력한 도구임을 강조하지만, 동시에 "모든 컴퓨터 과학의 문제는 또 다른 추상화 계층으로 해결할 수 있지만, 그 추상화 계층 자체가 문제가 된다"는 모순적 특성을 지적하며 무분별한 추상화의 위험성을 경고합니다 [4, 6, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/추상화(Abstraction).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/추상화.md b/10_Wiki/Topics/Programming & Language/추상화.md
index 122ade5c..535bc346 100644
--- a/10_Wiki/Topics/Programming & Language/추상화.md	
+++ b/10_Wiki/Topics/Programming & Language/추상화.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-0EA2E7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 추상화"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[DRY 원칙]], [[의존성 역전 원칙(DIP)]], [[개방-폐쇄 원칙(OCP)]], [[관심사의 분리(SoC)]], [[Rule of Three]], [[YAGNI]]
+- **Related Topics:** DRY 원칙, 의존성 역전 원칙(DIP), 개방-폐쇄 원칙(OCP), [[관심사의 분리(SoC)]], [[Rule of Three]], YAGNI
 - **Projects/Contexts:** [[소프트웨어 아키텍처 설계]], [[객체 지향 프로그래밍(OOP)]]
 - **Contradictions/Notes:** 소스 문헌들은 추상화가 시스템을 유연하게 하고 결합도를 낮추는 핵심 도구라고 강조하면서도 동시에, 지나치거나 성급한 추상화는 오히려 개발자의 인지적 부하를 높이고 코드를 복잡하게 만드는 부작용(오버엔지니어링)을 낳을 수 있다고 양면성을 경고합니다 [2, 5, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/추상화.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/카오스 몽키(Chaos Monkey).md b/10_Wiki/Topics/Programming & Language/카오스 몽키(Chaos Monkey).md
index decdc493..797a8c94 100644
--- a/10_Wiki/Topics/Programming & Language/카오스 몽키(Chaos Monkey).md	
+++ b/10_Wiki/Topics/Programming & Language/카오스 몽키(Chaos Monkey).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E9B14A
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 카오스 몽키(Chaos Monkey)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[자동화된 파괴 테스트(Automate destructive testing)]], [[시미안 아미(Simian Army)]], [[마이크로서비스 아키텍처(Microservice Architecture)]]
-- **Projects/Contexts:** [[넷플릭스의 마이크로서비스 도입(Netflix journey to microservices)]]
+- **Related Topics:** 자동화된 파괴 테스트(Automate destructive testing), 시미안 아미(Simian Army), 마이크로서비스 아키텍처(Microservice Architecture)
+- **Projects/Contexts:** 넷플릭스의 마이크로서비스 도입(Netflix journey to microservices)
 - **Contradictions/Notes:** 주어진 소스 문서(Netflix's Microservices Adoption Case Study)에는 카오스 몽키에 대한 발표 슬라이드 수준의 단편적인 언급만 존재하며, 그 이상의 구체적인 정보는 포함되어 있지 않습니다 [2].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/카오스 몽키(Chaos Monkey).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/코드 리뷰 (Code Review).md b/10_Wiki/Topics/Programming & Language/코드 리뷰 (Code Review).md
index f3b70753..8821fe26 100644
--- a/10_Wiki/Topics/Programming & Language/코드 리뷰 (Code Review).md	
+++ b/10_Wiki/Topics/Programming & Language/코드 리뷰 (Code Review).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A3AFCE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -24,11 +24,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 코드 리뷰 (Code Review)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[수동 코드 리뷰 (Manual Code Review)]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[하이브리드 코드 리뷰 (Hybrid Code Review)]], [[린터 (Linter)]]
-- **Projects/Contexts:** [[CI/CD 파이프라인 (CI/CD Pipelines)]], [[Pull Request (PR) 워크플로우]]
+- **Related Topics:** [[수동 코드 리뷰 (Manual Code Review)]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[하이브리드 코드 리뷰 (Hybrid Code Review)]], 린터 (Linter)
+- **Projects/Contexts:** CI/CD 파이프라인 (CI/CD Pipelines), [[Pull Request (PR) 워크플로우]]
 - **Contradictions/Notes:** 자동화된 코드 리뷰 도구는 매우 빠르고 일관성 있게 코드를 검사하지만, 비즈니스 로직과 아키텍처의 의도를 이해하지 못하므로 인간 리뷰어를 완전히 대체할 수 없습니다. 따라서 양쪽의 단점을 상쇄하고 장점을 취하기 위해, 자동화가 일차적인 방어선을 구축하고 인간이 고차원적인 검토를 수행하는 상호 보완적(Hybrid) 접근이 필수적입니다 [7, 20, 37-39].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/코드 리뷰 (Code Review).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md b/10_Wiki/Topics/Programming & Language/코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md
index 7fc0aa53..6f0b6672 100644
--- a/10_Wiki/Topics/Programming & Language/코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md	
+++ b/10_Wiki/Topics/Programming & Language/코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-952EE7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 코드 서식 지정과 축소
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[코드 스타일로메트리]], [[작성자 인식(Authorship Attribution)]], [[구체적 구문 트리(CST)]], [[추상 구문 트리(AST)]], [[code2vec]], [[기계 학습 분류기(Machine Learning Classifier)]]
-- **Projects/Contexts:** [[Google Code Jam 데이터셋]], [[Black (Python 코드 포매터)]], [[Python Minifier]]
+- **Related Topics:** 코드 스타일로메트리, 작성자 인식(Authorship Attribution), 구체적 구문 트리(CST), [[추상 구문 트리(AST)]], code2vec, 기계 학습 분류기(Machine Learning Classifier)
+- **Projects/Contexts:** Google Code Jam 데이터셋, Black (Python 코드 포매터), Python Minifier
 - **Contradictions/Notes:** 소스에 따르면 서식 지정된 코드(52.68%)와 축소된 코드(50.00%)의 작성자 인식 정확도는 원본 AST 기반 모델의 정확도(51.00%)와 매우 유사한 수치를 보입니다. 이는 서식 지정과 축소라는 과정이 CST가 제공하는 구체적 구문 특징의 이점을 대부분 상쇄시키지만, AST로도 포착 가능한 더 깊은 수준의 추상적 구문 내재 스타일까지는 파괴하지 못한다는 점을 의미합니다 [15].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/코드 축소 (Code minification).md b/10_Wiki/Topics/Programming & Language/코드 축소 (Code minification).md
index 05c7cf72..4ea724dc 100644
--- a/10_Wiki/Topics/Programming & Language/코드 축소 (Code minification).md	
+++ b/10_Wiki/Topics/Programming & Language/코드 축소 (Code minification).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-AE4852
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 코드 축소 (Code minificati
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[코드 문체 분석 (Code stylometry)]], [[코드 포맷팅 (Code formatting)]], [[구체적 구문 트리 (CST)]], [[추상 구문 트리 (AST)]]
-- **Projects/Contexts:** [[웹 개발 최적화]], [[Python Minifier]]
+- **Related Topics:** 코드 문체 분석 (Code stylometry), 코드 포맷팅 (Code formatting), 구체적 구문 트리 (CST), 추상 구문 트리 (AST)
+- **Projects/Contexts:** 웹 개발 최적화, Python Minifier
 - **Contradictions/Notes:** 일반적으로 코드 축소는 코드를 사람이 읽기 훨씬 더 어렵게 만들기 때문에 작성자 식별도 매우 어려울 것으로 예상되지만, 연구 결과 자동화된 코드 포맷팅을 적용한 상태와 비교했을 때 시스템의 작성자 식별 방해 효과(인식률 저하)는 매우 미미한 차이(2.68%)밖에 나지 않았습니다 [7]. 
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/코드 축소 (Code minification).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/코드 포매팅 (Code formatting).md b/10_Wiki/Topics/Programming & Language/코드 포매팅 (Code formatting).md
index 4effb11f..e860c3c4 100644
--- a/10_Wiki/Topics/Programming & Language/코드 포매팅 (Code formatting).md	
+++ b/10_Wiki/Topics/Programming & Language/코드 포매팅 (Code formatting).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C0F871
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -29,11 +29,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 코드 포매팅 (Code formatt
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Prettier]], [[Linter (린터)]], [[정적 분석 (Static Analysis)]], [[코드 스타일로메트리 (Code Stylometry)]]
-- **Projects/Contexts:** 팀 단위 개발 환경에서 [[Git Hook (Husky)]]과 [[lint-staged]]를 CI/CD 파이프라인에 연동하여 커밋 시점에 자동으로 포매팅이 적용되도록 강제하는 업무 맥락 [11-13].
+- **Related Topics:** [[Prettier]], Linter (린터), 정적 분석 (Static Analysis), 코드 스타일로메트리 (Code Stylometry)
+- **Projects/Contexts:** 팀 단위 개발 환경에서 Git Hook (Husky)과 [[lint-staged]]를 CI/CD 파이프라인에 연동하여 커밋 시점에 자동으로 포매팅이 적용되도록 강제하는 업무 맥락 [11-13].
 - **Contradictions/Notes:** Linter와 Formatter를 동시에 사용할 때 두 도구 모두 코드 스타일을 검사할 수 있어 규칙 충돌 현상이 발생할 수 있으므로, 코드 포매팅은 전적으로 Prettier 등의 포매터에 맡기고 Linter의 포매팅 기능은 끄도록 설정하는 것이 바람직합니다 [6, 14, 19].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/코드 포매팅 (Code formatting).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/코드 품질 관리 및 자동화 (Code Quality Management and Automation).md b/10_Wiki/Topics/Programming & Language/코드 품질 관리 및 자동화 (Code Quality Management and Automation).md
index a1920d4b..b43ae909 100644
--- a/10_Wiki/Topics/Programming & Language/코드 품질 관리 및 자동화 (Code Quality Management and Automation).md	
+++ b/10_Wiki/Topics/Programming & Language/코드 품질 관리 및 자동화 (Code Quality Management and Automation).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A84338
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 코드 품질 관리 및 자
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[정적 애플리케이션 보안 테스트 (SAST)]], [[수동 코드 리뷰 (Manual Code Review)]], [[지속적 통합 및 지속적 배포 (CI/CD)]], [[린터와 포매터 (Linters and Formatters)]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트 (SAST)]], [[수동 코드 리뷰 (Manual Code Review)]], 지속적 통합 및 지속적 배포 (CI/CD), 린터와 포매터 (Linters and Formatters)
 - **Projects/Contexts:** Git pre-commit 훅 환경에서 Husky와 lint-staged를 활용한 검증 파이프라인 자동화 구성, Turborepo 등 모노레포에서의 중앙 집중식 린트 환경 구축, Snyk 및 SonarQube를 통한 DevSecOps 도입 사례.
 - **Contradictions/Notes:** 자동화 도구는 빠르고 일관된 스캔을 보장하지만, 코드의 비즈니스 의도나 아키텍처적 맥락(Context Blindness)을 파악하지 못해 최대 30~60%의 높은 오탐률(False Positives)을 낼 수 있으며 실제 취약점의 약 22%가량을 놓칠 수 있으므로 아키텍처 및 고위험 영역에 대한 인간의 검토가 반드시 병행되어야 한다 [27, 41].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/코드 품질 관리 및 자동화 (Code Quality Management and Automation).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/클로저(Closures).md b/10_Wiki/Topics/Programming & Language/클로저(Closures).md
index d930e2ba..0e455905 100644
--- a/10_Wiki/Topics/Programming & Language/클로저(Closures).md	
+++ b/10_Wiki/Topics/Programming & Language/클로저(Closures).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7F81A9
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 클로저(Closures)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Garbage Collection]], [[Memory Leaks]], [[GC Roots]], [[system / Context]]
-- **Projects/Contexts:** [[Heap Snapshots]]를 활용한 메모리 프로파일링 및 브라우저/Node.js 환경의 누수 디버깅
+- **Related Topics:** [[Garbage Collection]], [[Memory Leaks]], GC Roots, system / Context
+- **Projects/Contexts:** Heap Snapshots를 활용한 메모리 프로파일링 및 브라우저/Node.js 환경의 누수 디버깅
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/클로저(Closures).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타임라인 할당 계측(Allocation instrumentation on timeline).md b/10_Wiki/Topics/Programming & Language/타임라인 할당 계측(Allocation instrumentation on timeline).md
index 02c74036..a5aa0192 100644
--- a/10_Wiki/Topics/Programming & Language/타임라인 할당 계측(Allocation instrumentation on timeline).md	
+++ b/10_Wiki/Topics/Programming & Language/타임라인 할당 계측(Allocation instrumentation on timeline).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-733CA6
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타임라인 할당 계측(All
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[메모리 누수(Memory leak)]], [[가비지 컬렉션(Garbage Collection)]], [[힙 스냅샷(Heap snapshot)]], [[스택 트레이스(Stack trace)]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[Microsoft Edge DevTools]], [[Node.js 성능 디버깅]]
+- **Related Topics:** 메모리 누수(Memory leak), 가비지 컬렉션(Garbage Collection), 힙 스냅샷(Heap snapshot), [[스택 트레이스(Stack trace)]]
+- **Projects/Contexts:** [[Chrome DevTools]], Microsoft Edge DevTools, Node.js 성능 디버깅
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/타임라인 할당 계측(Allocation instrumentation on timeline).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 가드 (Type Predicates).md b/10_Wiki/Topics/Programming & Language/타입 가드 (Type Predicates).md
index 56fa09ff..795b612f 100644
--- a/10_Wiki/Topics/Programming & Language/타입 가드 (Type Predicates).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 가드 (Type Predicates).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-328E4F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 가드 (Type Predicates
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Narrowing]], [[Branded Types]], [[Union Types]]
-- **Projects/Contexts:** [[알 수 없는 외부 데이터 검증 (unknown types)]], [[유니언 타입 식별 및 상태 분기 처리]]
+- **Related Topics:** Type Narrowing, Branded Types, [[Union Types]]
+- **Projects/Contexts:** [[알 수 없는 외부 데이터 검증 (unknown types)]], 유니언 타입 식별 및 상태 분기 처리
 - **Contradictions/Notes:** 브랜디드 타입 등의 값을 강제할 때 타입 가드가 `as` 단언에 비해 "종종 더 안전한 방법"으로 소개되기도 하나 [5], 정작 컴파일러가 타입 가드의 내부 구현 로직을 검증해 주지 않기 때문에 본질적으로는 `as` 단언보다 훨씬 더 타입에 안전하다고 볼 수는 없다는 주의 사항이 함께 언급됩니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 가드 (Type Predicates).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 가드(Type Guards).md b/10_Wiki/Topics/Programming & Language/타입 가드(Type Guards).md
index 66561613..9d08597d 100644
--- a/10_Wiki/Topics/Programming & Language/타입 가드(Type Guards).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 가드(Type Guards).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-05AFCC
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 가드(Type Guards)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Narrowing]], [[Type Predicates]], [[Unknown Type]], [[Discriminated Unions]]
-- **Projects/Contexts:** [[API 응답 등 외부의 불확실한 데이터 구조 검증 및 처리]]
+- **Related Topics:** Type Narrowing, Type Predicates, Unknown Type, [[Discriminated Unions]]
+- **Projects/Contexts:** API 응답 등 외부의 불확실한 데이터 구조 검증 및 처리
 - **Contradictions/Notes:** 타입 서술어(Type predicates) 형태의 커스텀 타입 가드는 타입 단언(as assertions)보다 훨씬 타입에 안전한 편은 아니며, TypeScript는 타입 가드 내부의 논리가 해당 브랜드 타입의 의도와 완벽히 일치하는지까지 검증하지 않으므로 전적으로 코드 작성자에게 책임이 위임됩니다 [3].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 가드(Type Guards).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 단언 (Type Assertions).md b/10_Wiki/Topics/Programming & Language/타입 단언 (Type Assertions).md
index af126cbf..1bf9c259 100644
--- a/10_Wiki/Topics/Programming & Language/타입 단언 (Type Assertions).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 단언 (Type Assertions).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FE3FC7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,5 +36,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 단언 (Type Assertions
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 단언 (Type Assertions).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertion).md b/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertion).md
index c233d253..4996ad8e 100644
--- a/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertion).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertion).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-742CFD
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 단언(Type Assertion)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Branded Types]], [[satisfies 연산자]], [[타입 선언(Type Declaration)]], [[잉여 속성 검사(Excess Property Checking)]], [[타입 가드(Type Predicates)]]
-- **Projects/Contexts:** [[외부 데이터 처리 및 DOM 조작]], [[타입 안전성이 요구되는 대규모 애플리케이션]]
+- **Related Topics:** Branded Types, [[satisfies 연산자]], 타입 선언(Type Declaration), 잉여 속성 검사(Excess Property Checking), 타입 가드(Type Predicates)
+- **Projects/Contexts:** 외부 데이터 처리 및 DOM 조작, 타입 안전성이 요구되는 대규모 애플리케이션
 - **Contradictions/Notes:** 소스에서는 `as`를 이용한 타입 단언이 코드를 빠르게 작성하고 컴파일 에러를 넘길 수 있는 편리한 기능임을 인정하면서도, 타입스크립트의 강력한 타입 검증 혜택을 무력화하여 버그를 숨길 수 있으므로(타입 캐스팅에만 의존하지 말 것) 사용을 최소한으로 제한해야 한다고 강력히 경고하고 있습니다 [1, 3, 6, 8].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 단언(Type Assertion).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertions).md b/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertions).md
index 6a8440c6..26eda84c 100644
--- a/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertions).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 단언(Type Assertions).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-113099
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 단언(Type Assertions)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Casting]], [[Satisfies Operator]], [[Branded Types]], [[Non-null Assertion Operator]], [[Type Declaration]]
+- **Related Topics:** [[Type Casting]], [[Satisfies Operator]], Branded Types, Non-null Assertion Operator, [[Type Declaration]]
 - **Projects/Contexts:** [[DOM 요소 조작 및 타입 좁히기]], [[외부 API 데이터의 런타임 검증 후 처리]], [[타입 정의가 부족한 서드파티 라이브러리 연동]]
 - **Contradictions/Notes:** 개발자는 타입 단언을 통해 손쉽게 컴파일 에러를 통과할 수 있지만, 이는 잉여 속성 검사 등을 무력화하여 시스템의 타입 안전성을 크게 훼손할 수 있습니다. 따라서 대부분의 상황에서는 타입 단언을 지양하고 '타입 선언'이나 `satisfies`를 통해 안전한 구조적 타이핑을 유지하는 것이 강하게 권장됩니다 [1, 5-7, 14].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 단언(Type Assertions).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 서술어 (Type Predicates).md b/10_Wiki/Topics/Programming & Language/타입 서술어 (Type Predicates).md
index 7e891ffd..4f4784c2 100644
--- a/10_Wiki/Topics/Programming & Language/타입 서술어 (Type Predicates).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 서술어 (Type Predicates).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E4DAF5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 서술어 (Type Predica
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Type Guards (타입 가드)]], [[Type Narrowing (타입 좁히기)]], [[Branded Types (브랜디드 타입)]], [[Type Assertion Functions (타입 단언 함수)]]
+- **Related Topics:** Type Guards (타입 가드), Type Narrowing (타입 좁히기), Branded Types (브랜디드 타입), Type Assertion Functions (타입 단언 함수)
 - **Projects/Contexts:** 복잡한 유니온 타입 사이에서 특정 타입을 구별해 내거나, 숫자 및 문자열 같은 원시 타입에 제약을 부여한 브랜디드 타입의 런타임 값 유효성을 검증하고 타입스크립트 시스템에 이를 인지시킬 때 활용됩니다 [1-3].
 - **Contradictions/Notes:** 타입 서술어는 컴파일러가 알아서 타입을 안전하게 보장해 줄 것이라는 착각을 일으키기 쉽지만, 실제로는 함수 내부의 구현 로직을 타입스크립트가 검증하지 않으므로 개발자의 실수(잘못된 논리 작성)에 취약하다는 점을 주의해야 합니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 서술어 (Type Predicates).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 서술어(Type Predicates).md b/10_Wiki/Topics/Programming & Language/타입 서술어(Type Predicates).md
index d6686fe0..6a5ab7d1 100644
--- a/10_Wiki/Topics/Programming & Language/타입 서술어(Type Predicates).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 서술어(Type Predicates).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4A5E0E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 서술어(Type Predicat
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[타입 좁히기(Type Narrowing)]], [[타입 가드(Type Guards)]], [[브랜디드 타입(Branded Types)]], [[타입 단언(Type Assertions)]]
-- **Projects/Contexts:** [[타입스크립트 애플리케이션의 런타임 값 검증 및 커스텀 타입 보장 구조 설계]]
+- **Related Topics:** [[타입 좁히기(Type Narrowing)]], [[타입 가드(Type Guards)]], 브랜디드 타입(Branded Types), [[타입 단언(Type Assertions)]]
+- **Projects/Contexts:** 타입스크립트 애플리케이션의 런타임 값 검증 및 커스텀 타입 보장 구조 설계
 - **Contradictions/Notes:** 타입 서술어는 타입을 좁혀주는 훌륭한 도구이지만, 그 자체로 내부 로직의 무결성을 타입스크립트가 검증해 주지 않기 때문에 개발자가 검증 로직을 잘못 작성하면 `as` 단언처럼 타입 시스템에 치명적인 거짓 정보(타입 오류)를 제공할 위험이 있습니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 서술어(Type Predicates).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 안전성 (Type Safety).md b/10_Wiki/Topics/Programming & Language/타입 안전성 (Type Safety).md
index d1806c72..6ce687c5 100644
--- a/10_Wiki/Topics/Programming & Language/타입 안전성 (Type Safety).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 안전성 (Type Safety).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4B2CBD
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 안전성 (Type Safety)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[구조적 타이핑 (Structural Typing)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[과잉 속성 검사 (Excess Property Checking)]], [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability)]]
-- **Projects/Contexts:** [[TypeScript의 컴파일 타임 에러 검증]], [[API 응답 및 데이터 변환 처리]], [[React 컴포넌트 상태 관리]]
+- **Related Topics:** 구조적 타이핑 (Structural Typing), 식별 가능한 유니온 (Discriminated Unions), 과잉 속성 검사 (Excess Property Checking), [[브랜디드 타입 (Branded Types)]], [[불변성 (Immutability)]]
+- **Projects/Contexts:** TypeScript의 컴파일 타임 에러 검증, API 응답 및 데이터 변환 처리, React 컴포넌트 상태 관리
 - **Contradictions/Notes:** 소스에 따르면, 구조적 타이핑은 속성 구조가 일치하면 호환을 허용하는 유연성을 제공하지만, 의도치 않은 추가 속성을 허용할 수 있는 맹점이 존재한다 [19, 26, 27]. 이를 보완하기 위해 TypeScript는 객체 리터럴이 직접 할당될 때 '과잉 속성 검사(Excess Property Checking)'를 수행하지만, 중간 변수를 거칠 경우 이 검사가 무력화되는 한계가 있으며, 이 경우 `satisfies` 연산자가 효과적인 대안이 된다 [4, 24, 28, 29].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 안전성 (Type Safety).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 정의가 부족한 서드파티 라이브러리 연동.md b/10_Wiki/Topics/Programming & Language/타입 정의가 부족한 서드파티 라이브러리 연동.md
index 994057b0..4ebadf17 100644
--- a/10_Wiki/Topics/Programming & Language/타입 정의가 부족한 서드파티 라이브러리 연동.md	
+++ b/10_Wiki/Topics/Programming & Language/타입 정의가 부족한 서드파티 라이브러리 연동.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-471F26
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 정의가 부족한 서
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[선언 파일(.d.ts)]], [[타입 단언(Type Assertions)]], [[any 타입]]
-- **Projects/Contexts:** [[타입스크립트 프로젝트의 외부 자바스크립트 라이브러리 마이그레이션 및 연동]]
+- **Related Topics:** 선언 파일(.d.ts), [[타입 단언(Type Assertions)]], any 타입
+- **Projects/Contexts:** 타입스크립트 프로젝트의 외부 자바스크립트 라이브러리 마이그레이션 및 연동
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (타입 정의가 부족한 서드파티 라이브러리 연동에 관하여 소스들 간의 명시적인 상충 의견은 제공된 자료에 포함되어 있지 않습니다.)
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 정의가 부족한 서드파티 라이브러리 연동.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 조건자(Type Predicates).md b/10_Wiki/Topics/Programming & Language/타입 조건자(Type Predicates).md
index 5b31f344..f46d098d 100644
--- a/10_Wiki/Topics/Programming & Language/타입 조건자(Type Predicates).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 조건자(Type Predicates).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F5B64F
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 조건자(Type Predicat
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[타입 좁히기(Type Narrowing)]], [[브랜디드 타입(Branded Types)]], [[타입 단언(Type Assertions)]], [[타입 가드(Type Guards)]]
-- **Projects/Contexts:** [[TypeScript의 안전한 타입 검증 및 커스텀 타입 가드 설계]]
+- **Related Topics:** [[타입 좁히기(Type Narrowing)]], 브랜디드 타입(Branded Types), [[타입 단언(Type Assertions)]], [[타입 가드(Type Guards)]]
+- **Projects/Contexts:** TypeScript의 안전한 타입 검증 및 커스텀 타입 가드 설계
 - **Contradictions/Notes:** 타입 조건자는 타입을 안전하게 좁히기 위한 유용한 도구로 사용되지만, 실제로는 TypeScript 컴파일러가 내부 로직의 정확성을 검증해주지 않으므로 `as` 단언문(Type Assertion)보다 본질적으로 더 타입-안전(type-safe)하다고 볼 수는 없습니다 [1].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 조건자(Type Predicates).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 좁히기 (Type Narrowing).md b/10_Wiki/Topics/Programming & Language/타입 좁히기 (Type Narrowing).md
index c8a6daeb..b123de71 100644
--- a/10_Wiki/Topics/Programming & Language/타입 좁히기 (Type Narrowing).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 좁히기 (Type Narrowing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4245C8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ TypeScript의 `satisfies` 연산자를 식별 가능한 유니온과 함께 사
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[유니온 타입 (Union Types)]], [[식별 가능한 유니온 (Discriminated Unions)]], [[타입 가드 (Type Guards)]], [[타입 서술어 (Type Predicates)]]
+- **Related Topics:** 유니온 타입 (Union Types), 식별 가능한 유니온 (Discriminated Unions), [[타입 가드 (Type Guards)]], [[타입 서술어 (Type Predicates)]]
 - **Projects/Contexts:** [[제어 흐름 분석 (Control Flow Analysis)]], [[API 응답 및 상태 모델링 (State Modeling and API Responses)]]
 - **Contradictions/Notes:** 타입 서술어(Type Predicates)를 사용하여 타입을 좁힐 때, TypeScript 컴파일러는 함수 내부의 로직이 개발자가 의도한 브랜드 타입이나 좁히기 조건과 실제로 일치하는지까지는 검사하지 않고 전적으로 코드 작성자의 논리에 의존하므로 주의가 필요합니다 [9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 좁히기 (Type Narrowing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 좁히기(Type Narrowing).md b/10_Wiki/Topics/Programming & Language/타입 좁히기(Type Narrowing).md
index f3defd7a..a53ae041 100644
--- a/10_Wiki/Topics/Programming & Language/타입 좁히기(Type Narrowing).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 좁히기(Type Narrowing).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-C17DEE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -27,11 +27,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 좁히기(Type Narrowin
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[타입 가드(Type Guards)]], [[유니온 타입(Union Types)]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[타입 가드(Type Guards)]], [[유니온 타입(Union Types)]]
 - **Projects/Contexts:** [[상태 관리 및 API 응답 모델링(State Management and API Response Modeling)]]
 - **Contradictions/Notes:** 소스 상에서 타입 좁히기 자체에 대한 모순된 주장은 존재하지 않습니다. 다만, 타입 좁히기를 통한 검증 과정을 생략하고 타입 단언(`as`)을 사용하여 강제로 타입을 캐스팅하는 방식은 런타임 타입 안전성을 보장하지 못하며 초과 속성 검사(Excess Property Checking)를 무력화할 수 있어 지양해야 한다는 점이 강조됩니다 [2, 12, 13].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 좁히기(Type Narrowing).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입 캐스팅 (Type Casting).md b/10_Wiki/Topics/Programming & Language/타입 캐스팅 (Type Casting).md
index 9fe6ff0c..a34fedd3 100644
--- a/10_Wiki/Topics/Programming & Language/타입 캐스팅 (Type Casting).md	
+++ b/10_Wiki/Topics/Programming & Language/타입 캐스팅 (Type Casting).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-A91EB7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -30,11 +30,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입 캐스팅 (Type Casting
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[타입 단언 (Type Assertions)]], [[satisfies 연산자 (Satisfies Operator)]], [[브랜디드 타입 (Branded Types)]], [[타입 가드 (Type Guards)]]
+- **Related Topics:** [[타입 단언 (Type Assertions)]], satisfies 연산자 (Satisfies Operator), [[브랜디드 타입 (Branded Types)]], [[타입 가드 (Type Guards)]]
 - **Projects/Contexts:** TypeScript가 타입을 정밀하게 추론하지 못하는 DOM 요소 조작이나 런타임 검증이 완료된 외부 API 응답 처리 맥락 [1, 7], 구조적 타이핑 우회 및 Opaque Type 강제 할당 시스템 설계 시 [4, 5, 8]
 - **Contradictions/Notes:** 타입 캐스팅(`as`)은 강력한 강제성을 지니지만 데이터 유효성을 담보하지는 않습니다. 따라서 잉여 속성을 체크하거나 타입 안정성을 잃지 않으려면 캐스팅을 남용하지 말고 `satisfies` 키워드를 활용해 구조와 값을 동시에 엄격하게 검증하는 편이 낫다는 것이 소스의 주요한 조언입니다 [1, 5, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입 캐스팅 (Type Casting).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타입스크립트 상태 관리 및 분기 처리 설계.md b/10_Wiki/Topics/Programming & Language/타입스크립트 상태 관리 및 분기 처리 설계.md
index 16f9d31f..e3094ec4 100644
--- a/10_Wiki/Topics/Programming & Language/타입스크립트 상태 관리 및 분기 처리 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/타입스크립트 상태 관리 및 분기 처리 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-8F7FE7
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타입스크립트 상태 관
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[타입 좁히기(Type Narrowing)]], [[완전성 검사(Exhaustiveness Checking)]], [[불변성과 Readonly]], [[구조적 타이핑(Structural Typing)]]
-- **Projects/Contexts:** [[React 상태 관리 및 리듀서 패턴 구현]], [[ts-pattern 라이브러리를 활용한 패턴 매칭]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[타입 좁히기(Type Narrowing)]], [[완전성 검사(Exhaustiveness Checking)]], 불변성과 Readonly, [[구조적 타이핑(Structural Typing)]]
+- **Projects/Contexts:** React 상태 관리 및 리듀서 패턴 구현, ts-pattern 라이브러리를 활용한 패턴 매칭
 - **Contradictions/Notes:** 분기 처리를 간결하게 만들기 위해 고안된 `ts-pattern` 라이브러리는 유용하지만, 내부적으로 복잡한 타입 추론과 객체 생성을 수반하므로 기본 `if/else` 구문에 비해 성능이 99%가량 느리다는 벤치마크 결과가 있습니다 [19, 23]. 따라서 무조건적인 라이브러리 의존보다는 기존 분기문과 IIFE를 적절히 활용하는 유연한 접근이 필요하다는 주장이 존재합니다 [20, 22]. 
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타입스크립트 상태 관리 및 분기 처리 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/타파스(Tapas).md b/10_Wiki/Topics/Programming & Language/타파스(Tapas).md
index cef6430f..ddbdeaf0 100644
--- a/10_Wiki/Topics/Programming & Language/타파스(Tapas).md	
+++ b/10_Wiki/Topics/Programming & Language/타파스(Tapas).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-610FD5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 타파스(Tapas)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[넷플릭스 코스모스 플랫폼(Netflix Cosmos Platform)]], [[스트라툼(Stratum)]]
-- **Projects/Contexts:** [[넷플릭스의 미디어 처리 및 인코딩 파이프라인]]
+- **Related Topics:** 넷플릭스 코스모스 플랫폼(Netflix Cosmos Platform), 스트라툼(Stratum)
+- **Projects/Contexts:** 넷플릭스의 미디어 처리 및 인코딩 파이프라인
 - **Contradictions/Notes:** 소스에 타파스와 상반되는 주장이나 모순되는 정보는 포함되어 있지 않습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/타파스(Tapas).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/토스(Toss) Front SDK 퍼사드 패턴 적용.md b/10_Wiki/Topics/Programming & Language/토스(Toss) Front SDK 퍼사드 패턴 적용.md
index e34d819d..71e282fb 100644
--- a/10_Wiki/Topics/Programming & Language/토스(Toss) Front SDK 퍼사드 패턴 적용.md	
+++ b/10_Wiki/Topics/Programming & Language/토스(Toss) Front SDK 퍼사드 패턴 적용.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1CFB9E
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -36,5 +36,5 @@ github_commit: "[P-Reinforce] Continuous Worker - 토스(Toss) Front SDK 퍼사
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/토스(Toss) Front SDK 퍼사드 패턴 적용.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/토스(Toss) SDK 설계.md b/10_Wiki/Topics/Programming & Language/토스(Toss) SDK 설계.md
index 96c8fed1..2c19bbd5 100644
--- a/10_Wiki/Topics/Programming & Language/토스(Toss) SDK 설계.md	
+++ b/10_Wiki/Topics/Programming & Language/토스(Toss) SDK 설계.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-D59267
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -26,11 +26,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 토스(Toss) SDK 설계"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[퍼사드(Facade) 패턴]], [[단일 책임 원칙(SRP)]], [[개발자 경험(DX)]]
-- **Projects/Contexts:** [[Toss Front]], [[토스플레이스]]
+- **Related Topics:** 퍼사드(Facade) 패턴, [[단일 책임 원칙(SRP)]], [[개발자 경험(DX)]]
+- **Projects/Contexts:** Toss Front, 토스플레이스
 - **Contradictions/Notes:** 퍼사드 패턴을 통해 추상화 수준이 높아질수록 사용자에게 편의성을 제공하지만, 세밀한 제어가 제한되고 SDK 내부의 유지 비용 및 복잡도가 증가하는 트레이드오프(Trade-off)가 발생합니다. 소스에서는 이를 해결하기 위해 저수준 인터페이스를 '탈출구(Escape Hatch)'로 함께 제공해야 한다고 설명합니다 [8, 9].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/토스(Toss) SDK 설계.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/토스플레이스 결제 단말기 외부 연동 SDK 개발.md b/10_Wiki/Topics/Programming & Language/토스플레이스 결제 단말기 외부 연동 SDK 개발.md
index b22f1dae..69024117 100644
--- a/10_Wiki/Topics/Programming & Language/토스플레이스 결제 단말기 외부 연동 SDK 개발.md	
+++ b/10_Wiki/Topics/Programming & Language/토스플레이스 결제 단말기 외부 연동 SDK 개발.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-53C817
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -25,11 +25,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 토스플레이스 결제 단
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Facade 패턴]], [[단일 책임 원칙(SRP)]], [[Escape Hatch]]
-- **Projects/Contexts:** [[Toss Front]]
+- **Related Topics:** Facade 패턴, [[단일 책임 원칙(SRP)]], Escape Hatch
+- **Projects/Contexts:** Toss Front
 - **Contradictions/Notes:** 소스에서는 Facade 패턴이 모든 문제의 정답은 아니며, 추상화가 높아질수록 세밀한 제어가 어려워지고 유지 비용이 증가하는 단점이 있다고 지적합니다 [6]. 따라서 Facade의 편리함에만 안주하지 않고, 언제든 저수준 인터페이스로 내려갈 수 있는 탈출구(Escape Hatch)를 제공하여 설계의 균형을 잡는 것이 중요하다고 주장합니다 [6, 7].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/토스플레이스 결제 단말기 외부 연동 SDK 개발.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/팀 단위 코드 품질 및 컨벤션 유지.md b/10_Wiki/Topics/Programming & Language/팀 단위 코드 품질 및 컨벤션 유지.md
index f4ed0b71..141ef0c1 100644
--- a/10_Wiki/Topics/Programming & Language/팀 단위 코드 품질 및 컨벤션 유지.md	
+++ b/10_Wiki/Topics/Programming & Language/팀 단위 코드 품질 및 컨벤션 유지.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-9B19C8
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,10 +34,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 팀 단위 코드 품질 및 
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[ESLint]], [[Prettier]], [[Husky]], [[lint-staged]], [[코드 리뷰(Code Review)]], [[정적 애플리케이션 보안 테스트(SAST)]]
-- **Projects/Contexts:** [[모노레포(Monorepo) 설정 중앙화]], [[CI/CD 파이프라인 자동화]], [[AI 거버넌스 정책(AI Usage Policy)]]
+- **Projects/Contexts:** [[모노레포(Monorepo) 설정 중앙화]], CI/CD 파이프라인 자동화, [[AI 거버넌스 정책(AI Usage Policy)]]
 - **Contradictions/Notes:** 소스에 따르면 ESLint와 Prettier는 함께 사용할 때 포매팅 규칙에서 충돌이 발생할 수 있으며, 이를 해결하기 위해 `eslint-config-prettier`를 사용하여 ESLint의 관련 기능을 끄는 것이 공식 권장 사항입니다 [5, 9]. 또한, 자동화된 코드 리뷰 도구가 매우 빠르고 일관적이지만 비즈니스 로직의 의도나 아키텍처의 문맥을 이해할 수는 없으므로(Context Blindness), 자동화가 수동 리뷰를 완전히 대체해서는 안 되며 상호 보완적으로 사용해야 한다고 강조합니다 [47, 48].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/팀 단위 코드 품질 및 컨벤션 유지.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/포인터 압축(Pointer Compression).md b/10_Wiki/Topics/Programming & Language/포인터 압축(Pointer Compression).md
index a5490a34..bd0b0922 100644
--- a/10_Wiki/Topics/Programming & Language/포인터 압축(Pointer Compression).md	
+++ b/10_Wiki/Topics/Programming & Language/포인터 압축(Pointer Compression).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-E763EA
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 포인터 압축(Pointer Compr
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[V8 Memory Cage]], [[V8 Heap]], [[Garbage Collection (GC)]]
-- **Projects/Contexts:** [[Electron]], [[V8 Engine]], [[Node.js]]
+- **Related Topics:** V8 Memory Cage, V8 Heap, Garbage Collection (GC)
+- **Projects/Contexts:** [[Electron]], [[V8 Engine]], Node.js
 - **Contradictions/Notes:** 포인터 압축은 애플리케이션의 성능 향상 및 메모리 최적화를 제공하지만, 그 대가로 단일 V8 프로세스의 힙 크기를 4GB로 엄격히 제한하는 명확한 트레이드오프(Trade-off)를 갖습니다 [2, 3].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/포인터 압축(Pointer Compression).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/폭주-조절 갈등 (Vergence-Accommodation Conflict).md b/10_Wiki/Topics/Programming & Language/폭주-조절 갈등 (Vergence-Accommodation Conflict).md
index f075271c..2b0eee15 100644
--- a/10_Wiki/Topics/Programming & Language/폭주-조절 갈등 (Vergence-Accommodation Conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/폭주-조절 갈등 (Vergence-Accommodation Conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-6F67B5
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,10 +23,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 폭주-조절 갈등 (Vergence
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[안구 운동 기능 (Oculomotor Functions)]], [[헤드마운트 디스플레이 (HMD)]], [[깊이 지각 (Depth Perception)]]
-- **Projects/Contexts:** [[가상현실 엑서게임 (VR Exergaming)]]
+- **Projects/Contexts:** 가상현실 엑서게임 (VR Exergaming)
 - **Contradictions/Notes:** 소스에 폭주-조절 갈등과 관련된 상반된 정보나 모순점은 나타나지 않습니다.
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/폭주-조절 갈등 (Vergence-Accommodation Conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-Accommodation Conflicts).md b/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-Accommodation Conflicts).md
index 3391f9cf..df421e0e 100644
--- a/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-Accommodation Conflicts).md	
+++ b/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-Accommodation Conflicts).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-254684
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 폭주-조절 불일치(Vergen
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[안구 운동 기능(Oculomotor functions)]], [[가상현실 멀미(VR Sickness)]], [[깊이 지각(Depth perception)]], [[헤드 마운트 디스플레이(HMD)]]
-- **Projects/Contexts:** [[가상현실(VR) 시뮬레이션 및 HMD 사용 환경]]
+- **Related Topics:** [[안구 운동 기능(Oculomotor functions)]], 가상현실 멀미(VR Sickness), [[깊이 지각(Depth perception)]], [[헤드 마운트 디스플레이(HMD)]]
+- **Projects/Contexts:** 가상현실(VR) 시뮬레이션 및 HMD 사용 환경
 - **Contradictions/Notes:** 소스에 따르면 폭주-조절 불일치가 특정 개인에게 VR 멀미를 일으키는 직접적인 원인인지, 아니면 단순히 멀미 증상의 심각성을 가중시키는 역할만 하는 것인지에 대해서는 아직 명확하게 밝혀지지 않았습니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/폭주-조절 불일치(Vergence-Accommodation Conflicts).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-accommodation conflict).md b/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-accommodation conflict).md
index 0f196556..99a8eb58 100644
--- a/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-accommodation conflict).md	
+++ b/10_Wiki/Topics/Programming & Language/폭주-조절 불일치(Vergence-accommodation conflict).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-FC54F0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -23,11 +23,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 폭주-조절 불일치(Vergen
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가상현실 멀미(VR sickness)]], [[헤드 마운트 디스플레이(HMD)]], [[깊이 지각(Depth perception)]], [[안구 운동 기능(Oculomotor functions)]]
-- **Projects/Contexts:** [[비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber: An Investigation of Virtual Reality Aftereffects)]]
+- **Related Topics:** 가상현실 멀미(VR sickness), [[헤드 마운트 디스플레이(HMD)]], [[깊이 지각(Depth perception)]], [[안구 운동 기능(Oculomotor functions)]]
+- **Projects/Contexts:** 비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber: An Investigation of Virtual Reality Aftereffects)
 - **Contradictions/Notes:** 소스에 따르면 폭주-조절 불일치가 개인의 VR 멀미를 유발하는 근본 원인인지, 혹은 단순히 멀미 증상을 더 악화시키는 복합적 요인인지는 불분명한 상태입니다 [1].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/폭주-조절 불일치(Vergence-accommodation conflict).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/프론트엔드 및 모노레포(Monorepo) 개발 환경 설정.md b/10_Wiki/Topics/Programming & Language/프론트엔드 및 모노레포(Monorepo) 개발 환경 설정.md
index 935c1934..851e2faf 100644
--- a/10_Wiki/Topics/Programming & Language/프론트엔드 및 모노레포(Monorepo) 개발 환경 설정.md	
+++ b/10_Wiki/Topics/Programming & Language/프론트엔드 및 모노레포(Monorepo) 개발 환경 설정.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-F3FA69
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -39,10 +39,10 @@ github_commit: "[P-Reinforce] Continuous Worker - 프론트엔드 및 모노레
 
 ## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Turborepo]], [[ESLint]], [[Prettier]], [[Husky]], [[lint-staged]]
-- **Projects/Contexts:** [[Next.js 애플리케이션 및 내부 라이브러리 패키지 관리]]
+- **Projects/Contexts:** Next.js 애플리케이션 및 내부 라이브러리 패키지 관리
 - **Contradictions/Notes:** 모노레포에서 `lint-staged`의 공식 권장 사항은 각 패키지별로 별도의 설정 파일을 두고 가장 가까운 구성 파일이 적용되도록 하는 것이지만 [12, 13], Turborepo를 활용하는 현대적인 접근 방식에서는 루트 오케스트레이션 구성 파일(`eslint.config.mjs`)을 통해 파일 패턴을 각 프리셋에 중앙에서 매핑하는 방식이 더 효율적인 해결책으로 제시됩니다 [9, 10]. 또한, ESLint와 Prettier를 함께 사용할 경우 포맷팅 충돌을 방지하기 위해 반드시 `eslint-config-prettier`를 설정 배열의 마지막에 위치시켜야 합니다 [14].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/프론트엔드 및 모노레포(Monorepo) 개발 환경 설정.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/핀테크의 실시간 사기 탐지.md b/10_Wiki/Topics/Programming & Language/핀테크의 실시간 사기 탐지.md
index ab8da5c7..6a171c24 100644
--- a/10_Wiki/Topics/Programming & Language/핀테크의 실시간 사기 탐지.md	
+++ b/10_Wiki/Topics/Programming & Language/핀테크의 실시간 사기 탐지.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-7428BF
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 핀테크의 실시간 사기
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[실시간 데이터 스트리밍(Real-time Data Streaming)]], [[이벤트 중심 아키텍처(Event-Driven Architecture)]], [[Apache Kafka]], [[AWS Kinesis]]
-- **Projects/Contexts:** [[현대적 데이터 엔지니어링 파이프라인 구축 맥락(Modern Data Engineering)]]
+- **Related Topics:** 실시간 데이터 스트리밍(Real-time Data Streaming), 이벤트 중심 아키텍처(Event-Driven Architecture), Apache Kafka, AWS Kinesis
+- **Projects/Contexts:** 현대적 데이터 엔지니어링 파이프라인 구축 맥락(Modern Data Engineering)
 - **Contradictions/Notes:** 특정 사기 탐지 알고리즘이나 모델의 구체적인 구현 방법에 대해서는 소스에 관련 정보가 부족합니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/핀테크의 실시간 사기 탐지.md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/할당 타임라인(Allocation Timeline).md b/10_Wiki/Topics/Programming & Language/할당 타임라인(Allocation Timeline).md
index 14b4c278..4c7de67e 100644
--- a/10_Wiki/Topics/Programming & Language/할당 타임라인(Allocation Timeline).md	
+++ b/10_Wiki/Topics/Programming & Language/할당 타임라인(Allocation Timeline).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1A08DE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 할당 타임라인(Allocation
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[힙 스냅샷(Heap Snapshot)]], [[가비지 컬렉션(Garbage Collection)]], [[메모리 누수(Memory Leak)]]
-- **Projects/Contexts:** [[Chrome DevTools]], [[Microsoft Edge DevTools]]
+- **Related Topics:** 힙 스냅샷(Heap Snapshot), 가비지 컬렉션(Garbage Collection), 메모리 누수(Memory Leak)
+- **Projects/Contexts:** [[Chrome DevTools]], Microsoft Edge DevTools
 - **Contradictions/Notes:** 소스 간의 모순된 내용은 없으며, Chrome DevTools와 Microsoft Edge DevTools 등 Chromium 기반 브라우저 문서들에서 파란색/회색 막대의 의미와 도구의 작동 방식(50ms 주기의 스냅샷 등)을 모두 동일하게 설명하고 있습니다 [3, 4, 7, 8].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/할당 타임라인(Allocation Timeline).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/힙 메모리(Heap Memory).md b/10_Wiki/Topics/Programming & Language/힙 메모리(Heap Memory).md
index 764fda02..aa31c924 100644
--- a/10_Wiki/Topics/Programming & Language/힙 메모리(Heap Memory).md	
+++ b/10_Wiki/Topics/Programming & Language/힙 메모리(Heap Memory).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-109DBE
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -34,11 +34,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 힙 메모리(Heap Memory)"
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[스택 메모리(Stack Memory)]], [[메모리 누수(Memory Leak)]], [[V8 엔진(V8 Engine)]]
-- **Projects/Contexts:** [[Node.js 메모리 관리(Node.js Memory Management)]], [[크롬 개발자 도구 힙 프로파일링(Chrome DevTools Heap Profiling)]]
+- **Related Topics:** 가비지 컬렉션(Garbage Collection), 스택 메모리(Stack Memory), 메모리 누수(Memory Leak), V8 엔진(V8 Engine)
+- **Projects/Contexts:** Node.js 메모리 관리(Node.js Memory Management), 크롬 개발자 도구 힙 프로파일링(Chrome DevTools Heap Profiling)
 - **Contradictions/Notes:** 소스에 따르면 V8 메모리 케이지(V8 Memory Cage)와 포인터 압축(Pointer Compression) 기술이 활성화된 환경(예: Chrome 103 및 Electron 21 이상)에서는 시스템에 RAM이 풍부한 64비트 플랫폼에서 실행되더라도 V8 힙의 최대 크기가 4GB로 엄격하게 제한된다는 특이점이 있습니다 [24-27].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/힙 메모리(Heap Memory).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Language/힙 스냅샷 (Heap Snapshots).md b/10_Wiki/Topics/Programming & Language/힙 스냅샷 (Heap Snapshots).md
index 3c0f9293..4c2d9c53 100644
--- a/10_Wiki/Topics/Programming & Language/힙 스냅샷 (Heap Snapshots).md	
+++ b/10_Wiki/Topics/Programming & Language/힙 스냅샷 (Heap Snapshots).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-1E11F0
-category: "[[10_Wiki/💡 Topics/Programming & Language]]"
+category: "10_Wiki/💡 Topics/Programming & Language"
 confidence_score: 0.90
 tags: [auto-reinforced]
 last_reinforced: 2026-04-20
@@ -33,11 +33,11 @@ github_commit: "[P-Reinforce] Continuous Worker - 힙 스냅샷 (Heap Snapshots)
 - **정책 변화:** Programming & Language 분야의 자동 자산화 수행.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], [[메모리 누수 (Memory Leaks)]], [[Shallow Size]], [[Retained Size]], [[할당 타임라인 (Allocation Timeline)]]
-- **Projects/Contexts:** [[Chrome DevTools 메모리 패널]], [[V8 자바스크립트 엔진]]
+- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], 메모리 누수 (Memory Leaks), Shallow Size, Retained Size, 할당 타임라인 (Allocation Timeline)
+- **Projects/Contexts:** Chrome DevTools 메모리 패널, V8 자바스크립트 엔진
 - **Contradictions/Notes:** 원시 힙 스냅샷에는 사용자의 애플리케이션 객체뿐만 아니라 `(compiled code)`, `(concatenated string)`, `InternalNode` 등 수천 개의 V8 내부 항목들이 포함되어 있으므로, 생성자 필터를 통해 애플리케이션 객체에 초점을 맞춰야 합니다 [15-19]. 또한 메모리 그래프가 커진다고 해서 모두 누수인 것은 아니며(캐시 보존 등 의도적 보존일 수 있음), 네이티브 코드로 실행되는 getter가 구현된 프로퍼티나 숫자 같은 비문자열 값은 자바스크립트 힙에 저장되지 않아 스냅샷에 캡처되지 않는다는 점을 유의해야 합니다 [15, 20].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/힙 스냅샷 (Heap Snapshots).md]]
+
 ---
diff --git a/10_Wiki/Topics/Programming & Web/ASPNET Core.md b/10_Wiki/Topics/Programming & Web/ASPNET Core.md
index ab399355..2a317a8a 100644
--- a/10_Wiki/Topics/Programming & Web/ASPNET Core.md	
+++ b/10_Wiki/Topics/Programming & Web/ASPNET Core.md	
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-761015
-category: "[[10_Wiki/💡 Topics/Programming & Web]]"
+category: "10_Wiki/💡 Topics/Programming & Web"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Mega Batch 2 - Wikified ASP.NET Core"
 ---
 
