Fix: Restore unified Topics folder and reorganize specialized category folders

10_Wiki/Topics/Core_Optimization_Plan.md

@@ -0,0 +1,46 @@
+---
+id: a7f8e1c2-d3b4-4e5f-9a0b-1c2d3e4f5a6b
+category: Dev
+confidence_score: 0.90
+tags: [connectai, optimization, python, architecture, performance]
+last_reinforced: 2026-05-01
+github_commit: "initial-wikification"
+---
+
+# ConnectAI Core Optimization Plan (Python Core)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> ConnectAI의 성능 병목을 해결하기 위해 $O(N^2)$ 알고리즘을 $O(N \log N)$으로 고도화하고, 동기식 I/O를 비동기 파이프라인으로 전환하며, 옵저버 패턴을 통해 모듈 간 결합도를 제거하는 전면적인 코어 아키텍처 개편 계획이다.
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+### 1. 알고리즘 효율화 (Performance Optimization)
+- **현상**: `InferenceEngine.py` 내 brute-force 특징 매칭 로직이 $O(N^2)$의 비효율성을 가짐.
+- **해결**: **KD-Tree** 또는 행렬 분해 기반 벡터 연산을 도입하여 $O(N \log N)$으로 개선. 추론 지연 시간 5~10배 단축을 목표로 함.
+
+### 2. 비동기 I/O 파이프라인 (Throughput Enhancement)
+- **현상**: 데이터 로딩(`DataLoader.py`) 과정이 동기식으로 동작하여 CPU 유휴 시간 발생 및 처리량 저하.
+- **해결**: `asyncio` 및 스레드 풀을 활용한 비동기/병렬 I/O 구조로 전환하여 데이터 수집 및 처리 속도 극대화.
+
+### 3. 모듈 디커플링 (Maintainability & Scalability)
+- **현상**: 전처리 모듈과 코어 모델 간의 직접적인 하드코딩 의존성으로 인해 유지보수 및 테스트가 난해함.
+- **해결**: **관찰자 패턴(Observer Pattern)** 및 이벤트 기반 아키텍처 도입. `DataReadyEvent` 발행-구독 모델을 통해 모듈 독립성 확보 및 DIP(의존 역전 원칙) 실현.
+
+## 🚀 구현 로드맵 (Execution Roadmap)
+- **Phase 1**: 핵심 알고리즘 최적화 및 벤치마킹 (KD-Tree 구현).
+- **Phase 2**: 비동기 I/O 래핑 및 전역 이벤트 루프 통합.
+- **Phase 3**: 이벤트 시스템 구축을 통한 모듈 간 인터페이스 표준화.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- **복잡도 vs 성능**: KD-Tree 도입은 성능을 높이지만 데이터 업데이트 빈도가 극도로 높을 경우 트리 재구축 오버헤드가 발생할 수 있음.
+- **비동기 오버헤드**: 단순 연산 위주 작업에서는 `asyncio` 전환이 오히려 컨텍스트 스위칭 비용만 늘릴 수 있으므로 프로파일링 필수.
+
+## 🔗 지식 연결 (Graph)
+- **Parent**: 10_Wiki/Projects/ConnectAI
+- **Related**: Observer Pattern, KD-Tree, Asynchronous I/O
+- **Raw Source**: 00_Raw/system_analysis_and_improvement_plan
+
+## 💻 GitHub 동기화 자동화 워크플로우
+1. Stage: git add .
+2. Commit: `git commit -m "[P-Reinforce] Wikify ConnectAI Core Optimization Plan"`
+3. Push: `git push origin main`