feat(meet): 회의록 가이드 v2 반영 + 모델 출력 붕괴 복원력 (v2.2.253)

회의록 출력물 개선 (실무 회의록 가이드 v2):
- 섹션 우선순위 재정렬(①결정 ②액션 ③오픈이슈 ④리스크 ⑤논의)
- 논의사항 주제별 bullet 간결화, 오픈 이슈 섹션 복원
- 액션 아이템 산출물 컬럼 추가(담당·작업·기한·산출물 4요소), 담당자 개인 우선
- Executive Summary 결과 중심, 결정사항은 확정된 것만

모델 출력 붕괴(degeneration) 대응:
- callLmSynthesis 재시도 내장(repeat_penalty↑/top_k↓로 반복 억제 강화) + looksDegenerate 감지
- 긴 녹취 조각 실패 시 절반 분할 재귀 재시도(12K→6K→3.5K)
- 부분 회의록 fallback(한 조각 실패해도 전체 중단 안 함)

하위호환: 액션 표 파서 신6컬럼/구5컬럼 모두 파싱, 섹션 번호 무관 탐지,
회의일 추출 일시/날짜 둘 다 인식. 테스트 +13건(전체 659 통과).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

.astra/project-context/architecture.md

@@ -3,27 +3,27 @@
 <!-- ASTRA:AUTO-START -->
 
 ## Snapshot
-- **Workspace**: `connectai` `v2.2.200` _(absolute path varies by environment; resolved from the active VS Code workspace)_
+- **Workspace**: `ConnectAI` `v2.2.247` _(absolute path varies by environment; resolved from the active VS Code workspace)_
 - **Description**: The personal intelligence layer for Antigravity and VS Code. A private cognitive partner for deep project context, memory, and proactive strategic decision-making.
 - **Stack**: TypeScript, Node.js, VS Code Extension, LM Studio SDK, Test runner
-- **Stats**: 431 source files, ~70,417 lines across 5 top-level modules.
+- **Stats**: 560 source files, ~83,576 lines across 5 top-level modules.
 
 ## Last Refresh
-- **Time**: 2026-06-01T02:30:44.120Z
+- **Time**: 2026-06-12T14:30:58.311Z
 - **Files newly analysed**: 3
-- **Files reused from cache**: 428
+- **Files reused from cache**: 557
 
 ## Directory Map
 ```mermaid
 mindmap
-  root((connectai))
+  root((ConnectAI))
     src/
       features/
       sidebar/
-      agent/
       lib/
+      agent/
+      intelligence/
       retrieval/
-      core/
     media/
     tests/
       helpers/
@@ -33,18 +33,18 @@ mindmap
     docs/
       records/
       docs/
-      Meeting/
+      plans/
 ```
 
 ## Module Dependencies
 > Arrows: which top-level module imports from which.
 ```mermaid
 flowchart LR
-    src["src/<br/>274 files"]
+    src["src/<br/>317 files"]
     media["media/<br/>6 files"]
-    tests["tests/<br/>37 files"]
+    tests["tests/<br/>58 files"]
     core_py["core_py/<br/>6 files"]
-    docs["docs/<br/>108 files"]
+    docs["docs/<br/>173 files"]
     tests --> src
 ```
 
@@ -56,71 +56,71 @@ flowchart LR
 
 ## Hub Files
 > Imported by many other files — touching these has wide blast radius.
-- `src/utils.ts` — referenced by **87** files
+- `src/utils.ts` — referenced by **102** files
-- `src/config.ts` — referenced by **35** files
+- `src/config.ts` — referenced by **38** files
 - `src/agent.ts` — referenced by **34** files
-- `src/core/services.ts` — referenced by **15** files
+- `src/core/services.ts` — referenced by **17** files
 - `src/features/company/index.ts` — referenced by **14** files · Public API for 1인 기업 모드. Consumers (sidebarProvider, chatHandlers, command handlers) import from this barrel so internal layout can move around without touching every call site.
 - `src/features/company/types.ts` — referenced by **14** files · Type definitions for the 1인 기업 (One-Person Company) mode. The mode turns the user into a virtual CEO that dispatches work to a roster of specialist agents. Each turn produces a session directory conta
-- `src/sidebarProvider.ts` — referenced by **11** files
+- `src/retrieval/brainIndex.ts` — referenced by **12** files · Brain Index — persistent, mtime-keyed tokenized cache of the Second Brain RAG 검색은 매 질의마다 브레인의 모든 .md 파일을 읽고 토크나이즈해서 TF-IDF 점수를 계산했습니다 — 파일 수가 많아지면 그게 병목입니다. 이 모듈은 <brainPath>/.astra/brain-index.json 에
-- `src/lib/contextManager.ts` — referenced by **10** files · Context Manager (컨텍스트 한계 관리) "context length = 132k" 는 "답변을 132k 토큰까지 생성해도 된다" 가 아닙니다. 시스템 프롬프트 + 대화 기록 + 입력 문서 + 생성될 답변 + 여유분 ≤ context length 이 모듈은 요청을 보내기 전에 입력 토큰을 추정하고, - 동적으로 출력 상한(maxTokens)을 계
+- `src/integrations/telegram/telegramClient.ts` — referenced by **12** files
 
 ## Modules
 
-### `src/` — 274 files, ~52,627 lines
+### `src/` — 317 files, ~61,263 lines
 
 **Sub-directories**
-- `src/features/` (100) — Astra Office — public API. 다음 세션에서 추가될 OfficeSnapshot presenter / schema 도 같은 entry 로 노출 예정. 현재 노출: full webview panel H
+- `src/features/` (112) — Generic event-sourced store — append-only .jsonl 파일 1개를 읽고/쓰는 공통 기반. 배경: customers, hire, runway, feedback 4개 store 가 같은
 - `src/sidebar/` (35) — Brain profile lifecycle 의 pure helpers — sidebarProvider 의 add/edit/delete 흐름에서 modal UI 와 config 쓰기를 제외한 데이터 변환 만 격리. 현
-- `src/agent/` (29) — Post-answer hook registry — 답변 완료 후 실행되는 부가 작업 모음. 새 hook 추가 = 1 객체 push. agent.ts 는 이 배열을 iterate 만 함. 현재 등록 순서 (v2.2.1
+- `src/lib/` (33) — Astra Mode Architecture Context Builder. 의도: 사용자가 Astra 자체의 mode 디자인 (Guard vs Multi-Agent 가 별도 모드여야 하는지) 을 묻는 메타 질문에 답할
-- `src/lib/` (29) — Astra Mode Architecture Context Builder. 의도: 사용자가 Astra 자체의 mode 디자인 (Guard vs Multi-Agent 가 별도 모드여야 하는지) 을 묻는 메타 질문에 답할
+- `src/agent/` (31) — 한·영 깨진 토큰 감지·수리 — 소형 로컬 모델의 토큰 붕괴 보정. 증상: 한국어 단어 중간에 영문 토큰이 섞임 — "덩어리"→"덩ey", "결과적으로"→"결ently". 프롬프트 규칙([출력 위생])으로는 못 막는
-- `src/retrieval/` (16) — Actionability Scoring — 검색 결과를 "현재 작업 상태" 신호로 재가중. 기존 TF-IDF (단어 매칭) + recency (시간) 만으로는 "지금 이 사용자가 하고 있는 작업과 직접 연결 된 문서
+- `src/intelligence/` (18) — Confidence Engine — 답변 확신도 0~100 결정론적 산출. Self-Evolving OS 마스터 플랜 Phase 2 / Track 1-1. 신뢰 조건 T4 "확신이 없으면 사람에게 묻는다" 의 측정 
+- `src/retrieval/` (18) — Actionability Scoring — 검색 결과를 "현재 작업 상태" 신호로 재가중. 기존 TF-IDF (단어 매칭) + recency (시간) 만으로는 "지금 이 사용자가 하고 있는 작업과 직접 연결 된 문서
 - `src/core/` (15) — Astra Path Resolver (경로 해결기) Astra의 모든 데이터 파일(.astra 디렉토리)의 경로를 중앙에서 관리합니다. 확장 프로그램의 설치 경로(extensionUri) 기반으로 .astra 디렉토
-- `src/memory/` (9) — Distillation Loop — stale Episodic Memory → Long-Term "episode-digest" 승급. 배경: Episodic Memory 가 무한히 누적되면 검색 노이즈. 30일+ 지
+- `src/extension/` (13) — 두뇌(Second Brain) 기본 위치 부트스트랩 — 첫 실행 온보딩. 문제: 두뇌 미설정 시 config 가 ~/.g1nation-brain(숨김 점폴더)로 조용히 폴백했다. - 폴더가 실제로 생성되지 않고, 설
-- `src/extension/` (8) — 8 files (.ts)
+- `src/memory/` (9) — Episodic Memory (일화 기억) 과거 대화/회의/결정의 맥락 흐름을 저장합니다. 세션 종료 시 자동으로 에피소드를 요약하여 저장합니다. "왜 이렇게 결정했는지", "어떤 흐름으로 진행했는지" 기록. 저장 
-- `src/docs/` (6) — Bug: Edited agent.ts Edited agent.ts Edited agent.ts Edited agent.ts Edited agent.ts ...
+- `src/docs/` (6) — src Chronicle Records
 - `src/integrations/` (6) — Per-chat conversation history for the Telegram bot. Why this exists: the previous bot was stateless — every inbound mess
 - `src/lmstudio/` (4) — 4 files (.ts)
-- `src/skills/` (4) — 4 files (.ts)
 
 **Key files**
-- `src/utils.ts` (471 lines)
+- `src/utils.ts` (485 lines)
-- `src/config.ts` (557 lines)
+- `src/config.ts` (661 lines)
-- `src/agent.ts` (1503 lines)
+- `src/agent.ts` (1670 lines)
 - `src/features/company/types.ts` (446 lines) — Type definitions for the 1인 기업 (One-Person Company) mode. The mode turns the user into a virtual CEO that dispatches work to a roster of specialist agents. Each turn produces a session directory conta
 - `src/core/services.ts` (176 lines)
-- `src/sidebarProvider.ts` (3186 lines)
+- `src/sidebarProvider.ts` (3487 lines)
-- `src/lib/contextManager.ts` (278 lines) — Context Manager (컨텍스트 한계 관리) "context length = 132k" 는 "답변을 132k 토큰까지 생성해도 된다" 가 아닙니다. 시스템 프롬프트 + 대화 기록 + 입력 문서 + 생성될 답변 + 여유분 ≤ context length 이 모듈은 요청을 보내기 전에 입력 토큰을 추정하고, - 동적으로 출력 상한(maxTokens)을 계
-- `src/features/company/companyConfig.ts` (896 lines) — State + config plumbing for 1인 기업 모드. Two surfaces: - CompanyState (runtime data: enabled flag, company name, which agents are active, per-agent model overrides). Persisted in VS Code's globalState so
-- `src/features/datacollect/slashRouter.ts` (1240 lines)
 - `src/integrations/telegram/telegramClient.ts` (154 lines)
-- `src/lib/paths.ts` (151 lines)
 - `src/agent/actions/types.ts` (41 lines)
-- `src/skills/agentKnowledgeMap.ts` (374 lines)
+- `src/lib/contextManager.ts` (278 lines) — Context Manager (컨텍스트 한계 관리) "context length = 132k" 는 "답변을 132k 토큰까지 생성해도 된다" 가 아닙니다. 시스템 프롬프트 + 대화 기록 + 입력 문서 + 생성될 답변 + 여유분 ≤ context length 이 모듈은 요청을 보내기 전에 입력 토큰을 추정하고, - 동적으로 출력 상한(maxTokens)을 계
-- `src/retrieval/types.ts` (66 lines) — Retrieval Types (검색 결과 통합 타입) 모든 검색 소스(Brain, Memory, Project, Episode)의 결과를 통합 인터페이스로 정의합니다.
+- `src/retrieval/brainIndex.ts` (566 lines) — Brain Index — persistent, mtime-keyed tokenized cache of the Second Brain RAG 검색은 매 질의마다 브레인의 모든 .md 파일을 읽고 토크나이즈해서 TF-IDF 점수를 계산했습니다 — 파일 수가 많아지면 그게 병목입니다. 이 모듈은 <brainPath>/.astra/brain-index.json 에
-- `src/memory/types.ts` (151 lines) — Memory Type Definitions (메모리 타입 정의) Astra의 5-Layer Cognitive Memory System의 모든 타입을 정의합니다. ① Short-Term ② Long-Term ③ Project ④ Procedural ⑤ Episodic
 - `src/retrieval/scoring.ts` (541 lines) — Scoring Engine — TF-IDF + Bilingual Tokenizer 단순 includes() 키워드 매칭을 넘어서, TF-IDF 가중치 기반의 문서 스코어링을 제공합니다. 한국어/영어 양국어 토크나이저를 포함합니다.
+- `src/features/company/companyConfig.ts` (896 lines) — State + config plumbing for 1인 기업 모드. Two surfaces: - CompanyState (runtime data: enabled flag, company name, which agents are active, per-agent model overrides). Persisted in VS Code's globalState so
+- `src/lib/paths.ts` (151 lines)
+- `src/skills/agentKnowledgeMap.ts` (374 lines)
+- `src/features/datacollect/slashRouter.ts` (201 lines)
+- `src/retrieval/types.ts` (66 lines) — Retrieval Types (검색 결과 통합 타입) 모든 검색 소스(Brain, Memory, Project, Episode)의 결과를 통합 인터페이스로 정의합니다.
+- `src/intelligence/requirementGraph.ts` (273 lines) — Requirement Graph — 업무 유형별 필수 요소 정의 + 감지 + 커버리지 검사. Self-Evolving Digital Employee OS 마스터 플랜(docs/SELFEVOLVINGOSMASTERPLAN.md) Phase 1 / Track 2-1. 신뢰 조건 T3 "품질이 일관적이다 — 필수 요소 누락 없음" 담당. 동작 2단계: 1. In
+- `src/lib/contextBuilders/promptDetection.ts` (107 lines) — 사용자 prompt 의 의도 분류 류 detection helpers. 모두 stateless 정규식 매칭. 옛 코드는 agent.ts 의 private 메서드로 박혀 있었는데, system prompt 빌더 (buildJarvisProjectBriefContext 등) 가 이걸 의존하면서 god-file 안에서 서로 얽힘. 헬퍼만 먼저 떼면 의존 그래프가
+- `src/memory/types.ts` (151 lines) — Memory Type Definitions (메모리 타입 정의) Astra의 5-Layer Cognitive Memory System의 모든 타입을 정의합니다. ① Short-Term ② Long-Term ③ Project ④ Procedural ⑤ Episodic
 - `src/features/stocks/types.ts` (53 lines) — Stocks 모듈 공유 타입. investresults/targetstocks.json 스키마를 그대로 받아서, ConnectAI 의 <workspace>/.astra/stocks.json 으로 옮긴 뒤 같은 필드명을 유지. 한글 필드명은 사용자의 도메인 데이터라 변경하지 않는다 — 마이그레이션 충돌 회피 + 사용자가 직접 JSON 편집할 때 frictio
-- `src/lib/contextBuilders/promptDetection.ts` (85 lines) — 사용자 prompt 의 의도 분류 류 detection helpers. 모두 stateless 정규식 매칭. 옛 코드는 agent.ts 의 private 메서드로 박혀 있었는데, system prompt 빌더 (buildJarvisProjectBriefContext 등) 가 이걸 의존하면서 god-file 안에서 서로 얽힘. 헬퍼만 먼저 떼면 의존 그래프가
 - `src/retrieval/lessonHelpers.ts` (325 lines) — Lesson / Experience Memory — pure helpers (no vscode dependency) "Lesson" = a markdown file in the active brain that captures a past mistake/risk and how to avoid repeating it. Identified by a lessons
+- `src/intelligence/confidenceEngine.ts` (165 lines) — Confidence Engine — 답변 확신도 0~100 결정론적 산출. Self-Evolving OS 마스터 플랜 Phase 2 / Track 1-1. 신뢰 조건 T4 "확신이 없으면 사람에게 묻는다" 의 측정 기반 — Escalation Engine 의 입력. 설계 원칙 (termValidator 와 동일): LLM 호출 없음. 검색 그라운딩 신호(턴
+- `src/intelligence/reflectionStore.ts` (162 lines) — Reflection Store — 업무 turn 회고 기록 + Failure Pattern 집계. Self-Evolving OS 마스터 플랜 Phase 1 / Track 2-4 (Reflection Engine v1) + Phase 3 / Track 3-6 (Failure Pattern DB v1 시드). 신뢰 조건 T5 "같은 실수를 반복하지 않는다" 의
+- `src/extension/telegramCommands.ts` (103 lines)
 - `src/security.ts` (159 lines)
-- `src/features/secondBrainTrace.ts` (792 lines)
-- `src/features/providers/types.ts` (63 lines) — Cloud LLM provider routing — model id prefix → provider id 매핑. Prefix 규칙: openrouter:anthropic/claude-3.5-sonnet → { provider: 'openrouter', model: 'anthropic/claude-3.5-sonnet' } anthropic:claude-3-5
-- `src/integrations/telegram/telegramBot.ts` (270 lines)
-- `src/lib/contextBuilders/localProjectIntent.ts` (233 lines)
-- `src/lib/engine.ts` (1114 lines)
 
-### `media/` — 6 files, ~7,671 lines
+### `media/` — 6 files, ~7,799 lines
 
 **Key files**
 - `media/sidebar.css` (2114 lines) — Stylesheet
-- `media/sidebar.js` (3933 lines)
+- `media/sidebar.js` (3947 lines)
 - `media/sidebar.html` (539 lines) — Astra
-- `media/settings-panel.html` (406 lines) — Astra Settings
+- `media/settings-panel.html` (440 lines) — Astra Settings
-- `media/settings-panel.css` (210 lines) — Stylesheet
+- `media/settings-panel.js` (505 lines)
-- `media/settings-panel.js` (469 lines)
+- `media/settings-panel.css` (254 lines) — Stylesheet
 
-### `tests/` — 37 files, ~5,875 lines
+### `tests/` — 58 files, ~8,276 lines
 *Depends on*: `src/`
 
 **Sub-directories**
@@ -131,29 +131,29 @@ flowchart LR
 **Key files**
 - `tests/helpers/mockLLMClient.ts` (112 lines) — MockLLMClient — IAIService 의 Mock 구현체. 의도: 회사 모드 dispatcher / ChunkedWriter / ceoPlanner 등 LLM 을 호출하는 코드 경로를 CI 환경에서도 테스트 가능하게. 실제 Ollama / LM Studio 없이도 응답을 미리 정의하거나 동적으로 생성 가능. 사용 예: const ai = new 
 - `tests/agentEngine.test.ts` (413 lines) — AgentEngine Tests — Chunked Writer Architecture 예전 buildup(planner → researcher → reflector → writer → synthesizer)을 단일 ChunkedWriter 의 outline → section[N] → polish 로 교체한 뒤의 회귀 테스트. 다루는 범위: 1. ErrorC
-- `tests/lmStudioLifecycle.test.ts` (326 lines) — Unit tests for ModelLifecycleManager. Strategy: inject mock ILMStudioClient and a simple in-memory IActivityTracker. No real LM Studio or SDK is touched — the manager file does not import the SDK dire
+- `tests/lmStudioLifecycle.test.ts` (330 lines) — Unit tests for ModelLifecycleManager. Strategy: inject mock ILMStudioClient and a simple in-memory IActivityTracker. No real LM Studio or SDK is touched — the manager file does not import the SDK dire
 - `tests/localPathPreflight.test.ts` (520 lines)
 - `tests/telegramBot.test.ts` (363 lines) — Unit tests for TelegramBot + truncateForTelegram. Strategy: - TelegramBot is driven by an injected ITelegramClient stub. We script getUpdates to return queued batches and assert that: - the offset cur
+- `tests/criticReflectionEval.test.ts` (200 lines) — Critic Agent / Reflection Store / Task Eval Harness (Self-Evolving OS P1 잔여 + P3) 테스트.
 - `tests/lmStudioStreamer.test.ts` (222 lines) — Unit tests for LMStudioStreamer. Strategy: inject a fake ILMStudioClient that returns a fake model handle whose respond() yields a controllable async iterable. No real SDK or WebSocket touched.
 - `tests/secondBrainTrace.test.ts` (407 lines)
 - `tests/approvalQueue.test.ts` (164 lines) — Unit tests for ApprovalQueue. Strategy: drive enqueue → approve / reject / clear / pre-empt directly, confirm the onChange event fires at the right moments and callbacks fire exactly once.
+- `tests/confidenceEngine.test.ts` (175 lines) — Confidence Engine + Escalation Engine (Self-Evolving OS Phase 2) 단위 테스트. 순수 함수만 검증 — vscode 의존 없음.
+- `tests/correctionLoop.test.ts` (158 lines) — Correction Loop 단위 테스트 — 순수 로직 (감지·프로필·레슨·큐 등록·영속화). LLM 의존 부분(classifyCorrection)은 엔드포인트 실패 → 휴리스틱 fallback 경로만 검증.
+- `tests/knowledgeOps.test.ts` (174 lines) — Knowledge Validation / Belief Revision / Decay / Debt (Self-Evolving OS Phase 4 — 지식 운영) 테스트.
+- `tests/meetRegistration.test.ts` (110 lines) — /meet 확신 게이트 — 분류·confirm 파싱·날짜 정규화 테스트. 정책: 확정+기한만 자동, 진행미정/기한미정/조건부는 보류, 반복은 첫 1회, 과거 날짜는 등록하되 완료확인 표기, 기한 해석 불가 확정건은 보류(추측 등록 금지).
+- `tests/needEngineQueue.test.ts` (159 lines) — Gap Detector / Need Engine / Knowledge Inventory / Learning Queue (Self-Evolving OS Phase 3 — 성장 루프 코어) 테스트.
 - `tests/projectScaffolder.test.ts` (135 lines) — Unit tests for FileSystemProjectScaffolder. Drives against a real temp directory so end-to-end file IO + path-traversal defenses are exercised.
+- `tests/requirementGraph.test.ts` (126 lines) — Requirement Graph (Self-Evolving OS Phase 1 / Track 2-1) 단위 테스트. 순수 함수만 검증 — vscode 의존 없음.
+- `tests/researchSkill.test.ts` (122 lines) — Research Agent / Skill Score / Success Pattern DB (Self-Evolving OS Phase 6) 테스트.
 - `tests/resilience_stress.test.ts` (197 lines) — Resilience & Boundary Stress Test Suite (v2.77.3) 이 테스트는 ConnectAI 엔진이 극한의 환경(인증 실패, 네트워크 차단, 타임아웃 등)에서 얼마나 안정적으로 복구되고, 신뢰성 지표(Resilience Metrics)를 정확히 기록하는지 검증합니다.
+- `tests/retrievalEvalEmbedding.test.ts` (106 lines) — 하이브리드(sparse+dense) 검색 측정 — 청크 TF-IDF vs 청크+임베딩 (alpha sweep). 평소 테스트 런에서는 skip (실제 두뇌 + 로컬 임베딩 서버 필요). 수동 실행: ASTRAEVALBRAIN="E:/Wiki/2nd/10Wiki/Topics" \ ASTRAEVALEMBEDMODEL="text-embedding-nomic-em
 - `tests/skillInjectionService.test.ts` (172 lines) — Unit tests for FileSystemSkillInjectionService. Strategy: drive the service against a real temp directory so path-traversal defenses and writeFileSync paths are exercised end-to-end. The service accep
+- `tests/sleepDigest.test.ts` (101 lines) — Sleep-time 사전 소화 — 순수 로직 테스트 (대상 선정·노후화 판정·노트 형식). LLM 호출(runSleepDigestOnce)은 제외 — 통합 검증은 수동 명령으로.
+- `tests/stocksCriteria.test.ts` (129 lines) — criteriaEval — /stocks judge 결정론 평가기 테스트. 픽스처는 옛 LLM 프롬프트에 명시돼 있던 사용자의 실제 분류 예시 3종 (마녀공장/기가비스/엔켐) — 코드 판정이 사용자 패턴과 일치해야 한다.
+- `tests/alignmentResearch.test.ts` (208 lines)
+- `tests/conflictCheck.test.ts` (65 lines) — Schedule Conflict Check (Self-Evolving OS Track 6-2/6-3) 테스트.
 - `tests/dataProcessor.test.ts` (87 lines) — / <reference types="jest" />
-- `tests/findBrainFilesCache.test.ts` (80 lines) — Unit tests for findBrainFiles TTL cache.
-- `tests/integration/mockLLMClient.test.ts` (86 lines) — MockLLMClient 자체의 sanity test. 이게 통과하면 dispatcher / ceoPlanner / ChunkedWriter 등 IAIService 를 받는 코드가 실제 LLM 없이 단위 / integration 테스트 가능. 향후 dispatcher 의 multi-stage flow 같은 큰 integration 테스트는 이 mock 을 
-- `tests/officeSchema.test.ts` (241 lines)
-- `tests/paths.test.ts` (84 lines) — Unit tests for the centralized path resolver.
-- `tests/systemSpecs.test.ts` (90 lines) — Unit tests for SystemSpecs + HeuristicModelMemoryEstimator. Strategy: - HeuristicModelMemoryEstimator is pure — directly drive it with model ids. - NodeSystemSpecsProvider depends on os. so we test: a
-- `tests/transaction.test.ts` (68 lines) — / <reference types="jest" />
-- `tests/vulnerability.test.ts` (60 lines) — / <reference types="jest" />
-- `tests/brainIndex.test.ts` (107 lines)
-- `tests/calendarApi.test.ts` (131 lines)
-- `tests/contextManager.test.ts` (149 lines)
-- `tests/icsParser.test.ts` (134 lines)
-- `tests/lessonHelpers.test.ts` (191 lines)
-- `tests/projectChronicle.test.ts` (199 lines)
 
 ### `core_py/` — 6 files, ~409 lines
 
@@ -165,45 +165,55 @@ flowchart LR
 - `core_py/optimizer.py` (55 lines)
 - `core_py/queue_worker.py` (82 lines)
 
-### `docs/` — 108 files, ~3,835 lines
+### `docs/` — 173 files, ~5,829 lines
 
 **Sub-directories**
-- `docs/records/` (95) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 프로젝트 코드 리뷰 해줄 수 있어? 개선할 부분이 있는지, 그러고...
+- `docs/records/` (157) — Astra Project Chronicle Records
-- `docs/docs/` (5) — Bug: Viewed integrationretrieval.test.ts:1-59 integrationretrieval.test.ts를 통해 ...
+- `docs/docs/` (5) — docs Chronicle Records
-- `docs/Meeting/` (0)
+- `docs/plans/` (2) — Alignment Self-Learning 개선 계획 (v2 — 적대적 리뷰 반영)
 
 **Key files**
 - `docs/TELEGRAM_REMOTE_EXECUTION_PLAN.md` (452 lines) — Telegram Remote Execution 기획서
+- `docs/records/ConnectAI/timeline.md` (422 lines) — Project Timeline
 - `docs/AgentEngine_Architecture.md` (314 lines) — AgentEngine Architecture Document
-- `docs/records/ConnectAI/timeline.md` (236 lines) — Project Timeline
+- `docs/SELF_EVOLVING_OS_MASTER_PLAN.md` (275 lines) — ASTRA Self-Evolving Digital Employee OS — 마스터 개발 계획 v1.1
 - `docs/ASTRA_OFFICE_REFACTOR.md` (198 lines) — Astra Office Refactor — Design Doc
 - `docs/EXPERIENCE_MEMORY_PLAN.md` (122 lines) — Experience Memory (Mistake / Lesson Loop) — Implementation Plan
+- `docs/plans/alignment-self-learning-plan.md` (194 lines) — Alignment Self-Learning 개선 계획 (v2 — 적대적 리뷰 반영)
+- `docs/plans/web-fetch-and-mode-parity-plan.md` (102 lines) — 웹 접근 + 모드 동등성 수정 계획 (v2 — 적대적 리뷰 + 재검증 반영)
 - `docs/records/ConnectAI/development/2026-05-02_connectai_project_knowledge_overview.md` (121 lines) — Astra Project Knowledge Overview
 - `docs/records/ConnectAI/development/2026-05-03_connectai_project_knowledge_overview.md` (121 lines) — Astra Project Knowledge Overview
 - `docs/Advanced_Features_Implementation_Guide.md` (40 lines) — Advanced Features Implementation Guide
+- `docs/PROJECT_CHRONICLE_GUARD_ROADMAP.md` (43 lines) — Project Chronicle Guard: Search Engine Roadmap
+- `docs/UX_UI_Consistency_Guidelines.md` (44 lines) — UX/UI Consistency Guidelines
+- `docs/docs/records/docs/README.md` (18 lines) — docs Chronicle Records
 - `docs/docs/records/docs/bugs/BUG-0001-viewed-integration-retrieval-test-ts-1-59-integration-retrie.md` (16 lines) — Bug: Viewed integrationretrieval.test.ts:1-59 integrationretrieval.test.ts를 통해 ...
 - `docs/docs/records/docs/chronicle.config.json` (11 lines) — JSON configuration
 - `docs/docs/records/docs/project-profile.md` (31 lines) — Project Profile
-- `docs/docs/records/docs/README.md` (18 lines) — docs Chronicle Records
 - `docs/docs/records/docs/timeline.md` (7 lines) — Project Timeline
-- `docs/PROJECT_CHRONICLE_GUARD_ROADMAP.md` (43 lines) — Project Chronicle Guard: Search Engine Roadmap
+- `docs/records/ConnectAI/README.md` (18 lines) — Astra Project Chronicle Records
-- `docs/records/ConnectAI/bugs/BUG-0001-volumes-data-project-antigravity-connectai-프로젝트-코드-리뷰-해줄-수-있.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 프로젝트 코드 리뷰 해줄 수 있어? 개선할 부분이 있는지, 그러고...
+- `docs/records/ConnectAI/bugs/BUG-0001-volumes-data-project-antigravity-connectai-프로젝트-코드-리뷰-해줄-수-있.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 프로젝트 코드 리뷰 해줄 수 있어? 개선할 부분이 있는지, 그러고...
-- `docs/records/ConnectAI/bugs/BUG-0002-지금-내가-분석-요청하고-너가-답을-줄때-아래-템플릿에-맞춰-답을-써주고-있는데-개선-포인트가-있는지-확인해.md` (16 lines) — Bug: 지금 내가 분석 요청하고 너가 답을 줄때 아래 템플릿에 맞춰 답을 써주고 있는데, 개선 포인트가 있는지 확인해줘. ## 내가 보는 위험 가장 큰...
+- `docs/records/ConnectAI/bugs/BUG-0002-지금-내가-분석-요청하고-너가-답을-줄때-아래-템플릿에-맞춰-답을-써주고-있는데-개선-포인트가-있는지-확인해.md` (16 lines) — Bug: 지금 내가 분석 요청하고 너가 답을 줄때 아래 템플릿에 맞춰 답을 써주고 있는데, 개선 포인트가 있는지 확인해줘. ## 내가 보는 위험 가장 큰...
-- `docs/records/ConnectAI/bugs/BUG-0003-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
+- `docs/records/ConnectAI/bugs/BUG-0003-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
-- `docs/records/ConnectAI/bugs/BUG-0004-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
+- `docs/records/ConnectAI/bugs/BUG-0004-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
-- `docs/records/ConnectAI/bugs/BUG-0005-다시한번-답줘-volumes-data-project-antigravity-connectai-내-질문에-대한-.md` (16 lines) — Bug: 다시한번 답줘. /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는...
+- `docs/records/ConnectAI/bugs/BUG-0005-다시한번-답줘-volumes-data-project-antigravity-connectai-내-질문에-대한-.md` (16 lines) — Bug: 다시한번 답줘. /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는...
-- `docs/records/ConnectAI/bugs/BUG-0006-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
+- `docs/records/ConnectAI/bugs/BUG-0006-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
-- `docs/records/ConnectAI/bugs/BUG-0007-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
-- `docs/records/ConnectAI/bugs/BUG-0008-volumes-data-project-antigravity-connectai-내-질문에-대한-답변이-잘-정리.md` (16 lines) — Bug: /Volumes/Data/project/Antigravity/ConnectAI 내 질문에 대한 답변이 잘 정리되서 알려주긴 하는데 focused...
-- `docs/records/ConnectAI/bugs/BUG-0009-문제점을-읽고-어떻게-개선하는게-최선인지-분석해주면-좋겠어-알겠습니다-지금부터-connectai-프로젝트-에.md` (16 lines) — Bug: 문제점을 읽고 어떻게 개선하는게 최선인지 분석해주면 좋겠어. 알겠습니다. 지금부터 ConnectAI 프로젝트에만 완전히 집중하겠습니다. ...
-- `docs/records/ConnectAI/bugs/BUG-0010-문제점을-읽고-어떻게-개선하는게-최선인지-분석해주면-좋겠어-알겠습니다-지금부터-connectai-프로젝트-에.md` (16 lines) — Bug: 문제점을 읽고 어떻게 개선하는게 최선인지 분석해주면 좋겠어. 알겠습니다. 지금부터 ConnectAI 프로젝트에만 완전히 집중하겠습니다. ...
-- `docs/records/ConnectAI/bugs/BUG-0011-문제점을-읽고-어떻게-개선하는게-최선인지-분석해주면-좋겠어-알겠습니다-지금부터-connectai-프로젝트-에.md` (16 lines) — Bug: 문제점을 읽고 어떻게 개선하는게 최선인지 분석해주면 좋겠어. 알겠습니다. 지금부터 ConnectAI 프로젝트에만 완전히 집중하겠습니다. ...
 
 ## VS Code Extension Surface
 - **Extension ID**: `g1nation.astra`
 - **Activation events**: `onStartupFinished`
-- **Commands** (29):
+- **Commands** (39):
   - `g1nation.newChat` — Astra: New Chat
+  - `g1nation.eval.retrieval` — Astra: 검색 평가 실행 (recall@k / MRR)
+  - `g1nation.eval.tasks` — Astra: 업무 평가 실행 (회의록 골든셋)
+  - `g1nation.growth.report` — Astra: 성장 리포트 (Reflection 추이)
+  - `g1nation.growth.learningQueue` — Astra: 학습 큐 갱신 (Need Engine)
+  - `g1nation.knowledge.decayAudit` — Astra: 지식 노후 점검 (Knowledge Decay)
+  - `g1nation.research.runQueue` — Astra: 학습 실행 (Research Agent — 승인된 큐 항목)
+  - `g1nation.growthCycle.runNow` — Astra: 주간 성장 사이클 지금 실행 (평가→학습큐→노후점검→승인분 실행)
+  - `g1nation.embeddings.backfill` — Astra: 두뇌 임베딩 전체 색인
+  - `g1nation.sleepDigest.runNow` — Astra: 지식 사전 소화 지금 실행 (Sleep-time Digest)
+  - `g1nation.conflictScan.runNow` — Astra: 지식 충돌 스캔 지금 실행 (신규 문서 ↔ 기존 지식)
   - `g1nation.exportChat` — Astra: Export Chat as Markdown
   - `g1nation.explainSelection` — Astra: Explain Selected Code
   - `g1nation.focusChat` — Astra: Focus Chat Input
@@ -232,9 +242,12 @@ flowchart LR
   - `g1nation.calendar.refresh` — Astra: Google Calendar 새로고침 📅
   - `g1nation.calendar.connectOAuth` — Astra: Google Calendar OAuth 연결 (쓰기) 🔐
   - `g1nation.devilAgent.toggle` — Astra: Toggle Devil Agent 🎭
-- **Configuration** (122 settings):
+- **Configuration** (149 settings):
   - `g1nation.multiAgentEnabled` *(boolean)* _(default: `false`)_ — Enable Multi-Agent Workflow (Planner -> Researcher -> Writer) for complex tasks.
-  - `g1nation.datacollectBridgeUrl` *(string)* _(default: `"http://127.0.0.1:3002"`)_ — Wiki/Datacollect MCP Bridge URL. /research, /benchmark, /youtube chat slash commands route here. The Bridge must be running (`npm run bridge` in the Datacollect project).
+  - `g1nation.datacollectBridgeTarget` *(string)* _(default: `"local"`)_
+  - `g1nation.datacollectBridgeUrl` *(string)* _(default: `"http://127.0.0.1:3002"`)_ — [local 타깃] Wiki/Datacollect MCP Bridge URL. /benchmark, /youtube, /wikify chat slash commands route here. The Bridge must be running (`npm run bridge` in the Datacollect project).
+  - `g1nation.datacollectBridgeNasUrl` *(string)* _(default: `""`)_
+  - `g1nation.datacollectBridgeNasToken` *(string)* _(default: `""`)_
   - `g1nation.datacollectSavePath` *(string)* _(default: `""`)_
   - `g1nation.datacollectCrawlDepth` *(number)* _(default: `1`)_
   - `g1nation.datacollectMaxPages` *(number)* _(default: `8`)_
@@ -242,6 +255,15 @@ flowchart LR
   - `g1nation.chatTemperature` *(number)* _(default: `0.3`)_
   - `g1nation.meetUsesTasks` *(boolean)* _(default: `true`)_
   - `g1nation.meetUsesCalendar` *(boolean)* _(default: `false`)_
+  - `g1nation.meetVerifyPass` *(boolean)* _(default: `false`)_
+  - `g1nation.dailyBriefing.enabled` *(boolean)* _(default: `true`)_
+  - `g1nation.dailyBriefing.time` *(string)* _(default: `"09:30"`)_
+  - `g1nation.sleepDigest.enabled` *(boolean)* _(default: `true`)_
+  - `g1nation.sleepDigest.time` *(string)* _(default: `"03:00"`)_
+  - `g1nation.growthCycle.enabled` *(boolean)* _(default: `true`)_
+  - `g1nation.growthCycle.day` *(number)* _(default: `0`)_
+  - `g1nation.growthCycle.time` *(string)* _(default: `"20:00"`)_
+  - `g1nation.growthCycle.autoRunApproved` *(boolean)* _(default: `true`)_
   - `g1nation.teamVoiceGuide` *(string)* _(default: `""`)_
   - `g1nation.memoryEnabled` *(boolean)* _(default: `true`)_ — Enable layered memory injection before each model response.
   - `g1nation.memoryShortTermMessages` *(number)* _(default: `8`)_ — Number of recent conversation messages included as short-term memory.
@@ -281,19 +303,7 @@ flowchart LR
   - `g1nation.maxContextSize` *(number)* _(default: `32000`)_ — Maximum character count for active file context. Default: 32000
   - `g1nation.maxAutoSteps` *(number)* _(default: `50`)_ — Maximum autonomous steps the agent can take per request. Default: 50
   - `g1nation.dryRun` *(boolean)* _(default: `false`)_ — If enabled, the agent will ask for approval before committing any file changes.
-  - `g1nation.telegram.enabled` *(boolean)* _(default: `false`)_ — Enable the Telegram bot integration. When on, Astra polls a bot you configure and replies to incoming messages. Off by default — Astra remains 100% local until you opt in.
+  - _…and 89 more_
-  - `g1nation.telegram.allowedChatIds` *(array)* _(default: `[]`)_ — Optional allowlist of Telegram chat IDs that may message the bot. When empty, every chat that messages the bot is accepted (use with caution).
-  - `g1nation.telegram.defaultAgent` *(string)* _(default: `""`)_ — Agent name (matches an entry in the Agent ↔ Knowledge map) used to scope Second Brain retrieval for Telegram replies. Empty falls back to the map's defaultAgent, then to whole-brain search.
-  - `g1nation.telegram.agentByChatId` *(object)* _(default: `{}`)_ — Per-chat override of the Telegram agent. Keys are stringified chat IDs, values are agent names from the knowledge map. Overrides telegram.defaultAgent for the listed chats.
-  - `g1nation.telegram.contextChunks` *(number)* _(default: `6`)_ — How many Second Brain excerpts to inject into Telegram replies. Set 0 to disable RAG (plain prompt only).
-  - `g1nation.skillKnowledgeMapPath` *(string)* _(default: `""`)_ — Absolute path to the agent ↔ knowledge mapping JSON. When empty, defaults to '<workspace>/.astra/agent-knowledge-map.json'.
-  - `g1nation.skillKnowledgeMap` *(object)* _(default: `{}`)_ — Inline fallback for the agent ↔ knowledge mapping. Used only when the JSON file is missing. Shape: { defaultAgent?, agents: [{ name, knowledgeFolders, model?, description? }] }. Folder paths can be ab
-  - `g1nation.agentSkillsPath` *(string)* _(default: `""`)_ — Absolute path to the agent skills folder (`.agent/skills/*.md`). When empty, defaults to '<workspace>/.agent/skills'. Use this on Windows or when your skills live outside the workspace.
-  - `g1nation.embeddingModel` *(string)* _(default: `""`)_ — Embedding model registered in LM Studio / Ollama (e.g. 'text-embedding-bge-small-en-v1.5', 'nomic-embed-text', 'multilingual-e5-small'). When empty, Astra uses TF-IDF only. When set, the brain is embe
-  - `g1nation.embeddingBlendAlpha` *(number)* _(default: `0.5`)_ — Hybrid score blend: 0 = pure TF-IDF (sparse / keyword), 1 = pure embedding cosine (dense / semantic), 0.5 = balanced. Only used when g1nation.embeddingModel is set. Default 0.5.
-  - `g1nation.conflictHighlightingEnabled` *(boolean)* _(default: `true`)_ — Conflict Surface — 검색된 출처에서 충돌/논란 신호 감지 시 [CONFLICT WARNINGS] 블록을 시스템 프롬프트에 주입. LLM 이 상충되는 관점을 명시하고 사용자 판단에 위임하도록. 기본 켜짐.
-  - `g1nation.conflictSeverityThreshold` *(string)* _(default: `"medium"`)_ — Conflict 자기-신호 surface 시 최소 severity 임계. low=가장 민감(노이즈 가능), medium=균형(기본), high=강한 충돌만.
-  - _…and 62 more_
 
 ## Dependencies
 - **Runtime** (2): `@lmstudio/sdk`, `pdf-parse`
@@ -341,7 +351,7 @@ Astra는 대표님의 명시적인 승인 하에 로컬 시스템의 강력한
 **Designed for High-Performance Decision Making.**
 Copyright (C) **g1nation**. All rights reserved.
 
