Wiki cleanup: error-doc removal, dedup merge, link normalization

10_Wiki/Topics 대규모 정리: - 오류 캡처/미완성 stub 문서 227개 제거 - 교차폴더 중복 43클러스터 병합 (63파일 → redirect) - 링크명 정규화: 깨진 링크 수정·redirect 직결·개념 매핑 ~2,400건 - 카테고리 MOC 6개 신규 생성 - Graph 섹션 미해결 related-keyword 링크 10,058건 제거 Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-05-20 23:52:15 +09:00
parent 2a4a5046b6
commit f8b21af4be
2874 changed files with 15296 additions and 27684 deletions
@@ -117,7 +117,7 @@ for item in items:

 ## 🔗 Graph
 - 부모: [[Pyramid Principle]] · [[MECE + Pyramid Principle--]]
- 변형: [[Rule of Three]] · [[5W1H]]
+- 변형: [[Rule of Three]]
 - 응용: [[Knowledge synthesis]] · [[Process_Reflection_Template]]
 - Adjacent: [[Working-Backwards]] · [[Outside-Thinking]]

@@ -125,7 +125,6 @@ FROM daily_metrics;

 ## 🔗 Graph
 - 부모: [[유저 평균 매출(ARPU)]] · [[결제 사용자당 평균 매출(ARPPU)]]
- 변형: [[ARPDAU]] · [[LTV]]
 - 응용: [[부분 유료화(Freemium) 게임 경제 모델링]] · [[가상 경제 시스템]]
 - Adjacent: [[이탈률(Churn Rate)]] · [[수요와 공급(Supply and Demand)]]

@@ -122,8 +122,7 @@ site:stackoverflow.com "TypeError: Cannot read properties of undefined" "useEffe

 ## 🔗 Graph
 - 부모: [[Search]] · [[Information Retrieval]]
- 변형: [[Search Engine Operators]] · [[Boolean Search]]
- 응용: [[OSINT]] · [[Codebase_Onboarding]] · [[Research-Methodology]]
+- 응용: [[Codebase_Onboarding]] · [[Research-Methodology]]
 - Adjacent: [[Pyramid Principle]] · [[Knowledge synthesis]]

 ## 🤖 LLM 활용
@@ -149,10 +149,10 @@ resp = client.messages.create(
 **기본값**: EDA first — 매 어떤 sophisticated method도 raw data 의 distribution 의 understanding 없이는 misleading하다.

 ## 🔗 Graph
- 부모: [[Reasoning]] · [[Scientific Method]]
+- 부모: [[Scientific Method]]
 - 변형: [[Exploratory Data Analysis]] · [[Causal Inference]] · [[Root Cause Analysis]]
- 응용: [[Decision Making]] · [[Debugging]] · [[Risk Assessment]]
- Adjacent: [[Synthesis]] · [[Modeling]] · [[Statistics]]
+- 응용: [[Decision Making]] · [[Debugging]]
+- Adjacent: [[Synthesis]] · [[Statistics]]

 ## 🤖 LLM 활용
 **언제**: hypothesis generation, summary narration, code scaffolding for analysis pipelines, anomaly explanation.
@@ -131,7 +131,7 @@ def imagine(world_model, init_state, policy, horizon=15):
 **기본값**: 매 problem 의 dynamics 가 알려져 있으면 model-based (MPC, Kalman). 매 dynamics 학습 필요 → world model (Dreamer, MuZero).

 ## 🔗 Graph
- 부모: [[Cognition]] · [[Decision-Making]]
+- 부모: [[Decision-Making]]
 - 변형: [[Predictive Processing]] · [[Bayesian-Updating]]
 - 응용: [[Multi-agent-System]] · [[Joint-Optimization]]
 - Adjacent: [[Inference-Coupled Persistence]] · [[Habit-Formation]]
@@ -89,7 +89,7 @@ def alignment_mode(policy, situation):

 ## 🔗 Graph
 - 부모: [[Ethical-Decision-Making]] · [[Sociology of Knowledge]]
- 변형: [[Situation Ethics]] · [[Existentialism]]
+- 변형: [[Existentialism]]
 - 응용: [[Objectivism]] · [[Belief-Revision]]
 - Adjacent: [[Hypostatic-Abstraction]] · [[Memetics]]

@@ -166,10 +166,7 @@ def reframe(thought: str) -> str:
 **기본값**: psychoeducation + behavioral activation — 매 most evidence-based first-line for subclinical anxiety.

 ## 🔗 Graph
- 부모: [[Emotion]] · [[Mental Health]]
- 변형: [[Generalized Anxiety Disorder]] · [[Panic Disorder]] · [[Social Anxiety]]
- 응용: [[CBT]] · [[Exposure Therapy]] · [[Mindfulness]]
- Adjacent: [[Fear]] · [[Stress]] · [[Depression]]
+- 응용: [[CBT]]

 ## 🤖 LLM 활용
 **언제**: psychoeducation, journaling prompts, cognitive reframing drafts, GAD-7 scoring assistant.
@@ -106,7 +106,7 @@ class AssertiveNegotiation:

 ## 🔗 Graph
 - 부모: [[Soft-Skills-Development]]
- 변형: [[Boundaries]] · [[Communication & Tech]]
+- 변형: [[Boundaries]]
 - 응용: [[Ethical-Decision-Making]]
 - Adjacent: [[Burnout]] · [[Bureaucracy]]

@@ -122,8 +122,6 @@ def trust(url):
 **기본값**: 매 Atlantic 인용 시 매 author + 매 publication date 명시. 매 longform → 매 narrative bias 가능 — 매 cross-reference.

 ## 🔗 Graph
- 부모: [[Media]] · [[Journalism]]
- 변형: [[The New Yorker]] · [[Harper's Magazine]]
 - 응용: [[Research-Methodology]] · [[Open-Access-Movement]]
 - Adjacent: [[Sociology of Knowledge]] · [[Recording Academy (The Grammys)]]

@@ -135,7 +135,7 @@ def manual_practice_schedule(automation_uptime_pct: float) -> dict:
 ## 🔗 Graph
 - 부모: [[Neuroergonomics]] · [[Complex Systems]]
 - 변형: [[Neuromuscular-Control]]
- 응용: [[AI Safety]] · [[Multi-agent-System]]
+- 응용: [[AI_Safety_and_Alignment|AI Safety]] · [[Multi-agent-System]]
 - Adjacent: [[Burnout]] · [[Continuous Obsolescence]]

 ## 🤖 LLM 활용
@@ -154,10 +154,9 @@ criteria = ["dev_speed", "ops_cost", "scalability", "team_autonomy"]
 **기본값**: 매 task 의 start 의 30 sec 의 L3 sketch — bounded contexts, data flow, failure modes.

 ## 🔗 Graph
- 부모: [[Systems-Thinking]] · [[Architecture]]
- 변형: [[Pre-Mortem]] · [[Five-Whys]]
- 응용: [[Architecture-Review]] · [[Postmortem]] · [[Roadmap-Planning]]
- Adjacent: [[Bounded-Context]] · [[Domain-Driven-Design]] · [[Tradeoff-Analysis]]
+- 부모: [[Systems_Thinking|Systems-Thinking]] · [[Architecture]]
+- 응용: [[Architecture-Review]] · [[Postmortem]]
+- Adjacent: [[Bounded-Context]] · [[Domain-Driven-Design]]

 ## 🤖 LLM 활용
 **언제**: Architecture review, repo onboarding, postmortem synthesis, roadmap drafting. 매 1M context 의 entire codebase 의 fit 가능 — 매 truly novel 2026 capability.
@@ -172,7 +171,7 @@ criteria = ["dev_speed", "ops_cost", "scalability", "team_autonomy"]
 ## 🧪 검증 / 중복
 - Verified: Donella Meadows "Thinking in Systems" (2008), Eric Evans "DDD" (2003), Nicole Forsgren "Accelerate" (2018).
 - 신뢰도 A.
- 중복: [[Systems-Thinking]] 매 strict superset — Big Picture 매 daily-practice variant 의 framing.
+- 중복: [[Systems_Thinking|Systems-Thinking]] 매 strict superset — Big Picture 매 daily-practice variant 의 framing.

 ## 🕓 Changelog
 | 날짜 | 변경 |
@@ -162,10 +162,9 @@ async function optimize(input, slug) {
 **기본값**: 매 post 의 ship before perfect — 매 published-and-iterated 의 unpublished-and-perfect 의 superior.

 ## 🔗 Graph
- 부모: [[Writing]] · [[Content Strategy]]
- 변형: [[Technical Writing]] · [[Documentation]] · [[Newsletter]]
- 응용: [[Engineering Blog]] · [[Marketing Content]] · [[Personal Brand]]
- Adjacent: [[SEO]] · [[Markdown]] · [[Static Site Generators]]
+- 변형: [[Technical Writing]]
+- 응용: [[Engineering Blog]]
+- Adjacent: [[SEO]]

 ## 🤖 LLM 활용
 **언제**: TL;DR drafting, headline A/B variants, hedging-word detection, SEO description generation, outline scaffolding.
@@ -141,10 +141,7 @@ print(keyword_position("A 2026 Guide to React Server Components", "React"))  # 0
 **기본값**: 매 50-65 char + odd number + question form + keyword 의 left.

 ## 🔗 Graph
- 부모: [[Content Writing]] · [[SEO Strategy]]
- 변형: [[Headline Writing]] · [[Email Subject Lines]] · [[Video Titles]]
- 응용: [[Blog Content Rules]] · [[CTR Optimization]] · [[LLM Answer Surfacing]]
- Adjacent: [[E-E-A-T]] · [[Schema Markup]] · [[Featured Snippets]]
+- 응용: [[Blog Content Rules]]

 ## 🤖 LLM 활용
 **언제**: 매 batch 의 title generation / A/B variant production / SEO audit.
@@ -142,7 +142,7 @@ PR comment:
 - 부모: [[Soft-Skills-Development]]
 - 변형: [[Assertiveness]]
 - 응용: [[Burnout]] · [[Ethical-Decision-Making]]
- Adjacent: [[Bureaucracy]] · [[Communication & Tech]]
+- Adjacent: [[Bureaucracy]]

