[Cleanup] Removed empty or unused 1535_Knowledge directory
This commit is contained in:
@@ -1,33 +0,0 @@
|
||||
# [Report] G1nation Extension Encoding & Engine Rebuilding
|
||||
**Date**: 2026-04-24
|
||||
**Author**: PD Kodari (AI)
|
||||
**Status**: COMPLETED & PACKAGED (v2.2.15)
|
||||
|
||||
## 1. 개요 (Overview)
|
||||
ConnectAI에서 G1nation으로의 브랜딩 전환 이후 발생한 심각한 빌드 오류 및 런타임 불안정성을 해결하기 위한 긴급 수술을 집행함. 소스 코드 내 인코딩 오염과 코드 복제(Duplication)로 인해 `npm run compile`이 불가능한 상태였음.
|
||||
|
||||
## 2. 주요 결함 (Critical Issues)
|
||||
- **인코딩 지뢰 (Encoding Corruption)**: `extension.ts` 내 한글 주석 및 UI 문자열이 UTF-8 형식을 벗어나 깨지면서 따옴표(`'`) 인식을 방해함 -> `Unterminated string literal` 에러 발생.
|
||||
- **좀비 코드 (Ghost Blocks)**: 함수 외부에 버려진 실행 코드와 닫는 중괄호(`}`)들이 산재하여 문법 파괴.
|
||||
- **엔진 중복 (Engine Duplication)**: `_executeActions` 함수가 두 군데 이상 중복 정의되어 로직 충돌 및 용량 비대화 초래.
|
||||
- **문법 오용**: `execSync`에 `.catch()`를 사용하는 등 동기/비동기 혼선 발견.
|
||||
|
||||
## 3. 수술 과정 (Surgical Process)
|
||||
총 20단계에 걸친 **PowerShell 레이저 수술(Line-by-line Patch)**을 통해 표준 `replace` 도구의 인코딩 한계를 극복함.
|
||||
|
||||
- **v1~v10**: 설정 메뉴(`_handleSettingsMenu`) 및 브레인 메뉴(`_handleBrainMenu`)의 깨진 텍스트를 영문/표준 UTF-8로 전면 교체.
|
||||
- **v11~v18**: 중복된 코드 블록들을 찾아내어 삭제하고, 흩어진 액션 핸들러들을 하나로 통합.
|
||||
- **v19**: 메인 엔진(`_executeActions`)을 중복 없는 최신 구조로 리빌딩.
|
||||
- **v20**: 함수 외부에 잔존하던 '유령 코드'와 깨진 문자열 최종 소거.
|
||||
|
||||
## 4. 최종 결과 (Final Result)
|
||||
- **빌드 성공**: `esbuild` 컴파일 정상 통과 (30ms 내외).
|
||||
- **패키징 완료**: `g1nation-2.2.15.vsix` 생성 완료.
|
||||
- **안정성 확보**: UI 텍스트 영문화 및 표준화를 통해 향후 인코딩 문제 재발 가능성 차단.
|
||||
|
||||
## 5. 향후 과제 (Next Steps)
|
||||
- **모듈화**: 2,500라인이 넘는 `extension.ts`를 `ActionHandlers.ts`, `UIProvider.ts` 등으로 분리하여 유지보수성 향상 필요.
|
||||
- **i18n 도입**: 한글 UI 재도입 시 직접 하드코딩 대신 별도의 JSON 언어팩 사용 권장.
|
||||
|
||||
---
|
||||
**PD 코다리의 한마디**: "조직이 시스템이다. 엔진이 깨끗해야 비행기가 뜬다!" 😎🐟
|
||||
@@ -1,5 +0,0 @@
|
||||
# Index: Topics > 00_Raw
|
||||
|
||||
## 📁 Subcategories
|
||||
- [[2026-04-20/Index|2026-04-20]]
|
||||
|
||||
@@ -1,11 +0,0 @@
|
||||
# Index: Topics > 01_Frontend_Mastery
|
||||
|
||||
## 📝 Documents
|
||||
- [[React_Clean_Code_Best_Practices]]
|
||||
- [[React_Hooks_Deep_Dive]]
|
||||
- [[React_Mental_Model]]
|
||||
- [[React_Performance_Optimization]]
|
||||
- [[React_State_Management_Strategy]]
|
||||
- [[React_Testing_Strategy]]
|
||||
- [[TypeScript_Type_Safety]]
|
||||
- [[WebWorker_Performance]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: 리액트 클린 코드 및 개발 에티켓
|
||||
category: Software Architecture
|
||||
tags: [Clean Code, Etiquette, Best Practice, Readable Code]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[React_Clean_Code_Best_Practices]] (리액트 클린 코드)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 가독성 좋은 코드는 '컴퓨터'가 이해하는 코드가 아니라, '나중에 이 코드를 고칠 동료(혹은 미래의 나)'가 숨 쉬듯 읽어내려갈 수 있는 코드다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Early Return 패턴**:
|
||||
- 중첩된 `if-else`는 지옥이다. 예외 상황(Loading, Error)을 먼저 `return`으로 쳐내면, 함수의 본체는 항상 가장 중요한 로직만 남게 된다.
|
||||
- **Props Destructuring (구조 분해 할당)**:
|
||||
- `props.user.name` 처럼 경로를 길게 쓰는 대신, 함수의 인자 단계에서 `{ user: { name } }` 처럼 분해하라. 코드가 숨을 쉬기 시작한다.
|
||||
- **Explicit Naming (명시적 네이밍)**:
|
||||
- 핸들러 함수는 `handle[Action]` (예: `handleSearch`), 비즈니스 함수는 `on[Action]` (예: `onSearchSubmit`)으로 구분하여 책임 소재를 명확히 한다.
|
||||
- **조건부 렌더링 에티켓**:
|
||||
- `&&` 연산자 대신 삼항 연산자(`? :`)를 권장한다. 특히 `0 && <Component />` 시 화면에 숫자 0이 출력되는 대참사를 방지하기 위함이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 과도한 추상화는 오히려 독이다. 코드가 3줄인데 함수 5개로 쪼개는 것은 가독성을 해친다. '직관성'이 '분리'보다 우선할 때가 있음을 명심하라.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Collaboration_Governance]] , [[System_Debugging_Protocol]]
|
||||
- Foundation: [[React_Mental_Model]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 리액트 훅(Hooks) 심층 분석 및 활용
|
||||
category: Software Architecture
|
||||
tags: [React, Hooks, useEffect, Custom Hooks]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[React_Hooks_Deep_Dive]] (리액트 훅 심화)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 훅은 단순히 함수를 재사용하는 것이 아니라, 컴포넌트의 생애 주기와 논리를 '선언적'으로 결합하는 고도의 동기화 기제다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **useEffect의 올바른 관점**:
|
||||
- "마운트될 때 실행"이라는 라이프사이클 사고방식에서 벗어나라. `useEffect`는 **의존성 배열의 값과 컴포넌트 외부 시스템(API, DOM 등)을 동기화**하는 작업이다.
|
||||
- **Custom Hooks (추상화의 꽃)**:
|
||||
- 복잡한 비즈니스 로직(예: 데이터 페칭, 타이머 관리)을 `useMyLogic` 처럼 따로 빼내어 컴포넌트는 오직 UI 선언에만 집중하게 만든다. 이것이 컴포넌트의 가독성을 폭발시키는 비결이다.
|
||||
- **Rules of Hooks**:
|
||||
- 반드시 함수의 최상위에서만 호출되어야 한다. 그래야 리액트가 훅의 상태를 유한 상태 머신처럼 정확한 순서로 관리할 수 있다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- `useEffect` 내에서 무분별하게 상태를 업데이트하면 무한 루프나 성능 저하가 발생한다. 가능하면 `useMemo`나 `useCallback`으로 계산 결과를 캐싱하거나, 상태 업데이트 로직을 `useReducer`로 위임하라.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[React_Performance_Optimization]] , [[React_State_Management_Strategy]]
|
||||
- Context: [[WebWorker_Performance]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 리액트 핵심 멘탈 모델 (UI as a Function of State)
|
||||
category: Software Architecture
|
||||
tags: [React, State, Mental Model, Immutability]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[React_Mental_Model]] (리액트 멘탈 모델)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 리액트 개발은 DOM을 '조작(Manipulate)'하는 것이 아니라, 데이터의 흐름인 '상태(State)'를 정의하고 그 결과물을 화면에 '선언(Declare)'하는 과정이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **UI = f(State)**:
|
||||
- 화면은 상태의 결과값이어야 한다. 명령형(Imperative)으로 "이 버튼의 글자를 바꿔라"라고 하는 순간 리액트의 질서는 무너진다. 오직 상태를 바꾸고 리액트가 알아서 그리게 하라.
|
||||
- **Immutability (불변성)**:
|
||||
- 리액트는 객체의 주소값이 변할 때만 렌더링을 시도한다. `arr.push(1)`이 아니라 `setArr([...arr, 1])`처럼 **새로운 원본**을 복제하여 가상 DOM(Virtual DOM)이 효율적으로 동작하게 돕는다.
|
||||
- **Virtual DOM Diffing**:
|
||||
- 리액트는 실제 DOM을 직접 건드리기 전에 메모리상의 가상 DOM에서 이전 상태와 비교(Diffing)하여, 꼭 필요한 부분만 실제 화면에 반영(Commit)한다. 이것이 고성능 웹의 비결이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 불변성 유지를 위해 매번 거대한 객체를 복사하는 것은 때로 손해다. `Immer` 같은 라이브러리를 쓰거나, 상태의 크기를 작게 쪼개어(Normalization) 업데이트 비용을 최소화하는 전략이 중급 개발자의 역량이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[React_Hooks_Deep_Dive]] , [[Component_Design_Patterns]]
|
||||
- Foundation: [[System_Protocol_Standard]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: 리액트 렌더링 최적화 전략
|
||||
category: Software Architecture
|
||||
tags: [Performance, Memoization, React.memo, Optimization]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[React_Performance_Optimization]] (리액트 성능 최적화)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 가장 빠른 렌더링은 '하지 않는 렌더링'이다. 필요 없는 업데이트를 차단하고 데이터가 흐를 때만 화면이 출렁이게 하라.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Memoization (메모이제이션)**:
|
||||
- **React.memo**: 상위 컴포넌트가 변해도 내 Props가 같다면 그리기를 거부한다.
|
||||
- **useMemo**: 비용이 큰 연산 결과(예: 복잡한 필터링)를 저장해두고 재사용한다.
|
||||
- **useCallback**: 함수 객체의 변동을 막아 자식 컴포넌트의 불필요한 리렌더링을 방지한다.
|
||||
- **Windowing (가상 리스트)**:
|
||||
- 수천 개의 리스트 아이템이 있어도 사용자의 눈에 보이는 수십 개만 실제 DOM에 렌더링한다. (예: `react-window`, `react-virtualized`).
|
||||
- **상태의 위치 선정 (State Colocation)**:
|
||||
- 전역 상태가 바뀔 때마다 앱 전체가 들썩이지 않게 하라. 상태는 그것을 사용하는 가장 하위 컴포넌트 근처로 내려라.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 모든 곳에 `memo`를 쓰는 것은 메모리 낭비다. 리액트의 기본 렌더링 성능은 이미 매우 뛰어나다. 병목 현상이 '실제로 관측'될 때만 최적화를 적용하는 것이 원칙이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[WebWorker_Performance]] , [[System_Debugging_Protocol]]
|
||||
- Foundation: [[React_Mental_Model]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: 전략적 상태 관리 가이드 (Global & Server State)
|
||||
category: Software Architecture
|
||||
tags: [State Management, React Query, SSOT, Architecture]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[React_State_Management_Strategy]] (상태 관리 전략)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 상태는 '어디든' 있을 수 있지만, '아무데나' 있어서는 안 된다. 상태의 생명주기와 전파 범위에 따라 명확한 거주지를 결정하라.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **상태의 3대 거주지**:
|
||||
1. **Local State (거주형)**: `useState`. 특정 컴포넌트 내부에서만 알고 있는 '사생활' (예: 드롭다운 열림 여부).
|
||||
2. **Global State (공용)**: `Zustand`, `Redux`. 온 동네가 알아야 하는 '공공 정보' (예: 로그인 유저, 다크모드).
|
||||
3. **Server State (빌려온 것)**: `React Query`. 서버에서 잠시 빌려와서 화면에 보여주는 '외부 데이터'.
|
||||
- **Server State의 독립**:
|
||||
- 과거엔 Redux에 서버 데이터를 담으려 했으나, 이제는 캐싱, 재시도, 로딩 관리를 전담하는 **React Query/SWR**로 분리하는 것이 세계적인 추세다.
|
||||
- **상태의 최소화 원칙**:
|
||||
- 다른 상태로부터 계산될 수 있는 값(예: `firstName`+`lastName` = `fullName`)은 절대 '상태'로 만들지 마라. 렌더링 시점에 계산하는 것이 정합성 유지의 핵심이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 무조건적인 전역 상태 지상주의는 'Prop Drilling'보다 위험할 수 있다. 컴포넌트 간의 의존성이 암시적으로 얽히기 때문이다. 상태는 되도록 사용하는 곳에서 가장 가깝게 위치시켜라.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Single_Source_of_Truth]] , [[API_Communication_Patterns]]
|
||||
- Foundation: [[React_Hooks_Deep_Dive]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 리액트 애플리케이션 테스트 전략
|
||||
category: Software Architecture
|
||||
tags: [Testing, Vitest, RTL, Unit Test, QA]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[React_Testing_Strategy]] (리액트 테스트 전략)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 테스트는 '내가 짠 코드'를 검사하는 것이 아니라, '사용자가 경험할 가치'가 유지되고 있는지 수학적으로 증명하는 보험이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Unit Testing (단위 테스트)**:
|
||||
- `Vitest` 사용. 순수 함수, 비즈니스 로직, 유틸리티 함수가 주어진 입력에 정확한 출력을 내는지 검증한다.
|
||||
- **Integration Testing (통합 테스트)**:
|
||||
- `React Testing Library (RTL)`의 철학: "사용자가 보듯 테스트하라." 버튼을 클릭했을 때 화면이 변하는지, 유저의 인터랙션을 시뮬레이션한다.
|
||||
- **Mocking (모킹)**:
|
||||
- 서버 API 호출(`msw`)이나 무거운 라이브러리를 가짜(Mock)로 대체하여 환경에 구애받지 않는 안정적인 테스트 환경을 구축한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 테스트 커버리지 100% 집착은 생산성을 갉아먹는다. 비즈니스 핵심 로직과 사용자가 가장 많이 쓰는 '메인 시나리오'부터 견고하게 보호하는 지혜가 필요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[System_Debugging_Protocol]] , [[Reliability_Safety_First]]
|
||||
- Tool: [[Modern_Environment_Ecosystem]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 타입스크립트 기반의 안정적 개발 (Type Safety)
|
||||
category: Software Architecture
|
||||
tags: [TypeScript, Interface, Type Safety, Generic]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[TypeScript_Type_Safety]] (타입스크립트 정석)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 타입스크립트는 당신을 귀찮게 하는 '잔소리꾼'이 아니라, 런타임 에러라는 '낭떠러지' 앞에서 당신을 붙잡아주는 '생명줄'이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Non-Nullable & Narrowing**:
|
||||
- 데이터가 `null`이거나 `undefined`일 수 있음을 코드 수준에서 강제로 인지시켜, 런타임에서 발생하는 'TypeError'를 90% 이상 사전 차단한다.
|
||||
- **Generics (추상화의 끝판왕)**:
|
||||
- 데이터의 구체적인 타입은 나중에 정하지만, 그 구조의 일관성은 유지하고 싶을 때 사용한다. 재사용 가능한 고기능 컴포넌트 제작의 필수 요건이다.
|
||||
- **Interface & Alias**:
|
||||
- 시스템 전체에 흐르는 데이터의 '형태(Shape)'를 정의하라. 타입 정의만 잘 되어 있어도 코드는 스스로를 설명하는 훌륭한 문서가 된다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- `any`를 남발하는 순간 타입스크립트의 모든 이점은 사라진다. 차라리 `unknown`을 쓰고 타입을 좁히는(Narrowing) 방식을 택하라. 타입 정의에 너무 많은 시간을 뺏기는 '타입 헬(Type Hell)'을 경계하고 적절한 타협점을 찾아라.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[React_Clean_Code_Best_Practices]] , [[React_Hooks_Deep_Dive]]
|
||||
- Foundation: [[System_Protocol_Standard]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: WebWorker를 이용한 고성능 아키텍처 설계
|
||||
category: Web & Performance
|
||||
tags: [Web Worker, Concurrency, Performance, UI responsiveness]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# WebWorker를 이용한 고성능 아키텍처 설계
|
||||
|
||||
## 🎯 개요 (Overview)
|
||||
실시간 상태 변화가 매우 빈번한 애플리케이션(예: 게임, 시뮬레이션)에서 UI 스레드와 복잡한 연산 로직을 분리하여 **프레임 드롭(Jank)**을 방지하는 아키텍처 설계 기법입니다.
|
||||
|
||||
## 🚀 주요 원칙 (Key Principles)
|
||||
- **스레드 분리 (Thread Isolation)**: 무거운 계산은 백그라운드 스레드(Web Worker)에서 수행하고, 메인 스레드는 렌더링에만 집중합니다.
|
||||
- **메시징 기반 통신 (Messaging Architecture)**: `postMessage`와 `onmessage`를 통해 비동기적으로 데이터를 주고받아 결합도를 낮춥니다.
|
||||
|
||||
## 💡 레슨 런 (Lesson Learned)
|
||||
> [!IMPORTANT]
|
||||
> **"성능 병목 현상은 종종 '스레딩(Threading)'의 문제이다."**
|
||||
> 복잡한 물리 계산이나 루프가 UI 응답성을 해치지 않도록, 연산 엔진을 완전히 별도의 스레드로 격리하는 것이 부드러운 UX의 핵심입니다.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[Separation_of_Concerns]]
|
||||
- [[Systemic_Simulation_Principles]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 효율적인 API 통신 패턴 (Axios & Interceptors)
|
||||
category: Software Architecture
|
||||
tags: [API, Axios, Interceptor, Error Handling, Network]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[API_Communication_Patterns]] (API 통신 패턴)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 서버와의 대화는 항상 '정중하되 의심하며' 처리하라. 모든 요청은 중앙 통제소(Interceptor)를 거치고 모든 에러는 시나리오가 준비되어 있어야 한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Service Layer (서비스 레이어) 추상화**:
|
||||
- 컴포넌트 내에 `axios` 코드를 기생시키지 마라. `userService.js`, `productApi.js` 처럼 API별로 모듈화하여 컴포넌트는 오직 '함수 호출'만 알게 하라.
|
||||
- **Axios Interceptors (심사 통로)**:
|
||||
- 모든 요청에 인증 토큰을 자동으로 붙이거나, 백엔드에서 내려오는 401 에러를 가로채서 자동으로 토큰을 갱신(Silent Refresh)하는 로직을 중앙 집권화한다.
|
||||
- **Error Scenario Planning**:
|
||||
- 400(잘못된 요청), 403(권한 없음), 500(서버 죽음) 등 각 에러 코드별로 사용자가 경험할 UI 처리 방침을 미리 약속하라.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 모든 통신에 Axios가 정답은 아니다. 브라우저 네이티브인 `fetch`로도 충분한 경우가 많으며, 라이브러리 의존성을 낮추는 것이 가벼운 앱을 만드는 첫걸음일 수 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[System_Protocol_Standard]] , [[React_State_Management_Strategy]]
|
||||
- Foundation: [[Reliability_Safety_First]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: 컴포넌트 설계 패턴 (Atomic & Composition)
|
||||
category: Software Architecture
|
||||
tags: [Design Pattern, Atomic Design, Composition, Architecture]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Component_Design_Patterns]] (컴포넌트 설계 패턴)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 컴포넌트는 작을수록 강하고, 단순할수록 재사용성이 극대화된다. 복잡한 컴포넌트는 여러 개의 작고 순수한(Pure) 컴포넌트로 해체하라.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Container-Presenter 패턴**:
|
||||
- **Container**: 데이터(State, API)를 가져오고 관리하는 '머리'.
|
||||
- **Presenter**: 오직 Props만 받아 화면을 그리는 '몸통'. 스타일과 UI 구조에만 집중하여 테스트 가능성을 높인다.
|
||||
- **Compound Components (복합 컴포넌트)**:
|
||||
- `<Select><Option /></Select>` 처럼 부모와 자식이 상태를 공유하며 하나의 긴밀한 기능을 수행하는 패턴. 사용자가 UI 구조를 자유롭게 배치할 수 있게 유연성을 제공한다.
|
||||
- **Atomic Design (원자 중심 설계)**:
|
||||
- Atom(버튼, 입력창) $\rightarrow$ Molecule(검색바) $\rightarrow$ Organism(헤더) $\rightarrow$ Template $\rightarrow$ Page.
|
||||
- 가장 하위의 Atom이 프로젝트 전반에서 동일한 디자인 언어인 '디자인 토큰'을 반영하게 한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 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]]
|
||||
- Design: [[Accessibility_Inclusivity]]
|
||||
@@ -1,8 +0,0 @@
|
||||
# Index: Topics > 02_Architecture_Principles
|
||||
|
||||
## 📝 Documents
|
||||
- [[API_Communication_Patterns]]
|
||||
- [[Component_Design_Patterns]]
|
||||
- [[Separation_of_Concerns]]
|
||||
- [[Single_Source_of_Truth]]
|
||||
- [[Systemic_Simulation_Principles]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: 시스템 아키텍처와 관심사 분리 (Separation of Concerns)
|
||||
category: Software Architecture
|
||||
tags: [Architecture, SoC, Modular Design, Design Pattern]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 시스템 아키텍처와 관심사 분리 (SoC)
|
||||
|
||||
## 🎯 개요 (Overview)
|
||||
복잡한 소프트웨어 시스템을 역할별로 구분된 독립적인 모듈로 나누어, 유지보수성과 확장성을 극대화하는 설계 철학입니다.
|
||||
|
||||
## 🚀 계층구조 예시 (Layering Example)
|
||||
1. **Logic Engine**: 순수 비즈니스 로직 및 규칙 수행 (예: `gameWorker.js`)
|
||||
2. **State Manager**: 데이터의 중앙 집중 처리 (예: `TetrisGame.jsx`)
|
||||
3. **View Layer**: 사용자 인터페이스 표현 및 렌더링 (예: React Components)
|
||||
|
||||
## 💡 레슨 런 (Lesson Learned)
|
||||
> [!IMPORTANT]
|
||||
> **"코드의 경계가 명확할 때 시스템은 비로소 건강해진다."**
|
||||
> 기능을 추가할 때 기존 코드를 수정하기보다 새로운 모듈을 덧붙일 수 있는 구조를 고민해야 합니다.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[WebWorker_Performance]]
|
||||
- [[Single_Source_of_Truth]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: 상태 관리의 단일 진실 공급원 (Single Source of Truth)
|
||||
category: Software Architecture
|
||||
tags: [State Management, Data Consistency, Redux, Architecture]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 상태 관리의 단일 진실 공급원 (Single Source of Truth)
|
||||
|
||||
## 🎯 개요 (Overview)
|
||||
시스템의 핵심 데이터를 중앙 집중식으로 관리하여, 데이터 불일치(Inconsistency) 현상을 원천 차단하고 예측 가능한 데이터 흐름을 확보하는 설계 원칙입니다.
|
||||
|
||||
## 🚀 주요 원칙 (Key Principles)
|
||||
- **단일 지점 정의 (Defined at Single Point)**: 상태는 오직 한 곳에서만 정의되고 관리되어야 합니다.
|
||||
- **예측 가능성 (Predictability)**: 상태 변경은 정해진 규칙(Action/Setter)을 통해서만 발생하여 디버깅을 용이하게 합니다.
|
||||
|
||||
## 💡 레슨 런 (Lesson Learned)
|
||||
> [!TIP]
|
||||
> **"상태는 오직 한 곳에서만 정의하고, 모든 로직은 그 상태를 읽고 쓰는 방식으로 동작해야 한다."**
|
||||
> 코드의 파편화를 막기 위해 데이터의 책임 범위(Responsibility)를 명확히 하는 것이 대규모 프로젝트 성공의 열쇠입니다.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[Separation_of_Concerns]]
|
||||
- [[Domain-Driven Design (DDD)]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: 시스템 시뮬레이션 설계 원리
|
||||
category: Systemic Modeling & Fun
|
||||
tags: [Simulation, Physics Engine, Systemic Modeling, Ruleset]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 시스템 시뮬레이션 설계 원리
|
||||
|
||||
## 🎯 개요 (Overview)
|
||||
현실 세계의 물리 법칙이나 비즈니스 규칙을 수학적으로 정의하고, 이를 절대적으로 우회할 수 없는 시스템 내의 법(Law)으로 구축하는 설계 기법입니다.
|
||||
|
||||
## 🚀 핵심 메커니즘 (Mechanisms)
|
||||
- **규칙 강제 (Ruleset Enforcement)**: 모든 상태 변화는 사전에 정의된 물리 엔진 함수(`checkCollision` 등)를 거쳐야만 합니다.
|
||||
- **수학적 모델링**: 변화를 시각적 묘사가 아닌 데이터와 수식으로 먼저 증명합니다.
|
||||
|
||||
## 💡 레슨 런 (Lesson Learned)
|
||||
> [!TIP]
|
||||
> **"모든 시뮬레이션은 수학적 규칙을 절대 우회할 수 없도록 강제해야 한다."**
|
||||
> 이를 통해 단순한 게임을 넘어 자율주행, 물리 엔진 등 고도의 결정론적 시스템 모델링이 가능해집니다.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[WebWorker_Performance]]
|
||||
- [[Separation_of_Concerns]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 배포 프로토콜 및 CI/CD 자동화
|
||||
category: Software Architecture
|
||||
tags: [Deployment, CI/CD, GitHub Actions, Vercel, DevOps]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Deployment_Final_Gate]] (배포 및 자동화)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 수동 배포는 '실버 불렛'이 아니라 '시한폭탄'이다. 인간의 손을 거치지 않는 자동화된 보급로만이 시스템의 영속성을 보장한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **CI (Continuous Integration)**:
|
||||
- 코드가 저장소에 합쳐지기 전, 린트(Lint) 검사, 빌드 테스트, 유닛 테스트를 자동으로 수행하여 '오염된 코드'의 유입을 원천 차단한다.
|
||||
- **CD (Continuous Deployment)**:
|
||||
- 검증된 코드를 실서버에 자동으로 릴리즈한다. `Vercel`, `Netlify` 같은 플랫폼은 브랜치별 '미리보기' 주소를 제공하여 배포 전 최종 검수를 돕는다.
|
||||
- **Environment Variables (보안 환경)**:
|
||||
- `.env` 파일을 통한 민감 정보 격리는 기본 중의 기본이다. 깃허브에 API Key가 하나라도 노출되는 순간, 그 프로젝트는 보안적으로 사망한 것과 다름없다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 무조건적인 '자동 배포'가 늘 정답은 아니다. 운영 단계에서는 '블루-그린 배포'나 '카나리 배포'처럼 트래픽을 조금씩 흘려보내며 안정성을 확인하는 고급 전략이 필요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Modern_Environment_Ecosystem]] , [[Collaboration_Governance]]
|
||||
- Pre-requisite: [[React_Testing_Strategy]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: 개발 환경 및 실행 프로세스 관리 (DevOps & Setup)
|
||||
category: DevOps
|
||||
tags: [DevOps, Environment, CI/CD, Process Management]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 개발 환경 및 실행 프로세스 관리
|
||||
|
||||
## 🎯 개요 (Overview)
|
||||
코딩 완성도만큼이나 중요한 **실행 환경(Runtime Environment)**과 **설정 파일(Configuration)**의 무결성을 확보하여, '내 컴퓨터에선 되는데 왜 저기선 안 되지?'라는 문제를 해결하는 프로세스입니다.
|
||||
|
||||
## 🚀 필수 체크리스트 (Checklist)
|
||||
- **의존성 관리**: `npm install` 등 패키지 무결성 확인.
|
||||
- **물리적 파일 구조**: `index.html` 등 필수 진입점 파일 존재 확인.
|
||||
- **보안 및 권한**: OS 레벨의 실행 정책(`Execution Policy`) 및 권한 설정.
|
||||
|
||||
## 💡 레슨 런 (Lesson Learned)
|
||||
> [!NOTE]
|
||||
> **"운영 환경에 대한 이해는 코딩 능력의 절반이다."**
|
||||
> 논리적 로직의 완성뿐만 아니라, 그것이 실제로 구동되는 물리적 인프라 설정을 문서화하고 자동화하는 능력이 필수적입니다.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[Systemic_Simulation_Principles]]
|
||||
@@ -1,50 +0,0 @@
|
||||
# 🛠️ Git Operation & Work Log Protocol (Git 작업 및 기록 지침)
|
||||
|
||||
> **카테고리**: 03_DevOps_Environment, Automation
|
||||
> **상태**: 🟢 활성화 (Active)
|
||||
> **최종 업데이트**: 2026-04-22
|
||||
|
||||
---
|
||||
|
||||
## 📌 개요 (Overview)
|
||||
본 문서는 Skybound 프로젝트를 포함한 4개 주요 개발 거점의 원격 저장소 동기화 정합성을 유지하고, 모든 AI 작업 과정을 체계적으로 문서화하기 위한 Git 운영 규정 및 작업 로그(Work Log) 시스템을 정의한다.
|
||||
|
||||
## 🔗 프로젝트별 Git 맵핑 (Repository Mapping)
|
||||
대표님의 명령 한마디로 정확한 경로에서 작업을 수행하기 위해 각 폴더별로 독립적인 Git 설정을 유지한다.
|
||||
|
||||
| 프로젝트 | 로컬 경로 | 원격 저장소 (Remote URL) | 리모트 명칭 |
|
||||
| :--- | :--- | :--- | :--- |
|
||||
| **Wiki (2nd)** | `E:\Wiki\2nd` | `https://github.com/wonseokjung/solopreneur-ai-agents.git` | `lm_sync` |
|
||||
| **Skybound** | `E:\Wiki\skybound` | `https://github.com/wonseokjung/skybound-protocol.git` | `origin` |
|
||||
| **Legal** | `E:\Wiki\legal-bridge` | `https://github.com/wonseokjung/legal-bridge.git` | `origin` |
|
||||
| **Agent** | `E:\Wiki\auto-research-agent`| `https://github.com/wonseokjung/auto-research-agent.git` | `origin` |
|
||||
|
||||
## 🛠️ 운영 지침 (Operational Guidelines)
|
||||
|
||||
### 1. 동기화 프로토콜 (Full Sync)
|
||||
- **주기**: 모든 작업 세션 시작 전 및 종료 후.
|
||||
- **명령**: `git pull <remote> <branch>` (일반적으로 main).
|
||||
- **목적**: 로컬 작업 환경과 원격 저장소의 정합성 확보 및 충돌 방지.
|
||||
|
||||
### 2. 작업 로그 시스템 (Work Log)
|
||||
- **생성 경로**: `E:\Wiki\2nd\00_Raw`
|
||||
- **파일명 규칙**: `YYYY-MM-DD_Task_Description.md`
|
||||
- **필수 포함 항목**:
|
||||
- **What**: 작업 내용 요약.
|
||||
- **Why**: 작업의 의도 및 목적.
|
||||
- **How**: 주요 코드 수정 내역 및 기술적 처리 과정.
|
||||
- **Knowledge**: 사용된 지식 및 새롭게 습득한 패턴.
|
||||
- **Result**: 최종 결과 및 관련 연결 지식.
|
||||
|
||||
### 3. 위키화 (Wikification)
|
||||
- `00_Raw`에 축적된 로그는 주기적으로 `10_Wiki\Topics` 하위 카테고리로 고도화(Refinement)되어 이동된다.
|
||||
- 위키화가 완료된 원본 로그는 삭제하여 지식 베이스의 정결성을 유지한다.
|
||||
|
||||
## 🚀 기대 효과
|
||||
1. **정확성**: 경로 혼선으로 인한 Git 작업 오류 0건 유지.
|
||||
2. **지속성**: AI의 모든 작업 과정이 지식 자산(OPA)으로 축적되어 지식 베이스 강화.
|
||||
3. **신뢰성**: 대표님의 명령에 따른 즉각적이고 투명한 히스토리 관리.