-# [[ASP.NET Core]]
+# ASP.NET Core
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > ASP.NET Core는 내장된 의존성 주입(DI) 컨테이너를 제공하여 소프트웨어의 의존성 역전 원칙 구현을 돕는 프레임워크입니다 [1]. 웹 애플리케이션 개발 시 클린 아키텍처를 적용하여 비즈니스 로직을 프레임워크나 데이터베이스로부터 분리된 구조로 개발할 수 있게 해줍니다 [2]. 다만, 주제를 깊이 있게 다루기에는 소스에 관련 정보가 부족합니다.
@@ -22,11 +22,11 @@ github_commit: "[P-Reinforce] Mega Batch 2 - Wikified ASP.NET Core"
 - **정책 변화:** Programming & Web 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Dependency Inversion Principle]], [[Clean Architecture]], [[Dependency Injection]]
-- **Projects/Contexts:** [[Web Applications]]
+- **Related Topics:** Dependency Inversion Principle, Clean Architecture, Dependency Injection
+- **Projects/Contexts:** Web Applications
 - **Contradictions/Notes:** 소스 간의 모순은 없으나, ASP.NET Core라는 루트 주제를 포괄적으로 설명하기에는 제공된 소스에 관련 정보가 부족합니다. 소스에서는 주로 소프트웨어 아키텍처 패턴의 유용한 적용 사례 중 하나로만 짧게 언급하고 있습니다.
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/ASP.NET Core.md]]
+
 ---
diff --git a/10_Wiki/Topics/Psychology & Behavior/Amygdala Hyperactivity.md b/10_Wiki/Topics/Psychology & Behavior/Amygdala Hyperactivity.md
index 181a9f8a..e830bd0f 100644
--- a/10_Wiki/Topics/Psychology & Behavior/Amygdala Hyperactivity.md	
+++ b/10_Wiki/Topics/Psychology & Behavior/Amygdala Hyperactivity.md	
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Amygdala Hyperactivity"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Amygdala Hyperactivity.md]]
+
 ---
diff --git a/10_Wiki/Topics/Psychology & Behavior/Behavioral Segmentation.md b/10_Wiki/Topics/Psychology & Behavior/Behavioral Segmentation.md
index 30611724..e60445f2 100644
--- a/10_Wiki/Topics/Psychology & Behavior/Behavioral Segmentation.md	
+++ b/10_Wiki/Topics/Psychology & Behavior/Behavioral Segmentation.md	
@@ -12,7 +12,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[Dynamic Offers]], [[Real-Time Engine (RTE)]], [[Monetization at the Point of Friction]], [[Staircase Monetization Model]]
-- **Projects/Contexts:** [[Game of War: Fire Age]], [[Machine Zone (MZ)]], [[4X Strategy Monetization]]
+- **Projects/Contexts:** Game of War: Fire Age, Machine Zone (MZ), 4X Strategy Monetization
 - **Contradictions/Notes:** 소스 내용 간의 모순은 발견되지 않았습니다. 행동 세분화는 장기적인 플레이어 분석을 포함하지만, 고과금 유저와 소과금 유저를 가르는 핵심적인 행동 패턴과 세그먼트 분류는 게임 초반 30일 이내에 대부분 굳어진다는 특징을 갖습니다 [1].
 
 ---
diff --git a/10_Wiki/Topics/Psychology & Behavior/FOMO (Fear of Missing Out).md b/10_Wiki/Topics/Psychology & Behavior/FOMO (Fear of Missing Out).md
index b4c8a527..85c89132 100644
--- a/10_Wiki/Topics/Psychology & Behavior/FOMO (Fear of Missing Out).md	
+++ b/10_Wiki/Topics/Psychology & Behavior/FOMO (Fear of Missing Out).md	
@@ -10,8 +10,8 @@ FOMO(Fear of Missing Out, 소외되는 것에 대한 두려움)는 모바일 게
 - **부작용 및 심리적 악영향:** 이러한 FOMO 유발 기법은 유저, 특히 미성년자에게 수면 부족, 불안, 우울증 등 심리적이고 육체적인 악영향을 미칠 수 있으며 강박적인 인터넷 사용과 연관이 있는 것으로 지적됩니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Dark Patterns]], [[Microtransactions]], [[LiveOps]]
-- **Projects/Contexts:** [[Live Service Games]], [[Game of War BM 구조]]
+- **Related Topics:** Dark Patterns, Microtransactions, [[LiveOps]]
+- **Projects/Contexts:** Live Service Games, Game of War BM 구조
 - **Contradictions/Notes:** FOMO와 같은 기법은 모바일 게임 산업(특히 4X 전략 장르)에서 매우 높은 LTV(평생 가치)와 수익을 내는 강력한 비즈니스 모델로 자리 잡았으나, 동시에 "약탈적 수익화(Predatory Monetisation)" 모델로 분류되어 윤리적 비판과 규제 조사의 대상이 되고 있습니다 [1, 10, 11].
 
 ---
diff --git a/10_Wiki/Topics/Psychology & Behavior/소셜 엔지니어링 (Social Engineering).md b/10_Wiki/Topics/Psychology & Behavior/소셜 엔지니어링 (Social Engineering).md
index d6b2b02f..e6cd8ed9 100644
--- a/10_Wiki/Topics/Psychology & Behavior/소셜 엔지니어링 (Social Engineering).md	
+++ b/10_Wiki/Topics/Psychology & Behavior/소셜 엔지니어링 (Social Engineering).md	
@@ -16,7 +16,7 @@
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[봉건적 권력 피라미드 (Feudal Power Pyramid)]], [[얼라이언스 (Alliance)]], [[계단식 수익화 (Staircase Monetization)]], [[실시간 번역 엔진 (Real-Time Engine)]]
-- **Projects/Contexts:** [[Game of War: Fire Age]]
+- **Projects/Contexts:** Game of War: Fire Age
 - **Contradictions/Notes:** 게임 내 소셜 시스템은 겉으로는 플레이어 간의 협동과 이타주의를 장려하는 형식을 취하지만, 실질적으로는 집단 내에서 도태되거나 공격당하지 않기 위해(또는 동맹에 기여하기 위해) 엄청난 금액을 결제하도록 유도하는 심리적 압박 수단으로 철저하게 기능합니다 [3, 8].
 