 ## 🤖 LLM 활용
 **언제**: difficult-conversation script 의 draft, OOO message 의 polish, agent allowlist 의 design.
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0001-engine-ts가-실제-수집-플로우의-중
-title: BUG 0001 engine ts가 실제 수집 플로우의 중심인지 확인하고 실패 재시도 상태 저장이 어디서 책임지는지 확인해
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: engine.ts가 실제 수집 플로우의 중심인지 확인하고, 실패/재시도/상태 저장이 어디서 책임지는지 확인해
-
-## Date
-2026-05-04
-
-## Symptom
-engine.ts가 실제 수집 플로우의 중심인지 확인하고, 실패/재시도/상태 저장이 어디서 책임지는지 확인해
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-## 간단 요약 `engine.ts`가 수집 플로우의 중심 역할을 하려면, 단순히 작업을 실행하는 것을 넘어 데이터 흐름 전체(시작부터 끝까지의 상태 관리)를 책임져야 합니다. 현재 구조상으로는 실행은 하지만, 실패 복구와 상태 저장이 다른 모듈에 분산되어 있다면 그 분리가 명확해야 합니다. ## 요청 요약 `engine.ts` 파일의 구조를 분석하여, 이것이 데이터 수집 플로우의 최종 결정권자인지 확인하고, 특히 실패 발생 시 재시도 로직과 작업 상태 저장 책임이 어디에 있는지 명확히 구분해 달라는 요청입니다. ## 상세 답변 `engine.ts`가 수집 플로우의 중심인지 확인하는 것은 결국 **책임 분리(Separation of Concerns)**를 확인하는 작업이라고 보시면 됩니다. 중심이라면 모든 흐름 제어와 상태 변화가 이 파일 안에서 일관성 있게 관리되어야 합니다. 제가 기대하는 바는 다음과 같습니다. 1. **흐름의 중심 여부 판단:** `engine.ts`가 단순히 ...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0002-정확한-피드백을-드리기-위해-engine-
-title: BUG 0002 정확한 피드백을 드리기 위해 engine ts 파일의 해당 부분을 먼저 보여주시겠어요 특히 작업 시작 시점
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 정확한 피드백을 드리기 위해, engine.ts 파일의 해당 부분을 먼저 보여주시겠어요? 특히 작업 시작 시점, 비동기 호출 부분, 그리고 오류...
-
-## Date
-2026-05-04
-
-## Symptom
-정확한 피드백을 드리기 위해, engine.ts 파일의 해당 부분을 먼저 보여주시겠어요? 특히 작업 시작 시점, 비동기 호출 부분, 그리고 오류 발생 시의 콜백/에러 처리 부분을 집중적으로 보여주시면 제가 바로 그 연결고리를 분석해 드릴 수 있습니다. 라고 말했는데 너가 직접 읽으면 되는거자나?
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-네, 제가 직접 분석할 준비는 마쳤습니다. 말씀하신 대로 `engine.ts` 파일의 해당 부분을 분석하려면, 저에게 **실제 코드 내용**을 제공해 주셔야 제가 그 연결고리를 분석할 수 있어요. 번거로우시겠지만, 해당 파일의 내용을 복사해서 저에게 보여주시거나, 만약 파일이 저장된 경로가 명확하다면 `<read_file>` 태그를 사용해서 저에게 읽어달라고 요청해 주시면 바로 분석을 시작하겠습니다. 준비되셨으면 코드를 전달해 주세요. <details> <summary>2nd Brain Trace: 사용하지 않음 · 선택 노트 0개 / 검색 노트 0개</summary> ## 2nd Brain 사용 여부 사용하지 않음 ## 질문 의도 general ## 이유 Second Brain search ran, but no sufficiently relevant Markdown notes were found. ## 구조화 지식 슬롯 - 온톨로지/개념 체계 - 검색식: 정확한 피드백을 드리기 e...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0003-이건-queue-ts-내용-이야-impor
-title: BUG 0003 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: AgentEngine 아키텍처 심층 분석 및 최적화 로드맵 **작성자:** Lead Synthesis Writer & Editor **날짜:** 2024년 5월 29일 **대상 시스템:** `AgentEngine` (멀티 에이전트 워크플로우 오케스트레이션) --- ## 📝 Executive Summary (요약 보고) 본 보고서는 제공된 `AgentEngine` 소스 코드를 기반으로 동시성 무결성, 오류 복원력, 모듈 간 결합도 및 워크플로우 효율성을 심층적으로 분석한 결과입니다. **핵심 발견 사항:** `AgentEngine`은 **명시적 락(Mutex)**을 활용하여 동일 미션의 동시 실행을 효과적으로 방지하고, **의존성 주입(DI)**을 통해 모듈 간 결합도를 성공적으로 분리하여 구조적 안정성을 확보하고 있습니다. 이는 멀티 스레드 환경에서 필수적인 핵심 설계입니다. **주요 개선 과제:** 분석 결과, 가장 큰 병목 현상은 **순차적 비동기 지연(...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0004-이건-queue-ts-내용-이야-impor
-title: BUG 0004 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: 멀티 에이전트 오케스트레이션 엔진 분석 및 최적화 제안 ## 🎯 Executive Summary (요약) 본 보고서는 제공된 `AgentEngine` 클래스의 설계 구조, 구현 방식, 그리고 멀티 에이전트 워크플로우 오케스트레이션 능력에 대해 심층적으로 분석한 결과입니다. `AgentEngine`은 **Producer-Consumer 패턴**을 기반으로 Planner, Researcher, Writer 세 개의 전문 에이전트를 순차적이고 안정적으로 연결하는 핵심 엔진 역할을 성공적으로 수행하고 있습니다. 특히, **명시적 락(Mutex)**을 도입하여 동일 미션의 동시 실행을 효과적으로 방지함으로써 작업의 무결성을 보장하며, **의존성 주입(DI)**을 통해 각 에이전트 간의 결합도를 낮추고 유연성을 확보했습니다. 종합적으로 판단할 때, 해당 엔진은 높은 수준의 안정성과 제어력을 갖춘 견고한 아키텍처입니다. 다만, 향후 확장성 및 비동기 처리의 정교함을 더욱...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0005-이건-queue-ts-내용-이야-impor
-title: BUG 0005 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: 멀티 에이전트 파이프라인 아키텍처 분석 및 검증 ## 📝 Executive Summary (요약) 본 보고서는 제공된 Multi-Agent Pipeline 실행 청사진을 기반으로 구축된 핵심 아키텍처의 설계, 구현, 그리고 운영 안정성을 심층적으로 분석한 결과입니다. 개발된 프레임워크는 **높은 수준의 신뢰성, 투명한 추적성(Traceability), 그리고 유연한 확장성**을 목표로 설계되었습니다. 핵심 성과는 다음과 같습니다: 1. **명시적 상태 관리:** `MissionState` 클래스를 통해 각 에이전트 단계(Planner, Researcher, Writer 등)의 전환 이력을 감사 로그 형태로 완벽하게 기록하여, 복잡한 비동기 워크플로우의 투명성을 극대화했습니다. 2. **강력한 오케스트레이션:** `AgentEngine`은 Producer-Consumer 패턴과 명시적인 Mutex 락을 사용하여 동일 미션의 동시 실행을 방지하고, 단계별 의존성...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,109 +0,0 @@
---
-id: wiki-2026-0508-bug-0006-이건-queue-ts-내용-이야-impor
-title: BUG 0006 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
-tech_stack:
-  language: unspecified
-  framework: unspecified
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: 고가용성 멀티 에이전트 오케스트레이션 엔진 분석 ## 📝 Executive Summary (요약) 본 보고서는 제공된 TypeScript 기반의 멀티 에이전트 워크플로우 엔진 아키텍처에 대한 심층 분석 결과를 담고 있습니다. 해당 설계는 단순한 작업 분할을 넘어, **높은 수준의 복원력(Resilience)**과 **투명성(Transparency)**을 핵심 가치로 삼아 설계된 최첨단 오케스트레이션 프레임워크입니다. **핵심 성과:** 1. **모듈화 및 확장성:** `IAgent` 인터페이스 확장을 통해 다양한 에이전트 모델을 유연하게 통합할 수 있는 구조를 확보했습니다. 2. **명시적 감사 추적:** `MissionState` 클래스를 통해 모든 단계의 전환 기록(Audit Trail)을 자동 로깅하여, 복잡한 비동기 흐름의 디버깅 및 추적이 완벽하게 가능합니다. 3. **강력한 오류 복구 메커니즘:** `ErrorRecoveryMatrix`를 기반으로...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
-
-## 💻 코드 패턴 (Code Patterns)
-
-**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
-
-```text
-# TODO
-```
-
-## 🤔 의사결정 기준 (Decision Criteria)
-
-**선택 A를 써야 할 때:**
- *(TODO)*
-
-**선택 B를 써야 할 때:**
- *(TODO)*
-
-**기본값:**
-> *(TODO)*
-
-## ❌ 안티패턴 (Anti-Patterns)
-
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0007-이건-queue-ts-내용-이야-impor
-title: BUG 0007 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: 고가용성 멀티 에이전트 오케스트레이션 엔진 분석 **문서 버전:** 1.0 **작성자:** Lead Synthesis Writer & Editor **날짜:** 2024년 5월 29일 **대상 시스템:** AgentEngine (멀티 에이전트 워크플로우 엔진) --- ## 📝 Executive Summary (핵심 요약) 본 보고서는 제공된 `AgentEngine` 코드를 심층적으로 분석하여, 해당 아키텍처가 지향하는 **고도화된 비동기 워크플로우 관리 및 복원력(Resilience)** 메커니즘을 종합적으로 평가합니다. 분석 결과, 해당 엔진은 단순한 작업 실행기를 넘어, **명시적인 상태 관리(MissionState)**, **유연한 의존성 주입(Interface Extensibility)**, 그리고 가장 핵심적으로 **체계적인 오류 복구 매트릭스(Error Recovery Matrix)**를 통합하여, 복잡한 AI 기반 연구/작업 파이프라인의 안정성과...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0008-이건-queue-ts-내용-이야-impor
-title: BUG 0008 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 종합 보고서: 에이전트 실행 엔진(Agent Execution Engine) 신뢰성 검증 결과 **문서 버전:** 1.0 **작성자:** Lead Synthesis Writer & Editor **날짜:** 2024년 5월 28일 **프로젝트 기록:** Project Chronicle Guard (선택됨) --- ## Ⅰ. Executive Summary (요약 보고) 본 보고서는 에이전트 실행 엔진(Agent Execution Engine)의 운영 안정성과 복원력(Resilience)을 검증하기 위해 설계된 포괄적인 통합 테스트 및 성능 벤치마크 결과를 종합적으로 분석한 최종 결과입니다. **목표:** 에이전트 엔진의 핵심 기능인 오류 분류 정확도, 복원 로직의 무결성, 상태 관리의 시간적 정확성, 그리고 실제 실행 시 발생하는 성능 오버헤드를 정량적으로 측정하여 신뢰성 기준선을 확립하는 것이었습니다. **핵심 발견:** 1. **오류 분류 정확도 (Error Classi...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0009-이건-queue-ts-내용-이야-impor
-title: BUG 0009 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: 멀티 에이전트 오케스트레이션 엔진 아키텍처 분석 ## 📝 Executive Summary (요약) 본 보고서는 제공된 `AgentEngine` 클래스 및 관련 컴포넌트들의 아키텍처를 심층적으로 분석하고 검증한 결과입니다. 해당 엔진은 **높은 수준의 안정성(Resilience), 투명성(Transparency), 그리고 유연한 확장성(Extensibility)**을 목표로 설계된 최신 멀티 에이전트 워크플로우 오케스트레이션 프레임워크입니다. 핵심 설계는 명시적인 상태 관리(`MissionState`), 구조화된 오류 복구 매트릭스(`ErrorRecoveryMatrix`), 그리고 Producer-Consumer 패턴을 결합하여, 복잡한 연구 및 작성 프로세스를 **단계별로 분리하고, 각 단계의 결과를 명확히 추적하며, 예상치 못한 오류에 대해 선언적인 복구 전략을 적용**하도록 구축되었습니다. 결론적으로, 이 아키텍처는 고가용성(High Availabilit...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0010-이건-queue-ts-내용-이야-impor
-title: BUG 0010 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 최종 합성 보고서: AgentEngine 통합 및 성능 검증 결과 **작성자:** Lead Synthesis Writer & Editor **날짜:** 2024년 5월 29일 **대상 프로젝트:** AgentEngine 안정성 및 기능 검증 (Project Chronicle Guard) --- ## 📝 Executive Summary (요약 보고) 본 보고서는 `AgentEngine`의 핵심 기능 및 통합 안정성을 검증하기 위해 설계된 포괄적인 테스트 시퀀스(`AgentEngine.test.ts`)의 실행 결과를 종합적으로 분석한 결과입니다. **결론:** **AgentEngine은 정의된 모든 기능적, 비기능적 요구사항을 성공적으로 충족하며, 높은 수준의 안정성과 신뢰성을 입증했습니다.** 테스트 결과는 다음과 같은 핵심 역량을 명확히 확인시켜 주었습니다. 1. **오류 처리의 정밀성:** 일시적 오류(Transient), 영구적 오류(Permanent), 중단 오류(Abor...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,83 +0,0 @@
---
-id: wiki-2026-0508-bug-0011-이건-queue-ts-내용-이야-impor
-title: BUG 0011 이건 queue ts 내용 이야 import loginfo logerror from utils actionq
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
-
-# Bug: 이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQue...
-
-## Date
-2026-05-04
-
-## Symptom
-이건 queue.ts 내용 이야. import { logInfo, logError } from '../utils'; /** * ActionQueueManager: Manages large-scale tasks by processing them * with a concurrency limit to prevent resource exhaustion and I/O bottlenecks * while maintaining high throughput under maximum load. */ export class ActionQueueManager { private queue: (() => Promise<void>)[] = []; private activeCount: number = 0; private readonly concurrencyLimit: number; constructor(concurrencyLimit: number = 3) { this.concurrencyLimit = conc...
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-# 🚀 최종 합성 보고서: Astra Autonomous Loop (AAL) 아키텍처 검토 **작성자:** Lead Synthesis Writer & Editor **날짜:** 2024년 5월 29일 **대상:** 기획 검토 요청자 --- ## 📝 Executive Summary (요약) 본 보고서는 Astra Autonomous Loop (AAL) 시스템의 기획안에 대한 기술적 타당성 및 안전 메커니즘을 심층적으로 검토한 결과입니다. **결론적으로, 제시된 AAL 아키텍처는 자율 협업 루프의 비전과 안전 요구사항을 명확하게 구현할 수 있는 견고한 청사진입니다.** 특히, 역할 분담(Astra/Antigravity)과 명시적인 안전 장치(모드 토글, HITL 승인, 반복 제한)는 시스템의 안정성과 인간 통제권을 확보하는 데 매우 효과적입니다. 다만, 핵심적인 기술적 위험 요소는 **비동기 통신으로 인한 지연(Latency)**과 **경쟁 상태(Race Condition)** 관리...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
@@ -1,109 +0,0 @@
---
-id: wiki-2026-0508-bug-0012-다음-리뷰에서는-src-lib-engine
-title: BUG 0012 다음 리뷰에서는 src lib engine ts src lib api ts src lib diagnostic
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
-tech_stack:
-  language: unspecified
-  framework: unspecified
---
-
-# Bug: 다음 리뷰에서는 src/lib/engine.ts, src/lib/api.ts, src/lib/diagnostics.ts, src/lib/gemi...
-
-## Date
-2026-05-04
-
-## Symptom
-다음 리뷰에서는 src/lib/engine.ts, src/lib/api.ts, src/lib/diagnostics.ts, src/lib/gemini.ts, src/components/AgentDashboard.tsx를 순서대로 보면 됩니다. 특히 engine.ts가 실제 수집 플로우의 중심인지 확인하고, 실패/재시도/상태 저장이 어디서 책임지는지 보는 게 첫 번째입니다. 진행해
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-네, 알겠습니다. 이제부터 요청하신 순서대로 코드 리뷰를 시작하겠습니다. 제가 가장 먼저 집중할 부분은 **`src/lib/engine.ts`** 파일입니다. 이 파일이 전체 수집 플로우의 중심인지, 그리고 각 단계의 실행 제어 및 오류 처리 책임이 어디에 명확하게 분배되어 있는지를 집중적으로 살펴보겠습니다. **리뷰 순서:** 1. `src/lib/engine.ts` (핵심 실행 흐름 및 책임 분배 확인) 2. `src/lib/api.ts` (외부 연동 인터페이스 확인) 3. `src/lib/diagnostics.ts` (로깅 및 진단 기능 검토) 4. `src/lib/gemini.ts` (LLM 연동 로직 검토) 5. `src/components/AgentDashboard.tsx` (UI와 엔진 간의 상호작용 확인) 각 파일의 내용을 순서대로 제공해 주시면, 제가 각 단계별로 상세 분석을 진행하고 즉각적인 피드백을 드리겠습니다. **먼저, `src/lib/engine.ts` 파일...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
-
-## 💻 코드 패턴 (Code Patterns)
-
-**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
-
-```text
-# TODO
-```
-
-## 🤔 의사결정 기준 (Decision Criteria)
-
-**선택 A를 써야 할 때:**
- *(TODO)*
-
-**선택 B를 써야 할 때:**
- *(TODO)*
-
-**기본값:**
-> *(TODO)*
-
-## ❌ 안티패턴 (Anti-Patterns)
-
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
@@ -1,109 +0,0 @@
---
-id: wiki-2026-0508-bug-0013-다음-리뷰에서는-src-lib-engine
-title: BUG 0013 다음 리뷰에서는 src lib engine ts src lib api ts src lib diagnostic
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
-tech_stack:
-  language: unspecified
-  framework: unspecified
---
-
-# Bug: 다음 리뷰에서는 src/lib/engine.ts, src/lib/api.ts, src/lib/diagnostics.ts, src/lib/gemi...
-
-## Date
-2026-05-04
-
-## Symptom
-다음 리뷰에서는 src/lib/engine.ts, src/lib/api.ts, src/lib/diagnostics.ts, src/lib/gemini.ts, src/components/AgentDashboard.tsx를 순서대로 보면 됩니다. 특히 engine.ts가 실제 수집 플로우의 중심인지 확인하고, 실패/재시도/상태 저장이 어디서 책임지는지 보는 게 첫 번째입니다. 진행해
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-네, 알겠습니다. 말씀해주신 순서대로 각 파일을 꼼꼼하게 살펴보겠습니다. 특히 `engine.ts`가 데이터 수집 플로우의 중심인지, 그리고 실패 처리나 상태 저장이 어디에서 책임지는지를 집중해서 확인하여 피드백 드릴게요. 첫 번째 파일인 `src/lib/engine.ts`부터 준비되시면 알려주세요. <details> <summary>2nd Brain Trace: 사용하지 않음 · 선택 노트 0개 / 검색 노트 0개</summary> ## 2nd Brain 사용 여부 사용하지 않음 ## 질문 의도 technical ## 이유 This looks answerable without project-specific Second Brain context. ## 답변 컨텍스트로 선택된 2nd Brain 문서 - 없음 ## 검색했지만 사용하지 않은 문서 - 없음 ## 참고 품질 - 검색된 노트: 0개 - 답변 컨텍스트로 선택된 노트: 0개 - 답변 근거도: 0 - 프로젝트 주장 정책: gener...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
-
-## 💻 코드 패턴 (Code Patterns)
-
-**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
-
-```text
-# TODO
-```
-
-## 🤔 의사결정 기준 (Decision Criteria)
-
-**선택 A를 써야 할 때:**
- *(TODO)*
-
-**선택 B를 써야 할 때:**
- *(TODO)*
-
-**기본값:**
-> *(TODO)*
-
-## ❌ 안티패턴 (Anti-Patterns)
-
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
@@ -1,109 +0,0 @@
---
-id: wiki-2026-0508-bug-0014-다음-리뷰에서는-src-lib-engine
-title: BUG 0014 다음 리뷰에서는 src lib engine ts src lib api ts src lib diagnostic
-category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: []
-duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
-raw_sources: []
-last_reinforced: 2026-05-08
-github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
-tech_stack:
-  language: unspecified
-  framework: unspecified
---
-
-# Bug: 다음 리뷰에서는 src/lib/engine.ts, src/lib/api.ts, src/lib/diagnostics.ts, src/lib/gemi...
-
-## Date
-2026-05-04
-
-## Symptom
-다음 리뷰에서는 src/lib/engine.ts, src/lib/api.ts, src/lib/diagnostics.ts, src/lib/gemini.ts, src/components/AgentDashboard.tsx를 순서대로 보면 됩니다. 특히 engine.ts가 실제 수집 플로우의 중심인지 확인하고, 실패/재시도/상태 저장이 어디서 책임지는지 보는 게 첫 번째입니다. 진행해
-
-## Cause
-Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
-
-## Fix
-## Astra 판단 나는 이 요청을 “좋은 말 해주는 평가”가 아니라 실제로 의존해도 되는 도구인지 보는 리뷰로 볼게요. `/Volumes/Data/project/Antigravity/ConnectAI/src/lib/engine.ts`는 먼저 목적에 맞는 수집 루프가 안정적인지, 끊겼을 때 이어지는지, 결과가 재검증 가능한지를 기준으로 판단하는 게 맞습니다. 기능 확장은 그 다음입니다. ## 다음 한 수 다음은 확장 아이디어를 붙이기보다 핵심 루프 하나를 추적하는 겁니다. `engine`이 작업 단위, 재시도, 실패 기록, 결과 저장을 어디서 책임지는지 먼저 확인하고, 그 다음 `diagnostics`가 실제 운영 판단에 충분한 정보를 주는지 보면 됩니다. ## 간단 요약 요청하신 파일들을 살펴보니, `engine.ts`가 멀티 에이전트 워크플로우의 중심을 잡고 있으며, 상태 관리, 오류 복구, 그리고 외부 API 통신이라는 세 가지 핵심 기능을 명확하게 분리하여 구현하고 있다는 ...
-
-## Prevention
-Keep automatic records tied to the active project and verify the relevant test or reproduction path.
-
-## 📌 한 줄 통찰 (The Karpathy Summary)
-
-> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
-
-## 📖 구조화된 지식 (Synthesized Content)
-
-**추출된 패턴:**
-> *(TODO)*
-
-**세부 내용:**
- *(TODO)*
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
- *(TODO)*
-
-**언제 쓰면 안 되는가:**
- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
-
-## 🔗 지식 연결 (Graph)
-
- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
-
-## 💻 코드 패턴 (Code Patterns)
-
-**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
-
-```text
-# TODO
-```
-
-## 🤔 의사결정 기준 (Decision Criteria)
-
-**선택 A를 써야 할 때:**
- *(TODO)*
-
-**선택 B를 써야 할 때:**
- *(TODO)*
-
-**기본값:**
-> *(TODO)*
-
-## ❌ 안티패턴 (Anti-Patterns)
-
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
@@ -112,10 +112,9 @@ def bureaucracy_index(team):
 **기본값**: removal-by-default + automation-first + human-as-fallback.