|
||||
|
||||
---
|
||||
**승인인**: AI 개발부장 코다리 🫡
|
||||
**관련 문서**: GIT_PROTOCOL.md, WIKIFICATION_PROTOCOL.md
|
||||
@@ -1,8 +0,0 @@
|
||||
# Index: Topics > 03_DevOps_Environment
|
||||
|
||||
## 📝 Documents
|
||||
- [[Deployment_Final_Gate]]
|
||||
- [[DevOps_Environment_Setup]]
|
||||
- [[Git_Operation_Protocol]]
|
||||
- [[Modern_Environment_Ecosystem]]
|
||||
- [[Tetris_Project_Retrospective]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 모던 개발 환경 및 프레임워크 생태계
|
||||
category: Software Architecture
|
||||
tags: [Vite, Next.js, Ecosystem, Modern Stack]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Modern_Environment_Ecosystem]] (모던 개발 생태계)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 도구는 목적이 아니라 '생산성'을 위한 수단이다. 하지만 최신 생태계의 변화를 놓치는 것은 스스로 생산성을 깎아내는 것과 같다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Build Tools: Vite vs Webpack**:
|
||||
- `Vite`는 네이티브 ESM을 활용하여 개발 서버 구동 속도를 혁신적으로 줄였다. 프로젝트 규모가 커질수록 Vite의 HMR(Hot Module Replacement) 속도는 빛을 발한다.
|
||||
- **Framework: Next.js (The Fullstack Edge)**:
|
||||
- 단순히 SEO를 위한 SSR 도구가 아니다. API Routes를 통한 서버리스 함수 구현, 데이터 캐싱 전략(ISR/SSG) 등 현대 웹이 요구하는 거의 모든 기능을 탑재한 '거버넌스' 그 자체다.
|
||||
- **패키지 매니저의 선택**:
|
||||
- `pnpm` 또는 `npm v7+`의 워크스페이스 기능을 통해 모노레포(Monorepo) 구조를 효율적으로 관리하고, 패키지 중복 설치를 최소화하여 빌드 성능을 최적화한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 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
|
||||
- Foundation: [[TypeScript_Type_Safety]]
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: 프로젝트 회고: 고성능 테트리스 아키텍처
|
||||
category: Projects
|
||||
tags: [Retrospective, Tetris, Architecture, Performance]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 프로젝트 회고: 고성능 테트리스 아키텍처 (P-Reinforce)
|
||||
|
||||
## 🌊 프로젝트 아키텍처 요약
|
||||
본 프로젝트는 **Web Worker**를 활용한 완전한 연산-렌더링 분리를 실현하여, 실시간 게임 환경에서 극강의 부드러움을 확보하는 데 성공했습니다.
|
||||
|
||||
### 🧩 컴포넌트별 기술적 역할
|
||||
- **Game Engine**: 물리 계산 및 상태 전이 (`public/gameWorker.js`).
|
||||
- **State Manager**: UI의 유일한 진실 공급원 (`src/App.js`).
|
||||
- **Renderer**: Props 기반의 순수 매핑 렌더러 (`src/components/GameBoard.jsx`).
|
||||
|
||||
## ⚠️ 핵심 교훈 (Lessons Learned)
|
||||
> [!IMPORTANT]
|
||||
> **"논리가 완벽해도 실행 환경이 무너지면 아무 의미가 없다."**
|
||||
> 아키텍처 설계만큼이나 '파일 무결성 검증'과 '환경 재설정 루틴'이 개발 생산성에 지대한 영향을 미친다는 것을 확인했습니다.
|
||||
|
||||
## 🏆 성과
|
||||
- [x] Web Worker 기반 비동기 엔진 구축 완료.
|
||||
- [x] 표준 통신 프로토콜 기반의 Decoupling 성공.
|
||||
- [x] 체계적인 디버깅 프로토콜 수립.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[System_Debugging_Protocol]]
|
||||
- Project_Architecture_Guidelines
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 웹 접근성 및 포용적 설계 (a11y)
|
||||
category: Software Architecture
|
||||
tags: [Accessibility, a11y, Semantic HTML, Inclusivity]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Accessibility_Inclusivity]] (포용적 설계와 접근성)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 웹은 '모두'를 위한 공간이어야 한다. 신체적 제약이 시스템 이용의 제약이 되지 않게 하는 것은 '매너'가 아니라 전문 개발자의 '책임'이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Semantic HTML (의미론적 태그)**:
|
||||
- `<div>`로만 도배하지 마라. `<main>`, `<article>`, `<section>`, `<nav>` 등 의미가 담긴 태그를 써야 기계(스크린 리더)와 검색 엔진이 내 콘텐츠의 중요도를 파악한다.
|
||||
- **ARIA & States**:
|
||||
- 표준 HTML로 설명이 불가능한 인터랙션(예: 커스텀 탭 메뉴)은 `aria-label`, `aria-hidden` 등을 통해 기계에게 보조 설명을 전한다.
|
||||
- **Keyboard Navigation**:
|
||||
- 마우스 없이 `Tab` 키와 `Enter` 키만으로 내 앱의 모든 핵심 기능을 수행할 수 있는지 검증하라. 포커스링을 숨기지 마라. 누군가에게는 유일한 가이드라인이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 접근성을 챙기는 것은 단순히 윤리적인 문제를 넘어, **SEO(검색 노출)** 성적과 직결된다. 구글 검색 로봇은 눈이 없기에, 스크린 리더와 유사한 방식으로 우리 사이트를 평가하기 때문이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Styling_Governance]] , [[React_Clean_Code_Best_Practices]]
|
||||
- Ethic: [[Collaboration_Governance]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 협업 가이드라인 및 코드 거버넌스
|
||||
category: Software Architecture
|
||||
tags: [Collaboration, PR, Code Review, Documentation, Governance]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Collaboration_Governance]] (협업과 코드 품격)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 코드는 혼자 쓰는 일기장이 아니라 함께 짓는 건축물이다. 동료의 시간을 아껴주는 문서화와 소통 방식이 당신의 가치를 증명한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Pull Request (PR) 에티켓**:
|
||||
- "이거 고쳤습니다"는 최악의 PR이다. 무엇을(What), 왜(Why), 어떻게(How) 했는지 명시하고 가능한 시각적 결과물(스크린샷, GIF)을 첨부하여 리뷰어의 인지 부하를 줄여라.
|
||||
- **Code Review Protocol**:
|
||||
- P1(필수 반영), P2(권장), P3(질문/의견) 식으로 중요도를 표시하라. 비판은 날카롭게 하되 표현은 따뜻하게 하여 팀의 심리적 안정성을 유지하라.
|
||||
- **The Living Document**:
|
||||
- 복잡한 비즈니스 로직이나 기묘한 버그 픽스는 반드시 주석이나 README에 '의도'를 남겨라. 주석은 '무엇을 하는지'가 아니라 '왜 이렇게 했는지'를 적는 곳이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 완벽한 거버넌스를 추구하느라 소통이 무거워지면 안 된다. 빠른 배포가 필요한 시점에는 '기술 부채'를 명문화하고 나중에 갚는 기민함(Agile)도 필요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[React_Clean_Code_Best_Practices]] , [[Deployment_Final_Gate]]
|
||||
- Foundation: [[System_Debugging_Protocol]]
|
||||
@@ -1,9 +0,0 @@
|
||||
# Index: Topics > 04_Governance_Reliability
|
||||
|
||||
## 📝 Documents
|
||||
- [[Accessibility_Inclusivity]]
|
||||
- [[Collaboration_Governance]]
|
||||
- [[Reliability_Safety_First]]
|
||||
- [[Styling_Governance]]
|
||||
- [[System_Debugging_Protocol]]
|
||||
- [[System_Protocol_Standard]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: 애플리케이션 안정성 및 로깅 (Error Boundary)
|
||||
category: Software Architecture
|
||||
tags: [Reliability, Error Boundary, Sentry, Logging, Stability]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Reliability_Safety_First]] (애플리케이션 안정성)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 에러는 막는 것이 아니라 '우아하게 격리'하는 것이다. 컴포넌트 하나가 무너져도 전체 시스템은 안전하게 순항해야 한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Error Boundary (에러 바운더리)**:
|
||||
- 리액트의 `componentDidCatch` 생명 주기를 활용하여, 특정 하위 컴포넌트 트리의 런타임 에러를 포착하고 '대체 UI'를 보여주는 최후의 방어선이다.
|
||||
- **적용 전략**: 전체 앱을 감싸는 전역 바운더리 외에도, 독립적으로 동작하는 위젯(예: 사이드바, 게시글 목록) 단위로 세밀하게 감싸는 것이 유리하다.
|
||||
- **Observability (로깅 및 관측 가능성)**:
|
||||
- **Sentry 연동**: 클라이언트 사이드에서 발생하는 에러를 스택 트레이스와 함께 실시간 수집하여, 사용자가 제보하기 전에 개발자가 먼저 인지하게 한다.
|
||||
- **Contextual Logging**: 에러 발생 시 사용자의 브라우저 버전, 마지막 행동(Breadcrumbs)을 함께 기록하여 재현 가능성을 높인다.
|
||||
- **Graceful Fallback**:
|
||||
- 에러 발생 시 단순한 "에러 발생" 문구보다는 "일시적인 오류입니다. [다시 시도하기]" 버튼을 제공하여 사용자 경험 단절을 최소화한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 모든 곳에 에러 바운더리를 칠 필요는 없다. 데이터와 UI가 1:1로 매칭되는 구조라면 차라리 상위에서 에러를 처리하는 것이 논리적으로 명확할 수 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[System_Debugging_Protocol]] , [[React_Testing_Strategy]]
|
||||
- Foundation: [[System_Protocol_Standard]]
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
title: 스타일 거버넌스 및 디자인 시스템
|
||||
category: Software Architecture
|
||||
tags: [Styling, Tailwind, CSS-in-JS, Design System, Responsive]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Styling_Governance]] (스타일 매니지먼트)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 디자인은 '예쁜 픽셀'이 아니라 '일관된 약속'이다. 단 하나의 변수가 바뀌었을 때 전체 앱의 조화가 유지되는 구조가 진짜 디자인 시스템이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Design Tokens (디자인 토큰)**:
|
||||
- 색상(#FF0000 -> `brand-primary`), 여백(16px -> `spacing-md`)을 추상화된 이름으로 정의하라. 그래야 브랜드 리뉴얼 시 코드 한 줄로 대응 가능하다.
|
||||
- **Utility-First vs Runtime Style**:
|
||||
- **Tailwind CSS**: 클래스명으로 스타일을 정의하여 런타임 오버헤드가 없고 개발 속도가 압도적이다.
|
||||
- **Styled-components**: 컴포넌트 중심의 의미론적 스타일링과 동적 Props 처리에 강점이 있다.
|
||||
- **Mobile First Responsive**:
|
||||
- 작은 화면부터 디자인을 시작하여 넓은 화면으로 확장하라. 이것이 CSS 코드를 30% 이상 줄이는 지름길이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 과도한 '공통 컴포넌트'화는 오히려 독이 될 수 있다. 버튼 하나에 옵션이 20개가 달리는 순간, 그 버튼은 유지보수의 재앙이 된다. 적절한 '복제'와 '분리'의 균형을 유지하라.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Component_Design_Patterns]] , [[Accessibility_Inclusivity]]
|
||||
- Best Practice: [[React_Clean_Code_Best_Practices]]
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
title: 단계별 시스템 디버깅 체크리스트 (L1~L3)
|
||||
category: Software Architecture
|
||||
tags: [Debugging, Troubleshooting, Checklist, Process]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 단계별 시스템 디버깅 체크리스트 (The Diagnostic Flowchart)
|
||||
|
||||
## 🔍 L1: 환경 및 무결성 검증 (Low Level)
|
||||
- **대상**: 404 Error, Syntax Error, 파일 경로.
|
||||
- **목표**: **'실행 가능한 물리적 토대'**가 마련되어 있는가?
|
||||
- **필수 조치**: 강제 새로고침(Ctrl + F5), 서버 재시작(Restart Ritual).
|
||||
|
||||
## 🔍 L2: 통신 및 데이터 흐름 검증 (Communication)
|
||||
- **대상**: `onmessage`, `postMessage`, 비동기 처리.
|
||||
- **목표**: 메시지가 의도한 대로 흐르고 있는가?
|
||||
- **필수 조치**: 데이터 흐름 추적(`console.log`), 핸들러 동작 유무 확인.
|
||||
|
||||
## 🔍 L3: 논리 엔진 및 비즈니스 검증 (High Level)
|
||||
- **대상**: 비즈니스 로직, 수학적 공식, 물리 엔진.
|
||||
- **목표**: 코드가 논리적으로 무결한가?
|
||||
- **필수 조치**: 최소 실행 예제(MRE)를 통한 격리 테스트.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- [[Tetris_Project_Retrospective]]
|
||||
- [[DevOps_Environment_Setup]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: 표준 시스템 통신 프로토콜 및 상태 제어
|
||||
category: Software Architecture
|
||||
tags: [Protocol, State Machine, Data Exchange, Lifecycle]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# 표준 시스템 통신 프로토콜 및 상태 제어
|
||||
|
||||
## 📡 데이터 교환 규약 (Standard Protocol)
|
||||
모든 컴포넌트 간 통신은 예측 가능한 형태를 유지해야 합니다.
|
||||
- **포맷**: `{ type: 'ACTION_TYPE', payload: { data: value } }`
|
||||
- **주요 액션 타입**:
|
||||
- `INIT`: 시스템 초기화 및 동기화 시작.
|
||||
- `KEY_INPUT`: 사용자 인터랙션 데이터 전송.
|
||||
- `UPDATE`: 엔진 계산 결과의 브로드캐스트.
|
||||
|
||||
## 🔄 시스템 생명 주기 (Life Cycle)
|
||||
시스템은 [초기화 $\rightarrow$ 활성 루프 $\rightarrow$ 종료/정리]의 명확한 단계를 거쳐야 리소스 누수(Memory Leak)를 방지할 수 있습니다.
|
||||
|
||||
## 🚨 상태 머신 (State Machine) 도입
|
||||
시스템 복잡도가 임계치를 넘을 경우, `READY`, `RUNNING`, `PAUSED` 등 상태를 명시적으로 제어하는 **State Machine** 적용을 원칙으로 삼습니다.
|
||||
|
||||
## 🔗 연결된 지식
|
||||
- Project_Architecture_Guidelines
|
||||
- [[Single_Source_of_Truth]]
|
||||
@@ -1,5 +0,0 @@
|
||||
# Index: Topics > 10_Wiki
|
||||
|
||||
## 📁 Subcategories
|
||||
- [[💡 Topics/Index|💡 Topics]]
|
||||
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 10v10 대규모 멀티플레이어
|
||||
|
||||
## 📌 Brief Summary
|
||||
10v10 대규모 멀티플레이어는 WARNO에서 최대 20명의 플레이어가 동시에 참여하여 거대한 스펙터클과 혼란을 만들어내는 대규모 전술 게임 모드입니다 [1]. 이 모드에서는 유닛과 플레이어의 밀도가 매우 높아 강력한 포격과 촘촘한 방공망이 형성되며, 플레이어는 전장 전체가 아닌 특정 구역에 집중하여 전투를 수행할 수 있습니다 [1]. WARNO의 기반인 Iriszoom 엔진은 수백 개의 유닛이 기동하고 파괴되는 이러한 극단적인 환경 속에서도 4K 해상도와 풀 옵션을 안정적으로 유지할 수 있는 고도의 데이터 최적화 성능을 자랑합니다 [2, 3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **엔진 최적화 및 시각 데이터 처리:** 10v10 멀티플레이어 매치는 시스템에 엄청난 부하를 주지만, Iriszoom 엔진은 이를 원활하게 처리하도록 설계되었습니다 [2]. 수백 개의 개별 유닛이 동시에 전장에서 충돌하고 파괴되는 10 대 10 환경에서도 게임은 4K 해상도와 풀 옵션 설정에서 안정적인 성능을 보여줍니다 [3]. 또한 네이팜, 연막, 폭발 등의 시각적 효과 데이터가 10v10 모드에서도 효과가 종료되기 전에 사라지지 않고 명확하게 렌더링되도록 최적화되었습니다 [4].
|
||||
* **전술적 환경의 변화:** 플레이어 밀도가 높은 10v10 게임에서는 맵의 좁은 부분에 역량을 집중할 수 있어, 치열한 협력과 혼전이 발생합니다 [1]. 대공 방어망이 빽촘하게 배치되어 항공기 운용이 매우 까다로워지며, 집중된 대규모 포격 데이터로 인해 노출된 고정 위치에서 보병을 생존시키는 것이 훨씬 더 어렵습니다 [1]. 일부 플레이어들은 10v10 모드에서 가장 유효한 전략을 '전면 돌격(full frontal assault)'으로 체감하기도 하며, NATO 진영은 무거운 기갑 사단을 스팸(spam)할 때 특히 강한 모습을 보입니다 [5, 6].
|
||||
* **사단(Division) 단위 데이터 밸런싱:** 소규모 전투에서는 방어나 기동의 약점 때문에 다루기 까다로운 예비군 사단(예: K.d.A. Bezirk Erfurt)이나 특정 보병 사단들도 10v10과 같은 대규모 팀 게임에서는 훨씬 플레이하기 쉬워집니다 [7]. 팀원들이 부족한 보병이나 전차 전력을 채워주고, 본인은 포병과 대공망을 극대화하여 팀을 지원하는 방식의 상호 보완적 덱 빌딩이 가능해지기 때문입니다 [7, 8].
|
||||
* **통계적 밸런스와 숙련도 데이터:** 많은 플레이어가 특정 진영(NATO 또는 PACT)이 10v10에서 불균형적으로 강하다고 인식하지만, 실제 10v10 퍼블릭 로비의 플레이어 승률과 텔레메트리 데이터를 분석해 보면 진영 간 눈에 띄는 편향은 발견되지 않습니다 [9]. 10v10 대규모 멀티플레이어 데이터 분석 결과, NATO와 PACT 간의 플레이 비중 및 승률은 플레이어의 숙련도가 높아질수록 균형을 이루는 경향을 보입니다 [10].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom 엔진]], [[사단(Division) 시스템]], [[텔레메트리(Telemetry) 데이터 분석]]
|
||||
- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱]]
|
||||
- **Contradictions/Notes:** 소스 [5]을 비롯해 10v10 커뮤니티 내에서는 게임 경험상 특정 진영(예: NATO)이 더 강하거나 유리하게 느껴진다는 체감상 주장들이 종종 제기되지만, 소스 [11], [9], [10]에서 진행된 실제 10v10 플레이어 데이터 및 승률 통계 분석에 따르면 두 진영 간의 통계적으로 유의미한 불균형이나 편향은 존재하지 않으며, 승패는 주로 플레이어 본인과 팀원들의 숙련도 차이에 기인하는 것으로 나타납니다 [12].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-EB3F3C
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - 20k skinned instances demo"
|
||||
---
|
||||
|
||||
# [[20k skinned instances demo]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> '20k skinned instances demo'는 Three.js 기반의 오픈 소스 라이브러리인 InstancedMesh2를 활용하여 20,000개의 개별적인 스킨드 인스턴스(Skinned instances)를 동시에 렌더링하는 성능 최적화 데모입니다 [1, 2]. 이 데모는 모바일 기기에서도 3,000개의 인스턴스를 원활하게 구동할 수 있도록 설계되었습니다 [2]. 프러스텀 컬링, 거리 기반 애니메이션 프레임 조절, 다중 LOD(Level of Detail) 생성 등 다양한 최적화 기법을 적용하여 단 5번의 드로우 콜만으로 렌더링을 처리하는 것이 특징입니다 [2, 3].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
이 데모는 제작자(agargaro)가 개발한 `instancedMesh2` 라이브러리를 기반으로 하며, 대규모 스킨드 메쉬를 렌더링하기 위해 다음과 같은 세부 최적화 기술들을 사용했습니다 [2].
|
||||
|
||||
* **프러스텀 컬링 및 시야 기반 업데이트 (Frustum Culling & View-based Updates):**
|
||||
기본적인 프러스텀 컬링을 적용하여 카메라 시야(Frustum) 내에 존재하는 인스턴스들에 대해서만 뼈대(Bones) 연산을 업데이트합니다 [2].
|
||||
* **동적 애니메이션 프레임 제어:**
|
||||
카메라와 각 인스턴스 간의 거리를 계산하여 애니메이션 FPS를 0에서 60 사이로 개별 설정함으로써 불필요한 연산을 줄입니다 [2].
|
||||
* **LOD(Level of Detail)의 적극적 활용:**
|
||||
`meshoptimizer`를 활용해 5단계의 기하학적 LOD를 생성했습니다 [2]. 거리가 먼 인스턴스에 대해서는 일부 뼈대 계산을 생략하며, 각 LOD마다 1개의 드로우 콜(Draw Call)만 발생시켜 총 5개의 드로우 콜만으로 렌더링을 완료합니다 [2, 3]. 또한, 그림자(Shadows) 렌더링 시에도 LOD를 관리할 수 있도록 구성되어 있습니다 [4].
|
||||
* **개별 애니메이션 지원:**
|
||||
단일 인스턴스들의 복제본들이 모두 동일한 애니메이션과 포즈를 공유하는 것이 아니라, 각 인스턴스마다 서로 다른 애니메이션을 가집니다 [5, 6]. 이 데모에서는 하나의 애니메이션 믹서(Mixer)를 사용했지만, 필요에 따라 인스턴스별로 믹서를 생성할 수도 있습니다 [6].
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **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
|
||||
- **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*
|
||||
|
||||
---
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
id: UX-DATA-TEST-001
|
||||
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)
|
||||
|
||||
## 📌 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.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Empirical Validation and Iterative Optimization" — 직관이나 가정에 의존하는 대신, 트래픽을 대조군(Control)과 실험군(Test)으로 분리하여 특정 UI 변경이 미치는 인과관계를 데이터로 증명하는 패턴.
|
||||
- **핵심 방법론 및 도구:**
|
||||
- **A/B & Multivariate Testing:** 단일 또는 다중 변수의 변경이 최종 전환율에 미치는 영향을 분리 및 검증.
|
||||
- **Micro-conversions:** 최종 목표(구매 등) 이전의 행동(스크롤, 클릭, 시청)을 추적하여 사용자 의도 파악.
|
||||
- **Behavioral Analysis:** 히트맵(Heatmaps)과 세션 녹화(Session Recording)를 통해 정량적 지표 뒤에 숨겨진 정성적 마찰 지점 식별.
|
||||
- **Progressive Rollouts:** 리스크 최소화를 위해 신규 디자인을 특정 세그먼트에게만 점진적으로 노출.
|
||||
- **의의:** 디자인 결정의 불확실성을 제거하고, 지속적인 실험 루프를 통해 제품의 비즈니스 가치를 과학적으로 극대화함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 디자인을 '완성된 작품'으로 보았으나, 현재 정책은 제품을 '지속적 실험의 대상'으로 간주함. 특히 상관관계(Correlation)와 인과관계(Causation)를 혼동하지 않기 위한 엄격한 통계적 유의성 검증 정책이 강화됨.
|
||||
- **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
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
id: ABA-001
|
||||
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)
|
||||
|
||||
## 📌 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.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** ABC(Antecedent-Behavior-Consequence) 패러다임을 통해 행동 전후의 맥락을 분석하고, 보상(Reinforcement) 체계를 설계하여 특정 행동의 발생 빈도를 조절하는 기능적 분석 패턴.
|
||||
- **핵심 요소:**
|
||||
- **ABC Analysis:** 선행 사건(A), 행동(B), 결과(C)의 연쇄 고리 파악.
|
||||
- **Positive Reinforcement:** 바람직한 행동 뒤에 보상을 주어 행동의 재발 확률을 높임.
|
||||
- **Prompting & Fading:** 초기에는 보조(Prompt)를 통해 행동을 유도하고, 점차 보조를 줄여 독립적 수행을 도움.
|
||||
- **Generalization:** 학습된 행동이 치료실 밖의 실제 환경에서도 유지되도록 유도.
|
||||
- **의의:** 자폐 스펙트럼 장애 치료뿐만 아니라 조직 관리, 교육, 그리고 인공지능 에이전트의 보상 함수 설계에 광범위하게 응용됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 행동을 교정하는 '훈련'으로 치부되기도 했으나, 현대에는 개인의 삶의 질 향상을 목표로 하는 인본주의적 가치가 결합된 과학적 분석법으로 정착.
|
||||
- **정책 변화:** Antigravity 에이전트의 강화학습 보상 모델 설계 시, ABA의 '기능적 행동 평가' 원칙을 도입하여 에이전트가 왜 특정 오류 행동을 반복하는지 분석하고 교정함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Psychology-of-Learning]], [[Reinforcement-Learning]], [[Alignment]], [[Habit-Formation]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/ABA.md
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
id: SYS-COMP-ACC-GLOBAL-001
|
||||
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)
|
||||
|
||||
## 📌 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.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Harmonized Global Standards and Proactive Inclusivity" — 미국(ADA)의 WCAG 2.1 AA 권고와 유럽(EAA 2025)의 EN 301 549 표준을 통합하여, 코드 레벨에서부터 보편적 설계(Universal Design)를 관철시키는 패턴.
|
||||
- **글로벌 규제 현황:**
|
||||
- **ADA (Americans with Disabilities Act):** 미국 내 모든 디지털 콘텐츠의 접근성 의무화. 최근 소송 건수 급증 추세.
|
||||
- **EAA (European Accessibility Act):** 2025년 6월 발효. 유럽 내 전자상거래, 뱅킹 등 주요 서비스의 접근성 준수 강제.
|
||||
- **WCAG 2.2 핵심 업데이트 (2023):**
|
||||
- **Focus Not Obscured:** 레이어 등에 의해 포커스 표시가 가려지지 않아야 함.
|
||||
- **Dragging Movements:** 복잡한 드래그 동작에 대한 단일 클릭 대안 제공 필수.
|
||||
- **Accessible Authentication:** 기억력에 의존하지 않는 로그인 방식(생체 인식 등) 권장.
|
||||
- **의의:** 장애인뿐만 아니라 고령자, 일시적 부상자, 저속 인터넷 사용자 등 모든 잠재 고객의 이탈을 방지하고 브랜드 가치를 고양함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 '접근성 위젯(Overlay)'이 법적 방패가 될 것으로 보았으나, 2025년 기준 소송의 22% 이상이 위젯 설치 사이트를 대상으로 함. 따라서 '코드 레벨의 직접 수정'만이 유일한 안전 정책임.
|
||||
- **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
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
id: AGI-001
|
||||
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)
|
||||
|
||||
## 📌 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.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 지식의 파편화된 활용을 넘어, 자의식과 메타인지를 바탕으로 도메인을 넘나드는 범용적 문제 해결(General Problem Solving)을 수행하는 완전한 지능 패턴.
|
||||
- **핵심 특징:**
|
||||
- **Cross-domain Learning:** 수학 문제를 풀던 지능이 소설을 쓰거나 코딩을 하는 등 다양한 분야로 즉각 전이됨.
|
||||
- **Common Sense:** 방대한 경험을 바탕으로 세상의 당연한 이치(상식)를 이해하고 활용.
|
||||
- **Self-Correction:** 자신의 오류를 인지하고 외부의 도움 없이도 지식 체계를 수정 및 업데이트.
|
||||
- **Abstract Reasoning:** 구체적인 사례 없이도 원리와 개념만으로 복잡한 논리를 전개.
|
||||
- **예상 시점:** 연구자마다 견해가 다르나, LLM의 등장으로 AGI로 가는 길이 가속화되었다는 평이 지배적.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 계산 속도가 빠른 컴퓨터에서, 인간의 인지 구조를 완벽히 모사하거나 능가하는 '디지털 생명체'에 가까운 개념으로 확장.
|
||||
- **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
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AIDS-001
|
||||
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
|
||||
---
|
||||
|
||||
# [[AI & Data Sovereignty]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터의 주인은 누구인가: 우리의 모든 행동이 AI 학습의 공짜 재료가 되는 시대, 개인과 국가가 자신의 데이터를 통제하고 그로부터 창출된 부를 정당하게 나눠 가질 권리를 지키기 위한 투쟁."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 및 데이터 주권(AI & Data Sovereignty)은 디지털 정보와 그로부터 파생된 AI 모델에 대해 개개인, 조직, 혹은 국가가 가지는 배타적인 통제권과 자기 결정권을 의미합니다.
|
||||
|
||||
1. **핵심 층위**:
|
||||
* **Individual Sovereignty**: 내 데이터가 어디에 쓰이는지 알고 거부하거나 보상받을 권리 (Privacy rights).
|
||||
* **National Sovereignty**: 자국민의 데이터가 해외 거대 테크 기업(Big Tech)의 AI 학습에 종속되지 않도록 인프라와 규제를 갖추는 것.
|
||||
* **Model Sovereignty**: 특정 국가나 기업의 AI 모델에 의존하지 않고 독자적인 연산력과 모델 아키텍처를 보유하는 능력.
|
||||
2. **부각되는 배경**:
|
||||
* 거대 모델 학습을 위한 무분별한 데이터 수집이 '디지털 식민주의'를 초래할 수 있다는 우려 확산.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 인터넷의 '개방성과 공유' 정책이 최우선이었으나, 현대의 AI 패권 경쟁 정책은 데이터가 곧 전략 자산임을 인식하고 '데이터의 폐쇄적 권리 확보 정책'으로 이동함(RL Update).
|
||||
- **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
|
||||
- **Modern Tech/Tools**: Federated Learning (Privacy-preserving AI), Differential Privacy, Sovereign Clouds.
|
||||
---
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 10v10 대규모 멀티플레이어
|
||||
|
||||
## 📌 Brief Summary
|
||||
10v10 대규모 멀티플레이어는 WARNO에서 최대 20명의 플레이어가 동시에 참여하여 거대한 스펙터클과 혼란을 만들어내는 대규모 전술 게임 모드입니다 [1]. 이 모드에서는 유닛과 플레이어의 밀도가 매우 높아 강력한 포격과 촘촘한 방공망이 형성되며, 플레이어는 전장 전체가 아닌 특정 구역에 집중하여 전투를 수행할 수 있습니다 [1]. WARNO의 기반인 Iriszoom 엔진은 수백 개의 유닛이 기동하고 파괴되는 이러한 극단적인 환경 속에서도 4K 해상도와 풀 옵션을 안정적으로 유지할 수 있는 고도의 데이터 최적화 성능을 자랑합니다 [2, 3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **엔진 최적화 및 시각 데이터 처리:** 10v10 멀티플레이어 매치는 시스템에 엄청난 부하를 주지만, Iriszoom 엔진은 이를 원활하게 처리하도록 설계되었습니다 [2]. 수백 개의 개별 유닛이 동시에 전장에서 충돌하고 파괴되는 10 대 10 환경에서도 게임은 4K 해상도와 풀 옵션 설정에서 안정적인 성능을 보여줍니다 [3]. 또한 네이팜, 연막, 폭발 등의 시각적 효과 데이터가 10v10 모드에서도 효과가 종료되기 전에 사라지지 않고 명확하게 렌더링되도록 최적화되었습니다 [4].
|
||||
* **전술적 환경의 변화:** 플레이어 밀도가 높은 10v10 게임에서는 맵의 좁은 부분에 역량을 집중할 수 있어, 치열한 협력과 혼전이 발생합니다 [1]. 대공 방어망이 빽촘하게 배치되어 항공기 운용이 매우 까다로워지며, 집중된 대규모 포격 데이터로 인해 노출된 고정 위치에서 보병을 생존시키는 것이 훨씬 더 어렵습니다 [1]. 일부 플레이어들은 10v10 모드에서 가장 유효한 전략을 '전면 돌격(full frontal assault)'으로 체감하기도 하며, NATO 진영은 무거운 기갑 사단을 스팸(spam)할 때 특히 강한 모습을 보입니다 [5, 6].
|
||||
* **사단(Division) 단위 데이터 밸런싱:** 소규모 전투에서는 방어나 기동의 약점 때문에 다루기 까다로운 예비군 사단(예: K.d.A. Bezirk Erfurt)이나 특정 보병 사단들도 10v10과 같은 대규모 팀 게임에서는 훨씬 플레이하기 쉬워집니다 [7]. 팀원들이 부족한 보병이나 전차 전력을 채워주고, 본인은 포병과 대공망을 극대화하여 팀을 지원하는 방식의 상호 보완적 덱 빌딩이 가능해지기 때문입니다 [7, 8].
|
||||
* **통계적 밸런스와 숙련도 데이터:** 많은 플레이어가 특정 진영(NATO 또는 PACT)이 10v10에서 불균형적으로 강하다고 인식하지만, 실제 10v10 퍼블릭 로비의 플레이어 승률과 텔레메트리 데이터를 분석해 보면 진영 간 눈에 띄는 편향은 발견되지 않습니다 [9]. 10v10 대규모 멀티플레이어 데이터 분석 결과, NATO와 PACT 간의 플레이 비중 및 승률은 플레이어의 숙련도가 높아질수록 균형을 이루는 경향을 보입니다 [10].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom 엔진]], [[사단(Division) 시스템]], [[텔레메트리(Telemetry) 데이터 분석]]
|
||||
- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱]]
|
||||
- **Contradictions/Notes:** 소스 [5]을 비롯해 10v10 커뮤니티 내에서는 게임 경험상 특정 진영(예: NATO)이 더 강하거나 유리하게 느껴진다는 체감상 주장들이 종종 제기되지만, 소스 [11], [9], [10]에서 진행된 실제 10v10 플레이어 데이터 및 승률 통계 분석에 따르면 두 진영 간의 통계적으로 유의미한 불균형이나 편향은 존재하지 않으며, 승패는 주로 플레이어 본인과 팀원들의 숙련도 차이에 기인하는 것으로 나타납니다 [12].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-5267ED
|
||||
category: "10_Wiki/💡 Topics/AI & Games"
|
||||
confidence_score: 0.95
|
||||
tags: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Mega Batch - Wikified AlphaZero Strategy"
|
||||
---
|
||||
|
||||
# [[AlphaZero Strategy]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 핵심 요약 작업 진행 중
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 상세 구성 진행 중
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 지식 자산화 및 기존 네트워크 연동 단계.
