-`meetUsesTasks` — /meet 액션 아이템을 Google Tasks 에도 등록할지 여부.
-`meetUsesCalendar` — /meet 액션 아이템을 Google Calendar 일정(all-day)으로도 등록할지 여부.
-`meetVerifyPass` — /meet 회의록 생성 후 검증 패스 실행 여부(기본 ON).
-`meetTeamRoster` — /meet 화자 정규화용 회사 표준 팀/역할 분류(쉼표 구분).
-`dailyBriefing.enabled` — 데일리 브리핑 — 평일(월~금) 지정 시각에 오늘의 캘린더 일정 + Google Tasks(오늘 마감·기한 경과·조건부 대기)를 텔레그램으로 발송.
-`dailyBriefing.time` — 데일리 브리핑 발송 시각 (KST, HH:MM).
-`sleepDigest.enabled` — Sleep-time 지식 사전 소화 — 매일 지정 시각(유휴 시간)에 최근 7일 내 변경된 두뇌 지식을 폴더별 '소화 노트'(<두뇌>/Digests/)로 변환합니다
-`sleepDigest.time` — 사전 소화 실행 시각 (KST, HH:MM).
-`growthCycle.enabled` — 주간 성장 사이클 — 매주 지정 요일·시각에 검색 평가(골든셋)→학습 큐 갱신(Need Engine)→지식 노후 점검→성장 리포트→승인된 학습 자동 실행(Research Agent, 사이클당 최대 3건)을 자동 수행하고 요약을 알림(+텔레그램).
-`growthCycle.day` — 주간 성장 사이클 실행 요일 (0=일 … 6=토).
-`growthCycle.time` — 주간 성장 사이클 실행 시각 (KST, HH:MM).
-`growthCycle.autoRunApproved` — 사이클에서 approved 상태의 학습 큐 항목을 Research Agent 로 자동 실행할지 (사이클당 최대 3건).
-`teamVoiceGuide` — /draft 외부 커뮤니케이션 초안 작성 시 모든 생성에 적용되는 팀 보이스 가이드.
-`memoryEnabled` — Enable layered memory injection before each model response.
-`memoryShortTermMessages` — Number of recent conversation messages included as short-term memory.
-`memoryMediumTermSessions` — Number of recent saved chat sessions included as medium-term memory.
-`memoryLongTermFiles` — Number of relevant Second Brain markdown files included as long-term memory.
-`ollamaUrl` — Base URL for Ollama or LM Studio.
-`defaultModel` — Default model name to use for chat requests.
-`requestTimeout` — Request timeout in seconds.
-`contextLength` — Model context window in tokens (prompt + generation combined).
-`maxOutputTokens` — Upper bound on tokens generated per response.
-`contextSafetyMargin` — Tokens kept free as a safety buffer for token-count estimation error.
-`contextOverflowPolicy` — Fallback behavior (LM Studio) if the prompt still exceeds the context window after Astra's own budgeting.
-`autoCompactHistory` — Automatically drop the oldest conversation messages from the request when the prompt would exceed the context budget (the on-screen chat history is unaffected).
-`smallModelContextCap` — Optional safety knob, OFF by default (0).
-`largeInputMapReduce` — When a single message is too large to fit the model's context window, split it into chunks, extract only the request-relevant facts from each (no hallucination/
-`mapReduceTriggerRatio` — Map-reduce kicks in when a single message exceeds (effective context window × this ratio).
-`mapReduceConcurrency` — How many chunk extractions run in parallel.
-`mapReduceMaxDepth` — Maximum hierarchical-integration depth when the combined extractions still overflow the window.
-`mapReduceShowProvenance` — Tag each extracted block with its source chunk (조각 k) so the final answer can be traced back to the part of the input it came from.
-`autoContinueOnOutputLimit` — When a reply is cut off because it hit the output-token limit, Astra continues it internally (compressed request — original question + the answer so far, not th
-`maxAutoContinuations` — Maximum number of automatic continuation rounds per reply (prevents runaway loops).
