Antigravity Agent
2.9 KiB
2.9 KiB
id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, last_reinforced, review_reason, merge_history, tags, raw_sources, tech_stack, applied_in, verification_status, related_notes
| id | title | category | status | canonical_id | aliases | duplicate_of | source_trust_level | confidence_score | created_at | updated_at | last_reinforced | review_reason | merge_history | tags | raw_sources | tech_stack | applied_in | verification_status | related_notes | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| wiki-2026-0514-python-017 | 스코프와 LEGB 규칙 | 10_Wiki/Topics/Coding/Python | needs_review | self |
|
none | C | 0.6 | 2026-05-14 | 2026-05-14 | 2026-05-14 | ai_generated_concept_batch |
|
|
|
conceptual |
|
스코프와 LEGB 규칙
한 줄 통찰
클로저와 전역 상태 문제는 LEGB를 선명히 이해하면 많이 줄어든다.
핵심 개념
- 요약: local, enclosing, global, builtins 스코프 해석 규칙을 다룬다.
- 지식 축: Python 언어의 핵심 개념과 문법 기초를 다루는 지식 축
- 이 문서는 Python 코딩과 설계, 운영, 품질 판단에 연결할 수 있는 개념 초안이다.
세부 내용
- 핵심 개념을 언어 철학과 연결해 이해하면 응용 범위가 넓어진다.
- 작동 원리를 알아야 문법 암기보다 더 빠르게 문제를 풀 수 있다.
- 기초 개념은 후속 라이브러리와 프레임워크 선택의 기준이 된다.
- 이 주제는 Python 코드의 표현 방식뿐 아니라 팀 규칙, 운영 환경, 리팩토링 비용까지 함께 고려해야 한다.
의사결정 기준
- 예제를 외우기보다 언제 이 개념을 선택해야 하는지 기준을 함께 적는다.
- 간단한 규칙보다 경계 조건과 예외를 먼저 확인한다.
- 다른 언어 습관을 그대로 가져오지 말고 Python다운 해법을 우선 검토한다.
안티패턴
- 문법만 외우고 데이터 모델을 이해하지 않는다.
- Python 철학보다 다른 언어의 습관을 그대로 들여온다.
- 기초를 건너뛰고 프레임워크 사용법만 익힌다.
적용 사례
- 아직 직접 연결된 실제 적용 사례는 없다.
verification_status: conceptual상태이며 추후 실제 Python 프로젝트, 스크립트, 서비스 구조에 연결되면 갱신한다.
중복 검사 결과
- 2026-05-14 기준
Topics/Coding전역에서 동일 제목의 Python 전용 문서는 직접 확인되지 않았다. - 일부 유사 개념은 범용 코딩 문서 또는 AI/Backend 문서 안에 부분적으로 존재할 수 있으므로 후속 정리 대상이다.
모순 및 업데이트
- 현재 문서는 사용자 요청으로 생성된 AI 기반 개념 초안이다.
- 실제 프로젝트 적용이나 코드 사례가 생기면
applied_in과verification_status를 갱신한다.
관련 문서
Raw Source
- user_request:2026-05-14-python-coding-batch
변경 이력
- 2026-05-14: Python 코딩 지식 배치용 초기 문서 생성.