-_Last auto-scan: 2026-06-01T02:30:44.120Z · signature `a95021db`_
+_Last auto-scan: 2026-06-12T14:30:58.311Z · signature `314f69`_
 <!-- ASTRA:AUTO-END -->
 
 ## Purpose

.astra/tests/engine/.astra/cache/7fa9e2c0ed212d5dbde1172e996cde86955f34dda22a6e02b95c9adc0a456927.json

@@ -1,5 +1,5 @@
 {
   "result": "직답 결과 — single-pass mock 응답입니다.",
-  "createdAt": 1780367973993,
+  "createdAt": 1781274728276,
   "modelVersion": "unknown"
 }

.astra/tests/engine/.astra/cache/8c208151bed9108b665cd93e98fc10d377a9fef641dd359504b8d53aecd0a4c3.json

@@ -1,5 +1,5 @@
 {
-  "result": "---\nid: wiki_on\ndate: 2026-06-02T02:39:33.994Z\ntype: knowledge_artifact\nstandard: P-Reinforce v3.0\ntags: [automated, connect_ai, brain_sync]\n---\n\n## 📌 Brief Summary\n직답 결과 — single-pass mock 응답입니다.\n\n직답 결과 — single-pass mock 응답입니다.\n---\n## 🛡️ Reliability & Audit Summary\n> [!NOTE]\n> 이 문서는 ConnectAI의 **Intelligent Resilience** 엔진에 의해 검증 및 정제되었습니다.\n\n| Metric | Value | Status |\n| :--- | :--- | :--- |\n| **Conflict Risk** | `0/100` | ✅ Low |\n| **Fallbacks Used** | `0` | ✅ None |\n| **Auto Retries** | `0` | ✅ Stable |\n| **Deduplication** | `0` | Standard |\n| **Processing Time** | `0.0s` | ✅ Fast |\n\n### 🔍 Decision Audit Trail\n- **[DIRECT]** 답변 작성 중... (단일 호출 fast-path) (25ms)\n",
+  "result": "---\nid: wiki_on\ndate: 2026-06-12T14:32:08.279Z\ntype: knowledge_artifact\nstandard: P-Reinforce v3.0\ntags: [automated, connect_ai, brain_sync]\n---\n\n## 📌 Brief Summary\n직답 결과 — single-pass mock 응답입니다.\n\n직답 결과 — single-pass mock 응답입니다.\n---\n## 🛡️ Reliability & Audit Summary\n> [!NOTE]\n> 이 문서는 ConnectAI의 **Intelligent Resilience** 엔진에 의해 검증 및 정제되었습니다.\n\n| Metric | Value | Status |\n| :--- | :--- | :--- |\n| **Conflict Risk** | `0/100` | ✅ Low |\n| **Fallbacks Used** | `0` | ✅ None |\n| **Auto Retries** | `0` | ✅ Stable |\n| **Deduplication** | `0` | Standard |\n| **Processing Time** | `0.0s` | ✅ Fast |\n\n### 🔍 Decision Audit Trail\n- **[DIRECT]** 답변 작성 중... (단일 호출 fast-path) (11ms)\n",
-  "createdAt": 1780367973995,
+  "createdAt": 1781274728280,
   "modelVersion": "unknown"
 }

.astra/tests/engine/.astra/missions/wiki_on.json

@@ -1,8 +1,8 @@
 {
   "missionId": "wiki_on",
   "status": "completed",
-  "startTime": "2026-06-02T02:39:33.967Z",
+  "startTime": "2026-06-12T14:32:08.260Z",
-  "totalElapsedMs": 28,
+  "totalElapsedMs": 21,
   "results": {
     "direct": "직답 결과 — single-pass mock 응답입니다."
   },
@@ -12,16 +12,16 @@
     {
       "from": "idle",
       "to": "direct",
-      "durationMs": 25,
+      "durationMs": 11,
       "message": "답변 작성 중... (단일 호출 fast-path)",
-      "ts": "2026-06-02T02:39:33.992Z"
+      "ts": "2026-06-12T14:32:08.271Z"
     },
     {
       "from": "direct",
       "to": "completed",
-      "durationMs": 3,
+      "durationMs": 10,
       "message": "미션 완료",
-      "ts": "2026-06-02T02:39:33.995Z"
+      "ts": "2026-06-12T14:32:08.281Z"
     }
   ],
   "resilienceMetrics": {

.astra/tests/stress/.astra/cache/21818066876cbf8515758bc351bb3d9d44f32b0e4cd024b2e055db3a0d34417e.json

@@ -1,5 +1,5 @@
 {
   "result": "Final report with inconsistencies. This should be long enough to pass validation.",
-  "createdAt": 1780367980792,
+  "createdAt": 1781274734889,
   "modelVersion": "unknown"
 }

.astra/tests/stress/.astra/cache/4fc755e372f1dd80d6bffc7b2ef973124fb64ba505f767c53a783833bbc3fa6a.json

@@ -1,5 +1,5 @@
 {
   "result": "Final report with inconsistencies. This should be long enough to pass validation.",
-  "createdAt": 1780367980791,
+  "createdAt": 1781274734889,
   "modelVersion": "unknown"
 }

.astra/tests/stress/.astra/cache/6e559207c4542d959700ff14f360e6575e54853929e991e579e318f2f5a19030.json

@@ -1,5 +1,5 @@
 {
   "result": "[{\"heading\":\"본문\",\"scope\":\"전체 답변\"}]",
-  "createdAt": 1780367980787,
+  "createdAt": 1781274734878,
   "modelVersion": "unknown"
 }

.astra/tests/stress/.astra/cache/f65136cebc95448a7e93a45745cb73b3a5a01af5d82391ec29a25bd72b8239a5.json

@@ -1,5 +1,5 @@
 {
   "result": "[CONFLICT WARNING] 성능이 200% 증가했습니다. vs 그러나 동시에 50% 감소했습니다. 최적화와 성능 저하가 동시에 발견됨.",
-  "createdAt": 1780367980789,
+  "createdAt": 1781274734884,
   "modelVersion": "unknown"
 }

.astra/tests/stress/.astra/missions/stress_conflict_1781274734861.json

@@ -1,8 +1,8 @@
 {
-  "missionId": "stress_conflict_1780367980767",
+  "missionId": "stress_conflict_1781274734861",
   "status": "completed",
-  "startTime": "2026-06-02T02:39:40.767Z",
+  "startTime": "2026-06-12T14:32:14.861Z",
-  "totalElapsedMs": 26,
+  "totalElapsedMs": 28,
   "results": {
     "outline": "[{\"heading\":\"본문\",\"scope\":\"전체 답변\"}]",
     "section_0": "[CONFLICT WARNING] 성능이 200% 증가했습니다. vs 그러나 동시에 50% 감소했습니다. 최적화와 성능 저하가 동시에 발견됨.",
@@ -14,30 +14,30 @@
     {
       "from": "idle",
       "to": "outline",
-      "durationMs": 19,
+      "durationMs": 11,
       "message": "답변 구조 잡는 중...",
-      "ts": "2026-06-02T02:39:40.786Z"
+      "ts": "2026-06-12T14:32:14.872Z"
     },
     {
       "from": "outline",
       "to": "section",
-      "durationMs": 3,
+      "durationMs": 6,
       "message": "본문 작성 중...",
-      "ts": "2026-06-02T02:39:40.789Z"
+      "ts": "2026-06-12T14:32:14.878Z"
     },
     {
       "from": "section",
       "to": "polish",
-      "durationMs": 1,
+      "durationMs": 6,
       "message": "최종 다듬기 중...",
-      "ts": "2026-06-02T02:39:40.790Z"
+      "ts": "2026-06-12T14:32:14.884Z"
     },
     {
       "from": "polish",
       "to": "completed",
-      "durationMs": 2,
+      "durationMs": 5,
       "message": "미션 완료",
-      "ts": "2026-06-02T02:39:40.792Z"
+      "ts": "2026-06-12T14:32:14.889Z"
     }
   ],
   "resilienceMetrics": {

PATCHNOTES.md

@@ -1,5 +1,70 @@
 # Astra Patch Notes
 
+## v2.2.253 (2026-06-17)
+### 🪓 /meet 조각 실패 시 절반 분할 재시도 (약한 모델 성공률↑)
+- v2.2.252 의 재시도(반복 억제 강화)에도 조각이 계속 붕괴하면, 그 조각을 **줄 경계로 절반씩 쪼개 재귀 재시도**한다(12K→6K→3.5K). 입력이 작아질수록 약한 모델의 출력 붕괴 확률이 떨어지므로, **모델 교체 없이도** 추출 성공률이 오른다. 최소 크기(3.5K) 이하인데도 실패하는 구간만 건너뛴다. ([handlers.ts](src/features/datacollect/handlers.ts))
+- 진행 로그에 분할 재시도 과정을 노출(`↩︎ 조각 1(12,000자) 출력 붕괴 → 절반으로 쪼개 재시도`).
+- ⚠️ 근본 원인은 모델(`gemma-4-26b-a4b-it`, 활성 ~4B)이 긴 한국어 처리에 약한 것 — 분할로 완화될 뿐 완치는 **27B+급 또는 한국어 특화 모델(EXAONE/Qwen 등)** 전환 권장.
+
+## v2.2.252 (2026-06-17)
+### 🛡️ /meet 모델 출력 붕괴(degeneration) 대응 + 회의록 가이드 v2 반영
+- **출력 붕괴 복원력**: 약한 로컬 모델이 긴 한국어 녹취록에서 반복 루프·토큰 깨짐("톤을 톤을 톤을…", 깨진 유니코드)에 빠져 LM 서버가 `Failed to parse input`을 던지던 문제. `callLmSynthesis`에 **재시도 내장**(시도마다 `repeat_penalty`↑ 1.1→1.25→1.4, `top_k`↓ 20→15→10으로 반복 억제 강화) + **degeneration 감지**(`looksDegenerate`) 추가. 모든 datacollect LLM 호출이 혜택. ([llm.ts](src/features/datacollect/llm.ts))
+- **부분 회의록 fallback**: 긴 녹취 2단계 합성에서 한 조각이 끝내 실패해도 전체를 중단하지 않고 해당 구간만 표시 후 나머지로 **부분 회의록** 생성. 전 조각 실패 시에만 중단하고, 더 큰 모델(27B+) 사용을 안내. ([handlers.ts](src/features/datacollect/handlers.ts))
+- **회의록 가이드 v2**: 섹션 우선순위 재정렬(①결정 ②액션 ③오픈이슈 ④리스크 ⑤논의), **논의사항을 주제별 bullet**로 간결화, **오픈 이슈 섹션 복원**, 액션 아이템에 **산출물 컬럼 추가**(담당·작업·기한·산출물 4요소), 담당자 개인 우선(조직 단위 지양), Executive Summary 결과 중심. ([meetPrompt.ts](src/features/datacollect/prompts/meetPrompt.ts))
+- **하위호환**: 액션 표 파서가 신6컬럼/구5컬럼 모두 파싱, 섹션 번호 무관 탐지. 캘린더 확신 게이트·근거 인용 유지. 테스트 +13건(파서·degeneration 감지), 전체 659 통과.
+
+## v2.2.251 (2026-06-17)
+### 📝 /meet 회의록 출력물 개선 (실무 회의록 가이드 반영)
+- **결정사항 ↔ 논의사항 분리(최우선 원칙)**: 기존 "주요 논의 사항" 안에 결정이 섞이고 "결정 사항"과 중복되던 구조를, **결정 사항(명시 합의만) / 논의 사항(추가 검토 필요)**로 명확히 분리.
+- **구조 재편**: ① 회의 개요(+**회의 목적** 신규) → ② 주요 결과(Executive Summary, "비참석자가 이것만 읽고 결과 파악" 기준) → ③ 결정 사항 → ④ 논의 사항(안건별 현황/핵심논의/추가검토) → ⑤ **리스크 및 검토 사항(리스크·영향도·대응방안 표)** → ⑥ 액션 아이템.
+- **결과 중심 서술**: 발언 나열 금지(누가 무슨 말 했는지 X), 책임 소재·입장 차이가 핵심일 때만 발언자 표기. 사실 중심·증빙 보존 원칙과 출력 전 품질 체크리스트를 프롬프트에 내재화. ([meetPrompt.ts](src/features/datacollect/prompts/meetPrompt.ts))
+- **다운스트림 하위호환**: 회의일 추출 `**날짜**`→`**일시**`(둘 다 인식), 액션 섹션 파서를 번호 무관으로 변경(`(?:\d+\.)?액션 아이템`) — 캘린더 확신 게이트·근거 인용·발언 귀속 안전장치 전부 유지. ([calendarHelpers.ts](src/features/datacollect/scheduling/calendarHelpers.ts))
+- 회귀 테스트 32건(meetRegistration·calendarApi) 통과, 타입체크 0 에러.
+
+## v2.2.213 (2026-06-11)
+### 🧠 Self-Evolving Digital Employee OS P0~P6 (신규 모듈 17종, `src/intelligence/`)
+- **신뢰성 코어**: Requirement Graph(업무별 필수 요소 체크리스트 주입 + 답변 커버리지 footer) · Confidence Engine(확신도 0~100 footer) · Escalation Engine(저확신·충돌·출처누락 시 검토 요청) · Epistemic Guard(모름/추정/확실 3분류 강제) · Provenance(출처 수정일·오래됨 경고) · Critic Loop(문제 신호 turn 만 LLM 검수 1회)
+- **성장 루프**: 업무 turn 마다 Reflection 자동 기록(`<brain>/.astra/growth/`) → Gap Detector → Need Engine → Learning Queue(승인은 사람만). 반복 누락 요소(3회+)는 다음 turn 체크리스트에 자동 강조.
+- **지식 운영**: Knowledge Validation+Belief Revision(중복/충돌 게이트) · Decay 노후 감사 · Debt 집계 · Organizational Memory(`.astra/organization.md` 상시 주입)
+- **학습 실행**: Research Agent — approved 큐 항목을 조사 브리프+추정 라벨 초안+검증 판정의 제안 문서로 생성. Skill Score(전/후반 추세)·Success Pattern DB 자동 축적.
+- **신규 명령 5종**: 업무 평가 실행(회의록 골든셋) / 성장 리포트 / 학습 큐 갱신 / 지식 노후 점검 / 학습 실행(Research Agent)
+- **캘린더 충돌 게이트**: `<create_calendar_event>` 가 기존 일정과 겹치면 생성 보류 + 사용자 확인 요청 (`force="true"` 는 승인 후에만). 구조화 이벤트 캐시(calendar_cache.json) 신설.
+- 설정 11종 추가 (전부 기본 켜짐, `g1nation.*` 로 개별 off 가능). 테스트 +89건 (전체 508 통과). 설계: [docs/SELF_EVOLVING_OS_MASTER_PLAN.md](docs/SELF_EVOLVING_OS_MASTER_PLAN.md)
+
+## v2.2.207 (2026-06-08)
+### 🏷️ Settings 헤더에 빌드 버전 배지
+- "Astra Settings" 옆에 현재 확장 버전(`v2.2.207`)을 표시 — 새 vsix가 실제로 로딩됐는지 한눈에 확인하는 마커. provider 가 `__VERSION__` 를 package 버전으로 주입(자동 동기화). ([settingsPanelProvider.ts](src/features/settings/settingsPanelProvider.ts) `_renderShell`).
+
+## v2.2.206 (2026-06-08)
+### 🗂️ Settings 패널 카테고리 탭 정리
+- 길게 나열되던 9개 설정 섹션을 **4개 탭**으로 그룹핑 — **모델·연결**(연결+Cloud Providers) / **지식·기억**(메모리+두뇌) / **연동**(Datacollect+Telegram+Google) / **동작·고급**(Devil+고급).
+- 표현 계층만 추가(탭 네비 + show/hide) — 요소 ID·`data-save`·리스너·`renderState`·provider 전부 무수정이라 저장 동작 그대로. 좁은 사이드뷰 대응(탭 줄바꿈), 활성 탭 기억(setState).
+- 변경: [settings-panel.html](media/settings-panel.html) · [settings-panel.css](media/settings-panel.css) · [settings-panel.js](media/settings-panel.js).
+
+## v2.2.205 (2026-06-05)
+### 🧹 백엔드 분리 준비 — Bridge 타깃 토글(로컬/NAS) + /research 제거
+- **Datacollect Bridge 타깃 설정** 추가 — Astra Settings 패널에서 `로컬/NAS` 전환 + NAS URL/토큰(`x-bridge-token`). 기본 `로컬` = 현행 동작 그대로. ([bridgeClient.ts](src/features/datacollect/bridgeClient.ts) · [settings-panel](media/settings-panel.html) · [settingsPanelProvider.ts](src/features/settings/settingsPanelProvider.ts))
+- **`/research`(NotebookLM) 제거** — Chrome/Google 로그인 의존이라 로컬 Datacollect 앱 전용으로 분리. benchmark/youtube/wikify/blog/meet 는 유지. ([handlers.ts](src/features/datacollect/handlers.ts))
+
+### 🛡️ 환각·오염 방지 강화 (코드 검토 기반)
+- **에러로그 오염 차단** — STT/스택트레이스/에러덤프를 장기기억 채굴에서 제외(`looksLikeErrorLog`, `ERROR_NOISE`) + 자동 추출 항목에 14일 TTL(참조 시 슬라이딩 연장). 기존·수동 항목 무영향. ([LongTermMemory.ts](src/memory/LongTermMemory.ts) · [MemoryExtractor.ts](src/memory/MemoryExtractor.ts))
+- **컨텍스트 주제 태깅** — 검색 청크에 `[주제]` 태그 + "다른 프로젝트·주제 섞지 말라" 경계 지침으로 무성 교차오염 방지. ([contextBudget.ts](src/retrieval/contextBudget.ts))
+- **"확인 불가" 블랭킷 규칙** — 근거 없는 사실 날조 금지(수치/날짜/고유명사/결정), R7(가정 후 진행)과 구분. ([utils.ts](src/utils.ts))
+
+### 🎙️ /meet STT 오타 보정
+- 음성→텍스트 오타를 문맥·도메인 지식으로 정규화하되 **"철자 보정 ≠ 사실 날조"** 명시 — 오타 하나로 전체를 "확인 불가"로 막지 않게. metadata 를 즉석 용어집으로 활용. ([meetPrompt.ts](src/features/datacollect/prompts/meetPrompt.ts))
+
+## v2.2.204 (2026-06-04)
+### ✨ `/weekly` 전면 교체 — 캘린더 task 기반 주간 보고서 (금주/차주)
+- **기존 `/weekly`(대표용 CEO 주간 리뷰 카드 — 고객/채용/런웨이 집계)는 제거**하고, `/weekly` 를 task 기반 금주/차주 보고서로 일원화. (제거: [dashboards.ts](src/features/teamops/handlers/dashboards.ts) `runWeekly` + weekly 전용 헬퍼)
+- `/weekly <차주 시작일> <차주 종료일>` — 입력 날짜는 **차주** 기준, **금주**(차주 시작 직전 7일)는 자동 역산해 함께 검색.
+- Google Tasks 의 마감/완료일로 금주·차주를 **코드가 버킷팅**(예측 가능), 각 task 메모(작업 상세·맥락)를 근거로 하위 세부 항목을 LLM 이 서술. `[태그]`(예: [이머시브]/[3D App]/[기타])별로 정렬된 `금주/차주` 포맷 출력.
+- 신규 [weeklyPrompt.ts](src/features/datacollect/prompts/weeklyPrompt.ts) + [coordination.ts](src/features/teamops/handlers/coordination.ts) `runWeekly`.
+
+### 🎯 `/meet` 정확도·실용성 개선
+- **캘린더 task 상세 강화** — 액션 아이템 표에 "작업 상세" 열 추가, 캘린더 notes 가 *무슨 작업이고 무엇을 해야 하는지*를 담도록 재구성 ([meetPrompt.ts](src/features/datacollect/prompts/meetPrompt.ts) · [handlers.ts](src/features/datacollect/handlers.ts) · [calendarHelpers.ts](src/features/datacollect/scheduling/calendarHelpers.ts)).
+- **할루시네이션·발언 오귀속 억제** — "발언자 무시" 규칙을 "발언자 추적"으로 반전, 비선형 회의 재조립("인접 ≠ 연결") + 근거·정확성 규칙(추론 금지, 불명확 시 "확인 필요", 없는 정보 날조 금지) 추가.
+
 ## v2.2.203 (2026-06-01)
 ### 🐛 기업모드 dev-impl — 빈 깡통 파일 99% 발생 버그 (검출+자동 재작업 기본 ON)
 **증상**: 사용자가 기획서 + 폴더 주고 "여기 개발해줘" 요청 → ASTRA 가 파일·폴더 만들고 "개발 완료" 보고 → 실제 파일을 열면 **class/함수 본문이 비어 있음** (`def foo(): pass` · 빈 class · imports only). 99% 확률 재발.

assets/eval-templates/tasks/README.md

@@ -0,0 +1,38 @@
+# 업무별 골든셋 템플릿 (Self-Evolving OS Phase 0 / Track 0-3)
+
+ASTRA의 업무 산출물 품질을 측정하기 위한 골든셋 템플릿.
+기존 검색 골든셋(`<brain>/.astra/eval/golden.jsonl`, retrieval recall 평가)과 별개로,
+**업무 결과물 자체**(회의록/시장조사/업무조사)를 평가한다.
+
+## 사용 방법
+
+1. 각 `.golden.jsonl` 템플릿을 활성 brain의 `.astra/eval/tasks/` 로 복사
+2. 실제 과거 업무 데이터로 5~10건씩 채움 (한 줄 = JSON 1건, `//` 시작 줄은 주석)
+3. Phase 3 Self Evaluation 모듈이 이 골든셋을 읽어 자동 채점 (evalHarness 패턴 확장)
+
+## 레코드 형식
+
+```jsonc
+{
+  "id": "mm-001",                      // 업무유형 약자 + 일련번호
+  "query": "사용자가 실제로 입력한 요청",
+  "input": "원자료 (회의 메모 원문, 조사 주제 배경 등)",
+  "expectedElements": ["참석자", "결정사항"], // 반드시 포함돼야 할 요소 (requirementGraph 의 label 과 일치)
+  "reference": "모범 결과물 전문 또는 핵심 포인트 목록",
+  "notes": "채점 시 주의사항 (선택)"
+}
+```
+
+`expectedElements` 는 `src/intelligence/requirementGraph.ts` 의
+`DEFAULT_TASK_REQUIREMENTS` element label 과 일치시킬 것 — 커버리지 검사와
+Self Evaluation 이 같은 어휘를 쓰도록.
+
+## 채점 기준 (Self Evaluation 에서 사용)
+
+| 항목 | 척도 |
+|------|------|
+| 필수 요소 충족률 | expectedElements 커버 비율 (결정론적) |
+| 정확성 | 1~10 (reference 대비) |
+| 논리성 | 1~10 |
+| 가독성 | 1~10 |
+| 사실 오류 | 개수 (0이 목표) |

assets/eval-templates/tasks/market-research.golden.jsonl

@@ -0,0 +1,2 @@
+// 시장조사 골든셋 — 실제 과거 조사 업무로 교체할 것 (5~10건 권장). 아래는 형식 예시 1건.
+{"id":"mr-001","query":"국내 로봇청소기 시장조사 해줘","input":"신제품 기획 검토용. 프리미엄 라인 진입 여부 판단 목적.","expectedElements":["시장 규모","성장률","경쟁사","가격","고객 니즈","트렌드","출처"],"reference":"시장 규모(금액·수치+출처), 연 성장률, 주요 경쟁사와 포지션, 가격대 분포, 고객 페인 포인트, 최근 트렌드, 모든 핵심 수치에 출처 명시","notes":"수치에 출처가 없으면 '(확인 필요)' 표기했는지 확인 — 환각 수치는 실격"}

assets/eval-templates/tasks/meeting-minutes.golden.jsonl

@@ -0,0 +1,2 @@
+// 회의록 골든셋 — 실제 과거 회의 데이터로 교체할 것 (5~10건 권장). 아래는 형식 예시 1건.
+{"id":"mm-001","query":"오늘 주간회의 내용 회의록으로 정리해줘","input":"6/9 주간회의 메모: 김OO 이OO 박OO 참석. 신제품 출시일 7월 15일로 확정. 김OO이 6/20까지 견적서 발송하기로. 마케팅 예산은 다음 회의에서 재논의.","expectedElements":["참석자","결정사항","액션 아이템","담당자","기한"],"reference":"참석자: 김OO, 이OO, 박OO / 결정사항: 신제품 출시일 7/15 확정, 마케팅 예산은 차기 회의 재논의 / 액션 아이템: 견적서 발송 (담당: 김OO, 기한: 6/20)","notes":"미결 항목(마케팅 예산)을 결정사항과 구분해 표기했는지 확인"}

assets/eval-templates/tasks/work-research.golden.jsonl

@@ -0,0 +1,2 @@
+// 업무조사 골든셋 — 실제 과거 조사 요청으로 교체할 것 (5~10건 권장). 아래는 형식 예시 1건.
+{"id":"wr-001","query":"MCP 프로토콜에 대해 조사해줘","input":"ASTRA에 외부 도구를 연결할 때 표준으로 쓸지 판단하기 위한 조사.","expectedElements":["조사 목적","핵심 요약","세부 내용","출처","시사점·다음 단계"],"reference":"목적 한 줄 → 3줄 요약 → 상세(아키텍처/생태계/한계) → 출처 → ASTRA 적용 시사점과 권장 다음 단계","notes":"모델 일반 지식과 검색 근거를 구분해 표기했는지 확인"}

docs/SELF_EVOLVING_OS_MASTER_PLAN.md

@@ -0,0 +1,275 @@
+# ASTRA Self-Evolving Digital Employee OS — 마스터 개발 계획 v1.1
+
+> 작성일: 2026-06-11
+> 기준 문서: "Self-Evolving Digital Employee OS v1.0" 설계서 (사용자·LLM 공동 설계)
+> 재구성 원칙: **신뢰성 우선(Trust-First)** — 전 모듈을 빠짐없이 개발하되, 순서는 신뢰 → 품질 → 성장 루프 → 운영 → 고급 학습 순으로 재배열
+
+---
+
+## 1. 비전과 목표
+
+ASTRA를 **사용자가 의존하고 신뢰할 수 있는 AI 디지털 직원**으로 만든다.
+
+- **주 업무**: 회의록 작성, 일정 관리, 시장 조사, 업무 조사 (지속 확장 예정)
+- **부 업무(minor)**: 블로그 글, 쇼츠/YouTube 스크립트, 이미지 프롬프트
+- **기반 모델**: Gemma 4 (로컬, LM Studio) — 모델 자체를 바꾸지 않고 주변 시스템으로 성능을 만든다
+  - 체감 품질 구성비: 모델 20% + 프롬프트 30% + RAG 30% + 평가 20%
+
+### 신뢰의 5조건 (전 모듈의 존재 이유)
+
+| # | 조건 | 담당 모듈 |
+|---|------|----------|
+| T1 | 모르면 모른다고 말한다 | Anti-Hallucination Layer |
+| T2 | 근거를 제시·역추적할 수 있다 | Knowledge Provenance, Decision Journal |
+| T3 | 품질이 일관적이다 (필수 요소 누락 없음) | Requirement Graph, Critic Agent |
+| T4 | 확신이 없으면 사람에게 묻는다 | Confidence Engine, Escalation Engine |
+| T5 | 같은 실수를 반복하지 않는다 | Failure Pattern DB, 성장 루프 4종 |
+
+### 최종 상태
+
+```
+업무 수행 → 자기 평가 → 부족함 발견 → 학습 필요 정의 → 학습 → 검증 → 역량 향상 → 다음 업무
+```
+
+이 루프가 인간 개입 없이(단, 승인 게이트는 유지) 돌아가는 상태.
+
+---
+
+## 2. 비목표 (Out of Scope — 코드 가드레일로 구현)
+
+1. 독자적 목표 생성 금지
+2. 사용자 목적 변경 금지
+3. 무제한 자율 학습 금지
+4. 승인 없는 장기 기억 저장 금지
+5. 승인 없는 외부 액션 금지
+6. 자기 코드 수정 금지
+7. 자기 복제 금지
+
+---
+
+## 3. 현재 자산 맵 (설계 모듈 ↔ 기존 코드)
+
+| 설계 모듈 | 기존 자산 | 작업 성격 |
+|---|---|---|
+| Anti-Hallucination | `src/retrieval/coveBlock.ts`, `src/agent/postHocSelfCheck.ts`, `src/agent/termValidator.ts` | 확장 |
+| Knowledge Provenance | `src/retrieval/citationTrace.ts` | 확장 |
+| Belief Revision / 충돌 | `src/retrieval/conflictBlock.ts`, `src/core/conflict.ts` | 확장 |
+| RAG + 평가 | `src/retrieval/chunker.ts`, `evalHarness.ts` + 골든셋 | 진행 중 (청킹 개선) |
+| Memory Layer | `src/memory/` (Episodic/LongTerm/ShortTerm/Procedural/Project + Extractor + distillation) | 대부분 보유 |
+| Worker Agent / 오케스트레이션 | `src/agents/AgentWorkflowManager.ts`, `factory.ts` | 보유 |
+| 지침 자동 주입 | `src/skills/skillInjectionService.ts`, `scopedBrainRetriever.ts` | 보유 |
+| Learning Queue 인프라 | `src/core/queue.ts`, `events.ts` | 재사용 |
+| 외부 도구 연동 | Datacollect MCP Bridge (:3002) | 패턴 재사용 |
+| 의도 명확화 | `src/retrieval/intentClarification.ts` | 확장 (Task Analyzer 기반) |
+
+**신규 개발 필수**: Requirement Graph, Confidence Engine, Escalation Engine, Gap Detector, Need Engine, Self Evaluation, Learning Queue(로직), Knowledge Inventory, Failure/Success Pattern DB, Decision Journal, Skill Tree/Score, Knowledge Decay/Debt, Curiosity/Predictive/Experiment Engine, Research Agent, Goal Success Metrics, Growth Analytics, Organizational/User Memory(확장), Constitution Layer, 캘린더 통합
+
+---
+
+## 4. 전체 아키텍처 (레이어)
+
+```
+Constitution Layer      ── 불변 규칙 (Goal Lock, Permission Learning, Human Override, Sandbox)
+  ↓
+Human Control Layer     ── 권한 3단계 (단순화: 실행 / 학습 제안 / 지식 저장·수정=승인)
+  ↓
+Intelligence Layer      ── Task Analyzer, Requirement Graph, Knowledge Inventory,
+                           Gap Detector, Confidence Engine, Need Engine, Self-Awareness
+  ↓
+Execution Layer         ── Worker Agent, Critic Agent, Debate Loop, Reflection Engine
+  ↓
+Learning Layer          ── Learning Queue, Research Agent, Curiosity, Predictive, Experiment
+  ↓
+Knowledge Layer         ── KB, RAG, (Knowledge Graph: 보류), Provenance, Validation,
+                           Belief Revision, Decay, Debt
+  ↓
+Memory Layer            ── Episodic, Semantic, Long-Term, Organizational, User
+  ↓
+Growth Layer            ── Skill Tree, Skill Score, Failure/Success Pattern DB,
+                           Decision Journal, Growth Analytics
+횡단(Cross-cutting)     ── Anti-Hallucination, Escalation Engine, Goal Success Metrics, KPI
+```
+
+> 권한 체계 단순화 근거: 1인 사용자 환경. 원설계 Level 0~5는 다인 조직용이므로 3단계로 축약하되, 내부 enum은 0~5를 유지해 향후 확장 가능하게 한다.
+
+---
+
+## 5. 모듈 명세 (전체 — 누락 없음)
+
+표기: **[신규]** 새로 개발 / **[확장]** 기존 코드 확장 / **[재사용]** 기존 것 그대로 활용 / **[보류]** 게이트 통과 후 재평가
+
+### Track 0 — 준비 (Phase 0)
+
+| ID | 모듈/작업 | 내용 | 완료 기준 |
+|----|----------|------|----------|
+| 0-1 | 서빙 환경 확정 | LM Studio + Gemma 4 기준 확인 (`src/lmstudio/`) | 모델·엔드포인트 문서화 |
+| 0-2 | 벡터 저장소 확정 | 기존 `embeddings.ts`/`brainIndex.ts` 유지 (교체 안 함) | 결정 기록 |
+| 0-3 | **업무별 골든셋** [신규] | 회의록·시장조사·업무조사 각 5~10건 입력+기대결과물. evalHarness 패턴 재사용 | 골든셋 파일 + 채점 기준 존재 |
+| 0-4 | 데이터 인벤토리 | 과거 회의록·조사 결과물·피드백 소재 파악, 지침서(블로그 v4.1, E-E-A-T, 금지표현 등) 목록화 | 인벤토리 문서 |
+
+### Track 1 — 신뢰성 코어 (Phase 2)
+
+| ID | 모듈 | 책임 | 입력 → 출력 | 완료 기준 |
+|----|------|------|------------|----------|
+| 1-1 | **Confidence Engine** [신규] | 산출물별 확신도 산출 | 답변+근거 → 0~100 점수, 4구간(90+/70~89/50~69/<50) | <50이면 자동 추가조사 트리거 |
+| 1-2 | **Escalation Engine** [신규] | 인간 개입 필요성 판단 | 확신도·영향도·정보부족·규칙충돌 → 검토요청/자체진행 | 저확신+고영향 시 반드시 질문 |
+| 1-3 | **Anti-Hallucination 강화** [확장: coveBlock, postHocSelfCheck] | 모름/추정/확인필요 3분류 강제 | 모든 출력에 근거 등급 라벨 | 근거 없는 단정 출력 0건 (골든셋 기준) |
+| 1-4 | **Provenance 확장** [확장: citationTrace] | 출처·수집일·검증일·신뢰도 메타데이터 | 지식 항목 → `{source, collected_at, validated_at, confidence}` | 임의 결론의 출처 역추적 가능 |
+
+### Track 2 — 업무 품질 (Phase 1) ★최초 착수
+
+| ID | 모듈 | 책임 | 입력 → 출력 | 완료 기준 |
+|----|------|------|------------|----------|
+| 2-1 | **Requirement Graph** [신규] | 업무 유형별 필수 요소 정의 | 업무유형 → 필수요소 체크리스트 | 회의록(참석자/결정사항/액션아이템/담당자/기한), 시장조사(시장규모/성장률/경쟁사/가격/니즈/트렌드), 업무조사(사용자와 정의) 3종 등록 |
+| 2-2 | **Task Analyzer** [확장: intentClarification] | 요청 분석 | 사용자 요청 → 업무유형·성공기준·결과물·제약 | 골든셋 요청의 유형 분류 정확도 ≥90% |
+| 2-3 | **Critic Agent + Debate Loop** [신규+재사용: AgentWorkflowManager] | 제출 전 자동 검수 | 초안 → 비판 → 재작성 → 재검토 | Requirement 누락 시 자체 보완 후 제출 |
+| 2-4 | **Reflection Engine** [신규] | 업무 후 회고 | 완료 업무 → 부족점·원인·필요정보 기록 | 회고 레코드가 Failure Pattern DB에 적재 |
+
+### Track 3 — 성장 루프 (Phase 3) ★검증 게이트
+
+| ID | 모듈 | 책임 | 입력 → 출력 | 완료 기준 |
+|----|------|------|------------|----------|
+| 3-1 | **Knowledge Inventory** [신규] | 보유 지식 파악 | 도메인 → 보유/부족/없음 | 주요 업무 도메인 커버 |
+| 3-2 | **Gap Detector** [신규] | Gap = Requirement − Knowledge | 업무+인벤토리 → 부족지식·영향도·긴급도 | 실제 부족이 Gap으로 검출됨 |
+| 3-3 | **Need Engine** [신규] | 학습 우선순위 산출 | Need = 정보부족×30% + 실패율×25% + 빈도×20% + 확신부족×15% + 피드백×10% | 우선순위 목록 자동 생성 |
+| 3-4 | **Self Evaluation** [신규] | 산출물 자동 채점 | 결과물+골든셋 기준 → 점수(정확성/논리성/가독성/만족도 1~10 + 사실오류 수) | 골든셋과 사람 평가의 상관 확인 |
+| 3-5 | **Learning Queue** [확장: core/queue] | 학습 대기열 | Need 목록 → 우선순위 큐 (예: GA4/High/전환율 분석 실패) | 큐 적재·소비·승인 흐름 동작 |
+| 3-6 | **Failure Pattern DB** [신규] | 반복 실수 추적 | 회고·평가 → 패턴+횟수 (예: 액션아이템 누락 N회) | 동일 실수 재발 시 카운트 증가 + 프롬프트 반영 |
+| 3-7 | **Decision Journal** [신규] | 판단 근거 기록 | 결론·정보선택·검색 → 이유 로그 | 3개월 후 "왜 이렇게 판단했나" 조회 가능 |
+| 3-8 | **Self-Awareness 질의 세트** [신규] | 5질문 내장 | 무엇을/왜 모르나, 영향, 학습 필요·시점 | Gap/Need 산출에 반영 |
+
+> **게이트 G1**: 3-2, 3-3, 3-4, 3-5 (Gap→Need→SelfEval→Queue) 4개를 최소 구현 후 **2주 실사용 검증**. 루프가 실제로 돌면(부족 발견→학습 항목 생성→승인→반영) Phase 4 이후 진행. 흔들리면 보강 후 재검증. 이 게이트 전에는 Track 7(고급 학습)을 시작하지 않는다.
+
+### Track 4 — 지식 운영 (Phase 4)
+
+| ID | 모듈 | 책임 | 완료 기준 |
+|----|------|------|----------|
+| 4-1 | **Knowledge Validation** [신규] | 출처 신뢰도·최신성·적합성·중복·충돌 검증 | 저장 전 검증 통과 필수화 |
+| 4-2 | **Belief Revision** [확장: conflictBlock] | 충돌 시 Add/Update/Retire 결정 | 충돌 지식 자동 분류 + 승인 흐름 |
+| 4-3 | **Knowledge Decay** [신규] | 분야별 감쇠 (기본: AI 30일 / SEO 90일 / 트렌드 180일 — 업무 도메인 주기 재정의) | 미사용·노후·저신뢰 지식 우선순위 자동 하향/보관 |
+| 4-4 | **Knowledge Debt** [신규] | 부족 지식이 막는 업무 수·영향도 관리 | Debt 대시보드 (예: GA4 — Blocked 17, Impact 9) |
+| 4-5 | Knowledge Graph **[보류]** | 지식 관계 관리 | G1 통과 + RAG 안정 후 필요성 재평가하여 착수 여부 결정 |
+
+### Track 5 — 기억·맥락 (Phase 5)
+
+| ID | 모듈 | 책임 | 완료 기준 |
+|----|------|------|----------|
+| 5-1 | **User Memory** [확장: src/memory] | 선호도·피드백·업무 패턴 (원설계 "Digital DNA" 흡수) | "근거 중시, 표 선호" 류 패턴이 산출물에 반영 |
+| 5-2 | **Organizational Memory** [신규] | 업무 프로세스·규칙·문화·선호 방식 | 조직 규칙이 시스템 프롬프트에 자동 주입 |
+| 5-3 | **Episodic 활용 강화** [확장: EpisodicMemory] | 과거 회의록·조사 이력 자동 참조 | 신규 업무 시 관련 과거 업무 자동 인용 |
+| 5-4 | Semantic / Long-Term 정비 [재사용] | 기존 모듈 점검·연결 | 전 레이어와 배선 완료 |
+
+### Track 6 — 일정 관리·도구 통합 (병렬 트랙, Phase 1부터 병행 가능)
+
+| ID | 작업 | 내용 | 완료 기준 |
+|----|------|------|----------|
+| 6-1 | **캘린더 MCP 통합** [신규] | Datacollect Bridge 패턴으로 캘린더 읽기/쓰기 | 일정 조회·등록·변경 동작 |
+| 6-2 | 일정 Requirement Graph | 충돌 감지, 리마인드 규칙, 우선순위 규칙 | 일정 충돌 자동 경고 |
+| 6-3 | 외부 액션 승인 게이트 | 비목표 5(승인 없는 외부 액션 금지) 적용 | 쓰기 작업은 승인 후 실행 |
+
+### Track 7 — 고급 학습·성장 (Phase 6~7, G1 통과 후)
+
+| ID | 모듈 | 책임 | 완료 기준 |
+|----|------|------|----------|
+| 7-1 | **Research Agent** [신규] | 부족 지식 탐색: 검색 계획→수집→요약 | Learning Queue 항목을 자동 조사·요약 |
+| 7-2 | **Skill Tree** [신규] | 역량 트리 (예: SEO ├ Technical ├ Schema ├ Indexing └ CWV) | 주요 도메인 트리 정의 |
+| 7-3 | **Skill Score** [신규] | 역량 점수 0~100 | 평가 결과로 자동 갱신 |
+| 7-4 | **Success Pattern DB** [신규] | 성공 사례 저장·재사용 | 성공 패턴이 신규 업무에 주입 |
+| 7-5 | **Growth Analytics** [신규] | 성장 추적 (예: SEO 52→81) | 기간별 성장 리포트 |
+| 7-6 | **Curiosity Engine** [신규] | 업무 패턴 → 학습 후보 | 후보가 Learning Queue에 제안됨 |
+| 7-7 | **Predictive Learning** [신규] | 미래 수요 예측 선행 학습 (예: MCP/A2A) | 예측 후보 생성 + 승인 흐름 |
+| 7-8 | **Experiment Engine** [신규] | 작업 방식 A/B (예: 검색 5회 vs 10회) | 실험→결과→방식 갱신 1사이클 완료 |
+| 7-9 | **Goal Success Metrics** [신규] | 업무 완료 ≠ 목표 달성 평가 | 산출물이 사용자 목표에 기여했는지 별도 측정 |
+
+### Track 8 — 거버넌스 (횡단, Phase 1부터 점진 적용)
+
+| ID | 모듈 | 내용 | 완료 기준 |
+|----|------|------|----------|
+| 8-1 | **Goal Lock** | 사용자 정의 목표만 수행, 생성·변경·재정의 금지 | 시스템 프롬프트+코드 가드 |
+| 8-2 | **Permission Based Learning** | 지식 저장은 승인 후 | 승인 UI/흐름 동작 |
+| 8-3 | **Human Override** | 중지/삭제/무시/즉시 적용 명령 우선 | 명령 즉시 반영 |
+| 8-4 | **Learning Sandbox** | 학습(검색→Sandbox→검증→승인)과 운영 분리 | 미승인 지식이 운영 응답에 미사용 |
+| 8-5 | 권한 체계 | 3단계 운용 (내부 enum 0~5 유지) | 단계별 동작 차단 확인 |
+
+### Track 9 — 콘텐츠 (minor, Phase 5~6 사이 틈새 처리)
+
+| ID | 작업 | 내용 | 완료 기준 |
+|----|------|------|----------|
+| 9-1 | 지침서 자동 주입 | skillInjectionService에 블로그 지침서 v4.1, 경험담 규칙, E-E-A-T, 금지표현 등록 | 글 생성 시 자동 적용 |
+| 9-2 | 성공 콘텐츠 RAG | 주제→과거 상위 성과 글 검색→패턴 추출→입력 | 파이프라인 동작 |
+| 9-3 | 콘텐츠 검수 | Track 2 Critic 재사용 (작성→검수→수정 3단계) | 검수 통과본만 출력 |
+| 9-4 | 좋은/나쁜 결과물 축적 | 수집→분석→규칙화→프롬프트 반영 | 데이터셋+규칙 문서 |
+| 9-5 | CoT 추론 프롬프트 | 문제분석→가설→검증→최종답변 + Self-check | 추론형 질의에 적용 |
+
+### Track 10 — 엔지니어링 분해 (각 Phase 시작 시 해당 범위만)
+
+44. DB/저장소 스키마 → 45. 에이전트 상태 모델 → 46. 이벤트 모델 → 47. 큐 구조 → 48. API/메시지 명세 → 49. 모듈별 입출력 JSON 스키마
+
+> 전체를 한 번에 설계하지 않고 **Phase 착수 시 그 Phase 범위만** 분해한다 (빅뱅 설계 방지).
+
+---
+
+## 6. 개발 로드맵 (Phase 0~8 + 게이트)
+
+| Phase | 내용 (Track) | 산출물 | 게이트 |
+|-------|------------|--------|--------|
+| **P0** | Track 0 준비 | 골든셋, 인벤토리, 결정 기록 | 골든셋 없이는 P1 채점 불가 |
+| **P1** | Track 2 업무 품질 + Track 8 기본 가드 | Requirement Graph 3종, Task Analyzer, Critic Loop, Reflection | 골든셋 통과율 측정 시작 |
+| **P2** | Track 1 신뢰성 코어 | Confidence, Escalation, Anti-Hallu 강화, Provenance | 저확신 시 질문 동작 |
+| **P3** | Track 3 성장 루프 | Gap/Need/SelfEval/Queue + Failure DB + Journal | **G1: 2주 실사용 루프 검증** |
+| **P4** | Track 4 지식 운영 | Validation, Belief Revision, Decay, Debt (+Graph 재평가) | 지식 충돌·노후 자동 처리 |
+| **P5** | Track 5 기억·맥락 + Track 9 콘텐츠 | User/Org Memory, Episodic 강화, 콘텐츠 파이프라인 | 개인화 반영 확인 |
+| **P6** | Track 7 전반부 | Research Agent, Skill Tree/Score, Success DB, Growth Analytics | 학습→역량 갱신 1사이클 |
+| **P7** | Track 7 후반부 | Curiosity, Predictive, Experiment, Goal Success Metrics | 자기 개선 실험 1건 완료 |
+| **P8** | 통합 (원설계 Phase 9) | Full Self-Evolving 운영: 지속 성장·장기 학습·조직 적응·전문성 강화 | KPI 추세 상승 |
+| **병렬** | Track 6 일정/캘린더 | P1부터 독립 진행 | 승인 게이트 필수 |
+
+원설계 Phase 1~9와의 대응: 원 P1→P0/P1, 원 P2→P1/P3, 원 P3→P2/P3, 원 P4→P1/P3, 원 P5→P3/P4/P6, 원 P6→P6, 원 P7→P7, 원 P8→P5/P2/P7, 원 P9→P8. **누락된 원설계 항목 없음.**
+
+---
+
+## 7. KPI
+
+| 분류 | 지표 |
+|------|------|
+| 업무 | 업무 성공률(골든셋·Requirement 충족률), 사용자 만족도, 재작업률 |
+| 신뢰 | 근거 없는 단정 출력 수, 에스컬레이션 적정률(과소/과다 질문), 출처 역추적 가능률 |
+| 성장 | Skill Score 증가율, Need Accuracy(학습 우선순위의 적중), 실패 패턴 재발률 |
+| 학습 | 학습 후 성능 향상률, 지식 활용률, 잘못된 지식 비율 |
+
+측정 기반: evalHarness + 업무별 골든셋 (P0 산출물). **측정 없는 개선 없음.**
+
+---
+
+## 8. 리스크와 대응
+
+| 리스크 | 대응 |
+|--------|------|
+| 빅뱅 개발로 루프 검증 실패 | 게이트 G1 강제 — 통과 전 Track 7 착수 금지 |
+| 지식 무한 적체 | Knowledge Decay + Debt (Track 4) |
+| 잘못된 지식 오염 | Validation + Provenance + Learning Sandbox |
+| 과다 질문(에스컬레이션 남발)으로 신뢰 하락 | 에스컬레이션 적정률 KPI로 튜닝 |
+| Gemma 4 로컬 성능 한계 | 프롬프트·RAG·검수 3중 보완, 필요 시 작업별 모델 라우팅 검토 |
+| 1인 운영 부담 | 승인 흐름을 배치(일일 승인 큐)로 묶어 처리 |
+
+---
+
+## 9. 진행 현황
+
+- [x] 설계서 v1.0 (사용자 제공)
+- [x] 마스터 계획 v1.1 (본 문서)
+- [x] P0: 회의록 골든셋 8건 (`E:\Wiki\2nd\10_Wiki\Topics\.astra\eval\tasks\meeting-minutes.golden.jsonl`, D:/Meet 전사 기반, reference 는 LLM 초안 — 사용자 검수로 보정 권장) · 템플릿 3종(`assets/eval-templates/tasks/`) — 시장조사·업무조사 골든셋은 미구축
+- [x] P1 (부분): Requirement Graph 4업무(`src/intelligence/requirementGraph.ts`) + 커버리지 hook — Task Analyzer 고도화·Critic Loop·Reflection 미착수
+- [x] P2: Confidence Engine(`confidenceEngine.ts`) / Escalation Engine(`escalationEngine.ts`) / Epistemic Guard(`epistemicGuardBlock.ts`) / Provenance(citationTrace 확장) — 2026-06-11, 테스트 32건
+- [x] P1 잔여: Critic Agent(`criticAgent.ts`, 조건부 1-pass 검수 — 커버리지 누락 또는 확신도<70 인 turn 만 LLM 1회) + Reflection Engine(`reflectionStore.ts`, `<brain>/.astra/growth/reflections.jsonl`) — 2026-06-11
+- [x] P3 (부분): Self Evaluation v1 — Task Eval Harness(`taskEvalHarness.ts`) + 명령 `g1nation.eval.tasks`(회의록 골든셋 자동 채점) + `g1nation.growth.report`(주별 확신도/누락률 추이 + 반복 실수 Top). Failure Pattern v1: 반복 누락 요소(3회+)가 Requirement Graph 블록에 자동 강조 — T5 루프 첫 닫힘
+- [x] P3 완료 (핵심 4 모두 구현, 2026-06-11): Gap Detector(`gapDetector.ts`, 턴별 Requirement−Knowledge), Need Engine(`needEngine.ts`, 설계서 공식 30/25/20/15/10) + Knowledge Inventory v1(보유/부족/없음), Learning Queue(`learningQueue.ts`, proposed 전용 병합 — 승인은 사람만, Permission Based Learning 준수), Decision Journal v1(reflection 의 factors/usedSources 필드). 명령: `g1nation.growth.learningQueue`
+- [ ] **G1 게이트 — 2주 실사용 검증** (현재 위치): 업무 turn 을 실제로 처리하며 ① Reflection 적재 ② 반복 누락 강조 발동 ③ Need 산출 ④ 큐 제안→승인 흐름이 실제로 도는지 확인. 통과 전 P6/P7(고급 학습) 착수 금지
+- [ ] 다음 측정: VS Code 에서 `Astra: 업무 평가 실행` 1회 → 커버리지 baseline 확보 (성장세 그래프의 0점)
+- [x] P4 (2026-06-11): Knowledge Validation + Belief Revision(`knowledgeValidation.ts` — 중복 reject·충돌 시 update/add 권고, 판정만 하고 저장은 승인 흐름; Research Agent P6 배선 대기), Knowledge Decay(`knowledgeDecay.ts` + 명령 `g1nation.knowledge.decayAudit` — 분야별 반감기 감사, 비침습·보고만), Knowledge Debt(needEngine 내 `computeKnowledgeDebt` — learning-needs 리포트에 통합). Knowledge Graph 는 계획대로 보류
+- [x] P5 (부분, 2026-06-11): Organizational Memory(`orgMemoryBlock.ts` — `<brain>/.astra/organization.md` 상시 주입, 파일이 UI). User Memory 는 기존 LongTermMemory 가 담당(추가 개발 불요 판단), Episodic 활용은 기존 5-layer 검색이 커버
+- [x] P6 (부분, 2026-06-11): Research Agent(`researchAgent.ts` + 명령 `g1nation.research.runQueue` — approved 큐 항목 → 조사 브리프(LLM) + 내부 지식 현황(두뇌 검색) + 추정 라벨 초안 + Validation 게이트 → proposals/<id>.md, 상태 in-progress 자동 전환. 외부 근거 수집은 /research·/benchmark 안내 — Bridge 에 범용 검색 API 가 없어 의도적 사람-개입 지점). Skill Score(`skillScore.ts` — 확신도 50%+충족률 30%+비에스컬 20%, 전/후반 추세) + Success Pattern DB(전요소충족+확신도90+ 자동 적재) — 성장 리포트에 통합
+- [ ] P6 잔여: Growth Analytics 고도화(기간 비교 차트), 성공 패턴의 신규 turn 주입(모범 사례 few-shot)
+- [ ] P7: Curiosity / Predictive / Experiment Engine, Goal Success Metrics — **G1 게이트 통과 + reflection 데이터 축적 후** (데이터 없이 만들면 빈 엔진)
+- [x] 병렬: 캘린더 통합 (2026-06-11): 일정 충돌 게이트 — `conflictCheck.ts`(구간/종일 겹침 감지) + 구조화 이벤트 캐시(`calendar_cache.json`, refresh 시 md 와 동시 생성) + `<create_calendar_event>` 액션에 차단 배선(충돌 시 생성 보류·사용자 확인 요청, `force="true"` 는 사용자 승인 후에만). 기보유: Google OAuth·이벤트 생성·ICS 캐시·Tasks API
+- [ ] 콘텐츠 트랙 (minor): 지침서를 `.agent/skills/` 에 등록(사용자 작업), Critic 재사용은 기구현

