docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,164 @@
|
||||
---
|
||||
id: wiki-2026-0508-habit-formation
|
||||
title: Habit Formation
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Habit Loop, Behavior Automation, Habituation]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [psychology, behavior, neuroscience, habits]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: en
|
||||
framework: behavioral-psychology
|
||||
---
|
||||
|
||||
# Habit Formation
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 habit = cue → routine → reward 의 basal-ganglia automatization"**. 매 21-day myth 의 false — Lally 2010 의 median 66 days (range 18-254). 매 2026 의 wearables + LLM coaching + JITAI (just-in-time adaptive intervention) 의 active.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 habit loop (Duhigg / Wood)
|
||||
1. **Cue**: 매 trigger — time, place, emotional state, preceding action, people.
|
||||
2. **Routine**: 매 behavior 자체.
|
||||
3. **Reward**: 매 reinforcement — neural prediction error.
|
||||
4. **Craving** (Wood addition): 매 anticipation 의 cue→reward.
|
||||
|
||||
### 매 neural substrate
|
||||
- **Goal-directed**: 매 prefrontal + dorsomedial striatum — early learning.
|
||||
- **Habitual**: 매 dorsolateral striatum (sensorimotor loop) — automatization.
|
||||
- **Switch**: 매 overtraining + stable context → habitual takeover.
|
||||
|
||||
### 매 formation 의 핵심 levers
|
||||
- **Implementation intentions** (Gollwitzer): "When X, I will Y" — 매 효과 size large (d ≈ 0.65).
|
||||
- **Context stability**: 매 same time + place 의 consistency.
|
||||
- **Friction reduction**: 매 cue salience ↑, 매 obstacle ↓.
|
||||
- **Temptation bundling** (Milkman): 매 desired + pleasurable 결합.
|
||||
- **Identity-based**: 매 "I am someone who..." (Clear).
|
||||
|
||||
### 매 응용
|
||||
1. Atomic Habits 의 4 laws (obvious, attractive, easy, satisfying).
|
||||
2. Health behavior change (exercise, medication adherence).
|
||||
3. Productivity (deep-work blocks).
|
||||
4. Habit-stacking (after-X-then-Y).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Habit tracker (streak + context)
|
||||
```python
|
||||
from dataclasses import dataclass, field
|
||||
from datetime import date, timedelta
|
||||
|
||||
@dataclass
|
||||
class HabitLog:
|
||||
name: str
|
||||
cue_context: dict # {time, location, preceding_action}
|
||||
completions: list[date] = field(default_factory=list)
|
||||
|
||||
@property
|
||||
def streak(self) -> int:
|
||||
if not self.completions:
|
||||
return 0
|
||||
s, today = 1, max(self.completions)
|
||||
for i in range(1, len(self.completions)):
|
||||
if today - self.completions[-1 - i] == timedelta(days=i):
|
||||
s += 1
|
||||
else:
|
||||
break
|
||||
return s
|
||||
```
|
||||
|
||||
### Implementation intention generator
|
||||
```python
|
||||
def implementation_intention(goal: str, cue: str, action: str) -> str:
|
||||
return f"When {cue}, I will {action} in service of {goal}."
|
||||
|
||||
# When I pour my morning coffee, I will do 10 push-ups in service of strength training.
|
||||
```
|
||||
|
||||
### Habit-stacking chain
|
||||
```python
|
||||
def stack(anchor: str, new_habit: str, reward: str | None = None) -> dict:
|
||||
return {
|
||||
"anchor": anchor,
|
||||
"new_habit": new_habit,
|
||||
"rule": f"After {anchor}, I will {new_habit}.",
|
||||
"immediate_reward": reward,
|
||||
}
|
||||
```
|
||||
|
||||
### JITAI delivery decision
|
||||
```python
|
||||
def jitai_should_deliver(state: dict) -> bool:
|
||||
"""Deliver intervention only when receptive + context-matched + low burden."""
|
||||
return (state["stress"] < 0.7
|
||||
and state["cognitive_load"] < 0.6
|
||||
and state["context_match"] > 0.8
|
||||
and state["recent_interventions_24h"] < 3)
|
||||
```
|
||||
|
||||
### Lally formation curve
|
||||
```python
|
||||
import numpy as np
|
||||
|
||||
def automaticity(day: int, asymptote: float = 0.95, k: float = 0.04) -> float:
|
||||
"""Asymptotic automaticity (Lally 2010 fit)."""
|
||||
return asymptote * (1 - np.exp(-k * day))
|
||||
# day 21 → ~0.58, day 66 → ~0.88
|
||||
```
|
||||
|
||||
### Context-cue salience score
|
||||
```python
|
||||
def cue_salience(cue: dict, history: list[dict]) -> float:
|
||||
"""Higher when cue co-occurs with successful routine."""
|
||||
matches = [h for h in history if all(h.get(k) == v for k, v in cue.items())]
|
||||
if not matches:
|
||||
return 0.0
|
||||
return sum(h["completed"] for h in matches) / len(matches)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Strategy |
|
||||
|---|---|
|
||||
| Brand-new habit | implementation intention + context stability |
|
||||
| Existing routine + new addition | habit stacking (anchor) |
|
||||
| High-friction habit | reduce friction first, then add cue |
|
||||
| Reward-poor habit | temptation bundling |
|
||||
| Identity-level change | identity-based ("I am the kind of person who...") |
|
||||
| Relapse prevention | re-stabilize context, restore cue |
|
||||
|
||||
**기본값**: 매 implementation intention + same context daily + 60-90 day window. 매 21-day promise X.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Operant_Conditioning|Operant Conditioning]]
|
||||
- 변형: [[Habit Stacking]]
|
||||
- 응용: [[CBT]]
|
||||
- Adjacent: [[Basal Ganglia]] · [[Self-Determination Theory]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 implementation intention drafting, 매 habit-stack anchor 의 brainstorm, 매 obstacle anticipation, 매 daily reflection scaffold.
|
||||
**언제 X**: 매 individual psychological diagnosis (e.g., compulsion vs habit) — 매 clinical professional 필수.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **21-day promise**: 매 individual variance 무시 — 매 18-254 day range.
|
||||
- **Willpower 만 의 의존**: 매 ego depletion + decision fatigue — 매 environment design.
|
||||
- **Multiple new habits 의 동시**: 매 cognitive bandwidth 초과 — 매 1-2 habits 의 sequence.
|
||||
- **No cue specification**: 매 vague intention ("eat better") — 매 specific cue + action.
|
||||
- **Punishing missed days excessively**: 매 self-shame spiral — 매 "miss once, never twice" rule.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Lally et al. 2010 EJSP, Wood "Good Habits, Bad Habits" 2019, Duhigg "Power of Habit", Clear "Atomic Habits", Gollwitzer 1999 meta-analysis).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — habit loop, Lally curve, JITAI, implementation intentions 추가 |
|
||||
Reference in New Issue
Block a user