wiki: Topic_Blog 신규 문서 일괄 추가 + ASTRA 성장 자산 동기화

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
2026-06-16 09:55:38 +09:00
parent d77ff5c625
commit e2c5471046
444 changed files with 88916 additions and 231 deletions
@@ -0,0 +1,46 @@
+---
+id: aitrain-rag-retrieval
+title: "AITRAIN RAG 검색"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training RAG", "검색 학습 추출", "RAG 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.9
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "rag", "retrieval", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/retrieval/index.ts", "ConnectAI/src/retrieval/scoring.ts", "ConnectAI/src/retrieval/chunker.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN RAG 검색]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+RAG 의 전이 원리는 "여러 소스를 같은 스케일로 융합하고, 결정론을 기본으로 의미검색을 가산하며, 토큰 예산 안에서 선별한다" 이다 — 구현은 [[RAG 검색 파이프라인]]·[[TF-IDF 이중언어 스코어링]], 결정 근거는 [[ADR-0007 하이브리드 검색 결정론 우선]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept:** 답하기 전에 근거를 찾아 컨텍스트에 주입. 검색 = 후보 생성 → 점수 → 융합 → 예산 선택.
+- **Implementation:** tokenize(이중언어)→expandQuery(동의어)→TF-IDF→임베딩 blend→소스 정규화+가중→actionability/hierarchical rerank→토큰 예산. 섹션 청킹으로 정밀도↑. mtime 인덱스로 재계산 회피.
+- **Design Reasoning:** 임베딩 가용성에 의존하지 않으려 결정론(TF-IDF)을 기본; 설명가능성·무중단을 우선. 긴 문서는 청크해야 매치 정밀.
+- **Tradeoffs:** 가용성·설명가능 ↔ 스케일 정규화 복잡·동의어 수작업.
+- **Failure Modes:** 부분 정규화 편향(L-02), 동의어 누락 recall↓, 운영 로그 오염, stale 인덱스.
+- **Debugging Strategy:** fusionLog 단계 카운트, rankBrainForEval recall@k, 점수 분포, 토큰 예산.
+- **Improvement Ideas:** reranker 모델, BM25, 형태소 분석, 동의어 자동 학습, 청크별 임베딩.
+- **Reusable Principles:** ① 신호를 합칠 땐 *동일 스케일* 정규화. ② 외부 의존(임베딩) 없이도 동작하는 *바닥선* 을 둬라. ③ 긴 문서는 *의미 단위(섹션)* 로 잘라라. ④ 평가와 프로덕션은 *같은 코드 경로* 로(측정 무결성). ⑤ 변하지 않은 입력은 *재계산하지 말라*(mtime 캐시).
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[RAG 검색 파이프라인]], [[RAG Pattern]], [[Caching Pattern]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 다른 프로젝트에서 검색/RAG 를 설계할 때 원리로 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/retrieval/index.ts, scoring.ts, chunker.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.
@@ -0,0 +1,46 @@
+---
+id: aitrain-verification-layer
+title: "AITRAIN 검증 레이어"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training verification", "검증 학습 추출", "환각 방지 원리", "critic 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.9
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "verification", "hallucination", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/intelligence/confidenceEngine.ts", "ConnectAI/src/intelligence/criticAgent.ts", "ConnectAI/src/intelligence/epistemicGuardBlock.ts", "ConnectAI/src/intelligence/correctionLoop.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN 검증 레이어]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+LLM 검증의 전이 원리는 "저렴한 결정론 검사는 항상, 비싼 LLM 검수는 조건부; 모름 인정을 보상; 사용자 정정을 학습으로 환원" 이다 — 구현은 [[Intelligence 검증 레이어]], 결정 근거는 [[ADR-0009 결정론 항상 LLM검증 조건부]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept:** 답변의 신뢰도를 측정/억제/검수/학습하는 다단 안전망.
+- **Implementation:** Epistemic Guard(사전 프롬프트 억제)+Confidence Engine(결정론 0~100)+Critic(조건부 1-pass LLM)+Correction Loop(정정→레슨→약점프로필→프롬프트).
+- **Design Reasoning:** 작은 모델은 환각이 잦고 매 턴 LLM 검수는 비싸다 → 결정론으로 거르고 위험 시만 LLM. "모름>그럴듯한 오답".
+- **Tradeoffs:** 낮은 latency ↔ 임계 오설정 위험·휴리스틱 가중치.
+- **Failure Modes:** 임계 미탐/오탐, JSON 파싱 실패, 정정 오탐 노이즈, 모델 교체 후 신호 분포 변화.
+- **Debugging Strategy:** 확신도 factor 분해, 검색 청크 수, Critic 발동 여부, raw 응답.