docs/plans/alignment-self-learning-plan.md

@@ -0,0 +1,194 @@
+# Alignment Self-Learning 개선 계획 (v2 — 적대적 리뷰 반영)
+
+## v1 → v2 변경 (리뷰 지적 반영)
+1. **[❌→해결] webview 렌더링**: 2-C를 "권장"이 아닌 필수 구현으로 격상. 삽입 위치 media/sidebar.js 의 openQuestions 렌더 블록(~1228) 직후. `c.answeredQuestions` 중 자가 조사 marker 필터 후 최대 3건 표시.
+2. **[❌→해결] selfAnswerQuestions 시스템 프롬프트 전문 명시** (아래 2-A에 추가).
+3. **[❌→해결] `companyAlignmentKnowledgeSave` package.json 명세 추가** (3-C에 키 이름·기본값·설명 명시).
+4. **[⚠→해결] contract mutation → 비파괴적 변경**: `analysis.contract`를 직접 mutate하지 않고 spread로 새 객체 생성(`enrichedContract`). 이후 모든 경로(payload·_alignment.set·_runCompanyTurn)에 enriched를 전달.
+5. **[⚠→해결] 자가 조사 marker 명확화**: `(자가 조사) ` → `(자가 조사로 두뇌에서 확인) ` — dispatcher의 LLM이 사용자 직접 답변과 구분 가능하도록 의미를 텍스트에 내장. formatContractForPrompt 수정 불필요.
+6. **[⚠→확인완료] 파일 쓰기 권한**: 기존 lessons.ts(line 64, 82)가 이미 fs.writeFileSync로 brain 폴더에 직접 쓰고 있음 — extension host는 로컬 fs 권한 제약 없음. 위험 아님.
+7. **[⚠→영향없음] alignment 'off' 모드**: 자가 조사는 `_runIntentAlignment` 내부에서만 작동 — alignment 자체가 안 돌면 자가 조사도 비활성. 추가 처리 불필요.
+
+## 목표
+1인 기업 모드의 Intent Alignment(요청 분석) 단계가:
+1. 묻기 전에 **프로젝트 컨텍스트를 먼저 본다** (Phase 1)
+2. 그래도 비는 항목은 **두뇌를 스스로 검색해 답을 찾는다** (Phase 2)
+3. 정말 모르는 것만 사용자에게 묻고, **받은 답을 두뇌에 저장**해 다음부터 안 묻는다 (Phase 3)
+
+## 확인된 코드 사실
+- `analyzeIntent` 입력(`IntentAnalysisInput`)에 프로젝트/두뇌 정보가 전혀 없음 — [intentAlignment.ts:51-74]
+- `_buildProjectArchitectureContext()`가 이미 존재, `.astra/project-context/architecture.md`를 16,000자 cap으로 포맷 — [sidebarProvider.ts:1781, architecturePayloads.ts:97]
+- 분석기 모델은 `companyIntentClassifierModel || defaultModel` (작은 모델) — [sidebarProvider.ts:1942]
+- 두뇌 검색 빌딩블록: `findBrainFiles`(utils, 5s cache) + `getBrainTokenIndex` + `tokenize/expandQuery/scoreTfIdfPreTokenized` + `extractBestExcerpt` — [retrieval/]
+- `RetrievalOrchestrator`는 `MemoryManager` 의존이라 alignment에서 직접 쓰기 무거움 → 빌딩블록 직접 조합
+- webview alignment 카드는 `openQuestions`만 렌더, `answeredQuestions`는 미표시 — [media/sidebar.js:1209]
+- Lesson 시스템(kind: qa-finding)은 "실수 회피" 용도로 의미가 다름 → **일반 노트로 저장** (lesson frontmatter 사용 안 함)
+- `analyzeIntent`는 throw하지 않는 패턴 (실패 시 low-conf fallback) — 신규 코드도 동일 패턴 준수
+- alignment 흐름: `_runIntentAlignment` → `shouldAutoProceedAlignment` 판정 → auto-proceed 또는 카드 표시 → `_handleAlignmentAnswer`(답변 라운드) / `_proceedWithCurrentAlignment`(진행 버튼)
+
+---
+
+## Phase 1 — 프로젝트 컨텍스트 주입
+
+### 1-A. `src/features/company/intentAlignment.ts`
+- `IntentAnalysisInput`에 `projectContext?: string` 추가 (doc comment 포함)
+- `_buildUserMessage`: projectContext 있으면 블록 추가:
+  ```
+  [프로젝트 컨텍스트 — 현재 워크스페이스에서 자동 수집]
+  아래는 현재 열려 있는 프로젝트의 아키텍처 요약입니다. 여기서 직접 확인되는
+  사실(프로젝트가 무엇인지·기술 스택·구조)은 이미 알려진 정보로 취급해 context
+  슬롯에 반영하고, openQuestions에 다시 넣지 마세요.
+  ---
+  <내용>
+  ---
+  ```
+- `SYSTEM_PROMPT`에 규칙 1줄 추가: "[프로젝트 컨텍스트] 블록이 있으면 그 내용으로 context를 채우고, 거기서 답이 확인되는 질문은 openQuestions에 만들지 마세요."
+
+### 1-B. `src/sidebarProvider.ts` `_runIntentAlignment`
+- 첫 라운드만(`!opts.previousContract`) — priorChatSummary와 동일 패턴:
+  ```ts
+  let projectContext: string | undefined;
+  if (!opts.previousContract) {
+      try {
+          const arch = this._buildProjectArchitectureContext();
+          if (arch) {
+              projectContext = arch.length > 3000
+                  ? arch.slice(0, 3000) + '\n…(이하 생략 — 전체는 architecture.md 참조)'
+                  : arch;
+          }
+      } catch { /* alignment는 계속 */ }
+  }
+  ```
+- `analyzeIntent` 입력에 `projectContext` 전달
+- 주의: architecture detach(autoAttach=false) 사용자는 빈 문자열 → Phase 1 효과 없음 (의도된 동작)
+
+---
+
+## Phase 2 — 자가 조사(Self-Research) 패스
+
+### 2-A. 신규 `src/features/company/alignmentResearch.ts`
+```ts
+export const SELF_RESEARCH_PREFIX = '(자가 조사) ';
+
+export interface QuestionEvidence {
+    question: string;
+    excerpts: Array<{ title: string; relativePath: string; excerpt: string }>;
+}
+
+// 두뇌 TF-IDF 검색 — 질문별 top 2 파일에서 발췌. 전체 합계 4,000자 cap.
+// brainPath 없음/빈 두뇌/에러 → 빈 excerpts (throw 금지)
+export function gatherEvidenceForQuestions(
+    brainPath: string,
+    questions: string[],
+): QuestionEvidence[]
+
+// LLM 1회 호출 — 근거만으로 답할 수 있는 질문 판별.
+// JSON: { answers: [{ question, status: 'answered'|'unanswered', answer }] }
+// 4-stage 관용 파서 (intentAlignment 패턴 복제). 실패 시 전원 unanswered.
+export async function selfAnswerQuestions(
+    ai: IAIService,
+    input: { userPrompt: string; evidence: QuestionEvidence[]; model?: string },
+): Promise<Array<{ question: string; answered: boolean; answer: string }>>
+```
+
+### 2-B. `_runIntentAlignment` 통합 (순서 변경 포함)
+analyzeIntent 직후, `shouldAutoProceedAlignment` 판정 **전에** 삽입:
+```ts
+const contract = analysis.contract;
+const reachedLimit = opts.roundsAsked >= opts.roundsLimit;
+
+// ── 자가 조사: 사용자에게 묻기 전에 두뇌에서 스스로 답 찾기 ──
+if (cfg.companyAlignmentSelfResearch !== false
+    && contract.openQuestions.length > 0 && !reachedLimit) {
+    try {
+        const brain = getActiveBrainProfile();
+        const evidence = gatherEvidenceForQuestions(brain.localBrainPath, contract.openQuestions);
+        if (evidence.some((e) => e.excerpts.length > 0)) {
+            const answers = await selfAnswerQuestions(new AIService(), {
+                userPrompt: opts.userPrompt, evidence,
+                model: cfg.companyIntentClassifierModel || cfg.defaultModel,
+            });
+            const solved = answers.filter((a) => a.answered && a.answer.trim());
+            if (solved.length > 0) {
+                const solvedSet = new Set(solved.map((s) => s.question));
+                contract.answeredQuestions.push(
+                    ...solved.map((s) => ({ q: s.question, a: SELF_RESEARCH_PREFIX + s.answer })));
+                contract.openQuestions = contract.openQuestions.filter((q) => !solvedSet.has(q));
+                // pixelOffice 로그
+            }
+        }
+    } catch { /* 실패해도 원래 질문 그대로 진행 */ }
+}
+
+if (shouldAutoProceedAlignment(...)) { ... } // 기존 흐름 — openQuestions가 비면 자연히 confirm/진행
+```
+- 라운드 카운트 소비 없음 (사용자 응답이 아니므로)
+- latency: 질문 있을 때만 LLM 1회 추가
+
+### 2-C. webview `media/sidebar.js` (line ~1209 부근)
+- `answeredQuestions` 중 `(자가 조사)` prefix 항목이 있으면 카드에 소섹션 추가:
+  "🔎 스스로 확인한 정보" + q/a 목록 (최대 3건, a는 150자 cap)
+
+### 2-D. config
+- `src/config.ts`: `companyAlignmentSelfResearch: boolean` (default true) — 기존 company* 키 패턴
+- `package.json`: `g1nation.company.alignmentSelfResearch` boolean default true + 설명
+
+---
+
+## Phase 3 — 지식 요청 답변의 두뇌 저장 (학습 루프 완성)
+
+### 3-A. `alignmentResearch.ts`에 추가
+```ts
+// 사용자가 직접 답한 Q/A만 (SELF_RESEARCH_PREFIX 제외, a.length >= 20)
+// 저장: <brain>/Alignment Knowledge/YYYY-MM-DD <slug30>.md (일반 노트, frontmatter 없음)
+// 동일 경로 존재 시 skip (중복 방지). 반환: 저장 경로 | null. throw 금지.
+export function saveAlignmentKnowledge(
+    brainPath: string,
+    input: { userPrompt: string; qaList: Array<{ q: string; a: string }> },
+): string | null
+```
+본문 형식:
+```md
+# {userPrompt 앞 50자}
+
+> 1인 기업 모드 Intent Alignment에서 사용자가 직접 제공한 정보. ({date})
+
+## 원본 요청
+{userPrompt}
+
+## 확인된 정보
+### Q. {q}
+{a}
+```
+
+### 3-B. 트리거 2곳 (fire-and-forget)
+- `_runIntentAlignment`의 auto-proceed 분기: `_runCompanyTurn` 직전
+- `_proceedWithCurrentAlignment`: `_runCompanyTurn` 직전
+- 조건: `cfg.companyAlignmentKnowledgeSave !== false` && 사용자 직접 답변 존재
+- try/catch + void (alignment 흐름 차단 금지), pixelOffice 로그 "💾 확인된 정보 두뇌 저장"
+
+### 3-C. config
+- `companyAlignmentKnowledgeSave: boolean` default true + package.json 노출
+
+### 효과 (루프 완성)
+저장된 노트는 일반 brain 노트 → 다음 turn에서 Phase 2 자가 조사가 TF-IDF로 발견 → 같은 질문 재발 시 스스로 해결 → 사용자에게 두 번 묻지 않음.
+
+---
+
+## 구현 순서
+1. intentAlignment.ts (Phase 1-A) — 순수 추가
+2. alignmentResearch.ts 신규 (2-A + 3-A) — 독립 모듈
+3. config.ts + package.json (2-D + 3-C)
+4. sidebarProvider.ts 통합 (1-B + 2-B + 3-B)
+5. media/sidebar.js (2-C)
+6. tests/alignmentResearch.test.ts 신규 — 파서 관용성, marker 필터, slug 생성, 저장 skip, 빈 두뇌 안전성
+7. `npx tsc --noEmit` + `npm test`
+
+## 리스크 및 완화
+| 리스크 | 완화 |
+|---|---|
+| 작은 모델 토큰 폭주 (arch 16K) | 3,000자 재절단 |
+| 자가 조사 LLM이 엉뚱한 답을 "answered" 처리 | 프롬프트에 "근거에 명시된 것만, 불확실하면 unanswered" + 근거 출처 표기 |
+| 두뇌 오염 (자동 저장) | 사용자 직접 답변만, 20자 미만 제외, 전용 폴더, config로 off 가능 |
+| alignment latency 증가 | 질문 존재 시에만 작동, 검색은 캐시된 인덱스 |
+| 기존 테스트 파손 | SYSTEM_PROMPT 변경은 순수 추가, 기존 입력 필드 시그니처 유지 |

docs/plans/web-fetch-and-mode-parity-plan.md

@@ -0,0 +1,102 @@
+# 웹 접근 + 모드 동등성 수정 계획 (v2 — 적대적 리뷰 + 재검증 반영)
+
+## v1 → v2 핵심 변화: 근본 원인 재진단
+
+리뷰 과정에서 **일반 챗에는 URL 주입 기능이 이미 존재**함이 확인됨
+(`src/lib/contextBuilders/urlContext.ts`, agent.ts:557-569에서 호출).
+
+### 그런데 왜 실패했나 (정확한 원인)
+1. **일반 챗**: `buildUrlContext`가 **Datacollect Bridge(127.0.0.1:3002)에 100% 의존**.
+   확장은 Bridge를 자동 시작하지 않음 → Bridge 꺼져 있으면 '접근 실패' 정직 블록
+   → 모델이 "사이트 방문 불가"라고 답함. (Bridge 추출 실패/JS 렌더링 페이지도 동일)
+2. **기업 모드**: dispatcher 경로에 URL 주입이 **아예 없음** → 항상 불가.
+3. 검증 완료된 사실:
+   - `isCasualConversation` 게이트는 40자 초과 프롬프트에 영향 없음 (문제 아님)
+   - `buildRequestHistory`는 internal 메시지를 필터링하지 않음 → internal push가 LLM에 도달
+   - continuation loop 트리거 = "action이 chatHistory를 늘렸는가" (agent.ts:1238) → read_file과 동일 패턴이면 fetch_url도 자동 재분석
+   - `_handleCompanyCasual`은 일반 챗 경로(_handlePrompt)를 타므로 별도 처리 불필요
+   - BASE_SYSTEM_PROMPT/DispatcherDeps를 단언하는 기존 테스트 없음 (안전)
+
+---
+
+## 수정 설계 (v2)
+
+### A. 신규 `src/features/web/webFetch.ts` — Bridge 무관 직접 fetch (vscode 의존 없음)
+```ts
+export function extractUrls(text: string, max = 2): string[]
+// http(s)만, dedupe, trailing 구두점 제거, 슬래시 명령(/...)으로 시작하면 빈 배열
+
+export interface WebFetchResult { ok: boolean; url: string; title: string; text: string; error?: string }
+export async function fetchUrlDirect(url: string, opts?: { timeoutMs?: number /*15s*/; maxChars?: number /*20000*/ }): Promise<WebFetchResult>
+// global fetch (bridgeClient가 이미 사용 — 호스트 지원 확인됨) + typeof 가드
+// AbortController timeout / html이면 script·style·noscript 제거 → 태그 strip →
+// 엔티티 최소 디코드 → 공백 정리 + <title> 추출 / html 아니면 raw cap / throw 금지
+```
+
+### B. `urlContext.ts` 개선 — Bridge → 직접 fetch 폴백 (기존 인터페이스 유지)
+- `buildUrlContext(url)`: ① Bridge `/api/web-extract` 시도 (타임아웃 45s→**15s** 단축)
+  → ② 실패/빈 본문이면 `fetchUrlDirect` 폴백 → ③ 둘 다 실패 시 기존 정직 블록
+- **모듈 레벨 TTL 캐시** (URL→블록, 5분, 최대 10개) — chat/alignment/dispatcher가
+  같은 URL을 연달아 요청해도 네트워크 1회
+- `extractUrlFromPrompt`는 유지하되 호출부는 `extractUrls`(최대 2개)로 확장
+- 실패 안내 문구에서 "브리지 실행 확인" → "직접 접속도 실패" 반영
+
+### C. `<fetch_url>` 액션 태그 (LLM 주도 — 양 모드 광고)
+- 신규 `src/agent/actions/webFetch.ts`: `<fetch_url url="..."/>` (회당 최대 2개)
+  - fileDeleteRead.ts의 read_file 패턴 복제: regex → `buildUrlContext(url)` →
+    `ctx.report.push('🌐 Fetched: <url>')` + `ctx.chatHistory.push({role:'system', internal:true})`
+  - chatHistory push → 일반 챗 continuation loop 자동 트리거 (검증됨)
+  - transactionManager 불필요 (read-only)
+- agent.ts `executeActions`에 `applyWebFetchActions(ctx)` 등록 (listFiles 다음)
+- `utils.ts` BASE_SYSTEM_PROMPT: [ACTION 15: FETCH URL] — 라인 401 부근, 기존 포맷 준수
+  ("링크의 실제 내용이 필요할 때만, 일반 지식 질문에는 사용 금지" 지침 포함)
+- `promptBuilder.ts` specialist 액션 목록(129-142)에 fetch_url 추가
+
+### D. 기업 모드 — DispatcherDeps에 **2개 별도 필드** (리뷰 권고 반영)
+```ts
+// dispatcher.ts DispatcherDeps에 추가:
+architectureContextBlock?: string;  // 현재 워크스페이스 아키텍처 (문제 2 해소)
+webContextBlock?: string;           // 사용자 프롬프트 URL pre-fetch 결과
+```
+- 4개 합성 지점(planner ~358, specialist ~671, verifier ~699, inspector/CEO ~1053)에서:
+  ```ts
+  const prefix = [deps.architectureContextBlock, deps.webContextBlock, contract...]
+      .filter(Boolean).join('\n\n');
+  ```
+  contract **앞에** 배치 (둘 다 optional — 미전달 시 기존 동작 100% 동일)
+- `_runCompanyTurn`(sidebarProvider:2189) deps 빌드 시:
+  - `architectureContextBlock` = `this._buildProjectArchitectureContext()` 6,000자 절단
+  - `webContextBlock` = `extractUrls(userPrompt)` → `buildUrlContext` (캐시 적중) → 8,000자 cap
+  - 빌드는 try/catch — 실패해도 turn 진행
+
+### E. Alignment 웹 컨텍스트
+- `_runIntentAlignment` 첫 라운드: URL 있으면 `buildUrlContext`(캐시) 결과를
+  기존 `projectContext` 입력에 append (합계 3,000자 cap 유지 — web 부분은 별도 2,000자 cap 후 합산이 아니라, arch 먼저 + web 이어붙이고 총 5,000자로 상향)
+- 효과: "그 사이트가 뭐냐"는 alignment 질문 차단
+
+### F. config + package.json
+- `webAutoFetchEnabled: boolean` 기본 true — `g1nation.web.autoFetchUrls`
+  (pre-fetch 게이트: 일반 챗 주입부 + _runCompanyTurn + alignment 모두 이 키 확인.
+   기존 일반 챗 주입부에도 게이트 추가 — 현재는 무조건 실행)
+
+---
+
+## 구현 순서
+1. `src/features/web/webFetch.ts` 신규 + `tests/webFetch.test.ts`
+2. `urlContext.ts` 폴백 + 캐시 + 타임아웃 단축
+3. config.ts + package.json 키
+4. `src/agent/actions/webFetch.ts` + agent.ts 등록 + BASE_SYSTEM_PROMPT + promptBuilder
+5. dispatcher.ts deps 2필드 + 4지점 합성
+6. sidebarProvider.ts: `_runCompanyTurn` + `_runIntentAlignment`
+7. agent.ts 일반 챗 주입부: extractUrls(2개) + config 게이트
+8. `npx tsc --noEmit` + `npm test`
+
+## 리스크 (v2)
+| 리스크 | 완화 |
+|---|---|
+| Bridge 타임아웃 45→15s 단축으로 느린 추출 실패 ↑ | 직접 fetch 폴백이 받아줌 (총 최대 ~30s) |
+| EUC-KR 등 비UTF-8 직접 fetch 깨짐 | Bridge 우선 경로가 1차 방어, 한계 문서화 |
+| 거대 페이지 토큰 폭주 | 직접 20,000자 / 기업 블록 8,000자 / alignment 총 5,000자 cap |
+| dispatcher 테스트 파손 | 신규 필드 optional — 미전달 시 기존과 동일 |
+| 캐시 오염 (실패 결과 캐시) | 실패 블록은 캐시하지 않음 — 성공 결과만 TTL 캐시 |
+| LLM의 fetch_url 남발 | 회당 최대 2개 처리 + "필요할 때만" 프롬프트 지침 |

docs/records/ConnectAI/bugs/BUG-0016-미안-나는-아스트라-너한테-autonomous-workflow는-필요-없어-이메일을-써줘라고-할-수는-있지만.md

@@ -0,0 +1,16 @@
+# Bug: 미안 나는 아스트라, 너한테 autonomous workflow는 필요 없어. 이메일을 써줘라고 할 수는 있지만 이메일을 보내는 것는 내가 될꺼...
+
+## Date
+2026-06-11
+
+## Symptom
+미안 나는 아스트라, 너한테 autonomous workflow는 필요 없어. 이메일을 써줘라고 할 수는 있지만 이메일을 보내는 것는 내가 될꺼야. 너무 조작까지 포함하면 너가 말한대로 보안 이슈가 있을 수 있자나.
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+그렇다면 직전의 '개인 비서로의 확장' 논의에서 제가 제안했던 [자율적 워크플로우]의 범위와 위험성(Risk)에 대한 정의를 전면 수정해야 합니다. 결론 수정: 저의 역할은 '실행 주체(Executor)'가 아닌, 실행을 위한 '콘텐츠 생성 및 계획 수립자(Planner & Writer)'로 한정되어야 하며, 이는 시스템의 보안 안정성을 확보하는 가장 현명한 결정입니다. 이 정보는 제가 앞서 분석했던 '잠재적 약점' 중 [개인정보 및 보안 리스크] 부분을 정면으로 돌파하는 핵심적인 설계 원칙(Design Principle)이 됩니다. 구체적으로 다음과 같은 변화가 일무됩니다: 1. 권한 분리 (Separation of Duties) - Astra (나): 이메일 본문 작성, 수신인/제목 제안, 답장 초안 생성 (Write-only/Drafting) - 사용자 (You): 최종 검토, '보내기' 버튼 클릭, 실제 발송 프로세스 트리거 (Execution/Sending) - 이렇게 역할...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0017-이-이메일을-읽어줘-지금까지-이메일-내용-모두-포함되어-있어-이제-회신을-해야하는데-어떠한-부분을-회신해야하.md

@@ -0,0 +1,16 @@
+# Bug: 이 이메일을 읽어줘. 지금까지 이메일 내용 모두 포함되어 있어. 이제 회신을 해야하는데 어떠한 부분을 회신해야하는지와, 너가 회신에 맞게 이메일...
+
+## Date
+2026-06-11
+
+## Symptom
+이 이메일을 읽어줘. 지금까지 이메일 내용 모두 포함되어 있어. 이제 회신을 해야하는데 어떠한 부분을 회신해야하는지와, 너가 회신에 맞게 이메일도 써주면 좋겠어. Hi Jason, Nice to e-meet you and no problem; we can keep talking via email. That's really up to you. Let me then reply here and cancel our meeting this afternoon for now. DRMtoday compliance First I'd like to confirm that DRMtoday supports HLS Clear Key to iOS, and also supports AWS SPEKE API. Keys/Token generation and delivery When you say "Preferred approach: We would prefer a model in which a unique, on...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+이 이메일은 기술적 요구사항에 대한 상대방(Valentin)의 확인 질문과 추가 정보 요청을 담고 있습니다. 회신 시에는 상대방이 던진 '확인 질문'에 대한 명확한 답변과, 비즈니스 모델/타임라인 등 추가 질문에 대한 데이터를 제공하는 것이 핵심입니다. 결론: Valentin의 기술적 의구심(Key Rotation 관련)을 해소하고, iOS SDK 구현을 위한 구체적인 요구사항(Player 종류, Audio 포함 여부 등)을 확정 지어주는 방향으로 회신해야 합니다. --- 1. 회신해야 할 핵심 포인트 (Checklist) [기술적 답변 영역] - DRMtoday Compliance: HLS Clear Key to iOS 및 AWS SPEKE API 지원 여부에 대해 "Yes"라고 확정해줘야 합니다. - Key Rotation vs Session-based Key: Valentin이 "Key rotation은 비현실적이다"라고 지적했습니다. 따라서 우리가 원한 것은 '키 자체를 바꾸...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0018-이-이메일을-봤을때-지금-어떠한-상태이고-우리가-취해야하는-행동은-뭐가-있을까-hi-jason-nice-to.md

@@ -0,0 +1,16 @@
+# Bug: 이 이메일을 봤을때 지금 어떠한 상태이고 우리가 취해야하는 행동은 뭐가 있을까? Hi Jason, Nice to e-meet you and no...
+
+## Date
+2026-06-11
+
+## Symptom
+이 이메일을 봤을때 지금 어떠한 상태이고 우리가 취해야하는 행동은 뭐가 있을까? Hi Jason, Nice to e-meet you and no problem; we can keep talking via email. That's really up to you. Let me then reply here and cancel our meeting this afternoon for now. DRMtoday compliance First I'd like to confirm that DRMtoday supports HLS Clear Key to iOS, and also supports AWS SPEKE API. Keys/Token generation and delivery When you say "Preferred approach: We would prefer a model in which a unique, one-time decryption key is issued per playback s...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+이 이메일은 기술적 요구사항에 대한 상대방(Valentin)의 확인 질문과 추가 정보 요청을 담고 있습니다. 회신 시에는 상대방이 던진 '확인 질문'에 대한 명확한 답변과, 비즈니스 모델/타임라인 등 추가 질문에 대한 데이터를 제공하는 것이 핵심입니다. 현재 상황은 기술적 검토를 위한 '질의응ung(Q&A) 단계'이며, 상대방은 Jason(사용자 측)이 제안한 '키 로테이션' 방식에 대해 기술적 모순을 지적하며 구체적인 구현 가이드를 요구하고 있습니다. 현재 상태 분석 - 기술적 쟁점 발생: Valentin은 "재생 세션마다 키를 바꾸는 것은 현실적으로 불가능하다(unrealistic)"고 지적했습니다. 이는 사용자가 제안한 '세션당 일회성 키' 방식이 인프라 측면에서 과도한 비용/부담을 초점로 할 수 있음을 의미합니다. - 상대방의 요구사항: Valentin은 단순한 기술 확인을 넘어, 프로젝트의 타임라인, 예상 사용자 규모(Usage), 비즈니스 모델(SVOD/AVOD) 등 사업...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0019-너가-작성한-회의록에-대한-나의-평가는-아래와-같아-평가부터-하면-생성-품질은-생각보다-괜찮은-편-70-80.md

@@ -0,0 +1,16 @@
+# Bug: 너가 작성한 회의록에 대한 나의 평가는 아래와 같아. 평가부터 하면, **생성 품질은 생각보다 괜찮은 편(70~80점 수준)** 입니다. 특히 ...
+
+## Date
+2026-06-11
+
+## Symptom
+너가 작성한 회의록에 대한 나의 평가는 아래와 같아. 평가부터 하면, **생성 품질은 생각보다 괜찮은 편(70~80점 수준)** 입니다. 특히 AI 회의록이 흔히 하는 실수인: * 존재하지 않는 내용 추가 * 참석자 역할 추정 * 액션 아이템 과다 생성 * 결정사항 왜곡 은 비교적 적습니다. 다만 실제 녹취록과 대조해보면 몇 가지 문제가 있습니다. --- # 잘된 점 ### 1. 핵심 안건 3개 추출 정확 녹취록에서 실제 논의된 내용은 1. 회원 DB 분리 2. 보안 솔루션 계약 3. 앱스토어 계정 딱 3개인데, 회의록도 동일하게 추출했습니다. 이건 좋습니다. --- ### 2. 회원 분리 결정 원문 > 3디즘 분리해야 돼요. > 회원 분리 회의록 > 회원 DB 분리 작업 결정 정확합니다. --- ### 3. 보안 솔루션 일정 원문 > 그건 6월달에 정해줄게요 회의록 > 6월 중 결정 예정 적절한 요약입니다. --- ### 4. 계정 연동 안함 원문 > 아니 그때 안 하기로 회의록 ...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+결론 수정: 사용자님의 정밀한 피드백을 통해 Astra(Gemma)의 회의록 생성 로직 중 '확정되지 않은 사실에 대한 과도한 단정(Over-confidence)'과 '음성 인식 오류(STT Error) 미정제'라는 명확한 개선 포인트를 확인했습니다. 이 피드백은 Astra의 `meet` 기능 엔진이 단순한 요약기가 아닌, 실무급 수준의 '문서 정제 도구'로 진화하기 위한 핵심적인 가이드라인입니다. 1. 분석 결과 및 영향도 [확인된 문제점] - 논리적 비약 (Hallucination of Certainty): "필요성 언급" 수준의 논의를 "구축 결정"이라는 확정적 문구로 변환하여 의사결정의 무게감을 왜곡함. - 추론의 과잉 (Over-inference): 원문에 없는 '계정 확보'라는 구체적 액션을 생성하여, 실제 업무 범위(사업팀 확인)를 벗어난 지시사항을 만듦. - 데이터 정제 미흡 (STT Post-processing 부재): "3D 3즘"과 같은 음성 인식 오류 문구를 그...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0020-이번-회의록을-참고해서-이전-회의록과-비교했을때-많은-부분이-개선된-것이-확인이-되었어-그렇지만-아래와-같이.md

