docs: 트러블슈팅 문서 중복 제거

- Few-shot LLM 언급 중복 제거 (개선 방향에만 유지)
- 교훈 섹션 간소화 (중복 내용 제거)
- 구현 상세 섹션 간소화
- 147줄→약130줄

journey/troubleshooting/260103_하이브리드_의도_분류_성능_비교_테스트.md

@@ -65,16 +65,9 @@
 
 ## 개선 방향
 
-### 1. Multi-centroid 방식 도입
+1. Multi-centroid 방식 도입 (`seed_multi_centroid_prototypes.py`, version=3)
-- 각 intent별 K-means centroid 생성 (`seed_multi_centroid_prototypes.py`)
+2. Few-shot LLM 프롬프트 개선 (Top-3 후보 활용, `intent_parser.py:26-91`)
-- intent_prototypes DB에 version=3으로 저장
+3. 하이브리드 3단계: FastPath → multi-centroid embedding → Few-shot LLM
-
-### 2. Few-shot LLM 프롬프트 개선
-- Top-3 임베딩 후보 활용, XML 구조화 프롬프트
-- 참고: `313_Gemini_프롬프트_설계_원칙.md`
-
-### 3. 하이브리드 3단계 최적화
-- FastPath → multi-centroid embedding → Few-shot LLM
 
 ---
 
@@ -84,13 +77,9 @@
 - 리서치 문서의 이론적 성능과 실제 성능 차이 확인 필수
 - intent_prototypes DB 초기화 상태와 차원 일치 여부 사전 확인
 
-### Few-shot Prompting 활용
-- 제로샷 LLM보다 Few-shot 예시가 효과적 (`313_Gemini_프롬프트_설계_원칙.md`)
-- Top-3 후보를 활용한 컨텍스트 제공으로 정확도 향상 가능
-
 ### 단계적 개선 전략
-- FastPath 유지 (명확 패턴 처리, 49.6% 정확도)
+- FastPath 유지 (명확 패턴 처리)
-- multi-centroid embedding으로 75%+ 달성 후 병행 비교 적용
+- multi-centroid embedding으로 75%+ 달성 목표
 
 ---
 
@@ -115,27 +104,18 @@
 
 **주요 개선 사항**:
 - 제로샷 임베딩 정확도 3배 향상 (23.4% → 70.2%)
-- FastPath도 개선 (49.6% → 72.3%), 현재 최고 성능
+- FastPath 72.3% (최고 성능), 병행 비교 70.9%
-- 병행 비교도 의미 있게 작동 (70.9%)
 
-**남은 과제**:
+**남은 과제**: Few-shot LLM 프롬프트 개선으로 75%+ 목표
-- 75%+ 목표 달성을 위해 Few-shot LLM 프롬프트 개선 필요
-- 샘플 데이터 증강으로 추가 정확도 향상 가능
 
 ---
 
 ## 구현 상세
 
-**스크립트**: `scripts/seed_multi_centroid_prototypes.py --apply --max-k=3`
+**코드**: `intent_store.py:70-118` (multi-centroid 로드), `semantic_classifier.py:41-86` (최대 유사도 계산)
-
-**코드 변경**:
-- `intent_store.py:70-118`: `load_multi_prototypes_db()` 추가, version 높은 것 우선 로드
-- `semantic_classifier.py:41-86`: multi-centroid 최대 유사도 계산
 
 **버전**: version=3 (multi-centroid), version=2 (단일), version=1 (legacy)
 
-**Few-shot LLM**: `intent_parser.py:26-91`에서 Top-3 후보 활용 예시 추가 필요
-
 ---
 
 ## 참고