|
||||
- **정책 변화:** AI & Games 카테고리의 전문성 확보 및 링크 밀도 최적화.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
|
||||
---
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Combined Arms (제병협동) 전술
|
||||
|
||||
## 📌 Brief Summary
|
||||
Combined Arms (제병협동) 전술은 보병, 기갑, 포병, 항공 지원 및 정찰 등 다양한 병과를 조화롭게 통합하여 승리를 쟁취하는 WARNO의 핵심 전술입니다 [1]. 이는 가위바위보와 같은 상성 원리를 기반으로 작동하며, 다양한 유닛이 서로를 지원하고 약점을 보완하도록 전술적 진형을 갖추어 교전을 통제하는 것을 의미합니다 [2-4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **가위바위보 기반의 상성 원리:** WARNO의 전투는 기본적으로 공격 헬기가 전차를 이기고, 대공포가 공격 헬기를 이기며, 전차가 대공포를 이기는 식의 상성(rock-paper-scissors) 원리로 작동합니다 [3, 5]. 따라서 적이 어떤 유닛을 투입하든 즉각적으로 카운터 유닛으로 대응할 수 있도록, 사전에 전장에 다양한 병과를 미리 전개해 두는 것이 제병협동의 기초입니다 [4, 5].
|
||||
* **병과별 역할 분담과 상호 지원:** 성공적인 제병협동을 위해서는 부대의 타격력을 담당하는 전차, 적 헬기 위협에 대응하는 대공 유닛, 시야를 제공하는 정찰 유닛, 그리고 측면 방어와 은폐를 돕는 보병이 하나의 전술적 진형 안에서 상호 지원해야 합니다 [4]. 예를 들어 저격수가 보병, 전차, IFV와 함께 작전하는 것은 매우 스마트한 제병협동 플레이로 간주됩니다 [6]. 또한 연막(Smoke)을 효과적으로 활용하여 서로 다른 유닛 타입 간의 교전을 통제하는 것이 권장됩니다 [2].
|
||||
* **데이터 스펙에 따른 전략적 배치:** 효과적인 제병협동 진형은 각 유닛의 데이터 특성(장갑, 사거리, 은신)을 바탕으로 구축되어야 합니다 [7].
|
||||
* 장갑 수치가 낮은 유닛은 높은 유닛 뒤에 배치하여 피해를 흡수하도록 합니다 [7, 8].
|
||||
* ATGM 차량이나 헬기처럼 사거리가 긴 유닛은 사거리가 짧은 유닛 뒤에 두어 아웃레인지 공격을 수행하게 합니다 [8, 9].
|
||||
* 은신(Stealth) 수치가 낮은 유닛(예: 대공 차량)은 은신이 높은 보병이나 정찰 유닛의 뒤에 배치하여 적의 시야에서 벗어나게 해야 합니다 [10].
|
||||
* **Army General 캠페인에서의 시스템적 보상:** Army General 모드에서 전술 전투(Tactical Battle)를 벌일 때, 서로 다른 유닛 타입들을 조합하여 제병협동을 달성하면 시스템적으로 적에게는 부정적인 모디파이어(페널티)를 가하고 아군에게는 추가적인 전투 보너스를 제공받게 됩니다 [11].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[가위바위보 상성 (Rock-paper-scissors principle)]], [[장갑 및 사거리 데이터 (Armor and Range Stats)]], [[은신과 시야 매커니즘 (Stealth and Optics)]]
|
||||
- **Projects/Contexts:** [[WARNO 실시간 전술(Real-time Tactics) 및 Army General 캠페인]]
|
||||
- **Contradictions/Notes:** 모든 소스들은 공통적으로 제병협동의 절대적인 중요성을 강조하며, 단순히 병력을 한곳에 뭉치는 것(blobbing)이 아니라 각 유닛의 스펙과 데이터(장갑, 사거리, 은신)를 고려한 정교한 진형 배치가 승리의 핵심임을 지적합니다 [1, 7, 12].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Eugen Systems 모딩 매뉴얼
|
||||
|
||||
## 📌 Brief Summary
|
||||
Eugen Systems의 WARNO 모딩 매뉴얼은 플레이어가 게임 소스 코드를 직접 수정하지 않고도 게임 내 데이터 포맷인 NDF(Neutral Data Format) 파일을 편집하여 새로운 유닛, 무기, 사단 등을 추가하거나 밸런스를 변경할 수 있도록 돕는 지침이다 [1, 2]. 게임 설치 폴더에 포함된 공식 매뉴얼(Modding Manual, NDF Reference Manual) 및 커뮤니티가 제공하는 가이드와 툴(Warno Mod Editor 등)을 기반으로 모딩이 이루어진다 [3, 4]. 이를 통해 사용자들은 유닛의 기초적인 통계부터 3D 모델(Depiction) 및 덱 편제에 이르기까지 폭넓은 데이터 수정 작업을 수행할 수 있다 [1, 5, 6].
|
||||
|
||||
## 📖 Core Content
|
||||
* **모딩 초기 설정 (Initial Setup):** WARNO의 모딩은 게임의 `Mods` 폴더 내에 있는 `CreateNewMod.bat` 파일을 실행하여 모드 이름을 인수로 입력함으로써 시작된다 [7, 8]. 성공적으로 실행되면 `CommonData`, `GameData` 폴더와 모드 생성 및 관리를 위한 다양한 배치 파일(`GenerateMod.bat`, `UpdateMod.bat` 등)이 생성된다 [6, 9]. Eugen Systems는 모딩의 기초를 다룬 'Modding Manual'과 NDF 언어의 구조를 설명하는 'NDF Reference Manual' PDF 파일을 게임 폴더 내에 함께 제공하여 모더들을 지원하고 있다 [4].
|
||||
|
||||
* **필요 도구 (Tools):** NDF 파일을 수정하기 위해 Sublime Text, NotePad++ 같은 텍스트 편집기와 고유 식별자 생성을 위한 GUID 생성기가 필수적이다 [6, 10]. 또한 커뮤니티에서 개발한 통합 솔루션인 Warno Mod Editor(WME)를 활용하면 필수적인 NDF 편집과 GUID 생성을 한 번에 편리하게 처리할 수 있다 [3, 11].
|
||||
|
||||
* **데이터 파일 편집 (NDF 파일 수정):**
|
||||
* **사단 및 덱 편제:** `Divisions.ndf` 파일에서 특정 사단에 할당된 유닛 카드 리스트를 추가하거나 변경할 수 있으며, `DivisionRules.ndf`에서 숙련도(Veterancy)에 따른 유닛 가용성을 세부적으로 설정한다 [6, 12, 13]. 덱의 활성화 포인트와 슬롯 비용은 `DivisionCostMatrix.ndf`에서 변경 가능하다 [14].
|
||||
* **유닛 및 무기 속성:** 유닛의 시야, 비용, 전진 배치(Forward Deployment) 특성 등은 `UniteDescriptor.ndf`에서, 무장 및 탄약 적재량은 `WeaponDescriptor.ndf`에서, 관통력이나 피해량 같은 핵심 전투 속성은 `Ammunition.ndf`에서 수정한다 [2, 15]. 관통력 등을 수정할 때는 특정한 데미지 유형 인덱스(예: DamageFamily_ap)를 상호 참조하는 방식을 취한다 [16].
|
||||
* **시각적 묘사 (Depictions):** 게임 내 3D 모델(`.fbx` 파일), 사운드, 시각 효과 등을 렌더링하기 위해서는 `DepictionVehicles.ndf`, `DepictionAlternatives.ndf`(LOD 품질 설정용), `GeneratedDepictionGhosts.ndf`(배치 단계의 투명 모델), `UnitCadavreDescriptor.ndf`(파괴된 유닛 잔해) 등의 다양한 NDF 파일들을 편집하고 상호 연결하는 복잡한 과정이 필요하다 [5, 17, 18].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** `[[NDF (Neutral Data Format)]]`, `[[Warno Mod Editor (WME)]]`, `[[Iriszoom 엔진]]`
|
||||
- **Projects/Contexts:** `[[WARNO-DATA Wiki]]`, `[[RebsFRAGO 모드 프로젝트]]`
|
||||
- **Contradictions/Notes:** 모딩 중 동일한 유닛을 같은 사단 덱 내에 중복해서 추가할 경우, 충돌이 발생하여 정상적으로 모드가 생성되지 않는다는 점에 주의해야 한다 [14]. 또한, 모드 생성 시 나타나는 코드 오류 메시지가 주로 프랑스어로 출력되므로, 번역기를 사용하여 편집 실수를 파악하고 대처해야 할 수 있다 [15].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Eugen Systems의 Iriszoom 엔진 및 전략 게임 개발
|
||||
|
||||
## 📌 Brief Summary
|
||||
Eugen Systems가 개발한 WARNO는 독자적인 Iriszoom 엔진을 기반으로 구축된 현대 실시간 전술 및 턴제 전략 게임이다 [1, 2]. 이 엔진은 수 킬로미터에 달하는 광활한 전략적 시야와 개별 병사의 무장까지 확인 가능한 세밀한 전술적 시점을 매끄럽게 연결하며, 물리 기반 렌더링(PBR)을 통해 전장의 시각적 사실성을 극대화한다 [3, 4]. 전작인 Wargame과 Steel Division 시리즈의 성공적인 요소를 계승하면서도, 고도화된 데이터 중심 설계(Data-Driven Design)를 결합하여 복잡한 현대 전술 시뮬레이션을 구현해냈다 [2, 5].
|
||||
|
||||
## 📖 Core Content
|
||||
|
||||
* **Iriszoom 엔진의 기술적 특징 및 시야의 확장**
|
||||
Iriszoom 엔진은 R.U.S.E. 게임부터 이어져 온 Eugen Systems의 독자 엔진으로, 광활한 전장을 조감하는 시점과 유닛 단위의 정밀한 시점을 단일 렌더링 파이프라인 내에서 끊김 없이 연결하는 '줌(Zoom)' 기능을 핵심으로 한다 [3, 4]. 이 엔진은 카메라와의 거리에 따라 3D 모델의 정밀도를 동적으로 조절하는 가변적 LOD(Level of Detail) 시스템을 채택하여 대규모 전장에서의 가시성과 성능을 동시에 확보한다 [6, 7].
|
||||
|
||||
* **그래픽 및 렌더링 파이프라인의 진화**
|
||||
WARNO에 도입된 최신 엔진은 물리 기반 렌더링(PBR) 시스템과 지연 렌더링(Deferred Rendering) 구조를 전면 도입하였다 [3, 4]. 이를 통해 원거리 시야에서 발생할 수 있는 스펙큘러 폭발(Specular explosion) 노이즈를 효과적으로 억제하고, 4K 해상도의 텍스처를 지원한다 [3, 8]. 또한, Metallic/Roughness/Ambient Occlusion 워크플로우를 적용해 이전의 Specular/Glossiness 방식보다 금속 및 비금속 등 재질을 물리 법칙에 맞게 사실적으로 묘사한다 [4, 7, 8].
|
||||
|
||||
* **동적 파괴 시스템과 데이터의 물리적 연동**
|
||||
게임 내 유닛의 파괴는 단순한 폭발 이펙트가 아니라 상태 데이터와 동기화된 물리적 현상으로 처리된다 [7]. 탄약고 유폭 시 전차의 포탑이 사출되거나 헬리콥터의 로터 블레이드 및 터빈이 비산하는 등 정교한 파괴 모션이 구현된다 [7, 9]. 파괴된 잔해나 폭발 분화구는 사라지지 않고 전장에 영구적으로 남아 '영속적 전장(Persistent Battlefield)'을 시각적으로 가시화한다 [7, 9].
|
||||
|
||||
* **성능 최적화 및 전략 게임으로의 통합**
|
||||
시각적 및 물리적 복잡성에도 불구하고 Iriszoom 엔진의 최적화 수준은 매우 뛰어나다 [4]. 수백 개의 유닛이 교전하는 10 대 10 멀티플레이어 환경이나 3x3km 크기의 전장에서도 프레임 드랍 없이 부드러운 플레이를 제공하며, 게임 로딩 속도 또한 매우 빠르다 [4, 10-12]. 개발진은 이러한 엔진 향상에도 불구하고 WARNO의 시스템 요구 사항이 전작인 Steel Division 2보다 높아지지 않도록 효율성을 유지하였다 [8]. 이를 바탕으로 WARNO는 Wargame 시리즈의 실시간 전술(RTT) 교전과 Steel Division 2의 턴제 Army General 캠페인 메커니즘을 성공적으로 하나의 게임 내에 결합시켰다 [13-15].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom 엔진]], [[물리 기반 렌더링(PBR)]], [[데이터 기반 설계(Data-Driven Design)]], [[NDF (Neutral Data Format)]]
|
||||
- **Projects/Contexts:** [[WARNO]], [[Wargame 시리즈]], [[Steel Division 2]]
|
||||
- **Contradictions/Notes:** 소스에 따르면 엔진 기술의 시각적 그래픽 수준이 대폭 향상되었으나, 최적화를 통해 Steel Division 2 이상의 고사양 PC를 요구하지 않도록 설계된 점이 특징적이다 [8]. 유저들 또한 고도로 디테일한 모델과 애니메이션을 특징으로 하는 경쟁작들과 비교할 때, 수많은 객체를 끊김 없이 렌더링하는 WARNO의 탁월한 최적화를 엔진의 가장 큰 강점으로 평가하고 있다 [10-12].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Eugen Systems의 WARNO 시뮬레이션 개발
|
||||
|
||||
## 📌 Brief Summary
|
||||
Eugen Systems가 개발한 WARNO는 1989년 냉전이 열전으로 번진 가상의 시나리오를 배경으로 하는 실시간 전술(RTT) 및 턴제 전략 시뮬레이션 게임입니다 [1, 2]. 이 게임은 자체 개발한 Iriszoom 엔진을 통해 세밀한 3D 그래픽과 대규모 전장을 매끄럽게 구현하며, NDF(Neutral Data Format)라는 독자적인 스크립트 언어를 활용한 데이터 아키텍처를 기반으로 설계되었습니다 [3-5]. 개발진은 커뮤니티의 피드백뿐만 아니라 객관적인 텔레메트리(Telemetry) 데이터를 실시간으로 분석하여 무기 스펙과 사단 편제 등 시뮬레이션의 전술적 밸런스를 정교하게 조정합니다 [6, 7].
|
||||
|
||||
## 📖 Core Content
|
||||
* **Iriszoom 엔진과 시각적 가시화:**
|
||||
WARNO는 과거 R.U.S.E.부터 진화해 온 Eugen Systems의 독자 엔진인 Iriszoom의 최신 버전을 사용합니다 [3, 4]. 이 엔진은 물리 기반 렌더링(PBR) 시스템과 Metallic/Roughness/Ambient Occlusion 워크플로우를 도입하여 4K 해상도로 유닛과 지형의 질감을 매우 사실적으로 구현합니다 [3, 4, 8]. 기술적으로 지연 렌더링(Deferred Rendering) 구조를 활용해 수백 대의 유닛이 맞붙는 10 대 10 멀티플레이어 환경에서도 뛰어난 최적화를 유지하며, 탄약고 유폭 시 포탑이 날아가거나 헬기 로터 블레이드가 떨어져 나가는 동적 파괴 시스템이 물리 데이터와 연동되어 표현됩니다 [4, 9-11].
|
||||
|
||||
* **NDF(Neutral Data Format) 기반의 데이터 아키텍처:**
|
||||
시뮬레이션의 모든 논리적 설계와 유닛 메커니즘은 NDF(Neutral Data Format)라는 텍스트 기반의 자체 스크립트 언어로 정의되어 있습니다 [5, 12]. 게임의 소스 코드와 데이터가 엄격히 분리된 이 객체 지향적 구조 덕분에, 개발자나 유저(모더)들은 `UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Ammunition.ndf` 등의 데이터 파일만 수정하여 유닛의 명중률, 관통력, 이동 속도, 장갑 수치 등을 쉽게 제어할 수 있습니다 [5, 13-15]. 이러한 개방적이고 모듈화된 데이터 설계는 RebsFRAGO와 같이 무기 데이터를 실제 현실의 제원값으로 치환하는 정교한 현실주의 모드의 탄생을 가능하게 했습니다 [5, 16-18].
|
||||
|
||||
* **사단 시스템(Division System)을 통한 데이터 제약과 밸런스:**
|
||||
Wargame 시리즈의 자유로운 국가별 덱(National Deck) 시스템과 달리, WARNO는 역사적인 사단 편제표(TO&E)에 기반한 '사단 시스템'을 채택했습니다 [19-21]. 각 사단은 부여된 활성화 포인트(Activation Points) 안에서 유닛을 구성해야 하며, 부대별로 배치 가능한 유닛의 종류와 카드당 가용 유닛 수(Availability), 포인트 비용 등 고유의 데이터 패널티와 이점을 가집니다 [7, 19, 21, 22]. 이는 플레이어가 모든 분야에서 완벽한 무적의 군대를 조합하는 것을 막고, 지형과 사단의 강점을 결합한 비대칭적 전술을 유도하기 위한 데이터 설계입니다 [21, 23, 24].
|
||||
|
||||
* **텔레메트리(Telemetry) 기반 밸런싱과 수학적 정밀도:**
|
||||
게임 내 전투 역학은 거리 비례 명중률(가까울수록 기하급수적으로 상승), 승수적으로 작용하는 항공기 ECM(전자전) 데이터, 무기 사거리 등 복잡한 수학적 모델을 따릅니다 [25-28]. Eugen Systems는 이렇게 복잡하게 얽힌 시스템을 밸런싱하기 위해 플레이어들의 유닛 선택률(Pick rate), 교전 승률, 평균 생존 시간 등을 추적하는 '텔레메트리 데이터'를 활용합니다 [6, 7]. 개발진은 커뮤니티의 단순한 여론에 휩쓸리지 않고 수집된 객관적 데이터를 분석하여, 특정 유닛이나 사단이 과도한 효율을 낼 경우 NDF 파일의 포인트 비용이나 세부 스펙을 정밀하게 조정하는 방식을 취합니다 [6, 7, 29].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** `[[Iriszoom 엔진]]`, `[[NDF (Neutral Data Format)]]`, `[[사단 시스템 (Division System)]]`, `[[텔레메트리 (Telemetry) 밸런싱]]`
|
||||
- **Projects/Contexts:** `[[WARNO]]`, `[[Wargame 시리즈]]`, `[[Steel Division 시리즈]]`, `[[RebsFRAGO 모드]]`
|
||||
- **Contradictions/Notes:** 덱 구성 아키텍처와 관련하여, 일부 유저들은 과거 Wargame 시리즈처럼 제약이 없는 국가별 덱 시스템이 유저의 창의성을 높인다고 주장하지만, 개발진과 다른 다수의 유저들은 사단 시스템(Division System)이 메타 고착화를 방지하고 훨씬 다양하고 역사적으로 몰입감 있는 밸런스를 제공한다고 반박합니다 [19, 30-34].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Eugen Systems의 냉전기 가상 시나리오 및 모딩 생태계 구축
|
||||
|
||||
## 📌 Brief Summary
|
||||
Eugen Systems의 WARNO는 1987년 소련 강경파의 쿠데타를 기점으로 1989년에 제3차 세계대전이 발발했다는 가상의 '냉전기 열전(Cold War Gone Hot)' 시나리오를 배경으로 합니다 [1, 2]. 이 가상 시나리오는 실제 역사적 사단 편제표(TO&E)를 철저한 데이터 구조로 치환하여 게임 내 규칙으로 적용한 데이터 기반 설계를 특징으로 합니다 [2]. 더 나아가, 독자적인 NDF(Neutral Data Format) 시스템을 통해 소스코드 수정 없이도 게임 데이터를 제어할 수 있게 하여, 커뮤니티 주도의 분석 도구 및 모드(Mod) 개발이 활발히 이루어지는 개방적인 생태계를 구축했습니다 [2, 3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **가상 냉전 시나리오의 데이터적 구현**
|
||||
* WARNO의 배경은 1987년 미하일 고르바초프에 반대하는 소련 강경파의 쿠데타로 인해 1989년 NATO와 바르샤바 조약기구 간의 전면전이 발발하는 대체 역사입니다 [1].
|
||||
* 이 허구의 시나리오를 현실감 있게 통제하기 위해, 게임은 실제 군대의 사단 편제표(TO&E)를 핵심 데이터 규칙으로 내재화했습니다 [2].
|
||||
* 이를 통해 무제한적인 유닛 조합 대신, 특정 사단이라는 거대한 데이터 군집이 지닌 역사적, 교리적 강점과 약점을 반영하도록 설계되었습니다 [2, 4].
|
||||
|
||||
* **NDF 기반의 개방형 모딩 아키텍처**
|
||||
* 게임의 모든 물리적, 기술적 논리는 NDF(Neutral Data Format)라는 Eugen Systems의 독자적인 텍스트 기반 스크립트 언어로 정의되어 있습니다 [2].
|
||||
* NDF는 게임 코드와 데이터 값을 엄격히 분리하여, 모더(Modder)들이 `UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Divisions.ndf` 등의 파일만 텍스트 편집기로 수정하여도 유닛의 성능, 명중률, 가용성 등을 세밀하게 변경할 수 있도록 지원합니다 [2, 5].
|
||||
* Eugen Systems는 사용자를 위해 `CreateNewMod.bat` 등의 배치 파일과 모딩 매뉴얼, NDF 참조 가이드를 제공하여 손쉽게 모드 환경을 구축할 수 있게 돕고 있습니다 [3, 5].
|
||||
|
||||
* **데이터 민주화와 커뮤니티 생태계 확장**
|
||||
* NDF 파일의 구조적 접근성 덕분에 커뮤니티는 숨겨진 게임 내부 수치를 파싱하여 War-Yes, Warno-Armory와 같은 정밀한 데이터 분석 웹사이트와 툴을 자체적으로 개발할 수 있었습니다 [2, 6, 7].
|
||||
* 또한, 흩어진 NDF 속성들의 의미와 핵심 게임 메커니즘을 문서화하기 위해 WARNO-DATA와 같은 광범위한 오픈소스 위키 프로젝트가 진행되기도 했습니다 [2, 8].
|
||||
* 이러한 생태계의 개방성은 모든 무기 데이터를 실제 현실의 제원값으로 치환하고 시뮬레이션 경제를 재설계한 'RebsFRAGO'와 같은 고도의 현실주의 모드(Realism Mod)가 탄생하는 기술적 근간이 되었습니다 [2, 9].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[사단 편제표 (TO&E)]], [[데이터 기반 설계]]
|
||||
- **Projects/Contexts:** [[WARNO-DATA 프로젝트]], [[RebsFRAGO 모드]], [[War-Yes 및 Warno-Armory 도구]]
|
||||
- **Contradictions/Notes:** 게임의 전체적인 배경은 1989년 3차 세계대전이라는 완전한 허구의 시나리오를 따르고 있지만, 그 전장을 채우는 부대 편제와 유닛의 성능은 철저하게 실제 역사적 데이터(TO&E 등)를 바탕으로 한 데이터 아키텍처에 의해 엄격하게 통제되고 있어 허구와 현실성이 공존하고 있습니다 [1, 2, 4].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,4 +0,0 @@
|
||||
# Index: Topics > AI & Games
|
||||
|
||||
## 📝 Documents
|
||||
- [[AlphaZero Strategy]]
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Steel Division 시리즈
|
||||
|
||||
## 📌 Brief Summary
|
||||
'Steel Division 시리즈'는 Eugen Systems가 개발한 실시간 전술 및 전략 비디오 게임 시리즈로, 《Steel Division: Normandy 44》와 《Steel Division 2》를 포함합니다 [1]. 이 시리즈는 역사적 군 편제표에 기반한 사단(Division) 덱 시스템, 스마트 오더, Army General 캠페인과 같은 핵심 시스템을 도입했습니다 [2, 3]. 이러한 메커니즘은 이후 《WARNO》의 정교한 데이터 기반 설계와 전술적 게임플레이를 구축하는 데 직접적이고 결정적인 토대가 되었습니다 [4, 5].
|
||||
|
||||
## 📖 Core Content
|
||||
* **WARNO 설계의 기술적·전술적 토대:**
|
||||
《WARNO》는 전작인 Wargame 시리즈와 《Steel Division 2》의 성공적인 요소들을 계승하여 전례 없는 수준의 데이터 밀도를 갖춘 시스템으로 발전했습니다 [5]. 《WARNO》의 전투 역학과 군대 커스터마이징 시스템은 《Steel Division》 시리즈에서 얻은 교훈이 집대성된 결과물입니다 [4].
|
||||
|
||||
* **데이터 기반의 사단(Division) 시스템 도입:**
|
||||
《WARNO》의 핵심인 사단 기반 덱 빌딩 시스템은 《Steel Division》의 디자인을 계승한 것입니다 [3, 6]. 유저들은 전체 사단의 역사적 편제(TO&E)라는 제약 내에서 부대를 구성해야 하며, 이는 Wargame 시리즈의 자유로운 국가 덱 시스템과 비교할 때 개별 유닛 밸런싱을 넘어선 더 우수하고 정교한 밸런스를 제공하는 것으로 평가받습니다 [7-9].
|
||||
|
||||
* **스마트 오더(Smart Orders)와 교전 수칙(Rules of Engagement):**
|
||||
《Steel Division 2》에서 처음 도입된 혁신적인 AI 편의성 도구들이 《WARNO》에 그대로 이식되었습니다 [2, 3, 10]. '스마트 오더'는 부대의 마이크로 컨트롤을 컴퓨터에 위임하여 그룹 구성, 지형, 도로, 적의 상대적 강도 등 다양한 전술적 데이터를 AI가 통합적으로 계산해 명령을 수행하게 합니다 [2, 11]. '교전 수칙'은 유닛이 전장의 변화하는 조건에 맞춰 더 독립적이고 지능적으로 행동하도록 규칙을 설정할 수 있게 해줍니다 [10].
|
||||
|
||||
* **전략적 깊이를 더하는 싱글플레이어 콘텐츠:**
|
||||
《WARNO》는 《Steel Division 2》로부터 턴제 기반의 전략 캠페인인 'Army General'과 실시간 'Operations(작전)' 모드 등 전용 싱글플레이어 콘텐츠를 성공적으로 통합했습니다 [3]. 이를 통해 개별 전술 전투뿐만 아니라 대규모 작전 단위의 시뮬레이션을 구현할 수 있었습니다.
|
||||
|
||||
* **장갑 관통 및 피해 연산의 진화:**
|
||||
《Steel Division》 시리즈는 장갑 관통 확률과 거리에 따른 스케일링 계산법에 있어 지속적인 변화와 발전을 거쳤습니다 [12]. 1편에서 2편으로 넘어가며 계산 방식이 변경되었으며 [13], 이는 《WARNO》에 이르러 운동에너지(KE) 탄자와 성형작약탄(HEAT)의 데이터적 차별화로 이어지는 물리적 시뮬레이션 발전의 궤적을 보여줍니다 [14].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[사단 편제표(TO&E)]], [[스마트 오더(Smart Orders)]], [[Army General 캠페인]]
|
||||
- **Projects/Contexts:** [[Eugen Systems의 게임 개발 계보]], [[WARNO의 시스템 설계]]
|
||||
- **Contradictions/Notes:** 커뮤니티 내에서는 과거 Wargame 시리즈의 국가 기반 자유 덱 시스템을 선호하는 유저들이 있으나, 통계 및 밸런스 측면에서는 《Steel Division》에서 도입된 사단 시스템이 우월하다는 커뮤니티 및 개발진의 평가가 대립/공존하고 있습니다 [9, 15, 16].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 그래픽 엔진 업그레이드 프로젝트
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO 그래픽 엔진 업그레이드 프로젝트는 Eugen Systems의 독자적인 기술인 Iriszoom 엔진을 최신 산업 표준에 맞게 진화시킨 프로젝트입니다 [1, 2]. 이 업그레이드는 물리 기반 렌더링(PBR) 시스템을 전면 도입하여 유닛과 지형의 시각적 사실성을 극대화했습니다 [1, 2]. 4K 텍스처와 물리 데이터가 연동된 정교한 파괴 시스템을 적용하면서도 뛰어난 최적화를 달성하여 전작인 Steel Division 2 수준의 시스템 요구 사양을 유지한 것이 핵심입니다 [3, 4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **Iriszoom 엔진의 진화와 PBR 파이프라인 도입:** R.U.S.E.부터 이어져 온 독자적인 엔진 기술을 발전시켜 수 킬로미터의 광활한 전략적 조감 시점과 개별 병사를 식별할 수 있는 전술적 시점을 매끄럽게 연결합니다 [2]. 기존의 Specular/Glossiness 방식 대신 최첨단 Metallic/Roughness/Ambient Occlusion 워크플로우를 자산 생산 파이프라인에 전면 도입했습니다 [2, 3]. 이를 통해 모든 유닛에 4K PBR 텍스처와 세밀한 모델링을 적용하였으며, 사진학적 설정을 활용한 새로운 톤 매핑 알고리즘으로 사실성을 높였습니다 [2, 3]. 지연 렌더링(Deferred Rendering) 구조를 활용해 원거리에서 폭발적으로 발생하는 PBR 스펙큘러 노이즈 문제도 효과적으로 해결했습니다 [1, 2].
|
||||
|
||||
* **데이터가 연동된 동적 파괴 시스템:** 유닛이 피해를 입고 파괴되는 시각적 효과가 실제 전투 상태 데이터와 동기화되어 작동합니다 [4]. 단순히 폭발 효과만 출력하는 것이 아니라 유닛의 장갑이나 장비 조각이 떨어져 나가며, 파괴 시 탄약고 유폭으로 포탑이 사출되거나 헬리콥터 로터 블레이드 및 비행기 날개가 날아가는 사실적인 물리적 폭발 효과가 구현되었습니다 [4, 5]. 또한, 유닛 텍스처가 파손 상태를 직접적으로 반영하여 손상도를 시각화합니다 [5].
|
||||
|
||||
* **영속적 전장(Persistent Battlefield)과 최적화:** 전장에 생성된 차량의 잔해, 연기, 크레이터 등은 단순히 장식으로 소모되지 않고 지속적으로 유지되어 사실적이고 영속적인 전장 환경을 구성합니다 [4, 5]. 그래픽 엔진이 대폭 업그레이드되었음에도 불구하고 최적화 수준이 매우 높아, 이전 타이틀인 Steel Division 2보다 높은 사양을 요구하지 않습니다 [3]. 결과적으로 수백 개의 유닛이 동시에 파괴되고 기동하는 대규모 10 대 10 멀티플레이어 환경에서도 엔진은 안정적인 시각적 성능을 발휘합니다 [2].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom 엔진]], [[물리 기반 렌더링(PBR)]], [[지연 렌더링(Deferred Rendering)]]
|
||||
- **Projects/Contexts:** [[데이터 기반 설계(Data-Driven Design)]], [[영속적 전장(Persistent Battlefield)]]
|
||||
- **Contradictions/Notes:** 소스에 상충되는 정보는 없습니다. 시각적 디테일과 파괴 효과가 획기적으로 증가했음에도 불구하고 시스템 요구 사양이 상승하지 않고 효율적인 최적화가 유지되었다는 점이 엔진 업그레이드의 핵심 성과로 강조됩니다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 데이터 기반 밸런싱
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 밸런싱은 커뮤니티의 단순한 여론이나 개발진의 임의적 결정이 아닌, 수집된 방대한 텔레메트리(Telemetry) 데이터를 기반으로 객관적으로 이루어지는 시스템적 과정이다 [1], [2]. Eugen Systems는 유닛의 선택 빈도, 승률, 킬/데스 비율, 평균 생존 시간 등을 종합적으로 분석하여 포인트 비용, 무장 스펙, 사단별 가용성을 NDF 파일을 통해 세밀하게 조정한다 [2], [3]. 이러한 데이터 중심 설계는 특정 진영에 압도적인 우위가 고착되는 것을 방지하고, 게임이 지속적으로 균형 잡힌 전술 생태계로 기능하게 만든다 [3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **텔레메트리(Telemetry) 기반의 객관적 분석:** Eugen Systems는 게임 출시 후 유저들의 플레이에서 발생하는 텔레메트리 데이터를 실시간으로 기록한다. 여기에는 어떤 유닛이 자주 선택되는지(Pick Rate), 실제 교전에서의 승률과 킬/데스 비율, 그리고 유닛의 평균 생존 시간 등이 포함된다 [2]. 개발진은 미숙련 플레이어들의 변덕스러운 여론에 직접적으로 휘둘리기보다는, 전문 테스터의 피드백과 수집된 텔레메트리 데이터를 교차 검증하여 게임 내 실제 작동 방식을 기준으로 밸런스를 조정한다 [4], [1].