 ---
diff --git a/10_Wiki/Topics/Psychology & Behavior/악명(Infamy) 시스템.md b/10_Wiki/Topics/Psychology & Behavior/악명(Infamy) 시스템.md
index fe54cad5..f6f195f3 100644
--- a/10_Wiki/Topics/Psychology & Behavior/악명(Infamy) 시스템.md	
+++ b/10_Wiki/Topics/Psychology & Behavior/악명(Infamy) 시스템.md	
@@ -11,8 +11,8 @@
 * **PvP 경제 및 전투 생태계 기여:** 획득한 기어는 기술(Tech), 특수 작전(Spec ops), 자원, 유닛 부품 등을 구매하는 데 사용됩니다 [1]. 이러한 악명 및 기어 경제 시스템은 플레이어가 지속적으로 PvP 전투에 참여하도록 장려하며, 'Arc 2' 단계 진행에 필수적인 고급 재료를 획득하는 가장 주된 수단으로 기능합니다 [1].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[기어 스토어(Gear Store)]], [[리더보드(Leaderboard)]], [[PvP 시스템(Player vs Player)]]
-- **Projects/Contexts:** [[워 커맨더 전투 생태계(War Commander Combat Ecosystem)]]
+- **Related Topics:** 기어 스토어(Gear Store), 리더보드(Leaderboard), PvP 시스템(Player vs Player)
+- **Projects/Contexts:** 워 커맨더 전투 생태계(War Commander Combat Ecosystem)
 - **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았으며, 제공된 자료들은 공통적으로 악명 시스템이 PvP 성과 측정의 기준이자 기어 스토어 보상 획득을 위한 핵심 메커니즘임을 설명하고 있습니다.
 
 ---
diff --git a/10_Wiki/Topics/Psychology & Education/Functional Behavior Analysis (FBA).md b/10_Wiki/Topics/Psychology & Education/Functional Behavior Analysis (FBA).md
index 069a5337..1efcd49f 100644
--- a/10_Wiki/Topics/Psychology & Education/Functional Behavior Analysis (FBA).md	
+++ b/10_Wiki/Topics/Psychology & Education/Functional Behavior Analysis (FBA).md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-044
-category: "[[10_Wiki/💡 Topics/Psychology & Education]]"
+category: "10_Wiki/💡 Topics/Psychology & Education"
 confidence_score: 0.97
 tags: [aba, behavior analysis, education, intervention]
 last_reinforced: 2026-06-XX
@@ -25,7 +25,7 @@ github_commit: "[P-Reinforce] Processed FBA.md"
 - **정책 변화:** 최근에는 인지 이론(Cognitive Theory)의 관점을 통합하여, 행동 변화 과정에서 사용자의 자기 인식 및 메타인지 개입을 포함하는 다차원적 FBA 모델 개발이 중요해지고 있다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Applied Behavior Analysis (ABA)]]
-- Related: [[Behavioral Economics]] , [[Cognitive Psychology]] , [[Functional-Behavior-Analysis]]
-- Raw Source: [[00_Raw/FBA.md]]
+- Parent: Applied Behavior Analysis (ABA)
+- Related: Behavioral Economics , [[Cognitive Psychology]] , Functional-Behavior-Analysis
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Psychology/ABA.md b/10_Wiki/Topics/Psychology/ABA.md
index 9bf286ef..1663db1e 100644
--- a/10_Wiki/Topics/Psychology/ABA.md
+++ b/10_Wiki/Topics/Psychology/ABA.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "initial-reinforce"
 ---
 
-# [[ABA (Applied Behavior Analysis)]]
+# ABA (Applied Behavior Analysis)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 행동의 원인을 환경과의 상호작용에서 찾아내고 이를 체계적으로 수정하여 삶의 질을 높이는 과학적 접근법.
@@ -25,5 +25,5 @@ github_commit: "initial-reinforce"
 
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
-- **Related:** [[Operant-Conditioning]], [[Neurodiversity-Affirming]], [[FBA]]
-- **Raw Source:** [[00_Raw/2026-04-20/ABA(Applied Behavior Analysis).md]]
+- **Related:** Operant-Conditioning, Neurodiversity-Affirming, FBA
+- **Raw Source:** 00_Raw/2026-04-20/ABA(Applied Behavior Analysis).md
diff --git a/10_Wiki/Topics/Psychology/Addiction_Neuroscience.md b/10_Wiki/Topics/Psychology/Addiction_Neuroscience.md
index ac270a9e..a8d5d944 100644
--- a/10_Wiki/Topics/Psychology/Addiction_Neuroscience.md
+++ b/10_Wiki/Topics/Psychology/Addiction_Neuroscience.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-01"
 ---
 
-# [[Addiction Neuroscience]]
+# Addiction Neuroscience
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 보상 중추와 전두엽의 균형 파괴를 통해 행동 통제력을 상실하게 만드는 뇌 회로의 만성적 변화 과정.
@@ -25,5 +25,5 @@ github_commit: "batch-reinforce-01"
 
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
-- **Related:** [[Dopamine]], [[Prefrontal-Cortex]], [[Neuroplasticity]]
-- **Raw Source:** [[00_Raw/2026-04-20/Addiction Neuroscience.md]]
+- **Related:** [[Dopamine]], Prefrontal-Cortex, [[Neuroplasticity]]
+- **Raw Source:** 00_Raw/2026-04-20/Addiction Neuroscience.md
diff --git a/10_Wiki/Topics/Psychology/Behavioral_Economics.md b/10_Wiki/Topics/Psychology/Behavioral_Economics.md
index b2e34750..a9ac52c1 100644
--- a/10_Wiki/Topics/Psychology/Behavioral_Economics.md
+++ b/10_Wiki/Topics/Psychology/Behavioral_Economics.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-04"
 ---
 
-# [[Behavioral Economics in Digital Ecosystems]]
+# Behavioral Economics in Digital Ecosystems
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 인간의 비합리적 선택 패턴을 이해하고, 이를 디지털 환경에서 더 나은(혹은 의도된) 의사결정으로 유도하는 디자인 과학.
@@ -25,5 +25,5 @@ github_commit: "batch-reinforce-04"
 
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
-- **Related:** [[Operant_Conditioning]], [[Nudge-Theory]], [[Dark-Patterns]]
-- **Raw Source:** [[00_Raw/2026-04-20/Behavioral Economics in Digital Ecosystems.md]]
+- **Related:** [[Operant_Conditioning]], Nudge-Theory, Dark-Patterns
+- **Raw Source:** 00_Raw/2026-04-20/Behavioral Economics in Digital Ecosystems.md
diff --git a/10_Wiki/Topics/Psychology/Dopamine.md b/10_Wiki/Topics/Psychology/Dopamine.md
index 19567d9a..e1fbef38 100644
--- a/10_Wiki/Topics/Psychology/Dopamine.md
+++ b/10_Wiki/Topics/Psychology/Dopamine.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-03"
 ---
 
-# [[Dopamine Signaling]]
+# Dopamine Signaling
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 보상 그 자체보다 '보상에 대한 기대'와 '학습의 신호'로서 작동하며 행동의 동기를 부여하는 뇌의 화학적 메신저.
@@ -25,5 +25,5 @@ github_commit: "batch-reinforce-03"
 
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
-- **Related:** [[Addiction_Neuroscience]], [[Reward-System]], [[Neurotransmitter]]
-- **Raw Source:** [[00_Raw/2026-04-20/Dopamine Signaling.md]]
+- **Related:** [[Addiction_Neuroscience]], Reward-System, Neurotransmitter
+- **Raw Source:** 00_Raw/2026-04-20/Dopamine Signaling.md
diff --git a/10_Wiki/Topics/Psychology/Neuroplasticity.md b/10_Wiki/Topics/Psychology/Neuroplasticity.md
index 5df8e85a..e1c8d446 100644
--- a/10_Wiki/Topics/Psychology/Neuroplasticity.md
+++ b/10_Wiki/Topics/Psychology/Neuroplasticity.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-05"
 ---
 
-# [[Neuroplasticity (뇌 가소성)]]
+# Neuroplasticity (뇌 가소성)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 경험과 학습에 반응하여 뇌의 신경망이 끊임없이 재구성되고 최적화되는 '지성의 유연성'에 대한 생물학적 증명.
@@ -25,5 +25,5 @@ github_commit: "batch-reinforce-05"
 
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
-- **Related:** [[Dopamine]], [[Addiction_Neuroscience]], [[Learning-Theory]]
-- **Raw Source:** [[00_Raw/2026-04-20/Epigenetics of Neuroplasticity.md]]
+- **Related:** [[Dopamine]], [[Addiction_Neuroscience]], Learning-Theory
+- **Raw Source:** 00_Raw/2026-04-20/Epigenetics of Neuroplasticity.md
diff --git a/10_Wiki/Topics/Psychology/Nudge_Theory.md b/10_Wiki/Topics/Psychology/Nudge_Theory.md
index 5211b16b..0ad5dfca 100644
--- a/10_Wiki/Topics/Psychology/Nudge_Theory.md
+++ b/10_Wiki/Topics/Psychology/Nudge_Theory.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-05"
 ---
 
-# [[Nudge Theory]]
+# Nudge Theory
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 강요나 금지 없이, 선택의 구조를 미묘하게 설계함으로써 사람들의 행동을 더 나은 방향으로 이끄는 '자유주의적 개입'.
@@ -25,5 +25,5 @@ github_commit: "batch-reinforce-05"
 
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
-- **Related:** [[Behavioral_Economics]], [[Choice-Architecture]], [[Ethical-Design]]
-- **Raw Source:** [[00_Raw/2026-04-20/Nudge Theory.md]]
+- **Related:** [[Behavioral_Economics]], Choice-Architecture, Ethical-Design
+- **Raw Source:** 00_Raw/2026-04-20/Nudge Theory.md
diff --git a/10_Wiki/Topics/Psychology/Operant_Conditioning.md b/10_Wiki/Topics/Psychology/Operant_Conditioning.md
index 92d9cccb..75925f2f 100644
--- a/10_Wiki/Topics/Psychology/Operant_Conditioning.md
+++ b/10_Wiki/Topics/Psychology/Operant_Conditioning.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "batch-reinforce-03"
 ---
 
-# [[Operant Conditioning]]
+# Operant Conditioning
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 행동의 결과가 미래의 행동 빈도를 결정한다는 원리를 통해 생명체의 적응적 행동 변화를 설명하는 고전적 메카니즘.
@@ -26,4 +26,4 @@ github_commit: "batch-reinforce-03"
 ## 🔗 지식 연결 (Graph)
 - **Parent:** [[10_Wiki/💡 Topics/Psychology]]
 - **Related:** [[ABA]], [[Behavioral-Economics]], [[Reinforcement-Learning]]
-- **Raw Source:** [[00_Raw/2026-04-20/Operant Conditioning.md]]
+- **Raw Source:** 00_Raw/2026-04-20/Operant Conditioning.md
diff --git a/10_Wiki/Topics/Security & Reliability/OWASP Top 10.md b/10_Wiki/Topics/Security & Reliability/OWASP Top 10.md
index efe5bfff..39ca4e59 100644
--- a/10_Wiki/Topics/Security & Reliability/OWASP Top 10.md	
+++ b/10_Wiki/Topics/Security & Reliability/OWASP Top 10.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-050
-category: "[[10_Wiki/💡 Topics/Security & Reliability]]"
+category: "10_Wiki/💡 Topics/Security & Reliability"
 confidence_score: 0.99
 tags: [security, owasp, vulnerability, secure coding]
 last_reinforced: 2026-06-XX
@@ -26,6 +26,6 @@ github_commit: "[P-Reinforce] Processed OWASP Top 10."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[DevSecOps]]
-- Related: [[SAST (Static Application Security Testing)]] , [[DAST (동적 애플리케이션 보안 테스트)]] , [[Security by Design]]
-- Raw Source: [[00_Raw/OWASP Top 10.md]]
+- Related: [[SAST (Static Application Security Testing)]] , [[DAST (동적 애플리케이션 보안 테스트)]] , Security by Design
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Skybound/01_Core_Engine/Git_Synchronization_Protocol.md b/10_Wiki/Topics/Skybound/01_Core_Engine/Git_Synchronization_Protocol.md
index 827b0c8f..458d1f43 100644
--- a/10_Wiki/Topics/Skybound/01_Core_Engine/Git_Synchronization_Protocol.md
+++ b/10_Wiki/Topics/Skybound/01_Core_Engine/Git_Synchronization_Protocol.md
@@ -2,7 +2,7 @@
 
 **Category:** Governance / DevOps
 **Status:** Active (v1.0)
-**Related:** [[Skybound-Knowledge-Hub|Knowledge Hub]], [[WIKIFICATION_PROTOCOL|Wikification Protocol]]
+**Related:** [[Skybound-Knowledge-Hub|Knowledge Hub]], WIKIFICATION_PROTOCOL
 
 ---
 
diff --git a/10_Wiki/Topics/Skybound/01_Core_Engine/Skybound-Modular-Game-Architecture.md b/10_Wiki/Topics/Skybound/01_Core_Engine/Skybound-Modular-Game-Architecture.md
index dbea6792..15b7cff8 100644
--- a/10_Wiki/Topics/Skybound/01_Core_Engine/Skybound-Modular-Game-Architecture.md
+++ b/10_Wiki/Topics/Skybound/01_Core_Engine/Skybound-Modular-Game-Architecture.md
@@ -33,4 +33,4 @@ Skybound Protocol은 React와 TypeScript 위에서 동작하는 고도로 모듈
 ## 4. Related
 - [[Stage-Director-and-World-Tension-Scaling]]
 - [[State-Machine-and-Phase-Transition-Events]]
-- [[Combat-System-Core]]
+- Combat-System-Core
diff --git a/10_Wiki/Topics/Skybound/01_Core_Engine/Visual_Feedback_Signal_Pattern.md b/10_Wiki/Topics/Skybound/01_Core_Engine/Visual_Feedback_Signal_Pattern.md
index 53f15702..a03a6fbb 100644
--- a/10_Wiki/Topics/Skybound/01_Core_Engine/Visual_Feedback_Signal_Pattern.md
+++ b/10_Wiki/Topics/Skybound/01_Core_Engine/Visual_Feedback_Signal_Pattern.md
@@ -1,6 +1,6 @@
 # 🎨 Visual Feedback & Signal Pattern (시각적 피드백 및 신호 패턴)
 
-> **카테고리**: [[Skybound]], [[UI-UX]], [[Graphics & Performance]]
+> **카테고리**: Skybound, UI-UX, Graphics & Performance
 > **상태**: 🔵 표준화 완료 (Standardized)
 > **최종 업데이트**: 2026-04-22
 
diff --git a/10_Wiki/Topics/Skybound/02_Combat_AI/Staggered-Firing-Logic-and-Phase-Offset.md b/10_Wiki/Topics/Skybound/02_Combat_AI/Staggered-Firing-Logic-and-Phase-Offset.md
index 8d8457e2..dcabd38e 100644
--- a/10_Wiki/Topics/Skybound/02_Combat_AI/Staggered-Firing-Logic-and-Phase-Offset.md
+++ b/10_Wiki/Topics/Skybound/02_Combat_AI/Staggered-Firing-Logic-and-Phase-Offset.md
@@ -30,4 +30,4 @@ last_reinforced: 2026-04-21
 ## 4. Related
 - [[Boss-AI-Contextual-Decision-Engine]]
 - [[Stage-Director-and-World-Tension-Scaling]]
-- [[Combat-System-Core]]
+- Combat-System-Core
diff --git a/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Combat_Timeline_Difficulty_Scaling.md b/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Combat_Timeline_Difficulty_Scaling.md
index ef66a52e..e4b46db0 100644
--- a/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Combat_Timeline_Difficulty_Scaling.md
+++ b/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Combat_Timeline_Difficulty_Scaling.md
@@ -1,6 +1,6 @@
 # 📈 Combat Timeline & Difficulty Scaling (전투 타임라인 및 난이도 조절 시스템)
 
-> **카테고리**: [[Skybound]], [[Game Design]], [[Software Architecture]]
+> **카테고리**: Skybound, Game Design, Software Architecture
 > **상태**: 🔵 구현 완료 (Implemented)
 > **최종 업데이트**: 2026-04-22
 
diff --git a/10_Wiki/Topics/Skybound/04_Mechanics_Progression/InGame_Progression_System.md b/10_Wiki/Topics/Skybound/04_Mechanics_Progression/InGame_Progression_System.md
index 32fae0a0..6fe2656e 100644
--- a/10_Wiki/Topics/Skybound/04_Mechanics_Progression/InGame_Progression_System.md
+++ b/10_Wiki/Topics/Skybound/04_Mechanics_Progression/InGame_Progression_System.md
@@ -1,6 +1,6 @@
 # 🔄 In-Game Progression & Evolution (인게임 성장 및 진화 시스템)
 
-> **카테고리**: [[Skybound]], [[Game Design]], [[Software Architecture]]
+> **카테고리**: Skybound, Game Design, Software Architecture
 > **상태**: 🔵 구현 완료 (Implemented)
 > **최종 업데이트**: 2026-04-22
 
diff --git a/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Meta_Economy_Growth_Loop.md b/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Meta_Economy_Growth_Loop.md
index 85c878a3..34f949e8 100644
--- a/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Meta_Economy_Growth_Loop.md
+++ b/10_Wiki/Topics/Skybound/04_Mechanics_Progression/Meta_Economy_Growth_Loop.md
@@ -1,6 +1,6 @@
 # 💰 Meta-Economy & Growth Loop (메타 경제 및 성장 루프)
 
-> **카테고리**: [[Skybound]], [[Game Design]], [[Economics & Algorithms]]
+> **카테고리**: Skybound, Game Design, Economics & Algorithms
 > **상태**: 🔵 구현 완료 (Implemented)
 > **최종 업데이트**: 2026-04-22
 
diff --git a/10_Wiki/Topics/Skybound/05_Project_Issues/2026-04-22_Engine_Stability_Audit.md b/10_Wiki/Topics/Skybound/05_Project_Issues/2026-04-22_Engine_Stability_Audit.md
index 8c83a144..a09033ed 100644
--- a/10_Wiki/Topics/Skybound/05_Project_Issues/2026-04-22_Engine_Stability_Audit.md
+++ b/10_Wiki/Topics/Skybound/05_Project_Issues/2026-04-22_Engine_Stability_Audit.md
@@ -1,6 +1,6 @@
 # 🔍 Skybound 엔진 구조 정밀 감사 보고서 (V12.1)
 
-> **카테고리**: [[Skybound]], [[Software Reliability]], [[Governance & Reliability]]
+> **카테고리**: Skybound, Software Reliability, Governance & Reliability
 > **상태**: ✅ 감사 완료 (Audited)
 > **최종 업데이트**: 2026-04-22
 