 ## 🔗 Graph
- 부모: [[Organizational Design]] · [[Complex Systems]]
- 변형: [[Compliance]] · [[Process Engineering]]
- 응용: [[Async Communication]] · [[Decision Frameworks]]
- Adjacent: [[Cargo Cult]] · [[Goodhart's Law]]
+- 부모: [[Complex Systems]]
+- 응용: [[Async Communication]]
+- Adjacent: [[Goodhart's Law]]

 ## 🤖 LLM 활용
 **언제**: 매 process documentation 의 summarization, 매 RACI extract, 매 meeting transcript → decision log.
@@ -154,7 +154,6 @@ Blameless retrospective questions:

 ## 🔗 Graph
 - 부모: [[Neuroergonomics]]
- 변형: [[Burnout-Recovery]]
 - 응용: [[Boundaries]] · [[Habit-Formation]]
 - Adjacent: [[Anxiety]] · [[Ambition]] · [[Soft-Skills-Development]]

@@ -178,7 +178,7 @@ def first_pr_metrics(hires: list[dict]) -> dict:

 ## 🔗 Graph
 - 부모: [[Team Culture & Onboarding (팀 문화 및 온보딩)]]
- 변형: [[Program Comprehension Strategies]] · [[Codebase_Maps_&_Interactive_Tours]]
+- 변형: [[Program Comprehension Strategies]]
 - 응용: [[Pull_Request_and_Issue_Tracking]]
 - Adjacent: [[GIT_PROTOCOL]] · [[Process_Reflection_Template]]

@@ -147,8 +147,8 @@ summary = anthropic.messages.create(
 **기본값**: clear-roles + decision-log + blameless-postmortem.