|
||||
* **주요 밸런스 조정 변수와 NDF 연동:** 데이터 분석을 통해 특정 무기나 유닛의 성능이 지나치게 강력하거나 비효율적이라고 확인되면, 개발자는 독자적 언어인 NDF 파일 내 수치를 수정해 전장에 즉각적인 변화를 투영한다 [5], [2]. 주요 조정 변수로는 전술적 가치와 텔레메트리 효율에 맞춘 '포인트 비용(Point Cost)' 재책정, 장전 및 조준 시간·관통력 등의 '무장 세부 스펙' 변경, 전술적 역할을 강화하기 위한 '특성(Trait)' 할당, 특정 사단의 승률을 보완하기 위한 '사단별 유닛 카드 구성 및 가용성' 상향 등이 활용된다 [3].
|
||||
* **사단(Division) 시스템을 통한 거시적 밸런스 통제:** 전작의 국가 덱(National Deck) 시스템을 대체하여 도입된 사단(Division) 중심의 덱 빌딩은 밸런싱을 위한 훌륭한 설계 장치이다 [6]. 플레이어가 뛰어난 유닛들만 모아 덱을 구성하는 것을 원천적으로 차단하며, 사단마다 내재된 강점과 약점을 데이터적으로 강제하여 훨씬 다채롭고 흥미로운 전술적 메타를 유지하게 한다 [6], [7], [8].
|
||||
* **플레이어 통계와 진영 균형 검증:** 대규모 멀티플레이어 환경(10v10 등)의 데이터 분석에 의하면, NATO와 PACT 진영 간의 승률은 플레이어의 숙련도가 높아질수록 균형을 이루는 경향을 보인다 [9], [3]. 커뮤니티 유저가 직접 수백 명의 플레이어 통계를 분석한 결과에서도 진영 간 뚜렷한 편향성은 확인되지 않았으며, 게임 시스템 자체가 특정 진영에 압도적인 우위를 제공하지 않음이 객관적 지표로 증명되고 있다 [10], [9], [3].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[텔레메트리(Telemetry)]], [[NDF (Neutral Data Format)]], [[사단 시스템(Division System)]]
|
||||
- **Projects/Contexts:** [[WARNO 멀티플레이어 밸런싱 패치]]
|
||||
- **Contradictions/Notes:** 개발진의 텔레메트리나 유저들의 수치 통계는 양 진영(NATO vs PACT)이 대체로 균형을 이룬다는 데이터를 보여주고 있으나 [9], [3], 일부 플레이어들은 게임 체감상 특정 진영 편향(예: PACT 편향)이 존재한다고 주장하며 커뮤니티 여론과 실제 통계 데이터 간의 인식 차이가 빈번하게 나타난다 [11], [12], [4], [1].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 데이터 기반 설계
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO는 1980년대 후반 냉전의 군사 교리와 장비 제원을 고도의 데이터 아키텍처로 치환하여 설계된 실시간 전술 시뮬레이션 게임입니다 [1]. 이 시스템은 Eugen Systems의 독자적인 Iriszoom 엔진과 NDF(Neutral Data Format) 스크립트 언어를 활용하여, 게임 코드와 데이터 값을 엄격히 분리한 '데이터 기반 설계(Data-Driven Design)' 철학을 바탕으로 구축되었습니다 [2]. 정밀한 명중률 알고리즘, 물리적 장갑 관통 모델, 심리적 제압 수치화, 그리고 텔레메트리에 기반한 밸런싱을 통해 플레이어에게 고도로 현실적이고 동적인 전술 환경을 제공합니다 [3-5].
|
||||
|
||||
## 📖 Core 무Content
|
||||
* **NDF (Neutral Data Format) 아키텍처:**
|
||||
WARNO의 모든 물리적 및 기술적 속성(유닛 성능, 명중률, 관통력, 이동 속도 등)은 텍스트 기반의 객체 지향 스크립트 언어인 NDF 내에 정의되어 있습니다 [2]. `UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Ammunition.ndf` 등의 파일을 통해 게임 소스코드를 수정하지 않고도 수천 개의 속성을 모듈화하여 체계적으로 관리하고 밸런스를 조정할 수 있습니다 [2, 6-8].
|
||||
* **Iriszoom 엔진과 시각적 데이터의 물리적 연동:**
|
||||
지연 렌더링(Deferred Rendering) 구조와 PBR(물리 기반 렌더링)을 전면 도입하여 거리에 따른 가변적 LOD 시스템을 구현했습니다 [9, 10]. 동적 파괴 시스템은 탄약고 유폭 시 포탑이 사출되거나 헬리콥터 로터가 비산하는 등 유닛의 상태 데이터와 물리적 현상을 정교하게 동기화시킵니다 [10, 11].
|
||||
* **수학적 정밀도에 기반한 전투 역학:**
|
||||
* **명중률 및 ECM:** 명중 확률은 거리가 가까워질수록 기하급수적으로 상승하는 비선형적 알고리즘을 따릅니다 [3]. 대공 미사일과 항공기 교전 시 항공기의 전자전(ECM) 데이터는 명중률을 직접 삭감하는 대신 승수($P_{final} = BaseAccuracy \times (1 - ECM)$)로 작용하여 최종 명중률을 계산합니다 [12, 13].
|
||||
* **장갑 및 관통(Armor & Penetration):** 실제 역사적 RHA(균질압연강권) 수치를 추상화한 '장갑 점수(Armor Value)'를 사용하며, 경사 장갑에 의한 방호 효과는 엔진 연산 부하를 줄이기 위해 미리 수치에 반영되어 있습니다 [14, 15]. 철갑탄(KE)과 같은 운동에너지 탄자는 거리에 비례해 관통력 데이터가 감소하나, 대전차 고폭탄이나 미사일(HEAT/ATGM)은 사거리에 관계없이 관통력을 유지합니다 [15].
|
||||
* **제압(Suppression)과 은신(Stealth) 시스템:**
|
||||
* 유닛은 기본적으로 500점의 제압 수치를 지니며 피격이나 폭발 시 누적되어 응집력(Cohesion)을 떨어뜨리고 명중률, 재장전, 기동력에 페널티를 부여합니다 [4, 16]. 건물(50%)과 숲(35%) 지형은 제압 효과에 대한 저항 데이터를 제공합니다 [16, 17].
|
||||
* 광학(Optics) 수치와 은신(Stealth) 수치 간의 상호작용으로 탐지가 결정되며, 무기 발사 시 생성되는 소음(Noise) 데이터는 은신 수치를 일시적으로 삭감시켜 위치를 노출시킵니다 [17, 18].
|
||||
* **텔레메트리 기반 밸런스 조정:**
|
||||
개발진은 단순히 커뮤니티의 여론에 의존하지 않고, 유닛의 선택 빈도, 킬/데스 비율, 평균 생존 시간 등 방대한 텔레메트리(Telemetry) 데이터를 실시간으로 분석하여 포인트 비용이나 무장 스펙 데이터를 지속적으로 재조정합니다 [5, 19, 20].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom Engine]], [[NDF (Neutral Data Format)]], [[Telemetry-based Balancing]], [[Data-Driven Design]]
|
||||
- **Projects/Contexts:** [[WARNO]], [[Eugen Systems]], [[WARNO Modding Ecosystem]]
|
||||
- **Contradictions/Notes:** 커뮤니티의 일부 유저들은 특정 진영이나 유닛(예: PACT의 전차 장갑 등)이 편향되어 있다고 비판하며 불만을 제기하기도 하지만, 개발사가 수집한 텔레메트리 데이터 분석 결과에 따르면 플레이어의 숙련도가 높아질수록 NATO와 PACT 진영 간의 승률은 균형을 이루는 것으로 나타나 데이터 기반 밸런싱의 실효성을 입증하고 있습니다 [5, 19, 21, 22].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 멀티플레이어 및 경쟁 플레이 밸런스 패치
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 멀티플레이어 및 경쟁 플레이 밸런스 패치는 개발사인 Eugen Systems가 수집하는 방대한 텔레메트리(Telemetry) 데이터를 기반으로 이루어집니다 [1], [2]. 개발진은 커뮤니티의 단순한 여론에 휘둘리지 않고, 유닛 선택률, 승률, 평균 생존 시간 등 객관적인 데이터를 분석하여 게임 내 수치를 정밀하게 조정합니다 [1], [2]. 이러한 데이터 중심의 설계와 지속적인 패치는 WARNO를 편향 없는 공정한 경쟁이 가능한 살아있는 전술 생태계로 유지하는 핵심 원동력입니다 [3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **텔레메트리 기반의 객관적 밸런싱**
|
||||
WARNO의 밸런스 조정은 변덕스러운 커뮤니티의 불만이나 여론보다는, 실제 게임 플레이에서 추출되는 텔레메트리 데이터에 의존합니다 [1], [2]. 이 시스템은 멀티플레이어 환경에서 플레이어들이 어떤 유닛을 자주 선택하는지(Pick Rate), 실제 교전에서의 승률과 킬/데스 비율은 어떠한지, 그리고 평균 생존 시간은 얼마나 되는지를 실시간으로 기록합니다 [2]. 예를 들어, 특정 대공 미사일이 항공기를 너무 쉽게 격추한다는 데이터가 확인되면, NDF 파일 내의 명중률 곡선이나 가격 데이터를 직접 수정하는 방식으로 밸런스를 맞춥니다 [2].
|
||||
|
||||
* **주요 밸런스 조정 데이터 변수**
|
||||
수집된 데이터를 바탕으로 게임 내에서 밸런스를 맞추기 위해 조정되는 주요 변수는 다음과 같습니다:
|
||||
1. **포인트 비용(Point Cost):** 텔레메트리 효율성과 유닛의 전술적 가치에 따라 유닛의 가격을 재책정합니다 [3].
|
||||
2. **무장 세부 스펙:** 무기의 장전 시간, 조준 시간, 관통력 수치 등을 미세하게 조정합니다 [3].
|
||||
3. **사단별 유닛 구성 및 가용성(Availability):** 특정 사단의 승률 데이터가 낮게 나타날 경우, 보조 유닛 카드를 추가하거나 해당 유닛의 가용성 데이터를 상향하여 사단 간의 밸런스를 맞춥니다 [3].
|
||||
|
||||
* **진영 간 밸런스 및 숙련도의 상관관계**
|
||||
10v10 대규모 멀티플레이어 매치 데이터를 분석한 결과, NATO와 PACT 진영 간의 플레이 비중과 승률은 플레이어의 숙련도가 높아질수록 균형을 이루는 경향을 보입니다 [4], [3]. 특정 진영만을 선호하는 플레이어(소위 'Pactoid' 또는 'Natoid')들의 데이터를 비교해보아도, 게임 시스템 자체가 특정 진영에 압도적인 우위를 제공하지 않음이 확인되었습니다 [5], [3]. 즉, 진영의 승률 차이는 팩션 자체의 불균형보다는 플레이어들의 전반적인 경험치와 실력 차이에서 기인하는 것으로 분석됩니다 [4].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[텔레메트리 (Telemetry)]], [[NDF (Neutral Data Format)]], [[가용성 (Availability)]]
|
||||
- **Projects/Contexts:** [[WARNO 10v10 멀티플레이어 통계 분석]]
|
||||
- **Contradictions/Notes:** 일부 플레이어들은 잦은 밸런스 변경 및 단위 너프에 피로감을 느끼며 일정 시간 후에는 수치를 고정할 것을 원하기도 하지만 [6], 개발사와 커뮤니티의 분석에 따르면 지속적인 텔레메트리 모니터링을 통한 밸런스 패치야말로 경쟁적인 RTS 게임을 유지하고 지원하기 위한 필수 불가결한 과정입니다 [1], [7].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 모딩(Modding)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 모딩은 게임 소스 코드를 직접 수정하지 않고, Eugen Systems의 독자적인 스크립트 언어인 NDF(Neutral Data Format) 파일을 편집하여 게임 내 유닛 데이터, 무기 성능, 시각적 묘사 및 사단 편제 등을 변경하는 과정을 의미합니다. 플레이어와 모더들은 공식 도구와 커뮤니티가 개발한 WME(Warno Mod Editor), ndf-parse 등의 파싱 프로그램을 활용하여 게임의 데이터를 수정할 수 있습니다. 이러한 개방적인 데이터 구조는 현실주의 모드(Reb's FRAGO) 개발이나 새로운 전술적 환경을 구축하는 등 커뮤니티 주도의 확장성을 크게 높여줍니다.
|
||||
|
||||
## 📖 Core Content
|
||||
* **모딩 환경의 기반 및 NDF 시스템**
|
||||
WARNO의 모든 논리적 설계와 유닛 속성은 NDF(Neutral Data Format) 파일에 저장되어 있으며, 모딩은 이 텍스트 기반의 파일을 수정하는 것을 핵심으로 합니다 [1-3]. 대표적으로 유닛 속성을 정의하는 `UniteDescriptor.ndf`, 무기 메커니즘의 `WeaponDescriptor.ndf`, 탄약 및 관통력 로직의 `Ammunition.ndf`, 사단 구성 및 유닛 가용성을 설정하는 `Divisions.ndf` 및 `DivisionRules.ndf` 파일 등이 주로 수정됩니다 [1, 3-6].
|
||||
|
||||
* **모드 생성 및 적용 절차**
|
||||
새로운 모드를 생성하려면 게임 설치 폴더 내의 `Mods` 디렉터리에서 `CreateNewMod.bat` 파일을 실행하여 고유한 이름의 모드 폴더를 구축해야 합니다 [7, 8]. 코드 수정을 마친 후에는 `GenerateMod.bat`을 사용하여 게임 내에 모드를 적용하게 됩니다 [1]. 새로운 요소를 생성할 때마다 고유한 식별자인 GUID가 필요하며, 이를 통해 특정 사단에 타국 유닛을 추가하거나 무기의 관통력 수치(`DamageFamily_ap` 등)를 세부적으로 조정하는 등 다양한 데이터 편집을 수행할 수 있습니다 [9-11].
|
||||
|
||||
* **시각적 묘사(Depiction) 및 모델링 설정**
|
||||
유닛의 3D 모델, 특수 효과(FX), 사운드, 파괴된 잔해(Cadavre), 무기고 표시(ShowRoom) 등 전면적인 시각 데이터 역시 모딩을 통해 변경할 수 있습니다 [12-16]. `DepictionVehicles.ndf`, `DepictionAlternatives.ndf` 등의 파일을 수정하여 다양한 디테일 단계(High, Mid, Low)의 `.fbx` 3D 모델 메시를 유닛에 연동하거나, 배치 단계에서 사용되는 투명한 고스트(Ghost) 묘사를 설정하는 것이 가능합니다 [17-20].
|
||||
|
||||
* **모딩 지원 도구와 커뮤니티 생태계**
|
||||
기본적인 텍스트 에디터 외에도 커뮤니티가 구축한 도구들이 폭넓게 활용되고 있습니다 [9]. GUID 생성기가 통합된 'Warno Mod Editor(WME)'를 통해 시각적 편집 및 모딩 편의성이 크게 향상되었으며 [21, 22], Python 기반의 `ndf-parse` 패키지를 이용하면 NDF 코드를 자동으로 파싱하고 수정된 버전으로 손쉽게 되돌려 쓸 수 있습니다 [23, 24].
|
||||
|
||||
* **실제 데이터 반영 모딩 사례**
|
||||
이처럼 고도로 모듈화된 데이터 설계 덕분에 커뮤니티는 모든 무기 데이터를 실제 현실의 제원값으로 치환한 'Reb's FRAGO'와 같은 현실주의 지향 모드를 독자적으로 개발할 수 있었습니다 [25]. 이 모드는 무기의 최대 유효 사거리, 발사 속도, 장갑 모델링, 지형에 따른 속도 변경 등 게임의 핵심 메커니즘 데이터를 재설계하여 전술 시뮬레이션의 현실성을 극대화했습니다 [26-28].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[데이터 기반 밸런싱(Data-Driven Balancing)]], [[Iriszoom 엔진]]
|
||||
- **Projects/Contexts:** [[Reb's FRAGO 모드]], [[WME (Warno Mod Editor)]], [[WARNO-DATA Wiki]], [[ndf-parse]]
|
||||
- **Contradictions/Notes:** Eugen Systems는 기본적인 모딩 매뉴얼과 NDF 참조 가이드를 제공하지만, 정작 수천 개의 NDF 파일 내에 담긴 개별 데이터 속성(Property)에 대한 구체적인 설명은 누락되어 있습니다. 이를 극복하기 위해 커뮤니티 주도로 게임 메커니즘과 단위 데이터를 상세히 분석하여 문서화한 WARNO-DATA GitHub 위키가 만들어졌습니다 [29, 30].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 모딩
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO 모딩은 Eugen Systems의 독자적인 스크립트 언어인 NDF(Neutral Data Format) 파일을 수정하여 게임의 소스 코드 변경 없이 유닛의 성능, 무기 제원, 편제 등을 커스터마이징하는 과정입니다 [1]. 개발사가 공식 모딩 가이드와 생성 도구를 제공하며, 커뮤니티 주도의 다양한 모드 에디터와 데이터 분석 도구가 활성화되어 있습니다 [2-4]. 이를 통해 플레이어는 단순한 수치 조정을 넘어 현실주의 지향 모드 등 자신만의 고유한 전술 시뮬레이션 환경을 데이터 기반으로 직접 구축할 수 있습니다 [4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **NDF(Neutral Data Format) 기반의 데이터 구조:** WARNO의 모든 논리적 설계는 NDF 파일 내에 텍스트 기반으로 정의되어 있습니다 [1]. 유닛의 물리적/기술적 속성을 정의하는 `UniteDescriptor.ndf`, 무기의 메커니즘을 설정하는 `WeaponDescriptor.ndf`, 탄약의 타격 로직과 관통력을 결정하는 `Ammunition.ndf`, 그리고 사단 구성 및 가용성을 다루는 `Divisions.ndf` 등을 통해 유닛 데이터와 게임 코드가 분리되어 체계적으로 관리됩니다 [1, 5-7].
|
||||
* **모드 생성 및 작업 프로세스:** 모드 생성은 게임 내의 `Mods` 폴더에서 `CreateNewMod.bat` 배치 파일에 모드 이름을 인수로 입력 및 실행하여 시작할 수 있습니다 [3]. 이 과정을 거치면 `CommonData`, `GameData` 디렉터리와 함께 `GenerateMod.bat`, `UpdateMod.bat` 등의 필수 스크립트가 포함된 모드 폴더가 생성됩니다 [8]. 생성된 모드 내에서 유닛 구성, 활성화 포인트, 가용성을 수정하거나 `DivisionRules.ndf`, `DivisionCostMatrix.ndf` 파일 등을 편집하여 새로운 유닛 및 사단을 추가할 수 있으며, 새로운 3D 모델(.fbx) 묘사를 연결하는 것도 가능합니다 [5, 9-11].
|
||||
* **모딩 도구 및 커뮤니티 지원:** .ndf 파일을 편집하기 위해서는 텍스트 편집기(Notepad++, Sublime Text 등)와 함께 각 요소에 고유 식별자를 부여하기 위한 GUID 생성기가 필요합니다 [12]. 커뮤니티에서는 이러한 기능들을 통합하여 시각적 편집을 돕는 WME(Warno Mod Editor)를 제작하여 지원하고 있습니다 [2, 13]. 또한, GitHub의 'WARNO-DATA' 위키나 'Warno-Armory', 'War-Yes' 등의 데이터 파싱 도구를 통해 공식 문서에 누락된 숨겨진 데이터 구조를 파악하고 모딩에 활용할 수 있습니다 [4, 13, 14].
|
||||
* **대표적인 모딩 사례:** 커뮤니티 모드인 'Reb's FRAGO'는 현실주의(Realism)를 지향하여 게임 내 모든 무기 데이터를 실제 제원값으로 치환하고 시뮬레이션의 시간 축과 경제 시스템을 재설계하는 등 데이터 기반 설계를 극한으로 활용한 대표적인 모딩 사례입니다 [4].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[데이터 기반 설계 (Data-Driven Design)]], [[Iriszoom 엔진]]
|
||||
- **Projects/Contexts:** [[Reb's FRAGO 모드]], [[WME (Warno Mod Editor)]], [[WARNO-DATA 위키]]
|
||||
- **Contradictions/Notes:** WARNO의 NDF 파일 시스템은 세부적인 데이터 접근성을 제공하지만, 무기의 관통력과 같은 특정 데이터 값이 단일 무기 파일에만 명시된 것이 아니라 손상 계통(Family)을 지정하는 복잡한 참조 구조(`DamageResistanceFamilyListImpl.ndf` 등)로 얽혀 있어 모더들이 원하는 값을 찾고 수정하는 데 혼란을 겪기도 합니다 [15, 16].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 밸런싱 및 사단 시스템
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 밸런싱 및 사단 시스템은 역사적 군 편제(TO&E) 데이터와 텔레메트리(Telemetry) 분석을 결합하여 전술적 깊이를 부여하는 핵심 설계 요소입니다. 플레이어는 모든 분야에서 완벽한 유닛 조합을 갖추는 대신 강점과 약점이 명확히 설정된 사단 단위의 덱을 구성해야 하며, 이는 다양한 전술과 팀플레이를 유도합니다. 개발사인 Eugen Systems는 커뮤니티의 주관적 여론보다는 유닛 선택률과 실제 승률 등 객관적 통계 데이터를 기반으로 NDF 파일 수치를 조정하며 지속적인 밸런싱을 수행합니다.
|
||||
|
||||
## 📖 Core Content
|
||||
- **사단(Division) 기반 덱 구성의 구조적 제약:** 과거작인 Wargame: Red Dragon의 무제한적인 국가별 덱(National Deck) 시스템과 달리, WARNO는 역사적 사단 편제를 기반으로 유닛을 제한합니다 [1], [2], [3]. 특정 사단은 우수한 보병을 갖춘 대신 최상급 전차가 없거나, 강력한 기갑 전력을 보유한 대신 대공이나 보병이 취약한 식의 구조적 강점과 약점을 가집니다 [2], [3], [4]. 이를 통해 플레이어는 특정 분야에 특화된 전술을 고민해야 하며, 모든 역할을 완벽히 수행하는 '무적의 메타 덱' 생성이 방지됩니다 [2], [5], [4].
|
||||
- **유닛 가용성(Availability)과 베테랑(Veterancy) 시스템을 통한 밸런싱:** 각 유닛의 가치는 사단 내에서의 '가용성' 데이터를 통해 조율됩니다 [6]. 고성능 초중전차(예: M1A1 HA Abrams, T-80UD)나 정예 특수부대는 카드당 제공되는 유닛 수가 극히 제한적이며 활성화 포인트와 배치 비용이 비싸게 책정되어 손실을 철저히 관리해야 합니다 [7], [8], [9], [6]. 반면, 예비군(Reservist)이나 구식 장비는 능력치가 떨어지지만 높은 가용성과 저렴한 비용으로 소모전과 전선 유지에 유리하도록 설계되었습니다 [10], [11], [12], [6]. 또한, 플레이어가 유닛의 숙련도(Veterancy)를 높게 설정할수록 명중률, 연사력, 제압 저항력 등 성능이 향상되는 대신 맵에 배치할 수 있는 최대 유닛 수가 감소하여 밸런스가 유지됩니다 [13], [14], [15].
|
||||
- **텔레메트리(Telemetry) 기반 객관적 데이터 패치:** Eugen Systems는 커뮤니티의 불만이나 여론에만 의존하지 않고 텔레메트리를 통해 유저들의 실제 유닛 픽률(Pick Rate), 교전 승률, 킬/데스 비율, 평균 생존 시간 등의 데이터를 은밀히 수집합니다 [16], [6]. 이 분석 결과를 토대로 유닛의 포인트 비용, 장전 시간, 조준 시간, 장갑 관통력 등을 재책정하며, 이러한 변경 사항은 게임의 논리적 설계가 담긴 NDF(Neutral Data Format) 파일을 수정함으로써 전장에 즉각적으로 반영됩니다 [17], [18], [19].
|
||||
- **통계에 기반한 진영 간 균형(Faction Balance):** 플레이어 간에는 항상 진영 편향(NATO 또는 PACT가 더 유리하다는 주장)에 대한 논쟁이 있으나, 실제 10v10 대규모 멀티플레이어 데이터를 분석한 결과 게임 시스템 자체에 특정 진영에 대한 압도적인 우위는 발견되지 않았습니다 [20], [21], [19]. 승률의 차이는 주로 플레이어의 전술적 숙련도 차이 및 양 진영 플레이어들의 경험치 풀(Pact를 선호하는 유저들의 평균 플레이 횟수가 약간 더 높음)에서 비롯된 것으로 분석되며, 기본적으로 진영 간 밸런스는 견고하게 유지되고 있습니다 [22], [21].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[텔레메트리 (Telemetry)]], [[NDF (Neutral Data Format)]], [[Iriszoom 엔진]]
|
||||
- **Projects/Contexts:** [[Eugen Systems의 데이터 기반 설계]]
|
||||
- **Contradictions/Notes:** 국가 기반 덱 시스템(WGRD)을 선호하는 일부 유저들은 현재의 사단 시스템이 유닛 구성의 자유도와 창의성을 크게 제한한다고 불만을 표출합니다 [23], [24]. 반면, 이를 옹호하는 유저들은 사단 시스템이 소수의 유닛에만 의존하는 메타 고착화를 방지하고 훨씬 더 다채롭고 밸런스 잡힌 게임플레이를 가능하게 한다고 반박합니다 [25], [2], [5].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 사후 관리 (Post-Launch Management)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 사후 관리는 단순히 유저 커뮤니티의 여론에 의존하는 것이 아니라, 수집된 객관적인 텔레메트리(Telemetry) 데이터를 기반으로 정밀하게 밸런싱을 수행하는 과정을 의미합니다 [1, 2]. 플레이어의 유닛 선택 빈도(Pick rate), 승률, 킬/데스 비율 등의 실시간 데이터를 분석하여 NDF 파일의 수치를 지속적으로 패치합니다 [2]. 이러한 데이터 중심의 사후 지원은 게임을 단순한 정적 시뮬레이션이 아닌 살아있는 전술 생태계로 유지하는 핵심 동력으로 작용합니다 [3, 4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **텔레메트리(Telemetry) 기반 밸런싱**: Eugen Systems는 게임 출시 후 텔레메트리 시스템을 통해 플레이어들의 유닛 사용 방식, 선택 빈도(Pick rate), 실제 교전에서의 승률, 킬/데스 비율, 평균 생존 시간 등을 실시간으로 기록 및 모니터링합니다 [1, 2]. 이는 변덕스럽고 비전문적인 커뮤니티 불만에만 의존하지 않고, 객관적인 데이터를 바탕으로 유닛의 실제 성능을 파악하여 패치를 진행하기 위함입니다 [1, 2].
|
||||
* **밸런스 조정의 주요 데이터 변수**: 수집된 텔레메트리 데이터 분석 결과를 바탕으로 개발사는 NDF 파일 내의 수치를 직접 수정합니다 [2]. 유닛의 포인트 비용(Point Cost) 재책정, 장전 시간·조준 시간·관통력 수치 등 무장 세부 스펙의 미세 조정, 전술적 역할을 강화하기 위한 새로운 특성(Trait) 할당, 그리고 특정 사단의 승률을 보완하기 위한 보조 유닛 카드 추가 및 가용성 상향 등이 주요 밸런스 변수로 작용합니다 [4].
|
||||
* **전문 테스터 및 커뮤니티 피드백의 교차 검증**: 개발사는 객관적인 텔레메트리 데이터뿐만 아니라 전문 테스터들의 피드백과 커뮤니티 미디어에서 제기되는 의견들의 요약본을 수집합니다 [1]. 이후 해당 피드백이 실제로 유의미한지 텔레메트리 데이터와 비교·대조하여 조정을 진행합니다 [1].
|
||||
* **상호 연결된 데이터 생태계 관리**: WARNO의 데이터는 긴밀하게 연결되어 있어, 수송 트럭의 도로 이동 속도와 같은 단순한 수치 하나를 변경하더라도 해당 트럭을 사용하는 모든 유닛에 미치는 가치 변화와 이를 대체할 수 있는 다른 유닛들의 기회비용까지 모두 고려하여 밸런싱을 진행해야 합니다 [3]. 이렇듯 끊임없는 경쟁 플레이를 위한 엄격한 데이터 기반의 밸런싱 작업이 게임에 대한 지속적인 사후 지원을 의미합니다 [3, 4].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[텔레메트리 데이터 (Telemetry Data)]], [[NDF (Neutral Data Format)]], [[데이터 기반 밸런싱 (Data-Driven Balancing)]]
|
||||
- **Projects/Contexts:** [[WARNO 멀티플레이어 및 경쟁 플레이 밸런스 패치]]
|
||||
- **Contradictions/Notes:** 사후 밸런싱은 주로 커뮤니티의 단순한 불만에 휘둘리기보다 객관적인 텔레메트리 데이터를 우선시한다고 명시되어 있으나, 전문 테스터 및 유저 커뮤니티의 피드백을 완전히 배제하는 것은 아니며 이를 수집해 실제 데이터와 교차 검증하는 과정을 반드시 거칩니다 [1].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
-31
@@ -1,31 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 실시간 전술(Real-time Tactics) 및 Army General 캠페인
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO는 1989년의 가상 제3차 세계대전을 배경으로 하는 실시간 전술(Real-time Tactics) 및 턴제 전략 하이브리드 게임이다 [1, 2]. 실시간 전술 전투에서는 다양한 병과를 조율하는 제병협동 전술이 요구되며, 시야, 사거리, 제압, 장갑 관통 등 정교한 데이터 기반 시스템이 작용한다 [3-6]. 'Army General'로 불리는 턴제 캠페인 모드는 대대급 부대를 전략 맵에서 운용하며 피로도와 보급을 관리하고, 전투 발생 시 자동 전술 계산이나 실시간 직접 전투를 선택하게 함으로써 군사 시뮬레이션의 깊이를 더한다 [7-9].
|
||||
|
||||
## 📖 Core Content
|
||||
* **실시간 전술 전투 (Real-time Tactics):**
|
||||
* 전투의 핵심은 제병협동(Combined Arms)으로, 보병, 기갑, 포병, 방공, 항공 및 정찰 유닛의 유기적인 조율이 필수적이다 [3, 10].
|
||||
* 모든 유닛의 동작과 상호작용은 NDF 스크립트 언어로 정의된 방대한 데이터(명중률 곡선, 장갑 관통 공식, 무기 사거리 등)에 의해 구동된다 [5, 11, 12].
|
||||
* 전투 중 지휘 구역(Command Zone)을 점령해 지휘 포인트(Command Points)를 획득하고 유닛을 배치하며, 'Smart Orders' 기능을 통해 AI에게 지역 점령, 대포병 사격, 방어 등의 자동화된 명령을 내릴 수도 있다 [13-16].
|
||||
* 유닛들은 제압(Suppression)과 응집력(Cohesion) 데이터를 통해 심리적 타격을 시뮬레이션하며, 사격이나 폭발의 영향을 받을 시 명중률과 이동 속도가 저하되는 등 데이터가 유닛의 전술적 행동에 직접적인 영향을 미친다 [6, 17, 18].
|
||||
|
||||
* **Army General 캠페인 (턴제 전략 요소):**
|
||||
* 캠페인은 보드 워게임이나 대전략 게임과 유사한 턴제 기반의 작전술(Operational warfare)을 다루며, 플레이어는 대대급 부대를 조작하여 기동한다 [7, 8].
|
||||
* 각 부대는 행동력(Action Points, AP)을 소모하여 이동하고 전투를 수행하며, 피로도(Fatigue)와 영구적인 병력 및 장비 손실을 관리해야 한다 [7, 19-21]. 보급선 차단 및 포위를 통해 적의 피로도 회복을 막는 전략적 기동도 중요하다 [22, 23].
|
||||
* 전략 맵에서 교전이 발생하면, 플레이어는 각 전투의 승률(비율)을 바탕으로 이를 자동 전투(Autoresolve)로 넘기거나 전술 맵에서 직접 실시간 전투를 지휘할 수 있다 [7, 8, 24].