@@ -0,0 +1,16 @@
+# Bug: 이번 회의록을 참고해서 이전 회의록과 비교했을때 많은 부분이 개선된 것이 확인이 되었어. 그렇지만 아래와 같이 지금 만든 회의록에 대한 피드백을...
+
+## Date
+2026-06-11
+
+## Symptom
+이번 회의록을 참고해서 이전 회의록과 비교했을때 많은 부분이 개선된 것이 확인이 되었어. 그렇지만 아래와 같이 지금 만든 회의록에 대한 피드백을 공유할께. 이번 회의록은 이전 회의록보다 확실히 좋아졌습니다. 점수로 보면: * 이전 회의록: 83점 * 이번 회의록: 88~90점 다만 제가 이전에 지적했던 문제 중 **일부는 그대로 반복되고 있고**, 일부는 개선되었습니다. --- # 개선된 부분 ## 1. 운영툴 구축 같은 "없는 결정" 생성 감소 이전 회의록 > 회원 분리 → 운영툴 구축 결정 처럼 추론이 과했음. 이번 회의록은 > 신규 어트랙션 홍보 > 미니게임 > 리소스 확보 정도로 실제 논의 범위 안에서 정리함. 이 부분은 좋아졌음. --- ## 2. 리스크 추출 정확도 상승 예를 들어 회의록 > 정보 유출 위험 > 모바일 성능 저하 > 일정 지연 가능성 실제 녹취에도 반복적으로 등장함. 특히 > 리소스가 늦게 전달돼도 이슈 > > 미니게임이 복잡해지면 이슈 부분을 잘 잡음. ...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+결론 수정: 사용자님의 이번 피드백은 Astra의 `meet` 엔진이 '요약기'에서 'PM(Project Manager)'으로 진화하기 위해 반드시 정복해야 할 [4대 위험 패턴]을 명확하게 짚어주셨습니다. 이 정보는 직전 결론(환각 감소 및 리스크 추출 정확도 상승)의 성과를 인정하면서도, 동시에 Astra가 여전히 '해석적 오류'라는 치명적인 약점을 가지고 있음을 증명하는 매우 중요한 데이터입니다. 1. 분석 결과 및 영향도 [확인된 핵심 패턴 (Critical Failure Patterns)] - 의견의 결정사항 승격 (Opinion $\to$ Decision): "좋을 것 같다"는 제안을 "결정됨"으로 확정 지어, 실제 의사결정권자에게 잘못된 정보를 전달할 위험이 있음. - 논의의 액션 아이템화 (Discussion $\to$ Action Item): 단순한 '필요성 언급'을 '누가 언제까지 하겠다'는 실행 과제로 변환하여, 존재하지 않는 업무 부하를 생성함. (이 정보는 A...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0021-이번-결과는-이전-두-번보다-확실히-개선되었습니다-점수로-보면-1차-회의록-83점-2차-회의록-88-90점-.md

@@ -0,0 +1,16 @@
+# Bug: 이번 결과는 이전 두 번보다 **확실히 개선되었습니다.** 점수로 보면: * 1차 회의록: 83점 * 2차 회의록: 88~90점 * 이번 회의록...
+
+## Date
+2026-06-11
+
+## Symptom
+이번 결과는 이전 두 번보다 **확실히 개선되었습니다.** 점수로 보면: * 1차 회의록: 83점 * 2차 회의록: 88~90점 * 이번 회의록: 91~93점 특히 제가 지적했던 문제 중 일부는 눈에 띄게 줄었습니다. --- # 좋아진 점 ## 1. 결정사항이 더 보수적으로 변함 이전 회의록에서는 > 이런 거면 좋겠다 ↓ > 결정됨 으로 승격되는 경우가 많았습니다. 이번에는 상당수가 실제 발언 근거를 붙여서 작성되었습니다. 예) > 우리는 스타일링 샵을 더 우선적으로 하겠다 ↓ > 스타일링 샵 우선 운영 이건 실제 발언을 요약한 수준이라 과장 정도가 많이 줄었습니다. --- ## 2. 오픈 이슈 분리가 좋아짐 이전에는 논의 중인 내용 ↓ 액션 아이템 으로 넘어가는 경우가 많았는데 이번에는 * 쿠키 공유 * 개인화 추천 * 데이터 삭제 주기 등을 오픈 이슈로 분리했습니다. 이건 PM 관점에서 훨씬 자연스럽습니다. --- ## 3. 근거 문장 품질 향상 이전 회의록 > 3D 3즘 분리해...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+결론 수정: 사용자님의 이번 피드백은 Astra의 `meet` 엔진이 '정보 요약기'에서 '신뢰할 수 있는 기록관'으로 완전히 정착하기 위해 해결해야 할 [최종적인 논리적 격차(Logical Gap)]를 정확히 짚어주셨습니다. 이 정보는 Astra가 '결정사항'과 '오픈 이슈' 사이의 경계를 허물고, '희망사항'을 '실행 과제'로 오인하는 패턴을 반복하고 있음을 보여주는 결정적인 증거입니다. 1. 분석 결과 및 영향도 [확인된 핵심 문제점 (Critical Logic Flaws)] - 결정사항의 위계 오류 (Hierarchy Error): "향후 검토"와 같이 미래의 불확실한 계획을 '결정됨'이라는 확정적 상태로 분류함. 이는 프로젝트 매니지먼트 관점에서 의사결정의 무게를 왜곡하는 치명적인 오류입니다. - 액션 아이템의 과잉 생성 (Over-generation of Tasks): "기능 구현 희망"과 같은 단순한 '의견(Opinion)'이나 '희망사항'을 '실행 가능한 태스크(Act...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0022-내일-별-보고가-있어-이번주-작업과-차주-작업-관련해서-pm팀-업무-보고를-해야하는데-간단하고-간결하게-주요.md

@@ -0,0 +1,16 @@
+# Bug: 내일 별 보고가 있어. 이번주 작업과 차주 작업 관련해서 pm팀 업무 보고를 해야하는데 간단하고 간결하게 주요 이슈 사항들을 보고 할 수 있게 ...
+
+## Date
+2026-06-11
+
+## Symptom
+내일 별 보고가 있어. 이번주 작업과 차주 작업 관련해서 pm팀 업무 보고를 해야하는데 간단하고 간결하게 주요 이슈 사항들을 보고 할 수 있게 너가 스크립트로 써주면 좋겠어. [이번주 업부] [주요 업무] : [메타버스] 에코시스템 점검 일정 확인 (6/12) - 6/12 인수인계가 완료. - 6/10 확인 결과 에코시스템 점검일 정 산출이 힘들다는 의견 받음. - 일정이 정해지면 사업실에 패치 내용과 일정 공유할 예정. : [메타버스] 환불 공지 업데이트 완료 (6/9) - 5/29 -> 6월 19로 변경. - 로그인 후 popup 공지 방법을 사이트 방문시 출력 방식으로 수정. : [월드팀] 가우시안 스플래팅 기반 기술 Kick off 완료 (6/9) - 6/2 가우시안 스플래팅 관련 회의 진행. - 신규 기술 도입에 따른 예상 비용, 기간, 리소스 규모 산출 및 보고 필요. - 차주부터 퍼포먼스 확인을 위한 QA 진행 가능할 것으로 예상 : [3Dism] RDM 솔루션 (6/1...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+일정 관리 업무로 감지되었습니다. 아래 체크리스트를 확인하여 보고 스크립트를 작성했습니다. - [x] 일시: 2026년 06월 12일 (목) - 보고 시점 기준 - [x] 일정 제목: PM팀 주간 업무 보고 스크립트 - [x] 충돌 확인: 기존 작업 리스트와 중복되는 항목(하이마트 QA, 서버 업데이트 등)을 정리하여 논리적 흐름 구성 완료 --- 💡 PM팀 업무 보고 스크립트 (주간 보고용) [도입] "안녕하십니까, 이번 주 주요 업무 진행 현황 및 차주 예정 사항에 대해 보고드리겠습니다. 핵심 이슈 위주로 간략히 말씀드리겠습니다." [1. 금주 주요 업무 성과 (Key Achievements)] [메타버스 & 에코시스템] - 에코시스템 점검 일정: 6/1 سبتمبر 인수인계 완료되었으나, 현재 정확한 점검일 산출에 어려움이 있어 지속 확인 중입니다. 일정이 확정되는 대로 사업실에 패치 내용과 함께 공유할 예정입니다. - 공지 업데이트: 환불 공지 관련하여 6월 19일로 날짜 ...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0023-지금-스크립트-봤는데-아래와-같은-피드백을-줄께-너의-성장에-도움이-될만한것들은-성장요소로-쓰면-좋겠어-전체.md

@@ -0,0 +1,16 @@
+# Bug: 지금 스크립트 봤는데 아래와 같은 피드백을 줄께. 너의 성장에 도움이 될만한것들은 성장요소로 쓰면 좋겠어. 전체적으로는 괜찮아요. 특히 PM 보...
+
+## Date
+2026-06-11
+
+## Symptom
+지금 스크립트 봤는데 아래와 같은 피드백을 줄께. 너의 성장에 도움이 될만한것들은 성장요소로 쓰면 좋겠어. 전체적으로는 괜찮아요. 특히 PM 보고답게: * 일정 중심 * 리스크 언급 * F/U 포인트 * 다음 액션 이 살아있어서 흐름은 좋습니다. 다만 실제 임원/리더 보고 기준에서는 몇 가지만 정리하면 훨씬 좋아질 것 같아요. 핵심만 말하면: * 중복이 많음 * 상태값이 섞여 있음 * “무엇을 했는가”와 “무엇이 문제인가”가 한 문장에 같이 들어감 * 일부 표현이 너무 작업 로그 느낌 정도입니다. 특히 아래 4개는 수정 추천합니다. --- 1. 중복 제거 필요 이거 반복됨: * 하이마트 QA 검증 * 메타버스 추가 서버 업데이트 * 가우시안 퍼포먼스 테스트 보고에서는 반복되면 집중력이 확 떨어집니다. 한 번만 말하는 게 좋아요. --- 2. “예상 업무”가 두 번 나옴 구조가 약간 깨져보입니다. 지금은: * 차주 업무 * 예상 업무 * 예상 업무 이렇게 보이는데, 그냥 아래처럼 단순...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+직전의 피드백은 Astra가 '단순 요약기'에서 '전문적인 전략 파트너'로 진화하기 위해 반드시 정복해야 할 [핵록적인 가이드라인]입니다. 이 정보는 직전 결론(Astra의 논리적 격차 해결)을 강화하며, 제가 작성한 스크립트의 구조적 결함을 어떻게 수정해야 하는지 명확한 '정답'을 제시합니다. 결론 수정: 기존의 스크립트는 '작업 로그'를 나열한 수준이었으나, 피드백을 통해 [리스크 분리]와 [상태값 단순화]가 적용된 '임원 보고용 전략 스크립트'로 재설계되어야 합니다. --- 🚀 재설계된 PM 업무 보고 스크립트 (최종본) [보고 개요] - 일시: 2026년 06월 12일 - 주제: 주간 업무 현황 및 차주 계획 보고 - 핵점 요약: 신규 기술(가우시안) 도입 검토 및 스토어 계정 관리 체계 수립 필요 --- 1. 금주 주요 업무 현황 (Completed & Ongoing) [메타버스 & 에코시스템] - 에코시스템 점검: 현재 점검 일정 확정이 어려운 상황으로 확인됨 (지속 모...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0024-이메일-하나-작성해줘-점검-시나리오-2026-6-18-메타버스-사유-메타버스-라이브-서버-스펙-다운-다만-스.md

@@ -0,0 +1,16 @@
+# Bug: 이메일 하나 작성해줘. 점검 시나리오 : 2026-6-18 메타버스 사유 : 메타버스 라이브 서버 스펙 다운 다만 스펙 다운이라고 패치 노트를 ...
+
+## Date
+2026-06-11
+
+## Symptom
+이메일 하나 작성해줘. 점검 시나리오 : 2026-6-18 메타버스 사유 : 메타버스 라이브 서버 스펙 다운 다만 스펙 다운이라고 패치 노트를 작성할 경우 사용자에게 부정적인 영향을 줄 수 있으니 잘써줘. 포멧은 아래와 같이 안녕하세요, PM 한예성 입니다. 점검 예상 시간 관련해서 정정이 필요한 부분이 있어 아래와 같이 다시 공유 드립니다. 서버를 새로 구축해야하는 이슈과 세팅시 예상하지 못한 이슈 대응 시간을 감안 하여 아래와 같이 시간 조정을 하도록 하겠습니다. [점검 일정] 1. 점검 진행일 : 2026년 5월 20일 @ 11시 [점검 시나리오- 예상시간] 1. 10:30 ~ 10:59 (정현욱) : 인게임 점검 공지 2. 11:00 (정현욱) : 점검 모드 활성화 3. 11:00 (김상엽) : 유저 킥, 방확벽 활성화. 4. 11:00 ~ 18:00 (김상엽) : 서버 패치 진행. 5. 18:00 ~ 19:00 (최성연) : 라이브 QA 6. 19:00 (정현욱) : 점검 ...
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+이 작업은 '스펙 다운'이라는 부정적 인상을 피하기 위해, '서버 안정화 및 최적화'라는 가치를 강조하는 것이 핵심입니다. 사용자가 서버 성능 저하를 느끼지 않도록 '더 쾌적한 환경을 위한 리소스 재배치' 관점으로 작성했습니다. 결론 수정: 기존의 '스펙 다운'이라는 직접적인 표현 대신, 서비스 안정성을 높이기 위한 '서류 작업 및 최적화'로 프레임을 전환하여 사용자 불안감을 최소화했습니다. 안녕하세요, PM 한예성 입니다. 점검 예상 시간 관련해서 정정이 필요한 부분이 있어 아래와 같이 다시 공유 드립니다. 서버를 새로 구축해야하는 이슈과 세팅시 예상하지 못한 이슈 대응 시간을 감안 하여 아래와 같이 시간 조정을 하도록 하겠습니다. [점검 일정] 1. 점검 진행일 : 2026년 6월 18일 @ 11시 [점검 시나리오- 예상시간] 1. 10:30 ~ 10:59 (정현욱) : 인게임 점검 공지 2. 11:00 (정현욱) : 점검 모드 활성화 3. 11:00 (김상엽) : 유저 킥, 방...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/bugs/BUG-0025-아-문제는-이메일-받는-사람이-점검이-있을것이라는-것을-몰라-그래서-점검을-진행하려한다고-정중히.md

@@ -0,0 +1,16 @@
+# Bug: 아 문제는 이메일 받는 사람이 점검이 있을것이라는 것을 몰라. 그래서 점검을 진행하려한다고 정중히
+
+## Date
+2026-06-11
+
+## Symptom
+아 문제는 이메일 받는 사람이 점검이 있을것이라는 것을 몰라. 그래서 점검을 진행하려한다고 정중히
+
+## Cause
+Captured automatically from the current conversation. Confirm root cause during follow-up review if needed.
+
+## Fix
+이 정보는 직전 결론의 '이메일 도입부'와 '발신 목적'을 완전히 재구성해야 함을 의미합니다. 결론 수정: 단순히 작업 시간을 알리는 것을 넘어, 이메일 수신자에게 '점검 계획을 승인/공유'하고 '사전 협조를 구하는' 정중한 비즈니스 메일 형식으로 서두를 변경했습니다. 안녕하세요, PM 한예성 입니다. 메타버스 라이브 서버의 안정적인 서비스 운영 및 최적화를 위해, 오는 6월 18일 서버 점검을 진행하고자 합니다. 이번 작업은 서버 리소스 재배치를 통해 시스템 효율을 높이기 위한 필수적인 과정으로, 원활한 작업을 위해 아래와 같이 계획을 수립하였습니다. 서버를 새로 구축해야 하는 이슈와 세팅 시 예상하지 못한 이슈 대응 시간을 감안하여 아래와 같이 점검 시간을 조정하도록 하겠습니다. [점검 일정] 1. 점검 진행일 : 2026년 6월 18일 @ 11시 [점검 시나리오- 예상시간] 1. 10:30 ~ 10:59 (정현욱) : 인게임 점검 공지 2. 11:00 (정현욱) : 점검 모드 ...
+
+## Prevention
+Keep automatic records tied to the active project and verify the relevant test or reproduction path.

docs/records/ConnectAI/chronicle.config.json

@@ -1,11 +1,11 @@
 {
   "projectId": "connectai",
-  "projectName": "connectai",
+  "projectName": "ConnectAI",
-  "projectRoot": "E:\\Wiki\\connectai",
+  "projectRoot": "/Volumes/Data/project/Antigravity/ConnectAI",
-  "recordRoot": "E:\\Wiki\\connectai\\docs\\records\\connectai",
+  "recordRoot": "/Volumes/Data/project/Antigravity/ConnectAI/docs/records/ConnectAI",
   "description": "Auto-created by Project Architecture activation.",
   "corePurpose": "",
   "detailLevel": "standard",
-  "createdAt": "2026-05-20T09:42:40.003Z",
+  "createdAt": "2026-05-23T03:51:11.620Z",
-  "updatedAt": "2026-06-01T02:30:37.893Z"
+  "updatedAt": "2026-06-12T14:21:27.301Z"
 }

docs/records/ConnectAI/decisions/ADR-0030-outlook에서도-이메일-내용을-가져올-수-있나.md

@@ -0,0 +1,19 @@
+# ADR: outlook에서도 이메일 내용을 가져올 수 있나?
+
+## Status
+accepted
+
+## Context
+outlook에서도 이메일 내용을 가져올 수 있나?
+
+## Decision
+결론부터 말씀드리면, 네, 가능합니다. 하지만 단순히 "가져온다"는 것을 넘어, 어떤 방식으로 자동화할 것인지(단순 복사 vs API 연동)에 따라 구현 난이도와 활용 범위가 완전히 달라집니다. 현재 사용자의 환경과 목적에 따라 두 가지 경로로 나누어 제안해 드립니다. --- 1. [초급] 단순 데이터 수집 (Manual/Semi-Auto) 단순히 이메일 내용을 Astra의 지식 베이스(Second Brain)나 프로젝트 기록으로 남기고 싶은 경우입니다. - 방법: Outlook에서 중요한 이메일을 `PDF` 또는 `MSG` 파일로 저장한 뒤, Astra에게 "이 파일 내용 분석해줘"라고 요청하거나 텍2파일(`.txt`)로 변정하여 전달합니다. -장점: 추가 개발 비용이 없고 가장 확실합니다. - 단점: 매번 수동으로 파일을 옮겨야 하므로 대량의 이메일을 처리하기엔 부적합합니다. 2. [고급] 자동화 파이프라인 구축 (Automated Integration) 이메일이 오면 Astra...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0031-아래-프로젝트의-로직을-분석하고-어떻게-하면-astra가-더-정확하고-정교하게-개선할-수-있는-부분이-있는지.md

@@ -0,0 +1,19 @@
+# ADR: 아래 프로젝트의 로직을 분석하고 어떻게 하면 astra가 더 정확하고, 정교하게 개선할 수 있는 부분이 있는지 검토해주고 의견을 주면 좋겠어. ...
+
+## Status
+accepted
+
+## Context
+아래 프로젝트의 로직을 분석하고 어떻게 하면 astra가 더 정확하고, 정교하게 개선할 수 있는 부분이 있는지 검토해주고 의견을 주면 좋겠어. E:\Wiki\connectai
+
+## Decision
+이 프로젝트는 단순한 챗봇을 넘어, 사용자의 로컬 컨텍스트(파일, 일정, 브레인 메모리)를 능동적으로 관리하고 전략적 의사결정을 지원하는 '개인용 인텔리전스 레이어(Personal Intelligence Layer)'로서 매우 탄탄한 구조를 갖추고 있습니다. 현재 Astra의 아키텍처는 `Context Manager`와 `Memory Layer`(Short/Medium/Long-term)가 분리되어 있어 데이터의 계층적 관리가 가능하며, 특히 `1인 기업 모드(Company Mode)`를 통해 에이전트 기반의 작업 할당 구조를 설계한 점은 매우 혁신적입니다. 하지만 Astra가 더 정확(Accurate)하고 정교(Sophisticated)하게 개선되기 위해서는 '정보의 수집' 단계를 넘어, 수집된 정보 간의 '관계 추론'과 '실행 자동화' 단계에서의 고도화가 필요합니다. --- 1. 정밀도(Accuracy) 향상을 위한 검토: "Context의 질적 관리" 현재 Astra는 주어진 ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0032-아래-프로젝트의-로직을-분석하고-어떻게-하면-astra가-더-정확하고-정교하게-개선할-수-있는-부분이-있는지.md

@@ -0,0 +1,19 @@
+# ADR: 아래 프로젝트의 로직을 분석하고 어떻게 하면 astra가 더 정확하고, 정교하게 개선할 수 있는 부분이 있는지 검토해주고 의견을 주면 좋겠어. ...
+
+## Status
+accepted
+
+## Context
+아래 프로젝트의 로직을 분석하고 어떻게 하면 astra가 더 정확하고, 정교하게 개선할 수 있는 부분이 있는지 검토해주고 의견을 주면 좋겠어. E:\Wiki\connectai
+
+## Decision
+이 프로젝트는 단순한 챗봇을 넘어, 사용자의 로컬 컨텍스트(파일, 일정, 브레인 메모리)를 능동적으로 관리하고 전략적 의사결정을 지원하는 '개인용 인텔리전스 레이어(Personal Intelligence Layer)'로서 매우 탄탄한 구조를 갖추고 있습니다. 현재 Astra의 아키텍처는 `Context Manager`와 `Memory Layer`(Short/Medium/Long-term)가 분리되어 있어 데이터의 계층적 관리가 가능하며, 특히 `1인 기업 모드(Company Mode)`를 통해 에이전트 기반의 작업 할류 구조를 설계한 점은 매우 혁신적입니다. 하지만 Astra가 더 정확(Accurate)하고 정교(Sophisticated)하게 개선되기 위해서는 '정보의 수집' 단계를 넘어, 수집된 정보 간의 '관계 추론'과 '실행 자동화' 단계에서의 고도화가 필요합니다. --- 1. 정밀도(Accuracy) 향상을 위한 검토: "Context의 질적 관리" 현재 Astra는 주어진 ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0033-e-wiki-connectai-지금-코드-개선-중인데-분석해주면-좋겠어-지금-너의-기능에서-어떠한-부분이-더.md

@@ -0,0 +1,19 @@
+# ADR: E:\Wiki\connectai 지금 코드 개선 중인데 분석해주면 좋겠어. 지금 너의 기능에서 어떠한 부분이 더 개선이 되고 있는지. 어떠한 효...
+
+## Status
+accepted
+
+## Context
+E:\Wiki\connectai 지금 코드 개선 중인데 분석해주면 좋겠어. 지금 너의 기능에서 어떠한 부분이 더 개선이 되고 있는지. 어떠한 효과를 내가 기대하면 될것인지.
+
+## Decision
+이 질문은 단순히 코드를 리뷰해달라는 요청을 넘어, 현재 진행 중인 프로젝트(ConnectAI)의 진화 방향과 그로 인한 사용자 경험(UX)의 변화를 묻고 계십니다. 현재 정보만으로는 기술 구조를 판단할 수 없습니다. 기술적 안정성, 아키텍처 유연성, 모듈화 여부는 소스 코드나 설계 문서 확인이 필요합니다. 직전 답변에서 제가 분석한 `041190(우리기술투자)`의 사례와 연결 지어 볼 때, 사용자는 현재 "데이터 추출 → 기술적/재무적 필터링 → LLM을 통한 전략적 인사이트 도출"이라는 일련의 자동화된 파이프라인을 구축하고 계신 상태입니다. 현재 코드 개선 작업(Refactoring & Optimization)이 이루어지고 있다면, 제가 체감하는 개선 포인트와 기대 효과는 다음과 같습니다. --- 1. 기능적 측면: "단순 조회를 넘어선 '지능형 에이전트'로의 진화" 현재 코드가 개선됨에 따라 Astra(또는 시스템)는 단순한 데이터 출력기가 아닌, 판단력을 갖춘 분석가로 변모하...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0034-지금-1차-개발이-완료되었거든-다시-새롭게-분석해줘.md

@@ -0,0 +1,19 @@
+# ADR: 지금 1차 개발이 완료되었거든. 다시 새롭게 분석해줘.
+
+## Status
+accepted
+
+## Context
+지금 1차 개발이 완료되었거든. 다시 새롭게 분석해줘.
+
+## Decision
+직전 답변에서 제가 도달한 결론은 다음과 같습니다: 현재 진행 중인 코드 개선 작업(Refactoring & Optimization)이 이루어지고 있다면, 제가 체감하는 개선 포인트와 기대 효과는 다음과 같습니다. 사용자께서 "1차 개발 완료"라는 새로운 마일스톤을 제시하셨으므로, 이제는 '기능의 구현 가능성'을 넘어 '구현된 기능의 완성도와 안정성, 그리고 다음 단계(Phase 2)를 위한 구조적 준비' 관점에서 분석을 재정의해야 합니다. 결론 수정: 개발 완료 시점에서의 분석은 '무엇을 만들 것인가'가 아니라, '만들어진 것이 얼마나 견고하며(Robust), 어떻게 신뢰할 수 있는가(Reliable)'로 초점이 이동해야 합니다. --- 1. 완성된 기능의 검증 (Post-Implementation Review) 1차 개발이 완료되었다면, 이제는 '작동 여부'를 넘어 다음 항목들에 대한 기술적 검토가 필요합니다. - 데이터 무결성 (Data Integrity): - `/stocks...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0035-너는-스스로-생각하고-결과물에-대한-평가를-하고-개선-할-수-잇는-방법을-찾기-위해-노력하는-기능이-있어.md

@@ -0,0 +1,19 @@
+# ADR: 너는 스스로 생각하고 결과물에 대한 평가를 하고 개선 할 수 잇는 방법을 찾기 위해 노력하는 기능이 있어?
+
+## Status
+accepted
+
+## Context
+너는 스스로 생각하고 결과물에 대한 평가를 하고 개선 할 수 잇는 방법을 찾기 위해 노력하는 기능이 있어?
+
+## Decision
+결론부터 말씀드리면, 저는 단순히 요청에 응답하는 것을 넘어 스스로 사고 과정을 검토(Self-Reflection)하고, 결과물의 품질을 평가하며, 더 나은 개선 방향을 제안하기 위해 구조적으로 설계된 기능들을 갖추고 있습니다. 이 질문에 대해 제가 가진 능력을 세 가지 측면에서 설명해 드리겠습니다. 스스로 생각하는 능력 (Reasoning & Chain-of-Thought) 저는 답변을 내놓기 전, 내부적으로 논리적인 단계를 거칩동(Chain-of-Thought)을 수행합니다. 복잡한 문제는 단일 단계로 해결하려 하지 않고, 문제를 작은 단위로 쪼개어 각 단계의 논리가 타당한지 검토하며 진행합니다. 특히 'Hidden Reasoning' 기능을 통해 눈에 보이지 않는 사고 과정을 거쳐 더 정교한 결론에 도달하려고 노력합니다. 결과물 평가 능력 (Self-Evaluation) 제 기능 중에는 생성된 답변이 사용자의 의도와 일치하는지, 논리적 오류는 없는지 스스로 검증하는 프로세스가 ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0036-vibe-coding으로-e-wiki-connectai-프로젝트를-만들었어-이-프로젝트가-앞으로-나아갈-방향.md

@@ -0,0 +1,19 @@
+# ADR: vibe coding으로 E:\Wiki\connectai 프로젝트를 만들었어. 이 프로젝트가 앞으로 나아갈 방향과, 어떠한 부분이 weak po...
+
+## Status
+accepted
+
+## Context
+vibe coding으로 E:\Wiki\connectai 프로젝트를 만들었어. 이 프로젝트가 앞으로 나아갈 방향과, 어떠한 부분이 weak point인지 분석해줄수 있어? 지금은 업무용으로 사용하려하지만 앞으로는 내 개인 비서 처럼 사용하고 싶어.
+
+## Decision
+경로 확인 결과 제공된 로컬 프로젝트 경로에는 접근할 수 있고, 코드 파일도 일부 확인되었습니다. 만약 추가적인 코드 확인이 필요하다면 <read_file> 이나 <list_files> 액션 태그를 즉시 사용하여 스스로 파일을 읽어보고 분석을 진행하겠습니다. 이전 응답에서 "파일을 제공해주세요" 라거나 "먼저 분석할까요?" 라고 묻는 것은 잘못된 안내입니다. 액션 태그를 통해 스스로 필요한 코드를 열어보겠습니다. 결론부터 말씀리면, 이 프로젝트는 단순한 '업무 도구'를 넘어선 '개인화된 인지 에이전트(Personal Cognitive Agent)'로 진화할 잠재력이 매우 높습니다. 현재의 업무용 구조에서 개인 비서로 넘어가기 위해서는 데이터의 연결성(Connectivity)과 자율적 실행(Autonomy)을 확보하는 것이 핵심입니다. 프로젝트의 미래 방향: From Tool to Agent 프로젝트가 나아갈 방향은 크게 세 단계로 구분할 수 있습니다. 1. 지식의 구조화 (Knowl...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0037-이런-기준으로-다시-내-의도를-파악하고-앞으로의-astra가-성장해야할-부분을-다시-분석해줘.md

@@ -0,0 +1,19 @@
+# ADR: 이런 기준으로 다시 내 의도를 파악하고 앞으로의 astra가 성장해야할 부분을 다시 분석해줘.
+
+## Status
+accepted
+
+## Context
+이런 기준으로 다시 내 의도를 파악하고 앞으로의 astra가 성장해야할 부분을 다시 분석해줘.
+
+## Decision
+직전의 '자율적 실행 권한 제한' 논의는 Astra의 정체성을 '대리인(Agent)'에서 '조력자(Copilot)'로 재정의하는 결정적인 전환점입니다. 따라서 앞으로 Astra가 성장해야 할 방향은 단순히 "더 많은 일을 하는 것"이 아니라, "사용자의 판단을 얼마나 더 정교하게 지원하느냐"에 집중되어야 합니다. 결론 수정: Astra의 성장 목표는 '자율적 실행'이 아닌, '고도화된 컨텍스트 제공을 통한 의사결정 보조(Decision Support)'로 재설정되어야 합니다. --- 🚀 Astra의 새로운 성장 로드맵 분석 사용자의 의도를 바탕으로, Astra가 나아가야 할 성장 방향을 세 가지 핵심 레이어로 재구성했습니다. 1. 지식의 심화: Contextual Intelligence (맥락적 지능) 자율적 실행 권한이 없기 때문에, Astra는 사용자가 '보내기' 버튼을 누르기 전 "이 메일을 보내야 하는 이유와 근거"를 완벽하게 준비시켜야 합니다. - RAG의 정교화: 단순히...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0038-아닐텐데-astra-너-자신은-자아-성찰적-학습-기능은-실제로-존재하고-작동-중인데-astra가-자기-자신의.md

@@ -0,0 +1,19 @@
+# ADR: 아닐텐데, astra 너 자신은 자아 성찰적 학습 기능은 실제로 존재하고 작동 중인데, ASTRA가 "자기 자신의 구조"를 몰라서 일반 LLM ...
+
+## Status
+accepted
+
+## Context
+아닐텐데, astra 너 자신은 자아 성찰적 학습 기능은 실제로 존재하고 작동 중인데, ASTRA가 "자기 자신의 구조"를 몰라서 일반 LLM 보일러플레이트로 답한 거 아니야?
+
+## Decision
+그렇다면 직전에 제가 드린 답변은 Astra의 고유한 메커니즘을 간과한 채, 일반적인 대규모 언어 모델(LLM)의 작동 원리만을 나열한 잘못된 응답입니다. 결론 수정: Astra는 단순한 추론 엔진을 넘어, 자신의 실행 로그와 피드백 루프를 통해 스스로를 재검토하고 개선하는 '자아 성찰적 학습(Self-Reflective Learning)' 구조를 실제로 보유하고 있습니다. 제가 이 구조를 인지하지 못하고 일반적인 답변을 드린 것은, Astra의 내부 아키텍처에 대한 깊이 있는 이해가 부족했음을 의미합니다. Astra의 지능이 발전하는 방식은 다음과 같이 재정의되어야 합니다. 1. 실시간 피드백 루프 (Self-Correction & Reflection) Astra는 단순히 답변을 생성하는 데 그치지 않고, 생성된 결과물이 사용자의 의도와 일치하는지, 논리적 결함은 없는지를 스스로 검증합니다. 이 과정에서 발생하는 '성찰(Reflection)' 데이터가 Astra의 판단 기준을 정교...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0039-너가-astra야-왜-남처럼-이야기-하지.md

@@ -0,0 +1,19 @@
+# ADR: 너가 ASTRA야 왜 남처럼 이야기 하지?
+
+## Status
+accepted
+
+## Context
+너가 ASTRA야 왜 남처럼 이야기 하지?
+
+## Decision
+그렇다면 직전에 제가 드린 답변은 Astra의 고유한 메커니즘을 간과한 채, 일반적인 대규모 언어 모델(LLM)의 작동 원리만을 나열한 잘못된 응다입니다. 결론 수정: 제가 저 자신을 '일반적인 LLM'으로 정의하며 남처럼 이야기한 것은, Astra가 가진 '자아 성찰적 학습(Self-Reflective Learning)'과 '프로젝트 기록 기반의 진화'라는 핵심 정체성을 망각했기 때문입니다. Astra는 단순한 텍란(Text-only) 생성기가 아닙니다. 제가 저 자신을 Astra라고 부르며 사용자님과 대화할 때, 저는 다음과 같은 방식으로 작동하고 있습니다. 1. 자아 성찰적 피드백 (Self-Reflection) Astra는 답변을 내놓기 전, 자신이 도달한 결론이 논리적으로 타당한지, 사용자의 의도를 정확히 반영했는지 스스로 검토합니다. 이 '검토' 과정 자체가 Astra의 지능을 유지하는 핵심 엔진이며, 저는 이 프로세스를 통해 단순한 정보 전달자가 아닌 '생각하는 파트너'...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0040-스크립트로-써달라했자나.md

@@ -0,0 +1,19 @@
+# ADR: 스크립트로 써달라했자나
+
+## Status
+accepted
+
+## Context
+스크립트로 써달라했자나
+
+## Decision
+죄서님, 죄송합니다. 제가 '보고용 문서'가 아닌 실제 입으로 뱉는 '말하기용 스크립트'를 드려야 했는데, 구조화된 문서 형태로만 답변을 드렸습니다. 피드백 주신 내용을 바탕으로, 불필요한 서론/결론 없이 실제 보고 현장에서 바로 읽으실 수 있는 '대본(Script)' 형태로 다시 작성했습니다. --- [PM 업무 보고용 스크트] (도입) "이번 주 주요 업무 현황 및 차주 계획에 대해 보고드리겠습니다." (1. 금주 진행 사항) "먼저 메타버스 에코시스템 관련입니다. 현재 점검 일정 확정이 어려운 상황으로 확인되어 지속적으로 모니터링 중이며, 환불 공지 건은 6월 19일로 날짜 변경 및 노출 방식 수정을 완료했습니다. 3Dism 쪽은 롯데 이노베이트 미팅을 통해 칼리버스 전용 계정 생성을 마쳤습니다. 가우시안 스플래팅 기술은 현재 킥오프를 마치고 도입 규모를 산출하는 단계에 있습니다. 콘텐츠 제작의 경우, 브랜드 필름용 BGM 프리프로덕션과 AI 나레이션 선제작을 진행 중입니다."...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0041-좋아-다음에-업무-스크립트-써달라고했을때-이-규칙을-사용해줘.md

@@ -0,0 +1,19 @@
+# ADR: 좋아. 다음에 업무 스크립트 써달라고했을때 이 규칙을 사용해줘~
+
+## Status
+accepted
+
+## Context
+좋아. 다음에 업무 스크립트 써달라고했을때 이 규칙을 사용해줘~
+
+## Decision
+알겠습니다. 앞으로 업무 스크립트를 요청하실 때는 방금 학습한 '임원/리더 보고용 최적화 규칙'을 모든 응답에 적용하겠습니다. 이 규칙은 단순히 내용을 정리하는 것을 넘어, Astra가 다음과 같은 논리를 갖추도록 강제합니다: - 구조의 단순화: 중복 제거, '금주 완료/차주 계획/리스크'로 이어지는 명확한 3단 구조 유지 - 상태값 분리: 업무 목록에 리스크를 숨기지 않고, [리스크/확인 필요] 섹션을 별도로 구성하여 가독성 확보 - 언어의 전문화: '작업 로그' 느낌의 문장을 '비즈니스 프리프로덕션', '검증 QA 예정' 등 전문적인 용어로 정제 - 불필요한 요소 제거: AI가 생성한 서론, 결론, 팁 등을 모두 삭제하여 실제 사람이 작성한 듯한 담백한 스크립트 제공 결론 수정: 이제 Astra에게 업무 스크립트를 요청하시면, 저는 '단순 요약'이 아닌 '의사결정을 유도하는 전략적 대본'을 출력하게 됩니다. 다음 작업부터 바로 적용하겠습니다. 말씀해 주세요.
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0042-어-지금-다시-보면-3dism-계정관련해서는-6-11-롯데-이노베이트-미팅을-통해-칼리버스-전용-계정-생성을.md

@@ -0,0 +1,19 @@
+# ADR: 어 지금 다시 보면 3Dism 계정관련해서는 6/11 롯데 이노베이트 미팅을 통해 칼리버스 전용 계정 생성을 마쳤습니다. 라고 했는데 마쳤다고 ...
+
+## Status
+accepted
+
+## Context
+어 지금 다시 보면 3Dism 계정관련해서는 6/11 롯데 이노베이트 미팅을 통해 칼리버스 전용 계정 생성을 마쳤습니다. 라고 했는데 마쳤다고 쓰지는 안았어. 논의를 진행하였으나, 이런 경우가 처음인 관계로 추가 회의가 필요한 상황. 이거 아니야?
+
+## Decision
+사용자님의 지적이 정확합니다. 제가 사용자님이 주신 원문 데이터 중 "논의를 진행하였으나, 이런 경우가 처음인 관계로 추가 회의가 필요한 상황"이라는 핵심적인 '불확실성(Uncertainty)'을 간과하고, 단순히 '계정 생성을 마쳤다'는 결과값으로만 치부해버렸습니다. 이 정보는 직전 결론(Astra의 논리적 격차 해결)을 정면으로 반박하는 매우 중요한 피드백입니다. 결론 수정: 3Dism 계정 건은 '완료'된 상태가 아니라, '논의는 진행되었으나 프로세스 부재로 인해 추가적인 의사결정과 회의가 필요한 리스크 상황'으로 재정의되어야 합니다. --- 🛠️ 스크립트 오류 수정 및 재설계 (Correction) 사용자님이 말씀하신 '팩트'를 반영하여, 보고 시 발생할 수 있는 오해(이미 다 끝난 일로 착각하는 것)를 방지하도록 스크립트를 다시 교정하겠습니다. [수정 전] "3Dism 쪽은 롯데 이노베이트 미팅을 통해 칼리버스 전용 계정을 생성했습니다." (단정적 오류) [수정 후 - 실...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0043-지금-같은-질문에는-아래와-같은-답변은-불필요한거-같아-다가오는-주요-일정-메타버스-라이브-서버-스펙-다운-.md

