docs: integrate 136 fragmented documents into 8 high-density knowledge clusters (P-Reinforce v3.0)

2026-05-05 21:56:43 +09:00
parent d5da9aeb08
commit e2b433cf2d
13 changed files with 443 additions and 92 deletions
@@ -0,0 +1,39 @@
+# [[AI Reasoning & Retrieval Architectures (AI 추론 및 검색 아키텍처)]]
+
+## 📌 Brief Summary
+AI 추론 및 검색 아키텍처는 거대 언어 모델(LLM)의 단순한 텍스트 생성을 넘어, 논리적 추론 능력을 극대화하고 외부 지식을 실시간으로 결합하여 정확도를 높이는 일련의 프레임워크와 기법을 의미한다. **[[Chain-of-Thought (CoT)]]**를 통한 사고의 단계화, **[[RAG (Retrieval-Augmented Generation)]]**를 통한 지식 증강, 그리고 **[[ReAct]]**, **[[Reflection]]**, **[[Self-verification]]**으로 이어지는 자율적 실행 루프가 그 핵심이다.
+
+## 📖 Core Content
+
+### 1. 추론 증폭 기법 (Reasoning Amplification)
+*   **[[Chain-of-Thought (CoT) (사고 사슬)]]**: 문제를 단계별로 풀어나가는 중간 추론 과정을 명시적으로 생성하게 하여 복잡한 논리 문제의 정답률을 높이는 기법. 최근에는 모델 내부에서 잠재적으로 수행되는 'Internal CoT'로 진화하고 있다.
+*   **[[ReAct (Reasoning and Acting)]]**: 추론(Reasoning)과 행동(Acting)을 결합하여, 모델이 스스로 계획을 세우고 외부 도구를 호출하며 그 결과를 다시 추론에 반영하는 방식.
+*   **[[Reflection (자기 성찰)]]**: 생성된 결과물을 모델이 다시 검토하여 오류를 찾아내고 수정하는 과정. "자신이 짠 코드가 원래 요청과 일치하는가?"를 묻는 비판적 사고를 강제한다.
+
+### 2. 지식 증강 및 오케스트레이션 (Knowledge & Orchestration)
+*   **[[RAG (Retrieval-Augmented Generation) (검색 증강 생성)]]**: 실시간으로 관련 문서를 검색하여 컨텍스트에 주입함으로써 할루시네이션을 방지하고 최신성을 확보하는 기술.
+*   **[[LangGraph]] 및 그래프 기반 오케스트레이션**: 에이전트의 행동을 노드(Node)와 에지(Edge)로 정의하고, 상태(State)와 조건부 라우팅을 명시적으로 제어하는 프레임워크. 장기 실행(Long-horizon) 작업과 복잡한 워크플로우 제어에 최적화되어 있다.
+*   **[[Self-verification (자가 검증)]]**: 에이전트가 작업을 마친 후 테스트 스위트 실행이나 Puppeteer 기반의 브라우저 테스팅을 통해 결과의 논리적 무결성을 스스로 입증하는 과정.
+
+### 3. 하네스 수준의 제어 메커니즘
+*   **PIV 루프 (Plan-Implement-Validate)**: 에이전트 실행의 표준 파이프라인.
+*   **미들웨어 개입 (Hooks)**: 에이전트가 종료되기 전 이를 가로채어 검증 패스를 강제하거나(PreCompletionChecklistMiddleware), 무한 루프를 탐지하여 전략 수정을 유도하는 제어 계층.
+
+## ⚖️ Trade-offs & Caveats
+*   **컴퓨팅 리소스와 성능의 균형**: CoT나 Reflection 단계가 추가될수록 정답률은 높아지지만 토큰 소비량과 응답 지연 시간(Latency)이 급격히 증가한다.
+*   **파멸의 루프 (Doom Loops)**: 에이전트가 잘못된 계획에 집착하여 동일한 오류를 반복하는 현상. 이를 방지하기 위한 루프 감지 및 컨텍스트 재주입 로직이 필수적이다.
+*   **데이터 품질 종속성**: 오케스트레이션이 완벽하더라도 주입되는 소스 데이터가 오염(Data Drift)되어 있으면 에이전트는 정교하게 틀린 답을 도출하게 된다.
+
+## 🔗 Knowledge Connections
+
+### Related Concepts
+*   **[[Agent Harness (에이전트 하네스)]]**: 이러한 추론 아키텍처가 실제로 구동되는 실행 런타임이자 거버넌스 계층.
+*   **[[Context Engineering (컨텍스트 엔지니어링)]]**: 제한된 토큰 내에서 최적의 추론을 이끌어내기 위한 데이터 압축 및 주입 기술.
+*   **[[Model Context Protocol (MCP)]]**: 에이전트가 외부 도구와 통신하기 위한 표준 인터페이스.
