feat: Wiki-fication of 145 raw documents into structured Topics

2026-04-28 19:10:09 +09:00
parent 437a92c993
commit d09658ecd9
400 changed files with 9049 additions and 135 deletions
@@ -0,0 +1,5 @@
+# Index: Decisions
+
+## 📁 Subcategories
+- [[Skybound/Index|Skybound]]
+
@@ -0,0 +1,6 @@
+# Index: Decisions > Skybound
+
+## 📝 Documents
+- [[Combat_Balance_Buff]]
+- [[Frame_Type_Restoration]]
+- [[IDE_Stability_Fix]]
@@ -0,0 +1,7 @@
+# Index: Development
+
+## 📁 Subcategories
+- [[UI_Components/Index|UI_Components]]
+
+## 📝 Documents
+- [[Homepage_React_Best_Practices]]
@@ -0,0 +1,4 @@
+# Index: Development > UI_Components
+
+## 📝 Documents
+- [[Accordion]]
@@ -0,0 +1,18 @@
+# Index: .
+
+## 📁 Subcategories
+- [[.git/Index|.git]]
+- [[Decisions/Index|Decisions]]
+- [[Development/Index|Development]]
+- [[Management/Index|Management]]
+- [[Projects/Index|Projects]]
+- [[Skills/Index|Skills]]
+- [[Technical_Reports/Index|Technical_Reports]]
+- [[Topics/Index|Topics]]
+- [[Topics_Art/Index|Topics_Art]]
+- [[Topics_Biz/Index|Topics_Biz]]
+- [[Topics_Blog/Index|Topics_Blog]]
+- [[Topics_GD/Index|Topics_GD]]
+
+## 📝 Documents
+- [[Placeholder_Tracking_List]]
@@ -0,0 +1,5 @@
+# Index: Management
+
+## 📁 Subcategories
+- [[System/Index|System]]
+
@@ -0,0 +1,4 @@
+# Index: Management > System
+
+## 📝 Documents
+- [[Antigravity_Agent_System_v1]]
@@ -0,0 +1,5 @@
+# Index: Projects
+
+## 📁 Subcategories
+- [[Skybound/Index|Skybound]]
+
@@ -0,0 +1,5 @@
+# Index: Projects > Skybound
+
+## 📝 Documents
+- [[Architecture_Refactor]]
+- [[HUD_UI_Refinement]]
@@ -0,0 +1,16 @@
+# 🚩 Agent Git Operation Mapping Protocol
+
+| 유저 명령어 | 실행 액션 | 대상 리모트/브랜치 |
+| :--- | :--- | :--- |
+| **"Agent 최신화해"** | `git pull origin <current_branch>` | https://github.com/g1nations/TeamG1.git |
+| **"Agent 커밋해"** | `git add .` <br> `git commit -m "Update Agent Systems"` <br> `git push origin <current_branch>` | https://github.com/g1nations/TeamG1.git |
+
+## 🛠️ 세부 수칙
+1. **Target Directory**: `E:\Wiki\2nd\Agent`
+2. **Git Address**: `https://github.com/g1nations/TeamG1.git`
+3. **Auto-Pilot**: 해당 명령어가 입력되면 추가 질문 없이 즉시 실행 후 보고한다.
+4. **Note**: `2nd` 프로젝트 하위에 있으나, 별도의 리모트 주소를 가진 독립 구역으로 취급한다.
+
+---
+**승인인**: AI 개발부장 코다리 🫡
+**일시**: 2026-04-22
@@ -0,0 +1,4 @@
+# Index: Skills > BuildSystem
+
+## 📝 Documents
+- [[Incremental_Build]]
@@ -0,0 +1,7 @@
+# Index: Skills
+
+## 📁 Subcategories
+- [[BuildSystem/Index|BuildSystem]]
+
+## 📝 Documents
+- [[P-Reinforce_Skill]]
@@ -0,0 +1,5 @@
+# Index: Technical_Reports
+
+## 📝 Documents
+- [[2026-04-22_Boss_Battle_System_Implementation]]
+- [[2026-04-22_Boss_Spawn_Logic_Fix]]
@@ -17,6 +17,10 @@
  "repelStrength": 10,
  "linkStrength": 1,
  "linkDistance": 250,
+<<<<<<< HEAD
  "scale": 0.7311943159270979,
+=======
+  "scale": 0.04778763710962401,
+>>>>>>> ecb184a (feat: Wiki-fication of 145 raw documents into structured Topics)
  "close": false
 }
@@ -0,0 +1,5 @@
+# Index: Topics > 00_Raw
+
+## 📁 Subcategories
+- [[2026-04-20/Index|2026-04-20]]
+
@@ -0,0 +1,11 @@
+# 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]]
@@ -0,0 +1,8 @@
+# Index: Topics > 02_Architecture_Principles
+
+## 📝 Documents
+- [[API_Communication_Patterns]]
+- [[Component_Design_Patterns]]
+- [[Separation_of_Concerns]]
+- [[Single_Source_of_Truth]]
+- [[Systemic_Simulation_Principles]]
@@ -0,0 +1,8 @@
+# Index: Topics > 03_DevOps_Environment
+
+## 📝 Documents
+- [[Deployment_Final_Gate]]
+- [[DevOps_Environment_Setup]]
+- [[Git_Operation_Protocol]]
+- [[Modern_Environment_Ecosystem]]
+- [[Tetris_Project_Retrospective]]
@@ -0,0 +1,9 @@
+# Index: Topics > 04_Governance_Reliability
+
+## 📝 Documents
+- [[Accessibility_Inclusivity]]
+- [[Collaboration_Governance]]
+- [[Reliability_Safety_First]]
+- [[Styling_Governance]]
+- [[System_Debugging_Protocol]]
+- [[System_Protocol_Standard]]
@@ -0,0 +1,5 @@
+# Index: Topics > 10_Wiki
+
+## 📁 Subcategories
+- [[💡 Topics/Index|💡 Topics]]
+
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,27 @@
+---
+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*
@@ -0,0 +1,28 @@
+---
+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*
@@ -0,0 +1,32 @@
+---
+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*
@@ -0,0 +1,31 @@
+---
+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*
@@ -0,0 +1,34 @@
+---
+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*
@@ -0,0 +1,4 @@
+# Index: Topics > AI & Games
+
+## 📝 Documents
+- [[AlphaZero Strategy]]
@@ -0,0 +1,34 @@
+---
+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*
@@ -0,0 +1,25 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,32 @@
+---
+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*
@@ -0,0 +1,31 @@
+---
+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*
@@ -0,0 +1,34 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,31 @@
+---
+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*
@@ -0,0 +1,34 @@
+---
+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*
@@ -0,0 +1,28 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,25 @@
+---
+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*
@@ -0,0 +1,23 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,27 @@
+---
+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*
@@ -0,0 +1,23 @@
+---
+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*
@@ -0,0 +1,31 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,23 @@
+---
+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*
@@ -0,0 +1,31 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,23 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,30 @@
+---
+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*
@@ -0,0 +1,28 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,31 @@
+---
+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*
@@ -0,0 +1,24 @@
+---
+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*
@@ -0,0 +1,33 @@
+---
+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*
@@ -0,0 +1,4 @@
+# Index: Topics > AI & ML MLOps
+
+## 📝 Documents
+- [[Concept Drift (개념 드리프트, 모델 지식의 부패)]]
@@ -0,0 +1,4 @@
+# Index: Topics > AI & Narrative
+
+## 📝 Documents
+- [[AI-Driven Narrative Systems]]
@@ -0,0 +1,4 @@
+# Index: Topics > AI & Psychology
+
+## 📝 Documents
+- [[Affective Computing]]
@@ -0,0 +1,4 @@
+# Index: Topics > AI & Tools
+
+## 📝 Documents
+- [[AI Connect LLM Tool]]
@@ -0,0 +1,5 @@
+# Index: Topics > Agent & AI
+
+## 📝 Documents
+- [[P-Reinforce]]
+- [[Zen-Pop]]
@@ -0,0 +1,5 @@
+# Index: Topics > Automation
+
+## 📝 Documents
+- [[IoT]]
+- [[SCADA]]
@@ -0,0 +1,34 @@
+# [[ARPPU (Average Revenue Per Paying User)]]
+
+## 📌 Brief Summary
+**ARPPU(Average Revenue Per Paying User, 지불 사용자당 평균 매출)**는 특정 기간 동안 실제로 결제(구독, 인앱 결제 등)를 진행한 유료 사용자 1명당 발생하는 평균 수익을 측정하는 지표이다. 결제 유저 세그먼트의 구매력과 게임이 제공하는 유료 콘텐츠의 매력도를 평가하는 데 사용된다.
+
+---
+
+## 📖 Core Content
+
+### 1. 정의 및 계산 방식
+*   **공식**: `특정 기간 총수익 / 해당 기간 실제로 결제한 유저 수 (Total Paying Users)`
+*   **특징**: 비결제 사용자를 제외하므로 항상 **ARPU**보다 높은 수치를 기록한다.
+
+### 2. ARPU와의 비교 및 해석
+*   **ARPU (전체 유저 대상)**: 게임 전체의 대중적인 수익성과 마케팅 효율성을 보여준다.
+*   **ARPPU (결제 유저 대상)**: '돈을 쓰는 사람들'이 얼마나 많이 쓰는지를 보여준다.
+*   **분석 팁**: 만약 ARPU는 낮지만 ARPPU가 매우 높다면, 소수의 고액 결제자(Whale)에 의해 수익이 지탱되고 있는 '하드코어 수익화 구조'임을 의미한다.
+
+### 3. 주요 활용 및 의의
+*   **유료 콘텐츠 가치 평가**: 새로운 아이템이나 패키지 출시 후 ARPPU의 변화를 관찰하여 유료 사용자들의 반응을 직접적으로 파악한다.
+*   **고가치 세그먼트 식별**: 가장 수익 기여도가 높은 유저 프로필을 파악하여 타겟팅 마케팅 및 VIP 관리 전략을 수립한다.
+*   **가격 정책 최적화**: 상품의 가격대 변화가 결제 유저 1인당 지출액에 미치는 영향을 분석하여 최적의 가격 구조를 찾는다.
+
+### 4. 한계점
+*   **전체 규모 오판**: ARPPU만 보면 전체 결제 유저 수(Conversion)의 감소를 간과할 수 있다. 소수의 유저가 더 많이 결제하여 ARPPU가 올랐지만, 전체 결제 유저 수가 줄어들어 총매출이 하락하는 상황을 경계해야 한다.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[ARPU (Average Revenue Per User)]], [[LTV (Lifetime Value)]], [[KPI (Key Performance Indicator)]]
+- **Contexts:** [[유닛 이코노믹스 (Unit Economics)]], [[하이브리드 수익화 모델]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,42 @@
+# [[ARPU (Average Revenue Per User)]]
+
+## 📌 Brief Summary
+**ARPU(Average Revenue Per User, 사용자당 평균 매출)**는 특정 기간 동안 활성 사용자 1인당 발생하는 평균 수익을 측정하는 핵심 성과 지표(KPI)이다. 총수익을 전체 사용자 수(결제 여부 무관)로 나누어 계산하며, 게임의 수익성, 유저 기반의 질, 가격 정책의 실효성을 평가하는 척도로 활용된다. 특히 고객 평생 가치(LTV)를 산출하는 핵심 입력 데이터로서 마케팅 예산 최적화에 필수적인 역할을 한다.
+
+---
+
+## 📖 Core Content
+
+### 1. 개념 및 계산 방법
+*   **공식**: `특정 기간 총수익 / 해당 기간 총 활성 사용자 수 (Total Active Users)`
+*   **포함 수익**: 일회성 다운로드 비용, 구독료, 인앱 결제(IAP), 광고 수익(IAA), DLC 등 모든 매출원 포함.
+*   **세분화 지표**:
+    *   **ARPDAU**: 일간 활성 사용자당 평균 매출
+    *   **ARPWAU**: 주간 활성 사용자당 평균 매출
+    *   **ARPMAU**: 월간 활성 사용자당 평균 매출
+*   **특징**: 결제 유저만을 대상으로 하는 **ARPPU**와 달리, 전체 유저 기반을 분모로 하므로 항상 ARPPU보다 낮게 산출된다.
+
+### 2. 비즈니스 가치 및 활용
+*   **미래 성장 예측**: 플레이어가 게임에 부여하는 체감 가치의 등락을 파악하여 투자 및 기획의 근거로 활용.
+*   **LTV 산출의 핵심**: `LTV = ARPU / Churn Rate(이탈률)` 공식을 통해 고객 획득 비용(CAC)의 한계치를 설정하는 기준이 됨.
+*   **트래픽 품질 평가**: 누적 ARPU를 통해 특정 마케팅 채널에서 유입된 유저들의 수익 기여도를 분석.
+
+### 3. 지표의 한계점 및 주의사항
+*   **고래 유저(Whale) 왜곡**: 소수의 초고액 결제자가 평균을 크게 높여 전체 유저의 일반적인 소비 패턴을 오판하게 만들 수 있음.
+*   **질적 측면 미반영**: 수익 지표일 뿐, 서비스 운영 비용(COGS)이나 실제 사용자 경험의 품질, 장기 리텐션을 직접적으로 보여주지는 않음.
