Files

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

3.9 KiB

Raw Blame History

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

title

Pareto priority index

🎯 한 줄 통찰 (One-line insight)

로직 트리의 수많은 분기 중 가장 큰 전략적 임팩트를 정량적으로 산출하여 분석 효율성을 극대화하는 우선순위 지표입니다. [1, 2]

🧠 핵심 개념 (Core concepts)

파레토 법칙 (80/20 Rule): 문제의 80%를 설명하는 핵심적인 20%의 원인(드라이버)에 집중하는 원리입니다. [2, 3]
전략적 필터링: '바다의 물을 끓이려는 시도(Boiling the ocean)'와 같은 무의미한 전수 조사를 방지하고, 임팩트가 큰 요소에 자원을 배분합니다. [4-6]
드라이버 정량화: 각 로직 트리 브랜치의 가치를 수치화하여 객관적인 의사결정 근거를 제공합니다. [2, 7]

🧩 추출된 패턴 (Extracted patterns)

우선순위 역학: 불확실성이 낮고 영향력이 높은 브랜치를 우선적으로 선택하여 분석 범위를 좁히는 휴리스틱을 따릅니다. [8, 9]
선택적 심화: 모든 리프 노드(Leaf node)를 동일하게 분석하는 대신, 파레토 로직을 통해 상위 80%의 가치를 지닌 하위 항목들만 선별하여 심층 조사를 수행합니다. [2, 7, 10]

📖 세부 내용 (Details)

전략적 도구로서의 위치: 소스 데이터에 따르면 Pareto priority index는 SWOT 분석, VRIO 프레임워크, MECE 원칙 등과 함께 전략 기획 도구 중 하나로 분류됩니다. [1]
로직 트리와의 연계: 로직 트리를 구축할 때, 각 브랜치(branch)나 리프(leaf)에 파레토 법칙을 적용하여 "결과의 대부분을 결정짓는 소수의 핵심 동인"을 식별하는 데 사용됩니다. [7, 11]
분석 효율성 제고: 모든 잠재적 원인을 대등하게 다루는 브레인스토밍 방식과 달리, 파레토 로직 기반의 우선순위 설정은 팀의 역량을 고영향력 과업에 집중시켜 분석 오버헤드를 줄이고 실행 속도를 가속화합니다. [2]
정량적 브리지 구축: 문제의 격차(Gap)를 유발하는 각 드라이버의 기여도를 산출하여, 현재 상태에서 목표 상태로 가기 위한 숫자 중심의 스토리라인을 구성하는 근거가 됩니다. [7, 10, 11]
주의사항: 소스 내에서 'Pareto priority index'라는 용어는 전략 도구 목록에 명시되어 있으나, 구체적인 산식(예: 절감액, 성공 확률, 비용 등의 조합)에 대한 상세한 정의는 소스에 관련 정보가 부족합니다. [1]

⚖️ 모순 및 업데이트 (Contradictions & updates)

정보 부족: 'Pareto principle'이나 '80/20 prioritization'에 대한 로직 트리 내 적용법은 상세히 서술되어 있으나, 명칭으로서의 'Pareto priority index'에 대한 독립적인 메커니즘 설명은 부족합니다. [1, 2]

🛠️ 적용 사례 (Applied in summary)

현재 발견된 실제 적용 사례가 없습니다. (단, 파레토 로직을 활용한 로직 트리 분석은 'Acme Tools'의 수익성 진단 사례 등에서 범용적으로 관찰됩니다.) [12, 13]

✅ 검증 상태 및 신뢰도

상태: draft
검증 단계: conceptual (전략 도구 목록 및 파레토 법칙의 로직 트리 적용 원리 확인)
출처 신뢰도: B (Official Documentation / Strategic Framework Index via NotebookLM)
중복 검사 결과: 신규 생성 (New discovery)

📝 변경 이력 (Change history)

2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine.

3.9 KiB Raw Blame History