 ## 🔗 Graph
- 부모: [[Site Reliability Engineering]] · [[Incident Response]]
- 변형: [[War Room]] · [[NOC (Network Operations Center)]]
+- 부모: [[Site Reliability Engineering]]
+- 변형: [[War Room]]
 - 응용: [[Observability]] · [[On-Call]]
 - Adjacent: [[Postmortem]] · [[Runbook]]

@@ -134,10 +134,10 @@ def fragility(G: nx.Graph) -> float:
 **기본값**: probe-sense-respond + diversity + redundancy.

 ## 🔗 Graph
- 부모: [[Systems Thinking]] · [[Cynefin Framework]]
- 변형: [[Chaos Theory]] · [[Complex Adaptive Systems]]
- 응용: [[Distributed Systems]] · [[Network Theory]]
- Adjacent: [[Emergence]] · [[Power Laws]]
+- 부모: [[Systems_Thinking|Systems Thinking]]
+- 변형: [[Complex Adaptive Systems]]
+- 응용: [[Distributed Systems]]
+- Adjacent: [[Emergence]]

 ## 🤖 LLM 활용
 **언제**: 매 system map 의 first-draft, 매 feedback-loop 의 surface, 매 policy lever brainstorm.
@@ -164,10 +164,8 @@ for _, url := range urls {
 **기본값**: structured concurrency + bounded channel + cancellation propagation.

 ## 🔗 Graph
- 부모: [[Programming Paradigms]] · [[Operating Systems]]
- 변형: [[Async Programming]] · [[Parallelism]]
- 응용: [[Web Servers]] · [[Distributed Systems]]
- Adjacent: [[Race Conditions]] · [[Deadlocks]]
+- 변형: [[Async Programming]]
+- 응용: [[Distributed Systems]]

 ## 🤖 LLM 활용
 **언제**: 매 concurrent code review 의 race-condition spotting, 매 deadlock-pattern detection, 매 channel-pattern translation.
@@ -194,10 +194,8 @@ git push -u origin HEAD
 **기본값**: 매 Renovate weekly + automerge minor + manual review major.

 ## 🔗 Graph
- 부모: [[Software Lifecycle]] · [[Technical Debt]]
- 변형: [[Dependency Management]] · [[DMSMS]]
- 응용: [[CVE Patching]] · [[Major Version Migration]] · [[End-of-Life Planning]]
- Adjacent: [[Renovate]] · [[Dependabot]] · [[Software Bill of Materials (SBOM)]]
+- 부모: [[Technical Debt]]
+- Adjacent: [[Renovate]] · [[Dependabot]]

 ## 🤖 LLM 활용
 **언제**: 매 migration plan 의 generation / 매 changelog 의 breaking-change extraction / 매 codemod 의 draft.
@@ -130,10 +130,10 @@ def remote_associates_solve(cues: tuple[str, str, str], assoc_db: dict) -> str |
 **기본값**: 매 AUT + CAT for research; 매 LLM-as-divergent-partner + human-as-convergent-filter for applied work.

 ## 🔗 Graph
- 부모: [[Cognitive Psychology]] · [[Creativity (Csikszentmihalyi Flow)]]
- 변형: [[Divergent Thinking]] · [[Convergent Thinking]] · [[Computational Creativity]]
- 응용: [[Design Thinking]] · [[Brainstorming]] · [[LLM Co-creation]]
- Adjacent: [[Default Mode Network]] · [[Insight Problem Solving]] · [[Innovation Management]]
+- 부모: [[Cognitive Psychology]]
+- 변형: [[Divergent Thinking]] · [[Convergent Thinking]] · [[Computational_Creativity|Computational Creativity]]
+- 응용: [[Design Thinking]] · [[Brainstorming]]
+- Adjacent: [[Default Mode Network]]

 ## 🤖 LLM 활용
 **언제**: 매 divergent ideation phase — 매 broad space exploration, 매 cliché breaking, 매 cross-domain analogies.
@@ -124,10 +124,9 @@ spec:
 **기본값**: 매 2026 의 new project — Kafka + service mesh. 매 legacy integration — Camel or iPaaS. 매 traditional ESB (WSO2, Mule 3) 의 신규 도입 X.

 ## 🔗 Graph
- 부모: [[Service-Oriented Architecture (SOA)]] · [[Enterprise Integration Patterns]]
- 변형: [[Event Mesh]] · [[iPaaS]] · [[Service Mesh]]
- 응용: [[B2B Integration]] · [[Legacy Modernization]] · [[API Gateway]]
- Adjacent: [[Message Queue]] · [[Apache Kafka]] · [[Saga Pattern]]
+- 부모: [[Service-oriented-Architecture|Service-Oriented Architecture (SOA)]]
+- 변형: [[Service Mesh]]
+- 응용: [[Legacy Modernization]] · [[API Gateway]]

 ## 🤖 LLM 활용
 **언제**: 매 EIP pattern matching, 매 Camel DSL generation, 매 XSLT/XPath debugging, 매 legacy SOAP WSDL → REST OpenAPI 변환.
@@ -124,10 +124,6 @@ plt.plot(inv_S, inv_v, "o")
 **기본값**: 매 global non-linear fit over (S, I) grid > Lineweaver-Burk linearization (매 error 의 distort).

 ## 🔗 Graph
- 부모: [[Enzyme Kinetics]] · [[Michaelis-Menten Kinetics]]
- 변형: [[Allosteric Regulation]] · [[Suicide Inhibition]] · [[Slow-Binding Inhibition]]
- 응용: [[Drug Discovery]] · [[Pharmacokinetics]] · [[Metabolic Engineering]]
- Adjacent: [[Hill Equation]] · [[Cooperativity]] · [[CYP450 Drug Interactions]]

 ## 🤖 LLM 활용
 **언제**: 매 mechanism classification 의 plot interpretation, 매 fitting code 의 생성, 매 literature Ki 의 aggregation.
@@ -131,10 +131,9 @@ def stakeholder_matrix(action: str, stakeholders: list[str]) -> dict[str, dict]:
 **기본값**: 매 multi-framework cross-check + stakeholder impact map. 매 single-framework dogmatism X.

 ## 🔗 Graph
- 부모: [[Applied Ethics]] · [[Moral Philosophy]]
- 변형: [[Bioethics]] · [[Business Ethics]] · [[AI Ethics]] · [[Research Ethics]]
- 응용: [[Trolley Problem]] · [[AI Alignment]] · [[Whistleblowing]]
- Adjacent: [[Veil of Ignorance]] · [[Categorical Imperative]] · [[Phronesis]]
+- 부모: [[Applied Ethics]]
+- 변형: [[AI Ethics]] · [[Research Ethics]]
+- 응용: [[AI Alignment]]

 ## 🤖 LLM 활용
 **언제**: 매 framework comparison, 매 stakeholder enumeration, 매 dual-use risk surfacing, 매 Socratic counter-argument.
@@ -130,10 +130,7 @@ def sufficient_pies(disease: str) -> list[set[str]]:
 **기본값**: 매 Bradford Hill + DAG-based confounder adjustment + sensitivity analysis (E-value).

 ## 🔗 Graph
- 부모: [[Epidemiology]] · [[Pathology]] · [[Causal Inference]]
- 변형: [[Genetic Etiology]] · [[Environmental Etiology]] · [[Multifactorial Disease]]
- 응용: [[Drug Discovery]] · [[Public Health Policy]] · [[Precision Medicine]]
- Adjacent: [[Bradford Hill Criteria]] · [[Mendelian Randomization]] · [[DAG Causal Inference]]
+- 부모: [[Causal Inference]]

 ## 🤖 LLM 활용
 **언제**: 매 literature synthesis 의 mechanism aggregation, 매 DAG 의 candidate confounder enumeration, 매 sufficient-component 의 component proposal.
@@ -134,10 +134,8 @@ def detect_runaway(time_series: list[float], window: int = 10, threshold: float
 **기본값**: 매 negative feedback 의 default for stability. 매 positive feedback 의 explicit guard (rate limit, kill switch).

 ## 🔗 Graph
- 부모: [[Cybernetics]] · [[Control Theory]] · [[Systems Thinking]]
- 변형: [[Negative Feedback]] · [[Positive Feedback]] · [[Feed-forward Control]]
- 응용: [[PID Controller]] · [[RLHF]] · [[Autoscaling]] · [[Homeostasis]]
- Adjacent: [[System Dynamics]] · [[Bode Plot]] · [[Tipping Points]]
+- 부모: [[Cybernetics Foundations|Cybernetics]] · [[Control Theory]] · [[Systems_Thinking|Systems Thinking]]
+- 응용: [[RLHF]] · [[Homeostasis (항상성)|Homeostasis]]

 ## 🤖 LLM 활용
 **언제**: 매 archetype identification, 매 PID gain initial estimation, 매 system dynamics diagram 의 stock-flow conversion.
@@ -137,10 +137,10 @@ def cue_salience(cue: dict, history: list[dict]) -> float:
 **기본값**: 매 implementation intention + same context daily + 60-90 day window. 매 21-day promise X.

 ## 🔗 Graph
- 부모: [[Behavioral Psychology]] · [[Operant Conditioning]]
- 변형: [[Keystone Habits]] · [[Bad Habit Extinction]] · [[Habit Stacking]]
- 응용: [[Atomic Habits]] · [[CBT]] · [[JITAI]] · [[Behavior Change]]
- Adjacent: [[Basal Ganglia]] · [[Implementation Intentions]] · [[Self-Determination Theory]]
+- 부모: [[Operant_Conditioning|Operant Conditioning]]
+- 변형: [[Habit Stacking]]
+- 응용: [[CBT]]
+- Adjacent: [[Basal Ganglia]] · [[Self-Determination Theory]]

 ## 🤖 LLM 활용
 **언제**: 매 implementation intention drafting, 매 habit-stack anchor 의 brainstorm, 매 obstacle anticipation, 매 daily reflection scaffold.
@@ -144,10 +144,9 @@ def minto_critique(pyramid_yaml: str) -> str:
 **기본값**: 매 top-down 의 vertical structure + inductive 의 horizontal grouping. 매 SCQA 의 opening.

 ## 🔗 Graph
- 부모: [[Pyramid Principle]] · [[Structured Thinking]]
- 변형: [[Horizontal Logic]] (alias) · [[Vertical Logic]] (alias) · [[MECE]]
- 응용: [[Executive Communication]] · [[Consulting Deck]] · [[Audit Reporting]]
- Adjacent: [[SCQA]] · [[Issue Tree]] · [[Hypothesis-Driven Problem Solving]]
+- 부모: [[Pyramid Principle]]
+- 변형: [[Horizontal and Vertical Logic|Horizontal Logic]] (alias) ·  (alias) · [[MECE]]
+- Adjacent: [[SCQA]] · [[Issue Tree]]

 ## 🤖 LLM 활용
 **언제**: 매 draft pyramid 의 critique, 매 MECE gap 의 surface, 매 SCQA 의 opening 작성, 매 inductive grouping 의 candidate.
@@ -143,10 +143,9 @@ def hypostatize(claim: str) -> str:
 **기본값**: 매 hypostatize 의 explicit + reversible. 매 abstract entity 의 causal agent 화 X.