-`finalOnlyRetryOnThoughtLeak` — If the model emits only hidden reasoning (<think>, <|channel|>thought, "Thinking Process:" …) and no user-visible answer, Astra silently re-asks it for the fina
-`lmStudio.idleTimeoutMs` — Auto-eject the loaded LM Studio model after this many milliseconds of inactivity.
-`lmStudio.autoLoadOnSelect` — Automatically load LM Studio models into memory when selected from the Astra sidebar.
-`lmStudio.sampling.minP` — Min-P floor — discards tokens with probability below this fraction of the top token.
-`lmStudio.sampling.repeatPenalty` — Repeat / frequency penalty to curb stutter (것입니다서입니다…).
-`lmStudio.statsInBudget` — Show token/s and time-to-first-token from LM Studio prediction stats in the context-budget badge after each turn (SDK path only).
-`lmStudio.draftModel` — Speculative decoding LM Studio model key of a small draft model (e.g.
-`lmStudio.load.flashAttention` — Load option Enable Flash Attention when loading models.
-`lmStudio.load.gpuOffloadRatio` — Load option How much of the model to offload to GPU.
-`lmStudio.load.offloadKVCacheToGpu` — Load option Keep KV cache on GPU memory.
-`lmStudio.load.keepModelInMemory` — Load option Prevent the model from being swapped out of system memory.
-`lmStudio.load.useFp16ForKVCache` — Load option Store KV cache in FP16 (halves cache memory).
-`lmStudio.load.evalBatchSize` — Load option Token batch size during evaluation.
-`localBrainPath` — Folder path for your local Second Brain knowledge base.
-`brainProfiles` — Multiple brain profiles.
-`activeBrainId` — Active brain profile id used for the current chat context.
-`secondBrainRepo` — Optional GitHub repository URL used for Second Brain sync.
-`autoPushBrain` — Automatically commit and push Second Brain changes after updates.
-`maxContextSize` — Maximum character count for active file context.
-`maxAutoSteps` — Maximum autonomous steps the agent can take per request.
-`dryRun` — If enabled, the agent will ask for approval before committing any file changes.
-`telegram.enabled` — Enable the Telegram bot integration.
-`telegram.allowedChatIds` — Optional allowlist of Telegram chat IDs that may message the bot.
-`telegram.defaultAgent` — Agent name (matches an entry in the Agent ↔ Knowledge map) used to scope Second Brain retrieval for Telegram replies.
-`telegram.agentByChatId` — Per-chat override of the Telegram agent.
-`telegram.contextChunks` — How many Second Brain excerpts to inject into Telegram replies.
-`skillKnowledgeMapPath` — Absolute path to the agent ↔ knowledge mapping JSON.
-`skillKnowledgeMap` — Inline fallback for the agent ↔ knowledge mapping.
-`agentSkillsPath` — Absolute path to the agent skills folder (.agent/skills/*.md).
-`embeddingModel` — Embedding model registered in LM Studio / Ollama (e.g.
-`workflow.autoCtxFractionThreshold` — workflow.multiAgentMode = auto 일 때, prompt 토큰이 효과적 context window 의 이 비율(0~1)을 넘으면 5단계 파이프라인을 강제 발동.
-`chunkedSwitchTokens` — 입력 prompt 가 이 토큰 수 *미만* 이면 Multi-Agent(chunked) 파이프라인 발동 안 함 — 모델이 단일 호출로 처리.
-`chunkedMaxSections` — Chunked 파이프라인이 답변을 쪼갤 수 있는 최대 섹션 수.
-`polishPersonaOverride` — ChunkedWriter 의 polish 단계 system prompt 를 직접 정의 — 답변 톤·구조를 도메인에 맞게 커스텀.
-`liveStreamTokens` — 모델 토큰을 받는 즉시 채팅 버블에 흘려보낼지 여부.
-`outputFormat` — 최종 답변 표시 방식.
-`chronicleAutoRecord` — 자동 기록 (Project Chronicle Auto-Record).