+- **Improvement Ideas:** 골든셋 가중치 학습, 다회전 debate, 전용 검증 모델, 정정 감지 정교화.
+- **Reusable Principles:** ① 검증은 *계층화* 하라(사전/측정/사후/학습). ② 비용은 위험에 비례 배분(조건부). ③ 불확실성을 *드러내는* 답을 보상. ④ 사용자 피드백 1회를 *시스템 변화* 로 자동 환원. ⑤ LLM 출력은 *파서로 방어*(형식만 믿지 마라).
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[Critic Pattern]], [[Reflection Pattern]], [[프롬프트 엔지니어링 패턴]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 자기검증/피드백 학습을 다른 프로젝트에 적용할 때 원리로 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/intelligence/confidenceEngine.ts, criticAgent.ts, epistemicGuardBlock.ts, correctionLoop.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.
@@ -0,0 +1,46 @@
+---
+id: aitrain-concurrency-control
+title: "AITRAIN 동시성 제어"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training concurrency", "동시성 학습 추출", "락 큐 트랜잭션 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.9
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "concurrency", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/core/lock.ts", "ConnectAI/src/core/queue.ts", "ConnectAI/src/core/transaction.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN 동시성 제어]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+동시성의 전이 원리는 "단일 스레드라도 await 사이에 race 가 생긴다; 자원은 락으로 직렬화, 폭주는 큐로 제한, 다중 변경은 보상 트랜잭션으로 원자화" 이다 — 구현은 [[동시성 제어 Lock Queue Transaction]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept:** 공유 자원 동시 접근/자원 폭주/부분 실패를 제어하는 세 도구(락·큐·트랜잭션).
+- **Implementation:** 토큰 기반 AsyncLock(race 타임아웃, try/finally release), 동시성 제한 큐(max(2,cpus-1)), 보상 트랜잭션(begin/record/commit/rollback).
+- **Design Reasoning:** JS 비동기에도 갱신 손실이 발생; 무한 병렬은 자원 고갈; FS 엔 트랜잭션이 없어 백업/복원으로 원자성 흉내.
+- **Tradeoffs:** 안전 ↔ 지연(직렬화)·복잡도. 메모리 트랜잭션은 프로세스 사망 시 롤백 불가.
+- **Failure Modes:** 데드락, 락 누수(release 누락), 동일성 비교 실수, 메모리 백업 유실.
+- **Debugging Strategy:** active lock 수 추세, 타임아웃 위치, 경합 resourceId 로그.
+- **Improvement Ideas:** 동적 동시성, WAL/DB 내구 트랜잭션, 분산 락(멀티프로세스).
+- **Reusable Principles:** ① `await` 가 있으면 race 를 의심하라. ② 락은 *반드시 try/finally*. ③ 식별은 객체 동일성 아닌 *명시 토큰*. ④ 대량 작업엔 *동시성 상한*. ⑤ 다중 쓰기는 *전부 또는 무*(보상 트랜잭션). ⑥ 동시성 수준은 *하드웨어* 가 정한다.
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[Background Worker Pattern]], [[Background Task Pattern]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 공유 자원/대량 작업/다중 변경 코드를 다른 프로젝트에서 작성할 때 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/core/lock.ts, queue.ts, transaction.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.
@@ -0,0 +1,46 @@
+---
+id: aitrain-memory-system
+title: "AITRAIN 메모리 시스템"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training memory", "메모리 학습 추출", "에이전트 메모리 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.9
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "memory", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/memory/index.ts", "ConnectAI/src/memory/types.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN 메모리 시스템]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+에이전트 메모리는 "수명·용도가 다른 기억을 분리하고, 관련도로 선별해, 만료/승급으로 자정한다" 는 전이 가능한 원리로 추출된다 — 구현 세부는 [[5계층 메모리 시스템]], 결정 근거는 [[ADR-0002 5계층 메모리 분리]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept (개념):** 단일 버퍼가 아닌 다계층 인지 메모리. 각 계층 = (수명 × 용도 × 검색정책).
+- **Implementation (구현):** MemoryManager 가 5계층(단기 FIFO / 장기 entry / 프로젝트 ADR·버그 / 절차 trigger→steps / 일화 요약)을 보유, `buildContext` 가 관련도순으로 합치고 `onSessionEnd` 가 추출·증류.
+- **Design Reasoning (설계 이유):** 작은 모델은 컨텍스트 한도가 좁다 → "무엇을 넣을지" 의 선별이 품질을 좌우. 계층마다 만료/우선순위가 달라 분리가 자연스럽다.
+- **Tradeoffs:** 정밀 선별 ↔ 분류 결정 비용·복잡도. ([[엔지니어링 트레이드오프 분석]])
+- **Failure Modes:** 만료 미설정으로 옛 사실 재현, 관련도 휴리스틱 오선별, 계층 경계 모호.