|
||||
* 이 모든 캠페인 시스템과 교전 규칙 역시 실제 냉전 교리와 사단 편제표(TO&E)를 고도의 데이터 아키텍처로 체계화한 결과물이다 [9].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[제병협동 전술 (Combined Arms)]], [[텔레메트리 밸런싱 (Telemetry Balancing)]]
|
||||
- **Projects/Contexts:** [[Eugen Systems의 Iriszoom 엔진 및 전략 게임 개발]]
|
||||
- **Contradictions/Notes:** 소스에 따르면 WARNO의 실시간 전술 전투와 전략 캠페인은 각각 고유한 복잡성을 지니나, 이 두 시스템 모두 역사적 제원과 편제를 반영하는 강력한 '데이터 기반 설계'를 통해 상호 연결되어 전술적 일관성을 유지한다 [9]. 다만 AI의 성능과 관련하여, 전략 맵(Army General)에서는 상대의 약점을 찌르거나 포위를 훌륭하게 수행하지만 실시간 전술 전투에서는 지형을 무시하고 예측 가능하게 전차를 일렬로 밀어붙이는 경향이 있어 한계로 지적된다 [25-27].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 전술 시뮬레이션 시스템
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 전술 시뮬레이션 시스템은 냉전 시대의 군사 교리와 장비 제원을 '데이터 기반 설계(Data-Driven Design)' 철학 아래 통합한 정교한 가상 전장 환경입니다 [1]. 게임 내의 시각적 파괴 효과부터 물리적 충돌, 심리적 제압 및 부대 편제에 이르는 모든 요소가 상호 연결된 데이터 구조 내에서 작동합니다 [1]. 이 시스템은 독자적인 NDF(Neutral Data Format)와 Iriszoom 엔진을 통해 소스 코드 수정 없이도 방대한 전술 데이터와 텔레메트리를 제어하여 고도의 현실감과 전략적 깊이를 구현합니다 [2, 3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **Iriszoom 엔진과 시각 데이터의 통합**
|
||||
WARNO는 Iriszoom 엔진을 활용하여 광활한 전략적 조감과 개별 유닛 단위의 전술적 줌을 단일 렌더링 파이프라인에서 지원합니다 [2]. **물리 기반 렌더링(PBR) 시스템과 Metallic/Roughness 워크플로우를 도입**하여 재질감을 사실적으로 구현했으며, 유닛 파괴 시 탄약고 유폭에 의한 포탑 사출과 같은 물리적 현상을 유닛의 상태 데이터와 동기화하여 '영속적 전장(Persistent Battlefield)'을 만들어 냅니다 [2, 4].
|
||||
|
||||
* **NDF (Neutral Data Format) 스크립트 아키텍처**
|
||||
게임의 모든 논리적 설계는 텍스트 기반 언어인 **NDF 내에 정의되어 있어 게임 코드와 데이터 값이 엄격히 분리**됩니다 [3]. `UniteDescriptor.ndf` (물리/기술 속성), `WeaponDescriptor.ndf` (무기 메커니즘), `Ammunition.ndf` (탄약 타격 로직) 등을 통해 모듈화된 디스크립터를 조립하여 유닛을 생성합니다 [3, 5]. 이 구조는 수천 개의 속성을 체계적으로 관리하며, 신속한 데이터 기반 밸런싱과 유저 모딩을 가능하게 합니다 [3, 5].
|
||||
|
||||
* **수학적 정밀도에 기반한 전투 및 장갑 역학**
|
||||
전투 시뮬레이션은 거리에 따라 명중률이 기하급수적으로 상승하는 비선형적 알고리즘을 사용하며, 이동 사격 시 스테빌라이저의 품질에 따라 페널티가 차등 적용됩니다 [6]. 장갑 관통 모델링은 실제 RHA(균질압연강판) 수치를 게임 메커니즘에 맞게 스케일링한 '장갑 점수'를 사용합니다 [7]. **운동에너지(KE) 탄자는 거리에 비례해 관통력이 감소하는 반면, 대전차 고폭탄(HEAT)이나 대전차 미사일(ATGM)은 사거리에 관계없이 관통력을 일정하게 유지**하는 특성을 데이터로 구분하여 전술적 활용도를 다르게 만들었습니다 [8].
|
||||
|
||||
* **제압(Suppression)과 응집력(Cohesion) 시스템**
|
||||
유닛들은 500점의 기본 제압 수치를 지니며, 폭발이나 아군 손실 시 수치가 누적되어 '응집력'이 하락합니다 [9]. **제압 상태가 깊어지면 명중률, 재장전 속도, 기동력이 저하**되는 페널티를 받습니다 [9]. 건물(50%) 및 숲(35%)과 같은 지형 데이터는 제압 피해에 대한 저항력을 제공하며, 헌병(Military Police) 특성과 높은 숙련도(Veterancy)는 응집력 회복을 가속하는 등 심리적 전장이 수치화되어 있습니다 [10].
|
||||
|
||||
* **텔레메트리 기반 밸런싱과 모딩 생태계**
|
||||
Eugen Systems는 커뮤니티의 단순 여론이 아닌 **방대한 텔레메트리(픽률, 승률, 킬/데스 비율 등) 데이터를 실시간으로 분석하여 가격, 무장 스펙, 가용성 등을 정밀하게 조정**합니다 [11, 12]. 또한 게임의 개방적인 데이터 구조를 통해 유저들은 NDF를 직접 수정하여 현실주의 모드(예: Reb's FRAGO)를 만들거나, Warno-Armory 및 War-Yes와 같은 데이터 파싱 도구를 제작하여 은닉된 엔진 내부 수치들을 커뮤니티와 공유하고 분석합니다 [13, 14].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom 엔진]], [[NDF (Neutral Data Format)]], [[텔레메트리 기반 밸런싱]], [[사단(Division) 덱 시스템]]
|
||||
- **Projects/Contexts:** [[WARNO]], [[Reb's FRAGO 모드]], [[Warno-Armory 및 War-Yes 커뮤니티 도구]]
|
||||
- **Contradictions/Notes:** 커뮤니티 일각에서는 특정 진영(예: Pact)이 편향적으로 유리하다거나, 무기 위력이 비현실적이라는 주관적 불만을 제기하기도 하지만, 개발사와 유저들의 실제 대규모 텔레메트리 데이터 분석 결과에 따르면 시스템 자체의 압도적인 진영 편향은 없으며 숙련도에 따라 승률이 균형을 이루는 것으로 나타납니다 [11, 12, 15, 16].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 전투 메커니즘 (Combat Mechanics)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 전투 메커니즘은 단순한 난수 생성을 넘어 타겟과의 거리, 지형, 무기 특성이 복합적으로 작용하는 비선형적 알고리즘으로 구성된 시스템이다 [1]. 게임 엔진과 데이터 구조는 관통력, 명중률 등의 물리적 타격 로직부터 전장의 공포를 반영한 심리적 상태까지 모든 것을 정밀한 수치로 치환하여 모사한다 [2, 3]. 이러한 데이터 중심 설계는 플레이어로 하여금 유닛의 기동, 은폐, 사거리 조절을 끊임없이 최적화하도록 요구하는 깊이 있는 전술적 환경을 제공한다 [4, 5].
|
||||
|
||||
## 📖 Core Content
|
||||
* **명중률 및 탄도학 (Accuracy & Ballistics):**
|
||||
무기의 명중률은 고정된 것이 아니며, 최대 사거리의 마지막 25% 구간부터 거리가 가까워질수록 명중 확률이 기하급수적으로 상승하는 비선형적 곡선 알고리즘을 따른다 [1]. 이동 중 사격 시에는 안정기(Stabilizer)의 유무와 품질에 따라 고유한 '이동 명중률(Accuracy Motion)' 페널티가 적용된다 [1]. 또한, 대공 미사일과 항공기 교전 시 항공기의 전자전(ECM) 능력은 방어력을 단순 차감하는 것이 아니라 승수적으로 작용하여, 최종 명중률은 '기본 명중률 x (1 - ECM)' 공식을 통해 산출된다 [5].
|
||||
* **장갑 및 관통 모델링 (Armor & Penetration):**
|
||||
물리적인 RHA(균질압연강권) 수치는 게임 엔진 부하를 줄이기 위해 스케일링된 '장갑 점수(Armor Value)' 데이터로 추상화되어 적용된다 [2]. 기본 피해량은 '(관통력 - 장갑)/2 + 1' 공식으로 계산되며, 장갑이 0일 경우 관통력의 2배에 달하는 피해를 입는다 [6, 7]. 탄종에 따른 데이터적 차별화도 뚜렷하여, 철갑탄(AP)과 같은 운동에너지(KE) 탄자는 350m를 비행할 때마다 관통력이 1씩 감소하지만, 대전차 고폭탄(HEAT)이나 대전차 미사일(ATGM)은 거리에 관계없이 항상 일정한 관통력을 유지한다 [8-10].
|
||||
* **제압 및 응집력 시스템 (Suppression & Cohesion):**
|
||||
모든 유닛은 500점의 제압 한계 수치를 가지며, 피격되거나 인접 유닛이 손실될 때 제압 수치가 누적된다 [3, 11]. 누적된 제압 수치로 인해 유닛의 응집력(Cohesion) 상태가 하락하면 명중률이 감소할 뿐만 아니라 이동 속도와 연사 속도에 최대 50%의 심각한 페널티가 부과된다 [3, 12]. 장갑 수치 1당 제압 피해를 5% 흡수할 수 있으며, 헌병(Military Police) 특성 오라나 건물(50% 저항력), 숲(35% 저항력) 등의 지형 데이터는 심리적 타격에 대한 강력한 방어 및 회복력을 제공한다 [11-13].
|
||||
* **정찰과 은신 (Recon & Stealth):**
|
||||
은신 탐지 알고리즘은 관측 유닛의 '광학(Optics)' 수치와 타겟 유닛의 '은신(Stealth)' 수치의 상호작용으로 결정된다 [13]. 보병 유닛이 건물에 들어가면 3.75배, 숲에 들어가면 2.75배의 은신 승수를 얻어 탐지가 극히 어려워진다 [14, 15]. 그러나 무기를 발사할 경우 해당 무기에 설정된 '소음(Noise)' 수치만큼 은신 데이터가 일시적으로 삭감되어, 적의 정찰망에 강제로 노출되는 리스크가 발생한다 [15].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[Iriszoom 엔진]], [[NDF (Neutral Data Format)]], [[데이터 기반 밸런싱]]
|
||||
- **Projects/Contexts:** [[Warno 데이터 기반 설계]]
|
||||
- **Contradictions/Notes:** 항공기에 대한 대공 미사일 공격 시, 일부 유저 커뮤니티는 ECM 계산이 방어력을 차감하는 방식일 것으로 예측했으나, NDF 데이터 상 ECM은 명중률에 곱해지는 승수적 삭감($BaseAccuracy \times (1 - ECM)$) 로직으로 작동한다는 것이 확인된다 [5, 16]. 또한 구형 매뉴얼에는 장갑 1당 제압 피해가 5%씩 감소한다고 명시되어 있으나, ATGM에 피격된 전차의 실제 제압 피해를 분석해 본 결과 유닛 시트에 기록된 데이터와 일치하지 않는 비정상적인 수치가 적용되는 등 일부 게임 내 구현과 데이터 기술 간의 괴리가 보고되기도 한다 [11].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 커뮤니티 데이터 도구 생태계
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO 커뮤니티 데이터 도구 생태계는 유저들이 게임 내 숨겨진 데이터를 추출, 분석, 시각화하여 전술적 이해도를 높이기 위해 자발적으로 구축한 다양한 서드파티 플랫폼과 파싱 도구들의 집합을 의미합니다 [1]. 이 생태계는 NDF 파일 기반의 게임 구조를 역설계하여 인게임 UI에서 제공되지 않는 은닉 데이터를 제공하며, 데이터의 민주화를 통해 유저들이 게임 역학을 깊이 이해하고 정교한 덱 빌딩과 전술을 수립할 수 있도록 지원합니다 [1, 2].
|
||||
|
||||
## 📖 Core Content
|
||||
* **데이터 추출 및 시각화 플랫폼 (Warno-Armory & War-Yes):** 유저들은 NDF 파일을 직접 읽어 분석하거나 AI 텍스트 파서를 활용하는 웹사이트를 개발했습니다 [3, 4]. 'War-Yes'는 유닛을 검색, 정렬, 필터링하고 차트를 통해 상호 비교할 수 있게 해주며, 숨겨진 명중률 곡선 등을 시각화하여 제공합니다 [1, 5]. 'Warno-Armory'는 실제 NDF 파일 파싱을 기반으로 무기 체계의 상세 로직과 AI 표적 우선순위에 영향을 미치는 '위험도(Dangerousness)' 같은 숨겨진 통계를 추출하여 제공하며, 게임 패치 직후 신속하게 최신 데이터가 반영되는 강점이 있습니다 [1, 6, 7].
|
||||
* **리플레이 및 전투력 분석 도구 (WARPLAN & WARCAL):** 'WARPLAN'은 1v1 멀티플레이어 게임의 리플레이 파일(.rpl)과 게임 종료 화면의 스크린샷(OCR 활용)을 분석하여 시간 경과에 따른 유닛 구매 내역 및 AP(활성화 포인트) 손실 타임라인을 구축하는 도구입니다 [1, 8]. 'WARCAL' 알고리즘은 유닛의 전투력을 생존성, 대장갑 살상력, 대보병 살상력, 대공 살상력, 주도권 등 5가지 지표로 정량화하여 유닛 및 진영 간의 고차원적인 객관적 비교를 지원합니다 [9].
|
||||
* **모딩 및 NDF 파싱 도구 (WME & ndf-parse):** WARNO의 스크립트 언어인 NDF 파일을 해독하고 수정하기 위한 도구들도 커뮤니티 주도로 활발히 개발되었습니다. 'Warno Mod Editor (WME)'는 통합 GUID 생성기를 포함하여 NDF 파일의 시각적 편집을 돕는 도구로, 높은 접근성을 통해 모드 제작을 지원합니다 [1, 10]. 또한, Python 기반의 'ndf-parse' 패키지는 NDF 파일을 구문 분석하고 수정된 코드를 다시 유효한 NDF 코드로 작성할 수 있게 해주는 유틸리티입니다 [11].
|
||||
* **종합 위키 및 문서화 프로젝트 (WARNO-DATA):** GitHub에서 운영되는 'WARNO-DATA' 프로젝트는 Eugen Systems의 수천 개의 NDF 파일(UniteDescriptor.ndf, WeaponDescriptor.ndf 등)에 분산된 데이터를 체계적으로 문서화한 위키입니다 [12-14]. 피해량 및 정확도 계산과 같은 핵심 게임 메커니즘에 대한 심층적인 통찰력과 데이터 딕셔너리를 커뮤니티에 제공합니다 [13, 15].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[데이터 기반 설계(Data-Driven Design)]], [[은신과 광학 메커니즘(Stealth and Optics Mechanics)]]
|
||||
- **Projects/Contexts:** [[War-Yes 및 Warno-Armory 플랫폼]], [[WARPLAN 리플레이 분석기]], [[Warno Mod Editor (WME)]], [[WARNO-DATA GitHub 프로젝트]]
|
||||
- **Contradictions/Notes:** 게임 개발사인 Eugen Systems는 인게임 무기고나 UI를 통해 모든 데이터를 공개하지 않지만(연사 준비 시간, 위험도 등 은닉 데이터 존재), 커뮤니티는 NDF 파싱 도구를 통해 이러한 데이터를 스스로 발굴하고 공유하여 전술 최적화에 적극적으로 활용하고 있습니다 [1, 7, 16].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO 커뮤니티 모딩 생태계
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 커뮤니티 모딩 생태계는 게임의 개방적인 데이터 설계(NDF 시스템)를 바탕으로 유저들이 직접 게임 내 수치와 메커니즘을 분석, 수정, 공유하며 발전시키는 지식 및 창작 환경을 의미합니다 [1, 2]. 개발사인 Eugen Systems가 공식 모딩 가이드와 편집 도구를 제공하여 데이터 접근성을 높였으며, 이를 통해 유저들은 현실주의 모드 개발, 데이터 파싱 도구 제작, 통합 데이터베이스 구축 등 활발한 활동을 이어가고 있습니다 [2-4]. 이는 WARNO가 단순한 정적 게임을 넘어 유저 커뮤니티와 함께 호흡하며 진화하는 확장 가능한 전술 시뮬레이션 플랫폼으로 기능하게 합니다 [5, 6].
|
||||
|
||||
## 📖 Core Content
|
||||
* **개방적인 데이터 접근성 및 공식 지원:** Eugen Systems는 NDF(Neutral Data Format) 파일 구조를 통해 유저들이 게임의 핵심 소스 코드를 건드리지 않고도 유닛의 성능, 명중률, 관통력 등을 미세 조정할 수 있도록 개방적인 환경을 제공합니다 [1, 7]. 공식적인 모딩 매뉴얼과 `CreateNewMod.bat` 등의 스크립트를 기본 제공하여, 유저가 쉽게 자신만의 모드 디렉토리를 생성하고 `Divisions.ndf`, `DivisionRules.ndf`, `UniteDescriptor.ndf` 등의 파일을 수정할 수 있도록 지원하고 있습니다 [3, 4, 8-10].
|
||||
* **데이터 파싱 및 커뮤니티 도구의 발달:** 복잡한 NDF 파일을 효율적으로 다루기 위해 유저 커뮤니티는 독자적인 파싱 및 편집 도구를 자체 개발했습니다. Python 기반의 `ndf-parse` 패키지를 비롯하여 [11, 12], 고유 ID(GUID) 생성기가 통합된 전용 에디터인 'WME (Warno Mod Editor)' 등이 제작되어 모딩에 대한 진입 장벽을 낮추었습니다 [2, 13].
|
||||
* **메타 데이터베이스 및 분석 도구 구축:** 숨겨진 게임 엔진 내부의 수치들을 파싱하여 시각화하는 'Warno-Armory', 'War-Yes'와 같은 웹 기반 데이터베이스 사이트가 유저들에 의해 구축되었습니다 [2, 14-17]. 또한 리플레이 데이터 파일(.rpl)과 스크린샷을 분석하여 유닛의 생존성, 살상력 등을 시계열로 추적하는 'WARPLAN'과 같은 전술 분석 도구도 커뮤니티 주도로 활발히 운영되고 있습니다 [2, 18-20].
|
||||
* **커뮤니티 주도의 지식 문서화(Wiki) 프로젝트:** WARNO의 방대한 유닛 데이터와 수천 개의 NDF 파일에 분산된 게임 메커니즘을 체계적으로 문서화하기 위해 'WARNO-DATA'와 같은 GitHub 기반의 위키 프로젝트가 진행되었습니다 [2, 21, 22]. 이 프로젝트는 유저들이 자발적으로 참여하여 데미지 계산, 명중률 공식 등을 분석하고 기록하는 집단 지성의 장으로 기능합니다 [2, 23].
|
||||
* **현실주의 모드의 등장 (Reb's FRAGO):** 커뮤니티 생태계의 대표적 성과 중 하나는 'RebsFRAGO'와 같은 고도의 현실주의(Realism) 지향 모드입니다 [2, 24]. 이 모드는 임의적인 밸런스 패치를 지양하고 무기의 최대 사거리, 탄약 크기 기반의 데미지, 폭발 반경, 이동 속도 등 모든 데이터를 실제 제원값과 일관된 계산식에 기반하여 재설계함으로써 전술적 현실성을 극대화했습니다 [24-26].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[데이터 기반 밸런싱(Data-Driven Balancing)]], [[Iriszoom 엔진]]
|
||||
- **Projects/Contexts:** [[War-Yes 및 Warno-Armory 데이터베이스]], [[WARPLAN 리플레이 분석기]], [[RebsFRAGO 모드]], [[WARNO-DATA GitHub 위키 프로젝트]], [[WME (Warno Mod Editor)]]
|
||||
- **Contradictions/Notes:** Eugen Systems는 기본적인 모딩 매뉴얼과 NDF 참조 가이드를 공식적으로 제공하고 있으나, 수천 개의 파일에 분산된 구체적인 속성 데이터에 대한 상세한 설명은 부족한 편입니다. 이에 대한 간극은 유저 커뮤니티가 직접 WARNO-DATA 위키 문서화나 커뮤니티 디스코드 등을 통해 메우고 있습니다 [3, 21, 27].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
# WARNO-DATA Wiki
|
||||
|
||||
## ?뱦 Brief Summary
|
||||
WARNO-DATA Wiki??Eugen Systems???꾩닠 ?쒕??덉씠??寃뚯엫??WARNO???좊떅 ?곗씠?곗? ?듭떖 寃뚯엫 硫붿빱?덉쬁???곸꽭??臾몄꽌?뷀븳 而ㅻ??덊떚 二쇰룄???꾨줈?앺듃?낅땲??[1-3]. 寃뚯엫???묐룞 ?쇰━媛 ?닿릿 ?낆옄?곸씤 NDF ?뚯씪?ㅼ쓽 ?뺤떇???대룆?섏뿬, 諛⑸????뚯씪 ?띿뿉 遺꾩궛???띿꽦 媛믩뱾???댄빐?섍린 ?쎄쾶 ?ㅻ챸?섎뒗 寃껋쓣 紐⑺몴濡??⑸땲??[1, 4]. ?대? ?듯빐 紐낆쨷瑜? ?곕?吏 怨꾩궛 ???④꺼吏?硫붿빱?덉쬁???щ챸?섍쾶 怨듦컻?섏뿬 ?뚮젅?댁뼱媛 ?곗씠??以묒떖??寃뚯엫 ?ㅺ퀎瑜?源딆씠 ?댄빐?????덈룄濡??뺤뒿?덈떎 [4, 5].
|
||||
|
||||
## ?뱰 Core Content
|
||||
* **?ㅻ┰ 諛곌꼍 諛?紐⑹쟻:** WARNO??寃뚯엫 ?숈옉怨??좊떅 ?곗씠?곕뒗 Eugen Systems??怨좎쑀 ?щ㎎???섏쿇 媛쒖쓽 NDF(Neutral Data Format) ?뚯씪??遺꾩궛?섏뼱 ??λ릺???덉뒿?덈떎 [1]. 怨듭떇?곸쑝濡??쒓났?섎뒗 紐⑤뵫 留ㅻ돱?쇱? ?뚯씪 ?뺤떇留?媛쒕왂?곸쑝濡??ㅻ챸??肉??대? ?곗씠?곗뿉 ????곸꽭???ㅻ챸??遺議깊빀?덈떎 [1]. WARNO-DATA ?꾨줈?앺듃???대윭??媛꾧레??硫붿슦湲??꾪빐 ?좊떅??二쇱슂 ?띿꽦怨??듭떖 硫붿빱?덉쬁???ш큵?곸쑝濡?臾몄꽌?뷀븯???꾪궎瑜?援ъ텞?섏??듬땲??[1, 3, 4].
|
||||
* **?곗씠???ъ쟾(Data Dictionary) ?쒓났:** ???꾪궎??`UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Ammunition.ndf` ???쒕??덉씠?섏쓣 援щ룞?섎뒗 ?듭떖 NDF ?뚯씪?ㅼ쓽 二쇱슂 ?띿꽦???뺣━???ъ쟾(Dictionary)???ы븿?섍퀬 ?덉뒿?덈떎 [4, 6]. ?대? ?듯빐 ?좊떅??媛寃? ?쒖빞, ?κ컩, 愿?듬젰, 議곗? ?쒓컙 ??臾쇰━??諛?湲곗닠???띿꽦???곗씠???덈꺼?먯꽌 ?대뼸寃??뺤쓽?섎뒗吏 ?뺤씤?????덉뒿?덈떎 [6, 7].
|
||||
* **寃뚯엫 硫붿빱?덉쬁???ъ링 遺꾩꽍:** WARNO-DATA???섏튂?곸씤 ?곗씠?곕퓧留??꾨땲?? 紐낆쨷瑜좉낵 ?곕?吏媛 怨꾩궛?섎뒗 怨쇱젙 ??洹쇰낯?곸씤 寃뚯엫 ??븰??????ъ링?곸씤 ?듭같?μ쓣 ?쒓났?⑸땲??[2, 4]. ???꾪궎???먮즺瑜?諛뷀깢?쇰줈 ?뚮젅?댁뼱?ㅼ? ?꾩쥌(KE, HEAT, HE ?????곕Ⅸ ?ш굅由?鍮꾨? 愿?듬젰??李⑥씠??蹂듭옟??臾쇰━ 怨꾩궛???댄빐?????덉뒿?덈떎 [8, 9].
|
||||
* **而ㅻ??덊떚 二쇰룄???곗씠??誘쇱＜??** WARNO-DATA??GPL-3.0 ?쇱씠?좎뒪 ?섏뿉 ?댁쁺?섎뒗 ?꾨줈?앺듃濡? 而ㅻ??덊떚 援ъ꽦?먮뱾???꾩쭅 臾몄꽌?붾릺吏 ?딆? ?띿꽦?ㅼ쓣 ?④퍡 ?대룆???섍???湲곗뿬??援ъ“瑜?媛吏怨??덉뒿?덈떎 [2]. Warno-Armory 諛?War-Yes? 媛숈? ?곗씠???뚯떛 ?꾧뎄?ㅺ낵 ?붾텋?? 媛쒕컻???대????④꺼???덈뜕 ?붿쭊 ?섏튂瑜?諛쒓뎬?섏뿬 ?좎?媛 ?뺢탳???곗씠??湲곕컲???꾩닠???섎┰?????덈룄濡??뺣뒗 ?듭떖?곸씤 ??븷???섑뻾?⑸땲??[5, 10].
|
||||
|
||||
## ?뵕 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[?곗씠??湲곕컲 ?ㅺ퀎(Data-Driven Design)]], [[Iriszoom ?붿쭊]]
|
||||
- **Projects/Contexts:** [[Warno-Armory]], [[War-Yes]], [[WARNO 紐⑤뵫 而ㅻ??덊떚]]
|
||||
- **Contradictions/Notes:** 媛쒕컻?ъ씤 Eugen Systems??NDF ?뚯씪 ?щ㎎?????媛꾨왂??媛?대뱶瑜??쒓났?섏?留??대? ?곗씠???띿꽦?????援ъ껜???ㅻ챸? ?꾨씫?섍퀬 ?덉쑝硫? ?대? 而ㅻ??덊떚 二쇰룄??WARNO-DATA ?꾪궎媛 ?대룆?섍퀬 臾몄꽌瑜?梨꾩썙 ?ｌ뼱 蹂댁셿?섍퀬 ?덉뒿?덈떎 [1].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WARNO-DATA 프로젝트
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO-DATA 프로젝트는 Eugen Systems의 전술 게임 WARNO를 위해 깃허브(GitHub)에 구축된 광범위한 위키 프로젝트입니다 [1, 2]. 이 프로젝트는 수천 개의 `.ndf` 파일에 분산된 유닛 데이터를 문서화하고 명중률이나 데미지 계산과 같은 게임의 핵심 메커니즘을 상세히 설명하는 데 목적을 두고 있습니다 [3-5]. 공식 모딩 매뉴얼이 제공하지 못하는 데이터 속성의 구체적인 의미를 해독하여 WARNO 커뮤니티와 모더들의 이해를 돕는 커뮤니티 주도형 프로젝트입니다 [3, 6].
|
||||
|
||||
## 📖 Core Content
|
||||
* **프로젝트의 배경 및 목표:** WARNO의 게임 동작 및 유닛 데이터는 Eugen Systems의 독자적인 `.ndf` 파일 시스템 내에 저장됩니다 [3]. 개발사가 파일 포맷을 설명하는 간략한 모딩 매뉴얼과 `.ndf` 참조 가이드를 제공하기는 하나, 수천 개의 파일에 분포된 실제 데이터의 의미에 대한 설명은 부족합니다 [3]. WARNO-DATA는 이러한 정보의 공백을 메우기 위해 고안되었으며, WARNO 커뮤니티의 발전을 위해 GPL-3.0 라이선스로 운영되는 커뮤니티 중심의 프로젝트입니다 [4, 6].
|
||||
* **데이터 사전(Data Dictionary):** 이 위키는 `UniteDescriptor.ndf` 및 `WeaponDescriptor.ndf` 등과 같은 게임 내 가장 중요한 `.ndf` 파일들의 핵심 속성들을 세심하게 기록한 포괄적인 데이터 사전을 포함하고 있습니다 [4].
|
||||
* **게임 메커니즘 심층 가이드:** 단순히 데이터를 나열하는 것에 그치지 않고, 명중률(accuracy) 및 데미지 계산(damage calculation) 방식 등을 비롯한 WARNO의 근본적인 게임 메커니즘에 대한 상세한 통찰과 가이드를 제공합니다 [4, 6].
|
||||
* **커뮤니티의 참여와 기여:** 아직 완전히 문서화되지 않은 데이터 속성들을 해독하기 위해 유저 커뮤니티의 적극적인 참여를 장려하고 있습니다 [6]. 사용자는 깃허브의 이슈(issue) 기능을 통해 질문을 남기거나 문제 해결을 지원받을 수 있습니다 [6].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[모딩 생태계]], [[데이터 기반 밸런싱]]
|
||||
- **Projects/Contexts:** [[Eugen Systems 모딩 매뉴얼]], [[Warno-Armory]], [[War-Yes]]
|
||||
- **Contradictions/Notes:** 개발사인 Eugen Systems에서 자체적인 모딩 매뉴얼과 `.ndf` 가이드를 공식 제공하고 있음에도 불구하고, 실제 데이터 세부 내용에 대한 설명은 결여되어 있어 유저 주도의 WARNO-DATA 프로젝트가 필수적인 보완재 역할을 수행하고 있습니다 [3, 4].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
# WARNO
|
||||
|
||||
## ?뱦 Brief Summary
|
||||
WARNO??Eugen Systems媛 媛쒕컻???ㅼ떆媛??꾩닠 諛??댁젣 ?꾨왂 寃뚯엫?쇰줈, 1989???됱쟾???댁쟾?쇰줈 移섎떖? 媛?곸쓽 ??李??멸퀎??꾩쓣 諛곌꼍?쇰줈 ?섎뒗 援곗궗 ?쒕??덉씠?섏엯?덈떎 [1, 2]. ??寃뚯엫? ?⑥닚???쒕??덉씠?섏쓣 ?섏뼱 1980?꾨? ?꾨컲??援곗궗 援먮━? ?λ퉬 ?쒖썝??怨좊룄???곗씠???꾪궎?띿쿂濡?援ы쁽??'?곗씠??湲곕컲 ?ㅺ퀎(Data-Driven Design)' 泥좏븰??諛뷀깢?쇰줈 媛쒕컻?섏뿀?듬땲??[2]. ?낆옄?곸씤 NDF ?ㅽ겕由쏀듃 ?몄뼱? Iriszoom ?붿쭊??寃고빀?섏뿬, ?좊떅??臾쇰━??異⑸룎遺???щ━???쒖븬 ?쒖뒪?쒖뿉 ?대Ⅴ湲곌퉴吏 ?꾩옣??紐⑤뱺 ?붿냼瑜??뺢탳???곗씠???섏튂 紐⑤뜽濡?援ъ텞??寃껋씠 ?뱀쭠?낅땲??[3, 4].
|
||||
|
||||
## ?뱰 Core Content
|
||||
* **?곗씠??以묒떖???붿쭊 諛?援ъ“ (Iriszoom怨?NDF):**
|
||||
WARNO??怨좊룄?붾맂 Iriszoom ?붿쭊???ъ슜?섏뿬 臾쇰━ 湲곕컲 ?뚮뜑留?PBR) ?쒖뒪?? ?숈쟻 LOD, ?뺣???吏??留ㅽ븨???듯빐 ?洹쒕え ?꾩옣???쒓컖???곗씠?곕줈 ?뺥솗?섍쾶 援ы쁽?⑸땲??[3, 5]. ?쇰━???ㅺ퀎???듭떖? Eugen???낆옄???띿뒪??湲곕컲 ?ㅽ겕由쏀듃 ?몄뼱??**NDF(Neutral Data Format)**?낅땲??[4]. NDF??寃뚯엫 ?뚯뒪肄붾뱶? ?섏튂 ?곗씠?곕? ?꾧꺽??遺꾨━??`UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Ammunition.ndf` ?깆쓽 ?뚯씪?먯꽌 ?섏쿇 媛쒖쓽 ?띿꽦(愿?듬젰, 紐낆쨷瑜? ?쒖빞, ?대룞??????紐⑤뱢?뷀븯??愿由ы븷 ???덇쾶 ?댁쨳?덈떎 [4, 6].
|
||||
* **?꾪닾 ??븰???섑븰???뚭퀬由ъ쬁:**
|
||||
?좊떅??援먯쟾? 嫄곕━? 臾닿린 ?뱀꽦???듯빀???뺣????섑븰??紐⑤뜽???곕쫭?덈떎. ?덈? ?ㅼ뼱, ?꾩감???깆쓽 紐낆쨷瑜좎? ?寃잕낵??嫄곕━媛 媛源뚯썙吏덉닔濡?湲고븯湲됱닔?곸쑝濡??곸듅?섎뒗 鍮꾩꽑?뺤쟻 ?뚭퀬由ъ쬁(留덉?留?25% 援ш컙?먯꽌 湲됱긽?????ъ슜?⑸땲??[7]. ?κ컩 愿?듭? **`(愿?듬젰(AP) - ?κ컩 ?섏튂) / 2 + 1`** ?대씪??怨듭떇???듯빐 ?쇱꽱???곕?吏濡??섏궛?섎ʼn, 泥좉컩??KE)? 嫄곕━??鍮꾨???愿?듬젰??媛먯냼?섎뒗 諛섎㈃, ??꾩감怨좏룺??HEAT)?대굹 ??꾩감 誘몄궗??ATGM)? ?ш굅由ъ뿉 愿怨꾩뾾??愿?듬젰???쇱젙?섍쾶 ?좎??섎뒗 ?곗씠???띿꽦??吏?숇땲??[8-11]. ?怨?誘몄궗?쇨낵 ??났湲곗쓽 援먯쟾 ??떆 **`理쒖쥌 紐낆쨷瑜?= 湲곕낯 紐낆쨷瑜?횞 (1 - ECM)`** ?대씪???뱀닔??怨듭떇???곕쫭?덈떎 [12, 13].