-`company.intentClassifierModel` — Model used to classify whether an incoming chat message in 1인 기업 모드 is a (a) casual chat / question, (b) follow-up on the previous round, or (c) a brand-new tas
-`company.disableIntentClassifier` — Bypass the intent classifier and always run the full work pipeline on every chat message in 1인 기업 모드 (legacy behaviour).
-`company.autoSelectPipeline` — Let the intent classifier *automatically switch* to the pipeline it recommends for this turn (e.g.
-`company.intentAlignmentMode` — Intent Alignment — turn user prompts into an explicit Requirement Contract (C-G-C-F-Q) before dispatching a pipeline.
-`company.intentAlignmentMaxRounds` — Maximum back-and-forth rounds the Intent Alignment analyzer is allowed to ask before forcing a 'confirm or cancel' card (it stops asking new questions and shows
-`web.autoFetchUrls` — URL 자동 수집 — 메시지에 http(s) 링크가 있으면 답변 생성 전에 페이지 본문을 가져와 모델에게 전달합니다
-`company.alignmentSelfResearch` — Alignment 자가 조사 — 분석기가 만든 질문을 사용자에게 보여주기 전에 두뇌(지식 폴더)를 먼저 검색해 스스로 답할 수 있는 질문을 걸러냅니다.
-`company.alignmentKnowledgeSave` — Alignment 학습 루프 — 사용자가 alignment 라운드에서 직접 답해준 Q/A를 두뇌의 'Alignment Knowledge' 폴더에 노트로 저장합니다.
-`selfReflector.enabled` — Self-Reflector Phase A — append a Self-Reflector Check block at the end of every substantive LLM answer (Consistency / Completeness / Accuracy, plus References
-`hollowCheck.enabled` — Hollow Code Check — <create_file> 등 action-tag 로 만든 파일이 *빈 깡통* (empty class, stub-only function, imports-only) 인지 정규식 스캔.
-`hollowCheck.autoRetry` — Hollow 감지 시 1회 자동 재작업 — Phase B (externalVerification) 와 분리.
-`selfReflector.externalVerification` — Self-Reflector Phase B — after every 1인 기업 specialist response, run a *separate* LLM call to verify the output from an outside-context perspective (catches the
-`selfReflector.executionVerification` — Self-Reflector Phase C — after a code file is created via <create_file>, automatically run the language's syntax check (Python: py_compile, JS: node --check, TS
-`company.pixelOffice.enabled` — Show the Pixel Office visualisation panel above the chat — a small pixel-office-style display that mirrors the agent's current pipeline status (analyzing, need_
-`company.pixelOffice.bubbles` — Show short comic-style speech bubbles above the Pixel Office character on status changes / key events (e.g.
-`google.clientId` — Google OAuth Client ID — console.cloud.google.com/apis/credentials → OAuth 2.0 Client ID (Desktop app) 생성 후 복사.
-`google.clientSecret` — Google OAuth Client Secret — Client ID 와 같은 페이지에서 발급.
-`google.calendarId` — 일정을 등록할 Google Calendar 식별자.
-`google.defaultEventDurationMinutes` — end / duration 둘 다
-`google.icalUrl` — Google Calendar 비공개 iCal URL — 읽기 전용 모드용.
-`google.icalDaysAhead` — iCal 캐시에 포함할 다가오는 일정 기간 (일).
-`providers.openrouter.enabled` — OpenRouter cloud provider 활성화 — Claude/Gemini/GPT 등 100+ 모델을 OpenAI 호환 API 로 사용.
-`providers.openrouter.defaultModel` — OpenRouter 의 기본 모델 (예: 'anthropic/claude-3.5-sonnet').
-`providers.anthropic.enabled` — Anthropic Claude 직접 API 활성화.
-`providers.anthropic.defaultModel` — Anthropic 의 기본 모델.
-`providers.gemini.enabled` — Google Gemini 직접 API 활성화.
-`providers.gemini.defaultModel` — Gemini 의 기본 모델.