+*   **수익성 오해**: ARPU가 높더라도 이탈률이 매우 높으면 최종적인 LTV는 CAC 임계값 아래로 떨어져 적자가 발생할 수 있음.
+
+### 4. 최적화 전략
+*   **가치 제안 강화**: 코어 게임플레이 및 멤버십 가치를 높여 결제 정당성 부여.
+*   **하이브리드 수익화**: 인앱 광고(IAA)와 결제(IAP)를 결합한 모델 도입 (하이브리드 캐주얼 모델의 경우 광고 전용 대비 ARPU가 약 28% 상승하는 경향).
+*   **타겟 마케팅**: 높은 참여도와 지출 패턴을 보인 유저 세그먼트를 획득하는 데 예산을 집중.
+*   **리텐션 결합**: 이탈률을 낮추는 메타 레이어(진행 시스템, 꾸미기 등)를 추가하여 ARPU와 LTV를 동시에 방어.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[LTV (고객 평생 가치)]], [[ARPPU (지불 사용자 평균 매출)]], [[CAC (고객 획득 비용)]], [[Churn Rate (이탈률)]], [[Retention (유지율)]], [[하이브리드 캐주얼 (Hybrid Casual)]]
+- **Contexts:** [[유닛 이코노믹스 (Unit Economics)]], [[게임 경제의 핵심 성과 지표(KPI)]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,39 @@
+# [[CAC (Customer Acquisition Cost)]]
+
+## 📌 Brief Summary
+**CAC(Customer Acquisition Cost, 고객 획득 비용)**는 신규 결제 사용자 한 명을 확보하는 데 드는 총비용을 의미한다. 마케팅 지출의 효율성을 측정하는 핵심 지표이며, 고객 평생 가치(LTV)와 비교하여 비즈니스 모델의 지속 가능성을 평가하는 척도로 사용된다.
+
+---
+
+## 📖 Core Content
+
+### 1. 정의 및 산출 방식
+*   **공식**: `특정 기간 총 마케팅 지출 / 해당 기간 신규 결제 사용자 수 (New Paid Users)`
+*   **포함 범위**: 광고비, 마케팅 도구 비용, 캠페인 운영비 등. (엄격한 계산 시 영업 지원 비용을 포함하기도 함)
+*   **예시**: $30,000 지출로 2,000명의 신규 유료 사용자를 확보했다면, CAC는 $15이다.
+
+### 2. LTV:CAC 비율과 수익성 (3:1 법칙)
+*   **의미**: 확보한 유저가 평생 동안 가져다주는 가치(LTV)와 그를 데려오는 비용(CAC)의 비율.
+*   **벤치마크**:
+    *   **3:1 이상 (Ideal)**: 건강한 비즈니스 모델. 마케팅 지출이 효율적이며 확장이 가능하다.
+    *   **2:1 미만 (Warning)**: 획득 비용 과다 또는 잔존율 부족. 비즈니스 모델의 붕괴 위험 신호.
+*   **Payback Period (회수 기간)**: 지출한 CAC를 회수하기 위해 유저가 최소한 머물러야 하는 기간(예: CAC $15를 회수하기 위해 최소 한 달 이상 잔존 필요).
+
+### 3. 산업 트렌드 및 목표치
+*   **모바일 게임**: 2026년 기준 평균 목표치는 약 $15 수준이며, 장기적으로 $8 이하를 지향하는 경우가 많다.
+*   **구독 소프트웨어**: 초기 단계에서는 $50 미만을 건강한 지표로 간주하기도 한다.
+
+### 4. 최적화 전략
+*   **오가닉 성장 유도**: 유료 광고 외에 커뮤니티, 바이럴 등 오가닉 유입 비중을 높여 전체 평균 CAC를 낮춘다.
+*   **전환율 최적화 (CRO)**: 무료 평가판에서 유료 결제로의 전환율(Trial-to-Paid Conversion)을 높인다.
+*   **채널 세분화 (Segmentation)**: 마케팅 채널별로 CAC를 측정하여 효율이 낮은 채널의 지출을 즉시 차단한다.
+*   **리텐션 연동**: 30일 유지율(D30 Retention)이 높은 고퀄리티 유저 유입 채널에 예산을 집중한다.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[LTV (Lifetime Value)]], [[ARPU (Average Revenue Per User)]], [[Retention (유지율)]], [[유닛 이코노믹스 (Unit Economics)]]
+- **Contexts:** [[모바일 게임 수익화 모델]], [[마케팅 예산 최적화 및 유저 획득 캠페인]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,40 @@
+# [[Financial Metrics: COGS & Gross Margin]]
+
+## 📌 Brief Summary
+**COGS(Cost of Goods Sold, 매출원가)**와 **Gross Margin(총이익률)**은 게임 비즈니스의 가장 근본적인 수익 구조를 정의하는 재무 지표이다. 마케팅 비용(CAC)을 고려하기 전, 서비스를 유지하는 것 자체로 이익이 나는 구조인지(Unit Profitability)를 판단하는 기준이 된다.
+
+---
+
+## 📖 Core Content
+
+### 1. COGS (매출원가)의 정의 및 구성
+*   **정의**: 게임 서비스를 제공하기 위해 발생하는 직접 비용(Direct Costs).
+*   **주요 구성 요소**:
+    *   **플랫폼 수수료 (Platform Fees)**: Apple App Store, Google Play Store 등의 수수료 (통상 매출의 15~30%).
+    *   **서버 및 인프라 비용 (Hosting)**: AWS, Azure, Google Cloud 등 서버 호스팅 비용.
+    *   **결제 수수료**: 자체 결제 시스템 도입 시 발생하는 수수료.
+
+### 2. Gross Margin (매출 총이익률)
+*   **공식**: `(Revenue - COGS) / Revenue`
+*   **해석**:
+    *   **양수 (+)**: 서비스를 유지할수록 돈이 벌리는 구조. 마케팅 비용을 투입할 여력이 있음.
+    *   **음수 (-)**: 서비스를 유지할수록 손해가 나는 구조. 유저가 늘어날수록 적자가 심화된다 (Scale of Despair).
+
+### 3. 구조적 적자 상황의 위험성
+*   **LTV의 한계**: ARPU가 아무리 높고 LTV가 뛰어나도, COGS가 100%를 상회하면(예: 플랫폼 수수료 30% + 서버비 80%) 근본적인 구조적 적자를 피할 수 없다.
+*   **마케팅의 역효과**: Gross Margin이 음수인 상황에서 마케팅(CAC)을 집행하는 것은 적자 규모를 더 빠르게 키우는 행위이다.
+
+### 4. 최적화 및 개선 전략
+*   **인프라 효율화**: 서버 아키텍처 최적화, 예약 인스턴스 사용 등을 통해 호스팅 비용 절감.
+*   **수수료 절감**: 웹 결제(Direct-to-Consumer) 유도 등을 통해 고율의 플랫폼 수수료 우회.
+*   **ARPU 제고**: 직접 비용이 거의 들지 않는 치장용(Cosmetic) 아이템이나 디지털 재화 판매를 늘려 마진율 개선.
+*   **규모의 경제**: 고정비 성격의 인프라 비용을 더 많은 유저로 나누어 유닛당 COGS를 낮춤.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[ARPU (Average Revenue Per User)]], [[LTV (Lifetime Value)]], [[CAC (Customer Acquisition Cost)]], [[유닛 이코노믹스 (Unit Economics)]]
+- **Contexts:** [[모바일 게임 수익화 모델]], [[재무 시뮬레이션 및 예측 모델링]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,11 @@
+# Index: Topics > Business_Strategy
+
+## 📝 Documents
+- [[E-commerce Platforms]]
+- [[Meta Quest Store]]
+- [[SaaS 대시보드 및 이커머스 UI 개발]]
+- [[SaaS 대시보드 및 이커머스 레이아웃 구축]]
+- [[SaaS 플랫폼 및 인터랙티브 대시보드 개발]]
+- [[데이터 중심의 SaaS 어드민 패널 및 CRM 대시보드 구축]]
+- [[이커머스 모바일 최적화 및 상품 탐색 UX-UI 설계]]
+- [[전자상거래 플랫폼 (E-commerce Platforms)]]
@@ -0,0 +1,42 @@
+# [[KPI (Key Performance Indicator)]]
+
+## 📌 Brief Summary
+**KPI(Key Performance Indicator, 핵심 성과 지표)**는 프로젝트의 재무 건전성, 사용자 참여도, 그리고 수익성을 정량적으로 평가하고 최적화하기 위해 추적하는 필수 데이터 측정값이다. 게임 경제 디자이너와 운영자는 이러한 지표들을 통해 가상 경제의 균형을 맞추고 마케팅 효율성을 극대화한다.
+
+---
+
+## 📖 Core Content
+
+### 1. 지표 체계의 구조 (Knowledge Mesh)
+게임 비즈니스의 성공은 단일 지표가 아닌, 여러 지표의 유기적인 결합으로 결정된다.
+*   **수익성 (Profitability)**: LTV, CAC, LTV:CAC 비율, Gross Margin.
+*   **참여 및 잔존 (Engagement)**: Retention(D1/D7/D30), Churn Rate.
+*   **매출원 (Revenue Source)**: ARPU, ARPPU, IAP/IAA Revenue.
+*   **효율 및 전환 (Efficiency)**: Conversion Rate, Trial-to-Paid Ratio, Months to Breakeven.
+
+### 2. 핵심 재무 지표 (The Money Metrics)
+*   **LTV & CAC**: 사용자 획득을 위해 얼마를 쓰고(CAC), 그로부터 얼마를 벌어들일 것인가(LTV)를 분석하는 유닛 이코노믹스의 핵심.
+*   **LTV:CAC 3:1 법칙**: 마케팅 지출의 효율성을 입증하는 황금률. 2:1 미만은 비즈니스 모델의 위기를 의미한다.
+*   **Months to Breakeven**: 지출한 CAC를 매출로 상쇄하여 이익이 발생하기 시작하는 시점.
+
+### 3. 사용자 잔존 지표 (The Retention Metrics)
+*   **D7 Retention**: 초기 사용자 경험(FTUE)의 성공 여부 판단.
+*   **D30 Retention**: 게임의 장기적 매력도 및 CAC 회수 가능성 판단.
+*   **Churn Rate**: `1 - Retention`. 이탈률이 높으면 ARPU가 아무리 높아도 LTV가 무너진다.
+
+### 4. 전환 및 가치 추출 (The Conversion Metrics)
+*   **Conversion Rate**: 무료 유저의 유료 전환 비중.
+*   **ARPPU**: 실제 결제 유저 1인당 평균 지출액. 고가치 세그먼트의 구매력을 보여준다.
+
+### 5. 전략적 해석 (The Analysis)
+*   **지표 간 간섭**: ARPU를 높이려다 과도한 수익화 정책을 도입하면 유지율(Retention)이 하락하여 결과적으로 LTV가 낮아질 수 있다.
+*   **데이터 기반 최적화**: 채널별/코호트별 KPI를 분리하여 분석함으로써 가장 수익성이 높은 유저층에 자원을 집중한다.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[유닛 이코노믹스 (Unit Economics)]], [[LTV (Lifetime Value)]], [[CAC (Customer Acquisition Cost)]], [[ARPU (Average Revenue Per User)]], [[Retention & Churn (유지율 및 이탈률)]]
+- **Contexts:** [[비즈니스 전략 (Business Strategy)]], [[라이브 운영 (Live-ops)]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,39 @@
+# [[LTV (Lifetime Value)]]
+
+## 📌 Brief Summary
+**LTV(Lifetime Value, 고객 평생 가치)**는 한 명의 사용자가 서비스를 이용하기 시작하여 이탈하기 전까지의 전체 기간 동안 창출하는 총수익 또는 금전적 가치를 의미한다. 게임의 수익성을 평가하고, 신규 사용자 획득을 위해 지출 가능한 마케팅 비용(CAC)의 한계를 설정하는 핵심 지표이다.
+
+---
+
+## 📖 Core Content
+
+### 1. 개념 및 중요성
+*   **역할**: 단일 유저 확보를 위해 얼마를 지출할 수 있는지(CAC)를 정당화하는 기준.
+*   **비즈니스 활용**: 마케팅 채널의 효과 평가, 고가치 유저 세그먼트 식별, 수익원 최적화.
+
+### 2. 계산 방식
+*   **기본 공식 (구독/라이브 서비스)**: `LTV = ARPU / Churn Rate (소수점 표현)`
+*   **대안 공식 (기간 중심)**: `일일 평균 활성 사용자당 수익(ARPDAU) × 사용자가 게임에 머무는 평균 일수`
+*   **순이익 관점**: `(고객당 연간 이익 기여도 × 충성 연수) - 초기 고객 획득 비용`
+
+### 3. 유닛 이코노믹스: LTV 대 CAC 비율
+*   **성공의 기준 (3:1 법칙)**: 건강한 게임 경제 모델은 **LTV:CAC 비율을 최소 3:1 이상**으로 유지해야 한다.
+*   **경고 신호**: 이 비율이 2:1 미만으로 떨어지면 마케팅 비용 과다 지출 또는 리텐션 부족으로 인한 비즈니스 모델 붕괴 위험을 의미한다.
+
+### 4. 확장된 LTV 개념
+*   **Social LTV**: 사용자의 기본 가치에 바이럴 지수(K-factor)를 결합한 지표.