 ## 🔗 Graph
- 부모: [[Peircean Semiotics]] · [[Logical Abstraction]]
- 변형: [[Prescissive Abstraction]] · [[Reification]] · [[Nominalization]]
- 응용: [[Ontology Engineering]] · [[Type Theory]] · [[RDF Reification]]
- Adjacent: [[Charles Sanders Peirce]] · [[Conceptual Blending]] · [[Knowledge Graph]]
+- 변형: [[Reification]]
+- 응용: [[Ontology Engineering]] · [[Type Theory]]
+- Adjacent: [[Conceptual Blending]] · [[Knowledge Graph]]

 ## 🤖 LLM 활용
 **언제**: 매 ontology class 의 candidate 의 surface, 매 vague claim 의 quantifiable property 의 reformulation, 매 nominalization 의 unwind.
@@ -171,10 +171,9 @@ def improv_log_entry(situation: str, move: str, outcome: str) -> dict:
 **기본값**: 매 80/20 — 80% plan, 20% improv 매 unforeseen edges. 매 irreversible 매 strict plan only.

 ## 🔗 Graph
- 부모: [[Decision-Making]] · [[Adaptive-Systems]]
- 변형: [[Yes-And]] · [[Heuristic-Decision]] · [[OODA-Loop]]
- 응용: [[Incident-Response]] · [[LLM-Agent-Recovery]] · [[Pair-Programming]]
- Adjacent: [[Reversibility]] · [[Risk-Management]] · [[Bounded-Rationality]]
+- 부모: [[Decision-Making]]
+- 응용: [[Pair-Programming]]
+- Adjacent: [[Risk_Management|Risk-Management]] · [[Bounded_Rationality|Bounded-Rationality]]

 ## 🤖 LLM 활용
 **언제**: Tool error recovery, ambiguous user input handling, edge cases not covered by training data, multi-turn agent self-correction.
@@ -169,10 +169,10 @@ def deserialize_kv_int8(data: bytes, meta: dict) -> torch.Tensor:
 **기본값**: 4-tier (HBM → CPU → NVMe → S3) 매 LRU eviction, fp8 KV-cache, prefix caching enabled.

 ## 🔗 Graph
- 부모: [[KV-Cache]] · [[LLM-Serving]]
+- 부모: [[KV-Cache]]
 - 변형: [[Prefix-Caching]] · [[Paged-Attention]]
- 응용: [[Long-Context-LLM]] · [[Multi-Turn-Agents]] · [[vLLM]]
- Adjacent: [[Continuous-Batching]] · [[Speculative-Decoding]] · [[FlashAttention]]
+- 응용: [[LLM_Optimization_and_Deployment_Strategies|vLLM]]
+- Adjacent: [[Continuous-Batching]] · [[FlashAttention]]

 ## 🤖 LLM 활용
 **언제**: 매 production LLM serving 매 multi-hour conversations, 매 cost optimization, 매 multi-tenant 100K+ sessions.
@@ -218,10 +218,10 @@ def check_lsp(parent: type, child: type) -> list[str]:
 **기본값**: 매 composition + interface — inheritance 의 only when 명확 is-a + LSP-honoring.

 ## 🔗 Graph
- 부모: [[Object-Oriented Programming (OOP)]] · [[Type Theory]]
- 변형: [[Subtype Polymorphism]] · [[Parametric Polymorphism]] · [[Ad-hoc Polymorphism]]
- 응용: [[Strategy Pattern]] · [[Visitor Pattern]] · [[Plugin Architecture]]
- Adjacent: [[Liskov Substitution Principle]] · [[Composition over Inheritance]] · [[Duck Typing]]
+- 부모: [[Object-Oriented-Programming]] · [[Type Theory]]
+- 변형: [[Subtype Polymorphism]] · [[Parametric Polymorphism]]
+- 응용: [[Visitor Pattern]]
+- Adjacent: [[Composition over Inheritance]] · [[Duck Typing]]

 ## 🤖 LLM 활용
 **언제**: 매 boilerplate 의 generation (interface + N impls) / 매 LSP audit / 매 inheritance-to-composition refactor.
@@ -139,9 +139,8 @@ wit-bindgen = "0.30"

 ## 🔗 Graph
 - 부모: [[System-Design]] · [[Distributed-Systems]]
- 변형: [[API-Design]] · [[Protocol-Design]]
+- 변형: [[API-Design]]
 - 응용: [[MCP]] · [[Protocols]] · [[Microservices]]
- Adjacent: [[Backwards-Compatibility]] · [[Versioning]]

 ## 🤖 LLM 활용
 **언제**: 매 protocol selection, 매 schema design review, 매 adapter scaffolding.
@@ -161,9 +161,9 @@ def explain_recommendation(target_item, user_history, item_sim):

 ## 🔗 Graph
 - 부모: [[Collaborative-Filtering]] · [[Recommender-Systems]]
- 변형: [[User-User-CF]] · [[Matrix-Factorization]] · [[ALS]]
- 응용: [[Amazon-Recommender]] · [[Netflix-Similar-Titles]] · [[Cold-Start]]
- Adjacent: [[Two-Tower-Model]] · [[Faiss]] · [[Cosine-Similarity]] · [[BM25]]
+- 변형: [[Matrix-Factorization]] · [[ALS]]
+- 응용: [[Cold-Start]]
+- Adjacent: [[Faiss]] · [[BM25]]

 ## 🤖 LLM 활용
 **언제**: Generating explainable recommendations, baseline implementation, hybrid systems where item-item provides interpretability layer.
@@ -170,10 +170,9 @@ def iterate_with_budget(items, budget_sec: float):
 **기본값**: Programming 매 generator-first; methodology 매 1-week iteration with measurable hypothesis.

 ## 🔗 Graph
- 부모: [[Control-Flow]] · [[Agile]]
- 변형: [[Recursion]] · [[Async-Iteration]] · [[Parallel-Iteration]]
- 응용: [[Generator]] · [[Sprint]] · [[Agentic-Loop]] · [[Newton-Method]]
- Adjacent: [[Itertools]] · [[Coroutine]] · [[Lean-Startup]] · [[Build-Measure-Learn]]
+- 부모: [[Agile]]
+- 응용: [[Generator]] · [[Sprint]]
+- Adjacent: [[Lean-Startup]]

 ## 🤖 LLM 활용
 **언제**: Agentic systems (think-act-observe), iterative refinement of code via LLM feedback, sprint planning summaries.
@@ -129,10 +129,8 @@ def pareto_front(solutions):
 **기본값**: Weighted sum 시작 → 매 imbalance 발견시 GradNorm 도입.

 ## 🔗 Graph
- 부모: [[Optimization]] · [[Multi-Task-Learning]]
- 변형: [[Pareto-Optimization]] · [[Bilevel-Optimization]]
- 응용: [[Actor-Critic]] · [[End-to-End-Learning]] · [[HW-SW-CoDesign]]
- Adjacent: [[Loss-Weighting]] · [[Gradient-Surgery]]
+- 부모: [[Optimization]]
+- 응용: [[Actor-Critic]]

 ## 🤖 LLM 활용
 **언제**: 매 loss function design 매 multi-objective, 매 gradient conflict diagnosis, 매 Pareto analysis explanation.
@@ -160,10 +160,10 @@ fn matmul[M: Int, N: Int, K: Int](a: Tensor, b: Tensor) -> Tensor:
 **기본값**: ML 매 `torch.compile(mode="reduce-overhead")` 또는 `jax.jit`. Tight numerical loop 매 Numba.

 ## 🔗 Graph
- 부모: [[Compilation]] · [[Performance-Optimization]]
- 변형: [[Tracing-JIT]] · [[Method-JIT]] · [[AOT-Compilation]]
- 응용: [[JAX]] · [[torch.compile]] · [[Numba]] · [[V8-Engine]]
- Adjacent: [[XLA]] · [[Triton]] · [[LLVM]] · [[Profile-Guided-Optimization]]
+- 부모: [[Performance-Optimization]]
+- 변형: [[Tracing-JIT]]
+- 응용: [[JAX]] · [[torch.compile]] · [[V8-Engine]]
+- Adjacent: [[XLA]] · [[Triton]]

 ## 🤖 LLM 활용
 **언제**: ML training/serving where compile cost amortizes (>100 calls), tight numerical loops, long-running services.
@@ -157,9 +157,7 @@ def build_graph(claims: list[Claim]) -> nx.DiGraph:

 ## 🔗 Graph
 - 부모: [[Research Methodology]] · [[Information Retrieval]]
- 변형: [[Systematic Review]] · [[Meta-Analysis]]
 - 응용: [[RAG]] · [[Knowledge Graph]]
- Adjacent: [[Critical Thinking]] · [[Sense-Making]]

 ## 🤖 LLM 활용
 **언제**: literature review, competitive analysis, contradictory source reconciliation.
@@ -122,10 +122,7 @@ def grade_prompt(base: str, mood: str) -> str:
 **기본값**: 매 three-point + rule of thirds — 매 safe baseline.

 ## 🔗 Graph
- 부모: [[Visual-Design]] · [[Cinematography]]
- 변형: [[Rembrandt-Lighting]] · [[Chiaroscuro]] · [[Rule-of-Thirds]]
- 응용: [[Generative-Image-Prompting]] · [[Video-Production]]
- Adjacent: [[Color-Theory]] · [[Camera-Movement]]
+- 부모: [[Cinematography]]

 ## 🤖 LLM 활용
 **언제**: 매 image/video prompt engineering — 매 cinematographic vocabulary 매 quality lift 큼.
@@ -174,10 +174,9 @@ def hybrid_flow(I1, I2, raft_model, points):
 **기본값**: `cv2.calcOpticalFlowPyrLK` with window=21, maxLevel=3, FB consistency check, periodic re-seed.

 ## 🔗 Graph
- 부모: [[Optical-Flow]] · [[Computer-Vision]]
- 변형: [[Pyramid-LK]] · [[Affine-LK]] · [[Inverse-Compositional-LK]]
- 응용: [[KLT-Tracker]] · [[Visual-SLAM]] · [[Video-Stabilization]]
- Adjacent: [[Horn-Schunck]] · [[RAFT]] · [[GMA]] · [[Good-Features-To-Track]]
+- 부모: [[Computer Vision|Computer-Vision]]
+- 응용: [[KLT-Tracker]]
+- Adjacent: [[RAFT]]

 ## 🤖 LLM 활용
 **언제**: Code generation for embedded vision, classical CV pipelines, baseline implementation before deep methods.
@@ -140,10 +140,10 @@ def build_report(answer, args: list[dict]):
 **기본값**: Issue tree 분석 → Pyramid 로 communicate.

 ## 🔗 Graph
- 부모: [[Problem Solving Process]] · [[Critical Thinking]]
+- 부모: [[Problem Solving Process]]
 - 변형: [[Pyramid Principle]] · [[Issue Tree]]
- 응용: [[Consulting]] · [[Technical Writing]]
- Adjacent: [[First Principles Thinking]] · [[Hypothesis-Driven]]
+- 응용: [[Technical Writing]]
+- Adjacent: [[Hypothesis-Driven]]

 ## 🤖 LLM 활용
 **언제**: report drafting, prompt structuring, decomposition assistance.
@@ -24,7 +24,6 @@ github_commit: pending
 - **Sharding**: per-region 또는 dynamic instance 로 scalability.