-`devilAgent.enabled` — Devil's Advocate (도현) 활성화 — 매 답변 직후 별도 LLM 호출로 *비판적 sparring partner* 가 한 문단 반박.
-`stocks.watcherEnabled` — 주식 자동 모니터링 활성화 — VS Code 시작 시 watcher 가동.
-`stocks.spreadsheetId` — Stocks Google Sheets ID — https://docs.google.com/spreadsheets/d/<여기>/...
-`stocks.sheetSwing` — 스윙/중기 종목 시트 탭 이름.
-`stocks.sheetLong` — 장기투자 종목 시트 탭 이름.
-`stocks.sheetUltraLow` — 저평가우량주 시트 탭 이름.
-`stocks.telegramChatId` — Stocks 보고서 전용 텔레그램 chatId — fallback.
> ⚙️ 자동 생성 (sleep-time 사전 소화) — **원문이 항상 우선**입니다. 소스가 바뀌면 자동 재생성되며, 이 파일은 삭제해도 안전합니다.
## 예상 질문과 답
- **Q: ConnectAI의 전체적인 아키텍처 구조는 어떻게 구성되어 있나요?** — A: ConnectAI는 기능별 폴더 경계를 가진 **계층형 모듈 아키텍처**를 따릅니다. `core/lib` (인프라) → `memory/intelligence` (역량) → `features` (도메인 기능) 순으로 계층이 구성되며, 하위 계층은 상위 계층을 알지 못하는 구조입니다. [ConnectAI 아키텍처 개요]
- **Q: 의존성 주입(DI)을 통해 얻는 이점과 구체적인 방법은 무엇인가요?** — A: 객체가 협력자를 직접 만들지 않고 외부에서 받게 함으로써 모듈의 순수성을 유지하고 테스트 가능성을 높입니다. 생성자 옵션 객체나 함수 타입을 통해 구현을 주방하며, `IAIService`와 같은 인터페이스로 계약을 정의합니다. [의존성 주입과 서비스 인터페이스]
- **Q: 이벤트 소싱 스토어 패턴은 어떤 방식으로 데이터를 관리하나요?** — A: 현재 상태를 덮어쓰는 대신, 발생한 이벤트를 **Append-only(추가만 가능)** 방식으로 JSONL 파일에 기록합니다. 현재 상태는 저장된 이벤트들을 재생(`computeStates`)하여 도출합니다. [이벤트 소싱 스토어 패턴]
- **Q: 자바스크립트 환경에서 비동기 작업 시 발생할 수 있는 경쟁 상태(Race Condition)를 어떻게 방지하나요?** — A: 세 가지 장치를 사용합니다. 첫째, 자원별 **비동기 락(AsyncLock)**을 통해 작업의 직렬화를 보장하고, 둘째, **동시성 제한 큐**로 I/O 폭주를 막으며, 셋째, 파일 변경 시 **보상 트랜잭션**을 통해 실패 시 원복할 수 있도록 합니다. [동시성 제어 Lock Queue Transaction]
## 핵심 사실
- **ConnectAI 아키텍처:** 308개의 TypeScript 파일로 구성된 VS Code 확장형 지식 OS이며, `extension.ts`는 조립과 등록 역할만 수행하는 얇은 entry point를 가집니다. [ConnectAI 아키텍처 개요]
- **이벤트 소싱 구현:** JSONL 형식을 사용하며, 제네릭 팩토리(`createEventStore<E>`)를 통해 중복된 I/O 로직을 통합 관리합니다. [이벤트 소싱 스토어 패턴]
- **동시성 제어 전략:** `AsyncLock`은 Promise 체인을 활용하며, `Symbol` 토큰을 사용하여 락 해제 시 발생할 수 있는 race condition을 방지합니다. [동시성 제어 Lock Queue Transaction]
## 문서 간 연결
- **공통 주제 (Architecture):** 모든 문서는 ConnectAI의 확장 가능하고 안정적인 시스템 구축을 위한 소프트웨어 설계 패턴(Dependency Injection, Event Sourcing, Concurrency Control)을 다루고 있습니다.