+- **Debugging Strategy:** 계층별 buildContext 출력 확인, expiresAt 점검, distillation 로그 ([[디버깅 플레이북]]).
+- **Improvement Ideas:** 관련도 학습화, 계층별 임베딩, 분류 규칙 명문화/자동화.
+- **Reusable Principles:** ① 컨텍스트는 *선별* 의 문제다. ② 시한부 지식엔 만료를. ③ 오래된 기억은 *버리지 말고 압축(증류)*. ④ 기억의 수명이 다르면 저장소도 달라야 한다.
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[5계층 메모리 시스템]], [[Memory Pattern]], [[ADR-0002 5계층 메모리 분리]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 *다른 프로젝트* 에서 에이전트 메모리를 설계할 때 원리로 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/memory/index.ts, types.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.
@@ -0,0 +1,46 @@
+---
+id: aitrain-agent-orchestration
+title: "AITRAIN 에이전트 오케스트레이션"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training agent", "에이전트 학습 추출", "오케스트레이션 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.88
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "agent", "orchestration", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/agent.ts", "ConnectAI/src/agents/AgentWorkflowManager.ts", "ConnectAI/src/features/company/dispatcher.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN 에이전트 오케스트레이션]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+에이전트 오케스트레이션의 전이 원리는 "에이전트 수를 늘리기 전에 정보 손실과 자원을 점검하고, 흐름 골격은 한 곳에 남긴다" 이다 — 구현은 [[Agent 오케스트레이터 분해]], 결정 근거는 [[ADR-0003 단일작성자 다중역할 멀티에이전트]]·[[ADR-0010 오케스트레이터 골격 모듈추출]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept:** 복잡한 작업을 단계/역할로 나눠 LLM 을 여러 번 호출하되, 흐름을 한 곳에서 조율.
+- **Implementation:** orchestrator(agent.ts)가 흐름 골격, 세부는 추출 모듈. 일반 작성은 단일 ChunkedWriter(outline→section→polish). 다중 전문가는 순차 디스패치(peer-context 전달).
+- **Design Reasoning:** 병렬 persona 는 hop 컨텍스트 누적·본문 손실·자원 폭주를 부른다(실측). 자원 제약(단일 GPU)이 순차를 강제. 흐름 가독성을 위해 골격은 분해하지 않음.
+- **Tradeoffs:** 자원 안전·본문 보존 ↔ 속도(순차)·단일 모델 의존.
+- **Failure Modes:** 에이전트 남발로 "방법론만 생성", OOM(병렬 다중 상주), orchestrator 재비대.
+- **Debugging Strategy:** 단계 인디케이터 추적, peer-context 길이, 모델 lifecycle, 한 단계씩 격리.
+- **Improvement Ideas:** 자원 감지 후 조건부 병렬, judge panel, 모드별 서브-오케스트레이터.
+- **Reusable Principles:** ① 에이전트 추가 전 "원본이 hop 에서 손실되는가" 점검. ② 동시성은 *배포 환경* 이 결정. ③ 흐름은 한 곳에서 읽히게, 구현만 추출. ④ 진행을 사용자에게 *가시화* 해 순차 지연 체감을 완화. ⑤ 단계별로 같은 모델이 역할만 바꾸는 것이 종종 N-에이전트보다 낫다.
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[Agent Orchestration Pattern]], [[Reflection Pattern]], [[Critic Pattern]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 멀티에이전트/파이프라인을 설계할 때 과설계 회피 원리로 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/agent.ts, agents/AgentWorkflowManager.ts, features/company/dispatcher.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.
@@ -0,0 +1,46 @@
+---
+id: aitrain-event-sourcing-storage
+title: "AITRAIN 이벤트소싱 저장"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training storage", "이벤트소싱 학습 추출", "저장 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.89
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "event-sourcing", "storage", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/features/_shared/eventSourcedStore.ts", "ConnectAI/src/core/services.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN 이벤트소싱 저장]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+저장 설계의 전이 원리는 "이력이 가치면 append-only, 단순함·투명성을 위해 파일 우선, 반복 I/O 는 제네릭으로, 손상은 부분 격리" 이다 — 구현은 [[이벤트 소싱 스토어 패턴]], 결정 근거는 [[ADR-0001 이벤트 소싱 채택]]·[[ADR-0005 파일 기반 저장 채택]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept:** 상태를 덮어쓰지 않고 이벤트를 추가; 현재 상태는 재생으로 도출. 저장 매체는 사람이 읽는 파일.
+- **Implementation:** `createEventStore<E>({relPath, validate})` 제네릭 팩토리(JSONL append + 내결함 read + 판별 유니온 결과). 지식은 frontmatter Markdown.
