Files
2nd/10_Wiki/Topics/Domain_Programming/Topic_Programming/Critic_Pattern.md
T
Antigravity Agent c24165b8bc refactor(topics): 멀티 에이전트용 지식 재편 — _Common(공통 기본기) + Domain_* 구조
에이전트 8종(대화형/프로그래머 C·S/디자이너/설계자/기획자/QA/PD/PM)에게
[공통 기본 능력 + 롤별 Specialty] 2층으로 지식을 주입하기 위한 재분류.
문서 내용·포맷은 무수정, 폴더 이동만 (6,372개 문서 수 보존 확인).

- Topic_Programming → Domain_Programming (내부 구조 보존)
- Topic_Graphic → Domain_Design
- Topic_Business → Domain_Product
- Topic_General → Domain_General
- _Common 신설: Math(구 Topic_Math_Specialty), Reasoning(구 General/From_Thinking & Reasoning),
  Reasoning_Creativity(구 General/From_창의성), Communication(Poetic_Blog_Writing + From_writing)
- 타 도메인의 From_* 폴더는 유지 (출처 표기일 뿐, 이미 도메인에 맞게 분류된 문서)
- 빈 폴더 정리 (memory/procedures)
- 에이전트→폴더 매핑은 workspace의 .astra/agent-knowledge-map.json (9개 에이전트)

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
2026-07-11 11:05:56 +09:00

3.2 KiB

id, title, category, status, verification_status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, review_reason, merge_history, tags, raw_sources, applied_in, github_commit
id title category status verification_status canonical_id aliases duplicate_of source_trust_level confidence_score created_at updated_at review_reason merge_history tags raw_sources applied_in github_commit
pattern-critic Critic Pattern Pattern_AI draft applied
Critic
LLM judge
검수자 패턴
verifier
A 0.88 2026-06-13 2026-06-13
pattern
ai
critic
verification
platform-independent
일반 소프트웨어 공학 지식
ConnectAI/src/intelligence/criticAgent.ts (적용 예)
ConnectAI

Critic Pattern

🎯 한 줄 통찰 (One-line insight)

Critic 패턴은 "별도의 검수자(보통 LLM)가 산출물을 비판적으로 평가" 하는 것으로, 생성자와 검수자를 분리하면 환각·누락을 잡지만 검수 출력도 결국 LLM 이라 강건 파싱·근거 강제가 필수 다.

🧠 핵심 개념 (Core concepts)

  1. 생성자와 검수자 역할 분리. 2. 검수 기준 명시(요구 충족·근거·미결 구분·지어냄 금지). 3. 구조화 출력(JSON) + 강건 파싱. 4. 검수 결과를 보완 카드/재작성 입력으로.

📖 세부 내용 (Details · 패턴 명세)

  • Problem (언제 쓰나): 산출물의 사실성/완결성이 중요하고, 생성자 자체 점검만으론 부족할 때.
  • 사용 조건: 검수 기준을 명문화 가능; 검수 호출 비용 감당; 출력 파싱 방어.
  • 장점: 독립 시각으로 오류 포착, 근거 없는 단정 차단, 보완 제안.
  • 단점: 추가 LLM 비용, 검수자도 환각 가능, JSON 형식 위반.
  • 대안: 결정론 규칙 검증, 다수결(여러 검수자), 사람 검수.
  • 실패 사례: 검수자가 원문에 없는 내용을 "보완" 으로 지어냄; JSON.parse 직접 호출로 파싱 실패; 무조건 검수로 비용 폭증.

💻 코드 패턴 (Code patterns)

critique = LLM_critic(system="검수자. 근거 없는 단정/지어냄은 major. JSON만 출력", user=task+draft)
result   = parseBalancedJson(critique) or heuristicFallback()  # 잡설 내성
if not result.pass: attach(footer(result.issues, result.supplement))
# 규칙: supplement 도 원문 근거 한정, 없으면 "(확인 필요)"

적용 예: Intelligence 검증 레이어 의 criticAgent(조건부 1-pass + 균형 괄호 파서), 결정 ADR-0009 결정론 항상 LLM검증 조건부.

⚖️ 모순 및 업데이트 (Contradictions & updates)

검수자가 생성자보다 똑똑하지 않으면 효과가 제한적 — 작은 모델끼리는 결정론 신호 + 근거 강제 가 LLM-judge 보다 안정적일 수 있다.

🛠️ 적용 사례 (Applied in summary)

ConnectAI Critic(조건부), regression LLM-judge.

🔗 지식 그래프 (Knowledge Graph)

📚 출처 (Sources)

  • [S1] 일반 LLM critic/judge 지식
  • [S2] ConnectAI/src/intelligence/criticAgent.ts — 적용 예

📝 변경 이력 (Change history)

  • 2026-06-13: 프로젝트 독립 패턴 카드 작성.