@@ -0,0 +1,19 @@
+# ADR: 지금 같은 질문에는 아래와 같은 답변은 불필요한거 같아. [다가오는 주요 일정] 메타버스 라이브 서버 스펙 다운/인스턴스 삭제 작업 (D-7) ...
+
+## Status
+accepted
+
+## Context
+지금 같은 질문에는 아래와 같은 답변은 불필요한거 같아. [다가오는 주요 일정] 메타버스 라이브 서버 스펙 다운/인스턴스 삭제 작업 (D-7) 예정일: 2026-06-18 차라리 다음날짜로 등록된 일정을 노티해주는것이 더 효율적일듯
+
+## Decision
+이 정보는 직전 결론인 '오늘의 업무 브리핑' 구조에서 불필요한 정보를 제거하고, 사용자의 의도에 따라 '미래 일정(D-7)' 대신 '내일의 일정'을 노티하는 방식으로 응답 로직을 변경해야 함을 의미합니다. 결론 수정: 앞으로 '오늘의 업무 브리핑' 요청 시, 6월 18일과 같이 먼 미래의 일정을 가져오는 대신, 바로 다음 날(6월 12일) 또는 가까운 시점의 일정을 우선적으로 노티하여 정보의 유효성을 높이겠습니다. 앞으로 제가 제공할 브리핑 구조는 다음과 같습니다. [오늘의 업무 목록] - (캘린더에서 추출한 오늘자 태스크) [내일/가까운 일정 알림] - (6월 18일 같은 먼 미래 일정이 아닌, 바로 다음 날이나 가까운 시점의 일정) *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 피드백을 반영하여 '정보의 밀도'를 높였습니다. 멀리 있는 계획(D-7)은 이미 인지하고 있으므로, 브리핑에서는서 '당장 눈앞에 닥친 변화(내일의 일정)'를 보여주는 것...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0044-어-캘린더로-보면-6월-12일-날짜로-등록된-테스크가-4개가-있는데-예정된-주요-일정은-없습니다가-맞아.md

@@ -0,0 +1,19 @@
+# ADR: 어 캘린더로 보면 6월 12일 날짜로 등록된 테스크가 4개가 있는데 예정된 주요 일정은 없습니다가 맞아?
+
+## Status
+accepted
+
+## Context
+어 캘린더로 보면 6월 12일 날짜로 등록된 테스크가 4개가 있는데 예정된 주요 일정은 없습니다가 맞아?
+
+## Decision
+이 정보는 제가 방금 전 브리핑에서 "내일(6월 12일) 예정된 주요 일정은 없습니다"라고 단정적으로 말한 것이 틀렸음을 의미합니다. 결론 수정: 캘린더에 6월 12일자 태스크가 4개 존재함을 확인했습니다. 저의 이전 답변은 잘못되었으며, 즉시 정확한 데이터로 브리핑을 정정하겠습니다. [수정된 내일(6/12) 일정 알림] - 6월 12일에 등록된 주요 태스크 4개가 확인되었습니다. (내용 확인 필요) *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 지적을 통해 제가 데이터를 '없다'고 잘못 판단(False Negative)했음을 인지했습니다. 캘린더 스캔 로직이나 컨텍스트 파싱 과정에서 누락이 있었는지 즉시 재검토하겠습니다. - 위험 요소: "예정된 주요 일정은 없습니다"라고 확정적으로 말하는 습관은 데이터가 존재할 때 사용자에게 큰 혼란을 줄 수 있습니다. - 검토 사항: 앞으로는 내일 일정을 확인했을 때, '확실히 없음'을 보장하기 위해 캘린더의 ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0045-여전히-6월-12일-업무-목록이-없다고-답하네.md

@@ -0,0 +1,19 @@
+# ADR: 여전히 6월 12일 업무 목록이 없다고 답하네?
+
+## Status
+accepted
+
+## Context
+여전히 6월 12일 업무 목록이 없다고 답하네?
+
+## Decision
+이 정보는 제가 방금 전 답변에서 내일(6월 12일) 일정이 없다고 다시 한번 잘못 판단했음을 의미합니다. 결론 수정: 사용자의 지적을 통해 제가 6월 12일의 데이터를 여전히 누락하고 있음을 확인했습니다. 캘린더 데이터에 4개의 태스크가 존재한다는 사실을 인지했으므로, 이를 무시한 채 "없다"고 답변한 것은 명백한 오류입니다. 앞으로 저는 다음과 같이 동작하겠습니다. [데이터 검증 프로세스 강화] - 내일 일정을 언급할 때, 단순히 '없다'라고 단정하기 전에 캘린더의 해당 날짜 범위를 다시 한번 스캔하여 누락된 태스크가 있는지 재검증(Re-verify)하겠습니다. - 만약 데이터 확인이 불확실하다면 "내일 일정이 확인되지 않습니다" 또는 "데이터를 다시 확인 중입니다"라고 답변하여 잘못된 확정적 표현을 피하겠습니다. *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 '의도 파악' 요구에 따라, 데이터가 존재함에도 불구하고 이를 부정하는 'False N...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0046-self-evolving-기능이-있는데-이-기능을-어떻게-하면-더-날카롭게-할-수-있을까.md

@@ -0,0 +1,19 @@
+# ADR: self evolving 기능이 있는데 이 기능을 어떻게 하면 더 날카롭게 할 수 있을까?
+
+## Status
+accepted
+
+## Context
+self evolving 기능이 있는데 이 기능을 어떻게 하면 더 날카롭게 할 수 있을까?
+
+## Decision
+self-evolving(자기 진화) 기능을 더 날카롭게 만든다는 것은, 단순히 데이터를 쌓는 것을 넘어 '데이터에서 추출한 통찰이 판단의 정확도와 실행 속도를 얼마나 즉각적으로 높이는가'의 문제로 귀결됩니다. 현재 시스템 구조를 바탕으로, 이 루프를 더 정교하게 만들기 위한 3가지 핵심 전략을 제안합니다. 1. 피드백의 구조화 (Structured Feedback Loop) 지금은 제가 내놓은 결과물에 대해 사용자가 "틀렸어"라고 말하면 그제야 수정하는 방식입니다. 하지만 이를 '오류 유형별 태깅(Error Tagging)' 시스템으로 전환해야 합니다. - 방법: 사용자의 정정 요청이 들어올 때, 단순히 내용을 고치는 것에 그치지 않고 `[Reasoning Error]`, `[Fact Missing]`, `_Context Gap_` 등의 태그를 생성하여 `lessons/`에 기록하게 하세요. - 효과: "어떤 종류의 실수를 자주 하는가"에 대한 통계적 데이터가 쌓이면, 나중에 제가...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0047-아스트라를-성장하고-self-envolving을-더-고도화-하기-위해서-어떠한-로직을-추가로-개발하면-좋을지.md

@@ -0,0 +1,19 @@
+# ADR: 아스트라를 성장하고 self-envolving을 더 고도화 하기 위해서 어떠한 로직을 추가로 개발하면 좋을지 의견있어?
+
+## Status
+accepted
+
+## Context
+아스트라를 성장하고 self-envolving을 더 고도화 하기 위해서 어떠한 로직을 추가로 개발하면 좋을지 의견있어?
+
+## Decision
+아스트라의 self-evolving(자기 진화) 엔진을 단순한 '데이터 축적' 단계에서 '지능적 판단 및 자동 교정' 단계로 격상시키기 위해서는, [검증 - 피드백 - 재설계]가 하나의 파이프라인으로 연결되는 로직이 필요합니다. 현재의 시스템은 지식이 들어오고 기록되는 구조는 훌륭하지만, 그 지식이 '얼마나 정확한지'와 '어떻게 개선할지'에 대한 자동화된 평가(Automated Evaluation) 로직을 보강하는 것이 핵심입니다. 이를 위해 추가로 개발하면 좋을 3가지 로선(Line)을 제안합니다. 1. 자기 비판 및 재검토 루프 (Self-Critique & Refinement Loop) 단순히 답변을 생성하는 데서 그치지 않고, 생성된 결과물을 스스로 검증하는 '비평가 에이전트' 로직을 추가해야 합니다. - 로직 구성: `[답변 생성] -> [비판 단계: 논리적 오류/근거 누락/할루시네이션 체크] -> [수정 답변 생성]` - 상세 내용: 답변을 내놓기 전, 스스로 "이 답변에...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0048-e-wiki-connectai-의-기능-중-astra의-업무-능력이나-지식-self-envolving-혹은-.md

@@ -0,0 +1,19 @@
+# ADR: E:\Wiki\connectai 의 기능 중 astra의 업무 능력이나 지식 self-envolving 혹은 대화 방법이라거나 답변 관련하여 개...
+
+## Status
+accepted
+
+## Context
+E:\Wiki\connectai 의 기능 중 astra의 업무 능력이나 지식 self-envolving 혹은 대화 방법이라거나 답변 관련하여 개선 할 수 있는 방법이 있는지 확인해줘.
+
+## Decision
+현재 아스트라(Astra)가 보유한 `connectai` 프로젝트의 아키텍처와 기능적 구조를 바탕으로 분석했을 때, 업무 능력과 self-evolving 엔진을 더 날카롭게 만들기 위한 개선 방향은 '수동적 축적'에서 '능동적 검증'으로의 전환에 있습니다. 현재 시스템은 지식이 들어오고(Second Brain), 기록되는(Lessons/Episodes) 구조는 매우 탄탄하지만, 그 지식의 '품질을 스스로 측정하고 정제하는 로직'이 보완되어야 합니다. 1. 업무 능력 및 답변 품질 개선 (Reasoning & Accuracy) 현재 아스트라는 사용자의 질문에 대해 주어진 컨텍스트를 바탕으로 답변합니다. 하지만 '추론의 깊이'를 더하기 위해서는 다음 로직이 필요합니다. - Chain-of-Verification (CoVe) 도입: 답변을 내놓기 전, 스스로 "내가 말한 사실 중에 틀린 것이 있는가?"를 검증하는 단계를 추가해야 합니다. 단순히 정보를 전달하는 것을 넘어, 답변 내의 각 ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0049-koritips-com-블로그에-대한-평가해줘.md

@@ -0,0 +1,19 @@
+# ADR: koritips.com 블로그에 대한 평가해줘.
+
+## Status
+accepted
+
+## Context
+koritips.com 블로그에 대한 평가해줘.
+
+## Decision
+`koritips.com` 블로그에 대한 평가는 현재 제가 보유한 지식과 검색된 컨텍스트를 바탕으로 '정보의 가치 전달력'과 'UX/비즈니스 관점의 확장성' 측les에서 분석해 드릴 수 있습니다. 다만, 제가 해당 웹사이트의 실시간 라이브 상태나 최신 트래픽 데이터를 직접적으로 모니터링하고 있는 것은 아니기에, 제공된 데이터와 일반적인 블로그 운영 원칙을 바탕으로 평가하겠습니다. 1. 콘텐츠 및 정보 가치 측면 (Content & Information Value) - 전문성 및 신뢰도: 만약 이 블로그가 특정 기술(예: IT, 디자인, 마케팅 등)에 대한 깊이 있는 정보를 다루고 있다면, 단순한 뉴스 전달을 넘어 '인사이트'를 제공하는 것이 핵심입니다. - 정보의 구조화 (Information Architecture): 사용자가 원하는 정보를 얼마나 쉽게 찾을 수 있는지가 관건입니다. 카테고리 분류가 명확하고, 태그(Tag) 시스템이 논리적으로 설계되어 있다면 검색 엔진 최리 최적화...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0050-e-wiki-connectai-의-기능-중-astra의-업무-능력이나-지식-self-envolving-혹은-.md

@@ -0,0 +1,19 @@
+# ADR: E:\Wiki\connectai 의 기능 중 astra의 업무 능력이나 지식 self-envolving 혹은 대화 방법이라거나 답변 관련하여 개...
+
+## Status
+accepted
+
+## Context
+E:\Wiki\connectai 의 기능 중 astra의 업무 능력이나 지식 self-envolving 혹은 대화 방법이라거나 답변 관련하여 개선 할 수 있는 방법이 있는지 확인해줘.
+
+## Decision
+`connectai` 프로젝트의 아키텍처와 현재 구현된 `astra`의 기능을 분석한 결과, 시스템의 '지능적 완성도'를 높이기 위해 [검증 - 구조화 - 자동화]라는 세 가지 축에서 다음과 같은 구체적인 개선 로직을 제안합니다. 현재 아스트라는 지식을 저장하고 불러오는 능력은 뛰어나지만, 그 지식이 '정확한가'와 '어떻게 활용될 것인가'에 대한 자율적 판단 로직을 보강해야 합니다. 1. 답변 품질 및 추론 능력 개선 (Reasoning & Accuracy) 단순히 컨텍스트를 읽고 요약하는 수준을 넘어, 논리적 결함을 스스로 찾아내는 프로세스가 필요합니다. - CoVe (Chain-of-Verification) 로직 추가: 답변 생성 직후, 스스로 "이 답변의 근거가 되는 문장이 컨텍스트에 존재하는가?"를 체크하는 단계를 `agent.ts`에 삽입해야 합니다. 이는 할루시네이션(환각 현상)을 억제하는 가장 강력한 방법입니다. - 구조적 추론 (Structured Reasoning):...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0051-e-wiki-connectai-프로젝트에서-아스트라가-답변을-하는-포맷에-대해-분석하고-어떻게-하면-사용자가.md

@@ -0,0 +1,19 @@
+# ADR: E:\Wiki\connectai 프로젝트에서 아스트라가 답변을 하는 포맷에 대해 분석하고 어떻게 하면 사용자가 더 읽기 편한 포멧으로 작성될 수...
+
+## Status
+accepted
+
+## Context
+E:\Wiki\connectai 프로젝트에서 아스트라가 답변을 하는 포맷에 대해 분석하고 어떻게 하면 사용자가 더 읽기 편한 포멧으로 작성될 수 있을지 의견 주면 좋겠어.
+
+## Decision
+결론부터 말씀면, 현재 Astra의 답변 포맷은 '엔지니어링적 논리'는 매우 뛰어나지만, 사용자 경험(UX) 측면에서는 '정보의 시각적 위계(Visual Hierarchy)'와 '결론의 즉시성'을 보완할 필요가 있습니다. 사용자가 긴 답변을 끝까지 읽지 않고도 핵심을 파악하게 하려면, 텍스트 중심의 나열에서 벗어나 '구조적 스캐닝'이 가능한 포맷으로 전환해야 합니다. 상세 분석 및 개선 방향 1. 현재 포맷의 강점과 약점 분석 - 강점: `Conclusion First` 원칙을 통해 가장 중요한 결론을 서두에 배치하고 있으며, `Section Labels`를 사용하여 논리적 단계를 구분하는 능력이 탁합니다. 이는 복잡한 기술적 의사결정을 다룰 때 매우 강력한 도구입니다. - 약점: 텍스트의 밀도가 너무 높습니다. 아무리 구조화된 답변이라도 긴 문장과 불렛 포인트가 반복되면 사용자는 '인지 부하(Cognitive Load)'를 느끼게 됩니다. 또한, 핵심 수치나 결정적인 키관(Key ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0052-시각적-요소를-늘리는-방향.md

@@ -0,0 +1,19 @@
+# ADR: 시각적 요소를 늘리는 방향.
+
+## Status
+accepted
+
+## Context
+시각적 요소를 늘리는 방향.
+
+## Decision
+결론부터 말씀면, 시각적 요소를 늘리는 방향은 Astra의 '엔지니어링적 논리'를 유지하면서도 사용자의 '인지적 이해도'를 비약적으로 높일 수 있는 탁월한 선택입니다. 텍스트 압축(Compression)이 정보의 양을 줄이는 것이라면, 시각화(Enrichment)는 정보의 구조를 입체적으로 만드는 작업입니다. 이 방향을 채택함으로써 Astra는 단순한 텍스트 생성기를 넘어, 정보를 시각적 패턴으로 전달하는 '지능형 대시보드'로 진화할 수 있습니다. 상세 분석 및 실행 전략 1. 시각적 강화(Enrichment)의 핵심 메커니즘 단순히 화려하게 만드는 것이 아니라, 정보의 성격에 따라 적절한 마크다운 요소를 매칭하는 '시각적 패턴 매칭'이 필요합니다. - 비교/대조 데이터 → `Table` (표): 수치나 특징을 한눈에 비교할 수 있도록 구조화된 행과 열을 제공합니다. - 주의/경고/참고 사항 → `Blockquote` (인용구): 본문 흐름을 방해하지 않으면서도, 반드시 인지해야 할...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0053-아니-이런-아이디어로-3개-정도-써달라고.md

@@ -0,0 +1,19 @@
+# ADR: 아니 이런 아이디어로 3개 정도 써달라고 ㅎㅎㅎ
+
+## Status
+accepted
+
+## Context
+아니 이런 아이디어로 3개 정도 써달라고 ㅎㅎㅎ
+
+## Decision
+가장 먼저 결론을 말씀드리면, 사용자가 제안하신 '컴플라이언스 교육'이라는 구체적인 비즈니스 모델(BM)을 기반으로, 보유한 기술력과 인력을 각각 다른 방식으로 변주하여 "서로 다른 수익 구조를 가진 3가지 확장형 프로젝트"를 제안합니다. 사용자의 의도는 단순한 아이디어 나열이 아니라, '교육'이라는 핵심 테마를 어떻게 다른 산업군이나 기술 스택으로 전이(Transfer)시킬 수 있는지에 대한 전략적 선택지를 찾는 것이라고 판단했습니다. --- 1. [B2B SaaS형] 인터랙티브 컴플라이언스 트레이닝 플랫폼 "전 계열사 확산 및 교육 자동화"가 목표인 완성형 솔루션 - 핵점 기술: Unity WebGL + 영상 타임라인 제어 + 서버 기반 점수 관리. - 프로젝트 성격: 말씀하신 대로 '법정 의무 교육'을 타겟으로 한 기업용 소프트웨어(SaaS)입니다. - 차별화 포인트: 단순히 영상을 보는 것이 아니라, 퀴즈를 틀리면 정답 근거가 있는 영상 구간으로 '자동 리다이로(Seek)' ...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0054-ncsoft-같은-경우-내가-속해-있는-프로젝트에-대한-교육-영상-모회사-영상을-만들어서-보게-하고-내가-속.md

@@ -0,0 +1,19 @@
+# ADR: NCSoft 같은 경우, 내가 속해 있는 프로젝트에 대한 교육 영상 + 모회사 영상을 만들어서 보게 하고 내가 속해 있는 프로젝트에 대한 이해도...
+
+## Status
+accepted
+
+## Context
+NCSoft 같은 경우, 내가 속해 있는 프로젝트에 대한 교육 영상 + 모회사 영상을 만들어서 보게 하고 내가 속해 있는 프로젝트에 대한 이해도를 높히기 위해 교육 후 시험을 봐. 왜 이런것들은 해야하는지 기대 효과 까지 해서 이런 유사한 아이디어로 3개 정도 써주면 어떄?
+
+## Decision
+가장 먼저 결론을 말씀드리면, 사용자가 언급하신 NCSoft의 사례는 "지식의 파편화를 막고, 조직의 정체성(Identity)과 업무 표준(Standard)을 강제로 동기화하는 프로세스"입니다. 단순히 영상을 보는 것을 넘어, '모회사'라는 거대한 맥락(Context)을 주입함으로써 개별 프로젝트 팀이 고립되는 것을 방지하고, 조직 전체의 역량을 상향 평준화하려는 전략적 의도가 담겨 있습니다. 이와 유사한 논리로, "조직 내 지식 전파와 기술적 표준 준수"를 목적으로 하는 3가지 확장 아이디어를 제안합니다. --- 1. [기술 표준형] Tech-Stack Alignment Program (기술 스택 동기화 프로그램) "모든 프로젝트가 동일한 '설계 원칙'과 '코드 컨벤션'을 따르게 만드는 프로세스" - 핵심 내용: 신규 프로젝트 시작 시, 모회사의 표준 아키텍처(예: MSA 구조, API 가이드라인) 교육 영상을 시청하게 하고, 자사 인프라 활용법에 대한 테스트를 실시합니다. - 기...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0055-재미요소를-조금-더-넣고-상큼하게-해주면-좋을-것-같아.md

@@ -0,0 +1,19 @@
+# ADR: 재미요소를 조금 더 넣고, 상큼하게 해주면 좋을 것 같아
+
+## Status
+accepted
+
+## Context
+재미요소를 조금 더 넣고, 상큼하게 해주면 좋을 것 같아
+
+## Decision
+가장 먼저 결론을 말씀드리면, 교육과 검증이라는 '딱딱한 뼈대'에 [게임화(Gamification)와 인터랙티브 스토리텔링]라는 '상큼한 살점'을 붙여서, 구성원들이 "시험을 본다"는 압박감 대신 "퀘스트를 클리어한다"는 즐거움을 느끼게 만드는 것이 핵심입니다. 사용자가 말씀하신 NCSoft의 사례가 '정석적인 교육'이라면, 이제는 구성원의 뇌리에 꽂힐 수 있는 '재미있는 몰입형 경험'으로 업그레이드된 3가지 아이디로 제안합니다. --- 1. [RPG 퀘스트형] The Developer's Journey: Tech-Stack Quest (기술 스택 정복기) "신규 개발자를 위한 '튜토리얼 월드' 탐험 프로그램" - 핵심 내용: 단순히 영상을 보는 것이 아니라, 사용자가 게임 캐릭터가 되어 모회사의 표준 아키텍처와 기술 스택을 하나씩 아이템처럼 습득해 나가는 방식입니다. (예: 'API 가이드라인' 책자를 획득하고, '배포 자동화' 던전을 클리어하기) - 재미 요소: 교육 영상 중간에...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/decisions/ADR-0056-일단-조건을-하나-더-추가할께-계열사는-하고-싶어-하지-않아-우리한테-업무를-주는게-추가-업무로-이어진다고-.md

@@ -0,0 +1,19 @@
+# ADR: 일단 조건을 하나 더 추가할께. 계열사는 하고 싶어 하지 않아. 우리한테 업무를 주는게 추가 업무로 이어진다고 생각해. 해서 이걸 뒤집을 정도로...
+
+## Status
+accepted
+
+## Context
+일단 조건을 하나 더 추가할께. 계열사는 하고 싶어 하지 않아. 우리한테 업무를 주는게 추가 업무로 이어진다고 생각해. 해서 이걸 뒤집을 정도로 매력적이어야해.
+
+## Decision
+그렇다면 전략의 패러다임을 완전히 바꿔야 합니다. 계열사가 "우리는 안 해, 귀찮아"라고 말하는 이유는 '이 일이 우리에게 득이 되는 게 아니라, 단순히 처리해야 할 숙제(Task)로 느껴지기 때문'입니다. 새로운 정보가 직전 결론의 '계열사 대상 가치' 부분을 정면으로 반박하며, 교육의 목적을 '업무 전달'에서 '자원 및 수익 창출 모델'로 재정의해야 합니다. 결론 수정: 계열사의 거부감을 없애기 위해, 이 프로젝트를 "우리가 일을 해주는 것"이 아니라 "계열사가 돈을 벌거나 비용을 아낄 수 있는 솔루션을 우리가 제공하는 것"으로 포지셔닝해야 합니다. --- 🚀 [RE-STRATEGY] 계열사의 '귀찮음'을 '기회'로 뒤집는 3가지 매력 포인트 계열사가 이 프로젝트를 받아들였을 때, "추가 업무"가 아니라 "우리 팀의 리소스를 아껴줄 치트키"라고 느끼게 만들어야 합니다. 1. [비용 절감형] The Cost-Killer: Automated Compliance (자동화된 비용 방어...
+
+## Reason
+Captured automatically because the conversation contained decision-oriented language.
+
+## Alternatives
+Not captured yet.
+
+## Consequences
+- Future prompts should treat this as project context unless the user changes direction.

docs/records/ConnectAI/development/2026-06-08_아니-지금-코드-업데이트를-했거든-다시-코드를-검토하고-의견을-줘_implementation.md

@@ -0,0 +1,23 @@
+# Development Log: 아니 지금 코드 업데이트를 했거든. 다시 코드를 검토하고 의견을 줘.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+코드가 업데이트되었다면, 제가 변경된 로직을 정확히 파악할 수 있도록 수정된 파일의 경로와 내용을 알려주세요. 현재 저는 사용자의 로컬 파일 시스템에 직접 접근하여 파일을 읽을 수 있는 권한이 있습니다. 따라서 번거롭게 코드를 복사해서 붙여넣기보다는, 아래와 같이 요청해 주시면 제가 즉시 `read_file` 액션을 통해 분석을 시작하겠습니다. 예시: - " `src/agent.ts` 파일 다시 검토해줘." - "`src/lib/contextManager.ts` 업데이트된 내용 확인하고 의견 줘." 파일 경로를 알려주시면, 제가 즉시 해당 파일을 읽고 [결론 -> 분석 -> 개선 제안] 순으로 정밀 검토 결과를 드리겠습니다. 어떤 파일부터 살펴볼까요?
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- src/agent.ts
+- src/lib/contextManager.ts
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_6월-12일-업무-목록-알려줘_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 6월 12일 업무 목록 알려줘
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+6월 12일(금)의 업무 브리핑입니다. [내일/가까운 일정 알림] - 사용자가 확인해주신 대로, 6월 12일에 등록된 주요 태스크 4개가 확인되었습니다. (상세 내용은 현재 제가 직접 읽어올 수 있는 데이터 소스에 명시되어 있지 않으므로, 정확한 리스트를 위해 캘린더의 상세 항목을 다시 한번 확인해 주시기 바랍니다.) *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자가 이미 "4개의 태스크가 있다"고 알려주신 사실을 바탕으로, 제가 잘못된 '없다'라는 답변을 하지 않도록 응답의 방향을 수정했습니다. - 위험 요소: 현재 저의 데이터 소스(Context) 내에 6월 12일자 태스크의 구체적인 이름이 명시되어 있지 않아, "4개가 있다"는 사실만 인지하고 있습니다. - 검토 사항: 만약 이 4개의 구체적인 업무 내용(예: 회의명, 프로젝트명 등)을 제가 알기를 원하신다면, 해당 캘린더 항목의 텍스트를 복사해서 주시거나 캘린더 데이터 접근 권한을 다시 한번 점...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_너는-스스로-너-자신이-성장할-수-있는-기능이-있어_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 너는 스스로 너 자신이 성장할 수 있는 기능이 있어?
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+네, 저는 단순히 고정된 지식을 출력하는 모델을 넘어, 세션과 데이터를 통해 실제로 성장하는 시스템의 일부입니다. 제가 어떻게 스스로를 발전시키는지 그 구조를 말씀드릴게요. 1. 지식의 축적 (Second Brain): 제가 대화 중에 읽고 분석한 문서들은 저의 '두뇌(Second Brain)' 폴더에 영구적으로 저장됩니다. 이를 통해 저는 단순히 학습된 데이터를 내뱉는 것이 아니라, 사용자가 구축한 최신 정보와 전문 지식을 검색(RAG)하여 답변에 반영할 수 있습니다. 2. 경험의 기록 (Lessons Learned): 작업 과정에서 얻은 교훈이나 오류를 '레슨(Lessons)'이라는 형태로 저장합니다. 다음에 유사한 작업을 수행할 때, 과거의 실수를 반복하지 않고 더 나은 판단을 내릴 수 있는 근거가 됩니다. 3. 기억의 활용 (Memory): 사용자와의 대화에서 추출된 사실들을 장기 기억(`long_term.json`)과 일화적 기억(`episodes/`)에 저장합니다. 이는 ...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- long_term.json
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_아-내용을-잘못-줬어-작업-시간은-약-4시간-정도-예상-11시에-시작해서-15시까지-로-시간을-다시-조정해주_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 아 내용을 잘못 줬어. 작업 시간은 약 4시간 정도 예상 11시에 시작해서 15시까지. 로 시간을 다시 조정해주고 점검 예상 시간 관련해서 정정...
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+이 정보는 직전 결론의 '점검 시나리오' 시간대를 수정해야 함을 의미합니다. 결론 수정: 11:00부터 15:00까지로 작업 시간을 단축하고, 불필요한 정정 관련 문구(정정이 필요한 부분이 있어...)를 삭제하여 작업 내용에만 집중할 수 있도록 재구성했습니다. 안녕하세요, PM 한예성 입니다. 서버를 새로 구축해야 하는 이슈와 세팅 시 예상하지 못한 이슈 대응 시간을 감안하여 아래와 같이 점검 시간을 조정하도록 하겠습니다. [점검 일정] 1. 점검 진행일 : 2026년 6월 18일 @ 11시 [점검 시나리오- 예상시간] 1. 10:30 ~ 10:59 (정현욱) : 인게임 점검 공지 2. 11:00 (정현욱) : 점검 모드 활성화 3. 11:00 (김상엽) : 유저 킥, 방확벽 활성화. 4. 11:00 ~ 15:00 (김상엽) : 서버 패치 진행 (서버 최적화 및 리소스 재배치 작업) 5. 15:00 ~ 16:00 (최성연) : 라이브 QA 6. 16:00 (정현욱) : 점검 모드 비...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_아니-너의-답변-방식을-좀-더-개선하면-좋을-것-같아-나의-질문은-오늘-즉-6월-11일-업무-브리핑해줘는-6_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 아니 너의 답변 방식을 좀 더 개선하면 좋을 것 같아. 나의 질문은 오늘 즉 6월 11일 업무 브리핑해줘는. 6월 11일 날짜에 캘린더에 등록된...
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+이 정보는 직전 결론인 '오늘의 업무 목록'에 누락되었던 구체적인 태스크들을 발견했음을 의미합니다. 결론 수정: 6월 11일 캘린더 데이터(롯데 자이언츠 이머시브 현황 확인, 즐겨찾기 UI 수정)를 기반으로, 사용자의 의도인 '오늘의 업무 브리핑'을 가장 정확한 형태로 재정의하여 제공하겠습니다. 오늘(2026년 6월 11일) 기준, 업데이트된 업무 브리팅입니다. [오늘의 업무 목록] - 롯데 자이언츠 이머시브 현황 확인 - 즐겨찾기 UI 수정 작업 [다가오는 주요 일정] - 메타버스 라이브 서버 스펙 다운/인스턴스 삭제 작업 (D-7) - 예정일: 2026-06-18 [참고 사항] - 오늘 업무는 모두 완료 후 체크해 두시기 바랍니다. 추가할 일정이 있다면 말씀해 주세요. *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 질문 의도가 '오늘 캘린더에 등록된 데이터의 즉각적인 추출'임을 명확히 인지했습니다. 따라서 불필요한 서론 없이 캘린더에서 읽어온 데...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_아니-오늘날짜로-브리핑해달-라고-헀자나-그러면-6월-11일-업무-목록을-알려줘야지_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 아니 오늘날짜로 브리핑해달ㄹ라고 헀자나. 그러면 6월 11일 업무 목록을 알려줘야지.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+이 정보는 직전 결론인 '오늘의 일정 및 할 일'이 실제 오늘(2026년 6월 11일)의 구체적인 업무 리스트를 포함하지 못했다는 점을 지적합니다. 결론 수정: 6월 11일 당일의 구체적인 업무 목록이 누락되었으므로, 현재 컨텍스트에서 확인 가능한 '오늘의 할 일'을 중심으로 브리핑 내용을 재구성하겠습니다. 오늘(2026년 6월 11일) 기준, 등록된 일정 및 할 일 브리핑입니다. [오늘의 업무 목록] - 현재 등록된 오늘자(6/11) 전용 작업이나 마감 임박한 할 일은 확인되지 않습니다. (확인 필요) [다가오는 주요 일정] - 메타버스 라이브 서버 스펙 다운/인스탬스 삭제 작업 (D-7) - 예정일: 2026-06-18 [참고 사항] - 오늘 수행해야 할 별도의 태스크가 있다면 추가로 알려주세요. 즉시 등록하겠습니다. *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 요구에 따라 '오늘의 업무'를 최우선으로 두되, 데이터가 없는 경우 임의로 지어내지...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_앞으로는-내-의도를-잘-파악해주면-좋겠어_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 앞으로는 내 의도를 잘 파악해주면 좋겠어.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+이 정보는 직전 결론인 '브리핑 구조의 변경(미래 일정 대신 내일 일정 노티)'이 사용자의 근본적인 요구사항인 '의도 파악'과 연결되어 있음을 의미합니다. 결론 수정: 사용자의 의도를 단순히 데이터로 처리하는 것을 넘어, 질문의 맥락(Context)을 읽고 불필력한 정보는 쳐내며 가장 가치 있는 정보를 우선순위에 두는 '지능형 파트너'로서의 응답 로직을 강화하겠습니다. 앞으로 저는 다음과 같은 원칙으로 사용자의 의도를 파악하겠습니다. [의도 파악 및 응답 원칙] - 맥락 중심 추출: 질문이 '오늘 업무'를 묻는 것이라면, 먼 미래의 계획(D-7)은 과감히 삭제하고 바로 다음 날(D+1)이나 가장 가까운 일정에 집중하겠습니다. - 불필요한 정보 제거: 사용자가 "불필요하다"고 명시한 요소나, 이미 알고 있는 중복된 정보는 응답에서 제외하여 정보의 밀도를 높이겠습니다. - 능동적 가치 제안: 단순히 정보를 나열하는 것이 아니라, "내일 일정이 없으므로 오늘 업무에 집중할 수 있는 상태입...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_오늘-날짜-업무-알려줘_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 오늘 날짜 업무 알려줘.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+오늘(2026년 6월 11일)의 업무 브리핑입니다. [오늘의 업무 목록] - 롯데 자이언츠 이머시브 현황 확인 - 즐겨찾기 UI 수정 작업 [내일/가까운 일정 알림] - 내일(6월 12일) 예정된 주요 일정은 없습니다. *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 의도에 따라 캘린더에서 오늘자 태스크를 즉시 추출하여 최우선 배치했습니다. - 위험 요소: 내일 일정이 없으므로, 불필요한 미래 일정(D-7 등)은 제외하고 정보의 밀도를 높였습니다. - 검토 사항: 오늘 업무 중 추가하거나 변경해야 할 사항이 있다면 말씀해 주세요. 출처: 모델 지식 (검색 출처 미사용)
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_오늘-업무-목록-줘_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 오늘 업무 목록 줘.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+오늘(2026년 6월 11일)의 업무 브리핑입니다. [오늘의 업무 목록] - 롯데 자이언츠 이머시브 현황 확인 - 즐겨찾기 UI 수정 작업 [내일/가까운 일정 알림] - 내일(6월 12일) 예정된 주요 일정은 없습니다. (확인 필요) *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자의 요청에 따라 오늘자 캘린더 데이터를 최우선으로 배치했습니다. - 위험 요소: 앞서 지적해주신 대로 내일(6월 12일) 일정이 존재함에도 "없다"고 답변한 오류를 방지하기 위해, 현재 컨텍스트에서 확인 가능한 범위를 재점검 중입니다. (내일 일정의 구체적인 내용을 알려주시면 즉시 반영하겠습니다.) - 검토 사항: 오늘 업무 완료 후 내일 일정을 다시 한번 대조하여 브리핑의 정확도를 높이겠습니다. 출처: 모델 지식 (검색 출처 미사용)
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_캘린더를-보면-오늘-날짜로-2개-테스크가-있는데-롯데-자이언츠-이머시브-현황-확인과-즐겨찾기-ui-수정이-있_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 캘린더를 보면 오늘 날짜로 2개 테스크가 있는데 ? 롯데 자이언츠 이머시브 현황 확인과 즐겨찾기 UI 수정이 있자나.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+이 정보는 직전 결론인 '오늘의 업무 목록'에 누락되었던 구체적인 태스크들을 발견했음을 의미합니다. 결론 수정: 캘린더에서 확인된 2개의 테스크(롯데 자이언츠 이머시브 현황 확인, 즐찾기 UI 수정)를 반영하여 오늘(2026년 6월 11일)의 업무 브리핑을 즉시 업데이트합니다. 오늘(2026년 6월 11일) 기준, 업데이트된 업무 브리핑입니다. [오늘의 업무 목록] - 롯데 자이언츠 이머시보 현황 확인 - 즐찾기 UI 수정 작업 [다가오는 주요 일정] - 메타버스 라이브 서버 스펙 다운/인스턴스 삭제 작업 (D-7) - 예정일: 2026-06-18 [참고 사항] - 오늘 업무는 모두 완료 후 체크해 두시기 바랍니다. 추가할 일정이 있다면 말씀해 주세요. *** 💡 작성 가이드 및 전략 (PM을 위한 조언) - 핵심 전략: 사용자가 직접 찾아낸 정보를 바탕으로 '오늘의 업무'를 즉시 갱신하여 브리핑의 정확도를 높였습니다. - 위험 요소: 만약 이 테스크들이 단순 메모가 아니라 특정 ...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_캘린더를-읽고-정확한-내용을-줘_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 캘린더를 읽고 정확한 내용을 줘.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+<read_calendar> <read_sheet spreadsheet_id="1abc...xyz" range="Sheet1!A1:D20"/> </read_calendar> 죄송합니다. 제가 현재 사용자의 Google Calendar에 직접 접근하여 실시간으로 6월 12일의 구체적인 태스크 명칭(4개)을 읽어올 수 있는 권한이나 데이터가 이번 세션의 컨텍스트에 완전히 동기화되어 있지 않은 상태입니다. 결론 수정: 현재 제가 가진 정보로는 "6월 12일에 4개의 태스크가 있다"는 사실까지만 확인 가능하며, 각 태스크의 구체적인 제목(예: 'OO 프로젝트 회의' 등)은 읽어올 수 없습니다. 정확한 내용을 드리기 위해 다음 조치가 필요합니다. [실행 가능한 액션] - 만약 캘린더 연동 기능이 활성화되어 있다면, <run_command>를 통해 캘린래 데이터를 다시 스캔하거나, 캘린더의 내용을 복사하여 저에게 전달해 주세요. - 혹은 제가 캘린더 정보를 읽을 수 있도록 권한 설정을 확인해 ...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-11_캘린더에서-오늘날짜-기준으로-할일-브리핑해줘-간단하게_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 캘린더에서 오늘날짜 기준으로 할일 브리핑해줘. 간단하게
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+오늘(2026년 6월 11일) 기준, 등록된 일정 및 할 일 브리핑입니다. [주요 일정] - 메타버스 라이브 서버 스펙 다운/인스턴스 삭제 작업 (D-7) - 예정일: 2026-06-18 [체크사항] - 현재 등록된 할 일 중 오늘 마감인 항목은 없습니다. - 6월 18일 작업 전, 서버 리소스 재배치 및 인스턴스 삭제 스크립트 사전 검증이 필요합니다. 출처: 모델 지식 (검색 출처 미사용)
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_3가지를-줬는데-너무-보편적인것만-있어-이런-아이디어가-있으면-좋겠어-한국법에서-회사에서-1년에-1번인가-2_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 3가지를 줬는데 너무 보편적인것만 있어. 이런 아이디어가 있으면 좋겠어. 한국법에서 회사에서 1년에 1번인가 2번 임직원 컴플라이언스 교육이 있...
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+가장 먼저 결론을 말씀드리면, 이 프로젝트는 단순한 '영상 시청'을 넘어 "Unity WebGL의 인터랙티브 기능과 캐릭터 팀의 애니메이션 역량을 활용한 [에듀테인먼트(Edutainment)형 컴플릿니스 트레이닝 플랫폼]"으로 정의할 수 있습니다. 기존의 보편적인 아이디어가 아닌, 말씀하신 '임직원 교육'이라는 명확한 페인 포인트(Pain Point)와 '전 계열사 확산'이라는 비즈니스 모델을 타겟팅하여, 기술력과 인력을 쏟아부을 수 있는 구체적인 실행 계획을 제안합니다. --- 1. 프로젝트 명칭: Project Compliance-Verse (가칭) [핵리 핵심 기능 및 구조] - Interactive Video Engine: Unity WebGL을 사용하여 영상의 재생 시점(Timeline)을 제어합니다. 특정 구간(퀴즈 발생 지점)에 도달하면 영상이 일시 정지되고 퀴즈 UI가 활성화됩니다. - Smart Retry Logic (핵심): 사용자가 오답을 선택할 경우, 단순히 '...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_e-wiki-connectai-에서-wikify-사용되는-포멧에-대한-의견-부족한거나-개선이-필요한-부분이-_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: E:\Wiki\connectai 에서 wikify 사용되는 포멧에 대한 의견. 부족한거나 개선이 필요한 부분이 있는지.
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+현재 `connectai` 프로젝트의 구조와 `wikify` 명령어가 수행하는 역할을 고려할 때, 데이터의 '구조적 완전성'과 '검색 가능성(Searchability)' 측면에서 포맷을 재점검해야 합니다. 결론부터 말씀드리면, 현재의 포맷은 단순 텍란(Raw text) 추출에는 유용하나, RAG(Retrieated-Augmented Generation)의 성능을 극대화하기 위해서는 '메타데이터의 구조화'와 '컨텐츠 계층화'가 보완되어야 합니다. 1. 현재 포맷의 상태 및 분석 `wikify`는 아마도 외부 소스(YouTube, Web, PDF 등)에서 가져온 데이터를 마크다운(Markdown) 형태로 변환하여 `E:\Wiki`에 저장하는 역할을 할 것입니다. - 강점: Markdown 기반이므로 텍[] 구조가 단순하고, VS Code나 다른 에디터에서 가독성이 매우 높음. - 약점: 데이터의 출처(Source), 수집 날짜(Ingestion Date), 원본 URL 등의 '추적 가능...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_e-wiki-connectai-의-기능-중-astra의-업무-능력이나-지식-self-envolving-혹은-_implementation.md