+- **Design Reasoning:** 단일 사용자 로컬 → DB 운영 비용 회피, 투명성(직접 열람/편집), 무의존. 4벌 중복을 제네릭으로 흡수.
+- **Tradeoffs:** 이력·투명·무의존 ↔ 쿼리 성능·파일 증가·동시쓰기 잠금 직접.
+- **Failure Modes:** 파일 단조 증가(compaction 없음), 멀티프로세스 동시 append, 손상 줄.
+- **Debugging Strategy:** JSONL 줄 단위 파싱 검사, 워크스페이스 경로 해석, 검증 함수 통과율.
+- **Improvement Ideas:** 스냅샷+증분 compaction, SQLite 메타+파일 본문 하이브리드, 스키마 버전 업캐스팅.
+- **Reusable Principles:** ① 이력이 가치면 *추가만* 하라. ② 손상 1줄이 전체를 죽이지 않게 *부분 격리*. ③ 반복 I/O 패턴은 *제네릭 1벌* 로. ④ 가능하면 *사람이 읽는* 포맷(신뢰·디버깅). ⑤ 흔한 실패는 예외 대신 *결과 유니온* 으로 호출부에 강제.
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[Event Bus Pattern]], [[Local Storage Pattern]], [[Repository Pattern]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 영속화/스토어를 설계할 때 원리로 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/features/_shared/eventSourcedStore.ts, core/services.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.
@@ -0,0 +1,46 @@
+---
+id: aitrain-provider-abstraction
+title: "AITRAIN 프로바이더 추상화"
+category: "AI_Training"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["AI training provider", "어댑터 학습 추출", "외부 API 통합 원리"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.89
+created_at: 2026-06-13
+updated_at: 2026-06-13
+review_reason: ""
+merge_history: []
+tags: ["ai-training", "provider", "adapter", "transferable", "connectai"]
+raw_sources: ["ConnectAI/src/features/providers/index.ts", "ConnectAI/src/features/providers/anthropic.ts", "ConnectAI/src/features/providers/types.ts"]
+applied_in: ["ConnectAI"]
+github_commit: ""
+---
+
+# [[AITRAIN 프로바이더 추상화]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+외부 API 통합의 전이 원리는 "차이는 가장자리(어댑터)에서 흡수하고 중심은 단일 포맷으로 정규화하며, 라우팅은 명시적 키로" 이다 — 구현은 [[LLM 프로바이더 추상화]], 결정 근거는 [[ADR-0008 로컬우선 LLM 클라우드 폴백]].
+
+## 📖 세부 내용 (Details · 8-field 추출)
+- **Concept:** 다수의 이질적 외부 서비스를 호출부 입장에선 하나처럼 보이게 하는 어댑터 계층.
+- **Implementation:** model id prefix 라우팅(parseModelPrefix), 공급자별 streamX 어댑터, 응답을 공통 OpenAI-SSE 로 변환, 에러는 passthrough, 활성 공급자만 병렬 조회.
+- **Design Reasoning:** 같은 모델명이 여러 경로에 존재 → 출처 명시 필요; 호출부를 공급자 무관하게 유지하려 정규화; 프라이버시·비용 위해 로컬 우선.
+- **Tradeoffs:** 호출부 단순·교체 용이 ↔ 어댑터별 구현·정규화 비용·키 관리.
+- **Failure Modes:** 인증 실패, 응답 형식 차이, 모델 목록 노후화, role 교대/system 위치 같은 공급자 제약.
+- **Debugging Strategy:** 에러 Response.text(), 어댑터별 입력 정규화 점검, prefix 매칭 확인.
+- **Improvement Ideas:** prompt caching/tool use, 자동 모델 목록, 난이도 기반 라우팅.
+- **Reusable Principles:** ① *차이는 가장자리에서* 흡수, 중심은 단일 모델. ② 라우팅은 *명시 키(prefix)* 로 모호성 제거. ③ 입력/출력을 *정규화* 해 상위 코드를 공급자 무관하게. ④ 외부 실패는 삼키지 말고 *그대로 전달*해 호출부가 안내. ⑤ 기본은 *프라이버시·비용 안전*, 품질은 옵션.
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[ConnectAI 아키텍처 개요]]
+- **관련 개념:** [[API Client Pattern]], [[Tool Calling Pattern]], [[프로젝트 독립 설계 원칙]]
+- **참조 맥락:** 작은 모델이 다중 외부 API/SDK 통합을 다른 프로젝트에서 설계할 때 전이.
+
+## 📚 출처 (Sources)
+- [S1] ConnectAI/src/features/providers/index.ts, anthropic.ts, types.ts
+
+## 📝 변경 이력 (Change history)
+- 2026-06-13: AI 학습용 지식 추출 초안.