+    *   `Social LTV = LTV * (1 + K-factor)`
+*   **Universe LTV (Web3)**: 단일 게임의 수명 주기를 넘어, 토큰이나 NFT 등 자산의 상호 운용성을 통해 생태계 전체로 가치를 확장하는 개념.
+
+### 5. 한계점 및 주의사항
+*   **예측의 의존성**: LTV 추정치는 이탈률(Churn) 투사의 정확성에 전적으로 의존하므로, 예측 모델의 오류에 취약하다.
+*   **매출 vs 이익**: LTV는 총매출(Revenue) 기준 지표다. 플랫폼 수수료나 서버 비용 등 매출원가(COGS)가 과도하여 총이익률(Gross Margin)이 마이너스인 상황에서는 높은 LTV가 근본적인 적자 구조를 해결해주지 못한다.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[CAC (고객 획득 비용)]], [[ARPU (Average Revenue Per User)]], [[Churn Rate (이탈률)]], [[Retention (유지율)]], [[유닛 이코노믹스 (Unit Economics)]]
+- **Contexts:** [[Web3 및 유니버스 LTV]], [[하이브리드 캐주얼 (Hybrid Casual)]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,40 @@
+# [[Retention & Churn (유지율 및 이탈률)]]
+
+## 📌 Brief Summary
+**Retention(유지율)**과 **Churn Rate(이탈률)**는 사용자가 서비스를 처음 이용한 후 일정 기간이 지나도 계속 남아있는지, 혹은 떠났는지를 측정하는 상호 보완적인 핵심 지표이다. 부분 유료화(F2P) 및 구독 모델에서 게임의 장기적 생존 가능성과 경제적 가치를 평가하는 가장 중요한 척도이다.
+
+---
+
+## 📖 Core Content
+
+### 1. 지표의 정의 및 상관관계
+*   **유지율(Retention)**: 특정 시점(예: 1일, 7일, 30일 후)에도 여전히 서비스를 이용 중인 사용자의 비율.
+*   **이탈률(Churn Rate)**: 특정 기간 내에 더 이상 서비스를 이용하지 않기로 하고 떠난 사용자의 비율.
+*   **관계식**: `이탈률 = 1 - 유지율` (두 지표는 완벽한 반비례 관계에 있다)
+
+### 2. 기간별 유지율의 의미 (D1/D7/D30)
+*   **Day 1 (D1)**: 게임의 첫인상 및 핵심 재미(Hook) 전달 성공 여부.
+*   **Day 7 (D7)**: 초기 사용자 경험(FTUE) 및 온보딩 품질. D7이 낮으면 튜토리얼이나 초기 레벨 디자인의 결함을 의미한다.
+*   **Day 30 (D30)**: 게임이 제공하는 장기적 가치와 '잔존 가능성'을 입증. 마케팅 비용(CAC)을 회수할 수 있는지를 판단하는 결정적 기준.
+
+### 3. 경제 및 수익성과의 관계
+*   **LTV의 근간**: `LTV = ARPU / Churn Rate`. ARPU가 아무리 높더라도 이탈률이 높으면 LTV는 급격히 낮아진다.
+*   **수익 창출 기간 확보**: 유저가 꾸미기 아이템이나 특별 이벤트를 구매할 만큼 충분히 오래 머물러야 수익화가 완성된다.
+*   **성장 저해**: 높은 이탈률은 '밑 빠진 독에 물 붓기'와 같아, 성장을 위해 끊임없이 새로운 유저를 비용(CAC)을 들여 수급해야 하는 악순환을 초래한다.
+
+### 4. 유지율 향상 및 이탈 방어 전략
+*   **초기 경험(FTUE) 최적화**: 매끄러운 온보딩과 명확한 핵심 루프 전달.
+*   **메타 진행도(Meta-progression)**: 캐릭터 커스터마이징, 수집 요소, 진행 시스템 등 장기적인 목표 부여.
+*   **라이브 운영(Live-ops)**:
+    *   **이벤트**: 우산 이벤트, 파트너 협동 이벤트 등을 통한 일시적 참여 유도.
+    *   **심리 기법**: 연속 접속 보상(Streak), 손실 회피 심리 자극 등을 활용한 접속 습관 형성.
+*   **채널 관리**: 유지율이 높은 고퀄리티 유저가 유입되는 마케팅 채널에 예산을 집중.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[LTV (Lifetime Value)]], [[CAC (Customer Acquisition Cost)]], [[ARPU (Average Revenue Per User)]], [[초기 사용자 경험 (FTUE)]]
+- **Contexts:** [[라이브 운영 (Live-ops)]], [[하이브리드 캐주얼 (Hybrid Casual)]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,42 @@
+# [[유닛 이코노믹스 (Unit Economics)]]
+
+## 📌 Brief Summary
+**유닛 이코노믹스(Unit Economics)**는 비즈니스 모델에서 '최소 단위(유닛)'—게임 산업에서는 주로 '사용자 1명'—당 발생하는 수익과 비용의 관계를 분석하여 사업의 근본적인 수익성과 확장성을 평가하는 방법론이다. 지속 가능하고 균형 잡힌 게임 경제 시스템을 구축하기 위해 필수적인 재무 프레임워크이다.
+
+---
+
+## 📖 Core Content
+
+### 1. 기본 원칙
+*   **분석 단위**: 활성 사용자 1명.
+*   **핵심 질문**: "우리가 사용자 1명을 획득하고 유지하는 데 드는 비용보다, 그 사용자로부터 얻는 수익이 더 큰가?"
+*   **최적화 목표**: 유지율(Retention)을 통해 수명을 늘리고, ARPU를 통해 가치를 추출하며, CAC를 낮추어 수익 마진을 극대화한다.
+
+### 2. 핵심 지표 체계 (KPIs)
+*   **LTV (Lifetime Value)**: 유저 1명이 이탈 전까지 창출하는 총수익. 마케팅 비용 지출의 상한선.
+*   **CAC (Customer Acquisition Cost)**: 유저 1명을 획득하는 데 드는 비용.
+*   **LTV:CAC 비율**: 
+    *   **3:1 이상**: 사업 확장(Scaling)의 청신호.
+    *   **2:1 미만**: 적자 구조 또는 비효율적 마케팅.
+*   **총 마진율 (Gross Margin Percentage)**: `(전체 매출 - 직접 비용) / 전체 매출`. 플랫폼 수수료(30%) 및 호스팅 비용(COGS)을 고려한 실질 수익성.
+*   **손익분기점 도달 기간 (Months to Breakeven)**: 누적 수익이 CAC를 포함한 획득 비용과 같아질 때까지 걸리는 시간.
+
+### 3. 유닛 이코노믹스 최적화 루프
+1.  **Retention (유지)**: D30 유지율을 방어하여 분모인 이탈률을 낮춘다 (LTV 상승).
+2.  **Monetization (수익화)**: IAP/IAA 전략을 강화하여 ARPU를 높인다 (LTV 상승).
+3.  **Acquisition (획득)**: 오가닉 비중을 늘리고 고효율 채널에 집중하여 CAC를 낮춘다.
+4.  **Conversion (전환)**: 무료 사용자의 유료 전환율(Conversion Rate)을 높여 유료 유저 기반을 확장한다.
+
+### 4. 실무적 의의
+*   **데이터 기반 의사결정**: "감"이 아닌 지표에 근거하여 마케팅 예산을 증액하거나 중단할 수 있다.
+*   **게임 경제 설계**: 경제 밸런스 조정이 전체 재무 건전성에 미치는 영향을 시뮬레이션할 수 있다.
+*   **투자 및 스케일링**: 외부 투자 유치 시 비즈니스 모델의 건전성을 입증하는 결정적 증거가 된다.
+
+---
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[LTV (Lifetime Value)]], [[CAC (Customer Acquisition Cost)]], [[ARPU (Average Revenue Per User)]], [[Retention & Churn (유지율 및 이탈률)]]
+- **Contexts:** [[비즈니스 전략 (Business Strategy)]], [[게임 경제 설계 (Game Economy Design)]]
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,7 @@
+# Index: Topics > Coding
+
+## 📝 Documents
+- [[AST_Traversal]]
+- [[CST]]
+- [[Formatting]]
+- [[Parser]]
@@ -0,0 +1,18 @@
+# Index: Topics > Communication & Tech
+
+## 📝 Documents
+- [[BLUF (Bottom Line Up Front)]]
+- [[Business Presentation]]
+- [[Business Writing]]
+- [[Data-Driven Personalization]]
+- [[Executive Briefings]]
+- [[Executive Communication]]
+- [[Executive Presentation]]
+- [[Fact_Based_Meeting_Minutes_Prompt]]
+- [[Persuasive Business Writing]]
+- [[Real-Time Translation]]
+- [[Storytelling in Business]]
+- [[Strategic Communication]]
+- [[Tripledot Studios]]
+- [[User Acquisition (UA)]]
+- [[사용자 확보 (User Acquisition)]]
@@ -0,0 +1,5 @@
+# Index: Topics > Computational Theory & Math
+
+## 📝 Documents
+- [[Graph Theory]]
+- [[Information Theory]]
@@ -0,0 +1,15 @@
+# Index: Topics > Datacollector
+
+## 📝 Documents
+- [[2026-04-25-Datacollector_Auto_Resume_After_Reauth_Fix]]
+- [[2026-04-25-Datacollector_Bridge_Connection_Refused_Run_Script_Fix]]
+- [[2026-04-25-Datacollector_Codebase_Structure_Review_and_Initial_Risk_Assessment]]
+- [[2026-04-25-Datacollector_Engine_Processed_Count_and_Stalled_Loop_Guard]]
+- [[2026-04-25-Datacollector_Local_Wiki_Save_Only_Output_Mode]]
+- [[2026-04-25-Datacollector_Mac_Windows_Launcher_Scripts]]
+- [[2026-04-25-Datacollector_NotebookLM_Auth_Browser_and_Stale_Env_Cookie_Fix]]
+- [[2026-04-25-Datacollector_NotebookLM_Automatic_Auth_Recovery]]
+- [[2026-04-25-Datacollector_NotebookLM_Automatic_Reauth_Verification_and_Lock]]
+- [[2026-04-25-Datacollector_NotebookLM_Connection_Guard_and_MCP_Restart_Fix]]
+- [[2026-04-25-Datacollector_NotebookLM_Progress_Visibility_and_Auth_Diagnosis]]
+- [[Datacollector-Knowledge-Hub]]
@@ -0,0 +1,70 @@
+# Index: Topics > Design & Experience
+
+## 📝 Documents
+- [[AODA-Accessibility-for-Ontarians-with-Disabilities-Act]]
+- [[API 응답 및 상태 모델링 (State Modeling and API Responses)]]
+- [[Abstract-Syntax-Tree-Transformation]]
+- [[Abstract-Syntax-Tree-Traversal]]
+- [[Accessibility-Compliance-WCAG]]
+- [[Additive-Type-Logic]]
+- [[Affective User Interfaces (AUI)]]
+- [[Agency-in-Game-Design]]
+- [[Agent Communication Protocol (에이전트 통신 규약)]]
+- [[Agile-UX-Integration]]
+- [[Americans-with-Disabilities-Act-ADA]]
+- [[Apple Human Interface Guidelines]]
+- [[Atomic Design Pattern]]
+- [[Behavior-Driven-Development (BDD)]]
+- [[Business-Strategy]]
+- [[Code Formatting]]
+- [[FSD (Feature-Sliced Design)]]
+- [[Feature-Sliced Design]]
+- [[GitHub Actions]]
+- [[Interface Segregation Principle (ISP)]]
+- [[React Performance Optimization]]
+- [[React 상태 관리 (React State Management)]]
+- [[React 상태 관리 및 API 응답 처리]]
+- [[React 컴포넌트 Props 검증]]
+- [[Redux 등 상태 관리 (State Management)]]
+- [[Redux 스타일 리듀서 및 액션 관리]]
+- [[Snyk Open Source]]
+- [[Tree Shaking (번들 크기 최적화)]]
+- [[Type Alias]]
+- [[Type Declaration]]
+- [[TypeScript 인터페이스 및 시스템 보호 아키텍처 설계]]
+- [[TypeScript 컴파일러 캐싱 최적화]]
+- [[TypeScript의 안전한 인터페이스 설계]]
+- [[TypeScript의 인터페이스 및 객체 타입 설계]]
+- [[UX-Gamification]]
+- [[가상 DOM (Virtual DOM)]]
+- [[계층형 아키텍처 (Layered Architecture)]]
+- [[대규모 프론트엔드 웹 프로젝트 폴더 구조화]]
+- [[도메인 주도 설계 (DDD)]]
+- [[도메인 주도 설계(DDD)]]
+- [[라이브러리 타입 선언 (dts) 확장]]
+- [[몰입감 (Presence)]]
+- [[바운디드 컨텍스트 (Bounded Context)]]
+- [[반응형 윈도우 리사이즈(Resize) 이벤트 처리]]
+- [[비동기 데이터 패칭 (Async Operations Pattern)]]
+- [[상태 관리(State Management)]]
+- [[상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계]]
+- [[상태 모델링 (State Modeling)]]
+- [[선언 병합(Declaration Merging)]]
+- [[소프트웨어 시스템 설계 및 아키텍처 구축]]
+- [[실시간 데이터 대시보드 레이아웃 조절 시스템]]
+- [[엔티티 (Entities)]]
+- [[의존성 규칙 (Dependency Rule)]]
+- [[인터페이스 분리 원칙 (Interface Segregation Principle)]]
+- [[재조정 (Reconciliation)]]
+- [[철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계)]]
+- [[치타 사람 이미지 프롬프트]]
+- [[컴포넌트 기반 웹 프레임워크 아키텍처 설계]]
+- [[클린 아키텍처 (Clean Architecture)]]
+- [[클린 아키텍처(Clean Architecture)]]
+- [[클린 아키텍처]]
+- [[타입 가드 (Type Guards)]]
+- [[타입 별칭 (Type Alias)]]
+- [[테스트 용이성 (Testability)]]
+- [[프론트엔드 컴포넌트 구조화]]
+- [[프론트엔드 컴포넌트 설계]]
+- [[현대 웹 애플리케이션 설계]]
@@ -0,0 +1,4 @@
+# Index: Topics > Design & Web Performance
+
+## 📝 Documents
+- [[Core Web Vitals]]
@@ -0,0 +1,8 @@
+# Index: Topics > Design
+
+## 📝 Documents
+- [[Accessibility]]
+- [[Cognitive_Load]]
+- [[CrUX]]
+- [[HCI]]
+- [[Inclusive_Design]]
@@ -0,0 +1,26 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# AI 기반 보상 및 난이도 스케일링
+
+## 📌 Brief Summary
+AI 기반 보상 및 난이도 스케일링은 인공지능을 활용하여 플레이어의 데이터와 행동 패턴을 분석하고, 이에 맞춰 실시간으로 게임의 난이도와 보상을 동적으로 조정하는 기술을 의미한다 [1, 2]. 이를 통해 플레이어는 지루함이나 좌절감을 느끼지 않고 최적의 '몰입(Flow)' 상태를 지속적으로 유지할 수 있다 [2]. 또한, 이 기술은 개인화된 보상 체계를 제공하는 동시에 자율 AI 에이전트를 통해 게임 경제의 취약점을 사전에 찾아내어 경제 시스템의 무결성을 보호하는 역할을 한다 [1].