+
+### Deeper Research Questions
+*   모델 내부에서만 수행되는 '잠재적 CoT'와 명시적인 '텍스트 기반 CoT' 중 어떤 것이 장기적인 정렬(Alignment)과 관측 가능성 면에서 유리한가?
+*   무한 루프를 감지했을 때 모델의 추론 온도를 조절하거나 완전히 다른 경로로 라우팅하는 자율적 복구 메커니즘의 최적 설계는?
+
+---
+*Last updated: 2026-05-05*
@@ -0,0 +1,38 @@
+# [[Agent Context & Memory Management (에이전트 컨텍스트 및 메모리 관리)]]
+
+## 📌 Brief Summary
+에이전트 컨텍스트 및 메모리 관리는 상태 비저장(Stateless) 구조인 LLM이 장기적인 작업 목표를 잃지 않고, 수천 단계의 복잡한 추론 과정을 지속할 수 있게 돕는 핵심 기술이다. 이는 유한한 **[[Context Window (컨텍스트 윈도우)]]** 내에서 최적의 정보를 유지하는 **[[Context Engineering]]**과, 세션 종료 후에도 상태를 보존하는 **[[State Persistence]]** 전략으로 구성된다.
+
+## 📖 Core Content
+
+### 1. 컨텍스트 라이프사이클 관리
+*   **[[Context Engineering (컨텍스트 엔지니어링)]]**: 제한된 토큰 예산 내에서 에이전트에게 가장 필요한 데이터(파일 스냅샷, 도구 로그, 지침)를 동적으로 선택하고 주입하는 기술.
+*   **[[Context Compaction (컨텍스트 압축)]]**: 누적된 대화 이력과 도구 출력값을 요약하거나 핵심 정보만 추출하여 토큰 소모를 줄이고 모델의 인지 부하를 완화하는 과정.
+*   **[[Context Rot (컨텍스트 퇴화)]]**: 윈도우가 가득 차면서 중요한 초기 지시사항이나 제약 조건을 망각하는 현상. 이를 방지하기 위해 시스템 프롬프트의 고정(Pinning)과 주기적 재주입이 필요하다.
+
+### 2. 메모리 아키텍처 (Short-term & Long-term)
+*   **단기 기억 (Working Memory)**: 현재 세션의 컨텍스트 윈도우 내에 존재하는 정보. 즉각적인 추론과 행동의 근거가 된다.
+*   **장기 기억 (Persistent Memory)**: 파일 시스템(`MEMORY.md`, `LOG.md`)이나 벡터 데이터베이스에 저장된 영구 기록. 세션이 재시작되어도 에이전트가 이전 진행 상황을 복구할 수 있게 한다.
+*   **[[State Persistence (상태 지속성)]]**: 에이전트의 현재 작업 단계, 변수, 계획을 구조화된 데이터(JSON/Markdown)로 저장하여 장애 발생 시에도 체크포인트에서 재개할 수 있는 능력.
+
+### 3. 초기화-실행자 분리 (Initializer-Executor Split)
+*   복잡한 프로젝트 수행 시, 초기화 에이전트가 환경과 계획을 수립하고 실행자 에이전트가 이를 넘겨받아 수행하는 아키텍처. 에이전트 간의 '지식 핸드오버(Knowledge Handoff)'를 통해 대규모 작업을 완수한다.
+
+## ⚖️ Trade-offs & Caveats
+*   **압축 vs 출처 유실**: 컨텍스트를 요약하면 효율성은 높아지지만, 정보의 원래 출처(Data Lineage)와 세부 맥락이 유실될 위험이 있다.
+*   **좀비 메모리 (Zombie Memory)**: 낡고 잘못된 정보가 메모리에 남아 에이전트의 판단을 흐리게 하는 현상. 정기적인 메모리 무효화(Invalidation) 정책이 필수적이다.
+*   **비용과 지연 시간**: 메모리 시스템이 복잡해질수록(벡터 검색, 자동 요약 등) API 비용과 추론 지연 시간이 증가한다.
+
+## 🔗 Knowledge Connections
+
+### Related Concepts
+*   **[[Agent Harness (에이전트 하네스)]]**: 메모리와 컨텍스트를 물리적으로 관리하고 모델에 주입하는 런타임 제어 계층.
+*   **[[RAG (Retrieval-Augmented Generation)]]**: 방대한 장기 기억 중 필요한 부분만 검색하여 단기 기억으로 불러오는 기술.
+*   **[[Filesystem]]**: 에이전트가 상태를 영구 기록하고 세션 간 공유 원장으로 사용하는 가장 근본적인 저장소.
+
+### Deeper Research Questions
+*   상태 지속성을 위해 요약(Compaction)을 수행할 때, 데이터의 무결성과 계보(Lineage)를 완벽하게 유지하는 알고리즘은 무엇인가?
+*   다중 에이전트 환경에서 공유 상태(Shared State)의 충돌(Race Condition)을 방지하기 위한 하네스 수준의 락(Lock) 메커니즘 설계 방안은?
+
+---
+*Last updated: 2026-05-05*