@@ -35,4 +35,4 @@ Skybound 엔진은 **구조적으로 건강하며, 모든 핵심 파이프라인
 
 ---
 **승인인**: AI 개발부장 코다리 🫡
-**관련 문서**: [[02_Architecture_Principles]], [[Visual_Feedback_Signal_Pattern]]
+**관련 문서**: 02_Architecture_Principles, [[Visual_Feedback_Signal_Pattern]]
diff --git a/10_Wiki/Topics/Skybound/2026년 3월 연구 드롭(March 2026 Research Drop).md b/10_Wiki/Topics/Skybound/2026년 3월 연구 드롭(March 2026 Research Drop).md
index 7a38b9d6..150534aa 100644
--- a/10_Wiki/Topics/Skybound/2026년 3월 연구 드롭(March 2026 Research Drop).md	
+++ b/10_Wiki/Topics/Skybound/2026년 3월 연구 드롭(March 2026 Research Drop).md	
@@ -17,12 +17,12 @@
   - *지원/중 항공제트(Aerojet)*: 항공 유닛으로부터의 피해 -50% [3, 7, 8].
   - *지원/중 저항(Resistor)*: 모든 상태 이상 효과(Status Effects)에 면역 [3, 7, 8].
   - *지원/중 방벽(Bulwark)*: 고정 수치 피해 감소 (Flat Damage Reduction) [3, 7, 8].
-- **전투 메타 및 전술의 진화:** 방어 플랫폼의 세분화 및 전문화로 인해, 공격자가 단일 무기 프로파일(예: 지속 피해 보병 대규모 투입 등)에만 의존할 경우 방어자의 플랫폼 세팅에 따라 화력이 반감될 위험이 커졌습니다 [3, 9]. 이에 따라 공격자는 적의 특정 방어 시스템 구성에 구애받지 않고 안정적인 타격을 입히기 위해, 다수의 피해 유형을 포함한 `[[혼합 소대(Mixed Platoons)]]`를 구성하는 `[[제병 협동(Combined Arms)]]` 전술을 필수로 채택해야만 합니다 [2, 9].
+- **전투 메타 및 전술의 진화:** 방어 플랫폼의 세분화 및 전문화로 인해, 공격자가 단일 무기 프로파일(예: 지속 피해 보병 대규모 투입 등)에만 의존할 경우 방어자의 플랫폼 세팅에 따라 화력이 반감될 위험이 커졌습니다 [3, 9]. 이에 따라 공격자는 적의 특정 방어 시스템 구성에 구애받지 않고 안정적인 타격을 입히기 위해, 다수의 피해 유형을 포함한 `[[혼합 소대(Mixed Platoons)]]`를 구성하는 `제병 협동(Combined Arms)` 전술을 필수로 채택해야만 합니다 [2, 9].
 - **기타 구조물 및 무기 밸런스 조정:** 기지 운영 측면에서 딥 리액터(Deep Reactor)와 퓨전 타워(Fusion Tower)의 최대 전력 한도가 각각 250, 450으로 증가했습니다 [10]. 무기 체계에서도 데드아이(Deadeye)는 광역 범위가 줄어든 대신 피해량이 커졌고, 애시드 레인(Acid Rain)과 워프 랜스(Warp Lance)는 피해를 더욱 안정적이고 예측 가능하게 주기 위해 스플릿 거리 및 공격 패턴이 변경되었습니다 [4, 10].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** `[[방어 플랫폼(Defense Platform)]]`, `[[이리듐(Iridium)]]`, `[[혼합 소대(Mixed Platoons)]]`
-- **Projects/Contexts:** `[[Operation: Western Sun]]`, `[[제병 협동 전술(Combined Arms)]]`
+- **Related Topics:** `방어 플랫폼(Defense Platform)`, `이리듐(Iridium)`, `[[혼합 소대(Mixed Platoons)]]`
+- **Projects/Contexts:** `Operation: Western Sun`, `제병 협동 전술(Combined Arms)`
 - **Contradictions/Notes:** 소스 간의 정보 충돌은 없으며, 모든 자료가 2026년 3월 연구 드롭으로 인해 전투 시스템의 수비적 다각화 및 그에 따른 공격 전술(다기종 혼합 편성)의 변화가 발생했음을 일관되게 보여줍니다.
 
 ---
diff --git a/10_Wiki/Topics/Skybound/2026년 3월 연구 업데이트(March 2026 Research Drop).md b/10_Wiki/Topics/Skybound/2026년 3월 연구 업데이트(March 2026 Research Drop).md
index ed8bb594..f0f55b17 100644
--- a/10_Wiki/Topics/Skybound/2026년 3월 연구 업데이트(March 2026 Research Drop).md	
+++ b/10_Wiki/Topics/Skybound/2026년 3월 연구 업데이트(March 2026 Research Drop).md	
@@ -21,8 +21,8 @@
 *   **기타 주요 기술 업그레이드**: Deep Reactor (최대 전력 250), Fusion Tower (최대 전력 450)를 통해 기지 전력 한도가 증가했습니다 [8]. 또한 Warp Lance (패턴 변경 및 AREA 피해로 전환), Deadeye (스플래시 감소 및 피해량 증가), Acid Rain (분열 거리 변경으로 신뢰성 증가) 등 다수의 무기 체계에 5개의 신규 레벨이 부여되었습니다 [8, 9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], [[이리듐(Iridium)]], [[나이트워치 벙커(Nightwatch Bunker)]], [[메트로노모스 중포탑(Metronomos Heavy Turret)]], [[제병협동 전술(Combined Arms Tactics)]], [[피해 유형(Damage Types)]]
-- **Projects/Contexts:** [[오퍼레이션: 웨스턴 선(Operation: Western Sun)]]
+- **Related Topics:** [[방어 플랫폼(Defense Platforms)]], 이리듐(Iridium), 나이트워치 벙커(Nightwatch Bunker), 메트로노모스 중포탑(Metronomos Heavy Turret), 제병협동 전술(Combined Arms Tactics), [[피해 유형(Damage Types)]]
+- **Projects/Contexts:** 오퍼레이션: 웨스턴 선(Operation: Western Sun)
 - **Contradictions/Notes:** 소스에 따르면 기존 방어 플랫폼의 명칭(예: Airborne Platform -> Support Graviton)과 저항 기능이 완전히 재설계되었기 때문에, 이 업데이트 이후로 단일 속성에 기반한 단순 화력전 전술은 더 이상 유효하지 않게 되었습니다.
 
 ---
diff --git a/10_Wiki/Topics/Skybound/Arc 2 기술 및 2026년 연구 업데이트(March 2026 Research Drop).md b/10_Wiki/Topics/Skybound/Arc 2 기술 및 2026년 연구 업데이트(March 2026 Research Drop).md
index 82ca6296..11a58f30 100644
--- a/10_Wiki/Topics/Skybound/Arc 2 기술 및 2026년 연구 업데이트(March 2026 Research Drop).md	
+++ b/10_Wiki/Topics/Skybound/Arc 2 기술 및 2026년 연구 업데이트(March 2026 Research Drop).md	
@@ -22,7 +22,7 @@ Arc 2 기술 및 2026년 3월 연구 업데이트(March 2026 Research Drop)는 
 
 ## 🔗 Knowledge Connections
 - **Related Topics:** [[방어 기하학 및 구조 설계(Defensive Architecture)]], [[혼합 소대 전술(Mixed Platoon Tactics)]], [[이리듐 및 토륨 경제(Iridium and Thorium Economy)]]
-- **Projects/Contexts:** [[Operation: Western Sun]], [[Sector Breach 이벤트]]
+- **Projects/Contexts:** Operation: Western Sun, [[Sector Breach 이벤트]]
 - **Contradictions/Notes:** 기존 기지 방어 메타가 주로 포탑의 내구도와 화력망 배치에 집중했다면, 2026년 3월 연구 업데이트는 특정 공격 방식(Burst, Sustain, Area 등)을 50% 삭감하는 '맞춤형 저항 플랫폼'을 중심으로 개편되었습니다. 이로 인해 과거처럼 강력한 체력을 지닌 단일 병종 전차 부대로 적진을 밀어버리는 스팀롤(Steamroll) 전술의 효율이 크게 감소하였으며, 공격과 방어 모두 고도로 계산된 상성 조합이 강제됩니다 [3, 4, 17].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/Flak Tank.md b/10_Wiki/Topics/Skybound/Flak Tank.md
index 8d5ab30f..7a04b529 100644
--- a/10_Wiki/Topics/Skybound/Flak Tank.md	
+++ b/10_Wiki/Topics/Skybound/Flak Tank.md	
@@ -9,8 +9,8 @@ Flak Tank는 War Commander의 전투 시스템에서 공중 유닛을 격추하
 - **미끼(Baiting) 전술 취약점 및 대응 방안:** Flak Tank는 적의 AI 추격 논리를 역이용하는 미끼(Baiting) 전술의 주된 표적이 되기도 한다 [5, 9]. 방어자가 해당 유닛의 전투 태세를 'Stand Ground(제자리 사수)'로 설정하지 않으면, 공격자가 투입한 미끼용 항공기를 추격하느라 방어 타워의 지원 범위를 벗어나 밖으로 뛰쳐나가게 된다 [4, 5]. 공격자는 이렇게 방어선 밖으로 유인(Wild Goose Chase)해낸 Flak Tank를 미리 대기시킨 지상 부대나 중장갑 전차로 손쉽게 파괴하는 전술을 구사한다 [4, 5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Baiting]], [[Kondor]], [[Gatling Truck]], [[Drone Silo]], [[Stand Ground]]
-- **Projects/Contexts:** [[War Commander 기지 대공 방어(Anti-Air Defense)]], [[전술적 AI 유인(Tactical Exploitation of AI)]]
+- **Related Topics:** [[Baiting]], Kondor, Gatling Truck, Drone Silo, Stand Ground
+- **Projects/Contexts:** War Commander 기지 대공 방어(Anti-Air Defense), 전술적 AI 유인(Tactical Exploitation of AI)
 - **Contradictions/Notes:** 소스에 관련 정보가 부족하여 Flak Tank에 대해 소스 간에 상충되는 정보나 모순점은 발견되지 않았습니다.
 
 ---
diff --git a/10_Wiki/Topics/Skybound/March 2026 Research Drop.md b/10_Wiki/Topics/Skybound/March 2026 Research Drop.md
index c9661ba4..4de23949 100644
--- a/10_Wiki/Topics/Skybound/March 2026 Research Drop.md	
+++ b/10_Wiki/Topics/Skybound/March 2026 Research Drop.md	
@@ -29,8 +29,8 @@ March 2026 Research Drop은 War Commander의 전투 생태계에 중대한 변
   기지의 최대 전력을 늘려주는 Deep Reactor(최대 전력 250)와 Fusion Tower(최대 전력 450)에 5개의 신규 레벨이 추가되었습니다. 또한 Vickers, Firebrand, Warp Lance(피해 유형이 AREA로 변경됨), Ricochet, Artillery, Deadeye(스플래시 범위가 감소한 대신 데미지 증가), Tungsten, Acid Rain, Chronos 등 광범위한 무기 체계에도 각각 5개의 신규 레벨이 도입되었습니다. [2, 10, 11]
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Iridium]], [[Combined Arms]], [[Metronomos Heavy Turret]], [[Nightwatch Bunker]], [[Platform Resistance]]
-- **Projects/Contexts:** [[Operation: Western Sun]], [[Descendants Sector Control]]
+- **Related Topics:** Iridium, Combined Arms, Metronomos Heavy Turret, Nightwatch Bunker, Platform Resistance
+- **Projects/Contexts:** Operation: Western Sun, Descendants Sector Control
 - **Contradictions/Notes:** 업데이트된 플랫폼들이 특정 무기 피해를 무려 50%나 감소시키기 때문에, 단일 공격 속성에만 의존하는 기존의 부대 편성은 더 이상 통용되지 않으며 다변화된 공격 전술이 필연적으로 요구됩니다.
 
 ---
diff --git a/10_Wiki/Topics/Skybound/March 2026 연구 업데이트(March 2026 Research Drop).md b/10_Wiki/Topics/Skybound/March 2026 연구 업데이트(March 2026 Research Drop).md
index 9dd4ec42..25d82b8d 100644
--- a/10_Wiki/Topics/Skybound/March 2026 연구 업데이트(March 2026 Research Drop).md	
+++ b/10_Wiki/Topics/Skybound/March 2026 연구 업데이트(March 2026 Research Drop).md	
@@ -20,8 +20,8 @@ March 2026 연구 업데이트(March 2026 Research Drop)는 디센던트(Descend
     *   **무기 체계 변경:** Warp Lance는 데미지 예측을 용이하게 하기 위해 패턴이 변경되고 피해 유형이 AREA로 바뀌었습니다 [2]. Deadeye는 스플래시 크기를 줄이는 대신 더 큰 피해를 주도록 보완되었으며, Acid Rain은 스플릿 거리(split distance)를 변경하여 더 신뢰할 수 있는 데미지를 주고, Ricochet 역시 데미지를 강화하는 방향으로 패턴이 조정되었습니다 [9].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Iridium]], [[Platform Resistance]], [[Combined Arms]], [[Electronic Warfare]]
-- **Projects/Contexts:** [[Operation: Western Sun]]
+- **Related Topics:** Iridium, Platform Resistance, Combined Arms, Electronic Warfare
+- **Projects/Contexts:** Operation: Western Sun
 - **Contradictions/Notes:** 소스 상의 모순점은 없으나, 이 업데이트의 전략적 의도는 명확합니다. 수비자가 특정 피해 유형(예: 지속 피해)에 대한 저항 플랫폼을 갖출 경우 공격자의 효율이 반감되므로, 공격자는 전투 생태계에서 단일 유닛의 "스팸(Spam)" 전술을 버리고 혼합 소대(Mixed Platoons)를 구성하여 공격해야만 성공할 수 있도록 메타를 혁신했습니다 [5].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/Operation- Western Sun.md b/10_Wiki/Topics/Skybound/Operation- Western Sun.md
index dfa7c913..729171a1 100644
--- a/10_Wiki/Topics/Skybound/Operation- Western Sun.md	
+++ b/10_Wiki/Topics/Skybound/Operation- Western Sun.md	
@@ -1,4 +1,4 @@
-# [[Operation: Western Sun]]
+# Operation: Western Sun
 
 ## 📌 Brief Summary
 Operation: Western Sun은 War Commander 게임 내에서 진행되는 주요 이벤트 작전으로, 전용 이벤트 상점을 통해 플레이어에게 최신 방어 기술을 제공합니다 [1, 2]. 이 이벤트에서는 Incursion 및 Tactical 기지와의 치열한 전투가 이루어지며, 유닛 소모를 줄이는 '무료 수리(Free Repair)' 전술이 핵심적으로 사용됩니다 [3, 4]. 결과적으로 전투 시스템 내 기지 방어 전략과 부대 유지 비용 관리의 효율성을 시험하고 극대화하는 중요한 역할을 합니다.
@@ -14,8 +14,8 @@ Operation: Western Sun은 War Commander 게임 내에서 진행되는 주요 이
   - 이러한 전문화된 부대 조합 전술은 TacOps 부스트를 통한 "즉각적인 수리(Instant repair)"와 병행되어, 사령관이 짧은 시간 안에 플래툰을 여러 번 공격에 투입하고 이벤트 상점이 닫히기 전 경험치(XP) 획득을 극대화할 수 있도록 지원합니다 [3].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Metronomos Heavy Turret]], [[Nightwatch Bunker]], [[Free Repair Tactics]]
-- **Projects/Contexts:** [[March 2026 Research Drop]], [[War Commander Event Operations]]
+- **Related Topics:** Metronomos Heavy Turret, Nightwatch Bunker, Free Repair Tactics
+- **Projects/Contexts:** [[March 2026 Research Drop]], War Commander Event Operations
 - **Contradictions/Notes:** Operation: Western Sun 작전의 구체적인 시작 및 종료 일정이나 전체 보상 목록 등의 세부적인 이벤트 진행 정보는 소스에 관련 정보가 부족합니다.
 
 ---
diff --git a/10_Wiki/Topics/Skybound/Sector Breach August 2025.md b/10_Wiki/Topics/Skybound/Sector Breach August 2025.md
index 3756f777..1abcd60a 100644
--- a/10_Wiki/Topics/Skybound/Sector Breach August 2025.md	
+++ b/10_Wiki/Topics/Skybound/Sector Breach August 2025.md	
@@ -14,8 +14,8 @@
   Sector Breach 상점에서는 획득한 XP를 소모하여 전설급 중장갑 차량 'Legendary Scorcher'를 획득할 수 있습니다 [4]. 이 유닛은 마그마 박격포를 부채꼴 형태로 발사하여 스플래시 피해를 주는 것이 특징이며, 레벨 10 달성 시 획득하는 'Armor Up!' 특성을 통해 최초 피해를 입은 후 5초간 받는 데미지를 50% 감소시키고 화염, 네이팜, 부식 상태 이상에 면역 효과를 얻게 되어 방어 건물이 밀집된 기지를 돌파하는 데 효과적입니다 [6, 8]. 또한, 상점에서는 이를 보조하기 위한 기술 부품으로 Burst 피해를 20% 줄여주는 방어 장갑 'Clinker Armor', 이동 속도를 30% 높여주는 휠 'Burning Rubber', 스플래시 범위를 70으로 넓혀주는 탄창 'Eruption Rounds'를 제공합니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Rogue Player Bases]], [[Legendary Scorcher]], [[Sector Breach XP]], [[Free Repair Strategy]]
-- **Projects/Contexts:** [[Sector Breach Events]], [[Elite Event Operations]]
+- **Related Topics:** Rogue Player Bases, Legendary Scorcher, Sector Breach XP, Free Repair Strategy
+- **Projects/Contexts:** Sector Breach Events, Elite Event Operations
 - **Contradictions/Notes:** 소스 간의 상충되는 정보는 발견되지 않았으나, 본 이벤트는 시스템적으로는 NPC 기지를 상대로 하는 PvE이지만, 실제 플레이어 기지의 레이아웃을 복제한 대상을 공략한다는 점에서 실질적인 PvP 전투의 훈련 및 연장선(PVE-as-PVP structure)으로 작동한다는 점이 전투 시스템상 중요한 특징입니다 [2, 3].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/Sector Breach 이벤트.md b/10_Wiki/Topics/Skybound/Sector Breach 이벤트.md
index 1bba8871..56331f12 100644
--- a/10_Wiki/Topics/Skybound/Sector Breach 이벤트.md	
+++ b/10_Wiki/Topics/Skybound/Sector Breach 이벤트.md	
@@ -10,8 +10,8 @@ Sector Breach 이벤트는 Sarkis 복제 기술로 생성된 인공지능 통제
 * **전술적 접근(Free Repair Strategy)**: 이 고난이도 이벤트에서 XP 획득을 극대화하려면 '무료 수리(Free Repair)' 전술이 핵심입니다 [5]. Incursion 기지에는 Frostpiercer와 Simo 조합을, Tactical Strike 기지에는 Madjai와 Nomads 조합을 투입하는 등 기지 특성에 맞춘 병력 조합을 통해 부대 손실 비용을 최소화해야 합니다 [5]. 또한 'TacOps 부스트'를 활용한 즉시 수리로 소대(Platoon)를 단시간에 여러 번 순환 투입하여 상점이 닫히기 전까지 XP를 최대한 파밍하는 것이 중요합니다 [5].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Rogue Player Bases]], [[Free Repair Strategy]], [[Assault Platoons]], [[Sector Breach XP]]
-- **Projects/Contexts:** [[Sarkis Cloning Technology]], [[Sector Breach Store]]
+- **Related Topics:** Rogue Player Bases, Free Repair Strategy, Assault Platoons, Sector Breach XP
+- **Projects/Contexts:** Sarkis Cloning Technology, Sector Breach Store
 - **Contradictions/Notes:** 이 이벤트는 시스템상으로는 AI와 전투를 벌이는 PvE 콘텐츠이지만, 대상이 실제 유저들의 기지 배치를 그대로 복제한 것이기 때문에 실질적으로는 PvP와 동일한 수준의 전술적 파훼법이 요구된다는 독특한 성격을 지닙니다 [3].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/Skybound-Knowledge-Hub.md b/10_Wiki/Topics/Skybound/Skybound-Knowledge-Hub.md
index 14564a47..ca016cf9 100644
--- a/10_Wiki/Topics/Skybound/Skybound-Knowledge-Hub.md
+++ b/10_Wiki/Topics/Skybound/Skybound-Knowledge-Hub.md
@@ -22,7 +22,7 @@ Skybound 프로젝트의 모든 시스템은 유기적으로 연결되어 있습
 - **Physics**: [[02_Combat_AI/Combat-System-and-Bullet-Interaction-Pipeline|Bullet Collision Pipeline]]
 - **Timeline**: [[03_Boss_Systems/Boss_Encounter_and_Timeline_Design|Boss Encounter & Timeline Design]]
 - **Rhythm**: [[02_Combat_AI/Staggered-Firing-Logic-and-Phase-Offset|Staggered Firing & Offset]]
-- **Implementation**: [[10_Wiki/Technical_Reports/2026-04-22_Boss_Battle_System_Implementation|V13.0 Boss Battle System Implementation]]
+- **Implementation**: 10_Wiki/Technical_Reports/2026-04-22_Boss_Battle_System_Implementation
 