- **상호 작용:**
-`의존성 주입` 패턴은 `아키텍처 개요`에서 언급된 계층 간 결합도를 낮추는 핵심 기술로 사용됩니다.
-`이벤트 소싱`과 `동시성 제어`는 파일 시스템 기반의 데이터 영속화 및 안정적인 자원 관리를 위한 구체적인 구현 방법론을 제시합니다.
> ⚙️ 자동 생성 (sleep-time 사전 소화) — **원문이 항상 우선**입니다. 소스가 바뀌면 자동 재생성되며, 이 파일은 삭제해도 안전합니다.
## 예상 질문과 답
- **Q: 코딩 컨벤션에서 주석을 작성할 때 가장 중요하게 고려해야 할 원칙은 무엇인가요?** — A: '무엇'을 하는지가 아니라, 왜 그렇게 했는지(**Why**)와 왜 다른 방법이 아니었는지(대안 기각 이유), 그리고 과거의 버그 사례를 남기는 **Post-mortem 주석**을 작성하는 것이 핵심입니다. [코딩 컨벤션과 주석 철학]
- **Q: 프롬프트 엔지니어링에서 '블록 조립' 방식이란 무엇인가요?** — A: 시스템 프롬프트를 역할, 규칙, 컨텍스트, 출력 형식 등 독립적인 요소로 나누어 `[EPISTEMIC GUARD]`와 같이 명명된 블록 형태로 만들고, 필요에 따라 이를 조합하여 사용하는 방식입니다. [프롬프트 엔지니어링 패턴]
- **Q: 작은 규모의 LLM(예: Gemma)을 사용할 때 발생할 수 있는 문제와 대응 방안은?** — A: System 프롬프트가 없으면 환각(Hallucination) 현상을 일으키며 답변을 거절할 수 있으므로, 반드시 **System 메시지를 통해 강하게 Grounding**해야 합니다. 또한 규칙을 번호로 매겨 명시하고 부정적 제약(Negative Constraint)을 활용해야 합니다 *합니다*. [프롬프트 엔지니어링 패턴]
- **Q: 코드에서 `??` (Nullish coalescing operator)를 사용하는 권장 패턴이 있나요?** — A: `0`이나 `''`(빈 문자열)처럼 유효한 값이 의미가 있는 경우, `||` 대신 `??`를 사용하여 의미 있는 기본값을 보존해야 합니다. [코딩 컨벤션과 주석 철학]
- **Q: 프롬프트에서 JSON 출력을 강제할 때 발생할 수 있는 위험과 해결책은?** — A: 모델이 JSON 외의 잡설(예: `## 마커`)을 섞어 출력할 수 있으므로, 균형 괄호 `{}`를 스캔하여 추출하는 **강건한 파서(Robust Parser)**와 사후 정제 로직을 함께 설계해야 합니다. [프롬프트 엔지니어링 패턴]
## 핵심 사실
- **코딩 컨벤션의 핵심 가치:** 주석은 코드의 의도(Why)와 과거의 실수(Post-mortem)를 학습시켜, LLM이 코드의 논리적 함정까지 이해하도록 돕는 최고의 학습 신호입니다. [코딩 컨벤션과 주석 철학]
- **프롬프트 설계 전략:** 프롬프트는 조립 가능한 블록 형태여야 하며, 출력 형식은 파싱 가능한 JSON/템플릿으로 강제하고, 검색 근거가 없을 때는 가드 지시를 강화하는 동적 조절이 필요합니다. [프롬프트 엔지니어링 패턴]
- **코드 작성 패턴:** 함수명은 동사구로, Boolean은 `is*`/`should*` 접두사를 사용하며, 내부 전용 메서드는 `_` 접두사를 사용하는 것이 권장됩니다. [코딩 컨벤션과 주석 철학]
## 문서 간 연결
- **공통 주제:** 두 문서 모두 **"예측 가능성과 신뢰성 확보"**를 공통 주제로 합니다. 코딩 컨벤션은 개발자와 LLM이 실수하지 않도록 '의도'와 '근거'를 남기는 것을 강조하며, 프롬프트 패턴은 모델이 정해진 규칙을 벗어나지 않도록 '구조화된 블록'과 '강한 제약'을 설계하는 것을 다룹니다.
