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 +1,174 @@
|
||||
---
|
||||
id: wiki-2026-0508-belief-system
|
||||
title: Belief System
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Belief System, Agent Belief, Knowledge Base, BDI Beliefs]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [agent-architecture, ai, bdi, knowledge-representation]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: bdi,langchain,owl-rdf
|
||||
---
|
||||
|
||||
# Belief System
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 agent 의 'world 가 such-and-such' 의 internal model — 매 perception update · inference 로 부터 의 derive"**. Bratman 1987 BDI (Belief-Desire-Intention) 의 origin, 2026 의 LLM agent 의 working memory · scratchpad · long-term memory store 의 modern incarnation.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 component
|
||||
- **Belief base**: fact set (logical · probabilistic · embedding-vector).
|
||||
- **Update rule**: perception → belief revision (AGM postulates).
|
||||
- **Query interface**: 매 plan 의 condition 의 check.
|
||||
- **Consistency check**: contradiction 의 detect · resolve.
|
||||
|
||||
### 매 representation
|
||||
- **Symbolic**: Prolog · Datalog · OWL/RDF.
|
||||
- **Probabilistic**: Bayesian network · Markov logic.
|
||||
- **Vector/embedding**: 매 modern LLM agent — chunked text + embedding store.
|
||||
- **Hybrid**: structured fact + free-text (most 2026 agent system).
|
||||
|
||||
### 매 응용
|
||||
1. 매 BDI agent (JADE · Jadex · Jason).
|
||||
2. Robot world model (ROS knowledge_base).
|
||||
3. LLM agent scratchpad (Claude · LangGraph state).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### BDI-style belief base (Python)
|
||||
```python
|
||||
from dataclasses import dataclass, field
|
||||
from typing import Any
|
||||
|
||||
@dataclass
|
||||
class BeliefBase:
|
||||
facts: dict[str, Any] = field(default_factory=dict)
|
||||
confidence: dict[str, float] = field(default_factory=dict)
|
||||
|
||||
def add(self, key: str, value: Any, conf: float = 1.0):
|
||||
if key in self.facts and self.facts[key] != value:
|
||||
# contradiction → keep higher-confidence
|
||||
if conf <= self.confidence[key]: return
|
||||
self.facts[key] = value
|
||||
self.confidence[key] = conf
|
||||
|
||||
def query(self, key: str) -> tuple[Any, float] | None:
|
||||
if key not in self.facts: return None
|
||||
return self.facts[key], self.confidence[key]
|
||||
|
||||
bb = BeliefBase()
|
||||
bb.add("door_open", True, 0.9)
|
||||
bb.add("battery_pct", 73, 1.0)
|
||||
```
|
||||
|
||||
### LLM agent: belief 의 prompt-injected scratchpad
|
||||
```python
|
||||
def build_prompt(beliefs: BeliefBase, task: str) -> str:
|
||||
facts = "\n".join(
|
||||
f"- {k}: {v} (conf={c:.2f})"
|
||||
for k, (v, c) in [(k, (bb.facts[k], bb.confidence[k])) for k in bb.facts]
|
||||
)
|
||||
return f"""You are an agent with the following beliefs:
|
||||
{facts}
|
||||
|
||||
Task: {task}
|
||||
Plan your next action and explain reasoning."""
|
||||
```
|
||||
|
||||
### Bayesian belief update (sensor fusion)
|
||||
```python
|
||||
def bayes_update(prior: float, likelihood: float, evidence: float) -> float:
|
||||
"""P(H|E) = P(E|H) * P(H) / P(E)"""
|
||||
return likelihood * prior / evidence
|
||||
|
||||
# Door 의 open 의 prior 0.5, sensor 의 reading "open" 의 likelihood 0.9, evidence 0.6
|
||||
posterior = bayes_update(0.5, 0.9, 0.6) # 0.75
|
||||
```
|
||||
|
||||
### Vector belief store (long-term memory)
|
||||
```python
|
||||
import chromadb
|
||||
|
||||
client = chromadb.PersistentClient("./agent_memory")
|
||||
beliefs = client.get_or_create_collection("beliefs")
|
||||
|
||||
beliefs.upsert(
|
||||
ids=["b-001"],
|
||||
documents=["User prefers vegetarian restaurants in 5km radius"],
|
||||
metadatas=[{"source": "user_pref_2026-04-12", "conf": 0.95}],
|
||||
)
|
||||
|
||||
hits = beliefs.query(query_texts=["restaurant recommendation"], n_results=5)
|
||||
```
|
||||
|
||||
### Belief revision (AGM contraction)
|
||||
```python
|
||||
def contract(bb: BeliefBase, fact: str):
|
||||
"""Remove fact + minimal additional facts to restore consistency."""
|
||||
if fact in bb.facts:
|
||||
del bb.facts[fact]
|
||||
del bb.confidence[fact]
|
||||
# Naive — production uses entrenchment ordering
|
||||
```
|
||||
|
||||
### LangGraph stateful belief
|
||||
```python
|
||||
from langgraph.graph import StateGraph
|
||||
from typing import TypedDict
|
||||
|
||||
class AgentState(TypedDict):
|
||||
beliefs: dict
|
||||
desires: list[str]
|
||||
intentions: list[str]
|
||||
|
||||
def perceive(state: AgentState) -> AgentState:
|
||||
state["beliefs"]["weather"] = call_weather_api()
|
||||
return state
|
||||
|
||||
graph = StateGraph(AgentState).add_node("perceive", perceive)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Representation |
|
||||
|---|---|
|
||||
| 매 deterministic rule-based | Datalog · Prolog |
|
||||
| Uncertain sensor data | Bayesian network |
|
||||
| Open-domain text · LLM agent | Vector embedding + scratchpad |
|
||||
| Robot · spatial | Probabilistic occupancy grid + KB |
|
||||
| Multi-agent · negotiation | KQML · FIPA + symbolic KB |
|
||||
|
||||
**기본값**: hybrid — symbolic skeleton (key fact 의 dict) + vector store (free-text long-term).
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Agent Architecture]] · [[Knowledge Representation]]
|
||||
- 변형: [[Bayesian_Inference]]
|
||||
- Adjacent: [[A2A]] · [[Belief Revision]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: belief base 의 natural-language form 의 store (e.g. user preference summary), scratchpad 의 reasoning step 의 record.
|
||||
**언제 X**: 매 safety-critical inference (medical · industrial) — LLM 의 hallucinate · 매 symbolic verifiable 의 require.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **No revision policy**: belief 의 add-only — contradictory state 의 accumulate.
|
||||
- **Confidence 의 ignore**: 매 fact 의 binary present/absent — sensor noise 의 not handle.
|
||||
- **Global belief blob**: 매 agent 의 share — privacy · ownership 의 unclear → BDI per-agent KB.
|
||||
- **Vector-only memory**: 매 deterministic recall (e.g. "what is user's name") 의 unreliable — symbolic key/value 의 mix.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Bratman 1987, AGM 1985, FIPA agent specs, LangGraph docs, ChromaDB docs).
|
||||
- 신뢰도 A-.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — BDI + 2026 LLM hybrid (vector + symbolic) |
|
||||
Reference in New Issue
Block a user