 ## 🏷️ Keyword Cluster: #Dopamine_UX (피드백 및 텐션)
 유저가 느끼는 '재미'의 수치화 및 연출 기법입니다.
@@ -50,3 +50,61 @@ Skybound 프로젝트의 모든 시스템은 유기적으로 연결되어 있습
 ---
 **Root Policy**: Ps-Reinforce v2.0
 **Project Status**: Knowledge Ingestion Complete (Batch 12.1-A)
+
+## 🏷️ Keyword Cluster: #Project_Logs (최근 개발 로그)
+- [[Frontend_Mastery/2026-04-24-Skybound_Code_Structure_Audit_and_Stabilization_Plan|2026-04-24-Skybound_Code_Structure_Audit_and_Stabilization_Plan]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Final_Stylized_Casual_Magitech_Redirection|2026-04-24-Skybound_Final_Stylized_Casual_Magitech_Redirection]]
+- [[Frontend_Mastery/2026-04-24-Skybound_HUD_and_TAC_LevelUp_Stylized_Casual_Magitech_Fix|2026-04-24-Skybound_HUD_and_TAC_LevelUp_Stylized_Casual_Magitech_Fix]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Nova_Burst_Icon_and_Effect_Fix|2026-04-24-Skybound_Nova_Burst_Icon_and_Effect_Fix]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Particle_and_Supply_Readability_Fix|2026-04-24-Skybound_Particle_and_Supply_Readability_Fix]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Semirealistic_Magitech_Fantasy_Redirection|2026-04-24-Skybound_Semirealistic_Magitech_Fantasy_Redirection]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Stylized_Casual_Magitech_Art_Pack|2026-04-24-Skybound_Stylized_Casual_Magitech_Art_Pack]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Stylized_Casual_Magitech_Ingame_Asset_Fix|2026-04-24-Skybound_Stylized_Casual_Magitech_Ingame_Asset_Fix]]
+- [[Frontend_Mastery/2026-04-24-Skybound_Survivor_Like_Balance_Curve_Pass|2026-04-24-Skybound_Survivor_Like_Balance_Curve_Pass]]
+- [[Frontend_Mastery/2026-04-25-Skybound_Core_Gameplay_Rebalance_and_Purpose_Reset|2026-04-25-Skybound_Core_Gameplay_Rebalance_and_Purpose_Reset]]
+- [[Frontend_Mastery/2026-04-25-Skybound_Player_Airframe_and_8Stage_Boss_Continuity_Rework|2026-04-25-Skybound_Player_Airframe_and_8Stage_Boss_Continuity_Rework]]
+- [[Frontend_Mastery/2026-04-25-Skybound_Skill_Concept_and_Hangar_Layout_Overlap_Fix|2026-04-25-Skybound_Skill_Concept_and_Hangar_Layout_Overlap_Fix]]
+- [[Frontend_Mastery/2026-04-25-Skybound_TacExp_DirectKill_and_UI_Productization_Pass|2026-04-25-Skybound_TacExp_DirectKill_and_UI_Productization_Pass]]
+- [[Frontend_Mastery/2026-04-25-Skybound_Vampire_Survivors_Loop_and_Stage_Curve_Preparation|2026-04-25-Skybound_Vampire_Survivors_Loop_and_Stage_Curve_Preparation]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Enemy_Motion_Damage_Pressure_and_Projectile_Visual_Pass|2026-04-26-Skybound_Enemy_Motion_Damage_Pressure_and_Projectile_Visual_Pass]]
+- [[Frontend_Mastery/2026-04-26-Skybound_HP_Scarcity_and_Module_Cache_Rewards|2026-04-26-Skybound_HP_Scarcity_and_Module_Cache_Rewards]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Invasion_Response_Stage_Difficulty_Curve|2026-04-26-Skybound_Invasion_Response_Stage_Difficulty_Curve]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Low_Level_First_Upgrade_Offer_Balance|2026-04-26-Skybound_Low_Level_First_Upgrade_Offer_Balance]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Miniboss_Treasure_Cache_Reward_Loop|2026-04-26-Skybound_Miniboss_Treasure_Cache_Reward_Loop]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Player_Sprite_Path_Warning_Fix|2026-04-26-Skybound_Player_Sprite_Path_Warning_Fix]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Reward_Card_Clarity_and_Command_Cache_UI|2026-04-26-Skybound_Reward_Card_Clarity_and_Command_Cache_UI]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Skill_Slot_Limit_Weapon5_Passive5|2026-04-26-Skybound_Skill_Slot_Limit_Weapon5_Passive5]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Skip_Upgrade_and_Weapon_Transform_Reconfiguration|2026-04-26-Skybound_Skip_Upgrade_and_Weapon_Transform_Reconfiguration]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Stage1_to_3_Playtest_Balance_Bomb_and_Visual_Diversity_Pass|2026-04-26-Skybound_Stage1_to_3_Playtest_Balance_Bomb_and_Visual_Diversity_Pass]]
+- [[Frontend_Mastery/2026-04-26-Skybound_Stage_Miniboss_Pattern_Differentiation|2026-04-26-Skybound_Stage_Miniboss_Pattern_Differentiation]]
+- [[Skybound/05_Project_Issues/2026-04-21-Engine-Stability-and-Optimization|2026-04-21-Engine-Stability-and-Optimization]]
+- [[Skybound/05_Project_Issues/2026-04-21-Implementation-and-Architecture-Report|2026-04-21-Implementation-and-Architecture-Report]]
+- [[Skybound/05_Project_Issues/2026-04-21-Project-Report-V11.5-Combat-and-UI-Recovery|2026-04-21-Project-Report-V11.5-Combat-and-UI-Recovery]]
+- [[Skybound/05_Project_Issues/2026-04-21-UX-Dopamine-Feedback-Upgrade|2026-04-21-UX-Dopamine-Feedback-Upgrade]]
+- [[Skybound/05_Project_Issues/2026-04-22_Engine_Logic_Optimization_Report|2026-04-22_Engine_Logic_Optimization_Report]]
+- [[Skybound/05_Project_Issues/2026-04-22_Engine_Stability_Audit|2026-04-22_Engine_Stability_Audit]]
+- [[Skybound/2026-04-24-Skybound_Code_Structure_Audit_and_Stabilization_Plan|2026-04-24-Skybound_Code_Structure_Audit_and_Stabilization_Plan]]
+- [[Skybound/2026-04-24-Skybound_Final_Stylized_Casual_Magitech_Redirection|2026-04-24-Skybound_Final_Stylized_Casual_Magitech_Redirection]]
+- [[Skybound/2026-04-24-Skybound_HUD_and_TAC_LevelUp_Stylized_Casual_Magitech_Fix|2026-04-24-Skybound_HUD_and_TAC_LevelUp_Stylized_Casual_Magitech_Fix]]
+- [[Skybound/2026-04-24-Skybound_Nova_Burst_Icon_and_Effect_Fix|2026-04-24-Skybound_Nova_Burst_Icon_and_Effect_Fix]]
+- [[Skybound/2026-04-24-Skybound_Particle_and_Supply_Readability_Fix|2026-04-24-Skybound_Particle_and_Supply_Readability_Fix]]
+- [[Skybound/2026-04-24-Skybound_Semirealistic_Magitech_Fantasy_Redirection|2026-04-24-Skybound_Semirealistic_Magitech_Fantasy_Redirection]]
+- [[Skybound/2026-04-24-Skybound_Stylized_Casual_Magitech_Art_Pack|2026-04-24-Skybound_Stylized_Casual_Magitech_Art_Pack]]
+- [[Skybound/2026-04-24-Skybound_Stylized_Casual_Magitech_Ingame_Asset_Fix|2026-04-24-Skybound_Stylized_Casual_Magitech_Ingame_Asset_Fix]]
+- [[Skybound/2026-04-24-Skybound_Survivor_Like_Balance_Curve_Pass|2026-04-24-Skybound_Survivor_Like_Balance_Curve_Pass]]
+- [[Skybound/2026-04-25-Skybound_Core_Gameplay_Rebalance_and_Purpose_Reset|2026-04-25-Skybound_Core_Gameplay_Rebalance_and_Purpose_Reset]]
+- [[Skybound/2026-04-25-Skybound_Player_Airframe_and_8Stage_Boss_Continuity_Rework|2026-04-25-Skybound_Player_Airframe_and_8Stage_Boss_Continuity_Rework]]
+- [[Skybound/2026-04-25-Skybound_Skill_Concept_and_Hangar_Layout_Overlap_Fix|2026-04-25-Skybound_Skill_Concept_and_Hangar_Layout_Overlap_Fix]]
+- [[Skybound/2026-04-25-Skybound_TacExp_DirectKill_and_UI_Productization_Pass|2026-04-25-Skybound_TacExp_DirectKill_and_UI_Productization_Pass]]
+- [[Skybound/2026-04-25-Skybound_Vampire_Survivors_Loop_and_Stage_Curve_Preparation|2026-04-25-Skybound_Vampire_Survivors_Loop_and_Stage_Curve_Preparation]]
+- [[Skybound/2026-04-26-Skybound_Enemy_Motion_Damage_Pressure_and_Projectile_Visual_Pass|2026-04-26-Skybound_Enemy_Motion_Damage_Pressure_and_Projectile_Visual_Pass]]
+- [[Skybound/2026-04-26-Skybound_HP_Scarcity_and_Module_Cache_Rewards|2026-04-26-Skybound_HP_Scarcity_and_Module_Cache_Rewards]]
+- [[Skybound/2026-04-26-Skybound_Invasion_Response_Stage_Difficulty_Curve|2026-04-26-Skybound_Invasion_Response_Stage_Difficulty_Curve]]
+- [[Skybound/2026-04-26-Skybound_Low_Level_First_Upgrade_Offer_Balance|2026-04-26-Skybound_Low_Level_First_Upgrade_Offer_Balance]]
+- [[Skybound/2026-04-26-Skybound_Miniboss_Treasure_Cache_Reward_Loop|2026-04-26-Skybound_Miniboss_Treasure_Cache_Reward_Loop]]
+- [[Skybound/2026-04-26-Skybound_Player_Sprite_Path_Warning_Fix|2026-04-26-Skybound_Player_Sprite_Path_Warning_Fix]]
+- [[Skybound/2026-04-26-Skybound_Reward_Card_Clarity_and_Command_Cache_UI|2026-04-26-Skybound_Reward_Card_Clarity_and_Command_Cache_UI]]
+- [[Skybound/2026-04-26-Skybound_Skill_Slot_Limit_Weapon5_Passive5|2026-04-26-Skybound_Skill_Slot_Limit_Weapon5_Passive5]]
+- [[Skybound/2026-04-26-Skybound_Skip_Upgrade_and_Weapon_Transform_Reconfiguration|2026-04-26-Skybound_Skip_Upgrade_and_Weapon_Transform_Reconfiguration]]
+- [[Skybound/2026-04-26-Skybound_Stage1_to_3_Playtest_Balance_Bomb_and_Visual_Diversity_Pass|2026-04-26-Skybound_Stage1_to_3_Playtest_Balance_Bomb_and_Visual_Diversity_Pass]]
+- [[Skybound/2026-04-26-Skybound_Stage_Miniboss_Pattern_Differentiation|2026-04-26-Skybound_Stage_Miniboss_Pattern_Differentiation]]
diff --git a/10_Wiki/Topics/Skybound/Skybound_Asset_Generation_Roadmap.md b/10_Wiki/Topics/Skybound/Skybound_Asset_Generation_Roadmap.md
index c30e317d..0d5c163a 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Asset_Generation_Roadmap.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Asset_Generation_Roadmap.md
@@ -21,5 +21,5 @@
 - `skills.ts` 및 `useGameAssets.ts` 메타데이터 업데이트.
 
 ## 5. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 비주얼 아이덴티티 확장.
-- [[Design & Experience]]: 시각적 직관성 확보를 위한 에셋 설계.
+- Skybound: 비주얼 아이덴티티 확장.
+- Design & Experience: 시각적 직관성 확보를 위한 에셋 설계.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Asset_Purity_Sync.md b/10_Wiki/Topics/Skybound/Skybound_Asset_Purity_Sync.md
index e38512a9..d7c8e202 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Asset_Purity_Sync.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Asset_Purity_Sync.md
@@ -21,6 +21,6 @@
 - **System Integrity**: 에셋의 상태(Transparent vs Solid)에 따라 처리 파이프라인을 분기함으로써 시스템의 유연성과 전문성을 강화함.
 
 ## 5. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 프로젝트 전체 에셋 관리 표준 수립.
-- [[Graphics & Performance]]: 불필요한 이미지 프로세싱 오버헤드 제거.
-- [[Design & Experience]]: 픽셀 퍼펙트한 실루엣을 통한 게임 몰입감 증대.
+- Skybound: 프로젝트 전체 에셋 관리 표준 수립.
+- Graphics & Performance: 불필요한 이미지 프로세싱 오버헤드 제거.
+- Design & Experience: 픽셀 퍼펙트한 실루엣을 통한 게임 몰입감 증대.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Defensive_Architecture_Reboot.md b/10_Wiki/Topics/Skybound/Skybound_Defensive_Architecture_Reboot.md
index 415191f4..5c8f341e 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Defensive_Architecture_Reboot.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Defensive_Architecture_Reboot.md
@@ -19,6 +19,6 @@
 - **Fail-Fast Principle**: 불완전한 초기 상태를 방지하기 위해 `createDefaultState`를 강화하여 런타임 안정성을 확보.
 
 ## 4. 연관성 (Linked Topics)
-- [[Skybound]]: 엔진 아키텍처 고도화.
-- [[Design & Experience]]: 시스템 안정성을 통한 유저 경험 보장.
-- [[Graphics & Performance]]: 리소스 참조 무결성 확보.
+- Skybound: 엔진 아키텍처 고도화.
+- Design & Experience: 시스템 안정성을 통한 유저 경험 보장.
+- Graphics & Performance: 리소스 참조 무결성 확보.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Enemy_Orientation_Fix.md b/10_Wiki/Topics/Skybound/Skybound_Enemy_Orientation_Fix.md
index 9cb001ad..d8da64d0 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Enemy_Orientation_Fix.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Enemy_Orientation_Fix.md
@@ -17,5 +17,5 @@
 - 시각적 직관성 및 전투 몰입도 향상.
 
 ## 4. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 엔진 렌더링 무결성 확보.
-- [[Graphics & Performance]]: 스프라이트 회전 행렬 최적화.
+- Skybound: 엔진 렌더링 무결성 확보.
+- Graphics & Performance: 스프라이트 회전 행렬 최적화.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Firepower_Overclock_v1.5.md b/10_Wiki/Topics/Skybound/Skybound_Firepower_Overclock_v1.5.md
index 0fe26e0d..73cfde45 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Firepower_Overclock_v1.5.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Firepower_Overclock_v1.5.md
@@ -19,5 +19,5 @@
 - **Skills**: All base damages defined in logic are now multiplied by 1.5 starting point.
 
 ## 4. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 전투 밸런스 튜닝.
-- [[Design & Experience]]: 압도적인 화력을 통한 사용자 만족도 증대.
+- Skybound: 전투 밸런스 튜닝.
+- Design & Experience: 압도적인 화력을 통한 사용자 만족도 증대.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Skill_Asset_Integration.md b/10_Wiki/Topics/Skybound/Skybound_Skill_Asset_Integration.md
index 78942764..10f58d40 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Skill_Asset_Integration.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Skill_Asset_Integration.md
@@ -21,5 +21,5 @@
 - 보스 파괴 시 발생하는 Physical Debris System에 대한 에셋 준비.
 
 ## 4. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 비주얼 아이덴티티 완성.
-- [[Graphics & Performance]]: 60FPS 스프라이트 렌더링 최적화.
+- Skybound: 비주얼 아이덴티티 완성.
+- Graphics & Performance: 60FPS 스프라이트 렌더링 최적화.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Skill_Image_Integration.md b/10_Wiki/Topics/Skybound/Skybound_Skill_Image_Integration.md
index 7710cdaf..214b8247 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Skill_Image_Integration.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Skill_Image_Integration.md
@@ -24,6 +24,6 @@
 - **Technical Scalability**: 향후 모든 스킬 아이콘을 이미지로 교체할 수 있는 확장 가능한 UI 구조를 구축함.
 