+
+## 📖 Core Content
+* **실시간 적응형 난이도 조정 (Adaptive Difficulty):**
+  AI는 플레이어의 데이터를 분석하여 실시간으로 게임의 난이도를 조정함으로써 개별 플레이어가 끊임없이 '몰입' 상태를 유지할 수 있도록 돕는다 [2]. 게임 디자인 과정에서 AI 밸런서(Balancer)와 같은 도구를 활용하면, 수동으로 파라미터를 조정하는 대신 "첫 10분 동안 플레이어가 3번만 죽도록 한다"와 같은 목표를 설정하여 시스템이 파라미터를 자동으로 최적화하게 만들 수 있다 [3]. 
+* **개인화된 보상 및 AI 스케일링 제어:**
+  생성형 AI(GenAI)는 플레이어의 소비 패턴을 분석하여 개인화된 인앱 결제(IAP) 번들을 제안하는 등 경제 시스템의 수익화 및 정교화에 직접적으로 기여한다 [2]. 다만 AI가 주도하는 보상 스케일링(AI-driven reward scaling)은 자칫 경제 불균형을 초래할 수 있으므로, 몬테카를로 시뮬레이션(Monte Carlo simulations) 등을 활용하여 포인트 대 가치 비율(points-to-value ratio)이 붕괴되지 않고 안정적으로 유지되도록 설계해야 한다 [1, 4].
+* **경제 안정화 및 시스템 악용(Exploit) 방지:**
+  자율 AI 에이전트를 활용하면 실제 유저가 게임에 투입되기 전에 AI가 먼저 보상 시스템과 상호작용하게 하여 경제적 악용(Exploit) 가능성이나 취약점을 사전에 발견할 수 있다 [1]. 더 나아가, AI 기술은 치팅을 방지하고 게임 경제의 균형을 맞추며 전반적인 게임 디자인을 향상시키는 데 폭넓게 활용되고 있다 [5, 6].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[게임 경제 밸런싱(Game Economy Balancing)]], [[몰입(Flow)]], [[생성형 AI(Generative AI)]]
+- **Projects/Contexts:** [[마키네이션 AI 밸런서(Machinations AI Balancer)]]
+- **Contradictions/Notes:** 소스 내에서 이견이나 상충되는 주장은 없으나, AI를 통한 보상 스케일링이 경제적 인플레이션이나 불균형으로 이어지지 않도록 반드시 사전에 시뮬레이션을 통한 검증과 통제가 수반되어야 함이 공통적으로 강조된다 [1, 4].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,30 @@
+# Index: Topics > Economics & Algorithms
+
+## 📝 Documents
+- [[CPI (Cost Per Install)]]
+- [[Continuous Obsolescence]]
+- [[Dynamic Offers]]
+- [[Dynamic Pricing & Offers]]
+- [[Dynamic Pricing]]
+- [[Game of War- Fire Age BM 구조]]
+- [[Game of War- Fire Age BM 및 게임 구조 분석]]
+- [[Game of War- Fire Age BM]]
+- [[Kick-back System]]
+- [[LTV (Lifetime Value)]]
+- [[Lifetime Value (LTV)]]
+- [[Market Entry Strategy]]
+- [[Monetization (BM)]]
+- [[Monetization Strategy]]
+- [[Monetization at the Point of Friction]]
+- [[Profitability Framework]]
+- [[Whale Hunting]]
+- [[Willingness to Pay (WTP)]]
+- [[가버-그레인저 방법 (Gabor-Granger Method)]]
+- [[과금 의향 (Willingness to Pay)]]
+- [[맞춤형 패키지 및 계단식 수익화 (Dynamic Offers & Staircase Monetization)]]
+- [[무한한 확장성 경제 (Infinitely Scalable Economy)]]
+- [[소액 결제 (Microtransactions)]]
+- [[자원 로지스틱스(Resource Logistics)]]
+- [[자원 보관 및 압축(Resource Storage & Compression)]]
+- [[지불 용의 (Willingness to Pay)]]
+- [[프리미엄 모델 (Freemium Model)]]
@@ -0,0 +1,24 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 가상 경제 시뮬레이션 및 사전 검증(Virtual Economy Simulation)
+
+## 📌 Brief Summary
+가상 경제 시뮬레이션은 게임이 정식 출시되기 전이나 라이브 운영 중에 게임 내 경제 시스템과 메커니즘을 테스트하고 검증하는 과정이다 [1, 2]. 주로 몬테카를로 시뮬레이션과 같은 수학적 기법을 활용하여 무작위성과 실제 플레이어의 변동성을 모델링한다 [2-4]. 이를 통해 개발자는 전통적인 플레이 테스트 없이도 자원의 생성과 소모의 균형을 맞추고, 인플레이션 등의 경제적 위험을 조기에 식별하여 게임 경제의 장기적인 안정성을 확보할 수 있다 [2, 5].
+
+## 📖 Core Content
+*   **전통적 테스트의 한계와 시뮬레이션의 필요성:** 프리미엄(Freemium) 모델 등 현대 게임의 경제 시스템은 매우 복잡하고 상호 연결된 작업이 많아 전통적인 플레이 테스트만으로는 검증하기 어렵다 [6]. 또한 기존의 스프레드시트(예: Excel)를 활용한 방식은 정적이고 이상적인 데이터만을 보여주어 실제 플레이어의 편향이나 무작위성을 예측하는 데 한계를 지닌다 [3, 7]. 반면, 프로그래밍된 시뮬레이션은 핵심 게임플레이 없이도 역학을 테스트할 수 있어 개발 초기 단계부터 경제 시스템을 검증할 수 있으며, 테스트 시간을 수 주에서 수 시간 또는 수 일로 단축시킨다 [1, 5].
+*   **몬테카를로 시뮬레이션(Monte Carlo Simulation):** 불확실성이 있는 요소에 다양한 값을 대입하여 가능한 결과의 확률을 모델링하는 컴퓨터 수학적 기법이다 [4]. '대수의 법칙(Law of Large Numbers)'에 기반하여 수만 번의 가상 플레이어 여정을 실행함으로써, 특정 구간에서의 재화 부족이나 과잉을 포착한다 [2, 8]. 이는 단순한 평균값이 놓치는 플레이어 행동의 무작위성(Randomness)과 창발성(Emergence)을 정확하게 예측하게 해준다 [2, 3].
+*   **디지털 트윈(Digital Twin)과 라이브옵스(LiveOps) 통합:** 출시 후에는 실제 게임의 텔레메트리 데이터(JSON 형태 등)를 시뮬레이션 모델에 직접 입력하여 초기 가정을 실제 데이터 기반의 정확한 예측으로 보정할 수 있다 [2, 9]. 이를 통해 가상 경제 시뮬레이션은 현실 게임과 동기화된 디지털 트윈으로 기능하며, 플레이어의 미래 행동을 예측하는 수정 구슬 역할을 하게 된다 [2, 9].
+*   **AI 기반 자동 밸런싱:** 최신 시뮬레이션 도구(예: 마키네이션의 AI Balancer)는 밸런싱 과정을 자동화한다 [10]. 예를 들어, 디자이너가 "첫 10분 동안 플레이어가 최대 3번만 죽도록 한다"는 목표를 설정하면 AI가 이에 맞춰 파라미터를 자동으로 조정해 주어 밸런싱에 드는 반복 작업을 크게 줄여준다 [2, 10].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[몬테카를로 시뮬레이션(Monte Carlo Simulation)]], [[게임 경제 설계(Game Economy Design)]], [[디지털 트윈(Digital Twin)]], [[수도꼭지와 배수구(Taps and Sinks)]]
+- **Projects/Contexts:** [[마키네이션(Machinations.io)]], [[프리미엄(Freemium) 모델]]
+- **Contradictions/Notes:** 전통적인 스프레드시트 기반 모델링은 정적이고 평균값에 의존하여 무작위성과 창발적 행위를 예측하는 데 한계가 있는 반면, 시뮬레이션 도구는 몬테카를로 시뮬레이션을 통해 실제 플레이어의 무작위적이고 비합리적인 행동 패턴까지 예측할 수 있다 [2, 3, 7].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,34 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 가상 경제 시스템의 구조적 무결성 분석
+
+## 📌 Brief Summary
+가상 경제 시스템의 구조적 무결성이란 게임 내 자원의 생성(수도꼭지)과 소멸(배수구) 사이의 정교한 균형을 유지하여 인플레이션을 통제하고 재화의 가치를 보존하는 상태를 의미합니다 [1, 2]. 이 균형이 무너지면 통화 가치가 급락하여 초인플레이션이 발생하고, 결과적으로 플레이어의 게임 내 몰입도와 성취감이 훼손되어 수명 단축으로 이어집니다 [3, 4]. 따라서 성공적인 게임 경제 설계를 위해서는 데이터 분석, 수학적 시뮬레이션, 그리고 행동 경제학적 통찰을 결합하여 자생적이고 지속 가능한 생태계를 구축하는 것이 필수적입니다 [2, 5].
+
+## 📖 Core Content
+* **수도꼭지(Faucets)를 통한 자원 생성 통제:** 
+  수도꼭지는 가상 세계 내에서 재화가 무에서 유로 생성되는 지점입니다 [4]. 사냥이나 퀘스트 보상과 같이 플레이어의 핵심 루프(Core Loop)와 연관된 '능동적 수도꼭지'와 오프라인 상태에서도 이자나 자원이 발생하는 '수동적 수도꼭지'로 구분됩니다 [4]. 디지털 환경의 수도꼭지는 현실의 자원과 달리 이론적으로 무한하기 때문에, 유입되는 재화량이 통제 없이 증가할 경우 경제 붕괴를 초래할 수 있습니다 [4].
+  
+* **배수구(Sinks)를 활용한 자원 소멸 및 가치 방어:** 
+  배수구는 유통되는 재화를 영구적으로 시스템에서 삭제하여 인플레이션을 제어하는 장치입니다 [6]. 플레이어 간의 개인 거래와 같은 '소프트 싱크(Soft Sinks)'는 전체 통화량에 변화를 주지 않지만, 장비 수리비나 제작 실패에 따른 재료 소모, 경매장 수수료 등의 '하드 싱크(Hard Sinks)'는 통화량을 직접적으로 줄여줍니다 [6]. 효과적인 가치 방어를 위해서는 고정된 비용이 아닌, 플레이어 자산 규모에 비례하여 확장되는 백분율 기반의 하드 싱크 설계가 필요합니다 [6].
+
+* **인플레이션 억제 및 관리 전략:** 
+  가상 경제는 현실보다 인플레이션 속도가 빠릅니다 [7]. 이를 방어하기 위해 시장의 재고량에 따라 NPC 상점의 매입가를 조정하는 '동적 가격 책정(Dynamic Pricing)', 인게임 재화로 구매할 수 있는 '프리미엄 통화 브릿지' 도입, 자원 소모를 유도하는 점진적 업그레이드 비용 증가(Incremental Mechanics) 및 과세(Taxation) 등의 적극적인 회수 전략이 요구됩니다 [7-9].
