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

3.3 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

title

Pragmatics

📌 한 줄 통찰 (The Karpathy Summary)

"말해진 것(What is said)과 의미된 것(What is meant) 사이의 간극을 맥락(Context)으로 메우는 해석의 예술."

📖 구조화된 지식 (Synthesized Content)

화용론은 언어의 문자적 의미를 넘어, 특정 상황과 맥락 속에서 발화가 어떻게 기능하고 해석되는지를 연구하는 언어학의 한 분야입니다.

언어 사용의 맥락 의존성:
- 직시(Deixis): '나, 너, 여기, 지금'과 같이 상황에 따라 지시 대상이 바뀌는 표현들은 화용론적 맥락 없이는 해석 불가능.
- 전제(Presupposition): 문장 내에 암묵적으로 깔려 있는 기정사실 (예: "그가 담배를 끊었다" -> "그는 과거에 담배를 피웠다").
화행 이론(Speech Act Theory):
- 언어는 단순히 정보를 전달하는 것을 넘어, 약속, 명령, 사과 등 실질적인 '행위'를 수행함 (Austin & Searle).
LLM과 화용론적 정렬:
- 현대 AI의 과제는 사용자의 간접적 요청, 풍자, 은유를 파악하여 '의도'에 정렬(AI_Safety_and_Alignment)된 답변을 내놓는 것.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

자동 평가의 한계 (RL Update): 기존 NLP의 평가 지표(BLEU, ROUGE 등)는 문장의 표면적 유사성만 측정할 뿐, 공손함이나 의도 파악과 같은 화용론적 적절성을 평가하지 못함. 따라서 인간 피드백 기반 강화학습(RLHF)이 화용론적 성능 향상의 핵심 동력이 됨.
영어 중심주의 탈피: 현재 화용론 데이터셋의 대부분이 영어 중심적임. 다국어/다문화 환경에서의 화용론적 오해를 방지하기 위한 '교차 언어적 화용론' 연구가 Antigravity의 향후 관심사임.

🔗 지식 연결 (Graph)

Conversational-Maxims, Cognitive Bias, AI_Safety_and_Alignment, NLP
Raw Source: Datacollector_MAC/out_wiki/화용론 (Pragmatics).md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

(TODO)

언제 쓰면 안 되는가:

(TODO)

🧪 검증 상태 (Validation)

정보 상태: needs_review
출처 신뢰도: A
검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
처리 방식: UPDATE (자동 정규화)
처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

3.3 KiB Raw Blame History