 ## 5. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 메카닉 비주얼 아이덴티티 수립.
-- [[Design & Experience]]: 고품질 에셋을 통한 유저 리텐션 강화.
-- [[Graphics & Performance]]: 스프라이트 기반 렌더링 파이프라인 정립.
+- Skybound: 메카닉 비주얼 아이덴티티 수립.
+- Design & Experience: 고품질 에셋을 통한 유저 리텐션 강화.
+- Graphics & Performance: 스프라이트 기반 렌더링 파이프라인 정립.
diff --git a/10_Wiki/Topics/Skybound/Skybound_Weapon_Behavior_Engine_Migration.md b/10_Wiki/Topics/Skybound/Skybound_Weapon_Behavior_Engine_Migration.md
index 8212a3a2..7ba81224 100644
--- a/10_Wiki/Topics/Skybound/Skybound_Weapon_Behavior_Engine_Migration.md
+++ b/10_Wiki/Topics/Skybound/Skybound_Weapon_Behavior_Engine_Migration.md
@@ -18,5 +18,5 @@
 - 스킬의 레벨업에 따른 발사체 쿨다운 단축 로직을 엔진 단에서 독립적으로 연산하여 확장성 부여.
 
 ## 4. 관련 토픽 (Linked Topics)
-- [[Skybound]]: 무기 아키텍처 및 렌더링 파이프라인.
-- [[Design & Experience]]: 시각적 피드백과 로직의 일치화.
+- Skybound: 무기 아키텍처 및 렌더링 파이프라인.
+- Design & Experience: 시각적 피드백과 로직의 일치화.
diff --git a/10_Wiki/Topics/Skybound/War Commander AI and UI Enhancements.md b/10_Wiki/Topics/Skybound/War Commander AI and UI Enhancements.md
index 222b5876..a0ea3133 100644
--- a/10_Wiki/Topics/Skybound/War Commander AI and UI Enhancements.md	
+++ b/10_Wiki/Topics/Skybound/War Commander AI and UI Enhancements.md	
@@ -26,8 +26,8 @@ War Commander의 AI 및 UI 향상(Enhancements)은 2014년 2월 3일에 도입
     *   `SHIFT + 숫자`: 유닛을 그룹으로 지정하여 다중 전선 공격 시 특정 타격대를 쉽게 제어할 수 있게 돕습니다 [1, 6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Combat Controls]], [[Defensive Stances]], [[Baiting]], [[Platoon Formations]]
-- **Projects/Contexts:** [[2014 February Game Update]]
+- **Related Topics:** [[Combat Controls]], [[Defensive Stances]], [[Baiting]], Platoon Formations
+- **Projects/Contexts:** 2014 February Game Update
 - **Contradictions/Notes:** 업데이트 이전에는 유닛의 행동이 정적인 방어 태세(Stand Ground, Aggressive 등)에 의존했으나, AI 및 UI 향상 업데이트 이후 이러한 태세들이 Hold Position 및 Fire at Will과 같은 능동적 명령어로 완벽히 대체되었다는 점을 유의해야 합니다 [2, 5].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/War Commander 전투 시스템 진화 (2014년 2월 업데이트).md b/10_Wiki/Topics/Skybound/War Commander 전투 시스템 진화 (2014년 2월 업데이트).md
index 9f45dbd6..835f2701 100644
--- a/10_Wiki/Topics/Skybound/War Commander 전투 시스템 진화 (2014년 2월 업데이트).md	
+++ b/10_Wiki/Topics/Skybound/War Commander 전투 시스템 진화 (2014년 2월 업데이트).md	
@@ -23,8 +23,8 @@ War Commander의 전투 시스템은 2014년 2월 '전투 컨트롤(Combat Contr
 *   **부대 지정 (Shift + 숫자):** 특정 유닛을 그룹으로 지정하여 다중 전선 공격 시 소대를 특수 타격팀으로 세분화하고 관리할 수 있게 합니다 [1, 7].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[전투 컨트롤 (Combat Controls)]], [[미끼 전술 (Baiting)]], [[방어 태세 (Defensive Stances)]]
-- **Projects/Contexts:** [[2014년 2월 3일 게임 업데이트]]
+- **Related Topics:** 전투 컨트롤 (Combat Controls), 미끼 전술 (Baiting), 방어 태세 (Defensive Stances)
+- **Projects/Contexts:** 2014년 2월 3일 게임 업데이트
 - **Contradictions/Notes:** 소스 내에 모순된 정보는 없습니다. 제공된 소스들은 모두 2014년 2월 업데이트가 부대 이동의 단순화를 넘어, AI 추격 논리를 역이용하는 등 게임 내 전술적 깊이를 한 차원 끌어올린 핵심 패치였음에 동의합니다 [4, 8, 9].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/War Commander 전투 전술 및 방어 메타.md b/10_Wiki/Topics/Skybound/War Commander 전투 전술 및 방어 메타.md
index 53dbf623..cb7081be 100644
--- a/10_Wiki/Topics/Skybound/War Commander 전투 전술 및 방어 메타.md	
+++ b/10_Wiki/Topics/Skybound/War Commander 전투 전술 및 방어 메타.md	
@@ -20,9 +20,9 @@ War Commander의 전투 전술과 방어 메타는 실시간 유닛 컨트롤, 
 *   **신규 방어 구조물 도입:** 발사 속도가 점진적으로 빨라지며 적 전차를 효과적으로 제압하는 폭발(Burst) 피해 특화 중포탑인 **Metronomos**, 그리고 사거리 보너스와 함께 주변 300 범위 내의 적 항공기에 난기류(Turbulence) 상태 이상을 일으켜 대공 방어력을 극대화하는 **Nightwatch Bunker**가 등장하여 기지 방어력이 한층 견고해졌다 [20, 23, 24].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Baiting Tactics]], [[Combat Controls]], [[Base Layouts]], [[Mixed Platoons]], [[Support/Heavy Platforms]]
-- **Projects/Contexts:** [[War Commander Combat Ecosystem]], [[March 2026 Research Drop]]
-- **Contradictions/Notes:** 기지 방어 설계 중 [[Square Base]]는 보편적으로 강력하지만, [[Behemoth]]처럼 높은 체력을 지닌 탱킹 유닛이 피해를 흡수하는 동안 장거리 공성 전차가 방어망을 타격하는 전술에는 취약하다는 치명적인 단점을 지니고 있다 [15, 16].
+- **Related Topics:** [[Baiting Tactics]], [[Combat Controls]], [[Base Layouts]], Mixed Platoons, Support/Heavy Platforms
+- **Projects/Contexts:** War Commander Combat Ecosystem, [[March 2026 Research Drop]]
+- **Contradictions/Notes:** 기지 방어 설계 중 Square Base는 보편적으로 강력하지만, Behemoth처럼 높은 체력을 지닌 탱킹 유닛이 피해를 흡수하는 동안 장거리 공성 전차가 방어망을 타격하는 전술에는 취약하다는 치명적인 단점을 지니고 있다 [15, 16].
 
 ---
 *Last updated: 2026-04-27*
\ No newline at end of file
diff --git a/10_Wiki/Topics/Skybound/아크 2 테크놀로지 및 유닛(Arc 2 Technology and Units).md b/10_Wiki/Topics/Skybound/아크 2 테크놀로지 및 유닛(Arc 2 Technology and Units).md
index 4d90fb76..64e54f49 100644
--- a/10_Wiki/Topics/Skybound/아크 2 테크놀로지 및 유닛(Arc 2 Technology and Units).md	
+++ b/10_Wiki/Topics/Skybound/아크 2 테크놀로지 및 유닛(Arc 2 Technology and Units).md	
@@ -11,8 +11,8 @@
 * **아크 2 획득 및 진행 방식:** 아크 2 유닛과 부품, 그리고 관련 기술을 획득하기 위한 주요 경로는 '섹터 돌파(Sector Breach)' 이벤트입니다 [5]. 플레이어는 AI가 조종하는 복제된 플레이어 기지(Rogue Player Bases)를 타격하여 섹터 돌파 XP를 획득하고, 이를 상점에서 워로드 오니마이트와 같은 전설적인 유닛의 부품이나 고유 기술(Scatter Drive, Spider Sense 등)로 교환할 수 있습니다 [5, 12, 13]. 추가로, 아크 2 진행에 필요한 고급 자재들을 얻기 위해 플레이어는 지속적으로 PvP 전투에 참여하여 '악명(Infamy)'을 쌓고 기어 상점(Gear Store)을 활용해야 합니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[섹터 돌파 이벤트(Sector Breach Event)]], [[방어 플랫폼(Defense Platforms)]], [[제병 협동 전술(Combined Arms Tactics)]]
-- **Projects/Contexts:** [[2026년 3월 리서치 드롭(March 2026 Research Drop)]]
+- **Related Topics:** 섹터 돌파 이벤트(Sector Breach Event), [[방어 플랫폼(Defense Platforms)]], 제병 협동 전술(Combined Arms Tactics)
+- **Projects/Contexts:** 2026년 3월 리서치 드롭(March 2026 Research Drop)
 - **Contradictions/Notes:** 새로운 아크 2 방어 플랫폼들은 특정 피해 유형에 대해 50%의 저항력을 지니기 때문에 단일 유닛 위주의 공격 전술 효율성이 크게 떨어지며, 방어벽을 뚫기 위해서는 다양한 피해 유형을 조합한 '혼합 플래툰(Mixed Platoons)' 편성이 전략적으로 강제됩니다 [3, 11].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/이리듐 및 토륨 경제(Iridium and Thorium Economy).md b/10_Wiki/Topics/Skybound/이리듐 및 토륨 경제(Iridium and Thorium Economy).md
index 0bea7478..f3e78d27 100644
--- a/10_Wiki/Topics/Skybound/이리듐 및 토륨 경제(Iridium and Thorium Economy).md	
+++ b/10_Wiki/Topics/Skybound/이리듐 및 토륨 경제(Iridium and Thorium Economy).md	
@@ -19,8 +19,8 @@
     *   자원과 전술의 순환: 방어자는 이리듐과 토륨을 활용해 복잡한 기하학적 방어선을 구축하고 수십억 단위의 자원을 압축(Compression) 저장해야 하며, 공격자는 이를 약탈하기 위해 미세한 전투 통제(Combat Controls)와 유인 전술(Baiting)을 필연적으로 숙달해야 합니다 [1, 17].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[기지 방어 기하학(Defensive Architecture)]], [[전투 통제(Combat Controls)]], [[동맹 및 섹터 패권(Alliances and Sector Hegemony)]]
-- **Projects/Contexts:** [[March 2026 Research Drop]], [[Arc 2 기술(Arc 2 Technology)]]
+- **Related Topics:** 기지 방어 기하학(Defensive Architecture), [[전투 통제(Combat Controls)]], 동맹 및 섹터 패권(Alliances and Sector Hegemony)
+- **Projects/Contexts:** [[March 2026 Research Drop]], Arc 2 기술(Arc 2 Technology)
 - **Contradictions/Notes:** 과거 '토륨 매장지(Thorium Deposits)'는 소유 여부와 무관하게 월드 맵에서 시간이 지남에 따라 자원이 고갈되는 시스템이었으나, 플레이어들이 적절한 난이도의 공격 대상을 찾지 못하는 문제를 해결하기 위해 시스템이 개편되면서 현재는 즉각적인 약탈이 가능한 'Verkraft Thorium Compounds' 형태로 대체되었습니다 [4, 5, 18].
 
 ---
diff --git a/10_Wiki/Topics/Skybound/토륨 경제(Thorium Economy).md b/10_Wiki/Topics/Skybound/토륨 경제(Thorium Economy).md
index 4108b591..5772b17f 100644
--- a/10_Wiki/Topics/Skybound/토륨 경제(Thorium Economy).md	
+++ b/10_Wiki/Topics/Skybound/토륨 경제(Thorium Economy).md	
@@ -22,8 +22,8 @@
     *   Arc 2 유닛과 같은 최상위 수준의 부대를 생산하고 유지하는 데는 수백만 단위의 토륨이 요구됩니다 [6]. 따라서 토륨의 확보는 단순한 경제적 채집 활동을 넘어, 플레이어 간의 약탈 전쟁과 동맹 간의 영토 지배 전쟁을 굴러가게 하는 중추적 역할을 수행합니다 [6].
 
 ## 🔗 Knowledge Connections
-- **Related Topics:** [[Arc 2 Technology]], [[Verkraft Thorium Compounds]], [[Control Points]], [[Resource Compression]]
-- **Projects/Contexts:** [[War Commander 101, Part 2: Resources]], [[Structural Dynamics and Tactical Evolution of the War Commander Combat Ecosystem]]
+- **Related Topics:** Arc 2 Technology, Verkraft Thorium Compounds, Control Points, Resource Compression
+- **Projects/Contexts:** War Commander 101, Part 2: Resources, Structural Dynamics and Tactical Evolution of the War Commander Combat Ecosystem
 - **Contradictions/Notes:** 게임 초창기에는 토륨 매장지(Thorium Deposits)를 월드 맵에서 직접 점유하고 일정 시간 동안 지켜내야 했으나, 2014년 Verkraft 화합물 기지의 도입과 2016년 매장지 시스템의 완전 은퇴 패치 이후, 토륨 획득 방식은 영구적 기지를 '즉각적으로 공격 및 약탈(Instant Looting)'하는 방식으로 완전히 변경되었습니다 [1, 4, 12].
 
 ---
diff --git a/10_Wiki/Topics/Software Architecture/API-Contract-Definition.md b/10_Wiki/Topics/Software Architecture/API-Contract-Definition.md
index a25353a5..961d331f 100644
--- a/10_Wiki/Topics/Software Architecture/API-Contract-Definition.md	
+++ b/10_Wiki/Topics/Software Architecture/API-Contract-Definition.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-662214
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified API-Contract-Definition"
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/API-Contract-Definition.md]]
+
 ---
diff --git a/10_Wiki/Topics/Software Architecture/API-First Architecture.md b/10_Wiki/Topics/Software Architecture/API-First Architecture.md
index cf453f5c..4a1e6809 100644
--- a/10_Wiki/Topics/Software Architecture/API-First Architecture.md	
+++ b/10_Wiki/Topics/Software Architecture/API-First Architecture.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-E43C2B
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -32,11 +32,11 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified API-First Architecture"
 - **정책 변화:** Software Architecture 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Contract-Driven Development]], [[OpenAPI]], [[AsyncAPI]]
-- **Projects/Contexts:** [[Stripe]], [[Twilio]] (이 철학으로 잘 문서화된 API를 구축하여 비즈니스를 성장시킨 대표적인 기업 사례 [3])
+- **Related Topics:** Contract-Driven Development, OpenAPI, AsyncAPI
+- **Projects/Contexts:** Stripe, Twilio (이 철학으로 잘 문서화된 API를 구축하여 비즈니스를 성장시킨 대표적인 기업 사례 [3])
 - **Contradictions/Notes:** 소스 내에 상충되는 주장은 존재하지 않습니다. 다만, 이 구조의 구현 복잡성은 '중간(Medium)' 수준이며, 성공적인 도입과 유지를 위해서는 스펙 우선(spec-first)의 규율과 명확한 거버넌스가 요구된다고 명시하고 있습니다 [5].
 
 ---
 *Last updated: 2026-04-18*
-- Raw Source: [[00_Raw/2026-04-20/API-First Architecture.md]]
+
 ---
diff --git a/10_Wiki/Topics/Software Architecture/AlphaGo (Monte Carlo Tree Search  RL)] [Autonomous Driving Simulation] [Robotic Manipulation.md b/10_Wiki/Topics/Software Architecture/AlphaGo (Monte Carlo Tree Search  RL)] [Autonomous Driving Simulation] [Robotic Manipulation.md
index 61b33e82..ea479ed2 100644
--- a/10_Wiki/Topics/Software Architecture/AlphaGo (Monte Carlo Tree Search  RL)] [Autonomous Driving Simulation] [Robotic Manipulation.md	
+++ b/10_Wiki/Topics/Software Architecture/AlphaGo (Monte Carlo Tree Search  RL)] [Autonomous Driving Simulation] [Robotic Manipulation.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AUTO-4BB54E
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.98
 tags: [AlphaGo, MCTS, Reinforcement Learning, Simulation, Robotics]
 last_reinforced: 2026-04-20
@@ -25,5 +25,5 @@ github_commit: "[P-Reinforce] Substantial content added to AI Simulation Bundle.
 - 시뮬레이션은 정교할수록 좋지만, 현실과의 괴리인 'Reality Gap'이 항상 존재한다. 이를 해결하기 위해 Domain Randomization(시뮬레이션 환경에 무작위 변동을 주어 강건함을 확보) 기법이 필수적으로 동반되어야 한다.
 
 ## 🔗 지식 연결 (Graph)
-- Related: [[Digital Twins]] , [[Reinforcement Learning]] , [[Systemic_Simulation_Principles]]
+- Related: [[Digital Twins]] , Reinforcement Learning , [[Systemic_Simulation_Principles]]
 - Foundation: [[Information Theory]]
diff --git a/10_Wiki/Topics/Software Architecture/Architectural-Constraint-Enforcement.md b/10_Wiki/Topics/Software Architecture/Architectural-Constraint-Enforcement.md
index 5579cd1a..d1618475 100644
--- a/10_Wiki/Topics/Software Architecture/Architectural-Constraint-Enforcement.md	
+++ b/10_Wiki/Topics/Software Architecture/Architectural-Constraint-Enforcement.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-4F930E
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Architectural-Constraint-Enf
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Architectural-Constraint-Enforcement.md]]
+
 ---
diff --git a/10_Wiki/Topics/Software Architecture/Domain-Driven Design (DDD).md b/10_Wiki/Topics/Software Architecture/Domain-Driven Design (DDD).md
index 7b96632b..b48de471 100644
--- a/10_Wiki/Topics/Software Architecture/Domain-Driven Design (DDD).md	
+++ b/10_Wiki/Topics/Software Architecture/Domain-Driven Design (DDD).md	
@@ -1,12 +1,12 @@
 ---
 id: DDD-MASTER-001
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 1.0
 tags: [architecture, ddd, strategic-design, tactical-design, ubiquitous-language]
 last_reinforced: 2026-04-26
 ---
 
-# [[Domain-Driven Design (DDD, 도메인 주도 설계)]]
+# Domain-Driven Design (DDD, 도메인 주도 설계)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "복잡한 비즈니스 로직을 소프트웨어의 심장으로 만들어라" — 기술적 복잡성보다 비즈니스 도메인의 복잡성을 우선시하며, 개발자와 전문가가 동일한 언어(Ubiquitous Language)로 소통하며 설계하는 방법론.
@@ -28,10 +28,10 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '지식 관리', '게임 엔진', '데이터 수집'을 각각의 Bounded Context로 분리하고, 컨텍스트 간 통신은 메시지 큐를 통한 비동기 방식을 지향함.
 