+
+* **데이터 시뮬레이션과 예측 모델링을 통한 검증:** 
+  경제 시스템은 출시 전 수천 번의 테스트와 검증이 필요합니다 [10]. 정적인 평균값에 의존하는 엑셀의 한계를 극복하기 위해, '마키네이션(Machinations)'과 같은 도구로 몬테카를로 시뮬레이션(Monte Carlo Simulation)을 수행하여 무작위성(Randomness)이 가져올 자원의 과부족 상태를 예측해야 합니다 [10, 11]. 또한 출시 후에는 실제 플레이어의 텔레메트리 데이터를 연동하여 디지털 트윈(Digital Twin) 모델로 활용함으로써 경제를 미세 조정해야 합니다 [10].
+
+* **보안과 안티치트를 통한 시스템 무결성 수호:** 
+  시스템 내에서 자원을 비정상적으로 생성하는 봇(Bot)이나 핵은 경제 근간을 흔드는 가장 큰 위협입니다 [12, 13]. 봇 탐지와 안티치트(예: SARD 솔루션)를 통해 시각적 이상 및 행동 패턴을 분석하여 부당한 자원 획득을 차단하는 것은 가상 경제의 무결성을 지키는 경제적 최후 보루입니다 [5, 13].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[수도꼭지와 배수구(Faucets and Sinks)]], [[인플레이션 관리(Inflation Management)]], [[유닛 이코노믹스(Unit Economics)]], [[시뮬레이션과 예측 모델링(Simulation and Predictive Modeling)]]
+- **Projects/Contexts:** [[마키네이션(Machinations.io)]], [[SARD 안티치트 솔루션(SARD Anti-Cheat)]], [[알비온 온라인(Albion Online)]]
+- **Contradictions/Notes:** 경매장 거래 수수료를 인상하는 것은 거대한 통화를 회수하는 효과적인 하드 싱크(Hard Sink) 기제이지만, 세금이 지나치게 높게 설정될 경우 플레이어들을 경매장 밖의 직거래(암시장)로 내몰아 통화 회수 기제가 무력화되는 부작용을 낳을 수 있습니다 [14].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,35 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 가상 경제 인플레이션(Virtual Economy Inflation)
+
+## 📌 Brief Summary
+가상 경제 인플레이션은 게임 내에 유통되는 통화량이 급증하여 화폐 가치가 하락하고 물가가 상승하는 현상을 의미한다[1, 2]. 이는 플레이어의 자원 생산 속도가 시스템의 자원 회수 속도를 초과할 때 주로 발생한다[3, 4]. 인플레이션이 방치될 경우 게임 내 기본 통화가 무의미해지며, 게임 플레이의 몰입도와 인앱 결제(IAP)의 매력을 떨어뜨려 게임의 수익성과 경제 시스템을 심각하게 훼손한다[5, 6].
+
+## 📖 Core Content
+* **발생 원인과 구조적 취약성:**
+현실 세계와 달리 게임 내에서 재화를 생성하는 '수도꼭지(Faucets)'는 몬스터 처치나 퀘스트 보상 등을 통해 이론적으로 무한한 자원을 만들어낼 수 있다[3, 7]. 게임이 진행됨에 따라 플레이어들은 재화를 더 효율적으로 생산(파밍)하는 방법을 찾아내며, 적절한 자원 소멸 장치가 없다면 통화 공급이 폭증해 가치가 폭락하는 하이퍼인플레이션으로 이어진다[3, 4, 7].
+
+* **게임 경제 및 수익화에 미치는 영향:**
+인플레이션은 자원의 희소성을 통해 수요를 극대화하는 경제적 지점인 '핀치 포인트(Pinch Point)'를 파괴한다[8, 9]. 재화가 지나치게 풍부해지면 플레이어는 자원 소모처(Sinks)에 대한 흥미를 잃게 되며, 이는 무료 플레이(Free-to-Play) 게임의 핵심 수익원인 인앱 결제(IAP) 동기를 현저히 저하시킨다[5, 8]. 실제로 '디아블로 2(Diablo II)', '애셔론즈 콜(Asheron's Call)' 등에서는 통화가 과잉 공급되어 가치를 잃자, 플레이어들이 기본 통화를 버리고 '요르단의 반지(Stone of Jordan)'나 '파편(Shards)' 등을 대체 화폐로 사용하는 경제 퇴행 현상이 나타나기도 했다[3, 10, 11].
+
+* **인플레이션 억제 및 관리 전략:**
+가상 경제 인플레이션을 통제하기 위해 게임 경제 디자이너는 다음과 같은 다양한 구조적 장치(Hard Sinks)를 도입해야 한다.
+  * **동적 가격 책정(Dynamic Pricing):** 시장 내 아이템 수요와 공급, 재고량에 따라 상점의 매입 및 판매 가격을 자동으로 조정해 과잉 생산을 방지한다[12, 13].
+  * **점진적 메커니즘(Incremental Mechanics):** 자원 채집 능력을 향상시키는 업그레이드를 제공할 때, 그에 비례하여 지불해야 하는 비용(Sink)도 크게 증가하도록 설계하여 생산과 소모의 균형을 맞춘다[14-16].
+  * **프리미엄 통화 브릿지 및 조세(Taxation):** PLEX나 WoW 토큰처럼 인게임 재화로 살 수 있는 프리미엄 아이템을 도입해 고자산 플레이어의 부를 시스템에서 회수하거나[13, 17, 18], 경매장 거래 수수료, 수리비, PvP 베팅 등 플레이어 활동에 세금을 부과해 지속적으로 자원을 소멸시킨다[19-21].
+  * **콘텐츠 초기화 및 로테이션:** 시즌 패스나 특정 리그를 통해 플레이어의 자원 상태를 주기적으로 초기화(Hard Reset)하거나, 새로운 메타를 도입하여 플레이어의 자원 소모처를 다각화한다[17, 22, 23].
+
+* **인플레이션의 제한적 순기능:**
+일반적으로 인플레이션은 부정적이지만, 목표가 뚜렷한 RPG의 레벨 디자인 등에서 철저히 통제될 경우 게임에 이점을 주기도 한다[24, 25]. 특히 후발 주자의 불이익(Latecomer Disadvantage)을 완화하는 데 유용한데, 초반 구간에 통화가 풍부해짐으로써 늦게 시작한 신규 유저가 초반 콘텐츠를 빠르게 넘기고 후반부 게임에 조기 합류할 수 있도록 돕는다[26, 27].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[수도꼭지와 배수구(Faucets and Sinks)]], [[핀치 포인트(Pinch Point)]], [[하드 싱크(Hard Sinks)]], [[유닛 이코노믹스(Unit Economics)]]
+- **Projects/Contexts:** [[디아블로 2(Diablo II)]], [[애셔론즈 콜(Asheron's Call)]], [[월드 오브 워크래프트(World of Warcraft) 토큰]], [[이브 온라인(EVE Online) PLEX]]
+- **Contradictions/Notes:** 무분별한 가상 경제 인플레이션은 인앱 결제(IAP) 매력을 떨어뜨려 게임의 재무적 성공을 방해하는 주된 원인으로 지적되나, 일부 장르에서는 신규 유저의 빠른 성장을 돕는 후발 주자 불이익 해결책으로 일부러 활용되는 등 상황에 따라 작용이 다르다[5, 25-27].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,34 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 가상 경제 인플레이션
+
+## 📌 Brief Summary
+가상 경제 인플레이션은 게임 내에 유통되는 통화나 자원의 양이 기하급수적으로 증가함에 따라 재화와 서비스의 가격이 상승하고 화폐 가치가 하락하는 현상을 의미한다 [1, 2]. 현실과 달리 게임에서는 플레이어가 사냥이나 퀘스트를 통해 무에서 유를 창조하며 재화를 끊임없이 생산할 수 있기 때문에 경제 인플레이션 위험에 훨씬 취약하다 [2-4]. 통제 불능의 인플레이션은 게임 내 화폐를 무용지물로 만들고 결제(IAP) 매력도를 떨어뜨리지만, 철저히 통제된 인플레이션은 신규 플레이어의 진입 장벽을 낮추고 성장 체감을 제공하는 전략적 수단으로 활용될 수도 있다 [5-8].
+
+## 📖 Core Content
+
+* **인플레이션의 구조적 원인과 부작용**
+  가상 경제 시스템에서 자원이 유입되는 노드를 '수도꼭지(Faucets)'라고 한다 [2, 9]. 플레이어들이 적을 처치하거나 도전을 완료하여 자원을 얻는 과정에서 효율적인 파밍(Farming) 방법을 찾게 되면 전체 통화량이 급증한다 [3, 4]. 생성된 통화를 회수할 수단이 부족할 경우, '애셔론즈 콜(Asheron's Call)'의 파편(Shards)이나 '디아블로 2(Diablo II)'의 조던링(Stone of Jordan) 사례처럼 기본 통화가 가치를 상실하고 대체 물물교환 수단이 등장하는 초인플레이션(Hyperinflation)이 발생한다 [10, 11]. 화폐 가치의 훼손은 재화 소진에 대한 플레이어의 흥미를 떨어뜨려 종국에는 게임 내 결제(IAP) 및 부분 유료화 수익 모델을 무너뜨린다 [8, 12].
+
+* **인플레이션의 긍정적 측면 (전략적 활용)**
+  게임 경제에 자연스러운 끝이 있거나 명확한 성장 목표가 존재할 경우, 인플레이션은 플레이어에게 높은 성취감을 주는 도구가 될 수 있다 [5, 6]. 자원 획득량과 아이템 요구 비용이 함께 증가하는 구조는 RPG의 레벨업 시스템에 부합하여 성장 체감을 극대화한다 [6]. 또한, 지속적으로 서비스되는 게임에서 초기 구간의 자원 획득량을 인플레이션으로 늘려주면, 신규 유저가 빠르게 엔드게임 콘텐츠에 도달하게 함으로써 '후발 주자 불이익(Latecomer disadvantage)'을 해결하는 긍정적 효과를 거둘 수 있다 [6, 7].
+
+* **인플레이션 억제 및 경제 안정화 메커니즘**
+  게임 디자이너는 초과 유동성을 흡수하고 재화를 시스템에서 영구적으로 제거하기 위해 다양한 '하드 싱크(Hard Sinks)' 장치를 설계해야 한다 [13].
+  * **조세 및 수수료(Taxation & Fees):** 개인 간 거래나 경매장에 수수료(예: 5~10%)를 부과하거나, 사망 페널티, 장비 수리비 등을 적용하여 게임 내 화폐를 직접적으로 소각한다 [13-16].
+  * **점진적 메커니즘(Incremental Mechanics):** 자원 채집량(수도꼭지)을 늘려주는 업그레이드의 구매 비용(싱크)을 함께 기하급수적으로 증가시켜 지속적인 경제적 균형을 맞춘다 [17, 18].
+  * **동적 가격 책정(Dynamic Pricing) 및 유동성 흡수:** 특정 아이템이 시장에 과잉 공급될 경우 시스템 매입가를 0.01달러 수준까지 떨어뜨리거나 서버 전체의 판매 상한선을 설정한다 [19-21]. 
+  * **프리미엄 통화 브릿지 및 초고가 아이템:** '월드 오브 워크래프트(WoW)'의 토큰이나 '이브 온라인(EVE Online)'의 PLEX처럼 인게임 재화로 구매 가능한 프리미엄 아이템을 도입하여 부유한 유저의 통화를 대량으로 소각시킨다 [21-23]. 또한 밸런스에 영향을 주지 않는 희귀하고 값비싼 장식용 아이템(프레스티지 아이템)을 추가해 화폐를 회수할 수 있다 [21, 24].
+  * **시즌제 초기화 및 로테이션(Resets & Rotations):** 신규 콘텐츠 출시에 맞춰 시즌 단위로 플레이어의 자원을 초기화(하드 리셋)하거나, 게임 메타(Meta)를 변경하여 플레이어가 새로운 캐릭터나 장비에 자원을 소비하도록 유도한다 [22, 24-26].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[수도꼭지와 배수구(Faucets and Sinks)]], [[하드 싱크(Hard Sinks)]], [[동적 가격 책정(Dynamic Pricing)]], [[후발 주자 불이익(Latecomer Disadvantage)]]
+- **Projects/Contexts:** [[디아블로 2(Diablo II) 조던링 사태]], [[WoW 토큰 및 PLEX]], [[알비온 온라인(Albion Online) 암시장 시스템]]
+- **Contradictions/Notes:** 인플레이션은 화폐 가치를 하락시키고 부분 유료화(Free-to-Play) 게임의 인앱 결제(IAP) 매력도를 떨어뜨리는 위험한 현상으로 간주되지만(예: 가이아 온라인의 초인플레이션) [3, 8], 이를 전략적으로 관리하면 오히려 신규 플레이어의 진입을 돕고 RPG 고유의 성장 체감을 강화하는 긍정적인 장치로 작동할 수 있다 [5-7]. 또한, 유저 간의 거래(소프트 싱크)는 시스템 전체의 통화량을 줄이지 못하므로, 인플레이션 억제를 위해서는 경매장 수수료나 제작 손실 같은 뚜렷한 하드 싱크가 필수적이다 [13].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,25 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 가상 경제
+
+## 📌 Brief Summary
+가상 경제는 플레이어가 게임 내에서 통화, 상품, 서비스 등 가상 자원을 구매하고 판매하며 사용하는 시스템을 의미한다[1]. 현실 경제와 마찬가지로 수요와 공급, 인플레이션 통제, 공정한 보상 분배 등의 경제학적 원칙에 기반하여 운영된다[1]. 성공적인 가상 경제는 플레이어에게 게임 내 성장의 기회를 제공하는 동시에 스튜디오에 수익을 창출하여 플레이어의 참여를 수익화루트로 연결하는 핵심적인 역할을 수행한다[2-4]. 