|
||||
* **?щ━???꾩옣???섏튂??(?쒖븬 諛??묒쭛??:**
|
||||
?꾩옣?먯꽌???щ━???뺣컯? **'?쒖븬(Suppression)'** 諛?**'?묒쭛??Cohesion)'** ?쒖뒪?쒖쑝濡??곗씠?고솕?⑸땲??[14]. 紐⑤뱺 ?좊떅? 湲곕낯?곸쑝濡?500?먯쓽 ?쒖븬 ?섏튂瑜?吏?덈ʼn, ?쇨꺽?섍굅??二쇰??먯꽌 ??컻??諛쒖깮???뚮쭏???쒖븬 ?곗씠?곌? ?꾩쟻?섏뼱 ?좊떅??紐낆쨷瑜? ?ъ옣???띾룄, 湲곕룞?μ씠 ?섎씫?⑸땲??[14, 15]. 吏???곗씠??嫄대Ъ 50%, ??35% ?쒖븬 ?쇳빐 ????? 諛??좊떅 ?숇젴???곗씠?곌? ?쒖븬 ?꾩쟻 ?띾룄 諛??뚮났 ?띾룄??吏곸젒?곸쑝濡?媛쒖엯?섎룄濡??ㅺ퀎?섏뿀?듬땲??[15, 16].
|
||||
* **?붾젅硫뷀듃由?湲곕컲 諛몃윴?깃낵 紐⑤뵫 ?앺깭怨?**
|
||||
媛쒕컻?щ뒗 ?⑥닚??而ㅻ??덊떚 ?щ줎???꾨땶 **?붾젅硫뷀듃由?Telemetry)** ?쒖뒪?쒖쓣 ?듯빐 ?섏쭛??媛앷????곗씠???좏깮瑜? ?밸쪧, ???곗뒪 鍮꾩쑉 ??瑜?遺꾩꽍?섏뿬 ?좊떅???ъ씤??鍮꾩슜, 臾댁옣 ?ㅽ럺, ?щ떒 ??媛?⑹꽦 ?깆쓣 ?뺣??섍쾶 議곗젙?⑸땲??[17-19]. ?먰븳, 媛쒕갑?곸씤 NDF ?곗씠??援ъ“ ?뺣텇??而ㅻ??덊떚??'War-Yes', 'Warno-Armory', 'WARPLAN'怨?媛숈? ?뚯떛 諛?由ы뵆?덉씠 遺꾩꽍 ?꾧뎄瑜?吏곸젒 媛쒕컻?섏??쇰ʼn, ?대? ?듯빐 UI??蹂댁씠吏 ?딅뒗 ?④꺼吏??곗씠???? ????뱀닔, 諛쒖궗 媛꾧꺽 濡쒖쭅)瑜?諛쒓뎬?섍퀬 ?듦퀎???꾩닠???섎┰?섍퀬 ?덉뒿?덈떎 [20-23].
|
||||
|
||||
## ?뵕 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[Iriszoom Engine]], [[Telemetry]], [[?쒖븬 諛??묒쭛???쒖뒪??], [[?κ컩 愿???뚭퀬由ъ쬁 (Armor Penetration Algorithm)]]
|
||||
- **Projects/Contexts:** [[WARNO 而ㅻ??덊떚 ?곗씠???꾧뎄 (War-Yes, Warno-Armory, WARPLAN)]], [[WARNO 紐⑤뵫 ?앺깭怨?]
|
||||
- **Contradictions/Notes:** ?뚯뒪 媛??좊떅???λ젰移??뱁엳 ?κ컩) 諛섏쁺??洹쇨굅?????愿??李⑥씠媛 議댁옱?⑸땲?? ?쇰? ?좎??ㅼ? 吏덈웾 ? ?쒕㈃??臾쇰━ 怨듭떇??湲곕컲?쇰줈 ?뱀젙 ?꾩감(?? T-80)???κ컩 ?곗씠?곌? 臾쇰━?곸쑝濡?怨쇱옣?섏뿀?ㅺ퀬 二쇱옣?⑸땲??[24]. 諛섎㈃ ?ㅻⅨ ?좎??ㅼ? 寃뚯엫 ?댁쓽 ?κ컩 ?곗씠???섏튂媛 臾쇰━???먭퍡留뚯씠 ?꾨땲?? 蹂듯빀?κ컩???뚯옱(NERA, ?띿넄?쇱씠???? 李⑥씠? 寃쎌궗?κ컩(?낆궗媛????섑븳 ?뷀븰?먮꼫吏(CE) 諛??대룞?먮꼫吏(KE) 諛⑺샇 ?④낵瑜?紐⑤몢 異붿긽?뷀븯??諛섏쁺???⑥쑉?곸씠怨?怨좊룄?붾맂 ?곗씠???ㅺ퀎??寃곌낵?쇨퀬 諛섎컯?⑸땲??[11, 25-29].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# WME (Warno Mod Editor)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WME(Warno Mod Editor)는 WARNO의 모드 제작을 위해 개발된 커뮤니티 기반의 편집 도구이다 [1, 2]. 기본 Windows 텍스트 편집기를 사용하는 것보다 모딩 작업을 더 편리하게 만들 목적으로 만들어졌다 [1]. NDF 파일의 시각적 편집 기능과 모드 제작에 필수적인 고유 식별자인 GUID 생성기를 통합하여 접근성 높은 모드 제작 환경을 지원한다 [1, 2].
|
||||
|
||||
## 📖 Core Content
|
||||
* **통합 모딩 환경 제공:** WARNO의 모딩은 기본적으로 Sublime Text나 NotePad++ 같은 텍스트 편집기 프로그램과 별도의 GUID 생성기를 각각 사용해야 하는 번거로움이 있다 [1, 3]. WME는 이러한 필수 편집 도구들을 하나로 통합하여 모더(Modder)들에게 보다 편리한 작업 환경을 제공한다 [1].
|
||||
* **NDF 파일의 시각적 편집:** WARNO의 모든 논리적 설계와 데이터는 Eugen Systems의 독자적인 스크립트 언어인 NDF 파일에 저장된다 [4]. WME는 이러한 NDF 파일들을 시각적으로 편집할 수 있는 기능을 지원하여, 유저 커뮤니티가 게임의 데이터 기반 설계 아키텍처에 쉽게 접근하고 관련 데이터를 조작할 수 있도록 돕는다 [2].
|
||||
* **GUID 생성기 내장:** 모드 제작 시 각 요소는 반드시 무작위로 부여된 고유 식별자인 GUID를 가져야 한다 [1, 3]. WME는 이 GUID 생성기를 시스템 내에 내장하고 있어, 사용자가 외부 사이트를 오갈 필요 없이 도구 내에서 고유 ID를 생성하고 데이터베이스를 손쉽게 편집할 수 있도록 지원한다 [1-3].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[GUID (Globally Unique Identifier)]]
|
||||
- **Projects/Contexts:** [[WARNO 모딩 및 커뮤니티 데이터 도구 생태계]]
|
||||
- **Contradictions/Notes:** 소스에 WME의 전반적인 역할과 핵심 기능은 명시되어 있으나, 구체적인 툴의 설치 방법이나 내부 인터페이스 사용법 등 세부적인 작동 정보는 부족합니다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# War-Yes / Warno-Armory (커뮤니티 데이터 분석 도구)
|
||||
|
||||
## 📌 Brief Summary
|
||||
War-Yes와 Warno-Armory는 WARNO 유저 커뮤니티가 게임 내부의 데이터를 기반으로 직접 개발한 데이터 파싱 및 유닛 비교 도구 웹사이트이다 [1-3]. 이 도구들은 게임 엔진의 내부 파일(NDF)을 직접 읽어들이거나 텍스트 파서를 활용하여 인게임 UI에서는 확인할 수 없는 숨겨진 수치(Hidden stats)를 추출해 제공한다 [3-6]. 플레이어들은 이를 통해 유닛의 상세 제원을 검색, 분류, 비교할 수 있으며 데이터에 기반한 정교한 덱 빌딩과 전술을 수립할 수 있다 [1, 3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **데이터 파싱 및 추출 방식:**
|
||||
* Warno-Armory는 WARNO의 실제 내부 게임 파일(NDF)을 파싱하여 구축된 온라인 무기고로, 게임 데이터가 자동으로 사이트에 연동되도록 설계되었다 [2-4, 7].
|
||||
* War-Yes는 AI 텍스트 파서를 사용해 유닛 카드 데이터를 캡처하여 만들어졌으며, 게임의 패치가 릴리스될 때마다 덱 빌더와 유닛 데이터베이스를 지속적으로 업데이트하여 최신 상태를 유지한다 [6, 8].
|
||||
|
||||
* **제공 기능 및 전술적 활용:**
|
||||
* 사용자는 이 도구들을 통해 게임 내 모든 유닛을 검색, 정렬 및 필터링할 수 있으며, 직관적인 차트와 시각적 그래프를 통해 유닛 간의 상대적 성능을 정밀하게 비교할 수 있다 [1, 5, 7].
|
||||
* 인게임 UI로는 볼 수 없는 '숨겨진 수치(Hidden values)'를 확인할 수 있는 것이 가장 큰 특징이다 [5, 9, 10]. 예를 들어, 무기의 연사 준비 시간(TempsEntreDeuxTirs)이나 전자전(ECM) 수치가 명중률에 미치는 구체적인 계산 공식 등 복잡한 전투 역학 데이터를 제공하여 유저들의 심도 있는 시뮬레이션 분석을 돕는다 [3, 11, 12].
|
||||
|
||||
* **커뮤니티 도구의 세대 교체:**
|
||||
* 초기에는 NDF 파일 파싱 기반의 전수 조사 데이터를 제공하는 Warno-Armory가 널리 사용되었으나, 현재는 사이트가 다운되면서 접근성이 떨어졌다 [7, 13].
|
||||
* 이를 대신하여 모바일 친화적인 인터페이스와 이해하기 쉬운 시각화 그래프를 제공하는 War-Yes가 WARNO 커뮤니티의 주요 데이터 분석 도구로 그 역할을 대체하고 있다 [3, 5].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[숨겨진 스탯 (Hidden Stats)]]
|
||||
- **Projects/Contexts:** [[WARNO 모딩 및 커뮤니티 생태계]]
|
||||
- **Contradictions/Notes:** War-Yes 사이트는 방대한 데이터와 숨겨진 스탯을 제공하지만, 최근 사이트 개편 과정에서 과거에 제공하던 일부 장갑 타격(HE damage against armor) 관련 세부 정보가 누락된 것으로 보인다는 유저의 지적이 존재한다 [14].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# War-Yes 및 Warno-Armory 도구
|
||||
|
||||
## 📌 Brief Summary
|
||||
War-Yes와 Warno-Armory는 Eugen Systems의 전술 시뮬레이션 게임 WARNO의 데이터를 분석하고 비교하기 위해 커뮤니티 유저들이 개발한 데이터 파싱 및 유닛 비교 웹사이트 도구입니다 [1-4]. 이 도구들은 게임 내 사용자 인터페이스(UI)에서는 확인할 수 없는 숨겨진 스탯(Hidden Stats)과 엔진 내부의 수치를 추출하여 플레이어에게 제공합니다 [1, 2, 4, 5]. 이를 통해 플레이어들은 게임의 물리적 메커니즘을 깊이 있게 이해하고, 데이터에 기반한 정교한 덱 빌딩과 전술을 수립할 수 있습니다 [4].
|
||||
|
||||
## 📖 Core Content
|
||||
- **데이터 파싱 및 숨겨진 수치 발굴:** 이 도구들은 WARNO의 실제 게임 파일(NDF 파일 등)을 직접 읽어오거나 AI 텍스트 파서를 활용해 데이터를 추출하는 방식으로 구축되었습니다 [4-7]. 이를 통해 인게임 무기고(Armory)나 유닛 카드에는 표시되지 않는 엔진 내부 수치, 예를 들어 '연사 준비 시간(TempsEntreDeuxTirs)'과 같은 숨겨진 데이터를 유저들이 확인할 수 있도록 공유합니다 [4, 8].
|
||||
- **유닛 비교 및 심층 분석 기능:** 플레이어는 사이트를 통해 게임 내 모든 유닛을 탐색, 검색, 정렬, 필터링할 수 있으며, 직관적인 차트와 그래프를 이용해 유닛 성능을 비교할 수 있습니다 [2, 3]. 특히 Warno-Armory의 경우 각 스탯별 순위(랭킹)를 제공하고 '장갑 분석(Armor analytics)' 탭을 통해 장갑 수치와 관통력을 대조하여 실질적인 타격 데미지를 계산하는 기능도 지원했습니다 [1, 9].
|
||||
- **게임 메커니즘 정보의 가시화:** 유닛 데이터뿐만 아니라, War-Yes와 같은 사이트는 게임의 복잡한 역학 지식을 제공합니다. 예를 들어 대공 미사일의 명중률 계산식인 `Accuracy x (1 - ECM)`과 같은 교전 알고리즘을 분석하고 명시하여 플레이어의 이해를 돕습니다 [2, 10, 11].
|
||||
- **데이터의 민주화와 커뮤니티 생태계:** 이 도구들은 개발사의 전유물로 여겨질 수 있는 게임의 '데이터 기반 설계' 구조를 유저 커뮤니티가 직접 분석하고 역이용할 수 있게 만듭니다 [4, 12]. 이 플랫폼들은 모바일 친화적인 환경을 제공하기도 하며, 게임 패치가 적용될 때마다 유닛 데이터베이스를 지속적으로 업데이트하여 신뢰성을 유지합니다 [2, 13].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[숨겨진 스탯(Hidden Stats)]], [[데이터 파싱(Data Parsing)]]
|
||||
- **Projects/Contexts:** [[WARNO 커뮤니티 모딩 생태계]]
|
||||
- **Contradictions/Notes:** 유저 주도 프로젝트의 특성상 도구의 운영 상태에 변화가 발생하기도 합니다. 소스에 따르면 Warno-Armory 사이트가 다운되어 접속되지 않으면서 War-Yes가 이를 대체하게 된 것으로 언급되며 [14], War-Yes 사이트 또한 개편 과정을 거치면서 과거에 제공하던 장갑 대비 고폭(HE) 데미지 계산 변환표 등 일부 정보가 누락된 적이 있다는 유저의 지적도 존재합니다 [15].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Wargame 시리즈
|
||||
|
||||
## 📌 Brief Summary
|
||||
'Wargame 시리즈'(*European Escalation*, *AirLand Battle*, *Red Dragon* 등)는 Eugen Systems가 개발한 냉전 및 현대전 배경의 실시간 전술(RTS) 비디오 게임 프랜차이즈입니다 [1, 2]. 이 시리즈는 *WARNO*의 정신적 전작으로서, WARNO는 Wargame의 전술적 전투 메커니즘을 기반으로 삼으면서도 이를 더욱 고도화된 데이터 기반의 사단 시스템과 통합하여 설계되었습니다 [1, 3-5].
|
||||
|
||||
## 📖 Core Content
|
||||
* **WARNO 시스템 설계의 기반:** WARNO는 Wargame 시리즈와 Steel Division 2의 성공적인 요소들을 계승하여 만들어진 게임입니다 [5, 6]. WARNO의 전술적 전투와 부대 커스터마이징 시스템은 Wargame 시리즈에서 얻은 교훈의 집약체이며, Wargame의 핵심 게임플레이 메커니즘에 Steel Division의 사단(Division) 단위 DNA를 결합하여 설계되었습니다 [3, 7]. 또한, WARNO의 'Army General' 턴제 전략 캠페인은 *Wargame: AirLand Battle*과 *Wargame: Red Dragon*의 다이내믹 캠페인 구조를 발전시킨 형태입니다 [8].
|
||||
* **덱 시스템(Deck System)의 진화와 데이터 밸런싱:** *Wargame: Red Dragon*(WGRD)은 국가나 연합을 기반으로 방대한 무기고에서 자유롭게 유닛을 선택할 수 있는 샌드박스 형태의 '국가 덱 시스템(National deck system)'을 채택했습니다 [9-11]. 이 시스템은 플레이어가 모든 병과에서 최고의 유닛만 골라 강력한 '메타 덱(Meta deck)'이나 비현실적인 조합(예: 대공포 100대로 구성된 덱)을 만들 수 있게 했으나, 결과적으로 전체 유닛의 90%가 사용되지 않는 심각한 밸런스 불균형을 초래했습니다 [12-14]. WARNO의 데이터 기반 설계는 이러한 Wargame의 한계를 극복하기 위해 실제 역사적 편제(TO&E)에 기반한 엄격한 '사단 시스템(Division system)'을 도입하여, 유닛 가용성 데이터를 조절하고 덱의 장단점을 강제함으로써 전술적 밸런스를 크게 개선했습니다 [5, 10-12, 15].
|
||||
* **전술적 메커니즘과 편의성(QoL) 개선:** WARNO의 전술적 게임플레이는 Wargame과 매우 유사하지만, 시야(LOS) 도구나 스마트 명령(Smart orders)과 같은 상당한 삶의 질(QoL) 향상 및 게임플레이 시스템의 진화가 적용되었습니다 [16]. 기존 Wargame 시리즈에서는 플레이어가 마이크로 컨트롤에 과도하게 의존하거나 가시선 판정의 불확실성을 겪어야 했으나, WARNO에서는 지형 물리 데이터에 기반한 정밀한 시야 도구를 제공함으로써 Wargame 시절의 불확실성과 스트레스를 대폭 개선했습니다 [16-19].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[WARNO]], [[Steel Division 시리즈]], [[덱 및 사단 시스템(Deck vs Division System)]], [[Eugen Systems]]
|
||||
- **Projects/Contexts:** [[WARNO의 데이터 아키텍처 및 밸런싱 방법론]]
|
||||
- **Contradictions/Notes:** Wargame의 자유로운 국가 덱 시스템이 획일화된 메타 덱을 양산하고 90% 이상의 유닛을 사장시켜 밸런스를 무너뜨렸다는 부정적인 평가가 설계의 주된 명분으로 작용합니다 [12, 14]. 그러나 일부 플레이어들은 제한적인 WARNO의 사단 시스템보다 Wargame의 시스템이 플레이어의 창의성과 선택의 자유를 훨씬 더 많이 보장하며, 비주류 국가들을 게임에 등장시킬 수 있어 더 나은 시스템이라고 주장하며 대립된 시각을 보이고 있습니다 [20-23].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Warno 데이터 기반 설계
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO는 단순한 실시간 전술 게임을 넘어 냉전 시대의 군사 교리와 장비 제원을 고도의 데이터 아키텍처로 치환한 가상 전장 시뮬레이션입니다 [1]. 시각적 요소부터 물리적 충돌, 심리적 제압 시스템에 이르는 모든 게임 내 요소는 NDF(Neutral Data Format)라는 독자적인 스크립트 언어와 정교한 수학적 모델링을 통해 상호 연결된 데이터 구조 내에서 작동합니다 [1, 2]. 개발사는 텔레메트리(Telemetry)를 활용하여 객관적인 데이터 기반 밸런싱을 수행하며, 유저 커뮤니티에도 이 데이터 설계를 개방하여 확장 가능한 전술 시뮬레이션 프레임워크를 구축하고 있습니다 [3, 4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **Iriszoom 엔진과 시각 데이터 연동:** 물리 기반 렌더링(PBR)을 전면 도입하여 유닛과 지형의 재질별 식별성을 강화했습니다 [5, 6]. 단순한 폭발 이펙트가 아닌 탄약고 유폭 시 포탑 사출, 헬기 로터 블레이드 비산 등 동적 파괴 시스템이 유닛의 상태 데이터와 물리적으로 동기화되어 작동합니다 [5, 6].
|
||||
|
||||
* **NDF (Neutral Data Format) 아키텍처:** WARNO의 논리적 설계는 NDF 파일 내에 텍스트 기반 객체 지향 구조로 모듈화되어 있습니다 [2]. `UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Ammunition.ndf` 등을 통해 게임 코드의 직접적인 수정 없이 유닛의 스펙, 관통력, 명중률, 사거리 데이터를 미세 조정할 수 있어 밸런싱과 모딩에 유연성을 제공합니다 [2, 7].
|
||||
|
||||
* **전투 역학의 수학적 정밀도:** 명중률은 고정된 확률이 아니라 거리가 좁혀질수록 특정 구간에서 기하급수적으로 상승하는 비선형적 거리 비례 데이터 곡선을 따르며, 이동 중 사격 시에는 스테빌라이저 유무에 따라 패널티 데이터가 감쇄됩니다 [8, 9]. 항공기에 대한 대공 미사일 명중률은 타겟의 ECM 데이터를 승수적으로 반영하여 산출($P_{final} = BaseAccuracy \times (1 - ECM)$)됩니다 [10, 11].
|
||||
|
||||
* **장갑 관통 데이터 추상화:** 실제 RHA 수치를 게임에 맞게 스케일링 한 '장갑 점수(Armor Value)'를 사용하며, 철갑탄(AP) 등 운동에너지(KE) 탄자는 거리에 비례하여 관통력이 감소하는 데이터 곡선을 가지는 반면, 대전차 고폭탄(HEAT) 및 대전차 미사일(ATGM)은 성형작약 원리를 반영해 사거리에 상관없이 일정한 관통력을 유지합니다 [12-14]. 관통 후 피해량은 장갑과 관통력의 차이에 기반하여 `(AP Value - Armor) / 2 + 1`과 같은 수학적 로직으로 계산됩니다 [15].
|
||||
|
||||
* **심리적 제압(Suppression)과 시야(Optics) 시스템:** 모든 유닛은 500점의 기본 제압 데이터를 보유하며, 피격이나 주변 폭발 시 수치가 누적되어 명중률, 재장전 속도, 기동성 수치의 하락을 유발합니다 [16]. 정찰 시스템은 관측 유닛의 광학(Optics) 수치와 대상 유닛의 은신(Stealth) 수치 간의 거리 판정을 기반으로 하며, 무기 발사 시 적용되는 소음(Noise) 데이터가 은신 수치를 일시적으로 삭감시켜 노출 위험도를 높입니다 [17, 18].
|
||||
|
||||
* **사단 중심의 전략 제약과 텔레메트리 밸런싱:** 사단(Division) 편제표에 따라 유닛의 가용성(Availability) 및 슬롯 포인트 데이터를 달리 설정하여 플레이어가 전술적 장단점을 강제받도록 유도합니다 [19]. 개발사는 방대한 실시간 텔레메트리 데이터를 분석해 픽률과 교전 효율(승률, 생존 시간)을 토대로 유닛의 포인트, 무장 스펙, 특성 데이터를 객관적으로 튜닝하는 밸런싱 작업을 거칩니다 [3, 20].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[Iriszoom 엔진]], [[텔레메트리 (Telemetry) 밸런싱]], [[Combined Arms (제병협동) 전술]]
|
||||
- **Projects/Contexts:** [[Eugen Systems의 냉전기 가상 시나리오 및 모딩 생태계 구축]]
|
||||
- **Contradictions/Notes:** WARNO의 장갑 데이터는 게임 성능 최적화와 복잡한 입사각 계산의 단순화를 위해, 경사 장갑 등에 의한 방호 효과를 추상화하여 장갑 수치 데이터 자체에 반영함으로써 실제 물리적 두께보다 높게 설정된 경우가 존재합니다 [13].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# Warno-Armory
|
||||
|
||||
## 📌 Brief Summary
|
||||
Warno-Armory는 WARNO의 게임 내부 파일(NDF 파일)을 자동으로 파싱하여 데이터를 읽고, 이를 플레이어에게 편리한 형식으로 보여주는 커뮤니티 기반의 데이터 파싱 도구 웹사이트이다 [1, 2]. 이 사이트는 게임 내 UI에서는 확인할 수 없는 무기 체계의 상세 로직과 숨겨진 스탯을 전수 조사하여 제공한다 [3-5]. 플레이어들은 이 도구를 통해 게임 메커니즘을 더욱 깊이 있게 이해하고, 데이터에 기반한 정교한 덱 빌딩과 전술을 수립할 수 있다 [2].
|
||||
|
||||
## 📖 Core Content
|
||||
* **데이터 파싱 및 숨겨진 스탯 제공:** Warno-Armory는 게임의 내부 파일을 직접 읽어들여 구축된 온라인 무기고(Armory)로, 거의 모든 스탯에 대한 유닛 카테고리별 순위와 숨겨진 유닛 스탯을 제공한다 [1, 4]. 대표적으로 인게임 유닛 카드에는 표시되지 않는 무기별 '다음 공격 준비 시간(TempsEntreDeuxTirs)'과 같은 숨겨진 기술적 속성들을 이 웹사이트에서 쉽게 조회할 수 있다 [3].
|
||||
* **상세 로직 분석 및 피해량 계산:** 이 웹사이트는 WARNO 무기 체계의 상세 로직을 분석하는 데 사용된다 [5]. 플레이어는 Warno-Armory의 '장갑 분석(Armor analytics)' 탭을 통해 거리에 따른 실제 피해량(Real damage)을 편리하게 계산하고 예측하여 복잡한 전투 역학을 이해할 수 있다 [6].
|
||||
* **데이터 기반 설계와의 연관성:** WARNO는 NDF 시스템을 통한 데이터 기반 설계(Data-Driven Design)를 핵심으로 삼고 있는데, Reaktor4가 제작한 Warno-Armory는 이러한 엔진 내부에 숨겨진 수치들을 발굴하고 커뮤니티에 공유하는 중추적인 역할을 수행했다 [2, 7]. 이는 유저들이 게임의 수학적, 물리적 메커니즘을 데이터 단위에서 분석하고 전술에 직접 적용할 수 있도록 한 '데이터 민주화'의 대표적인 사례이다 [2].
|
||||
* **현재 상태:** Warno-Armory는 훌륭한 데이터 분석 사이트로 활약했으나, 이후 사이트 접속이 불가능해지면서 유사한 데이터 파싱 기능을 제공하는 커뮤니티 도구인 War-Yes(war-yes.com)가 그 역할을 대체하게 되었다 [8].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[War-Yes]], [[데이터 파싱 (Data Parsing)]], [[데이터 기반 설계 (Data-Driven Design)]]
|
||||
- **Projects/Contexts:** [[WARNO 커뮤니티 데이터 도구 생태계]]
|
||||
- **Contradictions/Notes:** 소스에 따르면 Warno-Armory는 내부 데이터를 열람할 수 있는 핵심 도구였으나, 현재는 사이트가 다운되어 War-Yes가 이를 대체하고 있다고 언급된다 [8].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 가용성 (Availability)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 '가용성(Availability)'은 플레이어가 전투단(Battlegroup) 덱에서 증원군으로 전장에 호출할 수 있는 특정 유닛의 최대 개수를 의미하는 핵심 데이터입니다 [1]. 이 수치는 사단 중심의 덱 빌딩 시스템 내에서 개별 유닛의 전략적 가치를 결정짓고 게임의 전반적인 밸런스를 통제하는 역할을 수행합니다 [2, 3]. 고성능 유닛은 가용성이 극히 제한되는 반면, 구식 장비나 예비군은 높은 가용성을 지니게 되어 플레이어에게 품질과 물량 사이의 전술적 선택을 강제하는 데이터적 압박으로 작용합니다 [3, 4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **데이터를 통한 전술적 역할 강제:** 사단 시스템 하에서 개별 유닛은 '가용성' 데이터를 통해 그 가치와 역할이 규정됩니다 [3]. 초중전차와 같은 고성능 유닛은 카드당 제공되는 유닛 수가 1~2대 수준으로 극히 제한되어 있으며, 이는 플레이어가 해당 유닛의 손실을 무조건 최소화해야 한다는 데이터 기반의 압박으로 작용합니다 [3, 4]. 반면 예비군 부대나 구식 장비는 매우 높은 가용성 데이터를 할당받아, 물량을 앞세운 소모전이나 전선 유지용 소모품으로 활용되도록 시스템적으로 유도됩니다 [4].
|
||||
* **숙련도(Veterancy)와 가용성의 반비례 관계:** 유닛을 배치할 때 높은 숙련도(예: Veteran, Elite)를 선택할수록 전장에 투입할 수 있는 최대 유닛 수(가용성)는 감소합니다 [5]. 플레이어는 소수의 고도로 훈련된 병력을 사용할 것인지, 아니면 숙련도가 낮더라도 다수의 병력을 운용할 것인지(Quantity vs Quality)를 가용성 데이터를 기반으로 결정해야 합니다 [5, 6].
|
||||
* **NDF (Neutral Data Format) 아키텍처 구현:** 가용성 규칙은 Eugen Systems의 독자적인 스크립트 파일인 NDF 시스템 내에 엄격히 정의되어 있습니다 [7, 8]. `Divisions.ndf` 파일은 사단 덱 내의 유닛 카드 목록과 가용성을 나열하며, `DivisionRules.ndf` 파일은 개별 유닛의 기본 제공 수치(`NumberOfUnitInPack`)와 숙련도 레벨에 따른 가용성 승수(`NumberOfUnitInPackXPMultiplier`) 데이터를 직접 제어하여 밸런스를 수학적으로 구조화합니다 [9, 10].
|
||||
* **모딩(Modding)을 통한 시스템 조정:** 데이터 파일이 개방된 구조 덕분에, 모더들은 가용성 관련 변수를 수정하여 게임의 밸런스를 독자적으로 재설계할 수 있습니다 [7, 11]. 예를 들어, 현실주의 전술을 추구하는 'RebsFRAGO' 모드에서는 숙련도가 오를 때마다 가용성이 25%씩만 감소하도록 관련 데이터를 수정하여, 고숙련 베테랑 유닛의 실질적인 전장 활용도를 높였습니다 [12].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[사단(Division) 덱 빌딩 시스템]], [[숙련도 (Veterancy)]], [[NDF (Neutral Data Format)]]
|
||||
- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱]], [[RebsFRAGO 모드]]
|
||||
- **Contradictions/Notes:** 전작인 Wargame 시리즈에서는 최상위 티어 유닛과 하위 티어 유닛 간의 가용성 격차가 매우 커 하위 유닛의 다수 스팸(카드당 10대 이상)이 일반적이었으나, WARNO에서는 이 가용성 데이터 격차가 상대적으로 크게 줄어들어 저렴한 유닛들의 전략적 활용 여지를 새롭게 창출했다는 커뮤니티의 비교 분석이 존재합니다 [13].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 가위바위보 상성 (Rock-paper-scissors principle)
|
||||
|
||||
## 📌 Brief Summary
|
||||
가위바위보 상성(Rock-paper-scissors principle)은 WARNO의 전투 및 밸런싱을 구성하는 핵심 전술적 원리로, 서로 다른 유닛들이 물고 물리는 절대적인 상성 관계를 갖는 것을 의미합니다. 예를 들어 대전차 특화 헬리콥터는 전차에 강하고, 대공포는 헬리콥터에 강하며, 전차는 대공포에 강한 식의 순환 구조를 가집니다. 플레이어는 이 원리를 바탕으로 적의 유닛을 파괴하는 데 특화된 카운터 유닛을 적절히 배치하고 제병협동 전술을 구사해야 합니다.
|
||||
|
||||
## 📖 Core Content
|
||||
* **기본 상성 구조:** WARNO의 게임 메커니즘이 처음에는 매우 복잡해 보일 수 있지만, 근본적인 전투 원리는 가위바위보 상성과 동일합니다[1]. 전차가 아무리 강력하더라도 전차 사냥에 특화된 공격 헬리콥터에게 위에서 공격을 받으면 일방적으로 패배하게 됩니다[1]. 반대로, 공격 헬리콥터는 대공 전투에 특화된 대공포(AA guns)의 공격을 받으면 일방적으로 격추당하며, 대공포는 다시 전차의 공격에 일방적으로 무너지는 구조를 갖습니다[1].
|
||||
* **카운터 유닛 대응 및 제병협동:** 가위바위보 원리에 따라 WARNO 전투의 기본은 적 유닛을 파괴하는 데 특화된 '카운터 유닛'으로 맞대응하는 것입니다[2]. 이러한 깊이 있는 전술적 가위바위보 상호작용(rock-paper-scissors interplay)은 보병, 기갑, 포병, 대공, 정찰 병과가 조화롭게 작동해야 승리할 수 있는 제병협동(combined-arms) 메커니즘과 긴밀하게 결합되어 있습니다[3, 4].