 ## 🔗 지식 연결 (Graph)
-- **Parent:** [[10_Wiki/💡 Topics/Software Architecture]]
-- **Related:** [[Bounded-Context]], [[Microservices]], [[Clean-Architecture]], [[Event-Sourcing]]
+- **Parent:** 10_Wiki/💡 Topics/Software Architecture
+- **Related:** Bounded-Context, Microservices, Clean-Architecture, Event-Sourcing
 - **Merged Sources:** 
-    - [[10_Wiki/Topics/AI/Domain-Driven Design (DDD) in TypeScript.md]]
-    - [[10_Wiki/Topics/AI/Domain-Driven Design (DDD) Type Safety.md]]
-    - [[10_Wiki/Topics/AI/도메인 주도 설계 (Domain-Driven Design DDD).md]]
-    - [[10_Wiki/Topics/Frontend_Mastery/Domain-Driven Design (DDD).md]]
\ No newline at end of file
+    - 10_Wiki/Topics/AI/Domain-Driven Design (DDD) in TypeScript.md
+    - 10_Wiki/Topics/AI/Domain-Driven Design (DDD) Type Safety.md
+    - 10_Wiki/Topics/AI/도메인 주도 설계 (Domain-Driven Design DDD).md
+    - 10_Wiki/Topics/Frontend_Mastery/Domain-Driven Design (DDD).md
\ No newline at end of file
diff --git a/10_Wiki/Topics/Software Architecture/Microservices-Architecture.md b/10_Wiki/Topics/Software Architecture/Microservices-Architecture.md
index ff17e97e..9168a66a 100644
--- a/10_Wiki/Topics/Software Architecture/Microservices-Architecture.md	
+++ b/10_Wiki/Topics/Software Architecture/Microservices-Architecture.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-048
-category: "[[10_Wiki/💡 Topics/Software Architecture]]"
+category: "10_Wiki/💡 Topics/Software Architecture"
 confidence_score: 0.99
 tags: [microservice, architecture, distributed system, scalability]
 last_reinforced: 2026-06-XX
@@ -29,5 +29,5 @@ github_commit: "[P-Reinforce] Processed Microservices-Architecture.md"
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Microservices-Architecture]]
 - Related: [[Bounded Contexts]] , [[Event Storming]] , [[API-First Architecture]]
-- Raw Source: [[00_Raw/Microservices-Architecture.md]]
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Software Reliability/Amazon-AWS-Formal-Verification.md b/10_Wiki/Topics/Software Reliability/Amazon-AWS-Formal-Verification.md
index 8a465f34..4bf53fb2 100644
--- a/10_Wiki/Topics/Software Reliability/Amazon-AWS-Formal-Verification.md	
+++ b/10_Wiki/Topics/Software Reliability/Amazon-AWS-Formal-Verification.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-F8937D
-category: "[[10_Wiki/💡 Topics/Software Reliability]]"
+category: "10_Wiki/💡 Topics/Software Reliability"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Amazon-AWS-Formal-Verificati
 
 ## 🔗 지식 연결 (Graph)
 
-- Raw Source: [[00_Raw/2026-04-20/Amazon-AWS-Formal-Verification.md]]
+
 ---
diff --git a/10_Wiki/Topics/System Architecture & Reliability/Distributed-Systems-Engineering.md b/10_Wiki/Topics/System Architecture & Reliability/Distributed-Systems-Engineering.md
index bf90c3bf..48193dc6 100644
--- a/10_Wiki/Topics/System Architecture & Reliability/Distributed-Systems-Engineering.md	
+++ b/10_Wiki/Topics/System Architecture & Reliability/Distributed-Systems-Engineering.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-051
-category: "[[10_Wiki/💡 Topics/System Architecture & Reliability]]"
+category: "10_Wiki/💡 Topics/System Architecture & Reliability"
 confidence_score: 0.98
 tags: [distributed system, distributed computing, consistency, fault tolerance]
 last_reinforced: 2026-06-XX
@@ -25,6 +25,6 @@ github_commit: "[P-Reinforce] Processed Distributed-Systems-Engineering."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Microservices-Architecture]]
-- Related: [[CAP Theorem]] , [[Saga Pattern]] , [[Circuit Breaker]]
-- Raw Source: [[00_Raw/Distributed-Systems-Engineering.md]]
+- Related: CAP Theorem , Saga Pattern , Circuit Breaker
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/System Architecture & Simulation/Digital Twins.md b/10_Wiki/Topics/System Architecture & Simulation/Digital Twins.md
index 2893c1bd..6d3a2959 100644
--- a/10_Wiki/Topics/System Architecture & Simulation/Digital Twins.md	
+++ b/10_Wiki/Topics/System Architecture & Simulation/Digital Twins.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-056
-category: "[[10_Wiki/💡 Topics/System Architecture & Simulation]]"
+category: "10_Wiki/💡 Topics/System Architecture & Simulation"
 confidence_score: 0.98
 tags: [digital twin, simulation, iot, cyber-physical]
 last_reinforced: 2026-06-XX
@@ -24,7 +24,7 @@ github_commit: "[P-Reinforce] Processed Digital Twins."
 - **정책 변화:** 산업의 특성상 높은 수준의 실시간 데이터 무결성과 보안(Cybersecurity) 요구사항이 따르므로, 아키텍처 레벨에서 신뢰성을 확보하는 것이 최우선 과제이다.
 
 ## 🔗 지식 연결 (Graph)
-- Parent: [[Internet of Things (IoT) Telemetry]]
-- Related: [[Computational Geometry]] , [[Feedback-Control-Systems]] , [[Real-Time-Game-Engines]]
-- Raw Source: [[00_Raw/Digital Twins.md]]
+- Parent: Internet of Things (IoT) Telemetry
+- Related: [[Computational Geometry]] , [[Feedback-Control-Systems]] , Real-Time-Game-Engines
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/System Design & Modeling/Event Storming.md b/10_Wiki/Topics/System Design & Modeling/Event Storming.md
index 3a78b902..e91beddd 100644
--- a/10_Wiki/Topics/System Design & Modeling/Event Storming.md	
+++ b/10_Wiki/Topics/System Design & Modeling/Event Storming.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-049
-category: "[[10_Wiki/💡 Topics/System Design & Modeling]]"
+category: "10_Wiki/💡 Topics/System Design & Modeling"
 confidence_score: 0.98
 tags: [event, event storming, domain modeling, saga]
 last_reinforced: 2026-06-XX
@@ -27,6 +27,6 @@ github_commit: "[P-Reinforce] Processed Event Storming."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Event Storming]]
-- Related: [[Microservices-Architecture]] , [[System Dynamics]] , [[Saga Pattern]]
-- Raw Source: [[00_Raw/Event Storming.md]]
+- Related: [[Microservices-Architecture]] , System Dynamics , Saga Pattern
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Systemic Modeling & Fun/Game Design Theory.md b/10_Wiki/Topics/Systemic Modeling & Fun/Game Design Theory.md
index 8bbe7672..fc43dad3 100644
--- a/10_Wiki/Topics/Systemic Modeling & Fun/Game Design Theory.md	
+++ b/10_Wiki/Topics/Systemic Modeling & Fun/Game Design Theory.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-AI-059
-category: "[[10_Wiki/💡 Topics/Systemic Modeling & Fun]]"
+category: "10_Wiki/💡 Topics/Systemic Modeling & Fun"
 confidence_score: 0.98
 tags: [game design, system theory, ludology, emergent behavior]
 last_reinforced: 2026-06-XX
@@ -27,6 +27,6 @@ github_commit: "[P-Reinforce] Processed Game Design Theory."
 
 ## 🔗 지식 연결 (Graph)
 - Parent: [[Game Design Theory]]
-- Related: [[Systemic Game Design]] , [[Emergent Gameplay]] , [[Behavioral Economics in Digital Ecosystems]]
-- Raw Source: [[00_Raw/Game Design Theory.md]]
+- Related: Systemic Game Design , Emergent Gameplay , Behavioral Economics in Digital Ecosystems
+
 ---
\ No newline at end of file
diff --git a/10_Wiki/Topics/Web & Performance/Analyze runtime performance.md b/10_Wiki/Topics/Web & Performance/Analyze runtime performance.md
index 9685c00f..8edd17dc 100644
--- a/10_Wiki/Topics/Web & Performance/Analyze runtime performance.md	
+++ b/10_Wiki/Topics/Web & Performance/Analyze runtime performance.md	
@@ -1,6 +1,6 @@
 ---
 id: P-REINFORCE-C8C70C
-category: "[[10_Wiki/💡 Topics/Web & Performance]]"
+category: "10_Wiki/💡 Topics/Web & Performance"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
@@ -41,11 +41,11 @@ github_commit: "[P-Reinforce] Mega Batch - Wikified Analyze runtime performance"
 - **정책 변화:** Web & Performance 카테고리의 전문성 확보 및 링크 밀도 최적화.
 
 ## 🔗 지식 연결 (Graph)
-- **Related Topics:** [[Chrome DevTools]], [[Frames Per Second (FPS)]], [[Forced Synchronous Layouts]], [[Long Task]], [[Interaction to Next Paint (INP)]]
-- **Projects/Contexts:** [[RAIL model]], [[Chrome User Experience Report (CrUX)]]
+- **Related Topics:** [[Chrome DevTools]], Frames Per Second (FPS), Forced Synchronous Layouts, Long Task, [[Interaction to Next Paint (INP)]]
+- **Projects/Contexts:** RAIL model, Chrome User Experience Report (CrUX)
 - **Contradictions/Notes:** DevTools의 CPU 스로틀링 기능은 데스크톱의 CPU 속도를 늦추어 시뮬레이션하는 방식이므로, 데스크톱과 모바일 기기의 근본적인 아키텍처 차이 때문에 실제 모바일 기기의 CPU 동작을 완벽하게 모방할 수는 없습니다 [17].
 
 ---
 *Last updated: 2026-04-19*
-- Raw Source: [[00_Raw/2026-04-20/Analyze runtime performance.md]]
+
 ---
diff --git a/scratch/bulk_wikify.py b/scratch/bulk_wikify.py
new file mode 100644
index 00000000..80b85eb6
--- /dev/null
+++ b/scratch/bulk_wikify.py
@@ -0,0 +1,76 @@
+import os
+import re
+import shutil
+
+raw_path = r'E:\Wiki\2nd\00_Raw'
+target_base = r'E:\Wiki\2nd\10_Wiki\Topics\Game Design'
+
+if not os.path.exists(target_base):
+    os.makedirs(target_base)
+
+def sanitize_filename(filename):
+    # Extract English name from parentheses if exists, else clean Korean
+    match = re.search(r'\((.*?)\)', filename)
+    if match:
+        name = match.group(1)
+    else:
+        name = filename.replace('.md', '')
+    
+    # Remove special chars, replace spaces with hyphens
+    name = re.sub(r'[^\w\s-]', '', name)
+    name = name.strip().replace(' ', '-')
+    return name + '.md'
+
+files = [f for f in os.listdir(raw_path) if f.endswith('.md')]
+
+for f in files:
+    src_path = os.path.join(raw_path, f)
+    new_filename = sanitize_filename(f)
+    dest_path = os.path.join(target_base, new_filename)
+    
+    try:
+        with open(src_path, 'r', encoding='utf-8', errors='ignore') as f_obj:
+            content = f_obj.read()
+        
+        # Extract title from first line if it's a header
+        title_match = re.search(r'^#\s+\[\[(.*?)\]\]', content)
+        if title_match:
+            display_title = title_match.group(1)
+        else:
+            display_title = f.replace('.md', '')
+
+        # Build Wikified Content
+        wikified = f"""---
+id: GAME-WC-{new_filename.split('.')[0].upper()}
+category: "10_Wiki/💡 Topics/Game Design"
+confidence_score: 1.0
+tags: [war-commander, game-mechanics, tactical-analysis]
+last_reinforced: 2026-04-27
+---
+
+# [[{display_title}]]
+
+"""
+        # Reformat sections if they follow the draft pattern
+        content = content.replace('## 📌 Brief Summary', '## 📌 한 줄 통찰 (The Karpathy Summary)')
+        content = content.replace('## 📖 Core Content', '## 📖 구조화된 지식 (Synthesized Content)')
+        content = content.replace('## 🔗 Knowledge Connections', '## 🔗 지식 연결 (Graph)')
+        
+        # Add the rest of the content (skipping the original title if we already added one)
+        body = re.sub(r'^#\s+\[\[.*?\]\]\s*', '', content, flags=re.MULTILINE)
+        
+        # Ensure Contradictions header exists
+        if '## ⚠️ 모순 및 업데이트' not in body:
+            body = body.replace('## 🔗 지식 연결', '## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)\n- 신규 지식 자산화 (2026-04-27).\n- War Commander 전투 생태계 데이터 통합.\n\n## 🔗 지식 연결')
+
+        wikified += body
+        
+        with open(dest_path, 'w', encoding='utf-8') as f_obj:
+            f_obj.write(wikified)
+        
+        # Delete raw file
+        os.remove(src_path)
+        print(f"Wikified: {f} -> {new_filename}")
+        
+    except Exception as e:
+        print(f"Error processing {f}: {e}")
diff --git a/scratch/cleanup_grey_dots.py b/scratch/cleanup_grey_dots.py
new file mode 100644
index 00000000..baaac0bf
--- /dev/null
+++ b/scratch/cleanup_grey_dots.py
@@ -0,0 +1,56 @@
+import os
+import re
+
+base_path = r'E:\Wiki\2nd\10_Wiki\Topics'
+existing_files = set()
+
+# 1. Map all existing files
+for root, dirs, files in os.walk(base_path):
+    for f in files:
+        if f.endswith('.md'):
+            existing_files.add(f[:-3].lower()) # Case-insensitive check
+
+# Regex patterns
+raw_source_pattern = re.compile(r'^- Raw Source: \[\[00_Raw/.*?\]\].*$', re.MULTILINE)
+link_pattern = re.compile(r'\[\[([^\]|#]+)(?:[\]|#][^\]]*)?\]\]')
+
+processed_count = 0
+link_cleanup_count = 0
+
+for root, dirs, files in os.walk(base_path):
+    for f in files:
+        if f.endswith('.md'):
+            file_path = os.path.join(root, f)
+            if len(file_path) > 240: continue
+            
+            try:
+                with open(file_path, 'r', encoding='utf-8', errors='ignore') as f_obj:
+                    content = f_obj.read()
+                
+                new_content = content
+                
+                # 2. Remove Raw Source lines (pointing to deleted 00_Raw)
+                new_content = raw_source_pattern.sub('', new_content)
+                
+                # 3. Clean up other broken links
+                def link_replacer(match):
+                    global link_cleanup_count
+                    target = match.group(1).strip()
+                    # Check if target exists (handles paths by taking basename if needed, but simple name check first)
+                    target_name = os.path.basename(target).lower()
+                    if target_name not in existing_files and target.lower() not in existing_files:
+                        link_cleanup_count += 1
+                        return target # Remove brackets
+                    return match.group(0) # Keep original
+
+                new_content = link_pattern.sub(link_replacer, new_content)
+                
+                if new_content != content:
+                    with open(file_path, 'w', encoding='utf-8') as f_obj:
+                        f_obj.write(new_content)
+                    processed_count += 1
+            except Exception as e:
+                pass
+
+print(f"Processed {processed_count} files.")
+print(f"Cleaned up {link_cleanup_count} broken links (Grey Dots).")
diff --git a/scratch/link_orphans.py b/scratch/link_orphans.py
new file mode 100644
index 00000000..ce4bc69b
--- /dev/null
+++ b/scratch/link_orphans.py
@@ -0,0 +1,87 @@
+import os
+
+topics_path = r'E:\Wiki\2nd\10_Wiki\Topics'
+
+def get_files_with_prefix(prefix):
+    matches = []
+    for root, dirs, files in os.walk(topics_path):
+        for f in files:
+            if f.lower().startswith(prefix.lower()) and f.endswith('.md'):
+                # Extract name without ext and handle paths relative to Topics
+                rel_path = os.path.relpath(os.path.join(root, f), topics_path).replace('\\', '/')
+                matches.append(rel_path[:-3])
+    return sorted(matches)
+
+# 1. Skybound Orphans
+skybound_files = get_files_with_prefix('2026-04-')
+skybound_files = [f for f in skybound_files if 'skybound' in f.lower()]
+
+# 2. Datacollector Orphans
+dc_files = get_files_with_prefix('2026-04-')
+dc_files = [f for f in dc_files if 'datacollector' in f.lower()]
+
+# 3. War Commander (Game Design) files
+wc_files = get_files_with_prefix('') # Look for files in Game Design
+wc_files = [f for f in wc_files if 'Game Design' in f]
+
+print(f"Skybound files found: {len(skybound_files)}")
+print(f"Datacollector files found: {len(dc_files)}")
+print(f"War Commander files found: {len(wc_files)}")
+
+# Generating Skybound Update
+with open(os.path.join(topics_path, 'Skybound', 'Skybound-Knowledge-Hub.md'), 'r', encoding='utf-8') as f:
+    hub_content = f.read()
+
+if '## 🏷️ Keyword Cluster: #Project_Logs' not in hub_content:
+    log_section = "\n## 🏷️ Keyword Cluster: #Project_Logs (최근 개발 로그)\n"
+    for f in skybound_files:
+        name = os.path.basename(f)
+        log_section += f"- [[{f}|{name}]]\n"
+    hub_content += log_section
+    with open(os.path.join(topics_path, 'Skybound', 'Skybound-Knowledge-Hub.md'), 'w', encoding='utf-8') as f:
+        f.write(hub_content)
+
+# Generating Datacollector Hub
+dc_hub = f"""# 📡 Datacollector Project: Engineering Hub (MOC)
+
+데이터 수집 및 자동화 프로세스를 관리하는 핵심 허브입니다.
+
+---
+
+## 🏷️ Keyword Cluster: #Development_Logs (개발 및 이슈 기록)
+- {"".join([f"- [[{f}]]\n" for f in dc_files])}
+
+---
+**Status**: Managed by Antigravity AI
+"""
+with open(os.path.join(topics_path, 'Datacollector', 'Datacollector-Knowledge-Hub.md'), 'w', encoding='utf-8') as f:
+    f.write(dc_hub)
+
+# Generating War Commander Hub
+wc_hub = f"""# ⚔️ War Commander: Strategic Knowledge Hub (MOC)
+
+전장 지배를 위한 핵심 전술 및 자원 관리 체계입니다.
+
+---
+
+## 🏷️ Keyword Cluster: #Tactical_Units (전술 부대 및 운용)
+- [[Game Design/Combined-Arms|Combined Arms (제병협동)]]
+- [[Game Design/Mixed-Platoons|Mixed Platoons (혼성 소대)]]
+- [[Game Design/Rock-Paper-Scissors-Dynamic|Rock-Paper-Scissors Dynamic (상성 체계)]]
+
+## 🏷️ Keyword Cluster: #Base_Defense (기지 방어 및 건축)
+- [[Game Design/Defensive-Architecture|Defensive Architecture (방어 건축학)]]
+- [[Game Design/Defense-Buildings|Defense Buildings (방어 건물)]]
+- [[Game Design/Base-Layouts|Base Layouts (기지 배치)]]
+- [[Game Design/Anti-Air-and-Anti-Ground-Combat|Anti-Air & Anti-Ground Combat]]
+
+## 🏷️ Keyword Cluster: #Resources_Progression (자원 및 성장)
+- [[Game Design/Iridium|Iridium (이리듐)]]
+- [[Game Design/Arc-2-Technology|Arc 2 Technology]]
+- [[Game Design/Evolution-of-the-War-Commander-Combat-Ecosystem|Combat Ecosystem Evolution]]
+
+---
+**Last Update**: 2026-04-27
+"""
+with open(os.path.join(topics_path, 'Game Design', 'War-Commander-Strategic-Hub.md'), 'w', encoding='utf-8') as f:
+    f.write(wc_hub)