- **상호 보완성:** 코딩 컨벤션에서 언급된 "LLM이 의도까지 학습하게 하는 주석"은 프롬프트 엔지니어링 패턴에서 말하는 "작은 모델의 Grounding 및 규칙 준수"를 구현하기 위한 기초 데이터(학습 신호) 역할을 합니다.
> ⚙️ 자동 생성 (sleep-time 사전 소화) — **원문이 항상 우선**입니다. 소스가 바뀌면 자동 재생성되며, 이 파일은 삭제해도 안전합니다.
## 예상 질문과 답
- **Q: 에러 발생 시 시스템의 본 흐름을 유지하기 위해 어떤 전략을 사용하나요?** — A: 부가 기능(메모리 추출, 텔레메이트리 등)의 실패는 `catch {}`를 통해 의도적으로 삼키고, 이를 통해 "Graceful degradation"을 구현하여 본 흐름이 깨지지 않도록 합니다. [에러 처리와 커스텀 에러]
- **Q: 비동기 작업 중 사용자가 'Stop'을 눌렀을 때 어떻게 중단시키나요?** — A: `AbortSignal`과 `AbortController`를 사용하여 외부에서 비동기 작업을 취소할 수 있는 표준 메커니즘을 활용합니다. 특히 타임아웃과 사용자 취소를 결합하여 즉각적인 중단을 구현합니다. [비동기 프로그래밍 Promise async await]
- **Q: 모듈 시스템에서 `named export`를 주로 사용하는 이유는 무엇인가요?** — A: 자동완성, 일관된 이름 유지, 리팩터링의 안전성을 확보하기 위해서입니다. ConnectAI는 `default export`를 사실상 배제하고 이 방식을 채택합니다. [모듈 시스템과 프로젝트 구성]
- **Q: TypeScript에서 런타임 검증을 컴파일 타입 좁히기로 연결하는 방법은?** — A: `x is T` 형태의 '타입 가드'를 사용하여, 함수 내에서 런타임 검증이 성공하면 컴파일러가 해당 타입을 특정 타입으로 인식하도록(Type Narrowing) 만듭니다. [TypeScript 고급 타입]
- **Q: 에러 클래스를 설계할 때 어떤 정보를 포함해야 하나요?** — A: `Error`를 상속받아 도메인별로 분기하며, 경로, 엔진, 상태 코드와 같은 추가적인 컨텍스트(Context)를 담아 잡는 쪽에서 실패 원인을 명확히 알 수 있게 합니다. [에러 처리와 커스텀 에러]
## 핵심 사실
- **에러 처리:** `Error` 상속 계층을 통해 `instanceof`로 분기하며, 기술적 에러를 사용자 행동 지침(title/message/action)으로 번역하는 프로세스를 갖춤. [에름 처리와 커스텀 에러]
- **모듈 구조:** 308개의 파일을 `esbuild` 단일 번들로 통합하며, `barrel(index.ts)`을 통해 외부 진입점을 단일화함. [모듈 시스템과 프로젝트 구성]
- **비동기 제어:** `Promise.race`를 이용해 '작업 vs 타임아웃' 경쟁 구조를 만들고, 큐(Queue)를 통해 동시 실행 수를 CPU 코어 수에 맞춰 제한함. [비异步 프로그래밍 Promise async await]
- **타입 안전성:** 판별 유니온(Discriminated union)을 사용하여 결과값의 성공/실패(`{ ok: true } | { ok: false }`)를 명확히 분기 처리함. [TypeScript 고급 타입]
## 문서 간 연결
- **공통 주제 (Robustness & Reliability):** 모든 문서는 단순히 기능을 구현하는 것을 넘어, 에러를 예측하고(에러 처리), 취소 가능한 비동기를 만들며(비동기), 타입을 통해 런타임 오류를 방지하는(TypeScript 고급 타입) 등 **'견고한 소프트웨어 설계'**라는 공통된 지향점을 공유합니다.