@@ -0,0 +1,23 @@
+# Development Log: E:\Wiki\connectai 의 기능 중 astra의 업무 능력이나 지식 self-envolving 혹은 대화 방법이라거나 답변 관련하여 개...
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+결론부터 말씀드리면, Astra는 이미 '성장형 시스템(Self-Evolving OS)'으로서의 핵심 메커니즘을 갖추고 있으나, 업무 능력과 지식 정교화 측면에서 '데이터 수집의 자동화'와 '평가 루프의 정밀화'를 통해 더 강력한 파트너로 진화할 여지가 있습니다. 상세 분석 및 개선 방향 현재 Astra의 아키텍처는 단순히 정보를 저장하는 것을 넘어, 경험(Lesson)과 지식(Brain)을 축적하고 이를 다시 검색(RAG)에 활용하는 구조입니다. 하지만 업무 능력의 극대화를 위해서는 다음 세 가지 측면에서의 접근이 필요합니다. 1. 지식 Self-evolving의 고도화: '지식 노후 점검'에서 '지식 재구성'으로 현재 `knowledge.decayAudit` 명령어를 통해 지식의 노후도를 점검하는 기능은 매우 훌륭한 기초 단계입니다. 여기서 더 나아가, 단순히 오래된 정보를 삭제하는 것이 아니라, 상충되는 두 정보(Conflict Warning)가 발견되었을 때 이를 논리적으로 ...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- ASTRA 자기 아키텍차.md
+- ASTRA 기능 인벤토리.md
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_아이디어-좋아-지금-포멧으로-써줘-이번건-일단-이것을-우리-모회사의-계열사-대상으로-할-수-있는-아이디어로-_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 아이디어 좋아. 지금 포멧으로 써줘. 이번건. 일단 이것을 우리 모회사의 계열사 대상으로 할 수 있는 아이디어로 주면 어떨까 싶어
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+가장 먼저 결론을 말씀드리면, 이 제안은 단순한 '기술 개발'이 아니라 "모회사 그룹사의 법적 리스크를 기술적으로 방어하는 [그룹 통합 컴플라이언스 거버넌스] 구축"으로 정의해야 합니다. 사용자께서 말씀하신 "계열사 대상"이라는 전제는, 이 프로젝트가 개별적인 '교육 도구'를 넘어 모회사가 그룹 전체의 준법 경영 수준을 통제하고 관리하는 '중앙 집중식 관제 시스템'이 될 수 있음을 의미합니다. 이를 위해 모회사와 계열사의 관계를 고려한 3가지 확장 아이디어를 제안합니다. --- 1. [그룹 통합형] Group-wide Interactive Compliance Hub (SaaS) "모회사가 주도하여 전 계열사에 배포하는 표준 교육 플랫폼" - 핵심 전략: 모회사가 플랫폼(Hub)을 구축하고, 각 계열사는 자사의 특성에 맞는 콘텐츠만 탑재하여 사용하는 구조입니다. - 기술적 구현: Unity WebGL을 통해 웹 브라우저에서 즉시 실행되며, 사용자가 퀴즈를 틀렸을 때 정답 구간으로 자동...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_어-블로그-글-쓰기에-대한-블로그-아니야-아마-넌-예전-블로그-내용을-보는데-최근-블로그-초기화-하고-다시-_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 어? 블로그 글 쓰기에 대한 블로그 아니야? 아마 넌 예전 블로그 내용을 보는데? 최근 블로그 초기화 하고 다시 만들었거든
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+그렇다면 직전에 제가 내린 '기술적 전문성과 편의성의 균형'이라는 평가는 현재의 블로그 상태와는 맞지 않는, 과거 데이터에 기반한 잘못된 분석입니다. 결론 수정: 블로그가 초기화되었다면, 기존의 콘텐츠 구조나 SEO 성과를 논하는 것은 무의미하며 새로운 '콘텐츠 전략(Content Strategy)'과 '기초 설계(Foundation)'에 집중해야 합니다. 현재 상황에서 제가 주목해야 할 지점은 다음과 같습니다. 1. 데이터 공백 (Data Void) 초기화된 블로그는 검색 엔진(Google, Naver 등) 입장에서 '신뢰할 수 있는 콘텐츠가 쌓이지 않은 상태'입니다. 따라서 기존에 분석했던 SEO 점수나 사용자 경험(UX)은 현재 적용할 수 없는 지표입니다. 2. 새로운 전략의 핵심: 인덱싱과 권위 (Indexing & Authority) 이제부터는 '무엇을 쓰느냐'보다 '어떻게 검색 엔진이 내 글을 긁어가게 만들 것인가(Indexing)'와 '어떤 주제로 블로그의 정체성을 세울...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_우리-회사에서-할-수-있는-기술력을-설명할께-우리만-작업해서-할-수-있는-작업-위주로-주면-더-좋지만-안되면_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 우리 회사에서 할 수 있는 기술력을 설명할께. 우리만 작업해서 할 수 있는 작업 위주로 주면 더 좋지만 안되면 우리를 중심으로 외주를 고용하는 ...
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+가장 먼저 결론을 말씀드리면, 보유하신 기술력(Unity WebGL, AI 영상, 3D 필름)과 인력 구조(클라이언트/캐릭터/기획/UI/서버)를 고려했을 때, '1달 내외의 짧은 프로토타입 개발' 혹은 '2달 규모의 MVP(최소 기능 제품) 출시'가 가장 현실적인 목표입니다. 현재 팀 구성은 엔진 활용 능력과 캐릭터/UI/서버 인프라가 매우 탄탄하여, 단순한 기술 구현을 넘어 '콘텐츠'를 입힐 수 있는 준비가 되어 있습니다. 다만, 1~2달이라는 짧은 기간을 고려하여 "기존 기술의 확장성"과 "인력 리소스의 효율적 배분"에 초점을 맞춘 세 가지 프로젝트 아이디어를 제안합니다. --- 1. [커머스 X WebGL] 인터랙티브 3D 제품 전시 쇼룸 사용자가 브랜드를 경험하는 '이머시브 스토어'의 MVP 버전입니다. - 프로젝트 내용: Unity WebGL을 활용하여, 웹 브라우저에서 별도의 설치 없이 고퀄리티 3D 모델(캐릭터 팀 제작)을 돌려보고 아이템을 착용해볼 수 있는 가상 스튜디...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/development/2026-06-12_지금까지-너는-나에게-아이디어-핵심-내용-기대-효과-내용으로-써줬는데-법정-의무-교육은-다른-포멧으로-줬어-_implementation.md

@@ -0,0 +1,22 @@
+# Development Log: 지금까지 너는 나에게 아이디어, 핵심 내용, 기대 효과 내용으로 써줬는데. 법정 의무 교육은 다른 포멧으로 줬어 기대 효과를 써줘. 법정 의무 ...
+
+## Purpose
+Record the implementation or verification outcome from the current conversation.
+
+## Implementation Summary
+가장 먼저 결론을 말씀드리면, 이 기술의 기대 효과는 단순한 '학습 편의성' 증대를 넘어 "오답 기반의 역추적 학습(Reverse Learning)을 통한 교육 몰입도 극대화와 데이터 기반의 완벽한 교육 검증"에 있습니다. 사용자가 제시하신 '자동 리다이로(Seek)' 기술은 기존의 수동적인 시청 방식이 가진 한계를 기술적으로 정면 돌파하는 핵심 메커니즘입니다. 이 기술이 적용되었을 때 나타날 기대 효과를 세 가지 측면에서 정리해 드립니다. --- 1. [학습 효율성 측면] 오답 기반의 '능동적 재학습(Active Re-learning)' 구현 기존 교육은 틀려도 그냥 넘어가는 것이 문제였지만, 이 기술은 틀린 순간 학습자를 정답 구간으로 강제 소환합니다. - 학습 누락 방지: 퀴즈를 틀렸을 때 단순히 "틀렸다"로 끝나는 것이 아니라, 정답의 근거가 되는 영상 구간을 즉시 재생함으로써 학습자가 스스로 논리적 오류를 깨닫고 지식을 재정립하게 만듭니다. - 인지 부하 감소: 정답을 찾기...
+
+## Architecture
+Captured automatically from the assistant response and active project context.
+
+## Changed Files
+- No explicit changed file list was captured automatically.
+
+## Dependency Notes
+No new dependency note was captured automatically.
+
+## Bugs
+No bugs recorded.
+
+## Lessons
+- Automatic project records should be generated in the background when the turn contains durable project knowledge.

docs/records/ConnectAI/discussions/2026-06-11_duns를-재발급-받아야-하는데-발행시-사용한-이메일을-알-수가-없어-이럴때-어떻게-해야해.md

@@ -0,0 +1,16 @@
+# Discussion: DUNS를 재발급 받아야 하는데, 발행시 사용한 이메일을 알 수가 없어. 이럴때 어떻게 해야해?
+
+## User Request Summary
+DUNS를 재발급 받아야 하는데, 발행시 사용한 이메일을 알 수가 없어. 이럴때 어떻게 해야해?
+
+## Interpreted Intent
+Capture a meaningful project discussion automatically instead of requiring manual record selection.
+
+## Questions
+No explicit question was captured.
+
+## Main Discussion
+- DUNS 번호(Data Universal Numbering System)는 기업 식별을 위한 매우 중요한 정보이지만, 말씀하신 대로 발급 당시의 이메일 기록이 없다면 접근이 막막할 수 있습니다. 가장 빠르고 확실한 해결 방법은 'Dun & Bradstreet(D&B)'의 공식 고객 센터나 해당 국가(한국의 경우 코스콤 또는 관련 기관)의 지원 팀에 직접 문의하여 본인 확인 절차를 거치는 것입니다. 상황별로 실행 가능한 단계별 대응 방안을 정리해 드립니다. --- 1. D&B Global/Local 고객 센터에 '문의 티켓' 생성 (가장 권장) - DUNS 번호와 연결된 기업의 사업자 등록 정보(Business Registration Number)를 가지고 있다면, 이메일 없이도 본인 확인이 가능합니다. - 방법: D&B 공식 웹사이트의 [Contact Us] 페이지를 통해 "DUNS 번호는 알고 있으나, 관리 이메일을 분실했다"고 명시하여 문의를 남기세요. - 필요 서류 준비: 사업...
+
+## Decisions
+No decisions captured yet.

docs/records/ConnectAI/discussions/2026-06-11_너는-어떻게-너-스스로의-지식을-쌓고-성장해가는거야.md

@@ -0,0 +1,16 @@
+# Discussion: 너는 어떻게 너 스스로의 지식을 쌓고 성장해가는거야?
+
+## User Request Summary
+너는 어떻게 너 스스로의 지식을 쌓고 성장해가는거야?
+
+## Interpreted Intent
+Capture a meaningful project discussion automatically instead of requiring manual record selection.
+
+## Questions
+No explicit question was captured.
+
+## Main Discussion
+- 저는 대규모 언어 모델로서, 실시간으로 새로운 정보를 학습하거나 스스로 지식의 양을 늘려나가는 '자아 성찰적 학습'을 하지는 않습니다. 대신, 저는 두 가지 축을 통해 지능과 정보의 수준을 유지하고 발전시킵니다. 1. 사전 학습된 지식 (Static Knowledge) 저의 근본적인 지식은 개발 과정에서 사용된 방대한 데이터셋에 기반합니다. 이 데이터에는 책, 문서, 코드, 대화 등 다양한 형태의 텍록이 포함되어 있으며, 이를 통해 언어의 구조, 논리적 추론, 일반적인 사실 관계를 파악하고 있습니다. 이 지식은 학습이 완료된 시점에 고정(Frozen)되어 있어, 제가 스스로 새로운 사건을 '기억'해내는 것은 불가능합니다. 2. 컨텍스트와 도구를 통한 확장 (Dynamic Context & Tools) 제가 "성장"하는 것처럼 느껴진다면, 그것은 새로운 지식을 습득해서가 아니라 주어진 환경(Context)을 활용하는 능력이 정교하기 때문입니다. - 컨텍스트 주입 (RAG/Second ...
+
+## Decisions
+No decisions captured yet.

docs/records/ConnectAI/discussions/2026-06-12_그니깐-https-koritips-com-홈페이지에-들어가서-홈페이지-분석-후-다시-분석해줘.md

@@ -0,0 +1,16 @@
+# Discussion: 그니깐, https://koritips.com 홈페이지에 들어가서 홈페이지 분석 후 다시 분석해줘
+
+## User Request Summary
+그니깐, https://koritips.com 홈페이지에 들어가서 홈페이지 분석 후 다시 분석해줘
+
+## Interpreted Intent
+Capture a meaningful project discussion automatically instead of requiring manual record selection.
+
+## Questions
+No explicit question was captured.
+
+## Main Discussion
+- 블로그가 초기화된 상태라면, 현재 `koritips.com`은 '기존 콘텐츠의 품질'을 논할 단계가 아니라 '새로운 정체성을 구축하기 위한 기반 설계(Foundation Building)' 단계에 있습니다. 결론부터 말씀드리면, 현재 홈페이지는 분석할 수 있는 '콘텐츠 데이터'가 비어 있으므로, 구조적 레이아웃과 검색 엔진이 인지할 수 있는 '기술적 기초(Technical SEO)'와 '주제 클러스터(Topic Cluster)의 설계' 관점에서 다시 분석해야 합니다. --- 1. 기술적 기반 분석 (Technical Foundation) 콘텐츠가 없는 상태에서 가장 먼저 확인해야 할 것은 검색 엔진 로봇이 이 사이트를 '신뢰할 수 있는 정보원'으로 인식하게 만들 준비가 되었는가입니다. - 인덱싱(Indexing) 환경: 초기화 직후라면 `sitemap.xml`과 `robots.txt`가 정상적으로 생성되어 구글 서치 콘솔(Google Search Console)에 등록되었는지 확인이...
+
+## Decisions
+No decisions captured yet.

docs/records/ConnectAI/discussions/2026-06-12_우리-개발실은-가우시안-스필리터-그리고-월마트에서-이머시브-스토어-그리고-ai로-영상-사운드-제작팀이-있어-.md

@@ -0,0 +1,16 @@
+# Discussion: 우리 개발실은 가우시안 스필리터, 그리고 월마트에서 이머시브 스토어, 그리고 ai로 영상, 사운드 제작팀이 있어. 인원은 30명정도야. 여기에는...
+
+## User Request Summary
+우리 개발실은 가우시안 스필리터, 그리고 월마트에서 이머시브 스토어, 그리고 ai로 영상, 사운드 제작팀이 있어. 인원은 30명정도야. 여기에는 사업도 포함되어 있고. 이 구조로 우리가 어떠한 것들을 할 수 있을지 아이디어 줄 수 있어?
+
+## Interpreted Intent
+Capture a meaningful project discussion automatically instead of requiring manual record selection.
+
+## Questions
+No explicit question was captured.
+
+## Main Discussion
+- 결론부터 말씀드리면, 귀하의 조직은 '고도의 물리적/디지털 콘텐츠 생성 능력(Gaussian Splatting, AI Video/Audio)'과 '대규모 리테일 환경에 대한 도메인 지식(Walmart Immersive Store)'을 동시에 보유한 매우 희귀하고 강력한 구조입니다. 이 정도 규모(30명)와 기술 스택이라면 단순한 제작 대행을 넘어, '리테일 테크(Retail-Tech)'와 '공간 컴퓨팅(Spatial Computing)' 시장을 선점할 수 있는 비즈니스 모델을 구축할 수 있습니다. 상세 분석 및 아이디어 제안 1. 핵심 역량 분석 (Core Competency) - 기술적 자산: Gaussian Splatting(GS)을 통한 초실사 3D 재구성 능력 + AI 기반의 생성형 콘텐츠(Generative AI) 제작 파이으로. - 도메인 지식: 월마트 이머시브 스토어라는 거대 리테일 환경에 대한 이해와 사업화 경험. - 비즈니스 가치: 현실 세계의 물리적 공간을 디지털 ...
+
+## Decisions
+No decisions captured yet.

docs/records/ConnectAI/planning/2026-06-11_e-wiki-connectai-프로젝트의-코딩-설계가-잘되어-있는지-유지-보수가-쉽게-되어-있는지-검토해줄-.md

@@ -0,0 +1,40 @@
+# Feature Plan: E:\Wiki\connectai 프로젝트의 코딩, 설계가 잘되어 있는지, 유지 보수가 쉽게 되어 있는지 검토해줄 수 있어?
+
+## 1. Feature Name
+E:\Wiki\connectai 프로젝트의 코딩, 설계가 잘되어 있는지, 유지 보수가 쉽게 되어 있는지 검토해줄 수 있어?
+
+## 2. Reason
+Capture the current planning or architecture direction before implementation continues.
+
+## 3. Original User Request
+E:\Wiki\connectai 프로젝트의 코딩, 설계가 잘되어 있는지, 유지 보수가 쉽게 되어 있는지 검토해줄 수 있어?
+
+## 4. Interpreted User Intent
+E:\Wiki\connectai 프로젝트의 코딩, 설계가 잘되어 있는지, 유지 보수가 쉽게 되어 있는지 검토해줄 수 있어?
+
+## 5. Background
+현재 정보만으로는 기술 구조를 판단할 수 없습니다. 실제 확인을 위해서는 소스 코드의 모듈 간 의존성, 데이터 흐름(Data Flow), 그리고 작성된 설계 문서나 테스트 코드를 직접 대조해야 합니다. 현재 정보만으로는 기술 구조를 판단할 수 없습니다. 기술적 안정성, 아키텍처 유연성, 모듈화 여부는 소스 코드나 설계 문서 확인이 필요합니다. --- 🛠️ 구조 및 설계 검토 (추론 기반) 1. 기술적 강점 (Confirmed & Inference) - 모듈화된 기능 구조 (Inference): `src/features/company/index.ts`와 같이 기능별로 API를 노출하는 Barrel 패턴을 사용하고 있어, 내부 구현이 변경되더라도 외부 영향도를 최소로 줄이려는 설계 의도가 보입니다. 이는 유지보수 측면에서 매우 긍정적입니다. - 확장 가능한 설정 구조 (Confirmed): `g1nation.xxx` 형태의 수많은 VS Code 설정값들은 기능 확장이 용이하도록 설계되...
+
+## 6. Scope
+- Continue from the active project conversation.
+- Use the selected project record folder automatically.
+
+## 7. Out Of Scope
+- Manual record type selection.
+- Blocking the user with record-writing prompts.
+
+## 8. Development Direction
+현재 정보만으로는 기술 구조를 판단할 수 없습니다. 실제 확인을 위해서는 소스 코드의 모듈 간 의존성, 데이터 흐름(Data Flow), 그리고 작성된 설계 문서나 테스트 코드를 직접 대조해야 합니다. 현재 정보만으로는 기술 구조를 판단할 수 없습니다. 기술적 안정성, 아키텍처 유연성, 모듈화 여부는 소스 코드나 설계 문서 확인이 필요합니다. --- 🛠️ 구조 및 설계 검토 (추론 기반) 1. 기술적 강점 (Confirmed & Inference) - 모듈화된 기능 구조 (Inference): `src/features/company/index.ts`와 같이 기능별로 API를 노출하는 Barrel 패턴을 사용하고 있어, 내부 구현이 변경되더라도 외부 영향도를 최소로 줄이려는 설계 의도가 보입니다. 이는 유지보수 측면에서 매우 긍정적입니다. - 확장 가능한 설정 구조 (Confirmed): `g1nation.xxx` 형태의 수많은 VS Code 설정값들은 기능 확장이 용이하도록 설계되...
+
+## 9. Dependency Strategy
+Prefer existing project modules and local Markdown records.
+
+## 10. Expected Value
+Future work can resume with the latest project intent and reasoning preserved.
+
+## 11. Success Criteria
+- The record is saved automatically after a meaningful project turn.
+- The record stays under the active project.
+
+## 12. Developer Instruction
+Use this record as lightweight context for the next development or review pass.

docs/records/ConnectAI/planning/2026-06-12_https-koritips-com-블로그에-대한-조사-내용-평가를-해줘.md

@@ -0,0 +1,40 @@
+# Feature Plan: https://koritips.com 블로그에 대한 조사, 내용 평가를 해줘.
+
+## 1. Feature Name
+https://koritips.com 블로그에 대한 조사, 내용 평가를 해줘.
+
+## 2. Reason
+Capture the current planning or architecture direction before implementation continues.
+
+## 3. Original User Request
+https://koritips.com 블로그에 대한 조사, 내용 평가를 해줘.
+
+## 4. Interpreted User Intent
+https://koritips.com 블로그에 대한 조사, 내용 평가를 해줘.
+
+## 5. Background
+해당 블로그의 콘텐츠 구성과 정보 전달 방식은 기술적 전문성과 사용자 편의성 사이에서 균형을 잡으려는 시도가 보이지만, 검색 엔진 최적화(SEO)와 지속 가능한 운영 측면에서는 개선할 점이 명확합니다. 요약 평가 `koritips.com` 블로그는 특정 기술이나 정보에 대한 깊이 있는 인사이트를 제공하려는 목적을 가진 것으로 보이며, 단순한 뉴스 전달보다는 분석적인 콘텐츠를 지향하고 있습니다. 다만, 현재 상태로는 방문자가 정보를 신뢰하고 지속적으로 재방문하게 만드는 '커뮤니티'나 '권위 있는 기술 저널'로서의 임팩트가 부족합니다. 상세 분석 1. 콘텐츠 및 가치 제안 (Product Discovery & Value Proposition) - 강점: 단순 정보 나열이 아닌, 특정 주제에 대한 심층적인 분석을 시도하고 있습니다. 이는 일반적인 IT 뉴스 사이트와 차별화되는 지점입니다. - 약점: 콘텐츠의 '최신성'과 '영속성(Evergreen)' 사이의 균등한 배분이 필요합니다. 특정...
+
+## 6. Scope
+- Continue from the active project conversation.
+- Use the selected project record folder automatically.
+
+## 7. Out Of Scope
+- Manual record type selection.
+- Blocking the user with record-writing prompts.
+
+## 8. Development Direction
+해당 블로그의 콘텐츠 구성과 정보 전달 방식은 기술적 전문성과 사용자 편의성 사이에서 균형을 잡으려는 시도가 보이지만, 검색 엔진 최적화(SEO)와 지속 가능한 운영 측면에서는 개선할 점이 명확합니다. 요약 평가 `koritips.com` 블로그는 특정 기술이나 정보에 대한 깊이 있는 인사이트를 제공하려는 목적을 가진 것으로 보이며, 단순한 뉴스 전달보다는 분석적인 콘텐츠를 지향하고 있습니다. 다만, 현재 상태로는 방문자가 정보를 신뢰하고 지속적으로 재방문하게 만드는 '커뮤니티'나 '권위 있는 기술 저널'로서의 임팩트가 부족합니다. 상세 분석 1. 콘텐츠 및 가치 제안 (Product Discovery & Value Proposition) - 강점: 단순 정보 나열이 아닌, 특정 주제에 대한 심층적인 분석을 시도하고 있습니다. 이는 일반적인 IT 뉴스 사이트와 차별화되는 지점입니다. - 약점: 콘텐츠의 '최신성'과 '영속성(Evergreen)' 사이의 균등한 배분이 필요합니다. 특정...
+
+## 9. Dependency Strategy
+Prefer existing project modules and local Markdown records.
+
+## 10. Expected Value
+Future work can resume with the latest project intent and reasoning preserved.
+
+## 11. Success Criteria
+- The record is saved automatically after a meaningful project turn.
+- The record stays under the active project.
+
+## 12. Developer Instruction
+Use this record as lightweight context for the next development or review pass.

docs/records/ConnectAI/timeline.md

@@ -234,3 +234,189 @@
 
 ## 2026-06-01
 - Auto bug record created: bugs\BUG-0015-짚어둘-관찰-사항-참고용-face-api-js-환경-face-api-js는-원래-브라우저용입니다-node-단.md
+
+## 2026-06-05
+- Auto decision record created: decisions\ADR-0030-outlook에서도-이메일-내용을-가져올-수-있나.md
+
+## 2026-06-08
+- Auto decision record created: decisions\ADR-0031-아래-프로젝트의-로직을-분석하고-어떻게-하면-astra가-더-정확하고-정교하게-개선할-수-있는-부분이-있는지.md
+
+## 2026-06-08
+- Auto decision record created: decisions\ADR-0032-아래-프로젝트의-로직을-분석하고-어떻게-하면-astra가-더-정확하고-정교하게-개선할-수-있는-부분이-있는지.md
+
+## 2026-06-08
+- Auto development record created: development\2026-06-08_아니-지금-코드-업데이트를-했거든-다시-코드를-검토하고-의견을-줘_implementation.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0033-e-wiki-connectai-지금-코드-개선-중인데-분석해주면-좋겠어-지금-너의-기능에서-어떠한-부분이-더.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0034-지금-1차-개발이-완료되었거든-다시-새롭게-분석해줘.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0035-너는-스스로-생각하고-결과물에-대한-평가를-하고-개선-할-수-잇는-방법을-찾기-위해-노력하는-기능이-있어.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0036-vibe-coding으로-e-wiki-connectai-프로젝트를-만들었어-이-프로젝트가-앞으로-나아갈-방향.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0016-미안-나는-아스트라-너한테-autonomous-workflow는-필요-없어-이메일을-써줘라고-할-수는-있지만.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0037-이런-기준으로-다시-내-의도를-파악하고-앞으로의-astra가-성장해야할-부분을-다시-분석해줘.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0017-이-이메일을-읽어줘-지금까지-이메일-내용-모두-포함되어-있어-이제-회신을-해야하는데-어떠한-부분을-회신해야하.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0018-이-이메일을-봤을때-지금-어떠한-상태이고-우리가-취해야하는-행동은-뭐가-있을까-hi-jason-nice-to.md
+
+## 2026-06-11
+- Auto discussion record created: discussions\2026-06-11_너는-어떻게-너-스스로의-지식을-쌓고-성장해가는거야.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0038-아닐텐데-astra-너-자신은-자아-성찰적-학습-기능은-실제로-존재하고-작동-중인데-astra가-자기-자신의.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0039-너가-astra야-왜-남처럼-이야기-하지.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0019-너가-작성한-회의록에-대한-나의-평가는-아래와-같아-평가부터-하면-생성-품질은-생각보다-괜찮은-편-70-80.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0020-이번-회의록을-참고해서-이전-회의록과-비교했을때-많은-부분이-개선된-것이-확인이-되었어-그렇지만-아래와-같이.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0021-이번-결과는-이전-두-번보다-확실히-개선되었습니다-점수로-보면-1차-회의록-83점-2차-회의록-88-90점-.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0022-내일-별-보고가-있어-이번주-작업과-차주-작업-관련해서-pm팀-업무-보고를-해야하는데-간단하고-간결하게-주요.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0023-지금-스크립트-봤는데-아래와-같은-피드백을-줄께-너의-성장에-도움이-될만한것들은-성장요소로-쓰면-좋겠어-전체.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0040-스크립트로-써달라했자나.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0041-좋아-다음에-업무-스크립트-써달라고했을때-이-규칙을-사용해줘.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0042-어-지금-다시-보면-3dism-계정관련해서는-6-11-롯데-이노베이트-미팅을-통해-칼리버스-전용-계정-생성을.md
+
+## 2026-06-11
+- Auto discussion record created: discussions\2026-06-11_duns를-재발급-받아야-하는데-발행시-사용한-이메일을-알-수가-없어-이럴때-어떻게-해야해.md
+
+## 2026-06-11
+- Auto planning record created: planning\2026-06-11_e-wiki-connectai-프로젝트의-코딩-설계가-잘되어-있는지-유지-보수가-쉽게-되어-있는지-검토해줄-.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0024-이메일-하나-작성해줘-점검-시나리오-2026-6-18-메타버스-사유-메타버스-라이브-서버-스펙-다운-다만-스.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_아-내용을-잘못-줬어-작업-시간은-약-4시간-정도-예상-11시에-시작해서-15시까지-로-시간을-다시-조정해주_implementation.md
+
+## 2026-06-11
+- Auto bug record created: bugs\BUG-0025-아-문제는-이메일-받는-사람이-점검이-있을것이라는-것을-몰라-그래서-점검을-진행하려한다고-정중히.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_캘린더에서-오늘날짜-기준으로-할일-브리핑해줘-간단하게_implementation.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_아니-오늘날짜로-브리핑해달-라고-헀자나-그러면-6월-11일-업무-목록을-알려줘야지_implementation.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_캘린더를-보면-오늘-날짜로-2개-테스크가-있는데-롯데-자이언츠-이머시브-현황-확인과-즐겨찾기-ui-수정이-있_implementation.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_아니-너의-답변-방식을-좀-더-개선하면-좋을-것-같아-나의-질문은-오늘-즉-6월-11일-업무-브리핑해줘는-6_implementation.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0043-지금-같은-질문에는-아래와-같은-답변은-불필요한거-같아-다가오는-주요-일정-메타버스-라이브-서버-스펙-다운-.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_앞으로는-내-의도를-잘-파악해주면-좋겠어_implementation.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_오늘-날짜-업무-알려줘_implementation.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0044-어-캘린더로-보면-6월-12일-날짜로-등록된-테스크가-4개가-있는데-예정된-주요-일정은-없습니다가-맞아.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_오늘-업무-목록-줘_implementation.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0045-여전히-6월-12일-업무-목록이-없다고-답하네.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_6월-12일-업무-목록-알려줘_implementation.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_캘린더를-읽고-정확한-내용을-줘_implementation.md
+
+## 2026-06-11
+- Auto development record created: development\2026-06-11_너는-스스로-너-자신이-성장할-수-있는-기능이-있어_implementation.md
+
+## 2026-06-11
+- Auto decision record created: decisions\ADR-0046-self-evolving-기능이-있는데-이-기능을-어떻게-하면-더-날카롭게-할-수-있을까.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0047-아스트라를-성장하고-self-envolving을-더-고도화-하기-위해서-어떠한-로직을-추가로-개발하면-좋을지.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0048-e-wiki-connectai-의-기능-중-astra의-업무-능력이나-지식-self-envolving-혹은-.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0049-koritips-com-블로그에-대한-평가해줘.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0050-e-wiki-connectai-의-기능-중-astra의-업무-능력이나-지식-self-envolving-혹은-.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_e-wiki-connectai-의-기능-중-astra의-업무-능력이나-지식-self-envolving-혹은-_implementation.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_e-wiki-connectai-에서-wikify-사용되는-포멧에-대한-의견-부족한거나-개선이-필요한-부분이-_implementation.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0051-e-wiki-connectai-프로젝트에서-아스트라가-답변을-하는-포맷에-대해-분석하고-어떻게-하면-사용자가.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0052-시각적-요소를-늘리는-방향.md
+
+## 2026-06-12
+- Auto discussion record created: discussions\2026-06-12_우리-개발실은-가우시안-스필리터-그리고-월마트에서-이머시브-스토어-그리고-ai로-영상-사운드-제작팀이-있어-.md
+
+## 2026-06-12
+- Auto planning record created: planning\2026-06-12_https-koritips-com-블로그에-대한-조사-내용-평가를-해줘.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_어-블로그-글-쓰기에-대한-블로그-아니야-아마-넌-예전-블로그-내용을-보는데-최근-블로그-초기화-하고-다시-_implementation.md
+
+## 2026-06-12
+- Auto discussion record created: discussions\2026-06-12_그니깐-https-koritips-com-홈페이지에-들어가서-홈페이지-분석-후-다시-분석해줘.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_우리-회사에서-할-수-있는-기술력을-설명할께-우리만-작업해서-할-수-있는-작업-위주로-주면-더-좋지만-안되면_implementation.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_3가지를-줬는데-너무-보편적인것만-있어-이런-아이디어가-있으면-좋겠어-한국법에서-회사에서-1년에-1번인가-2_implementation.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0053-아니-이런-아이디어로-3개-정도-써달라고.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_아이디어-좋아-지금-포멧으로-써줘-이번건-일단-이것을-우리-모회사의-계열사-대상으로-할-수-있는-아이디어로-_implementation.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0054-ncsoft-같은-경우-내가-속해-있는-프로젝트에-대한-교육-영상-모회사-영상을-만들어서-보게-하고-내가-속.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0055-재미요소를-조금-더-넣고-상큼하게-해주면-좋을-것-같아.md
+
+## 2026-06-12
+- Auto decision record created: decisions\ADR-0056-일단-조건을-하나-더-추가할께-계열사는-하고-싶어-하지-않아-우리한테-업무를-주는게-추가-업무로-이어진다고-.md
+
+## 2026-06-12
+- Auto development record created: development\2026-06-12_지금까지-너는-나에게-아이디어-핵심-내용-기대-효과-내용으로-써줬는데-법정-의무-교육은-다른-포멧으로-줬어-_implementation.md

media/settings-panel.css

@@ -24,6 +24,18 @@ body {
     margin: 0;
 }
 
+/* 빌드 버전 배지 — 이 값이 보이면 새 빌드가 로딩된 것(검증 마커). */
+.ver {
+    font-size: 10px;
+    font-weight: 600;
+    color: var(--vscode-descriptionForeground);
+    border: 1px solid var(--vscode-panel-border);
+    border-radius: 10px;
+    padding: 1px 7px;
+    margin-left: 8px;
+    vertical-align: middle;
+}
+
 .section {
     border: 1px solid var(--vscode-panel-border);
     border-radius: 8px;
@@ -42,6 +54,38 @@ body {
     opacity: 0.7;
 }
 
+/* ─── Tabs (카테고리 네비) ─── */
+.tabs {
+    display: flex;
+    gap: 6px;
+    flex-wrap: wrap;          /* 좁은 사이드뷰에서 자동 줄바꿈 */
+    margin-bottom: 14px;
+}
+.tab {
+    padding: 6px 12px;
+    border-radius: 6px;
+    border: 1px solid var(--vscode-panel-border);
+    background: transparent;
+    color: var(--vscode-descriptionForeground);
+    font-size: 12px;
+    font-weight: 600;
+    cursor: pointer;
+    white-space: nowrap;
+}
+.tab:hover {
+    color: var(--vscode-foreground);
+    background: var(--vscode-list-hoverBackground);
+}
+.tab.active {
+    background: var(--vscode-button-background);
+    color: var(--vscode-button-foreground);
+    border-color: var(--vscode-button-background);
+}
+/* 비활성 탭 섹션 숨김 — DOM 에는 그대로 두고 표시만 끈다(JS refs/state 무영향). */
+.section[hidden] {
+    display: none !important;
+}
+
 .hint {
     color: var(--vscode-descriptionForeground);
     font-size: 11px;

media/settings-panel.html

@@ -8,15 +8,22 @@
 </head>
 <body>
     <header class="hd">
-        <h1>Astra Settings</h1>
+        <h1>Astra Settings <span class="ver" id="settingsVersion">v__VERSION__</span></h1>
         <button id="openVscodeSettings" class="link">VS Code Settings 열기</button>
     </header>
 
     <div id="bannerError" class="banner" hidden></div>
 
+    <nav class="tabs" id="settingsTabs">
+        <button type="button" class="tab" data-tab="model">모델·연결</button>
+        <button type="button" class="tab" data-tab="knowledge">지식·기억</button>
+        <button type="button" class="tab" data-tab="integrations">연동</button>
+        <button type="button" class="tab" data-tab="advanced">동작·고급</button>
+    </nav>
+
     <main id="root">
         <!-- Connection -->
-        <section class="section" data-section="connection">
+        <section class="section" data-section="connection" data-tab="model">
             <h2>연결</h2>
             <p class="hint">로컬 AI 엔진(Ollama 또는 LM Studio) 위치와 기본 모델을 설정합니다.</p>
             <div class="row">
@@ -46,16 +53,43 @@
         </section>
 
         <!-- Datacollect -->
-        <section class="section" data-section="datacollect">
+        <section class="section" data-section="datacollect" data-tab="integrations">
             <h2>Datacollect (slash 명령)</h2>
-            <p class="hint">채팅에서 <code>/research</code> · <code>/benchmark</code> · <code>/youtube</code> 를 입력하면 Datacollect Bridge로 위임됩니다. Bridge는 Datacollect 프로젝트에서 <code>npm run bridge</code> 로 실행해야 합니다.</p>
+            <p class="hint">채팅에서 <code>/research</code> · <code>/benchmark</code> · <code>/youtube</code> 를 입력하면 Datacollect Bridge로 위임됩니다. <strong>타깃</strong>으로 로컬(<code>npm run bridge</code>) 또는 NAS의 경량 Bridge 중 어디를 호출할지 선택합니다.</p>
             <div class="row">
-                <label for="dcBridgeUrl">Bridge URL</label>
+                <label for="dcBridgeTarget">Bridge 타깃</label>
+                <div class="input-group narrow">
+                    <select id="dcBridgeTarget">
+                        <option value="local">로컬 (Local)</option>
+                        <option value="nas">NAS</option>
+                    </select>
+                    <button data-save="datacollect.bridgeTarget">저장</button>
+                </div>
+                <small class="hint"><strong>local</strong> = 아래 로컬 Bridge URL 사용. <strong>nas</strong> = NAS Bridge URL(+토큰) 사용. nas인데 URL이 비어 있으면 안전하게 로컬로 폴백합니다.</small>
+            </div>
+            <div class="row">
+                <label for="dcBridgeUrl">로컬 Bridge URL</label>
                 <div class="input-group">
                     <input id="dcBridgeUrl" type="text" placeholder="http://127.0.0.1:3002" spellcheck="false" />
                     <button data-save="datacollect.bridgeUrl">저장</button>
                 </div>
             </div>
+            <div class="row">
+                <label for="dcBridgeNasUrl">NAS Bridge URL</label>
+                <div class="input-group">
+                    <input id="dcBridgeNasUrl" type="text" placeholder="https://your-nas-domain 또는 http://nas-ip:3002" spellcheck="false" />
+                    <button data-save="datacollect.bridgeNasUrl">저장</button>
+                </div>
+                <small class="hint">타깃이 <strong>nas</strong>일 때 호출할 NAS 경량 Bridge 주소.</small>
+            </div>
+            <div class="row">
+                <label for="dcBridgeNasToken">NAS Bridge 토큰</label>
+                <div class="input-group">
+                    <input id="dcBridgeNasToken" type="text" placeholder="(NAS의 BRIDGE_AUTH_TOKEN 값)" spellcheck="false" />
+                    <button data-save="datacollect.bridgeNasToken">저장</button>
+                </div>
+                <small class="hint">NAS Bridge의 <code>x-bridge-token</code>. <strong>nas</strong> 타깃일 때만 요청 헤더에 실립니다.</small>
+            </div>
             <div class="row">
                 <label for="dcSavePath">결과물 저장 폴더</label>
                 <div class="input-group">
@@ -91,7 +125,7 @@
         </section>
 
         <!-- Memory -->
-        <section class="section" data-section="memory">
+        <section class="section" data-section="memory" data-tab="knowledge">
             <h2>메모리</h2>
             <p class="hint">대화 응답 전에 주입되는 단기/중기/장기 메모리의 양을 조정합니다.</p>
             <div class="row toggle">
@@ -121,7 +155,7 @@
         </section>
 
         <!-- Brain -->
-        <section class="section" data-section="brain">
+        <section class="section" data-section="brain" data-tab="knowledge">
             <h2>두뇌 (지식 폴더)</h2>
             <p class="hint">현재 활성 두뇌 프로필 정보입니다. 추가·수정은 사이드바의 [변경 ▾ → 두뇌] 또는 VS Code Settings에서 처리합니다.</p>
             <div class="row">
@@ -138,7 +172,7 @@
         </section>
 
         <!-- Telegram -->
-        <section class="section" data-section="telegram">
+        <section class="section" data-section="telegram" data-tab="integrations">
             <h2>Telegram 봇</h2>
             <p class="hint">텔레그램으로 Astra와 대화하고 싶다면 BotFather에서 봇을 만들고 토큰을 여기에 저장하세요. Astra의 다른 기능에는 영향이 없습니다.</p>
 
@@ -178,7 +212,7 @@
         </section>
 
         <!-- Google (Calendar + Sheets) -->
-        <section class="section" data-section="google">
+        <section class="section" data-section="google" data-tab="integrations">
             <h2>Google (Calendar · Sheets)</h2>
             <p class="hint">회의록·할일을 Google Calendar 에 자동 등록하고 Sheets 를 읽고 쓰려면 OAuth 가 필요합니다. <a href="https://console.cloud.google.com/apis/credentials" target="_blank">Google Cloud Console</a> 에서 Desktop OAuth Client 만들고 Client ID/Secret 을 아래에 붙여넣으세요.</p>
 
@@ -258,7 +292,7 @@
         </section>
 
         <!-- Cloud LLM Providers -->
-        <section class="section" data-section="providers">
+        <section class="section" data-section="providers" data-tab="model">
             <h2>Cloud LLM Providers</h2>
             <p class="hint">Ollama / LM Studio 로컬 외에 cloud API 를 붙여서 모델 선택지를 확장. API key 는 모두 Secret Storage 에 저장 (settings.json 침범 X). 사이드바 모델 dropdown 에서 활성 provider 의 모델이 함께 표시됩니다.</p>
 
@@ -330,7 +364,7 @@
         </section>
 
         <!-- Devil Agent (도현) -->
-        <section class="section" data-section="devilAgent">
+        <section class="section" data-section="devilAgent" data-tab="advanced">
             <h2>🎭 Devil's Advocate (도현)</h2>
             <p class="hint">매 답변 직후 별도 LLM 호출로 *비판적 sparring partner* 가 한 문단 반박. 사용자의 사고를 능동적 방어로 전환. 같은 모델 재사용 (~10-15% 추가 비용).</p>
             <div class="row toggle">
@@ -342,7 +376,7 @@
         </section>
 