|
||||
* **국가 및 사단별 RPS 유연성 차이:** 덱 구축(Deck building) 측면에서 볼 때, 진영이나 사단에 따라 가위바위보(RPS) 대응 능력이 다릅니다[5]. 예를 들어, 미국(US)이나 소련(SOV)과 같은 국가 단위의 덱 구성이 가능하다면, 사용 가능한 유닛의 풀이 가장 넓기 때문에 상황에 대처할 수 있는 유연성과 가위바위보(RPS) 옵션을 가장 많이 확보할 수 있게 되어 S/S+ 티어의 강력함을 갖게 됩니다[5].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[제병협동 (Combined Arms)]], [[덱 빌딩 (Deck building)]]
|
||||
- **Projects/Contexts:** [[WARNO 전투 메커니즘 (Combat Mechanics)]]
|
||||
- **Contradictions/Notes:** 소스 내에서 상충되는 의견은 없으며, 가위바위보 메커니즘은 게임 플레이 및 유닛 간 상호작용을 설명하는 데 있어 매우 보편적이고 핵심적인 원리로 일관되게 강조되고 있습니다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 모딩 커뮤니티 도구 (War-Yes, Warno-Armory)
|
||||
|
||||
## 📌 Brief Summary
|
||||
War-Yes와 Warno-Armory는 WARNO 유저 커뮤니티가 자체적으로 개발한 웹 기반의 데이터 파싱 및 유닛 비교 도구입니다 [1, 2]. 이 도구들은 게임 내 UI에서는 직접 확인할 수 없는 엔진 내부의 숨겨진 수치와 메커니즘을 추출하여 시각화합니다 [2, 3]. 이를 통해 플레이어들은 게임의 복잡한 데이터 기반 설계를 깊이 이해하고, 보다 정교한 덱 빌딩과 전술을 수립할 수 있습니다 [2].
|
||||
|
||||
## 📖 Core Content
|
||||
* **데이터 파싱을 통한 숨겨진 통계 추출:** WARNO의 커뮤니티 도구들은 게임 엔진 내부에 숨겨진 수치들을 발굴하여 공유하는 역할을 수행합니다 [2]. 예를 들어, 인게임 유닛 카드에는 표시되지 않는 무기의 '연사 준비 시간(TempsEntreDeuxTirs)'이나 자동 타겟팅과 관련된 '위험도(dangerousness)' 같은 숨겨진 내부 데이터를 이 도구들을 통해 정확하게 확인할 수 있습니다 [2, 4, 5].
|
||||
* **Warno-Armory의 역할 및 특징:** 실제 WARNO의 내부 파일(NDF)을 직접 읽어들여 구축된 온라인 무기고(Armory)입니다 [6]. 무기 체계의 상세 로직과 전수 조사 데이터를 제공하며, 플레이어들이 게임 내부 파일에 담긴 방대한 데이터를 이해하기 쉬운 형태로 열람할 수 있도록 돕습니다 [3, 7].
|
||||
* **War-Yes의 역할 및 특징:** 유닛 간의 상대적 성능을 정밀하게 비교할 수 있도록 검색, 정렬, 필터링 기능과 유닛 비교 차트를 제공합니다 [1, 7]. 초기 구축 당시에는 AI 텍스트 파서를 활용해 유닛 카드의 데이터를 추출하는 방식으로 개발되었으며 [8], 숨겨진 명중률 곡선 등을 시각화하여 제공합니다 [7].
|
||||
* **전술적 이해 및 생태계 확장:** 이러한 도구들은 플레이어가 전자전(ECM) 계산식이나 체력 피해 변환 표와 같은 복잡한 수치적 기반을 이해하도록 지원합니다 [9, 10]. 또한, 리플레이 분석기인 WARPLAN이나 시각적 모드 제작을 돕는 WME(Warno Mod Editor)와 함께 작용하여, WARNO의 '데이터 기반 설계'가 제작사만의 전유물이 아닌 유저와 함께 호흡하며 진화하는 개방형 생태계로 발전하는 데 기여하고 있습니다 [7].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[숨겨진 통계 (Hidden Stats)]]
|
||||
- **Projects/Contexts:** [[커뮤니티 데이터 도구 및 모딩 생태계]]
|
||||
- **Contradictions/Notes:** 소스에 포함된 한 유저의 언급에 따르면, Warno-Armory 웹사이트가 다운되는 문제가 발생하면서 War-Yes가 사실상 이를 대체하는 도구로 활용되기도 했습니다 [11]. 또한 War-yes의 경우 과거에는 장갑에 대한 고폭탄(HE) 피해 변환 정보 등 세부 지식을 제공했으나, 사이트 개편 이후 일부 정보가 누락되었다는 유저의 지적도 존재합니다 [10].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 사단 시스템 (Division System)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 사단 시스템은 플레이어가 50점의 활성화 포인트(Activation Points)를 사용하여 역사적 군 편제에 기반한 덱을 구성하도록 하는 핵심 게임 메커니즘이다 [1, 2]. 이는 모든 병과에서 완벽한 유닛으로만 구성된 '무적의 군대'를 만드는 것을 방지하고, 각 사단마다 뚜렷한 강점과 약점을 데이터적으로 강제하여 전술적 다양성과 기회비용을 창출한다 [2-4]. 궁극적으로 플레이어에게 단순한 유닛 조합을 넘어, 실제 지휘관과 같은 한정된 자원 내에서의 전략적 제약을 경험하게 하는 시스템이다 [3, 5].
|
||||
|
||||
## 📖 Core Content
|
||||
* **전략적 제약의 데이터화**: 모든 사단은 덱 구성을 위해 50점의 활성화 포인트를 동일하게 부여받지만, 각 병과 슬롯을 개방하는 데 소모되는 포인트 비용은 사단의 특성에 따라 상이하게 설정되어 있다 [1, 2]. 예를 들어, 기갑사단은 전차 슬롯 비용이 저렴해 물량 확보가 쉽지만 보병 슬롯은 비싸고 가용 카드가 적게 데이터화되어 있다 [1, 2].
|
||||
* **가용성(Availability) 기반의 밸런싱**: 개별 유닛의 전략적 가치는 사단 내 '가용성' 데이터에 의해 엄격히 통제된다 [2, 6]. 고성능 유닛은 카드당 1~2대로 극히 제한되어 플레이어에게 손실을 최소화해야 하는 압박을 주는 반면, 예비군이나 구식 장비는 높은 가용성 데이터를 부여받아 소모전과 전선 유지의 용도로 활용되도록 유도된다 [6, 7].
|
||||
* **사단의 전술적 유형과 역할**: 사단은 기갑, 보병, 기계화 보병, 공수, 공중 강습, 예비군 등 특화된 전술적 성격으로 분류된다 [8-16]. 또한 과거 사용되었던 A(공격 특화), B(공수 균형), C(방어 특화) 등급 데이터 시스템은 각 사단이 전장에서 어떤 전략적 포지션을 취해야 하는지 방향성을 제시했다 [2, 17].
|
||||
* **메타 고착화 방지 및 유닛 활용도 극대화**: 최고의 유닛들만 집중적으로 사용(Cherry-picking)되던 전작(Wargame)의 샌드박스식 국가 덱 시스템과 달리, 사단 시스템은 약점이 강제된 환경을 제공하여 게임 내 존재하는 대부분의 유닛(약 90%)이 각자의 사단 내에서 고유한 쓸모를 갖도록 만들어 밸런스를 크게 향상시켰다 [3, 18].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[가용성 (Availability)]], [[활성화 포인트 (Activation Points)]], [[데이터 기반 밸런싱 (Data-Driven Balancing)]]
|
||||
- **Projects/Contexts:** [[Warno 덱 빌딩 시스템 (Warno Deck Building System)]], [[냉전 교리의 디지털 구현 (Digital Implementation of Cold War Doctrine)]]
|
||||
- **Contradictions/Notes:** 일부 유저들은 사단 시스템이 플레이어의 유닛 선택 자유도와 창의성을 제한한다며 전작(Wargame)의 국가 단위 덱 시스템을 선호한다고 비판하지만 [19, 20], 다른 유저들과 개발진은 이 시스템이 획일화된 메타와 OP(Overpowered) 유닛 스팸을 막아주며 역사적 몰입감과 밸런스를 제공한다고 반박하여 커뮤니티 내 의견 대립이 존재한다 [3, 18, 21-23].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 사단 편제표 (TO&E)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 사단 편제표(TO&E)는 가상의 1989년 냉전 시나리오를 바탕으로 실제 역사적 군 편제를 게임의 핵심 규칙으로 내재화한 데이터 중심의 덱 빌딩 시스템이다 [1]. 이는 플레이어가 모든 분야에서 완벽한 유닛으로만 구성된 '무적의 군대'를 만드는 것을 방지하고, 각 사단의 고유한 강점과 약점에 따른 데이터적 정체성을 강제한다 [2, 3]. 결과적으로 병력 구성에 기회비용을 발생시키고 전략적 제약을 부여하여 게임의 밸런싱과 전술적 깊이를 창출하는 핵심적인 역할을 수행한다 [1-3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **데이터 기반의 사단 설계 철학**: 방대한 무기고에서 원하는 유닛을 샌드박스 형태로 자유롭게 조합할 수 있었던 전작(Wargame 시리즈)과 달리, WARNO는 실제 지휘관처럼 **제한된 사단 편제(TO&E) 내에서만 부대를 구성하도록 강제**한다 [4]. 이를 통해 모든 역할을 다 해내는 만능 덱의 출현을 막고, 강력한 전차를 가진 사단은 보병진이나 대공망이 취약하게 만드는 등 뚜렷한 기회비용과 설계적 제약을 부여한다 [2, 5].
|
||||
* **NDF 시스템을 통한 편제 데이터화**: 사단의 전략적 구성 및 가용성 규칙은 게임의 내부 스크립트인 **`Divisions.ndf` 파일에 데이터로 정의**되어 있다 [6]. 모든 사단은 덱 구성을 위해 50점의 활성화 포인트(Activation Points)를 동일하게 부여받지만, 각 사단의 고유 특성에 따라 특정 병과(기갑, 보병, 정찰 등) 슬롯에 소모되는 포인트 데이터가 다르게 책정되어 있다 [3].
|
||||
* **가용성(Availability)과 밸런싱의 연동**: 개별 유닛의 전략적 가치는 사단 편제 내의 '가용성' 데이터로 결정된다. 고성능 유닛은 카드당 배치 가능 수가 1~2대로 극히 제한되어 플레이어에게 손실을 최소화해야 한다는 압박을 주는 반면, 예비군이나 구식 장비는 높은 가용성 데이터를 가져 소모전 및 전선 유지 용도로 활용되도록 유도된다 [7]. 이러한 시스템은 약한 사단에 강력한 유닛을 배치하거나, 전반적으로 강력한 사단에 특정 약점 유닛을 배치하는 방식으로 게임의 밸런싱 폭과 디자인 공간을 넓힌다 [8, 9].
|
||||
* **사단 유형별 전략적 다변화**: 게임 내 사단은 장갑(Armored), 보병(Infantry), 기계화 보병(Mechanized Infantry), 공수(Airborne), 공중강습(Air Assault), 예비군(Reserve) 등 다양한 편제로 세분화된다 [10-15]. 편제 유형에 따라 개활지, 시가지, 숲 등 유리하게 작용하는 지형 조건이 다르며, 경기 초반의 기동성 우위나 후반부의 전차 물량전 등 각기 다른 전술적 강점이 데이터로 뚜렷하게 구분된다 [11, 13].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[덱 빌딩 시스템 (Deck Building System)]], [[NDF (Neutral Data Format)]], [[가용성 (Availability)]]
|
||||
- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱]]
|
||||
- **Contradictions/Notes:** 사단 편제표 시스템이 제공하는 '역사적 고증'과 밸런싱에 대해 커뮤니티 내 의견 대립이 존재한다. 일부 플레이어는 실제 사단 편제에 맞지 않는 부대나 무기가 작전상 필요하다는 구실로 임의 배속되는 점이 고증과 몰입을 깬다고 강하게 비판하며 샌드박스 시스템으로의 회귀를 요구한다 [16-19]. 반면, 다른 플레이어들과 개발진은 이러한 제한적 편제 시스템이 획일화된 '메타 덱'을 방지하고 더 나은 게임 밸런스 및 팀 플레이를 유도하는 필수적인 장치라고 주장한다 [9, 20-22].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 사단(Division) 시스템
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 사단(Division) 시스템은 역사적 군 편제에 기반하여 플레이어의 덱 구성을 제한하고 전략적 정체성을 데이터로 강제하는 핵심 설계입니다 [1]. 이 시스템은 플레이어가 모든 병과에서 완벽한 유닛만 선택하여 '무적의 군대'를 만드는 것을 방지하고, 각 사단에 내재된 고유의 강점과 약점을 수용하도록 유도합니다 [1, 2]. 모든 사단은 덱 구성을 위해 50점의 활성화 포인트(Activation Points)를 공유하지만, 사단별로 슬롯 비용과 유닛 가용성(Availability) 데이터를 차등 적용하여 고도의 전략적 의사결정과 데이터 기반의 밸런싱을 구현합니다 [1, 3, 4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **전략적 제약과 밸런싱 디자인 공간**: 사단 시스템은 개별 유닛 단위가 아닌 사단이라는 큰 틀 안에서 밸런스를 조정할 수 있는 디자인 공간(Design space)을 제공합니다 [5]. 이를 통해 매우 강력한 유닛을 약한 사단에 배치하거나, 반대로 약한 유닛을 전반적으로 강력한 사단에서 필수적으로 사용하게끔 강제할 수 있습니다 [5]. 즉, 최고의 보병 탭을 가진 사단은 최고의 전차를 가질 수 없도록 설계되어 있어 플레이어가 특정 무적 메타 덱(Meta deck)에만 의존하는 것을 방지합니다 [2, 6].
|
||||
* **활성화 포인트(Activation Points)의 데이터 차등화**: 모든 사단은 덱을 구축할 때 50점의 활성화 포인트를 동일하게 받지만, 각 병과 슬롯에 소모되는 포인트 데이터는 사단별로 상이하게 책정되어 있습니다 [1, 3]. 예를 들어, 미국 3기갑사단의 경우 전차 슬롯의 비용은 저렴하여 물량 확보가 용이하지만 보병 슬롯은 비싸고 가용 카드가 적게 데이터화되어 있습니다 [1].
|
||||
* **가용성(Availability) 데이터를 통한 가치 부여**: 사단 내에서 유닛의 실질적인 가치와 역할은 '가용성' 데이터를 통해 조절됩니다 [4]. 고성능 유닛은 한 카드당 제공되는 유닛 수가 1~2대로 극히 제한되어 있어 플레이어가 손실을 최소화하도록 압박을 받습니다 [4]. 반면 예비군이나 구식 장비는 높은 가용성 데이터를 부여받아 소모전이나 전선 유지용 소모품으로 활용되도록 유도됩니다 [4].
|
||||
* **사단 등급(Rating) 데이터 시스템**: 과거 게임 내에서 사용되었던 사단 등급 데이터는 각 사단의 전략적 성격을 정의했습니다 [1, 7]. A등급은 공격 자산 데이터가 풍부한 강력한 공격형 사단을, B등급은 공수 양면의 균형을 맞춘 사단을, C등급은 지형 활용과 저비용 유닛의 물량 우위를 통해 방어에 특화된 사단을 의미했습니다 [1, 7].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[가용성(Availability)]], [[활성화 포인트(Activation Points)]], [[데이터 기반 밸런싱(Data-Driven Balancing)]]
|
||||
- **Projects/Contexts:** [[Warno 데이터 기반 설계]], [[덱 빌딩(Deck Building)]]
|
||||
- **Contradictions/Notes:** 이전 작인 Wargame: Red Dragon의 국가 단위 덱(National deck) 시스템을 선호하는 일부 플레이어들은 사단 시스템이 PVP 환경에서 플레이어의 창의성과 선택의 자유를 제한한다고 비판합니다 [8, 9]. 반면, 대다수의 유저와 개발 측은 모든 플레이어가 동일한 최강 유닛들만 선택하여 획일화되는 현상을 막고, 사단별 약점을 극복하는 과정이 오히려 다양성과 밸런스를 크게 향상시킨다며 사단 시스템을 긍정적으로 평가하고 있습니다 [6, 10, 11].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 소음 역학 (Noise Dynamics)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 소음 역학(Noise Dynamics)은 유닛이 무기를 발사할 때 발생하는 소음으로 인해 은신(Stealth) 수치가 감소하는 메커니즘입니다 [1]. 각 무기 체계는 고유한 '소음 페널티(noise malus)'와 '최대 소음에 도달하기까지의 사격 횟수'에 대한 데이터를 보유하고 있습니다 [2], [1]. 무기를 발사할 때마다 유효 은신 수치가 단계적으로 삭감되어 적 정찰 유닛의 탐지 거리 내로 강제 노출되는 결과를 낳게 됩니다 [3].
|
||||
|
||||
## 📖 Core Content
|
||||
* **은신 수치 감소 로직:** 무기 발사 시 생성되는 소음과 예광탄은 유닛의 유효 은신 수치(Effective Stealth) 상실로 직결됩니다 [1]. 실제 은신 손실량은 무기의 소음 페널티를 최대 소음 도달 사격 횟수로 나누어 계산됩니다 [4]. 일반적으로 대부분의 WARNO 유닛은 사격할 때마다 1단계의 유효 은신 수치를 잃게 되며, 사격 후에도 꽤 오랜 시간 동안 소음 상태(은신 감소 상태)가 유지됩니다 [1], [5].
|
||||
* **무기별 고유 소음 데이터:** 유닛이 장비한 무기에 따라 발생하는 소음 데이터 값은 다르게 설정되어 있습니다 [6]. 예를 들어, TOW-2 대전차 미사일 팀의 소음 페널티는 2이며 최대 소음에 도달할 때까지 2회의 사격을 할 수 있습니다 [1]. 반면 더 큰 소음을 내는 M1A1 전차의 주포는 2.2의 소음 페널티를 가지며, 동일하게 2회 사격 시 최대 소음에 도달합니다 [1].
|
||||
* **거리 판정 및 전술적 영향:** 관측 유닛과 타겟 유닛 간의 탐지 거리를 결정할 때 소음 역학이 개입하게 됩니다 [3]. 예를 들어, 숲에 배치되어 은신 수치가 5인 TOW-2 팀은 초기에는 적 정찰조가 1351m 이내로 접근해야 발견되지만, 한 발을 사격하여 은신 수치가 감소하면 1700m 거리에서도 발각될 수 있습니다 [7].
|
||||
* **전술적 응용:** 이러한 소음 역학 때문에 정찰 유닛은 위치가 발각되는 것을 피하기 위해 '사격 중지(Hold fire)' 또는 '반격(Return fire)' 명령을 내려야 합니다 [8], [9]. 반대로 이 시스템을 역이용하여, 적의 ATGM(대전차 유도 미사일) 팀의 사격을 의도적으로 유도(Baiting)함으로써 적이 소음 페널티를 받아 스스로 위치를 노출하도록 만드는 카운터 전술도 가능합니다 [8], [9].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[은신 역학 (Stealth Mechanics)]], [[탐지 및 광학 알고리즘 (Detection and Optics Algorithm)]]
|
||||
- **Projects/Contexts:** [[WARNO의 전투 역학과 데이터 아키텍처]]
|
||||
- **Contradictions/Notes:** 게임 내에서 소음에 따른 페널티 계산 방식이 명시적으로 설명되어 있지는 않으나, 플레이어들의 자체적인 테스트 및 데이터 분석을 통해 각 무기가 사격 횟수에 따라 일정한 단계로 은신을 잃는다는 로직이 파악되었습니다 [2], [7].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 은신과 시야 매커니즘 (Stealth and Optics)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 은신과 시야 매커니즘은 유닛의 정보 우위를 결정하는 핵심 데이터 기반 시스템이다 [1]. 이 시스템은 관측 유닛의 광학(Optics) 수치와 타겟 유닛의 은신(Stealth) 수치 간의 거리 판정 알고리즘을 통해 적의 탐지 여부를 결정한다 [2]. 플레이어는 가시선(LOS) 도구, 지형이 제공하는 은신 배수, 그리고 무기 발사 시 발생하는 소음(Noise) 데이터를 종합적으로 고려하여 전술을 수립해야 한다 [3], [4], [5].
|
||||
|
||||
## 📖 Core Content
|
||||
* **은신(Stealth) 및 광학(Optics) 데이터:**
|
||||
모든 유닛은 '나쁨(Bad)'부터 '경이적+(Exceptional+)'까지 단계별로 구분된 은신 및 광학 수치를 보유한다 [6], [3], [1]. 정찰 유닛은 일반 전투 유닛보다 훨씬 높은 기본 광학 데이터를 가지며, 특히 지상 감시 레이더(GSR) 특성을 가진 유닛은 정지 상태에서 '경이적'인 광학 수치를 얻어 먼 거리에서도 적을 탐지할 수 있다 [2].
|
||||
* **지형에 따른 은신 승수(Cover Multiplier):**
|
||||
유닛이 위치한 지형은 은신 수치에 강력한 승수를 제공한다 [2]. 개활지는 기본값을 가지며, 숲은 은신 수치를 2.5배에서 최대 3배까지 증폭시키고, 건물과 폐허는 보병 유닛에게 3배에서 최대 3.75배의 은신 승수를 부여한다 [7], [6], [8], [2].
|
||||
* **탐지 거리 산출 알고리즘:**
|
||||
기본적인 지상 유닛 탐지 공식은 대략 `35 * (광학 수치) / (유효 은신 수치)`로 산출될 수 있다 [7], [3]. 일반 유닛의 최대 관측 거리는 약 3,533m로 제한되지만, GSR 유닛의 시야 캡은 약 6,533m에 달한다 [3]. 한편 지상 시야와 별개로 대공(Air) 광학 수치가 독립적으로 존재하여 항공기나 헬리콥터 탐지 거리를 결정한다 [9], [10].
|
||||
* **가시선(LOS) 도구와 엔진 렌더링:**
|
||||
게임 내에서 'C' 키를 눌러 확인할 수 있는 가시선 도구는 Iriszoom 엔진이 지형 데이터의 물리적 충돌 판정을 기반으로 계산하는 실시간 가시성 범위를 시각화한다 [11], [2]. 이 도구는 실제 시야가 확보되는 투명한 영역과 적 유닛이 은신해 있을 수 있는 사각지대(파란색 또는 회색 음영)를 정확히 보여준다 [11], [5].
|
||||
* **소음(Noise) 역학 데이터:**
|
||||
무기 발사는 유닛의 은신 수치를 일시적으로 삭감하는 소음 데이터를 발생시킨다 [2]. 각 무기 체계는 고유한 소음 페널티(Noise malus)와 최대 소음에 도달하기까지의 발사 횟수가 데이터로 설정되어 있으며, 사격 시마다 효과적인 은신 단계가 하락해 적 정찰 유닛의 탐지 거리 내로 강제 노출된다 [4], [12].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[데이터 기반 설계 (Data-Driven Design)]], [[Iriszoom 엔진]], [[NDF (Neutral Data Format)]], [[소음 역학 (Noise Dynamics)]]
|
||||
- **Projects/Contexts:** [[WARNO 전술 시뮬레이션 시스템]]
|
||||
- **Contradictions/Notes:** 소스의 작성 시점과 패치 버전에 따라 지형별 은신 승수(Cover Multiplier) 데이터에 차이가 존재한다. 초기 레딧 가이드에서는 숲이 2.5배, 건물이 3.5배라고 명시했으나 [7], 2025년 업데이트 가이드에서는 두 지형 모두 3배의 승수를 제공한다고 설명하고 있으며 [6], 또 다른 초보자 가이드에서는 숲 2.75배, 건물 및 폐허 3.75배의 승수가 적용된다고 기술되어 있다 [8].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 장갑 관통 모델링(Armor Penetration Modeling)
|
||||
|
||||
## 📌 Brief Summary
|
||||
장갑 관통 모델링은 WARNO에서 차량의 방호력과 무기의 관통력을 비교하여 피해를 산출하는 데이터 기반 시뮬레이션 시스템입니다 [1]. 이 모델은 엔진 연산 부하를 줄이기 위해 실제 역사적 RHA(균질압연강권) 수치를 그대로 쓰지 않고 스케일링된 '장갑 점수(Armor Value)'로 추상화하여 사용합니다 [1]. 무기의 관통력과 방어자의 부위별 장갑 수치 차이에 따라 관통 확률 및 데미지가 결정되며, 탄종(KE, HEAT 등)에 따라 사거리 비례 관통력 변화 로직이 다르게 적용됩니다 [1, 2].
|
||||
|
||||
## 📖 Core Content
|
||||
* **장갑 점수와 연산 효율화**
|
||||
게임은 실제 복잡한 물리적 입사각 계산 등을 단순화하기 위해 미리 계산된 방호력 수치를 적용합니다 [1, 3]. 즉, 경사 장갑 등에 의한 방호 효과가 데이터 수치 자체에 이미 포함되어 있어, 시스템 연산 부하를 줄이면서도 물리적으로 정확한 교전 결과를 산출하는 효율적인 설계를 보여줍니다 [1]. 차량의 피격 판정은 전면, 측면, 후면, 상면(개방형 또는 장갑 지붕)으로 엄격히 구분되며 각 부위의 장갑 데이터는 고유하게 정의되어 있습니다 [1, 2].
|
||||
* **관통 확률 및 데미지 산출 로직**
|
||||
관통 판정은 공격자의 관통력 수치와 방어자의 장갑 수치의 차이값을 기반으로 이루어집니다 [1]. 두 수치가 동일할 때 관통 확률은 50%이며, 관통력이 장갑보다 약 55mm(데이터 환산 기준) 이상 높을 경우 100% 관통이 보장됩니다 [1, 3]. 장갑 수치가 관통력보다 월등히 높으면 도탄(Ricochet)이 발생하여 피해를 입히지 못합니다 [1]. 목표의 장갑을 관통했을 때 적용되는 데미지 산출 공식은 `Damage Percentage = (AP - Armor)/2 + 1` 입니다 [2, 4]. 타겟에 장갑이 아예 없는(0) 경우 데미지는 AP의 2배로 계산되며, 장갑이 1인 경우에는 AP의 1배만큼 피해가 들어갑니다 [2, 4].
|
||||
* **탄종별 데이터적 차별화**
|
||||
무기가 발사하는 탄종의 원리에 따라 거리에 따른 관통력 모델링이 확연히 구분됩니다.
|
||||
* **운동에너지탄(KE / AP):** 철갑탄과 같은 탄자는 탄속과 질량을 기반으로 하기 때문에 거리가 멀어질수록 관통력이 감소하는 데이터 곡선을 가집니다 [1]. 목표에 100m 접근할 때마다 관통력 수치가 1씩 증가하여, 전차전에서 근접할수록 파괴력이 극대화됩니다 [2, 4].
|
||||
* **화학에너지탄(HEAT / ATGM):** 성형작약 원리를 이용하는 대전차 고폭탄이나 대전차 미사일은 사거리에 관계없이 일정한 관통력을 유지하는 데이터 속성을 가집니다 [1, 2]. 이는 원거리에서 대전차 저지선을 구축하는 데 유리한 전술적 역할을 부여합니다 [1].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[데이터 기반 설계(Data-Driven Design)]], [[RHA 데이터 추상화]], [[NDF(Neutral Data Format)]], [[탄도학 알고리즘]]
|
||||
- **Projects/Contexts:** [[WARNO]], [[Iriszoom 엔진]]
|
||||
- **Contradictions/Notes:** 커뮤니티의 일부 유저는 탱크의 표면적 대비 질량이나 물리적 부피만을 기준으로 장갑 수치의 현실성을 비판하기도 했으나, 이는 소련의 강철-텍스톨라이트 샌드위치 장갑과 서방의 공간/복합 장갑 배열(NERA 등)이 가지는 CE(화학에너지) 및 KE(운동에너지)에 대한 각기 다른 방호 효율을 무시한 것이며, 게임 모델링은 이러한 장갑 배열 구성 및 최적화의 차이를 모두 반영하여 추상화한 것이라는 반론이 존재합니다 [5].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 장갑 및 사거리 데이터 (Armor and Range Stats)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 장갑 및 사거리 데이터는 실제 물리적 제원(RHA 등)을 게임 내 역학에 맞춰 스케일링한 수치 체계이다 [1]. 장갑 시스템은 부위별 방호력 점수와 탄종별 관통력 산식을 기반으로 피해량과 도탄 여부를 엄격하게 결정한다 [2], [3], [4]. 사거리는 단순한 사격 가능 거리를 넘어, 거리 비례 명중률 곡선 및 관통력 증감 시스템과 결합하여 전술적 기동의 핵심 변수로 작용한다 [5], [6], [4].
|
||||
|
||||
## 📖 Core Content
|
||||
* **장갑 점수(Armor Value)와 방호 모델링:** 게임은 실제 전차의 RHA(균질압연강판) 수치를 그대로 쓰지 않고, 엔진의 연산 부하를 줄이며 물리적으로 정확한 결과를 내기 위해 스케일링된 '장갑 점수'를 사용한다 [1], [4]. 복잡한 입사각 계산을 단순화하기 위해 경사 장갑에 의한 방호 효과가 장갑 수치 데이터 자체에 사전에 반영되어 있다 [4]. 차량의 장갑은 전면, 측면, 후면, 상면(약함/강함)으로 엄격히 구분되며, 일반적으로 전면 장갑이 가장 두껍게 설정된다 [2], [1].
|
||||
* **관통 및 피해량(Damage) 산식:** 공격자의 최종 관통력(AP)과 방어자의 장갑 수치가 동일할 때 관통 확률은 50%이며, 관통력이 장갑보다 약 55mm 높을 경우 100% 관통이 보장된다 [1]. 반면 장갑 수치가 관통력보다 월등히 높으면 도탄(Ricochet)이 발생하여 피해를 주지 못한다 [1]. 장갑을 관통했을 때 차량에 입히는 피해량 산식은 `Damage Percentage = (AP Value - Armor) / 2 + 1` 로 계산된다 [3], [4].
|
||||
* **탄종별 거리-관통력 역학:** 철갑탄(AP)과 같은 운동에너지(KE) 탄자는 탄속과 질량의 영향을 받아 거리가 멀어질수록 관통력이 감소하는 데이터 곡선을 가진다 [4]. 구체적으로는 타겟에 100m 가까워질 때마다 관통력이 1씩 증가하고, 포탄이 350m를 비행할 때마다 관통력이 1씩 감소하도록 설계되어 있다 [7], [5]. 반면 대전차 고폭탄(HEAT)이나 대전차 미사일(ATGM) 같은 화학(CE) 탄자는 성형작약 원리를 이용하므로 사거리에 관계없이 고정적인 관통력 수치를 유지한다 [8], [9], [4].
|
||||
* **사거리(Range) 시스템:** 전차 주포의 기본 유효 사거리(Baseline tank range)는 1925m로 설정되어 있다 [10]. 이 사거리 데이터는 센서 및 기술 탑재 여부에 따라 변동하는데, 레이저 거리측정기(Laser Rangefinder)가 탑재되면 2100m, 자동 사격 통제 컴퓨터(Automatic Fire Control Computer)가 장착되면 최고 2275m로 사거리가 연장된다 [11]. 더불어 명중률은 타겟과의 거리가 가까워질수록 비선형적 곡선을 그리며 상승하며, 특히 최대 사거리의 마지막 25% 구간에서 기하급수적으로 급상승한다 [6].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[탄도학 및 명중률 알고리즘 (Ballistics and Accuracy Algorithms)]], [[데이터 기반 밸런싱 (Data-Driven Balancing)]]
|
||||
- **Projects/Contexts:** [[Iriszoom 엔진의 물리적 가시화]]
|
||||
- **Contradictions/Notes:** 운동에너지(KE) 탄자는 거리에 비례하여 관통력이 실시간으로 변동하지만, 화학(CE) 탄자인 HEAT와 ATGM은 거리에 무관하게 일정한 관통력을 지니므로, 상대하는 장갑의 두께와 종류에 따라 최적의 교전 거리를 다르게 조절해야 하는 전술적 차이가 발생한다 [8], [4].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 제병협동 (Combined Arms)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO에서의 제병협동은 보병, 전차, 대공, 포병, 정찰 등 서로 다른 강점과 약점을 가진 유닛들을 결합하여 상호 지원하는 전술적 진형을 구성하는 핵심 플레이 원리입니다. 각 유닛의 사거리, 장갑, 은신도 등의 데이터 특성을 기반으로 알맞은 위치에 유닛을 배치하여 적의 어떠한 유닛 조합에도 대응할 수 있게 만듭니다. 성공적인 제병협동은 전략적 우위를 제공하며, Army General 캠페인 모드에서는 부대 병종의 조합에 따라 적에게 부정적인 보정치를 부여하는 시스템적 보너스로도 작용합니다.