- **상호 작용:**
- **에러 처리 + TypeScript:** 에러 클래스의 구조와 판별 유니온을 이용한 결과값 분기 처리는 서로 연결되어 안정적인 예외 처리를 완성합니다.
- **모듈 시스템 + 비동기:** 모듈의 `dynamic import`는 비동기 프로그래밍의 `await` 패턴과 결합하여 초기 로딩 속도를 최적화하는 데 사용됩니다.
> ⚙️ 자동 생성 (sleep-time 사전 소화) — **원문이 항상 우선**입니다. 소스가 바뀌면 자동 재생성되며, 이 파일은 삭제해도 안전합니다.
## 예상 질문과 답
- **Q: 회의록 내용 중 'CCCOC'가 아닌 올바른 프로젝트 명칭은 무엇인가요?** — A: SISIHOSI입니다. [2026-06-16-correction-ccoc가-아니라-sisihosi야]
- **Q: 영상 제작 공정에서 3주~5주라는 오차 범위가 발생한 이유는 무엇인가요?** — A: 기획은 완료되었으나 소스(VFX, 사운드 등) 제작 여부에 따라 작업 기간이 달라지기 때문입니다. [2026-06-15-correction-대화의-주제-기간-오차범위-와-다른-내용-영상-길이-을-놓침]
- **Q: 영상 길이가 1분 30초로 고정될 경우, 제작 기간은 어떻게 변동되나요?** — A: 리소스가 준비된 상태(편집/합성만 남은 경우)라면 약 3주, 리소스 제작이 추가로 필요한 경우에는 약 5주가 소요됩니다. [2026-06-15-correction-수치-오류를-바로잡기-위한-논리적-근거-재검토-필요]
- **Q: 계열사가 프로젝트 참여를 꺼리는 상황에서 취해야 할 전략적 방향은 무엇인가요?** — A: 프로젝트의 정체성을 '업무 전달'이 아닌, 비용 절감, 수익 창출, 리소스 최적화와 같은 '가치 증폭기(Value Multiplier)'로 전환하여 계열사의 이득을 강조해야 합니다. [2026-06-12-correction-요구한-구성-요소-기대-효과-를-누락하고-다른-포맷으로-작성함]
## 핵심 사실
- **프로젝트 현황**: iOS 기기의 메모리 부족 문제 해결을 위해 PlayCanvas, Babylon.js 등 웹GL 플랫폼 조사가 필요하며, 가우시안 스플래팅 R&D가 진행 중입니다. [2026-06-16-correction-ccoc가-아니라-sisihosiya]
- **제작 공정 기준**: 영상 제작 기간은 '리소스 준비 여부'에 따라 3주(준비 완료) 또는 5주(제작 필요)로 구분하여 관리하는 것이 효율적입니다. [2나 2026-06-15-correction-대화의-주제-기간-오차범위-와-다른-내용-영상-길이-을-놓침]
- **전략적 포지셔닝**: 계열사의 추가 업무 부담을 줄이기 위해 '비용 절감형', '수익 창출형', '리소스 최적화형' 모델을 제안해야 합니다. [2026-06-12-correction-요구한-구성-요소-기대-효과-를-누락하고-다른-포맷으로-작성함]
## 문서 간 연결
- **기술적 이슈와 프로젝트 관리**: iOS 메모리 문제(기술적 이슈)와 영상 제작 기간 관리(프로젝트 스케줄링)는 모두 '예측 불가능한 리스크'를 줄이기 위한 검증과 기준 확립을 공통적으로 다루고 있습니다.
- **논리적 정정의 흐름**: 모든 문서는 사용자의 정정 사항(Ground Truth)을 바탕으로, 기존 AI 답변의 오류(수치 오류, 맥락 누락, 지시 불이행)를 바로잡고 새로운 논리적 근거를 재구축하는 과정을 보여줍니다.