 ## 🔗 Graph
- 부모: [[MMORPG Persistent World Design]] (canonical)

 ## 🕓 변경 이력
 | 날짜 | 변경 |
@@ -143,9 +143,8 @@ def reduce_join(uid, tagged):

 ## 🔗 Graph
 - 부모: [[Distributed Systems]] · [[Parallel-Computing]]
- 변형: [[Spark]] · [[Apache Flink]] · [[Apache Beam]]
+- 변형: [[Spark]] · [[Apache Flink]]
 - 응용: [[Data Pipeline]] · [[ETL]]
- Adjacent: [[HDFS]] · [[Hadoop YARN]]

 ## 🤖 LLM 활용
 **언제**: pipeline design review, Spark migration 가이드, query optimization.
@@ -137,10 +137,9 @@ print(selfish_meme_score(replication_rate=2.0, host_wellbeing_delta=-0.8))  # 2.
 **기본값**: 매 SIR-style modeling 의 first pass — 매 quantitative grip 후 refinement.

 ## 🔗 Graph
- 부모: [[Evolutionary Theory]] · [[Cultural Evolution]]
- 변형: [[Cultural Selection]] · [[Information Theory]]
- 응용: [[Viral Marketing]] · [[Disinformation Analysis]] · [[LLM Training Bias]]
- Adjacent: [[Network Effects]] · [[Behavioral Economics]] · [[Sociolinguistics]]
+- 부모: [[Cultural Evolution]]
+- 변형: [[Entropy in Information Theory|Information Theory]]
+- Adjacent: [[Behavioral Economics]]

 ## 🤖 LLM 활용
 **언제**: 매 viral content design / disinformation defense / training corpus 의 bias diagnosis.
@@ -115,10 +115,10 @@ def middle_out_outline(thesis: str):
 **기본값**: Middle-out — 매 most realistic problems 에서 매 anchor 가 존재.

 ## 🔗 Graph
- 부모: [[Problem-Solving]] · [[Design-Thinking]]
+- 부모: [[Problem_Solving|Problem-Solving]] · [[Design-Thinking]]
 - 변형: [[Top-Down-Design]] · [[Bottom-Up-Design]]
- 응용: [[Minimal-Viable-Product]] · [[Architecture-Decision]]
- Adjacent: [[First-Principles-Thinking]] · [[Pyramid-Principle]]
+- 응용: [[Minimal-Viable-Product]]
+- Adjacent: [[Pyramid-Principle]]

 ## 🤖 LLM 활용
 **언제**: 매 ambiguous spec 에서 매 LLM 에게 "what's the anchor?" 질문 → 매 most leveraged decision 부터 elaborate.
@@ -113,10 +113,7 @@ def should_kill(metrics: dict, kill_threshold: dict) -> bool:
 **기본값**: Landing page → Concierge → Single-feature 의 progression.

 ## 🔗 Graph
- 부모: [[Lean-Startup]] · [[Product-Discovery]]
- 변형: [[Concierge-MVP]] · [[Wizard-of-Oz-MVP]]
- 응용: [[Build-Measure-Learn]] · [[Pivot-or-Persevere]]
- Adjacent: [[Customer-Development]] · [[Jobs-to-be-Done]]
+- 부모: [[Lean-Startup]]

 ## 🤖 LLM 활용
 **언제**: 매 hypothesis articulation, 매 riskiest assumption 의 surfacing, 매 MVP scaffold generation.
@@ -166,9 +166,9 @@ def consensus(question: str, n_agents=3) -> str:
 **기본값**: Orchestrator-worker + tool use loop.

 ## 🔗 Graph
- 부모: [[AI Agents]] · [[Distributed Systems]]
- 변형: [[Agent Orchestration]] · [[Swarm Intelligence]]
- 응용: [[Claude Agent SDK]] · [[LangGraph]]
+- 부모: [[Distributed Systems]]
+- 변형: [[Agent Orchestration]] · [[Swarm_Intelligence|Swarm Intelligence]]
+- 응용: [[LangGraph]]
 - Adjacent: [[Tool Use]] · [[Function Calling]]

 ## 🤖 LLM 활용
@@ -159,8 +159,6 @@ git apply abrams_buff.patch  # works as long as upstream context stable
 ## 🔗 Graph
 - 부모: [[Eugen Systems 모딩 매뉴얼]] · [[Iriszoom 엔진]]
 - 변형: [[ndf-parse 패키지]] · [[WARNO Modding]]
- 응용: [[Unit Balance Modding]] · [[Visual Mod]]
- Adjacent: [[Lua Scripting]] · [[INI Configuration]] · [[XML Game Data]]

 ## 🤖 LLM 활용
 **언제**: 매 large balance pass (parse → batch edit → write) / 매 new unit boilerplate generation / 매 cross-mod conflict detection.
@@ -107,8 +107,7 @@ def negative_rpe_update(V, s, s_, r, alpha=0.1):
 **기본값**: 매 dopamine = "wanting / RPE", 매 opioid = "liking" 의 dissociation 기억.

 ## 🔗 Graph
- 부모: [[Neuroscience]] · [[Reinforcement-Learning]]
- 변형: [[Dopamine-Hypothesis]] · [[Wanting-vs-Liking]]
+- 부모: [[Reinforcement-Learning]]
 - 응용: [[RLHF]] · [[TD-Learning]] · [[Addiction]]
 - Adjacent: [[Operant-Conditioning]] · [[Habit-Formation]]

@@ -121,10 +121,7 @@ def fused_workload(neural_idx: float, tlx_score: float) -> float:
 **기본값**: fNIRS + eye-tracking — 매 real-world ecological validity 의 best.

 ## 🔗 Graph
- 부모: [[Human Factors]] · [[Cognitive-Science]]
 - 변형: [[Affective-Computing]] · [[Brain-Computer-Interface]]
- 응용: [[Adaptive-Automation]] · [[Driver-State-Monitoring]] · [[Surgical-Training]]
- Adjacent: [[NASA-TLX]] · [[Mental-Workload]] · [[Vigilance-Decrement]]

 ## 🤖 LLM 활용
 **언제**: 매 study design review, 매 GLM script generation, 매 multimodal-feature engineering, 매 paper synthesis.
@@ -120,9 +120,7 @@ class MyoelectricController:
 **기본값**: Hill-type muscle + size-principle recruitment + EMG envelope.

 ## 🔗 Graph
- 부모: [[Neuroscience]] · [[Biomechanics]]
- 변형: [[Perceptual-Motor-Skills]] · [[Motor Learning]]
- 응용: [[Prosthetics]] · [[Exoskeleton Control]]
+- 변형: [[Perceptual-Motor-Skills]]
 - Adjacent: [[Reinforcement Learning]] · [[BCI]]

 ## 🤖 LLM 활용
@@ -123,9 +123,8 @@ def tms_session():

 ## 🔗 Graph
 - 부모: [[Neuroplasticity]] · [[Addiction-Neuroscience]]
- 변형: [[Long-Term-Potentiation]] · [[Reward-Prediction-Error]]
- 응용: [[Cue-Exposure-Therapy]] · [[TMS-for-Craving]] · [[Psychedelic-Assisted-Therapy]]
- Adjacent: [[Mesolimbic-Pathway]] · [[Dopamine-System]] · [[Reconsolidation]]
+- 변형: [[Reward-Prediction-Error]]
+- Adjacent: [[Mesolimbic-Pathway]] · [[Dopamine-System]]

 ## 🤖 LLM 활용
 **언제**: 매 mechanism teaching, 매 protocol scaffold, 매 patient-education content.
@@ -117,10 +117,7 @@ const conversion = funnel.map((step, i) =>
 **기본값**: Unity + Steam + Discord + telemetry-driven LiveOps — 매 indie sweet spot.

 ## 🔗 Graph
- 부모: [[Game-Studio]] · [[Indie-Development]]
- 변형: [[Web3-Gaming]] · [[UGC-Platforms]]
- 응용: [[LiveOps]] · [[Modding-SDK]] · [[Steam-Distribution]]
- Adjacent: [[Photon-Fusion]] · [[Nakama]] · [[Convai]] · [[Scenario]]
+- 응용: [[LiveOps]]

 ## 🤖 LLM 활용
 **언제**: 매 design-doc draft, 매 quest / dialogue gen, 매 telemetry SQL.
@@ -117,10 +117,6 @@ def vit_d_activation():
 **기본값**: TDEE 기반 + protein floor + micronutrient screen.

 ## 🔗 Graph
- 부모: [[Biochemistry]] · [[Physiology]]
- 변형: [[Sports Nutrition]] · [[Clinical Nutrition]]
- 응용: [[Diabetes Management]] · [[Athletic Performance]]
- Adjacent: [[Microbiome]] · [[Metabolomics]]

 ## 🤖 LLM 활용
 **언제**: meal plan template, nutrient interaction summary, label decoding.
@@ -24,7 +24,6 @@ github_commit: pending
 - 추론 / completeness 가정 차이가 핵심.

 ## 🔗 Graph
- 부모: [[Open World Assumption vs Closed World Assumption]] (canonical)

 ## 🕓 변경 이력
 | 날짜 | 변경 |
@@ -114,10 +114,8 @@ Source: Rand, ITOE 1979.
 **기본값**: 매 one tradition among many — 매 Aristotle / Kant / Mill / Rawls 의 also read.

 ## 🔗 Graph
- 부모: [[Philosophy]] · [[Ethics]]
- 변형: [[Libertarianism]] · [[Classical-Liberalism]] · [[Rational-Egoism]]
- 응용: [[Tech-Libertarianism]] · [[Atlas-Shrugged]]
- Adjacent: [[Aristotle]] · [[Nietzsche]] · [[Locke]] · [[Hayek]]
+- 부모: [[Philosophy]]
+- 변형: [[Rational-Egoism]]

 ## 🤖 LLM 활용
 **언제**: 매 syllabus draft, 매 contrast-essay scaffold, 매 primary-source navigation.
@@ -117,10 +117,7 @@ def plan_s_compliant(license, apc_capped, embargo_months, repo_deposited):
 **기본값**: Preprint (arXiv/bioRxiv/SSRN) + Gold OA journal under TA — 매 reach + compliance balance.

 ## 🔗 Graph
- 부모: [[Open-Science]] · [[Scholarly-Communication]]
- 변형: [[Plan-S]] · [[Diamond-Open-Access]] · [[Preprints]]
- 응용: [[Institutional-Repositories]] · [[OpenAlex]] · [[Unpaywall]]
- Adjacent: [[ORCID]] · [[FAIR-Data]] · [[CC-Licenses]]
+- 변형: [[Plan-S]]

 ## 🤖 LLM 활용
 **언제**: 매 funder-mandate decoding, 매 license-comparison summary, 매 author-letter draft.
@@ -115,10 +115,7 @@ verification_status: redirected
 **기본값**: Triage weekly — 매 "Other" 의 size 의 monotone 의 increase 의 prevent.