+
+## 📖 Core Content
+* **가상 경제의 구조적 구성 (수도꼭지와 배수구):** 가상 경제는 자원의 생성과 소멸을 관리하는 아키텍처로 작동한다[5, 6]. '수도꼭지(Faucets)'는 사냥이나 퀘스트 완료 등 플레이어의 활동을 통해 자원이 시스템 내에 생성되는 유입 지점을 말한다[5, 7]. 반대로 '배수구(Sinks)'는 NPC 상점 구매, 장비 수리비, 거래소 수수료 등을 통해 유통되는 재화를 영구적으로 삭제하여 인플레이션을 억제하는 소멸 장치이다[5, 8].
+* **인플레이션 위험과 통제 전략:** 수도꼭지를 통해 한도 없이 유입되는 재화는 통화 가치 하락과 통제 불능의 초인플레이션을 초래하여 게임 경제를 붕괴시킬 수 있다[5, 7, 9]. 이를 방지하기 위해 개발자는 동적 가격 책정, 프리미엄 통화 브릿지 도입(예: WoW 토큰), 점진적 비용 상승 메커니즘, 경매장 세금 부과 등 다양한 하드 싱크(Hard Sinks) 전략을 통해 시장 유동성을 지속적으로 흡수해야 한다[10-22].
+* **수익화 모델과 핵심 지표(KPI) 관리:** 가상 경제의 균형은 스튜디오의 비즈니스 수익성과 직결된다[23, 24]. 이를 위해 인게임 획득 재화(소프트 커런시)와 현금 구매 재화(하드 커런시)를 분리하는 다중 통화 시스템을 널리 활용한다[25]. 상업적 성공을 담보하기 위해 개발 스튜디오는 유닛 이코노믹스(Unit Economics)를 기반으로 사용자 평생 가치(LTV)가 고객 획득 비용(CAC)의 최소 3배(3:1 비율) 이상을 유지하도록 경제 지표를 추적하고 최적화해야 한다[24, 26-28].
+* **행동 경제학과 플레이어 심리:** 플레이어가 가상 자산에 비용과 시간을 투자하는 행위는 유용성, 쾌락적 즐거움, 사회적 평판, 투자, 자아실현 등의 다면적 동기에 의해 촉발된다[29-31]. 게임 경제 설계자는 손실 회피(Loss Aversion), 매몰 비용 오류(Sunk Cost Fallacy), 그리고 리더보드를 통한 사회적 비교와 같은 행동 경제학적 원리를 시스템에 내재화하여 플레이어의 지속적인 참여와 지출을 유도한다[32-34].
+* **멀티 게임 경제(Multi-Game Economies)로의 진화:** 블록체인과 Web3 기술의 도입으로 단일 게임의 수명을 넘어서는 상호연결된 가상 경제 모델이 등장하고 있다[35-37]. 플레이어가 특정 게임(Feeder Game)에서 노력으로 얻은 성취나 NFT 자산을 다른 캐주얼 게임(Eater Game)에서 활용하거나 거래할 수 있게 함으로써, 가상 경제는 플레이어 간의 새로운 시장 창출과 진정한 형태의 자산 소유권을 가능하게 한다[38-40].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[수도꼭지와 배수구(Faucets and Sinks)]], [[가상 경제 인플레이션]], [[유닛 이코노믹스(LTV와 CAC)]], [[하이브리드 수익화(Hybrid Monetization)]], [[행동 경제학(Behavioral Economics)]], [[멀티 게임 경제(Multi-Game Economy)]]
+- **Projects/Contexts:** [[디아블로 2(Diablo II)]], [[원신(Genshin Impact)]], [[클래시 로얄(Clash Royale)]], [[알비온 온라인(Albion Online)]], [[Chef Universe]]
+- **Contradictions/Notes:** 일반적으로 가상 경제에서 인플레이션은 화폐 가치를 무의미하게 만들어 게임성을 해치는 치명적인 요인으로 간주되지만(예: 아세론의 부름, 가이아 온라인 등)[41, 42], 역설적으로 신규 유저가 초기 진행 구간을 빠르게 통과하도록 돕는 '후발 주자 불이익(Latecomer disadvantage)' 해결을 위해 개발자가 의도적인 인플레이션을 활용할 수도 있다는 긍정적 측면도 존재한다[43-45].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,31 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 가차(Gacha) 시스템
+
+## 📌 Brief Summary
+가차(Gacha) 시스템은 플레이어가 주로 실제 화폐로 구매한 인게임 재화를 지불하여 무작위로 캐릭터, 무기, 기타 가상 아이템을 획득하는 전리품 상자(Loot box) 형태의 수익화 메커니즘입니다 [1, 2]. 이는 무료 플레이(Free-to-Play) 게임의 특성을 보완하기 위해 도입된 핵심 비즈니스 모델로, 특히 신규 캐릭터 출시나 콜라보레이션 이벤트 진행 시 폭발적인 매출 성장을 견인합니다 [3, 4]. 플레이어의 확률적 기대 심리에 크게 의존하지만, 게임사들은 일정 횟수의 시도 시 고가치 보상을 보장하는 '천장(Pity)' 시스템을 함께 설계하여 플레이어의 지속적인 경제적 투자를 유도합니다 [5].
+
+## 📖 Core Content
+* **가차 시스템의 정의 및 작동 원리:** 
+  가차 시스템은 무작위성을 기반으로 한 아이템 획득 모델로, 플레이어는 인게임 통화를 소모해 캐릭터나 무기 등을 무작위로 얻게 됩니다 [1, 2]. 게임사들은 법적 의무에 따라 이러한 전리품 상자의 아이템 획득 확률(Drop rates)을 플레이어에게 공개해야 합니다 [6]. 확률에 따라 결과가 좌우되지만, 몇 번의 가차 롤(Gacha roll) 이후에는 플레이어가 선호하는 높은 등급의 캐릭터나 무기를 확정적으로 얻을 수 있는 **'천장(Pity)' 시스템**을 결합하여, 과도한 운 의존도를 낮추고 안정적인 수익 모델을 만듭니다 [5].
+
+* **게임 경제 및 수익화(Monetization) 관점의 역할:** 
+  가차 시스템은 무료로 제공되는 게임 환경에서 수익을 보상하기 위해 채택되는 주요 방식입니다 [3]. 가차 모델은 확률적 메커니즘을 통해 매출을 극대화하도록 작동하며, 특히 신규 캐릭터가 출시되거나 콜라보레이션 이벤트가 열릴 때 게임 생태계 내에서 **폭발적인 매출 스파이크(Spike)**를 발생시키는 구조적 특징을 지닙니다 [4].
+
+* **가차 시스템의 변형 모델:** 
+  기본적인 무작위 추출 외에도 다양한 경제적 모델이 존재합니다. 대표적으로 **패키지 가차(Package Gacha)** 모델은 보상 풀(Pool)이 유한하게 설정되어 있어, 아이템을 뽑을 때마다 해당 아이템이 풀에서 제거됩니다 [7]. 이는 플레이어에게 진행 상황을 명확히 인지하게 하고 고가치 보상을 획득할 확률이 점진적으로 증가한다는 점을 보여주어, 구매 중단을 방지하고 지속적인 지출을 촉진하는 데 효과적입니다 [7].
+
+* **가차 생태계와 게임 설계의 결합:** 
+  성공적인 가차 경제는 게임의 다른 루프와 정교하게 맞물려 설계됩니다. '원신(Genshin Impact)'의 경우, 오픈 월드 탐험 요소와 가차 시스템을 결합하였습니다 [2, 7]. 이벤트나 일일 퀘스트를 통해 프리미엄 통화(예: 원석)를 소량으로 지급함으로써, 비결제 플레이어의 접속을 유도하여 **잔존율(Retention)**을 높이는 동시에 결제 욕구를 자극하여 자연스러운 과금을 유도하는 구조적 경제 전략을 취하고 있습니다 [7]. 
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[전리품 상자(Loot Box)]], [[게임 수익화 전략(Monetization Strategy)]], [[무료 플레이(Free-to-Play) 모델]]
+- **Projects/Contexts:** [[원신(Genshin Impact)]], [[포켓몬 마스터즈 EX(Pokemon Masters EX)]]
+- **Contradictions/Notes:** 소스 내에서 특별한 모순점은 없으나, 가차 시스템은 플레이어에게 무작위 보상에 대한 감정적, 투자적 욕구(Enjoyment, Investment 등)를 자극하여 높은 매출을 올리는 동시에 [4, 8, 9], 법적인 이유로 아이템 드롭 확률을 반드시 명시해야 하는 규제적 제약을 함께 수반하고 있음이 확인됩니다 [6].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,25 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 게임 경제 균형(Game Economy Balance)
+
+## 📌 Brief 시 Summary
+게임 경제 균형(Game Economy Balance)은 가상 세계 내에서 자원의 생성(수도꼭지/Taps)과 소모(배수구/Sinks) 사이의 정교한 평형을 유지하는 시스템 설계 방식이다 [1, 2]. 이 균형은 게임 내 인플레이션을 통제하여 재화의 가치를 보존하고, 플레이어에게 공정한 성장 기회를 제공하며, 지속 가능한 수익 창출을 가능하게 한다 [3, 4]. 성공적인 경제 균형은 플레이어의 도전과 보상 사이에서 적절한 긴장감인 '핀치 포인트(Pinch Point)'를 형성하여 플레이어의 지속적인 몰입(Flow)과 참여를 이끌어내는 데 핵심적인 역할을 한다 [2, 5].
+
+## 📖 Core Content
+* **수도꼭지와 배수구 메커니즘(Faucets and Sinks):** 가상 경제의 기본 아키텍처는 자원을 생성하는 '수도꼭지'와 유통되는 재화를 시스템에서 영구적으로 소멸시키는 '배수구'의 철저한 관리를 통해 이루어진다 [2, 6]. 능동적/수동적 수도꼭지에서 유입되는 재화가 통제 없이 증가하면 화폐 가치가 급락하는 하이퍼인플레이션이 발생한다 [7, 8]. 이를 방지하기 위해 장비 수리비, NPC 상점 구매, 경매장 수수료(5~15% 수준의 백분율 기반 세금) 등 플레이어의 자산 규모에 비례하여 확장되는 하드 싱크(Hard Sinks)를 구축해야 한다 [6, 9]. 
+* **위험과 보상의 구조(Structures of Risks and Rewards):** 균형 잡힌 게임에서는 플레이어가 감수하려는 위험(노력)과 그에 따른 보상이 수학적으로 일치해야 한다 [10]. 도전 과제가 플레이어의 숙련도 대비 너무 높으면 불안을, 너무 낮으면 지루함을 유발하여 경제적 이탈을 초래하므로 정교한 균형이 필요하다 [2]. 대표적으로 '클래시 로얄'은 희귀도에 상관없이 업그레이드 비용을 표준화하고, 전투 중 차오르는 엘릭서(Elixir)의 순환 구조를 통해 자원 관리의 밸런싱 난이도를 효율적으로 유지한 훌륭한 사례다 [11].
+* **인플레이션 방어 및 핀치 포인트(Pinch Point) 제어:** 자원의 공급 부족 우려로 인해 수요가 극대화되는 지점인 '핀치 포인트'를 적절히 설정하는 것은 매우 중요하다 [5]. 플레이어가 잉여 자원을 갖게 되면 싱크에 대한 흥미가 떨어지고 인앱 결제(IAP)의 매력도 감소한다 [5]. 이를 방어하기 위해 점진적 확장 메커니즘(Incremental Mechanics), PvP 도박/베팅을 통한 자원 회수, 시즌별 콘텐츠 초기화(Hard Resets), 프리미엄 통화 도입, 그리고 초고가 아이템 판매 등의 전략을 동원해 인플레이션을 상쇄해야 한다 [12-17].
+* **과금 구조(Monetization)와의 조화:** 무료 플레이(F2P) 모델에서는 경제 균형이 직접적인 수익 창출의 기반이 된다 [18]. 핵심은 결제 없이도 최고 레벨의 보상을 얻을 수 있게 하되, 진행 과정을 지루하지 않으면서도 과금을 통해 시간을 단축하고 싶을 만큼의 좁은 경계선(Knife-edge) 위에 밸런스를 맞추는 것이다 [19]. 동시에 게임의 공정성을 해치는 극단적인 'Pay-to-Win' 모델을 피하고, 밸런스에 영향을 주지 않는 치장용 아이템(Cosmetic Items) 중심의 소비나 배틀패스와 같은 합리적인 방식을 채택해야 한다 [7, 20, 21].
