Files

T

Antigravity Agent 9148c358d0 docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거

Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를
Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류.

- 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로
  자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거,
  동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거.
- 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming,
  Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business,
  Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로,
  나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는
  title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백).
  원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지.
- 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서.
- 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는
  지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지.
- Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경.
- 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.

2026-07-05 00:33:48 +09:00

4.2 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

연역법

🎯 한 줄 통찰 (One-line insight)

보편적으로 검증된 일반론을 전제로 삼아 구체적인 사실에 대한 필연적 결론을 100% 확신으로 도출하는 논증 체계 [1-4]

🧠 핵심 개념 (Core concepts)

일반론 (General Theory): 누구도 부정할 수 없도록 보편적으로 검증된 원리나 법칙으로, 연역적 추론의 출발점이 되는 대전제이다 [1, 3].
논리적 인과관계: "~하기 때문에 ~한 결론에 이를 수 있다"는 형식으로 근거와 주장을 연결하는 흐름이다 [1, 3].
100% 보장성: 전제가 되는 일반론이 참일 경우, 거기서 도출되는 주장의 진위 여부는 논리적으로 100% 보장된다 [2, 4].
전문적 식견: 연역법을 사용하기 위해 근거로 제시할 적절한 일반론을 추출하려면 해당 분야의 높은 수준의 지식이 필요하다 [1, 3].

🧩 추출된 패턴 (Extracted patterns)

3단 논법 패턴: 보편적 원리(대전제) → 구체적인 개별 사실(소전제) → 필연적 결론의 구조를 따른다 [1, 3, 5, 6].
검증 도구 활용 패턴: MECE(미시) 기법과 로직 트리를 통해 정보를 분석한 뒤, 이를 논리적으로 전달하기 위해 연역법을 활용하여 설득력을 강화한다 [7, 8].
설득 구조 패턴: 보고 시 보편적 원리에서 시작하여 하위 단계로 내려감으로써 의사결정권자에게 논리적 빈틈이 없음을 증명한다 [1, 3].

📖 세부 내용 (Details)

정의 및 기본 원리: 연역법(演繹法)은 '논함이 이치에 맞다'는 논리의 본질을 구현하는 방식으로, 보편적 원리를 사용하여 주장을 펼친다 [1, 3]. 이는 세상의 일반적인 도리나 흐름, 특히 인과관계를 축으로 한 논증 방식이다 [1, 3, 7, 8].
추론 방식의 특징:
- 논증의 예시: "사람은 죽는다(일반론) / 나는 사람이다(사실) / 그러므로 나는 죽는다(필연적 결론)"와 같은 형식을 취하며, 전제와 사실이 일치하면 결론을 의심할 여지가 없다 [1, 3].
- 전문성 요구: 보편적인 일반론을 정확히 추출하여 대전제로 삼기 위해서는 전문가적인 식견이 반드시 뒷받침되어야 한다 [1, 3].
귀납법과의 비교:
- 방향성: 연역법은 일반론에서 구체적 사실로 나아가는 반면, 귀납법은 구체적 데이터에서 일반적인 경향성(가설)을 찾아낸다 [2, 4-6].
- 확실성: 귀납법은 주장의 가능성을 100% 보장할 수 없으나, 연역법은 전제가 참이라는 조건하에 결과가 100% 확실하다는 강점을 가진다 [2, 4].

⚖️ 모순 및 업데이트 (Contradictions & updates)

논리적 한계: 연역법은 결론의 확실성을 보장하지만, 대전제가 되는 일반론 자체를 추출하는 것이 어렵거나 일반론이 잘못되었을 경우 전체 논증이 붕괴될 위험이 있다 [1-4].
보완적 관계: 소스 데이터에 따르면 효과적인 분석을 위해서는 연역법과 귀납법을 상황에 맞게 혼용하며, 특히 데이터가 풍부한 경우 귀납적 추론을 통해 가설을 세운 뒤 연역적 논리로 검증하는 과정이 필요함을 시사한다 [2, 4].

🛠️ 적용 사례 (Applied in summary)

현재 발견된 실제 적용 사례가 없습니다.

✅ 검증 상태 및 신뢰도

상태: draft
검증 단계: conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
출처 신뢰도: B (Official Documentation / Primary Source 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.

4.2 KiB Raw Blame History

연역법