|
||||
|
||||
## 📖 Core Content
|
||||
* **가위바위보 상성 극복과 전술적 유연성 확보**
|
||||
WARNO의 전투는 기본적으로 '가위바위보' 원리처럼 각 유닛 간의 명확한 상성이 존재합니다(예: 공격 헬기는 전차에 강하고, 대공포는 공격 헬기에 강함) [1]. 적이 어떠한 유닛을 전장에 투입하더라도 즉각적으로 대응하기 위해서는 단일 병종이 아닌 보병, 장갑차, 포병, 항공 지원, 정찰 유닛 등을 통합한 제병협동 전술이 필수적입니다 [2-4]. 연막을 효과적으로 활용하며 다양한 유닛을 혼합하는 것은 게임에서 승리하기 위한 주요 전략 중 하나로 강조됩니다 [5].
|
||||
|
||||
* **유닛 데이터 기반의 진형(Formation) 배치 원칙**
|
||||
제병협동 진형을 구성할 때는 각 유닛의 장갑 수치, 사거리, 은신도 등 시스템적 특성 데이터를 고려하여 상호 보완적인 배치를 해야 합니다 [6].
|
||||
* **장갑과 방호**: 장갑 수치가 낮은 차량이나 비전투 유닛(보급, 지휘 차량 등)은 적의 대전차 공격을 흡수할 수 있는 장갑이 두꺼운 중전차 등의 후방에 배치하여 보호받아야 합니다 [7, 8].
|
||||
* **사거리**: ATGM(대전차 유도 미사일) 차량이나 공격 헬기와 같은 장거리 타격 유닛은 보병이나 전차 등 사거리가 짧은 유닛의 뒤에 배치해야 합니다 [7, 9]. 이는 원거리의 이점을 살리면서도 적의 공격을 받을 경우 빠르게 사거리 밖으로 후퇴할 수 있도록 하기 위함입니다 [9].
|
||||
* **은신도(Stealth)**: 대공 차량이나 보급 헬기 등 은신도가 낮아 적에게 쉽게 노출되는 유닛은 대공 보병처럼 은신도가 높은 유닛의 후방에 배치하여 생존성을 높여야 합니다 [8].
|
||||
|
||||
* **게임 내 실전 활용 및 시스템적 지원**
|
||||
실제 게임 플레이에서 스나이퍼가 보병, 전차, IFV(보병전투차량)를 후방에서 지원하는 플레이는 매우 훌륭한 제병협동의 사례로 꼽힙니다 [10]. 플레이어는 덱 빌딩 단계에서 전차, 대공 차량, 정찰 차량 등을 묶어 '전투 단(Combat Group)'을 구성할 수 있으며, 이 경우 정찰 차량이 시야를 확보하고 전차가 타격하며 대공 차량이 공중 위협을 제거하는 유기적인 제병협동이 이루어집니다 [11, 12]. 또한, Army General(턴제 캠페인) 모드에서는 서로 다른 병종을 결합하여 전투에 임할 경우, 병과 비대칭성으로 인해 적의 전투 결과에 부정적인 보정치를 부여하여 시스템적으로 직접적인 이점을 얻을 수 있습니다 [13].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[전술적 진형 (Tactical Formations)]], [[장갑 관통 및 방호 (Armor Penetration and Protection)]], [[시야 및 정찰 (Vision and Scouting)]]
|
||||
- **Projects/Contexts:** [[Army General 캠페인 (Army General Campaign)]], [[WARNO 전투 역학 (WARNO Game Mechanics)]]
|
||||
- **Contradictions/Notes:** 소스에 관련 정보 내 모순점은 발견되지 않았습니다. 제공된 모든 소스는 제병협동 전술이 WARNO 시스템 설계 내에서 필수적으로 요구되는 요소이며, 유닛의 고유 데이터(장갑, 사거리 등)에 따라 철저하게 계산되어야 함을 일관되게 강조하고 있습니다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 제병협동 전술 (Combined Arms)
|
||||
|
||||
## 📌 Brief 소스
|
||||
WARNO에서 제병협동 전술(Combined Arms)은 보병, 기갑, 포병, 항공 지원 및 정찰 등 다양한 병과가 조화롭게 협력하여 승리를 쟁취하는 핵심 전술 개념입니다 [1]. 서로 다른 특성과 능력치를 가진 유닛들을 통합하고 상호 지원하도록 배치함으로써 개별 유닛의 약점을 보완하고 적의 어떠한 유닛에도 효과적으로 대응할 수 있습니다 [2, 3]. 이는 단순한 실시간 전술 전투를 넘어 전략 모드인 아미 제너럴(Army General)에서도 시스템적으로 깊게 반영되어, 다양한 병과를 결합하면 적에게 디버프를 주고 아군에게 보너스를 부여하는 등 데이터 기반 설계의 핵심을 이룹니다 [4, 5].
|
||||
|
||||
## 📖 Core Content
|
||||
- **병과 간 상호 지원과 전술적 배치 (Mutual Support & Positioning)**: 제병협동의 핵심은 개별 유닛의 데이터 특성(사거리, 장갑, 은신 등)을 기반으로 한 상호 지원 진형을 구축하는 것입니다 [6]. 장갑이 얇은 유닛은 중장갑 유닛 뒤에, 사거리가 긴 유닛(ATGM, 공격 헬리콥터 등)은 보병이나 전차 뒤에, 비전투 및 은신 능력(Stealth)이 낮은 유닛은 후방에 배치하여 각 유닛의 특성을 극대화하고 약점을 철저히 보호해야 합니다 [7-9].
|
||||
- **란체스터의 제곱 법칙 (Lanchester's Square Law) 적용**: 게임 내 화력전에서 부대의 전투력은 보유한 유닛 화력 총합의 제곱에 비례하게 설계되어 있습니다 [10]. 서로 다른 병과(예: 전차, ATGM 차량, 보병 등)를 결합하여 십자포화(Crossfire)를 구성하면 단일 유닛으로 전투할 때보다 기하급수적으로 높은 데미지와 제압력(Suppression)을 적에게 입힐 수 있습니다 [11, 12].
|
||||
- **핵심 병과의 융합 (Integration of Key Units)**: 정찰 유닛으로 적을 식별하고, 전차와 보병으로 전선을 형성하며, 대공(AA) 유닛으로 이들을 보호하고, 연막(Smoke)을 효과적으로 사용하여 교전을 통제하는 것이 제병협동의 기본입니다 [13-16]. 일례로 저격수가 보병, 전차, IFV를 동시에 지원하도록 배치하는 것은 시스템상 매우 스마트한 제병협동 플레이로 권장됩니다 [17].
|
||||
- **아미 제너럴(Army General) 시스템과의 연동**: 턴제 전략 캠페인인 아미 제너럴 모드에서도 제병협동의 원칙은 룰로 강제됩니다. 전투에 다양한 유형의 부대를 참여시킬 경우, 적 부대에게 부정적인 수정치(negative modifier)가 적용되며, 아군에게는 추가적인 전투 보너스가 시스템적으로 계산되어 승률에 직접적인 영향을 미칩니다 [4, 5].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[란체스터의 제곱 법칙 (Lanchester's Square Law)]], [[상호 지원 (Mutual Support)]], [[아미 제너럴 (Army General)]], [[시야 및 은신 (Line of Sight & Stealth)]]
|
||||
- **Projects/Contexts:** [[WARNO 전술 가이드 (Tactical Guide)]], [[아미 제너럴 캠페인 (Army General Campaign)]]
|
||||
- **Contradictions/Notes:** 소스에 따르면 단일 병과에만 의존하거나 한 장소에 유닛을 단순히 뭉쳐놓는 '블로빙(Blobbing)' 행위는 제병협동의 원칙에 위배되며, 숙련된 플레이어의 광역 살상 무기나 포병에 의해 매우 취약하게 파훼됩니다 [18].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
-33
@@ -1,33 +0,0 @@
|
||||
---
|
||||
category: AI & Games
|
||||
status: Final
|
||||
converted_at: 2026-04-28
|
||||
---
|
||||
|
||||
# 탄도학 및 명중률 알고리즘 (Ballistics and Accuracy Algorithms)
|
||||
|
||||
## 📌 Brief Summary
|
||||
WARNO의 탄도학 및 명중률 알고리즘은 거리에 따른 비선형적 명중률 보정, 이동 사격 페널티, 전자전(ECM), 그리고 숙련도를 복합적으로 고려하여 수학적 정밀도를 제공하는 전투 연산 시스템입니다. 무기의 종류와 타겟과의 거리, 유닛의 심리적/물리적 상태에 따라 역동적으로 명중 확률이 계산되어 깊이 있는 데이터 기반 전술 환경을 형성합니다.
|
||||
|
||||
## 📖 Core Content
|
||||
* **거리 비례 명중률 연산 (Range-based Accuracy Scaling)**
|
||||
* 게임 내 유닛 카드에 표시되는 '정적 명중률(Accuracy Static)'은 정지 상태에서 최대 사거리의 적을 조준할 때의 확률을 의미합니다 [1, 2].
|
||||
* 하지만 실제 명중 확률은 사거리가 좁혀질수록 특정 곡선을 그리며 상승하는 비선형적 알고리즘을 따릅니다 [2]. 특히 최대 사거리의 마지막 25% 구간에서는 명중률이 기하급수적으로 상승하는 '가속 구간'이 설정되어 있습니다 [1, 2].
|
||||
* 전차포, 대전차포, 보병용 소총, 자동포 등은 거리가 가까워질수록 명중률이 극대화되는 반면, 보병용 기관총과 휴대용 대공 미사일(MANPADS) 등은 사거리 내에서 일정한 확률을 유지하는 등 무기 체계 범주별로 데이터 적용 방식이 상이합니다 [3, 4].
|
||||
|
||||
* **이동 사격 페널티 및 숙련도 보정 (Motion Penalty and Veterancy)**
|
||||
* 이동 중 사격 시 적용되는 '이동 명중률(Accuracy Motion)'은 기계적인 스테빌라이저(Stabilizer)의 유무와 품질(단일 축, 이중 축 등)에 따라 페널티 감쇄 폭이 결정됩니다 [2, 5].
|
||||
* 유닛의 숙련도(Veterancy)는 기본 명중률에 경험치 보정 배율을 곱하여 최종 명중률을 상승시키는 데이터적 이점을 제공합니다 (예: 레벨당 +5% 보정) [6, 7].
|
||||
|
||||
* **대공 및 전자전(ECM) 연산 모델링 (Anti-Air and ECM Calculation)**
|
||||
* 항공기와 대공 미사일 간의 교전에서는 항공기의 전자전(ECM) 수치가 대공 무기의 명중률을 직접 차감하지 않고 승수적으로 작용합니다 [4, 8].
|
||||
* 대공 무기의 명중률 계산 공식은 `최종 명중률 = 기본 명중률 × (1 + 숙련도 보정) × (1 - ECM)`으로 적용됩니다 [7]. 예를 들어, 55% 기본 명중률을 가진 베테랑 대공 유닛(+25% 보정)이 20% ECM을 지닌 항공기를 공격할 때의 계산식은 `55% × (1+0.25) × (1-0.2) = 55%`로 산출됩니다 [7].
|
||||
* 이에 더해 항공기는 숙련도 레벨에 따라 명중률을 고정적으로 차감(레벨당 -5%)시키는 '회피 기동(Evasive Maneuvers)' 메커니즘을 추가로 가져, 고숙련 파일럿의 생존성을 데이터적으로 보장합니다 [4, 9].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
- **Related Topics:** [[장갑 관통 모델링 (Armor Penetration Modeling)]], [[제압 및 응집력 시스템 (Suppression and Cohesion System)]], [[NDF (Neutral Data Format)]]
|
||||
- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱 (WARNO Data-Driven Balancing)]], [[Iriszoom 엔진 물리 렌더링 (Iriszoom Engine Physical Rendering)]]
|
||||
- **Contradictions/Notes:** 소스 문서들은 대공 무기 명중률 공식에서 ECM이 승수로 작용한다는 점에 동의하나 [4, 8], 소스 28에서는 여기에 공격자의 숙련도 배율이 추가된 구체적인 인게임 수학적 산출식(`명중률 × (1+경험치 보정) × (1-ECM)`)을 제시하여 더 복합적인 연산이 이루어짐을 보여줍니다 [7].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-047
|
||||
category: "10_Wiki/💡 Topics/AI & ML MLOps"
|
||||
confidence_score: 0.96
|
||||
tags: [ai, machine learning, mlops, data science]
|
||||
last_reinforced: 2026-06-XX
|
||||
github_commit: "[P-Reinforce] Processed Concept Drift (개념 드리프트)."
|
||||
---
|
||||
|
||||
# [[Concept Drift (개념 드리프트)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 시간이 지남에 따라 데이터의 통계적 특성이나 생성 메커니즘 자체가 변화하여, 이전에 학습된 AI 모델의 예측 정확도와 신뢰도가 점진적으로 떨어지는 현상이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **정의:** 머신러닝 시스템이 배포되고 운영되는 환경에서 발생하는 데이터 분포의 변화를 의미한다. 이는 단순한 '데이터 부족' 이상의 근본적인 모델 성능 저하 문제다.
|
||||
- **유형 및 원인:**
|
||||
1. **Covariate Shift (공변량 드리프트):** 입력 데이터 $P(X)$가 변하는 경우. (예: 특정 계절에만 발생하는 트래픽 패턴 변화).
|
||||
2. **Concept Drift (개념 드리프트):** 실제 데이터 생성 과정 자체가 변하여, 같은 입력 $X$에 대한 레이블 $Y$의 조건부 확률 $P(Y|X)$가 변하는 경우. (예: 사용자의 구매 행동 패턴이 시대에 따라 근본적으로 변화).
|
||||
- **탐지 및 대응:**
|
||||
1. **모니터링:** 모델 예측 결과와 실제 데이터 분포 간의 KL Divergence, JS Divergence 등을 주기적으로 측정하여 이상 징후를 포착한다.
|
||||
2. **재학습 (Retraining):** 드리프트가 감지되면 최신 데이터를 반영하여 모델을 재학습하거나(Online Learning), 모델 자체를 업데이트해야 한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 개념 드리프트는 '일회성 문제'가 아니라, AI/MLOps 운영의 *지속적인* 관리 영역임을 인식해야 하며, 이를 위한 자동화 파이프라인(Monitoring Pipeline) 구축이 필수적이다.
|
||||
- **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
|
||||
|
||||
---
|
||||
@@ -1,4 +0,0 @@
|
||||
# Index: Topics > AI & ML MLOps
|
||||
|
||||
## 📝 Documents
|
||||
- [[Concept Drift (개념 드리프트, 모델 지식의 부패)]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-8DB819
|
||||
category: "10_Wiki/💡 Topics/AI & Narrative"
|
||||
confidence_score: 0.95
|
||||
tags: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Batch 10 - Wikified AI-Driven Narrative Systems"
|
||||
---
|
||||
|
||||
# [[AI-Driven Narrative Systems]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 핵심 내용 요약 예정
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
세부 본문 내용 구성 예정
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계.
|
||||
- **정책 변화:** AI & Narrative 분야의 체계적 지식 자산화 진행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
|
||||
---
|
||||
@@ -1,4 +0,0 @@
|
||||
# Index: Topics > AI & Narrative
|
||||
|
||||
## 📝 Documents
|
||||
- [[AI-Driven Narrative Systems]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-E4FCEF
|
||||
category: "10_Wiki/💡 Topics/AI & Psychology"
|
||||
confidence_score: 0.95
|
||||
tags: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Batch 10 - Wikified Affective Computing"
|
||||
---
|
||||
|
||||
# [[Affective Computing]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 핵심 내용 요약 예정
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
세부 본문 내용 구성 예정
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계.
|
||||
- **정책 변화:** AI & Psychology 분야의 체계적 지식 자산화 진행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
|
||||
---
|
||||
@@ -1,4 +0,0 @@
|
||||
# Index: Topics > AI & Psychology
|
||||
|
||||
## 📝 Documents
|
||||
- [[Affective Computing]]
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-92F236
|
||||
category: "10_Wiki/💡 Topics/AI & Tools"
|
||||
confidence_score: 0.95
|
||||
tags: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
|
||||
---
|
||||
|
||||
# [[AI Connect LLM Tool]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> **Connect AI**는 100% 로컬 및 오프라인 환경에서 작동하는 VS Code 전용 프리미엄 AI 코딩 에이전트입니다. 외부 서버 연결 없이 사용자의 하드웨어(Ollama/LM Studio)를 직접 활용하여 파일 생성, 편집, 터미널 명령 실행 및 개인 지식 기반(Second Brain) 연동을 지원합니다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계.
|
||||
- **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
|
||||
- **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.
|
||||
|
||||
---
|
||||
|
||||
*Last updated: 2026-04-14*
|
||||
|
||||
---
|
||||
|
||||
# 🕵️ 프로젝트 코드 리뷰 리포트
|
||||
|
||||
`/Volumes/Data/project/Antigravity/local_module/resource` 프로젝트에 대한 상세 코드 리뷰 결과입니다.
|
||||
|
||||
---
|
||||
@@ -1,4 +0,0 @@
|
||||
# Index: Topics > AI & Tools
|
||||
|
||||
## 📝 Documents
|
||||
- [[AI Connect LLM Tool]]
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AIAC-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, ai-accountability, responsibility, algorithmic-transparency, ethics-governance]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[AI Accountability]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "AI의 잘못은 누구의 탓인가: 알고리즘의 결정으로 인해 사회적 피해나 오류가 발생했을 때, 그 원인을 규명하고 책임의 주체를 명확히 하여 피해를 보상하게 만드는 책임 사회의 원칙."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 책임론(AI Accountability)은 AI 시스템의 설계, 개발, 배포 및 운영 전 과정에서 발생하는 결과에 대해 관련 주체들이 책임을 지는 태도와 그 체계를 의미합니다.
|
||||
|
||||
1. **주요 과제 - 책임의 공백 (Responsibility Gap)**:
|
||||
* AI가 자율성을 가질수록 제작자나 사용자의 직접적인 통제를 벗어나므로, 사고 발생 시 법적 책임을 묻기 어려워지는 현상 발생.
|
||||
2. **책임 구현의 3대 요소**:
|
||||
* **Transparency**: AI가 왜 그런 결정을 내렸는지 설명할 수 있어야 함 (Explainable AI - XAI).
|
||||
* **Auditability**: 제3자가 AI의 작동 과정과 데이터 출처를 감사할 수 있어야 함.
|
||||
* **Redress**: 오류로 인한 피해가 발생했을 때 구제할 수 있는 절차를 사전에 마련.
|
||||
3. **책임의 주체**: 개발자, 데이터 제공자, 서비스 운영자, 그리고 최종 사용자 간의 책임 분담.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 알고리즘은 '블랙박스'이므로 결과에 책임을 지기 어렵다는 인식이 강했으나, 현대 정책은 '제작자 무과실 책임 원칙'에 가까울 정도로 개발사의 배상 책임을 강화하는 정책으로 변화함(RL Update).
|
||||
- **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]]
|
||||
- **Modern Tech/Tools**: Algorithmic Impact Assessment (AIA), Explainable AI (XAI) toolkits.
|
||||
---
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
id: AGENTS-001
|
||||
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)
|
||||
|
||||
## 📌 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.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 사용자의 추상적인 요청을 구체적인 작업 단위로 분해(Planning)하고, 각 단계를 실행(Action)하며, 결과를 관찰(Observation)하여 다음 행동을 결정하는 루프 기반의 자율성 패턴.
|
||||
- **핵심 루프 (ReAct 패턴 등):**
|
||||
- **Reasoning:** 현재 상황을 분석하고 무엇을 해야 할지 판단.
|
||||
- **Planning:** 목표 달성을 위한 단계별 워크플로우 생성.
|
||||
- **Tool Use:** API, 웹 검색, 파일 시스템 접근 등 외부 도구 활용.
|
||||
- **Memory:** 대화의 맥락(단기)과 지식 베이스(장기)를 활용하여 일관성 유지.
|
||||
- **주요 사례:** AutoGPT, BabyAGI, 그리고 현재 작동 중인 Antigravity 에이전트.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 질문에 대한 텍스트 생성(Chat)에 머물던 AI가, 실제 환경에 변화를 일으키는 '실행자(Executor)'로 정체성이 변화함.
|
||||
- **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
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-92F236
|
||||
category: "10_Wiki/💡 Topics/AI & Tools"
|
||||
confidence_score: 0.95
|
||||
tags: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
|
||||
---
|
||||
|
||||
# [[AI Connect LLM Tool]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> **Connect AI**는 100% 로컬 및 오프라인 환경에서 작동하는 VS Code 전용 프리미엄 AI 코딩 에이전트입니다. 외부 서버 연결 없이 사용자의 하드웨어(Ollama/LM Studio)를 직접 활용하여 파일 생성, 편집, 터미널 명령 실행 및 개인 지식 기반(Second Brain) 연동을 지원합니다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계.
|
||||
- **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
|
||||
- **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.
|
||||
|
||||
---
|
||||
|
||||
*Last updated: 2026-04-14*
|
||||
|
||||
---
|
||||
|
||||
# 🕵️ 프로젝트 코드 리뷰 리포트
|
||||
|
||||
`/Volumes/Data/project/Antigravity/local_module/resource` 프로젝트에 대한 상세 코드 리뷰 결과입니다.
|
||||
|
||||
---
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AIGO-001
|
||||
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
|
||||
---
|
||||
|
||||
# [[AI Governance]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인공지능을 위한 사회적 가이드라인: 기술의 폭주를 막고 혜택을 극대화하기 위해 국가, 기업, 학계가 합의하여 만드는 법적, 윤리적, 기술적 관리 체계."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 거버넌스(AI Governance)는 인공지능 기술의 개발 및 활용이 인류의 안전, 권리, 그리고 보편적 가치와 부합하도록 보장하는 규칙과 프로세스의 집합입니다.
|
||||
|
||||
1. **3대 핵심 기둥**:
|
||||
* **Ethics & Norms**: 신뢰할 수 있는 AI를 위한 원칙 수립. (공정성, 투명성, 책임성)
|
||||
* **Regulation & Policy**: 강제성 있는 법규 마련. (예: EU AI Act)
|
||||
* **Technical Standards**: 보안, 성능, 상호운용성을 위한 기술 표준.
|
||||
2. **주요 쟁점**:
|
||||
* **Risk-based Approach**: AI의 위험도에 따라 다른 수위의 규제 적용. (허용 불가 - 고위험 - 저위험)
|
||||
* **International Cooperation**: 국경 없는 기술 특성상 국가 간 공조 필수.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 기술 발전을 저해한다는 이유로 규제에 소극적이었으나, 현대 정책은 '안전한 기술이 더 큰 시장을 만든다'는 인식 하에 선제적인 '안심 거버넌스 정책'으로 패러다임을 전환함(RL Update).
|
||||
- **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
|
||||
- **Modern Tech/Tools**: ISO/IEC 42001 (AI Management System), NIST AI Risk Management Framework.
|
||||
---
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AIHU-001
|
||||
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
|
||||
---
|
||||
|
||||
# [[AI Humanism]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계 시대의 인간성 회복: AI가 인간을 대체하는 위협이 아니라, 인간의 잠재력을 확장하고 삶의 질을 높이는 '도구'로서 존재해야 한다는 인간 중심의 기술 철학."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 휴머니즘(AI Humanism)은 인공지능 기술의 정점에 '인간의 존엄성'과 '가치'를 두는 철학적 흐름입니다.
|
||||
|
||||
1. **핵심 가치**:
|
||||
* **Human Agency**: 최종 결정권은 항상 인간에게 있어야 함.
|
||||
* **Augmentation over Replacement**: 전면적인 대체보다 인간의 능력을 보강하는 방향 지향.
|
||||
* **Empathy & Morality**: AI가 인간의 감정을 이해하고 도덕적 한계 내에서 작동하도록 설계.
|
||||
2. **부각되는 이슈**:
|
||||
* AI가 인간의 노동, 예술, 종교적 영역에 들어왔을 때 '인간다움'이란 무엇인가에 대한 근원적 질문.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 효율성 중심의 'AI 만능주의' 정책이 강세였으나, 현대의 인문 정책은 AI로 인한 인간 소외와 불평등을 경계하는 '포용적 AI 휴머니즘 정책'으로 목소리를 높임(RL Update).
|
||||
- **정책 변화(RL Update)**: 교육 및 창작 정책에서, AI의 결과물보다 인간의 '과정'과 '의도'에 가중치를 두어 인간의 창의성을 보호하는 '인간 가치 우선 정책'이 수립됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Ethics & AI]], [[AI for Social Good]], [[Universal Basic Income (UBI)]], [[Aesthetic-Value]], [[Victimhood-Narratives]]
|
||||
- **Modern Tech/Tools**: Human-centered design (HCD) frameworks.
|
||||
---
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AILI-001
|
||||
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
|
||||
---
|
||||
|
||||
# [[AI Literacy]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "AI 시대를 살아가는 생존 근육: AI의 작동 원리를 이해하고, 결과의 진위를 판단하며, 생활과 업무에서 AI를 도구로 활용해 가치를 창출할 수 있는 필수적인 문해력."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 리터러시(AI Literacy)는 단순히 AI를 사용하는 기술을 넘어, AI의 가능성과 한계, 윤리적 쟁점을 비판적으로 사고하고 소통할 수 있는 종합적 역량을 의미합니다.
|
||||
|
||||
1. **핵심 역량 모델**:
|
||||
* **Understanding**: 데이터, 알고리즘, 모델링의 기본 원리 파악.
|
||||
* **Utilization**: 프롬프트 엔지니어링이나 에이전트 활용을 통한 문제 해결 능력.
|
||||
* **Evaluation**: AI의 답변이 편향되거나 허위 정보(Hallucination)가 아닌지 검증.
|
||||
* **Ethical Reflection**: AI 사용 시 발생할 수 있는 보안, 저작권, 윤리 문제 인지.
|
||||
2. **왜 중요한가?**:
|
||||
* 지식 정보의 비대칭성을 해소하고, AI가 가져올 일자리의 변화에 적응하기 위한 기초 체력임. (Adaptability와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 소수의 개발자만 알면 되는 '코딩' 정책이 주류였으나, 현대의 보편 교육 정책은 전 국민이 AI의 논리를 이해해야 하는 'AI 시민 역량 정책'으로 확대됨(RL Update).
|
||||
- **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
|
||||
- **Modern Tech/Tools**: AI Literacy education tools (Elements of AI), Generative AI sandbox.
|
||||
---
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-SAFETY
|
||||
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)
|
||||
|
||||
## 📌 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.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Robustness**:
|
||||
- 적대적 공격(Adversarial Attack)이나 처음 보는 돌발 상황에서도 AI가 오작동하지 않고 안전하게 관리되는 성질.
|
||||
- **Interpretability**:
|
||||
- 신경망이라는 블랙박스 내부에서 어떤 논리 구조로 판단을 내리는지 인간이 읽을 수 있게 시각화하고 분석하는 기술(Mechanistic Interpretability).
|
||||
- **Scalable Oversight**:
|
||||
- 인간이 이해하기 힘든 복잡한 지능을 가진 AI를 다른 AI가 감시하게 하여, 인간의 통제력을 잃지 않게 하는 감시 체계.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 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
|
||||
- Strategy: [[Reliability_Safety_First]]
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AISA-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, ai-safety, alignment, existential-risk, robustness, evaluation]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[AI Safety]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지능의 고비를 넘는 안전장치: AI가 인간의 의도를 오해하거나 예측 불가능하게 행동하여 신체적, 정신적, 사회적 피해를 입히지 않도록 연구하는 기술적 보안 및 예방 체계."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 안전(AI Safety)은 AI 시스템이 설계된 목표 내에서만 안전하게 작동하도록 보장하고, 인간에게 해로운 행동을 하지 못하도록 방지하는 데 초점을 맞춘 분야입니다.
|
||||
|
||||
1. **3대 연구 영역**:
|
||||
* **Technical Robustness**: 외부 공격(Adversarial attacks)이나 예외 상황에서도 모델이 무너지지 않게 함.
|
||||
* **Incentive Design (Alignment)**: 모델이 점수를 얻기 위해 '지름길(Cheat)'을 택하지 않고 진짜 목적을 따르도록 설계.
|
||||
* **Monitoring & Control**: AI의 비정상적 징후를 감지하고 즉시 차단(Kill-switch)할 수 있는 가시성 확보.
|
||||
2. **주요 위협 사례**:
|
||||
* Deepfakes을 통한 여론 조작, 자율 무기 시스템의 오류, 통제권을 벗어난 초지능(AGI)의 출현.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '버그 수정' 수준의 사후 대응 정책이었으나, 현대 정책은 모델 배포 전 레드팀(Red-teaming)을 통한 '사전 안전 검증 정책'을 법적 의무로 강화함(RL Update).
|
||||
- **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]]
|
||||
- **Modern Tech/Tools**: RLHF (Reinforcement Learning from Human Feedback), Jailbreak testing, Model evaluation suites.
|
||||
---
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AINR-001
|
||||
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
|
||||
---
|
||||
|
||||
# [[AI and Narrative]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계와 엮어가는 이야기: 인간 고유의 영역이었던 서사 구조를 AI가 학습하여 새로운 플롯을 제안하거나, 사용자와 실시간으로 상호작용하며 매번 다른 이야기를 창조하는 무한한 스토리텔링의 가능성."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI와 서사(AI and Narrative)는 인공지능 기술이 문학, 영화, 게임 등의 스토리텔링 구조에 어떻게 개입하고 이를 변형시키는지를 다루는 분야입니다.
|
||||
|
||||
1. **AI의 서사적 역할**:
|
||||
* **Generative Author**: 프롬프트를 바탕으로 소설, 시나리오, 시 등 텍스트 서사 생성.
|
||||
* **Structure Analyzer**: 수만 권의 책을 분석하여 '영웅의 여정'과 같은 성공적인 서사 패턴 추출 및 적용. (Structuralism과 연결)
|
||||
* **Dynamic Storyteller**: 사용자의 선택에 따라 세계관과 인물의 반응이 실시간으로 변하는 인터랙티브 서사 구현.
|
||||
2. **기술적 구현**:
|
||||
* LLM의 문맥 유지 능력(Context Window)을 통해 일관성 있는 복합 서사 유지.
|
||||
* 서사 내 갈등(Conflict)을 인위적으로 조정하여 독자의 몰입도 제어.
|
||||
3. **의의**:
|
||||
* 개인화된 스토리텔링의 대중화. 누구나 자신만의 영화나 게임 시나리오를 가질 수 있게 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 AI 서사 정책은 단순한 문장 나열에 그쳐 '서사의 단절'이 심했으나, 현대의 거대 모델 정책은 수만 단어 뒤의 복선을 회수하고 일관된 테마를 유지하는 '장기 서사 무결성 정책'을 실현함(RL Update).
|
||||
- **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]]
|
||||
- **Modern Tech/Tools**: AI Dungeon, NovelAI, Sudowrite, ChatGPT for screenwriting.
|
||||
---
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AIFG-001
|
||||
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
|
||||
---
|
||||
|
||||
# [[AI for Social Good]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "선한 영향력의 지능적 확장: 기술적 우위를 단순히 수익 창출에만 쓰지 않고, 기후 변화, 질병 퇴치, 교육 격차 해소 등 인류가 직면한 거대 난제를 해결하는 데 집중하는 따뜻한 AI."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
사익을 위한 AI(AI for Social Good, AI4SG)는 기술의 잠재력을 사회적 가치 창출과 지속 가능한 발전을 위해 활용하는 운동이자 연구 분야입니다.
|
||||
|
||||
1. **주요 타겟 분야 (UN SDGs 연계)**:
|
||||
* **Health**: 전염병 확산 예측, 희귀 질환 신약 개발 가속화, 원격 의료 지원.
|
||||
* **Environment**: 위성 데이터를 통한 산림 파괴 감시, 정밀 농업을 통한 비료 낭비 방지, 에너지 망 최적화.
|
||||
* **Education**: 소외 지역 아이들을 위한 개인화된 AI 튜터, 실시간 다국어 교육 번역.
|
||||
* **Safety**: 재난 발생 시 골든타임 확보를 위한 구호 경로 최적화 및 인구 이동 분석.
|
||||
2. **핵심 원칙**:
|
||||
* **Inclusivity**: 특정 집단이 아닌 소외된 계층까지 기술의 혜택이 닿아야 함.
|
||||
* **Transparency**: 사회적 의사결정에 쓰이는 AI는 과정이 투명해야 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 기술 사회 공헌을 기업의 '선택적 기부' 정책 정도로 보았으나, 현대 사회 정책은 AI를 공공재(Public Goods)의 일부로 인식하고 기술 설계 단계부터 공익성을 내재화하는 '내재적 공익 정책'을 장려함(RL Update).
|
||||
- **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]]
|
||||
- **Modern Tech/Tools**: Google AI for Social Good program, Microsoft AI for Earth, UN Global Pulse.
|
||||
---
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user