"매 model 은 reality 의 simplified map — 매 right model 은 right decision.". Mental model 은 매 사람이 세계를 이해하기 위해 head 안에 가진 representation. Charlie Munger 가 매 popularize — 매 multidisciplinary toolkit 으로 매 50-100 개의 model 을 갖추면 매 cross-domain reasoning 가능. 매 engineering, 매 product, 매 AI prompt 설계에 매 직접 적용.
매 핵심
매 종류 (engineering 관련)
First Principles: 매 가정 분해, 매 fundamental physics/math 부터 reason.
Inversion: 매 "어떻게 fail 할까" 부터 시작.
Second-order thinking: 매 직접 결과 + 매 그 다음 결과까지.
Occam's Razor: 매 simplest explanation 우선.
Hanlon's Razor: 매 stupidity 가 malice 보다 매 흔하다.
Pareto (80/20): 매 20% 의 cause 가 매 80% 의 effect.
매 system thinking
Feedback loop: reinforcing (snowball) vs balancing (thermostat).
Stock & flow: state vs rate of change.
Leverage point: 매 small change → 매 large outcome (Donella Meadows).
매 decision-making
Expected value: 매 probability × payoff.
Regret minimization (Bezos): "매 80세에 후회 안 할 결정?"
Reversible vs one-way door: 매 undo 가능 → 빠르게 결정.
OODA loop: Observe-Orient-Decide-Act (Boyd).
매 learning
Feynman technique: 매 12살에게 설명할 수 있을 때까지.
Spaced repetition: 매 forgetting curve 와 싸움 (Anki, SuperMemo).
Deliberate practice: 매 edge of competence + immediate feedback.
💻 패턴
First Principles 적용 (engineering)
문제: "DB query 가 느림"
❌ Analogical: "다른 팀은 cache 추가했음 → 우리도"
✅ First Principles:
1. Query latency = network + parse + plan + execute + return
2. 측정 → execute 가 95%
3. EXPLAIN → seq scan on 10M rows
4. Index → 20ms (was 2000ms)
→ Cache 는 매 next step (further reduction), 매 root cause 해결 후.
Inversion (debugging)
"매 system 을 빠르게 만들 방법?"
→ "매 system 을 느리게 만드는 모든 방법?"
- N+1 query
- Sync 호출 in tight loop
- Memory leak → GC pause
- Lock contention
- Network round-trip
→ 매 list 를 거꾸로 읽으면 optimization checklist.
Second-order (product)
1차: "Feature X 추가 → user 늘어남"
2차: "user 늘어남 → support load 늘어남, infra cost 늘어남,
기존 user 의 UX complexity 늘어남"
3차: "complexity → churn → 결국 user 감소 가능"
→ 매 1차만 보면 매 false positive.
Pareto 적용 (LLM eval)
# 80% of bugs from 20% of promptsfromcollectionsimportCountererrors=load_eval_failures()patterns=Counter([categorize(e)foreinerrors])top_20pct=patterns.most_common(int(len(patterns)*0.2))# → fix top 20% categories first → 80% of failures resolved
Reversible decision matrix
| Decision | Reversible? | Stakes | Approach |
|--------------------|-------------|--------|--------------------|
| Library choice | Yes (refactor) | Low | Pick + iterate |
| Database schema | Hard (migration) | High | Design carefully |
| Hire | No (mostly) | High | Slow, multiple sigs|
| Production rename | Yes (alias) | Med | Pick + monitor |
Feynman technique (learning a concept)
1. Pick concept (e.g., "Mark-Sweep GC")
2. Write down what you know — in plain language
3. Identify gaps where you used jargon
4. Go back to source (paper, doc), fill gap
5. Simplify until a 12-year-old understands
→ 매 gap exposure 가 매 핵심.
매 결정 기준
상황
Model
새 architecture 설계
First Principles
Postmortem
Inversion ("어떻게 fail?")
Product decision
Second-order, Reversibility
Roadmap prioritization
Pareto, Expected Value
Learning new domain
Feynman
여러 conflicting view
Steelman 후 weighted
기본값: 매 small but diverse toolkit (10-15 models) 을 매 active recall — 매 50개 다 외우기보다 매 right one 을 right time 에 reach.
언제: complex problem 분해, multi-stakeholder decision, 새 domain learning, prompt 설계 (LLM 에게 model 명시 → 매 reasoning quality 상승).
언제 X: trivial / well-trodden problem — 매 over-thinking 의 risk.
❌ 안티패턴
One-model thinking (Munger's "man with a hammer"): 매 모든 문제를 매 favorite model 로 — 매 distortion.
Analogical 만: 매 "X 회사가 했으니 우리도" — 매 first principles 무시.
Model 수집만: 매 50개 외우지만 매 active 사용 X — 매 deliberate practice 필요.
Confirmation bias 와 결합: 매 favored model 로 매 cherry-pick.
🧪 검증 / 중복
Verified (Munger "Poor Charlie's Almanack", Kahneman "Thinking Fast & Slow", Meadows "Thinking in Systems", Bezos shareholder letters).
신뢰도 A.
🕓 Changelog
날짜
변경
2026-05-08
Phase 1
2026-05-10
Manual cleanup — engineering 중심 mental model toolkit
Antigravity Agent
f8b21af4be