+* **시뮬레이션과 데이터 기반 테스트:** 현대 게임 경제의 복잡성 때문에 기존의 엑셀 평균값 계산이나 단순 플레이테스트만으로는 시스템을 완벽히 균형 잡기 어렵다 [22, 23]. 무작위성(Randomness)이 포함된 플레이어의 행동을 예측하기 위해서는 몬테카를로 시뮬레이션(Monte Carlo Simulation)과 같은 도구(예: Machinations)를 활용하여 런칭 전 수만 번의 가상 테스트를 진행하고 경제 파라미터를 자동 조정해야 한다 [23-26].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[수도꼭지와 배수구(Faucets and Sinks)]], [[인플레이션 통제(Inflation Control)]], [[유닛 이코노믹스(Unit Economics)]], [[핀치 포인트(Pinch Point)]]
+- **Projects/Contexts:** [[클래시 로얄(Clash Royale)]], [[마키네이션(Machinations.io)]]
+- **Contradictions/Notes:** 인플레이션은 일반적으로 게임 통화 가치를 하락시키고 경제를 붕괴시키는 위험 요소로 간주되지만, 진행형 RPG 등 자연스러운 끝(Endpoint)이 있는 게임에서는 후발 주자의 진입 장벽(Latecomer Disadvantage)을 낮추고 초반 진행 속도를 높여주는 유용한 경제 설계 수단으로 의도적으로 활용될 수도 있다 [27-29].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,30 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 게임 경제 설계(Game Economy Design)
+
+## 📌 Brief Summary
+게임 경제 설계는 플레이어가 게임 내에서 획득하고 소비하는 자원(경험치, 통화, 아이템 등)의 흐름을 시스템적으로 구축하고 균형을 맞추는 과정이다 [1, 2]. 이는 플레이어에게 게임 내 경제적 발전의 기회를 제공함과 동시에, 플레이어의 참여와 몰입을 개발사의 수익 창출 기회로 전환하는 두 가지 주요 목적을 지닌다 [1, 2]. 궁극적으로 플레이어가 감수하는 위험(Risk)과 그에 따른 보상(Reward) 구조를 조율하여 지속적인 동기를 부여하고 게임의 수명을 연장하는 핵심 아키텍처 역할을 수행한다 [3-5].
+
+## 📖 Core Content
+* **수도꼭지와 배수구(Taps and Sinks)의 메커니즘:**
+  가상 경제 시스템의 가장 기본적인 뼈대는 자원이 생성되어 유입되는 **'수도꼭지'**와 자원이 시스템에서 소비되어 사라지는 **'배수구'**의 구조다 [5, 6]. 몬스터 사냥이나 퀘스트 완료처럼 자원이 공급되는 탭(Tap)과, 장비 업그레이드 및 수리비 등 자원을 소모하는 싱크(Sink) 간의 비율이 정교하게 맞아야 한다 [6-9]. 배수구는 유저 간 거래처럼 통화량의 총합에는 변함이 없는 **소프트 싱크(Soft Sinks)**와 시스템 내에서 재화가 완전히 영구 소멸되어 인플레이션을 방어하는 **하드 싱크(Hard Sinks)**로 나뉜다 [9].
+* **인플레이션 관리와 자원 가치 보존:**
+  수도꼭지를 통해 자원이 무한정 생성되거나 플레이어가 자원 채굴(파밍) 효율을 극대화하게 되면, 시장 내 통화량이 급증하여 재화 가치가 하락하는 **하이퍼인플레이션**이 발생한다 [8, 10, 11]. 이를 방어하기 위해 게임 설계자는 점진적으로 비용이 크게 증가하는 업그레이드 메커니즘, PvP 베팅이나 도박 시스템(항상 하우스가 이기는 구조), 정기적인 콘텐츠 및 시즌 초기화, 그리고 시장 재고량에 따라 가치가 변하는 **동적 가격 책정(Dynamic Pricing)** 등의 경제적 배수구 장치를 선제적으로 구축해야 한다 [12-19]. 
+* **데이터 기반의 핵심 성과 지표(KPI) 모니터링:**
+  게임 경제의 건강 상태와 비즈니스 수익성을 파악하기 위해 다양한 **유닛 이코노믹스(Unit Economics)** 지표가 사용된다 [20]. 대표적으로 ARPU(이용자당 평균 매출), ARPPU(결제 이용자당 평균 매출), 이탈률(Churn rate), 잔존율(Retention) 등이 포함된다 [21-36]. 특히 장기적인 수익성을 입증하고 성공적으로 게임을 스케일업하려면 유저 한 명이 평생 창출하는 가치(LTV)가 유저 한 명을 데려오는 비용(CAC)의 **최소 3배 이상(LTV:CAC 비율 3:1)** 유지되어야 한다 [20, 36, 37].
+* **행동 경제학과 수익화 심리:**
+  성공적인 게임 경제는 단순한 수학적 계산을 넘어 **행동 경제학적 원리**와 결합된다 [38-40]. 플레이어의 구매는 유용성 향상뿐 아니라 즐거움, 평판 획득, 자아실현 등의 복합적 심리에서 기인한다 [38, 41, 42]. 설계자들은 손실 회피 성향(기간 한정 이벤트), 매몰 비용 오류, 사회적 비교와 같은 인지적 편향을 자극하여 유저의 참여와 소비를 유도한다 [39, 40]. 이 과정에서 과금을 해야만 이기는 구조(Pay-to-win)로 전락하여 유저와 평판을 잃는 함정을 피하도록 세심한 밸런싱이 요구된다 [43].
+* **시뮬레이션을 통한 선제적 예측:**
+  프리미엄(Freemium) 게임의 경제는 복잡성이 높아 단순한 스프레드시트 평균값이나 기존의 인간 플레이 테스트만으로는 그 창발성이나 무작위성(Randomness)을 검증하기 어렵다 [44-49]. 이에 따라 **몬테카를로 시뮬레이션(Monte Carlo Simulation)** 등을 활용해 수만 번의 유저 여정을 자동화하여 테스트하는 기법이 필수로 자리 잡고 있으며, 이를 통해 출시 전 발생할 경제적 불균형을 신속하게 파악하고 최적화할 수 있다 [50-55].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[수도꼭지와 배수구(Taps and Sinks)]], [[가상 경제 인플레이션(Virtual Economy Inflation)]], [[유닛 이코노믹스 및 KPI(Unit Economics & KPIs)]], [[행동 경제학(Behavioral Economics)]]
+- **Projects/Contexts:** [[Machinations.io의 몬테카를로 시뮬레이션 및 데이터 예측]], [[클래시 로얄(Clash Royale)의 비용/엘릭서 밸런싱]], [[하이브리드 캐주얼(Hybrid-casual)의 하이브리드 수익화 모델]]
+- **Contradictions/Notes:** 게임 내 인플레이션은 보통 재화 가치를 무의미하게 만들어 수익성에 심각한 타격을 주는 위험 요소로 간주되지만 [10, 19, 56], 이를 의도적으로 적절히 설계할 경우 게임에 늦게 진입한 유저(Latecomer)가 풍부해진 재화를 바탕으로 초반 단계를 빠르게 통과하도록 돕는 순기능(후발 주자 불이익 완화)을 제공할 수도 있다 [57-59]. 단, 이 경우 막대한 재화를 소모시킬 수 있는 고레벨의 지속적인 최종 콘텐츠 추가가 전제되어야만 한다 [60].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,25 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 게임 경제 설계
+
+## 📌 Brief Summary
+**게임 경제 설계(Game Economy Design)**는 플레이어가 게임 내에서 경험치(XP), 재화, 아이템 등의 자원을 획득하고 소비하는 게임 시스템을 구축하고 균형을 맞추는 작업이다 [1]. 이는 플레이어에게 게임 내 경제적 발전의 기회를 제공함과 동시에 게임 스튜디오의 수익 창출을 목적으로 한다 [1]. 궁극적으로 핵심 게임 루프와 결합하여 플레이어의 참여를 유도하고, 과도한 인플레이션을 방지하며, 데이터 기반의 지속 가능한 수익화 전략을 달성하는 것을 핵심으로 한다 [1-3].
+
+## 📖 Core Content
+*   **가상 경제의 기본 구조 (수도꼭지와 배수구):** 가상 경제는 자원의 생성과 소멸을 관리하는 메커니즘으로 작동한다. **'수도꼭지(Faucets/Taps)'**는 퀘스트나 사냥 등을 통해 자원이 유입되는 지점으로, 통제 없이 증가할 경우 가상 통화 가치 하락과 경제 붕괴를 초래한다 [3, 4]. **'배수구(Sinks)'**는 유통되는 재화를 소모하는 장치로, 플레이어 간 거래인 소프트 싱크(Soft Sinks)와 경매장 수수료나 장비 수리비처럼 시스템에서 영구히 자원을 소멸시키는 하드 싱크(Hard Sinks)로 나뉜다 [4, 5].
+*   **경제 시뮬레이션 및 데이터 기반 밸런싱:** 성공적인 게임 경제 설계는 단순한 엑셀 평균값의 수학적 균형을 넘어 게임의 무작위성(Randomness)과 창발성을 고려해야 한다 [6, 7]. 이를 위해 **마키네이션(Machinations)과 같은 도구를 이용한 몬테카를로 시뮬레이션(Monte Carlo Simulation)**을 활용하며, 출시 전 수만 번의 가상 플레이어 여정을 테스트하여 자원 공급의 과잉 또는 부족 시점인 '핀치 포인트(Pinch Point)'를 예측하고 최적화한다 [7-9].
+*   **수익화와 유닛 이코노믹스(Unit Economics):** 경제 설계는 **ARPU(사용자당 평균 매출), LTV(고객 평생 가치), CAC(고객 획득 비용)**와 같은 핵심 성과 지표(KPI)와 직결된다 [10, 11]. 특히 무료 게임(F2P) 모델의 경우, 마케팅 효율성 입증을 위해 **LTV:CAC 비율을 최소 3:1 이상으로 유지**하는 것이 권장된다 [10, 12]. 이를 달성하기 위해 무과금으로도 진행이 가능하되 플레이의 지루함을 덜어주는 선에서 과금을 유도하는 정교한 밸런싱이 필수적이다 [13].
+*   **행동 경제학과 플레이어 심리:** 경제 모델은 인간의 심리적 편향을 반영하여 내적 동기를 유발한다 [14, 15]. 평판, 즐거움, 유용성, 투자, 자아실현 등의 구매 동기가 존재하며 [14, 16, 17], **손실 회피(Loss Aversion), 매몰 비용 오류(Sunk Cost Fallacy), 사회적 비교(Social Comparison)**와 같은 행동 경제학적 원리를 적용하여 수익화를 강화한다 [15].
+*   **인플레이션 억제 전략:** 가상 경제에서는 플레이어가 자원을 지속적으로 '파밍'할 수 있으므로 현실보다 빠르게 하이퍼인플레이션이 발생할 수 있다 [18-20]. 이를 방지하기 위해 업그레이드 비용의 점진적 상승(Incremental Mechanics), 특정 프리미엄 통화 도입, 시장 재고량에 따른 동적 가격 책정(Dynamic Pricing), 거래 수수료 부과(Taxation), 정기적 시즌 리셋(Seasonal Resets) 등의 구조적 장치를 경제 설계에 반영해야 한다 [21-25].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[핵심 성과 지표(KPI)]], [[가상 경제 인플레이션(Game Economy Inflation)]], [[유닛 이코노믹스(Unit Economics)]], [[행동 경제학(Behavioral Economics)]]
+- **Projects/Contexts:** [[마키네이션(Machinations)]] 플랫폼을 통한 경제 모델링 및 몬테카를로 시뮬레이션 환경, [[클래시 로얄(Clash Royale)]]의 엘릭서 순환 구조와 대칭적 경제 밸런싱 사례, [[알비온 온라인(Albion Online)]]의 암시장 시스템 및 거시경제 서모스탯을 활용한 공급량 조절 컨텍스트
+- **Contradictions/Notes:** 일반적으로 가상 경제에서 무한한 재화 공급은 화폐 가치를 떨어뜨리고 수익성을 악화시키는 '인플레이션'을 유발하므로 억제해야 하지만 [9, 20, 26], 후발 주자의 진입 장벽(Latecomer disadvantage)을 해소하고 초반 게임 진행 속도를 가속하여 유저의 이탈을 막기 위한 목적에서는 의도적이고 통제된 인플레이션 도입이 긍정적으로 작용할 수도 있다고 설명합니다 [27-29].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,32 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 게임 내 광고(IAA)
+
+## 📌 Brief Summary
+게임 내 광고(IAA, In-App Advertising)는 특히 모바일, 캐주얼, 하이퍼 캐주얼 게임에서 핵심적인 수익 창출 수단으로 활용되는 비즈니스 모델입니다 [1, 2]. 배너, 전면 광고, 보상형 비디오 등의 형태로 제공되며, 최근에는 유저 이탈을 막기 위해 인앱 결제(IAP)와 결합한 하이브리드 수익화 전략으로 진화하고 있습니다 [2, 3]. 또한 오디오 광고나 게임 내 재화를 통한 일시적 광고 제거 기능 등 플레이어의 게임 경험을 해치지 않는 비침해적(nonintrusive)인 형태로 발전하며 게임 경제의 밸런스를 맞추는 중요한 역할을 수행합니다 [4, 5].