 ## 🔗 Graph
- 부모: [[10_Wiki Topics Index]]
 - 변형: (catch-all)
- 응용: [[Wiki-Cleanup-Workflow]]
- Adjacent: [[CLEANUP_SPEC]] · [[Knowledge-Management]]

 ## 🤖 LLM 활용
 **언제**: 매 batch triage, 매 cluster labeling, 매 redirect drafting.
@@ -123,9 +123,8 @@ PROMPT = """For the following plan, list:

 ## 🔗 Graph
 - 부모: [[Decision Theory]] · [[Behavioral Economics]]
- 변형: [[Reference Class Forecasting]] · [[Bayesian Reasoning]]
- 응용: [[Project Estimation]] · [[Forecasting]] · [[Pre-Mortem]]
- Adjacent: [[Planning Fallacy]] · [[Survivorship Bias]] · [[Base Rate Neglect]] · [[Tetlock Superforecasters]]
+- 변형: [[Reference Class Forecasting]]
+- 응용: [[Forecasting]]

 ## 🤖 LLM 활용
 **언제**: 매 estimation, 매 forecasting, 매 strategic planning, 매 evaluating "we're different" claims.
@@ -139,10 +139,10 @@ def pipeline_step(stages, micro_batches):
 **기본값**: 매 SIMD (numpy/jax) 시작 → 매 GPU SIMT → 매 multi-GPU DDP → 매 4D parallelism 의 progression.

 ## 🔗 Graph
- 부모: [[Computer-Architecture]] · [[Distributed-Systems]]
- 변형: [[GPU-Computing]] · [[Distributed-Training]]
- 응용: [[LLM-Training]] · [[Scientific-Computing]] · [[vLLM]]
- Adjacent: [[Concurrency]] · [[Parallel-Processing]]
+- 부모: [[Distributed-Systems]]
+- 변형: [[Distributed-Training]]
+- 응용: [[LLM_Optimization_and_Deployment_Strategies|vLLM]]
+- Adjacent: [[Concurrency]] · [[Parallel-Computing|Parallel-Processing]]

 ## 🤖 LLM 활용
 **언제**: 매 parallelism strategy selection, 매 communication overhead analysis, 매 NCCL/MPI debugging.
@@ -157,7 +157,7 @@ def pipeline_step(stages, micro_batches):
 ## 🧪 검증 / 중복
 - Verified (Hennessy & Patterson 6e; Megatron-LM paper 2019; Llama 3 paper 2024; CUDA C++ Programming Guide 12.x).
 - 신뢰도 A.
- 매 [[Parallel-Processing]] 매 alias / redirect.
+- 매 [[Parallel-Computing|Parallel-Processing]] 매 alias / redirect.

 ## 🕓 Changelog
 | 날짜 | 변경 |
@@ -163,10 +163,8 @@ plt.imshow(density.T, origin="lower", extent=(0, 50, 0, 50), cmap="hot")
 **기본값**: Mesa 3.x + Social Force for simulation, RVO2 for robot integration.

 ## 🔗 Graph
- 부모: [[Agent-Based Modeling]] · [[Complex Systems]]
- 변형: [[Social Force Model]] · [[ORCA Algorithm]] · [[Cellular Automata]]
- 응용: [[Evacuation Planning]] · [[Urban Simulation]] · [[Robot Navigation]]
- Adjacent: [[Trajectory Prediction]] · [[Crowd Analytics]] · [[SUMO]]
+- 부모: [[Complex Systems]]
+- 변형: [[Cellular Automata]]

 ## 🤖 LLM 활용
 **언제**: parameter sweep design, scenario script generation, calibration code 작성.
@@ -141,9 +141,8 @@ def menu_rt(n_options, a=0.2, b=0.15):

 ## 🔗 Graph
 - 부모: [[Cognitive Psychology]] · [[Motor Control]]
- 변형: [[Fitts Law]] · [[Hicks Law]] · [[Schmidt Schema Theory]]
- 응용: [[VR Sickness]] · [[Beat Saber]] · [[Teleoperation]] · [[UI Design]]
- Adjacent: [[Reaction Time]] · [[Vestibular System]] · [[Proprioception]] · [[Power Law of Practice]]
+- 응용: [[VR Sickness]] · [[Beat Saber]]
+- Adjacent: [[Proprioception]]

 ## 🤖 LLM 활용
 **언제**: 매 designing UI/VR/robotics interfaces, 매 modeling skill acquisition, 매 latency budgeting.
@@ -134,10 +134,8 @@ def store_with_provenance(code, value, statute_section, source_url, retrieved_at
 **기본값**: 매 LawAtlas-style codebook + git versioning + LLM-draft + human verification.

 ## 🔗 Graph
- 부모: [[Public Policy]] · [[Legal Tech]]
- 변형: [[Compliance]] · [[Regulatory Tracking]]
- 응용: [[AI Governance]] · [[GDPR Compliance]] · [[Health Policy]]
- Adjacent: [[LawAtlas]] · [[EU AI Act]] · [[Burris Method]]
+- 응용: [[AI 거버넌스 정책(AI Usage Policy)|AI Governance]] · [[GDPR Compliance]]
+- Adjacent: [[EU AI Act]]

 ## 🤖 LLM 활용
 **언제**: 매 first-pass coding of large statute corpus, 매 cross-walk drafting, 매 diff summarization.
@@ -141,10 +141,7 @@ class MixedPrecisionAdam:
 **기본값**: 매 BF16 forward + FP32 master weights (training), FP8 inference (Hopper+).

 ## 🔗 Graph
- 부모: [[Numerical-Methods]] · [[Mixed-Precision-Training]]
- 변형: [[Iterative-Refinement]] · [[GMRES-IR]]
- 응용: [[LLM-Training]] · [[Scientific-Computing]] · [[FP8-Inference]]
- Adjacent: [[Floating-Point-Arithmetic]] · [[Condition-Number]]
+- 변형: [[Iterative-Refinement]]

 ## 🤖 LLM 활용
 **언제**: 매 numerical stability debugging, 매 mixed-precision recipe selection, 매 condition number analysis.
@@ -142,10 +142,8 @@ def review(pr):
 **기본값**: 매 always ask "what is this *not*?" before "what is this?".

 ## 🔗 Graph
- 부모: [[Philosophy of Language]] · [[Semiotics]] · [[Linguistics]]
- 변형: [[Post-structuralism]] · [[Deconstruction]] · [[Distributional Semantics]]
+- 변형: [[Distributional Semantics]]
 - 응용: [[Word Embeddings]] · [[Knowledge Representation]] · [[Software Architecture]]
- Adjacent: [[Saussure]] · [[Lévi-Strauss]] · [[Barthes]] · [[Set Theory]]

 ## 🤖 LLM 활용
 **언제**: 매 meaning analysis, 매 cultural decoding, 매 embedding interpretation, 매 dependency graph reasoning.
@@ -151,10 +151,9 @@ def generalize(fix):
 **기본값**: 매 always do Look Back — 매 most engineers skip it; 매 90% of compounding leverage lives there.

 ## 🔗 Graph
- 부모: [[Cognitive Psychology]] · [[Engineering Methodology]]
+- 부모: [[Cognitive Psychology]]
 - 변형: [[Polya Method]] · [[Debugging]] · [[Root Cause Analysis]]
- 응용: [[LLM Agent Design]] · [[Incident Response]] · [[System Design Interview]]
- Adjacent: [[Five-Whys]] · [[Pre-Mortem]] · [[ReAct]] · [[Chain of Thought]]
+- Adjacent: [[ReAct]] · [[Chain of Thought]]

 ## 🤖 LLM 활용
 **언제**: 매 system-prompt scaffolds, 매 incident runbooks, 매 onboarding docs, 매 interview prep.
@@ -141,10 +141,10 @@ madge --image deps.svg src/
 **기본값**: 매 opportunistic — 매 README + entry point 부터 시작, beacon 발견 시 dive.

 ## 🔗 Graph
- 부모: [[Software Engineering]] · [[Cognitive Psychology]]
+- 부모: [[Cognitive Psychology]]
 - 변형: [[Code Review]] · [[Onboarding]]
- 응용: [[Refactoring]] · [[Bug Localization]] · [[LLM-assisted Coding]]
- Adjacent: [[Mental Models]] · [[Working Memory]] · [[AST]]
+- 응용: [[Refactoring_Best_Practices|Refactoring]]
+- Adjacent: [[Mental_Models|Mental Models]] · [[Working Memory]] · [[AST]]

 ## 🤖 LLM 활용
 **언제**: 매 onboarding new repo, 매 reviewing large PR, 매 understanding legacy code, 매 building mental model.
@@ -192,10 +192,10 @@ async function onInstallClick() {
 **기본값**: 매 start with PWA, 매 fall back to native shell only when blocked APIs needed.

 ## 🔗 Graph
- 부모: [[Web Platform]] · [[Frontend Architecture]]
- 변형: [[Service Worker]] · [[Web App Manifest]] · [[Project Fugu]]
- 응용: [[Offline-First]] · [[Push Notifications]] · [[Installable Web]]
- Adjacent: [[IndexedDB]] · [[Cache API]] · [[WebGPU]] · [[Workbox]]
+- 부모: [[Large_Frontend_Projects|Frontend Architecture]]
+- 변형: [[Service Worker]]
+- 응용: [[Offline-First]] · [[Push Notifications]]
+- Adjacent: [[WebGPU]] · [[Workbox]]

 ## 🤖 LLM 활용
 **언제**: 매 caching strategy design, 매 SW boilerplate, 매 update-flow patterns.
@@ -155,10 +155,10 @@ def negotiate(client_versions: set[str], server_versions: set[str]) -> str:
 **기본값**: 매 public = HTTP/3 + JSON, 매 internal = gRPC, 매 LLM tools = MCP.

 ## 🔗 Graph
- 부모: [[Networking]] · [[Distributed-Systems]]
- 변형: [[HTTP]] · [[gRPC]] · [[MCP]] · [[WebSocket]]
- 응용: [[API-Design]] · [[Microservices]] · [[IoT]]
- Adjacent: [[Interoperability]] · [[Serialization]]
+- 부모: [[Distributed-Systems]]
+- 변형: [[HTTP]] · [[gRPC]] · [[MCP]]
+- 응용: [[API-Design]] · [[Microservices]] · [[클라우드_인프라_및_IaC_운영_표준|IoT]]
+- Adjacent: [[Interoperability]]

 ## 🤖 LLM 활용
 **언제**: 매 protocol selection, 매 wire format debugging, 매 backward-compat strategy review.
@@ -164,10 +164,9 @@ gh issue list --label "needs-triage" --json number,title,createdAt
 **기본값**: small PRs (<400 LOC) + squash merge + Conventional Commits + required CI.

 ## 🔗 Graph
- 부모: [[Git]] · [[CI-CD]]
- 변형: [[GitHub]] · [[GitLab]] · [[Gitea]] · [[Forgejo]]
+- 부모: [[CI-CD]]
 - 응용: [[Code-Review]] · [[Trunk-Based-Development]]
- Adjacent: [[Conventional-Commits]] · [[Semantic-Versioning]] · [[CODEOWNERS]]
+- Adjacent: [[Conventional-Commits]] · [[CODEOWNERS]]

 ## 🤖 LLM 활용
 **언제**: PR description 의 generate, review 의 first-pass (style, obvious bugs), issue triage 의 label.
@@ -131,10 +131,10 @@ A: Because attrition costs $200K/engineer.
 **기본값**: 매 1-sentence purpose 가 없으면 — 매 don't ship.