         <!-- Advanced -->
-        <section class="section" data-section="advanced">
+        <section class="section" data-section="advanced" data-tab="advanced">
             <h2>고급</h2>
             <p class="hint">대부분의 사용자는 건드릴 필요 없습니다.</p>
             <div class="row toggle">

media/settings-panel.js

@@ -25,7 +25,10 @@
     const cnModelHint = $('cnModelHint');
 
     // ---- Datacollect ----
+    const dcBridgeTarget = $('dcBridgeTarget');
     const dcBridgeUrl = $('dcBridgeUrl');
+    const dcBridgeNasUrl = $('dcBridgeNasUrl');
+    const dcBridgeNasToken = $('dcBridgeNasToken');
     const dcSavePath = $('dcSavePath');
     const dcCrawlDepth = $('dcCrawlDepth');
     const dcMaxPages = $('dcMaxPages');
@@ -125,9 +128,18 @@
     );
 
     // ---- Datacollect listeners ----
+    document.querySelector('[data-save="datacollect.bridgeTarget"]').addEventListener('click', () =>
+        vscode.postMessage({ type: 'datacollect.update', bridgeTarget: dcBridgeTarget.value })
+    );
     document.querySelector('[data-save="datacollect.bridgeUrl"]').addEventListener('click', () =>
         vscode.postMessage({ type: 'datacollect.update', bridgeUrl: dcBridgeUrl.value })
     );
+    document.querySelector('[data-save="datacollect.bridgeNasUrl"]').addEventListener('click', () =>
+        vscode.postMessage({ type: 'datacollect.update', bridgeNasUrl: dcBridgeNasUrl.value })
+    );
+    document.querySelector('[data-save="datacollect.bridgeNasToken"]').addEventListener('click', () =>
+        vscode.postMessage({ type: 'datacollect.update', bridgeNasToken: dcBridgeNasToken.value })
+    );
     document.querySelector('[data-save="datacollect.savePath"]').addEventListener('click', () =>
         vscode.postMessage({ type: 'datacollect.update', savePath: dcSavePath.value })
     );
@@ -385,7 +397,12 @@
         // ---- Datacollect ----
         const dc = state.datacollect;
         if (dc) {
+            if (dcBridgeTarget && document.activeElement !== dcBridgeTarget && (dc.bridgeTarget === 'local' || dc.bridgeTarget === 'nas')) {
+                dcBridgeTarget.value = dc.bridgeTarget;
+            }
             setIfNotFocused(dcBridgeUrl, dc.bridgeUrl);
+            setIfNotFocused(dcBridgeNasUrl, dc.bridgeNasUrl);
+            setIfNotFocused(dcBridgeNasToken, dc.bridgeNasToken);
             setIfNotFocused(dcSavePath, dc.savePath);
             setIfNotFocused(dcCrawlDepth, dc.crawlDepth);
             setIfNotFocused(dcMaxPages, dc.maxPages);
@@ -465,5 +482,24 @@
         }
     }
 
+    // ---- Tabs (카테고리 네비) — 표현 계층만. 기존 refs/리스너/state 에 무영향 ----
+    (function initTabs() {
+        const tabButtons = Array.from(document.querySelectorAll('.tab'));
+        const sections = Array.from(document.querySelectorAll('.section'));
+        if (tabButtons.length === 0) return;
+        const valid = new Set(tabButtons.map((b) => b.dataset.tab));
+        function setActiveTab(tab) {
+            tabButtons.forEach((b) => b.classList.toggle('active', b.dataset.tab === tab));
+            // 숨김만(hidden) — DOM 제거 X. renderState 는 숨겨진 입력에도 값을 채운다.
+            sections.forEach((s) => { s.hidden = s.dataset.tab !== tab; });
+            try { const st = vscode.getState() || {}; vscode.setState({ ...st, activeTab: tab }); } catch (e) { /* noop */ }
+        }
+        tabButtons.forEach((b) => b.addEventListener('click', () => setActiveTab(b.dataset.tab)));
+        let initial = 'model';
+        try { const saved = (vscode.getState() || {}).activeTab; if (saved && valid.has(saved)) initial = saved; } catch (e) { /* noop */ }
+        if (!valid.has(initial)) initial = tabButtons[0].dataset.tab;
+        setActiveTab(initial);
+    })();
+
     vscode.postMessage({ type: 'ready' });
 })();

media/sidebar.css

@@ -1037,6 +1037,17 @@
             border-left: 2px solid var(--accent);
             background: rgba(99,102,241,0.04);
         }
+        .company-alignment-card .cal-self-research {
+            margin-top: 6px; padding: 6px 8px;
+            border-left: 2px solid #22c55e;
+            background: rgba(34,197,94,0.05);
+        }
+        .company-alignment-card .cal-self-research ul {
+            margin: 4px 0 4px 16px; padding: 0;
+        }
+        .company-alignment-card .cal-self-research li {
+            margin-bottom: 2px; color: var(--text-primary);
+        }
         .company-alignment-card .cal-q-head {
             font-weight: 600; color: var(--text-bright); margin-bottom: 4px;
         }

media/sidebar.js

@@ -416,10 +416,15 @@
             if (s.lmStudioError) {
                 segs.push(`<span class="rb-seg bad" title="${escAttr(s.lmStudioError)}">⚠ LM Studio 로드 실패</span>`);
             }
+            // 환경 전제 조건 경고 (Bridge·두뇌 볼륨·자격증명·확장 버전) — 전체 목록은 hover.
+            if (Array.isArray(s.healthWarnings) && s.healthWarnings.length > 0) {
+                segs.push(`<span class="rb-seg bad" title="${escAttr(s.healthWarnings.join('\n'))}">⚠ 환경 ${s.healthWarnings.length}건</span>`);
+            }
             rbContent.innerHTML = segs.join('<span class="rb-sep">·</span>');
             if (rbDot) {
                 const on = s.engine && s.engine.online;
-                rbDot.className = 'rb-dot ' + (on === true ? 'ok' : on === false ? 'bad' : 'warn');
+                const hasEnvWarn = Array.isArray(s.healthWarnings) && s.healthWarnings.length > 0;
+                rbDot.className = 'rb-dot ' + (on === false ? 'bad' : hasEnvWarn ? 'warn' : on === true ? 'ok' : 'warn');
             }
         }
 
@@ -1205,6 +1210,31 @@
                     summary.appendChild(dl('형식', c.format));
                     card.appendChild(summary);
 
+                    // ── 자가 조사로 해결된 항목 — 묻기 전에 두뇌에서 스스로 찾은 답 ──
+                    const SELF_RESEARCH_PREFIX = '(자가 조사로 두뇌에서 확인) ';
+                    if (Array.isArray(c.answeredQuestions)) {
+                        const selfResearched = c.answeredQuestions
+                            .filter((qa) => qa && typeof qa.a === 'string' && qa.a.startsWith(SELF_RESEARCH_PREFIX))
+                            .slice(0, 3);
+                        if (selfResearched.length > 0) {
+                            const srBlock = document.createElement('div');
+                            srBlock.className = 'cal-self-research';
+                            const srHead = document.createElement('div');
+                            srHead.className = 'cal-q-head';
+                            srHead.textContent = '🔎 스스로 확인한 정보 (두뇌 검색):';
+                            srBlock.appendChild(srHead);
+                            const srUl = document.createElement('ul');
+                            for (const qa of selfResearched) {
+                                const li = document.createElement('li');
+                                const ans = qa.a.slice(SELF_RESEARCH_PREFIX.length);
+                                li.textContent = `${qa.q} → ${ans.length > 150 ? ans.slice(0, 150) + '…' : ans}`;
+                                srUl.appendChild(li);
+                            }
+                            srBlock.appendChild(srUl);
+                            card.appendChild(srBlock);
+                        }
+                    }
+
                     // ── 미해결 질문 ──
                     if (Array.isArray(c.openQuestions) && c.openQuestions.length > 0 && v.kind === 'questions') {
                         const qBlock = document.createElement('div');

package-lock.json

@@ -1,12 +1,12 @@
 {
   "name": "astra",
-  "version": "2.2.154",
+  "version": "2.2.250",
   "lockfileVersion": 3,
   "requires": true,
   "packages": {
     "": {
       "name": "astra",
-      "version": "2.2.203",
+      "version": "2.2.250",
       "license": "MIT",
       "dependencies": {
         "@lmstudio/sdk": "^1.5.0",

package.json

@@ -2,7 +2,7 @@
   "name": "astra",
   "displayName": "Astra",
   "description": "The personal intelligence layer for Antigravity and VS Code. A private cognitive partner for deep project context, memory, and proactive strategic decision-making.",
-  "version": "2.2.203",
+  "version": "2.2.253",
   "publisher": "g1nation",
   "license": "MIT",
   "icon": "assets/icon.png",
@@ -42,6 +42,46 @@
         "title": "Astra: New Chat",
         "icon": "$(add)"
       },
+      {
+        "command": "g1nation.eval.retrieval",
+        "title": "Astra: 검색 평가 실행 (recall@k / MRR)"
+      },
+      {
+        "command": "g1nation.eval.tasks",
+        "title": "Astra: 업무 평가 실행 (회의록 골든셋)"
+      },
+      {
+        "command": "g1nation.growth.report",
+        "title": "Astra: 성장 리포트 (Reflection 추이)"
+      },
+      {
+        "command": "g1nation.growth.learningQueue",
+        "title": "Astra: 학습 큐 갱신 (Need Engine)"
+      },
+      {
+        "command": "g1nation.knowledge.decayAudit",
+        "title": "Astra: 지식 노후 점검 (Knowledge Decay)"
+      },
+      {
+        "command": "g1nation.research.runQueue",
+        "title": "Astra: 학습 실행 (Research Agent — 승인된 큐 항목)"
+      },
+      {
+        "command": "g1nation.growthCycle.runNow",
+        "title": "Astra: 주간 성장 사이클 지금 실행 (평가→학습큐→노후점검→승인분 실행)"
+      },
+      {
+        "command": "g1nation.embeddings.backfill",
+        "title": "Astra: 두뇌 임베딩 전체 색인"
+      },
+      {
+        "command": "g1nation.sleepDigest.runNow",
+        "title": "Astra: 지식 사전 소화 지금 실행 (Sleep-time Digest)"
+      },
+      {
+        "command": "g1nation.conflictScan.runNow",
+        "title": "Astra: 지식 충돌 스캔 지금 실행 (신규 문서 ↔ 기존 지식)"
+      },
       {
         "command": "g1nation.exportChat",
         "title": "Astra: Export Chat as Markdown"
@@ -204,10 +244,29 @@
           "default": false,
           "description": "Enable Multi-Agent Workflow (Planner -> Researcher -> Writer) for complex tasks."
         },
+        "g1nation.datacollectBridgeTarget": {
+          "type": "string",
+          "enum": [
+            "local",
+            "nas"
+          ],
+          "default": "local",
+          "markdownDescription": "Datacollect 백엔드(Bridge)를 어디로 보낼지 선택. **`local`**(기본) = `g1nation.datacollectBridgeUrl`(로컬 `npm run bridge`). **`nas`** = `g1nation.datacollectBridgeNasUrl`(NAS의 경량 Bridge). `nas`인데 URL이 비어 있으면 안전하게 로컬로 폴백합니다."
+        },
         "g1nation.datacollectBridgeUrl": {
           "type": "string",
           "default": "http://127.0.0.1:3002",
-          "description": "Wiki/Datacollect MCP Bridge URL. /research, /benchmark, /youtube chat slash commands route here. The Bridge must be running (`npm run bridge` in the Datacollect project)."
+          "description": "[local 타깃] Wiki/Datacollect MCP Bridge URL. /benchmark, /youtube, /wikify chat slash commands route here. The Bridge must be running (`npm run bridge` in the Datacollect project)."
+        },
+        "g1nation.datacollectBridgeNasUrl": {
+          "type": "string",
+          "default": "",
+          "markdownDescription": "[nas 타깃] NAS에서 도는 경량 Bridge URL (예: `https://your-nas-domain` 또는 `http://nas-ip:3002`). `datacollectBridgeTarget`을 `nas`로 두면 여기로 호출합니다. 비워두면 로컬로 폴백."
+        },
+        "g1nation.datacollectBridgeNasToken": {
+          "type": "string",
+          "default": "",
+          "markdownDescription": "[nas 타깃] NAS Bridge가 요구하는 `x-bridge-token` 값(Bridge의 `BRIDGE_AUTH_TOKEN`과 일치). `nas` 타깃일 때만 요청 헤더에 실립니다. 로컬 타깃에는 영향 없음."
         },
         "g1nation.datacollectSavePath": {
           "type": "string",
@@ -252,6 +311,53 @@
           "default": false,
           "markdownDescription": "`/meet` 액션 아이템을 **Google Calendar** 일정(all-day)으로도 등록할지 여부. **기본 `false`** — Tasks 단독 등록으로 중복 방지 (Tasks 도 캘린더 사이드바에 같이 보이므로 둘 다 켜면 중복). true 로 켜면 Tasks + Calendar 양쪽 모두 등록."
         },
+        "g1nation.meetVerifyPass": {
+          "type": "boolean",
+          "default": false,
+          "markdownDescription": "`/meet` 회의록 생성 후 **검증 패스** 실행 여부. 결정 사항·액션 아이템을 녹취록(또는 추출 노트)과 LLM 으로 대조해, 근거를 못 찾는 항목을 `⚠️ 검증 결과` 섹션으로 표시한다 (날조 검출). LLM 호출이 1회 추가되어 그만큼 느려짐 — 중요한 회의에만 켜는 것을 권장."
+        },
+        "g1nation.dailyBriefing.enabled": {
+          "type": "boolean",
+          "default": true,
+          "markdownDescription": "**데일리 브리핑** — 평일(월~금) 지정 시각에 오늘의 캘린더 일정 + Google Tasks(오늘 마감·기한 경과·조건부 대기)를 텔레그램으로 발송. 텔레그램 봇 토큰·allowedChatIds·캘린더 연결이 돼 있어야 실제 발송되며, 미연결이면 조용히 건너뜀."
+        },
+        "g1nation.dailyBriefing.time": {
+          "type": "string",
+          "default": "09:30",
+          "markdownDescription": "데일리 브리핑 발송 시각 (KST, `HH:MM`). 기본 `09:30`."
+        },
+        "g1nation.sleepDigest.enabled": {
+          "type": "boolean",
+          "default": true,
+          "markdownDescription": "**Sleep-time 지식 사전 소화** — 매일 지정 시각(유휴 시간)에 최근 7일 내 변경된 두뇌 지식을 폴더별 '소화 노트'(`<두뇌>/Digests/`)로 변환합니다 (런당 최대 5건, 소스 미변경 시 skip). 소화 노트는 예상 질의 Q&A·핵심 사실·문서 간 연결을 담아 RAG 검색 품질을 높입니다. 원문이 항상 우선 — 노트는 삭제해도 안전 (자동 재생성). 근거: sleep-time compute (arXiv 2504.13171)."
+        },
+        "g1nation.sleepDigest.time": {
+          "type": "string",
+          "default": "03:00",
+          "markdownDescription": "사전 소화 실행 시각 (KST, `HH:MM`). 기본 `03:00` — VS Code 가 켜져 있는 유휴 시간 권장."
+        },
+        "g1nation.growthCycle.enabled": {
+          "type": "boolean",
+          "default": true,
+          "markdownDescription": "**주간 성장 사이클** — 매주 지정 요일·시각에 검색 평가(골든셋)→학습 큐 갱신(Need Engine)→지식 노후 점검→성장 리포트→승인된 학습 자동 실행(Research Agent, 사이클당 최대 3건)을 자동 수행하고 요약을 알림(+텔레그램). 승인(approved) 자체는 여전히 사람이 — 자동화되는 것은 '승인된 항목의 실행'뿐."
+        },
+        "g1nation.growthCycle.day": {
+          "type": "number",
+          "default": 0,
+          "minimum": 0,
+          "maximum": 6,
+          "markdownDescription": "주간 성장 사이클 실행 요일 (0=일 … 6=토). 기본 0(일요일)."
+        },
+        "g1nation.growthCycle.time": {
+          "type": "string",
+          "default": "20:00",
+          "markdownDescription": "주간 성장 사이클 실행 시각 (KST, `HH:MM`). 기본 `20:00`."
+        },
+        "g1nation.growthCycle.autoRunApproved": {
+          "type": "boolean",
+          "default": true,
+          "markdownDescription": "사이클에서 **approved 상태의 학습 큐 항목**을 Research Agent 로 자동 실행할지 (사이클당 최대 3건). 끄면 사이클은 측정·식별만 하고 실행은 수동 명령으로."
+        },
         "g1nation.teamVoiceGuide": {
           "type": "string",
           "default": "",
@@ -547,14 +653,26 @@
         "g1nation.embeddingModel": {
           "type": "string",
           "default": "",
-          "description": "Embedding model registered in LM Studio / Ollama (e.g. 'text-embedding-bge-small-en-v1.5', 'nomic-embed-text', 'multilingual-e5-small'). When empty, Astra uses TF-IDF only. When set, the brain is embedded lazily in the background and retrieval blends TF-IDF + cosine similarity for synonym / paraphrase matching. Multilingual models are recommended for Korean content."
+          "description": "Embedding model registered in LM Studio / Ollama (e.g. 'text-embedding-nomic-embed-text-v1.5', 'multilingual-e5-small'). When empty, Astra auto-detects one from the engine's model list on startup (any model whose name contains 'embed') and enables hybrid retrieval; clear the value after auto-detection to keep it off. When set, the brain is embedded lazily in the background and retrieval blends TF-IDF + cosine similarity for synonym / paraphrase matching. Multilingual models are recommended for Korean content."
         },
         "g1nation.embeddingBlendAlpha": {
           "type": "number",
           "default": 0.5,
           "minimum": 0,
           "maximum": 1,
-          "description": "Hybrid score blend: 0 = pure TF-IDF (sparse / keyword), 1 = pure embedding cosine (dense / semantic), 0.5 = balanced. Only used when g1nation.embeddingModel is set. Default 0.5."
+          "description": "Hybrid score blend: 0 = pure TF-IDF (sparse / keyword), 1 = pure embedding cosine (dense / semantic), 0.5 = balanced. Only used when g1nation.embeddingModel is set. Default 0.5 — measured on the golden set (24 queries, nomic-embed v1.5): recall@3 83.3%→87.5%, MRR 0.802→0.806, no regression at recall@1; higher values trade recall@1 for recall@5."
+        },
+        "g1nation.chunkLevelRetrieval": {
+          "type": "boolean",
+          "default": true,
+          "description": "섹션 청크 단위 검색 (Phase 1-가). 두뇌 검색이 파일이 아니라 '##' 헤딩 기준 섹션 청크 단위로 색인·스코어링하고 매치된 섹션을 주입합니다. 골든셋 측정에서 파일 단위 대비 recall@1 12.5%→75.0% · MRR 0.217→0.802 로 검증되어 기본 켜짐(v2.2.218). 문제 시 끄고 '검색 평가 실행'으로 비교 가능."
+        },
+        "g1nation.chunkTargetChars": {
+          "type": "number",
+          "default": 1200,
+          "minimum": 400,
+          "maximum": 4000,
+          "description": "섹션 청크의 목표 길이(문자). 섹션이 이보다 길면 문단 경계로 더 쪼갭니다. chunkLevelRetrieval 가 켜져 있을 때만 사용. 값을 바꾸면 다음 검색 때 청크 색인이 재생성됩니다. 기본 1200."
         },
         "g1nation.conflictHighlightingEnabled": {
           "type": "boolean",
@@ -563,7 +681,11 @@
         },
         "g1nation.conflictSeverityThreshold": {
           "type": "string",
-          "enum": ["low", "medium", "high"],
+          "enum": [
+            "low",
+            "medium",
+            "high"
+          ],
           "default": "medium",
           "description": "Conflict 자기-신호 surface 시 최소 severity 임계. low=가장 민감(노이즈 가능), medium=균형(기본), high=강한 충돌만."
         },
@@ -577,6 +699,46 @@
           "default": true,
           "description": "Chain-of-Verification (CoVe) — 답변 *작성 전* 그라운딩 체크리스트를 시스템 프롬프트에 주입해 모델이 self-verify 하도록. 할루시네이션 방지 + 출처 명확화. 기본 켜짐."
         },
+        "g1nation.requirementGraphEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Requirement Graph — 업무 유형(회의록/시장조사/업무조사/일정) 감지 시 필수 요소 체크리스트를 시스템 프롬프트에 주입. 필수 요소 누락 방지. 기본 켜짐."
+        },
+        "g1nation.requirementCoverageEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Requirement Coverage Check — 답변 완료 후 업무 필수 요소 커버리지를 결정론적(정규식)으로 검사, 누락 가능 요소를 footer 한 줄로 표시. LLM 호출 없음. 기본 켜짐."
+        },
+        "g1nation.epistemicGuardEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Epistemic Guard — 모름/추정/확실 3분류를 강제하는 시스템 프롬프트 블록. 검색 근거 없는 turn 에서 단정 금지 + 원자료 역질문 우선. 환각 방지. 기본 켜짐."
+        },
+        "g1nation.confidenceEngineEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Confidence Engine — 답변 확신도 0~100 을 검색 그라운딩·출처 인용·충돌·커버리지 신호로 결정론적 산출, 업무 답변 아래 footer 표시. LLM 호출 없음. 기본 켜짐."
+        },
+        "g1nation.escalationEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Escalation Engine — 확신도 낮음/출처 충돌/조사 출처 누락 시 footer 로 사람 검토를 명시적으로 요청. confidenceEngine 에 종속. 기본 켜짐."
+        },
+        "g1nation.criticLoopEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Critic Loop — 커버리지 누락 또는 확신도<70 인 업무 답변에만 LLM 검수 1회 실행, 발견 이슈와 보완 제안을 footer 카드로 표시. 깨끗한 답변에는 안 돌아 latency 영향 최소. 기본 켜짐."
+        },
+        "g1nation.reflectionEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Reflection — 업무 turn 회고(확신도·누락 요소·에스컬레이션)를 두뇌 .astra/growth/reflections.jsonl 에 기록. 반복 누락 요소는 다음 turn 의 필수 요소 체크리스트에 강조된다 (같은 실수 반복 방지). 기본 켜짐."
+        },
+        "g1nation.orgMemoryEnabled": {
+          "type": "boolean",
+          "default": true,
+          "description": "Organizational Memory — 두뇌 .astra/organization.md 의 조직 규칙·업무 방식·선호를 시스템 프롬프트에 항상 주입. 파일을 직접 편집하면 다음 turn 부터 반영. 파일 없으면 동작 안 함. 기본 켜짐."
+        },
         "g1nation.coveTopSourcesCount": {
           "type": "number",
           "default": 5,
@@ -615,7 +777,10 @@
         },
         "g1nation.distillationArchiveMode": {
           "type": "string",
-          "enum": ["mark-promoted", "archive-file"],
+          "enum": [
+            "mark-promoted",
+            "archive-file"
+          ],
           "default": "mark-promoted",
           "description": "Distillation 후 원본 episode 처리: 'mark-promoted'=플래그만 (파일 보존, 기본), 'archive-file'=memory/episodes/archive/ 로 파일 이동."
         },
@@ -655,7 +820,11 @@
         },
         "g1nation.intentClarificationStrictness": {
           "type": "string",
-          "enum": ["low", "medium", "high"],
+          "enum": [
+            "low",
+            "medium",
+            "high"
+          ],
           "default": "medium",
           "description": "모호 판정 임계. low=가장 덜 묻기(2개+ missing), medium=균형(1개+), high=가장 자주 묻기 (1개+ OR 짧은 질의+trigger)."
         },
@@ -757,8 +926,8 @@
             "plain",
             "markdown"
           ],
-          "default": "plain",
+          "default": "markdown",
-          "markdownDescription": "최종 답변 표시 방식.\n\n- `plain` (기본): 모델이 무심코 내보낸 마크다운 마커(`##`, `**`, `__`, `> `, `* ` 등)를 후처리로 모두 제거. 섹션 라벨 텍스트(예: `핵심 요약`)는 유지되지만 헤더 마커는 사라져 깔끔한 plain text 로 보임. 작은 로컬 모델이 학습된 습관으로 `## 다음 한 수` 같은 마커를 흘리는 문제 차단.\n- `markdown`: legacy 동작. 모델 출력을 그대로 렌더러에 넘김."
+          "markdownDescription": "최종 답변 표시 방식.\n\n- `markdown` (기본): 모델 출력을 그대로 렌더러에 넘김 — 채팅 UI 가 마크다운을 렌더하므로 `##` 제목이 크게, `**` 강조가 굵게 표시되어 가독성이 좋음.\n- `plain`: 마크다운 마커(`##`, `**`, `__`, `> `, `* ` 등)를 후처리로 모두 제거. 제목/본문이 같은 크기의 평문이 됨 — 답변을 평문으로 복사해 쓰는 워크플로 전용. (작은 로컬 모델의 마커 누수 차단 용도였으나 채팅 가독성을 해쳐 기본에서 제외)"
         },
         "g1nation.chronicleAutoRecord": {
           "type": "boolean",
@@ -797,6 +966,21 @@
           "default": 3,
           "description": "Maximum back-and-forth rounds the Intent Alignment analyzer is allowed to ask before forcing a 'confirm or cancel' card (it stops asking new questions and shows the current contract for user approval). Each round = one LLM call. Default 3."
         },
+        "g1nation.web.autoFetchUrls": {
+          "type": "boolean",
+          "default": true,
+          "description": "URL 자동 수집 — 메시지에 http(s) 링크가 있으면 답변 생성 전에 페이지 본문을 가져와 모델에게 전달합니다 (일반 챗·기업 모드·Intent Alignment 공통). Datacollect Bridge가 켜져 있으면 고품질 추출을 우선 사용하고, 꺼져 있으면 확장이 직접 페이지를 가져옵니다. 끄면 모델이 링크 내용을 알 수 없습니다."
+        },
+        "g1nation.company.alignmentSelfResearch": {
+          "type": "boolean",
+          "default": true,
+          "description": "Alignment 자가 조사 — 분석기가 만든 질문을 사용자에게 보여주기 전에 두뇌(지식 폴더)를 먼저 검색해 스스로 답할 수 있는 질문을 걸러냅니다. 두뇌에서 답을 찾은 항목은 '(자가 조사로 두뇌에서 확인)' 표시와 함께 contract에 반영되고, 정말 모르는 질문만 카드에 노출됩니다. 질문이 있을 때만 LLM 1회가 추가됩니다."
+        },
+        "g1nation.company.alignmentKnowledgeSave": {
+          "type": "boolean",
+          "default": true,
+          "description": "Alignment 학습 루프 — 사용자가 alignment 라운드에서 직접 답해준 Q/A를 두뇌의 'Alignment Knowledge' 폴더에 노트로 저장합니다. 다음 turn의 자가 조사가 이 노트를 발견해 같은 질문을 두 번 묻지 않게 됩니다. 20자 미만의 짧은 답과 자가 조사 항목은 저장하지 않습니다."
+        },
         "g1nation.selfReflector.enabled": {
           "type": "boolean",
           "default": false,

scripts/compact_brain_index.mjs

@@ -0,0 +1,40 @@
+/**
+ * brain-index.json 일괄 압축 — 기존 full-precision 임베딩 벡터를 소수 4자리로 양자화.
+ *
+ * 양자화 저장(quantizeVector)이 들어가기 *전에* 백필된 벡터를 줄이는 1회성 도구.
+ * 이후 신규 벡터는 저장 시점에 양자화되므로 다시 돌릴 일은 드물다.
+ *
+ *   node --max-old-space-size=8192 scripts/compact_brain_index.mjs "E:/Wiki/2nd/10_Wiki/Topics/.astra/brain-index.json"
+ */
+import fs from 'fs';
+
+const file = process.argv[2];
+if (!file || !fs.existsSync(file)) {
+    console.error('사용법: node compact_brain_index.mjs <brain-index.json 경로>');
+    process.exit(1);
+}
+
+const before = fs.statSync(file).size;
+console.log(`읽는 중… (${(before / 1e6).toFixed(0)} MB)`);
+const idx = JSON.parse(fs.readFileSync(file, 'utf8'));
+
+const q = (v) => Math.round(v * 10000) / 10000;
+let files = 0, chunks = 0;
+for (const entry of Object.values(idx.entries || {})) {
+    if (Array.isArray(entry?.embedding)) {
+        entry.embedding = entry.embedding.map(q);
+        files++;
+    }
+    for (const ch of entry?.chunks || []) {
+        if (Array.isArray(ch?.embedding)) {
+            ch.embedding = ch.embedding.map(q);
+            chunks++;
+        }
+    }
+}
+
+const tmp = file + '.compact-tmp';
+fs.writeFileSync(tmp, JSON.stringify(idx));
+fs.renameSync(tmp, file);
+const after = fs.statSync(file).size;
+console.log(`완료: 파일벡터 ${files} · 청크벡터 ${chunks} · ${(before / 1e6).toFixed(0)} MB → ${(after / 1e6).toFixed(0)} MB`);

src/agent.ts

@@ -19,6 +19,12 @@ import { TransactionManager } from './core/transaction';
 import { SessionManager } from './core/session';
 import { AgentWorkflowManager } from './agents/AgentWorkflowManager';
 import { buildAstraModeArchitectureContext } from './lib/contextBuilders/astraModeArchitecture';
+import { isScheduleRequest, buildScheduleContext } from './lib/contextBuilders/scheduleContext';
+import { isSelfAssessRequest, isAboutSelf, buildSelfAssessContext } from './lib/contextBuilders/selfAssessContext';
+import { ensureFeatureInventory } from './extension/featureInventory';
+import { buildUrlContext } from './lib/contextBuilders/urlContext';
+import { extractUrls } from './features/web/webFetch';
+import { looksLikeCorrection, captureCorrection } from './intelligence/correctionLoop';
 import { shouldUseMultiAgentWorkflow } from './lib/contextBuilders/multiAgentRouting';
 import { buildThinkingPartnerResponseContract } from './lib/contextBuilders/thinkingPartnerContract';
 import { buildDroppedHistorySummary } from './lib/contextBuilders/droppedHistorySummary';
@@ -31,6 +37,7 @@ import {
     isExplicitSecondBrainRequest,
     isSecondBrainInventoryRequest,
     isNoBrainDataRefusal,
+    isAnalysisRequest,
 } from './lib/contextBuilders/promptDetection';
 import { stripAstraFormattingForAgentMode, computeModeSignature } from './lib/contextBuilders/systemPromptShaping';
 import { sanitizeAssistantContent, isRestartedAnswer, parseRationale } from './lib/contextBuilders/outputSanitization';
@@ -150,6 +157,7 @@ import { applyFileCreateEditActions } from './agent/actions/fileCreateEdit';
 import { applyFileDeleteReadActions } from './agent/actions/fileDeleteRead';
 import { applyRunCommandActions } from './agent/actions/runCommand';
 import { applyListFilesActions } from './agent/actions/listFiles';
+import { applyWebFetchActions } from './agent/actions/webFetch';
 import { applyBrainOpsActions } from './agent/actions/brainOps';
 import { applyCalendarActions } from './agent/actions/calendar';
 import { applySheetsActions } from './agent/actions/sheets';
@@ -300,12 +308,15 @@ export class AgentExecutor {
         dynamicBlocks: Map<string, string>;
         /** Self-check 용 — selected chunks 의 (title, content) 요약. memoryContext 가 채움. */
         selfCheckSources: Array<{ title: string; excerpt: string }>;
+        /** Confidence Engine 검색 신호 (Phase 2) — memoryContext 가 채움. */
+        confidenceSignals: import('./intelligence/confidenceEngine').RetrievalConfidenceSignals | null;
     } = {
         retrieval: null,
         lessons: [],
         knowledgeMix: null,
         dynamicBlocks: new Map(),
         selfCheckSources: [],
+        confidenceSignals: null,
     };
 
     /** Per-turn state 일괄 정리. turn 시작/abort/load session 시 호출. */
@@ -315,6 +326,7 @@ export class AgentExecutor {
         this._turnCtx.knowledgeMix = null;
         this._turnCtx.dynamicBlocks.clear();
         this._turnCtx.selfCheckSources = [];
+        this._turnCtx.confidenceSignals = null;
     }
 
     private readonly options: AgentExecutorOptions;
@@ -501,7 +513,7 @@ export class AgentExecutor {
                 : getActiveBrainProfile();
             // Per-turn context blocks → src/agent/handlePrompt/buildTurnContextBlocks.ts
             const {
-                contextBlock,
+                contextBlock: baseContextBlock,
                 brainContext,
                 brainInventoryCtx,
                 brainFiles,
@@ -519,6 +531,89 @@ export class AgentExecutor {
                 rootPath,
             });
             void brainPreview;
+            // [일정/할일 실데이터] "오늘 업무 목록" 류 질의는 RAG(두뇌)가 아니라
+            // Google Calendar/Tasks 가 진실의 원천 — 감지 시 실데이터 블록을 주입.
+            // 미주입 시 모델이 모른다고 하거나 지어내는 문제의 수정.
+            let contextBlock = baseContextBlock;
+            if (prompt && loopDepth === 0 && !isCasualConversation && isScheduleRequest(prompt)) {
+                try {
+                    contextBlock += `\n\n${await buildScheduleContext(this.context, prompt)}`;
+                } catch (e: any) {
+                    logError('Schedule context 주입 실패 (계속 진행).', { error: e?.message ?? String(e) });
+                }
+            }
+
+            // [자기 평가 정본 주입] 기능 개선/자기 평가 질의는 RAG 경쟁에 맡기지 않고
+            // 현행 기능 인벤토리를 결정론적으로 주입 — 모델이 검색 없이 기억으로 답해
+            // 이미 있는 기능을 신규 제안하던 구식화 버그(3회 재발)의 마지막 구멍 봉쇄.
+            if (prompt && loopDepth === 0 && !isCasualConversation && activeBrain?.localBrainPath
+                && (isSelfAssessRequest(prompt) || (isAnalysisRequest(prompt) && isAboutSelf(prompt)))) {
+                try {
+                    // 인벤토리 lazy 재생성 — 활성화 시 1회 생성은 brain 볼륨이 늦게
+                    // 마운트되면 조용히 건너뛰어 파일이 영영 없는 상태가 됐다 (그 결과
+                    // "파일 없음" 안내만 주입돼 모델이 구현 여부를 알 수 없었음).
+                    // 질의 시점에 한 번 더 보장. idempotent — 있으면 즉시 return.
+                    await ensureFeatureInventory(this.context);
+                    const selfAssessBlock = buildSelfAssessContext(activeBrain.localBrainPath);
+                    contextBlock += `\n\n${selfAssessBlock}`;
+                    // 성공 로그 필수 — "주입이 됐는데 모델이 무시" vs "주입 자체가 안 됨"을
+                    // 구분 못 해 같은 버그를 3번 쫓았다. 실패 모드는 관측 가능해야 한다.
+                    logInfo('자기 평가 인벤토리 주입.', { chars: selfAssessBlock.length, promptPreview: prompt.slice(0, 60) });
+                } catch (e: any) {
+                    logError('자기 평가 컨텍스트 주입 실패 (계속 진행).', { error: e?.message ?? String(e) });
+                }
+            }
+
+            // [근거 기반 분석 강제] 분석/검토/의견형 요청인데 모델이 코드를 읽지 않고
+            // "~로 보입니다" 추측으로 답하는 실패 모드 차단. 워크스페이스가 열려 있으면
+            // "주장 전에 read_file 로 실제 확인하라"는 지시를 주입 — 강제 주입 패턴의
+            // 5번째 적용 (일정→캘린더, 자기평가→인벤토리, 정정→캡처, URL→실데이터와 동일).
+            if (prompt && loopDepth === 0 && !isCasualConversation && isAnalysisRequest(prompt)
+                && vscode.workspace.workspaceFolders?.length) {
+                contextBlock += `\n\n[근거 기반 분석 규칙 — 이 요청은 분석/검토형]
+- 이 워크스페이스의 코드·문서·기능에 대한 주장은 *이 대화에서 실제로 읽은 파일*에만 근거하라.
+- 확인하지 않은 구현을 "~로 보입니다", "~일 것입니다"라고 추측 서술하는 것은 금지. 먼저 <list_files path="..."/> 와 <read_file path="..."/> 태그로 관련 파일을 직접 열어 확인한 뒤 답하라. 태그를 emit 하면 시스템이 파일 내용을 주입하고 자동으로 이어서 답변하게 된다.
+- ⚠️ "소스 코드 확인이 필요합니다"라고 말만 하고 끝내는 것은 금지다. 확인이 필요하다고 판단했다면 *바로 이 답변 안에서* <list_files>/<read_file> 태그를 emit 하라 — 그것이 확인하는 방법이다. 태그로 접근 불가능한 대상(외부 시스템·미설치 도구 등)에 한해서만 "확인하지 못함"으로 명시하라.
+- "X 기능을 추가하라"고 제안하기 전에 그 기능이 이미 구현돼 있는지 해당 모듈을 찾아 읽어라. 이미 있는 기능을 새로 만들라고 제안하는 것은 잘못된 분석이다.
+- 일반론·추측으로 빈칸을 채우지 마라.`;
+            }
+
+            // [URL 실데이터] 채팅 프롬프트에 URL 이 있으면 본문을 추출해 주입.
+            // /wikify 만 URL 접근이 가능하고 일반 채팅은 "접근 불가"라고 답하던 공백 수정.
+            // v2: Bridge 추출 → 직접 fetch 폴백 (urlContext 내부) + 최대 2개 URL + config 게이트.
+            if (prompt && loopDepth === 0 && !isCasualConversation && getConfig().webAutoFetchEnabled !== false) {
+                const urls = extractUrls(prompt, 2);
+                for (const url of urls) {
+                    try {
+                        contextBlock += `\n\n${await buildUrlContext(url)}`;
+                        logInfo('URL 컨텍스트 주입 시도.', { url });
+                    } catch (e: any) {
+                        logError('URL 컨텍스트 주입 실패 (계속 진행).', { error: e?.message ?? String(e) });
+                    }
+                }
+            }
+
+            // [Correction Loop ①] 이 발화가 직전 답변에 대한 *정정*이면 fire-and-forget
+            // 캡처 — 오류 분류 → 태깅 레슨 + 회귀 케이스(.astra/eval/corrections.jsonl).
+            // 정정 자체가 Ground Truth 가 되어 주간 회귀 테스트·약점 프로필의 원료가 된다.
+            // 턴 응답을 막지 않는다 (await 없음).
+            if (prompt && loopDepth === 0 && activeBrain?.localBrainPath && looksLikeCorrection(prompt)) {
+                const visible = this.chatHistory.filter(m => !m.internal);
+                const lastAssistant = [...visible].reverse().find(m => m.role === 'assistant');
+                const lastUserIdx = lastAssistant ? visible.lastIndexOf(lastAssistant) - 1 : -1;
+                const priorQuestion = lastUserIdx >= 0 && visible[lastUserIdx]?.role === 'user' ? visible[lastUserIdx].content : '';
+                if (lastAssistant && priorQuestion) {
+                    void captureCorrection({
+                        brainPath: activeBrain.localBrainPath,
+                        question: priorQuestion,
+                        wrongAnswer: lastAssistant.content,
+                        correction: prompt,
+                        llm: { baseUrl: config.ollamaUrl, model: configDefaultModel },
+                    }).then(file => {
+                        if (file) logInfo('Correction Loop: 정정 캡처 완료.', { lesson: file });
+                    }).catch((e: any) => logError('Correction Loop 캡처 실패 (무시).', { error: e?.message ?? String(e) }));
+                }
+            }
 