> ⚙️ 자동 생성 (sleep-time 사전 소화) — **원문이 항상 우선**입니다. 소스가 바뀌면 자동 재생성되며, 이 파일은 삭제해도 안전합니다.
## 예상 질문과 답
- **Q: ASTRA의 '주간 성장 사이클'은 어떤 과정으로 진행되나요?** — A: 검색 평가(골든셋) $\rightarrow$ 학습 큐 갱신(Need Engine) $\rightarrow$ 지식 노후 점검 $\rightarrow$ 성장 리포트 $\rightarrow$ 승인된 학습 자동 실행(Research Agent, 사이당 최대 3건) 순으로 진행됩니다. [ASTRA 기능 인벤토리]
- **Q: '지식 사전 소화(Sleep-time Digest)' 기능의 역할은 무엇인가요?** — A: 매일 지정된 시각(유휴 시간)에 최근 7일 내에 변경된 두뇌 지식을 찾아 폴더별 '소화 노트'(`<두뇌>/Digests/`)로 변환하는 자동화 기능입니다. [ASTRA 기능 인벤토리]
- **Q: ASTRA의 데일리 브리핑은 어떤 정보를 제공하나요?** — A: 평일(월~금) 지정된 시각에 오늘의 캘린더 일정과 Google Tasks(오늘 마감, 기한 경과, 조건부 대기 항목 포함)를 정리하여 텔레그램으로 발송합니다. [ASTRA 기능 인벤토리]
- **Q: ASTRA의 메모리 시스템은 어떻게 구성되어 있나요?** — A: 최근 대화 메시지를 사용하는 단기 메모리(`memoryShortTermMessages`), 최근 저장된 채팅 세션을 활용하는 중기 메모리(`memoryMediumTermSessions`), 그리고 관련 Markdown 파일을 활용하는 장기 메모리(`memoryLongترFiles`)로 계층화되어 있습니다. [ASTRA 기능 인벤토리]
- **Q: 텔레그램 봇 설정 시 필요한 요소는 무엇인가요?** — A: `telegram.enabled` 활성화, `telegram.allowedChatIds`(허용할 ID 목록), 그리고 특정 에이전트 범위를 지정하기 위한 `telegram.defaultAgent` 설정 등이 필요합니다. [ASTRA 기능 인벤토리]
## 핵심 사실
- **문서의 성격**: 이 문서는 ASTRA의 기능 목록을 담은 '기능 인벤토리'이며, 소스 코드(`package.json`)에서 자동 생성되는 참조용 문서입니다. [ASTRA 기능 인벤토리]
- **주요 자동화 프로세스**:
- **성장 사이클**: 주간 단위로 평가와 학습을 자동 수행합니다.
- **지식 관리**: 지식 노후 점검, 충돌 스캔, 사전 소화(Digest) 기능을 통해 지식의 최신성을 유지합니다.
- **알림 서비스**: 데일리 브리핑 및 텔레그램 연동을 통한 일정/업무 관리를 지원합니다. [ASTRA 기능 인벤토리]
- **기술적 특징**: LLM 활용을 위한 다양한 파라미터(Temperature, Context Window, Map-Reduce 전략 등)와 멀티 에이전트 워크플로우(`multiAgentEnabled`) 제어 옵션을 포함하고 있습니다. [ASTRA 기능 인벤토리]
## 문서 간 연결
- **자동 생성 및 현행화**: 이 문서는 `package.json`을 통해 기계적으로 생성되므로, ASTRA의 실제 기능과 일치하는 '항상 현행' 상태를 유지해야 하는 근거 문서입니다. [ASTRA 기능 인벤토리]
- **기능적 연관성**: '사용자 명령(명령어)' 섹션은 사용자가 직접 실행할 수 있는 액션을 나타내며, '설정으로 제어되는 동작' 섹션은 그 명령어들이 작동하는 환경과 자동화 로직을 정의합니다. [ASTRA 기능 인벤토리]
Blocking a user prevents them from interacting with repositories, such as opening or commenting on pull requests or issues. Learn more about blocking a user.