 ## 🔗 Graph
- 부모: [[Philosophy]] · [[Design Thinking]] · [[Leadership]]
+- 부모: [[Philosophy]] · [[Design Thinking]]
 - 변형: [[Mission]] · [[Vision]] · [[Telos]] · [[Ikigai]]
- 응용: [[Module Design]] · [[LLM Agent Design]] · [[OKR]] · [[JTBD]]
- Adjacent: [[Single Responsibility Principle]] · [[Start With Why]] · [[Frankl]] · [[Aristotle]]
+- 응용: [[OKR]]
+- Adjacent: [[Single Responsibility Principle (SRP)|Single Responsibility Principle]]

 ## 🤖 LLM 활용
 **언제**: 매 system prompt 첫 줄, 매 module docstring, 매 product brief, 매 strategy doc.
@@ -120,10 +120,9 @@ children = [
 **기본값**: 매 business 의 technical writing 의 pyramid first.

 ## 🔗 Graph
- 부모: [[Communication]] · [[Writing]]
- 변형: [[BLUF]] · [[SCQA]] · [[MECE]]
- 응용: [[Consulting]] · [[Exec-Memo]] · [[Technical-Writing]]
- Adjacent: [[Mental-Models]] · [[Decision-Making]]
+- 변형: [[SCQA]] · [[MECE]]
+- 응용: [[Technical-Writing]]
+- Adjacent: [[Mental_Models|Mental-Models]] · [[Decision-Making]]

 ## 🤖 LLM 활용
 **언제**: draft 의 restructure top-down, 매 generate exec summary.
@@ -112,10 +112,8 @@ print(f"7d post-ceremony streaming multiple: {bump:.2f}x")
 **기본값**: 매 Grammy 의 institutional, 매 streaming 의 popular signal.

 ## 🔗 Graph
- 부모: [[Music-Industry]] · [[Awards]]
- 변형: [[Latin-Grammys]] · [[Grammy-Hall-of-Fame]]
- 응용: [[Album-of-the-Year]] · [[Music-Marketing]]
- Adjacent: [[Billboard]] · [[RIAA]] · [[Streaming]]
+- 부모: [[Awards]]
+- Adjacent: [[Streaming]]

 ## 🤖 LLM 활용
 **언제**: nominee/winner lookup, category structure 의 explain, historical trend 의 summarize.
@@ -139,9 +139,7 @@ print(resp.content[0].text)

 ## 🔗 Graph
 - 부모: [[Academic-Writing]] · [[Research-Methodology]]
- 변형: [[Survey-Paper]] · [[Literature-Review]]
- 응용: [[Conference-Submission]] · [[Thesis]]
- Adjacent: [[Citation-Style]] · [[BibTeX]] · [[Semantic-Scholar]]
+- 변형: [[Literature-Review]]

 ## 🤖 LLM 활용
 **언제**: paper search 의 expand, group prior work 의 thematically, 매 differentiation paragraph 의 draft.
@@ -137,10 +137,8 @@ def msprt_decision(treatment, control, theta=0.01):
 **기본값**: 매 pre-register + multiple seeds + report CIs + share code & data.

 ## 🔗 Graph
- 부모: [[Philosophy of Science]] · [[Statistics]]
- 변형: [[Experimental Design]] · [[Qualitative Methods]] · [[Causal Inference]]
- 응용: [[ML Research]] · [[A/B Testing]] · [[UX Research]] · [[AI Evaluation]]
- Adjacent: [[Reproducibility Crisis]] · [[Pre-registration]] · [[Tukey EDA]] · [[Popper Falsifiability]]
+- 부모: [[Statistics]]
+- 변형: [[Causal Inference]]

 ## 🤖 LLM 활용
 **언제**: 매 designing experiments, 매 reviewing methodology of papers, 매 drafting pre-registrations.
@@ -131,10 +131,9 @@ local items, id = queue:ReadAsync(8, false, 0)
 **기본값**: Luau strict mode + Roact + MemoryStore for matchmaking.

 ## 🔗 Graph
- 부모: [[Game-Platforms]] · [[UGC]]
- 변형: [[Roblox-Studio]] · [[Luau]]
- 응용: [[Adopt-Me]] · [[Brand-Metaverse]]
- Adjacent: [[Unity]] · [[Unreal]] · [[Minecraft]] · [[Fortnite-UEFN]]
+- 부모: [[UGC]]
+- 변형: [[Roblox-Studio]]
+- Adjacent: [[Unity]] · [[Minecraft]]

 ## 🤖 LLM 활용
 **언제**: Luau snippet 의 generate, Studio API lookup, game design pattern 의 explain.
@@ -134,10 +134,6 @@ print(resp.content[0].text)
 **기본값**: 매 layered — 매 external (P vs P) + internal (P vs Self) 의 same character 의 simultaneous.

 ## 🔗 Graph
- 부모: [[Storytelling]] · [[Narrative-Theory]]
- 변형: [[Three-Act-Structure]] · [[Hero-Journey]] · [[Save-the-Cat]]
- 응용: [[Screenwriting]] · [[Game-Narrative]] · [[Marketing-Story]]
- Adjacent: [[Character-Arc]] · [[Theme]] · [[Subtext]]

 ## 🤖 LLM 활용
 **언제**: scene 의 brainstorm, conflict beat 의 escalate, antagonist motivation 의 deepen.
@@ -122,10 +122,10 @@ const PrimaryButton = ({ children, ...rest }) => (
 **기본값**: 매 N=3 까지 wait. 매 doubt 시 duplicate.

 ## 🔗 Graph
- 부모: [[DRY Principle]] · [[Refactoring]]
- 변형: [[Premature Abstraction]] · [[YAGNI]]
+- 부모: [[DRY Principle]] · [[Refactoring_Best_Practices|Refactoring]]
+- 변형: [[YAGNI]]
 - 응용: [[Extract Function]] · [[Extract Class]]
- Adjacent: [[Code Smell]] · [[Sandi Metz Wrong Abstraction]]
+- Adjacent: [[Code Smell]]

 ## 🤖 LLM 활용
 **언제**: 매 codebase 의 duplication 매 detect → 매 N count 후 매 refactor 제안.
@@ -117,10 +117,8 @@ print(f"PPL = {torch.exp(loss).item()}")
 **기본값**: 매 SOTA = 매 starting reference, not endpoint. 매 다양 한 axes (latency, cost, robustness) 평가.

 ## 🔗 Graph
- 부모: [[Benchmark]] · [[Evaluation Metric]]
- 변형: [[Pareto-Frontier SOTA]] · [[Compute-Adjusted SOTA]]
- 응용: [[Leaderboard]] · [[Papers With Code]]
- Adjacent: [[Goodharts Law]] · [[Reproducibility Crisis]]
+- 응용: [[Leaderboard]]
+- Adjacent: [[Goodharts Law]]

 ## 🤖 LLM 활용
 **언제**: 매 task 의 매 current SOTA 의 매 quick lookup, 매 benchmark 추천.
@@ -131,10 +131,9 @@ async def tot_search(problem, max_depth=5, beam=3):
 **기본값**: 매 first 매 reformulate problem 으로 매 space 의 size ↓ — 매 algorithm choice 보다 효과 큼.

 ## 🔗 Graph
- 부모: [[Search Algorithms]] · [[Combinatorial Optimization]]
- 변형: [[State Space]] · [[Hypothesis Space]] · [[Game Tree]]
- 응용: [[A Star]] · [[MCTS]] · [[Tree of Thoughts]]
- Adjacent: [[Branching Factor]] · [[Heuristic Function]] · [[Pruning]]
+- 부모: [[Combinatorial Optimization]]
+- 변형: [[State Space]] · [[Hypothesis Space]]
+- 응용: [[MCTS]]

 ## 🤖 LLM 활용
 **언제**: 매 problem 의 매 search space modeling 의 매 design 도움.
@@ -134,10 +134,10 @@ async def agent_search(question, max_steps=5):
 **기본값**: hybrid (BM25 + dense, RRF fusion) + 매 cross-encoder rerank top-100 → 10.

 ## 🔗 Graph
- 부모: [[Information Retrieval]] · [[Search Algorithms]]
- 변형: [[BFS]] · [[DFS]] · [[A Star]] · [[MCTS]]
- 응용: [[RAG]] · [[Code Search]] · [[Web Search]]
- Adjacent: [[Search Space]] · [[Vector Database]] · [[Reranker]]
+- 부모: [[Information Retrieval]]
+- 변형: [[MCTS]]
+- 응용: [[RAG]]
+- Adjacent: [[Search Space]] · [[Reranker]]

 ## 🤖 LLM 활용
 **언제**: 매 RAG pipeline 의 매 retrieval / rerank / 매 agent search.
@@ -135,9 +135,8 @@ def trust_score(source: dict) -> float:

 ## 🔗 Graph
 - 부모: [[Research Methodology]]
- 변형: [[Primary Research]] · [[Meta-Analysis]] · [[Systematic Review]]
- 응용: [[Literature Review]] · [[Market Research]] · [[Competitor Analysis]]
- Adjacent: [[Knowledge Synthesis]] · [[Source-Trust Level]]
+- 응용: [[Literature Review]]
+- Adjacent: [[Knowledge Synthesis]]

 ## 🤖 LLM 활용
 **언제**: 매 abstract 의 매 relevance filter, 매 cross-paper synthesis, 매 lit review draft.
@@ -97,10 +97,8 @@ def occupation_gender_skew(corpus, occupations, pronouns):
 **기본값**: 매 reflexive — 매 자기 의 분석 도 매 같은 sociological forces 의 subject.

 ## 🔗 Graph
- 부모: [[Sociology]] · [[Epistemology]]
- 변형: [[Strong Programme]] · [[Actor-Network Theory]] · [[Social Construction of Reality]]
- 응용: [[Paradigm Shift]] · [[Bias in ML]] · [[Tacit Knowledge]]
- Adjacent: [[Philosophy of Science]] · [[Standpoint Theory]] · [[Bourdieu]]
+- 부모: [[Epistemology]]
+- 응용: [[Tacit Knowledge]]

 ## 🤖 LLM 활용
 **언제**: 매 academic discipline 의 매 origin / school mapping, 매 paradigm 식별.
@@ -111,10 +111,8 @@ I — Impact: "...which I think made her stop sharing her concerns."
 **기본값**: 매 1 skill 의 매 6 month focus — 매 broad shallow X.

 ## 🔗 Graph
- 부모: [[Career Development]] · [[Professional Development]]
- 변형: [[Emotional Intelligence]] · [[Communication Skills]] · [[Leadership]]
- 응용: [[Conflict Resolution]] · [[Negotiation]] · [[Public Speaking]]
- Adjacent: [[Deliberate Practice]] · [[Growth Mindset]] · [[Active Listening]]
+- 응용: [[Conflict Resolution]]
+- Adjacent: [[Deliberate Practice]] · [[Growth Mindset]]

 ## 🤖 LLM 활용
 **언제**: 매 difficult conversation 의 매 rehearsal, 매 feedback draft 의 매 SBI-frame, 매 written communication 의 매 tone polish.
@@ -158,8 +158,8 @@ const trafficLight = setup({}).createMachine({

 ## 🔗 Graph
 - 부모: [[State Management]] · [[Architecture]]
- 변형: [[Local State]] · [[Global State]] · [[Server State]] · [[URL State]]
- 응용: [[React]] · [[Zustand]] · [[TanStack Query]] · [[XState]]
+- 변형: [[Server State]]
+- 응용: [[React]] · [[Zustand]] · [[XState]]
 - Adjacent: [[Immutability]] · [[State Machine]] · [[Single Source of Truth]]

 ## 🤖 LLM 활용
--- a/Show More
+++ b/Show More