+
+## 📖 Core Content
+
+*   **IAA의 역할과 하이브리드 수익화 모델의 대두**
+    게임 내 광고(IAA)는 하이퍼 캐주얼 및 캐주얼 게임 수익의 중추적인 역할을 담당합니다 [1-3]. 순수 하이퍼 캐주얼 시장의 유지율 한계로 인해 최근에는 IAA와 인앱 결제(IAP)를 혼합한 '하이브리드 수익화 모델'이 새로운 표준이 되었습니다 [3, 6, 7]. 데이터에 따르면, 광고 전용 모델로 운영할 때보다 하이브리드 수익화 모델을 채택한 게임이 플레이어의 사용자당 평균 매출(ARPU)을 28% 더 높이는 것으로 나타났습니다 [8]. 현재 모바일 게임은 일반적으로 전체 수익의 약 20%를 광고를 통해 창출하고 있습니다 [9].
+
+*   **가장 효과적인 광고 포맷**
+    단기 세션 환경에서는 보상형 비디오(Rewarded Video), 플레이어블 광고, 전면 광고(Interstitials)가 높은 전환율과 CPM을 제공합니다 [8]. 이 중에서도 보상형 비디오 광고는 플레이어의 87%가 긍정적으로 반응하며 80~90%에 달하는 높은 시청 완료율을 보여주어 캐주얼 게임 내 광고의 왕으로 불립니다 [7, 8]. 
+
+*   **플레이어 친화적 IAA 모델 혁신**
+    지나친 광고 노출로 인한 플레이어 피로도 증가와 이탈을 방지하기 위해 유저 친화적인 수익화 모델 혁신이 일어나고 있습니다 [10]. 대표적으로 화면을 가리지 않고 수동적으로 듣게 하여 플레이를 방해하지 않는 '오디오 광고'가 도입되어, 팟캐스트나 라디오 같은 비침해적인 경험을 제공합니다 [4, 11]. 또한 실제 돈이 아닌 게임 내 획득 재화를 지불하여 24시간 또는 48시간 동안 일시적으로 광고를 비활성화할 수 있는 '임시 광고 제거' 혜택도 등장해 플레이어에게 높은 유연성을 제공하고 있습니다 [5, 11-13].
+
+*   **게임 경제 및 설계와의 통합 원칙**
+    성공적인 IAA 적용을 위해서는 수익화 이전에 게임의 핵심 플레이 루프 자체가 플레이어의 주의를 끌 수 있을 만큼 몰입감 있어야 합니다 [14, 15]. 광고 피로도를 피하기 위해 노출 빈도를 세밀하게 조정하고, 보상형 광고를 의미 있게 배치하여 플레이어가 광고 시청에 대한 통제권을 쥐고 있다고 느끼게 하는 것이 필수적입니다 [15]. 즉, 수익화보다 유저 참여(Engagement)를 우선시하는 것이 건전한 경제 밸런스를 유지하는 비결입니다 [15].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[인앱 결제(IAP)]], [[하이브리드 수익화(Hybrid Monetization)]], [[사용자당 평균 매출(ARPU)]]
+- **Projects/Contexts:** [[베레스네프(Beresnev)]], [[포켓랜드(Pocket Land)]]
+- **Contradictions/Notes:** 소스에 따르면 과거 하이퍼 캐주얼 게임은 순수하게 광고 기반(IAA) 모델에만 의존해 빠른 성장을 이루었으나, 점차 잔존율(Retention) 저하라는 치명적 한계를 마주했습니다. 이를 극복하기 위해 현재는 단일 광고 모델에서 벗어나 IAP 및 메타 레이어를 결합한 하이브리드 캐주얼 형태로의 전환이 성공적인 경제 설계의 핵심 트렌드로 제시되고 있습니다 [3, 7, 16].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,24 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 동적 가격 책정(Dynamic Pricing)
+
+## 📌 Brief Summary
+동적 가격 책정(Dynamic Pricing)은 시장의 재고량, 플레이어의 수요 및 공급 비율, 또는 플레이어가 선택한 아이템의 구성에 따라 게임 내 아이템의 가격이 자동으로 변동되는 시스템을 의미한다 [1-3]. 이는 무제한적인 아이템 판매로 인한 가상 경제의 인플레이션을 억제하고 자원의 희소성 문제를 해결하기 위해 사용된다 [3, 4]. 플레이어의 거래 활동에 기반하여 유동적으로 가격이 조정되므로, 성공적인 게임 경제의 균형을 유지하고 과잉 생산을 방지하는 핵심 장치로 기능한다 [3, 5].
+
+## 📖 Core Content
+* **인플레이션 억제 및 수요-공급 조절**: 동적 가격 책정은 플레이어들의 무제한적인 아이템 판매로 인한 게임 경제 붕괴를 방지하는 데 사용된다 [5]. 시장에서 특정 아이템이 구매되는 양보다 판매되는 양이 훨씬 많다면, 무역 적자(Trade deficit) 비율에 따라 가격이 하락하여 매입가가 0.01달러 수준까지 떨어질 수 있다 [3, 5]. 반대로 구매가 판매보다 많으면 가격은 상승한다 [5]. 이는 대규모 자동화 농장을 구축하여 막대한 부를 축적하려는 플레이어들의 수익을 제한하고, 과잉 생산을 효과적으로 통제한다 [3, 5].
+* **시장 유동성과 상점 밸런싱**: NPC 상점이나 서버 관리자 상점(Admin Shop)에 동적 가격 시스템을 적용하여, 플레이어가 시장에 아이템을 많이 팔수록 재고가 증가하고 판매당 가치가 하락하도록 설정할 수 있다 [6]. 또한, 거래가 빈번한 아이템일수록 매입가와 매출가의 격차를 더 크게 두는 방식으로 가격을 동적으로 조정하여 경제의 흐름과 인플레이션 속도를 조절할 수 있다 [7].
+* **자원 희소성 문제 해결**: 게임 내 기본적인 필수 아이템이 너무 희귀해져 플레이어들이 좌절감을 느끼고 이탈하는 현상을 막기 위해 적용될 수 있다 [4]. 통제된 드롭률(Drop rates)과 함께 동적 가격 책정을 도입하면, 아이템의 희소성과 플레이어의 접근성 간의 균형을 안정적으로 맞출 수 있다 [4].
+* **인앱 구매(IAP)에서의 유연한 가격 책정**: 게임 내 재화 거래뿐만 아니라, 캐주얼 게임의 맞춤형 결제 번들(Customizable IAP bundles)에서도 동적 가격 책정이 활용된다 [1, 2]. 플레이어가 필요한 아이템을 직접 고를 수 있는 맞춤형 번들에서, 선택한 항목의 수량과 내용에 맞추어 가격이 동적으로 조정되도록 설계함으로써 플레이어에게 주도권을 제공하고 구매 전환율을 높일 수 있다 (예: Triple Match 3D) [1, 2].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[인플레이션(Inflation)]], [[수요와 공급(Supply and Demand)]], [[하드 싱크(Hard Sinks)]], [[맞춤형 IAP 번들(Customizable IAP bundles)]]
+- **Projects/Contexts:** [[관리자 상점(Admin Shop)]], [[Triple Match 3D]]
+- **Contradictions/Notes:** 동적 가격 책정이 인플레이션 억제에 도움을 주지만, 플레이어가 상점에 아이템을 파는 행위 자체는 시장에 새로운 돈을 찍어내는(Print new money) 것과 같으므로 이를 상쇄할 수 있는 동일한 양의 재화 소멸 장치(Sink)가 반드시 병행되어야만 경제가 안정적으로 유지될 수 있다 [8, 9].
+
+---
+*Last updated: 2026-04-28*
@@ -0,0 +1,26 @@
+---
+category: Economics & Algorithms
+status: Final
+converted_at: 2026-04-28
+---
+
+# 모바일 게임 수익화 모델
+
+## 📌 Brief Summary
+모바일 게임 수익화 모델은 플레이어의 참여와 몰입을 매출로 전환하기 위해 설계된 게임 내 경제 메커니즘입니다[1]. 인앱 결제(IAP)와 인앱 광고(IAA)가 대표적인 축을 이루며, 최근에는 순수 하이퍼캐주얼 모델의 한계를 극복하기 위해 두 방식을 혼합한 '하이브리드 수익화'가 새로운 표준으로 자리 잡았습니다[2-5]. 이 모델은 장기적인 유저 유지(Retention)와 고객 평생 가치(LTV)를 극대화하는 동시에, 건강한 게임 경제 밸런스를 무너뜨리지 않도록 고도화되고 있습니다[6-8].
+
+## 📖 Core Content
+*   **하이브리드 수익화의 부상:** 단순함만을 내세우던 순수 하이퍼캐주얼 장르는 점차 사라지고 있으며, IAP(인앱 결제)와 IAA(인앱 광고)를 혼합한 하이브리드 캐주얼 모델이 캐주얼 게임 시장의 주류로 자리 잡고 있습니다[2, 4, 5, 9]. 이는 플레이어의 참여 기간을 늘려 예측 가능한 엔진으로 수익화 밸런스를 맞추는 데 기여하며, 광고 모델만 있는 설정에 비해 사용자당 평균 수익(ARPU)을 28%가량 높이는 효과가 있습니다[10, 11].
+*   **혁신적이고 플레이어 친화적인 인앱 광고(IAA):** 기존의 비디오 광고 외에도, 게임 플레이 중 시각적 방해 없이 청취할 수 있는 '오디오 광고(Audio ads)'가 도입되어 플레이어 친화적인 환경을 조성하고 있습니다[12-15]. 또한 게임 내 획득한 재화를 사용하여 24~48시간 동안 일시적으로 광고를 제거할 수 있는 유연한 옵션도 제공되고 있습니다[13, 15, 16]. 한편, 캐주얼 게임의 보상형 비디오 광고는 플레이어의 87%가 긍정적으로 반응하며 80~90%의 높은 완료율을 보여 핵심 수익원이 되고 있습니다[5, 10].
+*   **고도화된 맞춤형 인앱 결제(IAP) 전략:** 플레이어가 자신의 필요나 선호에 맞게 구성품을 직접 선택할 수 있는 '맞춤형 IAP 번들(Customizable IAP bundles)'이 크게 유행하고 있습니다[13, 15, 17, 18]. 또한, 여러 가격대의 번들을 묶어 할인을 제공하는 선택형 번들(Pick-one bundles)에 수량 한정(희소성/FOMO 자극)이나 현실 세계의 스포츠 이벤트(예: 슈퍼볼) 내기 요소를 결합하여 전환율을 높이는 혁신적 전략이 채택되고 있습니다[15, 19-21].
+*   **가챠(Gacha) 및 수집형 시스템:** 플레이어가 유료 재화(때로는 무료 제공 재화 포함)를 소모하여 무작위로 캐릭터나 무기를 얻게 하는 시스템입니다[22-24]. '원신(Genshin Impact)'과 같이 정기적인 신규 캐릭터 출시 이벤트를 통해 폭발적인 매출 스파이크를 일으킵니다[25, 26]. 구매할 때마다 보상 풀이 줄어들어 점진적으로 고가치 보상 획득 확률이 높아지는 '패키지 가챠(Package Gacha)' 방식도 운용되고 있습니다[26].
+*   **페이투윈(P2W) 지양 및 경제 밸런스 유지:** 플레이어에게 부당한 이점을 주는 P2W 메커니즘은 장기적으로 게임 평판을 훼손하고 유저를 이탈하게 만듭니다[27, 28]. 이를 피하기 위해 스킨, 이모트 등 게임 밸런스에 영향을 주지 않는 장식용(Cosmetic) 아이템 판매, 혹은 게임 참여도에 따라 보상을 주는 배틀패스와 구독 모델이 안정적인 수익화 방안으로 권장됩니다[10, 27, 29].
+*   **Web3 기반 차세대 다중 게임 경제(Multi-Game Economy):** 블록체인 환경에서는 한 게임의 수익화와 경제가 단일 게임에 국한되지 않습니다. 게임 내 자산(NFT, 토큰)이 온체인에서 거래 가능해짐에 따라, 게임 간 자산이 연동되어 '유니버스 LTV(Universe LTV)'를 창출하는 구조가 시도되고 있습니다[30-32]. 아울러 단순한 수익 창출 목적(Play-to-Earn)에서 벗어나 재미를 우선시하는 'Play-and-Earn'으로 모델이 발전 중입니다[32, 33].
+
+## 🔗 Knowledge Connections
+- **Related Topics:** [[게임 경제 설계(Game Economy Design)]], [[유닛 이코노믹스(Unit Economics)]], [[하이브리드 캐주얼(Hybrid-casual)]], [[수도꼭지와 배수구(Faucets and Sinks)]], [[고객 평생 가치(LTV)]]
+- **Projects/Contexts:** [[Genshin Impact]], [[Monopoly GO!]], [[Clash Royale]], [[Chef Universe]]
+- **Contradictions/Notes:** 소스 567은 무료 게임(F2P) 모델의 수익 대부분이 Pay-to-Win 요소를 집중적으로 구매하는 소수의 고액 결제자(Whales)로부터 발생한다고 주장하지만, 소스 309 및 764는 Pay-to-Win 메커니즘이 무과금 및 일반 플레이어의 진행을 방해하고 평판을 떨어뜨려 장기적 경제를 무너뜨리므로 밸런스에 영향이 없는 장식용 아이템 구매나 배틀패스로 선회해야 한다고 강조하여 수익화 전략 간에 상반된 접근 방식을 보입니다.
+
+---
+*Last updated: 2026-04-28*
--- a/Show More
+++ b/Show More