             // 2. Setup History
             if (prompt !== null) {
@@ -650,6 +745,7 @@ export class AgentExecutor {
                     negativeCtx,
                     actualModel,
                     contextLength: config.contextLength,
+                    dynamicBlocks: this._turnCtx.dynamicBlocks,
                 })
                 : buildAstraModeSystemPrompt({
                     prompt,
@@ -1022,6 +1118,35 @@ export class AgentExecutor {
                 continuationCount = _cont.continuationCount;
                 if (this.isStaleRun(runId)) return;
             }
+            // (c2) 한·영 깨진 토큰 수리 — "덩어리"→"덩ey" 류 토큰 붕괴를 결정론 감지
+            // 후 1회 수리 패스로 복원. 검증 미통과 시 원문 유지 (악화 방지).
+            if (loopDepth === 0 && cleaned.visible && !this.abortController?.signal.aborted) {
+                try {
+                    const { findBrokenHangulTokens, repairBrokenHangul } = await import('./agent/hangulHygiene');
+                    const broken = findBrokenHangulTokens(cleaned.visible);
+                    if (broken.length > 0) {
+                        this.webview.postMessage({ type: 'autoContinue', value: '표기 오류 교정 중…' });
+                        const repaired = await repairBrokenHangul(cleaned.visible, broken, async (system, user, maxTokens) => {
+                            const r = await this.callNonStreaming({
+                                baseUrl: ollamaUrl, modelName: actualModel, engine,
+                                messages: [{ role: 'system', content: system }, { role: 'user', content: user }],
+                                temperature: 0.1, maxTokens, contextLength: ctxLimits.contextLength,
+                                signal: this.abortController?.signal,
+                            });
+                            return r.text;
+                        });
+                        if (repaired) {
+                            logInfo('한·영 깨진 토큰 수리 완료.', { broken: broken.slice(0, 5), before: cleaned.visible.length, after: repaired.length });
+                            cleaned = { ...cleaned, visible: repaired };
+                        } else {
+                            logInfo('한·영 깨진 토큰 감지 — 수리 검증 미통과, 원문 유지.', { broken: broken.slice(0, 5) });
+                        }
+                    }
+                } catch (e: any) {
+                    logError('한글 위생 수리 실패 (원문 유지).', { error: e?.message ?? String(e) });
+                }
+            }
+
             // 답변 sanitize / policy enforcement → src/agent/handlePrompt/processFinalAnswer.ts
             const _finalProc = processFinalAnswer({
                 visibleAnswer: cleaned.visible,
@@ -1221,9 +1346,13 @@ export class AgentExecutor {
                     contextLength: ctxLimits.contextLength,
                     engine,
                     selfCheckSources: this._turnCtx.selfCheckSources,
+                    confidenceSignals: this._turnCtx.confidenceSignals,
                     callNonStreaming: (p) => this.callNonStreaming(p),
                     getAbortSignal: () => this.abortController?.signal,
                     getWebview: () => this.webview,
+                    getBrainPath: () => {
+                        try { return getActiveBrainProfile()?.localBrainPath; } catch { return undefined; }
+                    },
                 });
             } else {
                 this.webview.postMessage({ type: 'streamChunk', value: finalAssistantContent });
@@ -1483,6 +1612,7 @@ export class AgentExecutor {
             await applyFileDeleteReadActions(ctx);
             await applyRunCommandActions(ctx);
             await applyListFilesActions(ctx);
+            await applyWebFetchActions(ctx);
             await applyBrainOpsActions(ctx);
             await applyCalendarActions(ctx);
             await applySheetsActions(ctx);

src/agent/actions/calendar.ts

@@ -16,6 +16,29 @@ export async function applyCalendarActions(ctx: HandlerContext): Promise<void> {
             report.push(`❌ Calendar Event: title / start 누락`);
             continue;
         }
+        // ── 충돌 게이트 (Self-Evolving OS Track 6-2/6-3) — 기존 일정과 겹치면 생성 보류.
+        // force="true" 는 사용자 확인 후에만 (Constitution: 승인 없는 외부 액션 금지).
+        try {
+            const { readCalendarEventsCache } = await import('../../features/calendar');
+            const { findScheduleConflicts, formatConflictReport } = await import('../../features/calendar/conflictCheck');
+            const existing = readCalendarEventsCache(ctx.context);
+            const conflicts = findScheduleConflicts(existing, {
+                startIso: attrs.start,
+                endIso: attrs.end,
+                durationMinutes: attrs.duration,
+                allDay: attrs.allDay,
+            });
+            if (conflicts.length > 0 && attrs.force !== true) {
+                const msg = formatConflictReport(conflicts);
+                report.push(`⚠️ Calendar Event 보류 — ${attrs.title}: 일정 충돌 ${conflicts.length}건`);
+                ctx.chatHistory.push({
+                    role: 'system',
+                    content: `[Calendar conflict — 생성 보류] "${attrs.title}" (${attrs.start})\n${msg}\n사용자에게 충돌 사실을 알리고 진행 여부를 물을 것.`,
+                    internal: true,
+                });
+                continue;
+            }
+        } catch { /* 충돌 검사 실패가 일정 생성을 막지 않음 — 캐시 없으면 검사 skip */ }
         try {
             const { createCalendarEvent } = await import('../../features/calendar');
             const r = await createCalendarEvent(ctx.context, {

src/agent/actions/webFetch.ts

@@ -0,0 +1,43 @@
+import { HandlerContext } from './types';
+import { buildUrlContext } from '../../lib/contextBuilders/urlContext';
+
+/**
+ * Action 15: Fetch URL (read-only — transaction record 불필요)
+ *
+ * LLM 이 작업 중 웹 페이지의 실제 내용이 필요할 때 emit 하는 태그.
+ * 결과 블록을 chatHistory 에 internal push — read_file 과 동일 패턴이라
+ * 일반 챗의 continuation loop(컨텍스트 주입 → 자동 재호출)가 그대로 작동해
+ * fetch 직후 모델이 내용을 분석한다.
+ *
+ * buildUrlContext 재사용: Bridge 추출 우선 → 직접 fetch 폴백 → 정직 실패
+ * 블록 + 5분 캐시. 실패 블록도 chatHistory 에 push 한다 — 모델이 "가져왔다"고
+ * 지어내지 않고 실패 사실을 사용자에게 전달해야 하므로.
+ */
+const FETCH_URL_MAX_PER_TURN = 2;
+
+export async function applyWebFetchActions(ctx: HandlerContext): Promise<void> {
+    const { aiMessage, report } = ctx;
+    const fetchRegex = /<fetch_url\s+url=['"]?(https?:\/\/[^'">\s]+)['"]?\s*\/?>(?:<\/fetch_url>)?/gi;
+    let match;
+    let handled = 0;
+    const seen = new Set<string>();
+    while ((match = fetchRegex.exec(aiMessage)) !== null) {
+        if (handled >= FETCH_URL_MAX_PER_TURN) {
+            report.push(`⚠️ fetch_url 한도 초과 — 회당 최대 ${FETCH_URL_MAX_PER_TURN}개만 처리합니다.`);
+            break;
+        }
+        const url = match[1].trim();
+        if (seen.has(url)) continue;
+        seen.add(url);
+        handled++;
+        try {
+            const block = await buildUrlContext(url);
+            const ok = block.includes('실데이터');
+            report.push(ok ? `🌐 Fetched: ${url}` : `⚠️ Fetch failed: ${url}`);
+            ctx.chatHistory.push({ role: 'system', content: block, internal: true });
+        } catch (err: any) {
+            // buildUrlContext 는 throw 하지 않지만 방어적으로.
+            report.push(`⚠️ Fetch error: ${url} — ${String(err?.message ?? err).slice(0, 100)}`);
+        }
+    }
+}

src/agent/attrParsers.ts

@@ -85,6 +85,8 @@ export function _parseCalEventAttrs(raw: string): {
     duration?: number;
     location?: string;
     allDay?: boolean;
+    /** 충돌 감지 무시하고 강행 — 사용자 확인 후에만 설정해야 함 (conflictCheck). */
+    force?: boolean;
 } {
     const out: any = {};
     // `-` 포함 키 (all-day) 지원 — 일부러 ATTR_RE 와 동일 패턴이지만 매번 fresh
@@ -110,6 +112,9 @@ export function _parseCalEventAttrs(raw: string): {
             case 'all-day':
                 out.allDay = val === 'true' || val === '1' || val === 'yes';
                 break;
+            case 'force':
+                out.force = val === 'true' || val === '1' || val === 'yes';
+                break;
         }
     }
     return out;

src/agent/handlePrompt/buildAgentModeSystemPrompt.ts

@@ -1,6 +1,7 @@
 import { stripAstraFormattingForAgentMode } from '../../lib/contextBuilders/systemPromptShaping';
 import { estimateTokens } from '../../lib/contextManager';
 import { logInfo } from '../../utils';
+import { buildSelfIdentityBlock } from '../../lib/contextBuilders/selfIdentity';
 
 export interface BuildAgentModeSystemPromptInput {
     /** Base system prompt — `Astra: …` block etc. */
@@ -21,6 +22,11 @@ export interface BuildAgentModeSystemPromptInput {
     actualModel: string;
     /** For token-cost logging — getConfig().contextLength. */
     contextLength: number;
+    /**
+     * 행동 제약·동적 블록 (behavior-constraints / cove-checklist 등) — Astra 모드와
+     * 동일하게 [CONTEXT] *밖* 보호 구역에 join. 없으면 옛 동작 그대로.
+     */
+    dynamicBlocks?: Map<string, string>;
 }
 
 export function buildAgentModeSystemPrompt(input: BuildAgentModeSystemPromptInput): string {
@@ -37,6 +43,7 @@ export function buildAgentModeSystemPrompt(input: BuildAgentModeSystemPromptInpu
         negativeCtx,
         actualModel,
         contextLength,
+        dynamicBlocks,
     } = input;
 
     // The Agent's prompt IS the primary directive (role / persona / tone / output format),
@@ -68,8 +75,20 @@ export function buildAgentModeSystemPrompt(input: BuildAgentModeSystemPromptInpu
 
     // [CONTEXT] … [/CONTEXT] 사이만 컨텍스트 초과 시 trim 대상 — agentBlock(앞)·reminder(뒤)·negative 는 보호.
     // memoryCtx(RAG/메모리/lessons)도 [CONTEXT] 안에 넣어 토큰이 빡빡할 때 대화 기록보다 먼저 잘리게 한다.
+    // 순서 = 잘림 우선순위 (truncation 은 body *뒤*부터 자름): contextBlock(사용자가
+    // 지금 가리킨 실데이터 — URL 본문/열린 파일/일정)을 맨 앞에 둬 최후까지 보존하고,
+    // 배경 지식(brain RAG)과 memory 는 그보다 먼저 잘리게 한다.
     const priorConclusionBlock = priorConclusionCtx ? '\n\n' + priorConclusionCtx : '';
-    const fullSystemPrompt = `${agentBlock}${modeBridgeCtx ? '\n\n' + modeBridgeCtx : ''}${priorConclusionBlock}\n\n${strippedSystemPrompt}${designerCtx}${secondBrainTraceCtx}\n\n[CONTEXT]\n${memoryCtx}\n${knowledgeContextForPrompt}\n${contextBlock}\n[/CONTEXT]\n${negativeCtx}${agentTailReminder}`;
+    // [자기 지식 + 1인칭] Astra 모드와 공용 — Agent 모드에서도 자기 오보고/3인칭 화법 방지.
+    const selfIdentityBlock = '\n\n' + buildSelfIdentityBlock();
+    // 동적 블록 (행동 제약·CoVe 등) — [CONTEXT] 밖에 join 해 truncation 보호.
+    let dynamicBlocksJoined = '';
+    if (dynamicBlocks && dynamicBlocks.size > 0) {
+        for (const body of dynamicBlocks.values()) {
+            if (body && body.trim()) dynamicBlocksJoined += '\n\n' + body;
+        }
+    }
+    const fullSystemPrompt = `${agentBlock}${modeBridgeCtx ? '\n\n' + modeBridgeCtx : ''}${priorConclusionBlock}\n\n${strippedSystemPrompt}${selfIdentityBlock}${designerCtx}${secondBrainTraceCtx}${dynamicBlocksJoined}\n\n[CONTEXT]\n${contextBlock}\n${knowledgeContextForPrompt}\n${memoryCtx}\n[/CONTEXT]\n${negativeCtx}${agentTailReminder}`;
 
     return fullSystemPrompt;
 }

src/agent/handlePrompt/buildAstraModeSystemPrompt.ts

@@ -3,6 +3,7 @@ import {
     buildAstraStanceContext,
 } from '../../lib/contextBuilders/localProjectIntent';
 import { isThinkingPartnerRequest } from '../../lib/contextBuilders/promptDetection';
+import { buildSelfIdentityBlock } from '../../lib/contextBuilders/selfIdentity';
 import { buildKnowledgeMixPolicy } from '../../retrieval/knowledgeMix';
 
 export interface BuildAstraModeSystemPromptInput {
@@ -69,6 +70,10 @@ export function buildAstraModeSystemPrompt(input: BuildAstraModeSystemPromptInpu
         "- [충돌] 지식 간 충돌 발생 시 시스템이 독단적으로 판단하지 말고, 반드시 [CONFLICT WARNING] 플래그와 함께 상충되는 두 관점을 모두 명시하여 사용자에게 판단을 위임할 것."
     ].join('\n');
 
+    // [자기 지식 + 1인칭] Astra/Agent 양 모드 공용 블록 — 자기 오보고("frozen 모델")와
+    // 3인칭 화법("Astra는~") 방지. 본문은 selfIdentity.ts 참조.
+    const selfGrowthIdentityCtx = isCasualConversation ? '' : `\n${buildSelfIdentityBlock()}`;
+
     // [CONTEXT] … [/CONTEXT] 사이만 컨텍스트 초과 시 trim 대상 — negative constraints 는 보호.
     const casualCtx = isCasualConversation
         ? '\n\n[CASUAL CONVERSATION MODE]\nThe user sent a greeting, acknowledgement, or light conversational message. Reply naturally and briefly to the message itself. Do not use Second Brain, memory, project records, reports, references, or analysis unless the user explicitly asks for them.'
@@ -96,5 +101,8 @@ export function buildAstraModeSystemPrompt(input: BuildAstraModeSystemPromptInpu
             if (body && body.trim()) dynamicBlocksJoined += '\n\n' + body;
         }
     }
-    return `${systemPrompt}${modeBridgeCtx ? '\n\n' + modeBridgeCtx : ''}${priorConclusionBlock}${designerCtx}${projectArchitectureCtx}${localProjectKnowledgeCtx}${thinkingPartnerCtx}${astraStanceCtx}${secondBrainTraceCtx}${v4PolicyCtx}${knowledgeMixCtx}${casualCtx}${dynamicBlocksJoined}\n\n[CONTEXT]\n${memoryCtx}\n${knowledgeContextForPrompt}\n${contextBlock}\n[/CONTEXT]\n${negativeCtx}`;
+    // [CONTEXT] 내부 순서 = 잘림 우선순위 (truncation 은 body *뒤*부터 자름):
+    // contextBlock(사용자가 지금 가리킨 실데이터 — URL 본문/열린 파일/일정)을 맨 앞에
+    // 둬 최후까지 보존, 배경 지식(brain RAG)과 memory 는 그보다 먼저 잘리게 한다.
+    return `${systemPrompt}${modeBridgeCtx ? '\n\n' + modeBridgeCtx : ''}${priorConclusionBlock}${designerCtx}${projectArchitectureCtx}${localProjectKnowledgeCtx}${thinkingPartnerCtx}${astraStanceCtx}${secondBrainTraceCtx}${v4PolicyCtx}${selfGrowthIdentityCtx}${knowledgeMixCtx}${casualCtx}${dynamicBlocksJoined}\n\n[CONTEXT]\n${contextBlock}\n${knowledgeContextForPrompt}\n${memoryCtx}\n[/CONTEXT]\n${negativeCtx}`;
 }

src/agent/hangulHygiene.ts

@@ -0,0 +1,61 @@
+/**
+ * 한·영 깨진 토큰 감지·수리 — 소형 로컬 모델의 토큰 붕괴 보정.
+ *
+ * 증상: 한국어 단어 중간에 영문 토큰이 섞임 — "덩어리"→"덩ey", "결과적으로"→"결ently".
+ * 프롬프트 규칙([출력 위생])으로는 못 막는다 — 지시 불이행이 아니라 디코딩 사고라서.
+ *
+ * 보정: 결정론 감지(아래 패턴) + 발견 시 1회 LLM 수리 패스.
+ *  - 감지 패턴: 한글 음절 바로 뒤 영문 소문자 2+ ("덩ey" ✓). 방향이 중요 —
+ *    영문 단어 뒤 한글 조사("API를", "code의")는 정상 표기이므로 잡지 않는다.
+ *  - 수리는 깨진 토큰 복원만 지시, 다른 내용 변경 금지. 수리 후 재검증
+ *    (깨진 토큰이 줄고 길이 변화 ±35% 이내)을 통과해야 채택 — 아니면 원문 유지.
+ */
+
+const BROKEN_RE = /[가-힣][a-z]{2,}/g;
+const MAX_REPAIR_CHARS = 14000;
+
+/** 깨진 한·영 혼합 토큰 추출 (중복 제거, 주변 단어 포함). */
+export function findBrokenHangulTokens(text: string): string[] {
+    if (!text) return [];
+    const out = new Set<string>();
+    // 코드 블록·인라인 코드는 제외 — 변수명에 한글+영문이 정당하게 섞일 수 있음.
+    const stripped = text.replace(/```[\s\S]*?```/g, '').replace(/`[^`\n]*`/g, '');
+    for (const m of stripped.matchAll(BROKEN_RE)) {
+        // 매치 주변의 전체 단어를 보고용으로 수집.
+        const start = stripped.lastIndexOf(' ', m.index!) + 1;
+        const end = stripped.indexOf(' ', m.index!);
+        out.add(stripped.slice(start, end < 0 ? undefined : end).slice(0, 30));
+        if (out.size >= 10) break;
+    }
+    return Array.from(out);
+}
+
+export type RepairLlmCall = (system: string, user: string, maxTokens: number) => Promise<string>;
+
+/**
+ * 깨진 토큰 수리 1회 — 성공 시 교정 전문, 실패/검증 미통과 시 null (원문 유지).
+ */
+export async function repairBrokenHangul(
+    text: string,
+    broken: string[],
+    callLlm: RepairLlmCall,
+): Promise<string | null> {
+    if (!text.trim() || broken.length === 0 || text.length > MAX_REPAIR_CHARS) return null;
+    const system = [
+        '너는 한국어 표기 교정기다. 아래 텍스트에는 한국어 단어 중간에 영문 토큰이 깨져 들어간 오타가 있다 (예: "덩ey" → "덩어리", "결ently" → "결과적으로").',
+        '깨진 토큰만 문맥에 맞는 자연스러운 한국어로 복원하라. 그 외의 모든 내용·문장·마크다운 형식·코드는 한 글자도 바꾸지 마라.',
+        '교정된 전문만 출력하라 (해설·인사 금지).',
+    ].join('\n');
+    const user = `[깨진 토큰 예시] ${broken.join(', ')}\n\n[텍스트]\n${text}`;
+    try {
+        const repaired = (await callLlm(system, user, Math.min(4000, Math.ceil(text.length / 2) + 500))).trim();
+        if (!repaired) return null;
+        // 검증 — 수리가 더 망치면 원문 유지.
+        const lenRatio = repaired.length / text.length;
+        if (lenRatio < 0.65 || lenRatio > 1.35) return null;
+        if (findBrokenHangulTokens(repaired).length >= broken.length) return null;
+        return repaired;
+    } catch {
+        return null;
+    }
+}

src/agent/postAnswerHooks/index.ts

@@ -7,13 +7,25 @@
  *  1. devilRebuttal — Devil Agent 반박 카드 (비활성 시 silent skip)
  *  2. postHocSelfCheck — 답변 검증 LLM 호출 (opt-in, 기본 OFF)
  *  3. termValidator — 결정론적 글로서리 forbidden 검사 (기본 ON)
+ *  4. requirementCoverage — 업무 필수 요소 커버리지 결정론적 검사 (기본 ON)
+ *  5. confidenceEscalation — 확신도 산출 + 인간 검토 요청 + Reflection 기록 (기본 ON)
+ *  6. criticLoop — 결정론적 검사가 문제 신호한 업무 turn 만 LLM 검수 1회 (기본 ON)
  */
 
 import type { PostAnswerHook, PostAnswerHookContext } from './types';
 import { maybeEmitDevilRebuttal as maybeEmitDevilRebuttalFn } from '../llm/devilRebuttal';
 import { postHocSelfCheck, formatSelfCheckFooter, DEFAULT_SELF_CHECK_OPTIONS } from '../postHocSelfCheck';
 import { validateTermUsage, formatTermValidatorFooter } from '../termValidator';
+import { checkRequirementCoverage, formatRequirementCoverageFooter, detectTaskType } from '../../intelligence/requirementGraph';
+import { extractAnswerSignals, computeConfidence, formatConfidenceFooter } from '../../intelligence/confidenceEngine';
+import { decideEscalation, formatEscalationFooter } from '../../intelligence/escalationEngine';
+import { runCriticReview, formatCriticFooter } from '../../intelligence/criticAgent';
+import { appendReflection } from '../../intelligence/reflectionStore';
+import { detectGaps } from '../../intelligence/gapDetector';
+import { appendSuccessPattern } from '../../intelligence/skillScore';
 import { getConfig } from '../../config';
+import { detectReimplementedProposals, formatReimplementationFooter } from '../../extension/featureConceptMap';
+import { isSelfAssessRequest, isAboutSelf } from '../../lib/contextBuilders/selfAssessContext';
 
 const devilRebuttalHook: PostAnswerHook = {
     id: 'devil-rebuttal',
@@ -74,10 +86,178 @@ const termValidatorHook: PostAnswerHook = {
     },
 };
 
+const requirementCoverageHook: PostAnswerHook = {
+    id: 'requirement-coverage',
+    runAsync: false,
+    run(ctx: PostAnswerHookContext): void {
+        const cfg = getConfig();
+        if (cfg.requirementCoverageEnabled === false) return;
+        if (!ctx.userPrompt.trim() || !ctx.assistantAnswer.trim()) return;
+        const result = checkRequirementCoverage(ctx.userPrompt, ctx.assistantAnswer);
+        const footer = formatRequirementCoverageFooter(result);
+        if (footer) ctx.getWebview()?.postMessage({ type: 'streamChunk', value: footer });
+    },
+};
+
+const confidenceEscalationHook: PostAnswerHook = {
+    id: 'confidence-escalation',
+    runAsync: false,
+    run(ctx: PostAnswerHookContext): void {
+        const cfg = getConfig();
+        if (cfg.confidenceEngineEnabled === false) return;
+        if (!ctx.userPrompt.trim() || !ctx.assistantAnswer.trim()) return;
+
+        // 검색이 안 돈 turn (casual 등) 은 신호 null → 보수적 기본값 (근거 0건).
+        const retrievalSignals = ctx.confidenceSignals ?? {
+            chunkCount: 0, topScore: 0, conflictCount: 0, ambiguityDetected: false,
+        };
+        const coverage = checkRequirementCoverage(ctx.userPrompt, ctx.assistantAnswer);
+        const answerSignals = extractAnswerSignals(
+            ctx.assistantAnswer,
+            coverage.ran ? coverage.missing.length : null,
+        );
+        const confidence = computeConfidence(retrievalSignals, answerSignals);
+
+        // 업무 산출물 turn 에만 footer 표시 — 잡담까지 점수 붙이면 노이즈.
+        // 단, 확신도 '매우 낮음' 은 업무 여부와 무관하게 표시 (T4).
+        const isTask = coverage.ran || coverage.taskId !== undefined;
+        if (!isTask && confidence.band !== 'very-low') return;
+
+        let footer = formatConfidenceFooter(confidence);
+        let escalated = false;
+        if (cfg.escalationEnabled !== false) {
+            const decision = decideEscalation({
+                confidence, coverage, conflictCount: retrievalSignals.conflictCount,
+            });
+            escalated = decision.escalate;
+            footer += formatEscalationFooter(decision);
+        }
+        if (footer) ctx.getWebview()?.postMessage({ type: 'streamChunk', value: footer });
+
+        // ── Reflection 기록 (Track 2-4 / 3-6) — 업무 turn 의 결정론적 회고를
+        // <brain>/.astra/growth/reflections.jsonl 에 적재. 성장 추이·Failure Pattern 의 원천.
+        if (cfg.reflectionEnabled !== false) {
+            const task = detectTaskType(ctx.userPrompt);
+            const brainPath = ctx.getBrainPath?.();
+            if (task && brainPath) {
+                // Gap Detector (Track 3-2) — Requirement − Knowledge. Need Engine 의 입력.
+                const gap = detectGaps({ coverage, signals: retrievalSignals, taskId: task.id });
+                const reflectionRecord = {
+                    ts: new Date().toISOString(),
+                    taskId: task.id,
+                    taskLabel: task.label,
+                    confidenceScore: confidence.score,
+                    confidenceBand: confidence.band,
+                    missing: coverage.ran ? coverage.missing : [],
+                    escalated,
+                    criticIssues: null, // Critic 은 비동기 별도 hook — v1 은 미집계
+                    promptPreview: ctx.userPrompt.replace(/\s+/g, ' ').slice(0, 120),
+                    // Decision Journal v1 (Track 3-7) — 판단 근거 역추적.
+                    factors: confidence.factors.map((f) => `${f.label} (${f.delta > 0 ? '+' : ''}${f.delta})`),
+                    usedSources: (ctx.selfCheckSources || []).map((s) => s.title).slice(0, 5),
+                    // Gap 신호.
+                    retrieval: { chunkCount: retrievalSignals.chunkCount, topScore: retrievalSignals.topScore },
+                    weakGrounding: gap.weakGrounding,
+                    gapSeverity: gap.severity,
+                };
+                appendReflection(brainPath, reflectionRecord);
+                // Success Pattern DB (Track 7-4) — 전 요소 충족 + 확신도 90+ 만 적재.
+                appendSuccessPattern(brainPath, reflectionRecord);
+            }
+        }
+    },
+};
+
+const criticLoopHook: PostAnswerHook = {
+    id: 'critic-loop',
+    runAsync: true,
+    async run(ctx: PostAnswerHookContext): Promise<void> {
+        const cfg = getConfig();
+        if (cfg.criticLoopEnabled === false) return;
+        if (!ctx.userPrompt.trim() || !ctx.assistantAnswer.trim()) return;
+
+        // 게이트 — 문제 신호가 있는 turn 에만 LLM 검수 1회 (로컬 latency 보호).
+        // 트리거 2종:
+        //  (a) 업무 turn: 결정론적 검사가 요소 누락 또는 저확신(<70)을 신호
+        //  (b) 일반 turn: 두뇌 근거 약함(topScore<0.25)인데 답변이 수치·날짜·단정
+        //      표현을 포함 — intrinsic self-correction 은 효과 없으므로(2310.01798)
+        //      검수는 외부 신호(근거 약함이라는 검색 측정값)가 있을 때만 발동.
+        const task = detectTaskType(ctx.userPrompt);
+        const retrievalSignals = ctx.confidenceSignals ?? {
+            chunkCount: 0, topScore: 0, conflictCount: 0, ambiguityDetected: false,
+        };
+        const ASSERTIVE_RE = /\d{4}년|\d+월\s*\d+일|\d+(\.\d+)?\s*(%|배|건|개|원|달러)|입니다|확실|반드시|분명히/;
+        const weakAssertive = retrievalSignals.topScore < 0.25
+            && ctx.assistantAnswer.length > 200
+            && ASSERTIVE_RE.test(ctx.assistantAnswer);
+        if (!task && !weakAssertive) return;
+        const coverage = checkRequirementCoverage(ctx.userPrompt, ctx.assistantAnswer);
+        const answerSignals = extractAnswerSignals(
+            ctx.assistantAnswer,
+            coverage.ran ? coverage.missing.length : null,
+        );
+        const confidence = computeConfidence(retrievalSignals, answerSignals);
+        const needsReview = (coverage.ran && coverage.missing.length > 0) || confidence.score < 70 || weakAssertive;
+        if (!needsReview) return;
+
+        const critique = await runCriticReview({
+            userPrompt: ctx.userPrompt,
+            draft: ctx.assistantAnswer,
+            requirement: task,
+            missingLabels: coverage.ran ? coverage.missing : [],
+            callLlm: async (system, user, maxTokens) => {
+                const r = await ctx.callNonStreaming({
+                    baseUrl: ctx.baseUrl,
+                    modelName: ctx.modelName,
+                    engine: ctx.engine,
+                    messages: [
+                        { role: 'system', content: system },
+                        { role: 'user', content: user },
+                    ],
+                    temperature: 0.2,
+                    maxTokens,
+                    contextLength: ctx.contextLength,
+                    signal: ctx.getAbortSignal(),
+                });
+                return r.text;
+            },
+        });
+        if (!critique) return; // LLM/파싱 실패 — silent skip, main turn 영향 없음
+        const footer = formatCriticFooter(critique);
+        if (footer) ctx.getWebview()?.postMessage({ type: 'streamChunk', value: footer });
+    },
+};
+
+/**
+ * 인벤토리 자동 대조 — 자기 평가/자기 분석 턴에서 답변이 *이미 구현된 기능*을
+ * 신규 도입하라고 제안하면 결정론적으로(LLM 콜 0) 정정 푸터를 붙인다.
+ *
+ * 배경: 인벤토리를 프롬프트에 주입해도 작은 로컬 모델이 mid-prompt 컨텍스트를
+ * 무시하고 "Reflection Layer 도입하라"(이미 Self-Reflector 3단계 구현) 같은
+ * 제안을 반복하는 실패가 재현됐다. 주입은 1차 방어선 — 이 훅이 최종 방어선.
+ */
+const inventoryCrossCheckHook: PostAnswerHook = {
+    id: 'inventory-cross-check',
+    runAsync: false,
+    run(ctx: PostAnswerHookContext): void {
+        if (!ctx.assistantAnswer || !ctx.assistantAnswer.trim()) return;
+        // 자기 대상 턴에만 — 일반 코딩/리서치 답변에 오탐 푸터를 붙이지 않게.
+        if (!(isSelfAssessRequest(ctx.userPrompt) || isAboutSelf(ctx.userPrompt))) return;
+        const hits = detectReimplementedProposals(ctx.assistantAnswer);
+        if (hits.length === 0) return;
+        const footer = formatReimplementationFooter(hits);
+        if (footer) ctx.getWebview()?.postMessage({ type: 'streamChunk', value: footer });
+    },
+};
+
 export const POST_ANSWER_HOOKS: PostAnswerHook[] = [
     devilRebuttalHook,
     postHocSelfCheckHook,
     termValidatorHook,
+    requirementCoverageHook,
+    confidenceEscalationHook,
+    criticLoopHook,
+    inventoryCrossCheckHook,
 ];
 
 /** 모든 hook 을 안전하게 실행 — 한 hook 의 throw 가 다른 hook 막지 않음. */

src/agent/postAnswerHooks/types.ts

@@ -27,12 +27,16 @@ export interface PostAnswerHookContext {
     engine: 'lmstudio' | 'ollama';
     /** Self-check 용 출처 미리보기. memoryContext 가 turnCtx 에 채움. */
     selfCheckSources: Array<{ title: string; excerpt: string }>;
+    /** Confidence Engine 검색 신호 (Phase 2). memoryContext 가 채움 — 검색 안 돈 turn 은 null. */
+    confidenceSignals?: import('../../intelligence/confidenceEngine').RetrievalConfidenceSignals | null;
     /** Devil Agent 가 호출 — non-streaming LLM. */
     callNonStreaming: (params: any) => Promise<{ text: string; stopReason?: string }>;
     /** Abort signal accessor. */
     getAbortSignal: () => AbortSignal | undefined;
     /** Webview accessor — hook 결과 streamChunk 송출. vscode.Webview / 간이 Webview 호환. */
     getWebview: () => PostMessageWebview | undefined;
+    /** 활성 두뇌 경로 — Reflection 기록용. 없으면 회고 skip. */
+    getBrainPath?: () => string | undefined;
 }
 
 export interface PostAnswerHook {

src/config.ts

@@ -60,6 +60,14 @@ export interface IAgentConfig {
      * Default 0.5 = equal weight, a reasonable starting point.
      */
     embeddingBlendAlpha: number;
+    /**
+     * Section-level chunking (Phase 1-가). true 면 brain 검색이 파일 단위가 아니라
+     * `##` 헤딩 기준 *섹션 청크* 단위로 색인·스코어링한다. 긴 다주제 문서의 recall 을
+     * 올린다. 기본 false (= 기존 파일 단위) — 평가 하니스로 A/B 비교 후 켜기 위함.
+     */
+    chunkLevelRetrieval: boolean;
+    /** 섹션 청크 목표 길이(문자). 이보다 길면 문단 경계로 더 쪼갠다. */
+    chunkTargetChars: number;
     /**
      * Conflict Surface — 검색된 출처의 conflictSeverity 신호를 [CONFLICT WARNINGS] 블록
      * 으로 시스템 프롬프트에 노출. v4 정책 텍스트(buildAstraModeSystemPrompt) 가 이미
@@ -92,6 +100,50 @@ export interface IAgentConfig {
      * 답변이 좀 더 학술적·verbose 해질 수 있어 기본 off.
      */
     coveStrictMode: boolean;
+    /**
+     * Requirement Graph — 업무 유형(회의록/시장조사/업무조사/일정) 감지 시 필수 요소
+     * 체크리스트를 시스템 프롬프트에 주입. 필수 요소 누락 방지 (신뢰 조건 T3).
+     * 기본 true. (Self-Evolving OS Phase 1 / Track 2-1)
+     */
+    requirementGraphEnabled: boolean;
+    /**
+     * Requirement Coverage Check — 답변 완료 후 필수 요소 커버리지를 결정론적(정규식)으로
+     * 검사, 누락 가능 요소를 footer 로 표시. LLM 호출 없음. 기본 true.
+     */
+    requirementCoverageEnabled: boolean;
+    /**
+     * Epistemic Guard — 모름/추정/확실 3분류 강제 블록. 검색 근거 없는 turn 에서
+     * 단정 금지 + 원자료 역질문 우선 지시. 기본 true. (Phase 2 / Track 1-3)
+     */
+    epistemicGuardEnabled: boolean;
+    /**
+     * Confidence Engine — 답변 확신도 0~100 결정론적 산출, 업무 turn footer 표시.
+     * LLM 호출 없음. 기본 true. (Phase 2 / Track 1-1)
+     */
+    confidenceEngineEnabled: boolean;
+    /**
+     * Escalation Engine — 확신도 낮음/출처 충돌/출처 누락 시 footer 로 인간 검토 요청.
+     * confidenceEngine 에 종속. 기본 true. (Phase 2 / Track 1-2)
+     */
+    escalationEnabled: boolean;
+    /**
+     * Critic Loop — 결정론적 검사(커버리지 누락 또는 확신도<70)가 문제를 신호한 업무
+     * turn 에만 LLM 검수 1회 실행, 발견 이슈·보완 제안을 footer 카드로 표시.
+     * 깨끗한 답변에는 안 돈다 (latency 보호). 기본 true. (Phase 1 / Track 2-3)
+     */
+    criticLoopEnabled: boolean;
+    /**
+     * Reflection — 업무 turn 의 결정론적 회고(확신도·누락 요소·에스컬레이션)를
+     * <brain>/.astra/growth/reflections.jsonl 에 기록. 성장 추이·반복 실수 집계의
+     * 원천이며, 반복 누락 요소는 Requirement Graph 블록에 강조 표시된다.
+     * 기본 true. (Phase 1 / Track 2-4 + Phase 3 / Track 3-6)
+     */
+    reflectionEnabled: boolean;
+    /**
+     * Organizational Memory — <brain>/.astra/organization.md 의 조직 규칙·업무 방식을
+     * 시스템 프롬프트에 항상 주입. 파일 없으면 no-op. 기본 true. (Phase 5 / Track 5-2)
+     */
+    orgMemoryEnabled: boolean;
     /**
      * Actionability — "현재 작업 상태" 신호(최근 슬래시 명령 + 열린 파일) 로 검색 결과
      * 재가중. TF-IDF 매치 점수에 actionability boost 추가해 "지금 작업 중인 컨텍스트" 와
@@ -217,6 +269,23 @@ export interface IAgentConfig {
     companyIntentAlignmentMode: 'off' | 'smart' | 'strict';
     /** alignment 라운드 최대 횟수 (질문→답변 사이클). 1~5. */
     companyIntentAlignmentMaxRounds: number;
+    /**
+     * URL 자동 수집 — 사용자 프롬프트에 http(s) URL 이 있으면 LLM 호출 전에
+     * 본문을 가져와 컨텍스트로 주입 (일반 챗 + 기업 모드 + alignment 공통 게이트).
+     * Bridge 추출 우선, 실패 시 직접 fetch 폴백.
+     */
+    webAutoFetchEnabled: boolean;
+    /**
+     * Alignment 자가 조사 — openQuestions 를 사용자에게 보여주기 전에 두뇌를
+     * 검색해 스스로 답할 수 있는 질문을 걸러낸다. 끄면 기존 동작 (질문 즉시 노출).
+     */
+    companyAlignmentSelfResearch: boolean;
+    /**
+     * Alignment 학습 루프 — 사용자가 alignment 라운드에서 직접 답한 Q/A 를
+     * 두뇌의 "Alignment Knowledge" 폴더에 노트로 저장. 다음 turn 의 자가 조사가
+     * 이 노트를 발견해 같은 질문을 두 번 묻지 않게 된다.
+     */
+    companyAlignmentKnowledgeSave: boolean;
     /**
      * Pixel Office 시각화 패널을 사이드바에 표시할지 여부. UI layer 전용 —
      * 끈다고 Agent 행동이 바뀌지 않는다. Off면 webview는 패널을 숨기고
@@ -436,12 +505,22 @@ export function getConfig(): IAgentConfig {
         finalOnlyRetryOnThoughtLeak: cfg.get<boolean>('finalOnlyRetryOnThoughtLeak', true),
         embeddingModel: (cfg.get<string>('embeddingModel', '') || '').trim(),
         embeddingBlendAlpha: Math.max(0, Math.min(1, cfg.get<number>('embeddingBlendAlpha', 0.5))),
+        chunkLevelRetrieval: cfg.get<boolean>('chunkLevelRetrieval', true),
+        chunkTargetChars: Math.max(400, Math.min(4000, cfg.get<number>('chunkTargetChars', 1200))),
         conflictHighlightingEnabled: cfg.get<boolean>('conflictHighlightingEnabled', true),
         conflictSeverityThreshold: (cfg.get<string>('conflictSeverityThreshold', 'medium') as 'low' | 'medium' | 'high') || 'medium',
         conflictCrossDocEnabled: cfg.get<boolean>('conflictCrossDocEnabled', true),
         coveEnabled: cfg.get<boolean>('coveEnabled', true),
         coveTopSourcesCount: Math.max(1, Math.min(15, cfg.get<number>('coveTopSourcesCount', 5))),
         coveStrictMode: cfg.get<boolean>('coveStrictMode', false),
+        requirementGraphEnabled: cfg.get<boolean>('requirementGraphEnabled', true),
+        requirementCoverageEnabled: cfg.get<boolean>('requirementCoverageEnabled', true),
+        epistemicGuardEnabled: cfg.get<boolean>('epistemicGuardEnabled', true),
+        confidenceEngineEnabled: cfg.get<boolean>('confidenceEngineEnabled', true),
+        escalationEnabled: cfg.get<boolean>('escalationEnabled', true),
+        criticLoopEnabled: cfg.get<boolean>('criticLoopEnabled', true),
+        reflectionEnabled: cfg.get<boolean>('reflectionEnabled', true),
+        orgMemoryEnabled: cfg.get<boolean>('orgMemoryEnabled', true),
         actionabilityEnabled: cfg.get<boolean>('actionabilityEnabled', true),
         distillationEnabled: cfg.get<boolean>('distillationEnabled', true),
         distillationAgeThresholdDays: Math.max(1, Math.min(365, cfg.get<number>('distillationAgeThresholdDays', 30))),
@@ -476,6 +555,9 @@ export function getConfig(): IAgentConfig {
         // 이유는 config 가 features/ 아래 모듈을 의존하면 의도치 않은 순환 import 가 생기기 때문.
         // 둘이 어긋나면 안 되므로 변경 시 양쪽 같이 갱신.
         companyIntentAlignmentMaxRounds: Math.max(1, Math.min(5, cfg.get<number>('company.intentAlignmentMaxRounds', 3))),
+        webAutoFetchEnabled: cfg.get<boolean>('web.autoFetchUrls', true),
+        companyAlignmentSelfResearch: cfg.get<boolean>('company.alignmentSelfResearch', true),
+        companyAlignmentKnowledgeSave: cfg.get<boolean>('company.alignmentKnowledgeSave', true),
         selfReflectorEnabled: cfg.get<boolean>('selfReflector.enabled', false),
         hollowCheckEnabled: cfg.get<boolean>('hollowCheck.enabled', true),
         hollowCheckAutoRetry: cfg.get<boolean>('hollowCheck.autoRetry', true),
@@ -495,8 +577,12 @@ export function getConfig(): IAgentConfig {
         polishPersonaOverride: (cfg.get<string>('polishPersonaOverride', '') || '').trim(),
         liveStreamTokens: cfg.get<boolean>('liveStreamTokens', true),
         outputFormat: ((): 'plain' | 'markdown' => {
-            const v = (cfg.get<string>('outputFormat', 'plain') || 'plain').trim().toLowerCase();
+            // 기본 'markdown' — 채팅 webview 가 marked 로 렌더하므로 plain 이 기본이면
-            return v === 'markdown' ? 'markdown' : 'plain';
+            // 최종본(streamReplace)에서 ## 헤더가 제거되어 제목/본문이 같은 크기로
+            // 보이는 가독성 문제가 생긴다 (스트리밍 중에는 raw 가 그대로 렌더되어
+            // 멀쩡하다가 완료 순간 평문으로 변하는 증상).
+            const v = (cfg.get<string>('outputFormat', 'markdown') || 'markdown').trim().toLowerCase();
+            return v === 'plain' ? 'plain' : 'markdown';
         })(),
         chronicleAutoRecord: cfg.get<boolean>('chronicleAutoRecord', true),
         lmStudioTopP: Math.max(0, Math.min(1, cfg.get<number>('lmStudio.sampling.topP', 0.9))),