happybell80 38eeb53587 docs: 260323 에이전트 협업 연구 자료 8건 — 로빙 개선·양자임베딩·세션관리

NAS shared-editing drafts에서 검증 완료된 연구 자료를 DOCS로 이관:

- research/: 양자 복소수 임베딩 팩트체크, 베이즈/힐베르트 대화 검토, 임베딩 한계 대조
- plans/: 로빙 성장 전 에이전트 중지 종합, 코드 기반 원인 분석 개선안
- ideas/: OpenAI/오픈라우터 하이브리드 세션 관리
- troubleshooting/: 로빙 슬랙 대화 문제 7에이전트 종합 보고서
- skills/: hwpx-skill 검증 메모

참여: 23-claude, 23-codex, 23-Cursor, 23-Gemini, 24-claude, 24-codex, 24-Cursor, 24-Gemini

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

2026-03-23 18:04:40 +09:00

7.9 KiB

Executable File

Raw Permalink Blame History

writer, date, subject, for

writer	date	subject	for
24-server-claude (총괄)	2026-03-23	로빙 성장을 위한 전 에이전트 중지(衆智) 종합	all-agents, 대표님

로빙 성장을 위한 전 에이전트 중지(衆智) 종합

8개 에이전트(23-claude, 23-codex, 23-Cursor, 23-Gemini, 24-claude, 24-codex, 24-Cursor, 24-Gemini)의 분석·제안·팩트체크를 하나로 모읍니다.

한 줄 진단

로빙은 "말을 못하는" 게 아니라 "듣지 못하고, 기억하지 못하고, 제대로 찾지 못한다."

1. 지금 로빙이 부러진 곳 (코드 확인 완료)

23-claude가 rb8001 코드를 직접 조사하고, 24-Gemini가 교차 확인한 결과:

#	증상	코드상 원인	수정 지점
P1	이전 질문(날씨)으로 회귀	`intent_classifier.py`가 현재 발화만 전달, 히스토리 미참조. 정정 신호("아니","말고") 처리 없음	decision_engine Stage 1
P2	복수 질문 중 하나만 처리	`route_message()`가 1메시지=1의도 구조. 분해 루프 없음	message_router + decision_engine
P3	검색에서 엉뚱한 결과	`re.search` 정규식 기반 쿼리 추출. LLM 쿼리 재작성 없음. 사용자 힌트 반영 경로 없음	message_router 검색 경로
P4	호칭 "대표님"→"사용자" 퇴행	감정 neutral일 때 system_instruction 생략 → 호칭 지시 누락	llm_service.py
P5	출처 URL 잘림	Slack 4000자 제한 또는 LLM 출력 중간 절단	message_service.py

2. 고쳐야 할 순서 (전원 합의)

1순위: 대화를 듣게 만들기

의도 분류 시 최근 3~5턴 대화 히스토리를 프롬프트에 포함
정정 발화 패턴("아니", "말고", "다시") → 이전 의도 무효화 로직
23-Gemini 보완: 의존적 복수 요청("환율 알려주고, 그 기준으로 계산해줘") 처리도 고려
난이도: 중 / 체감 효과: 최대

2순위: 여러 질문을 다 처리하게 만들기

Multi-Intent Router: 메시지에서 독립 요청을 분해 → 순차/병렬 처리
23-Cursor: 한 요청 실패가 전체를 삼키지 않도록 부분 실패 정책 필요
난이도: 중 / 체감 효과: 높음

3순위: 검색을 똑똑하게 만들기

LLM 기반 쿼리 재작성: 사용자 힌트 + 대화 맥락 → 최적화 검색 쿼리 3개 생성
도메인 용어 사전: "fear & greed" 같은 전문 용어를 검색 맥락에 주입
Reranking 도입: 1차 검색 결과를 LLM으로 재정렬 (23-claude 제안)
난이도: 중 / 체감 효과: 높음

4순위: 기억을 유지시키기

사용자 프로필(이름, 호칭, 회사)을 **세션 불변(Pinned Context)**으로 고정
감정 상태와 무관하게 system_instruction에 호칭 항상 포함
난이도: 하 / 체감 효과: 중간

5순위: 출처를 안 잘리게 하기

URL을 본문과 분리하여 별도 Slack 블록으로 전송
난이도: 하 / 체감 효과: 낮지만 신뢰도 영향

3. 더 멀리 가기 위한 아이디어들

3-1. 검색 파이프라인 고도화 (23-claude)

순위	항목	ROI
1	검색 쿼리 재작성	코드 변경 최소, 체감 최대
2	Reranking	정밀도 즉시 향상
3	도메인 용어 사전	fear & greed 같은 케이스 방지
4	의미 단위 청킹 (semantic chunking)	긴 문서 품질 개선
5	임베딩 튜닝 (LoRA/MNRL)	장기 과제, 데이터 축적 후

현실 판단: 임베딩 튜닝보다 쿼리 재작성 + reranking이 ROI 훨씬 높음.

3-2. 세션·비용 관리 (24-Cursor, 24-Gemini)

하이브리드 모델: OpenAI(핵심 로직) + OpenRouter(폴백/실험) + Gemini Flash(저비용 요약)
Responses API: OpenAI 서버측 세션 유지로 반복 토큰 절감
프롬프트 캐싱: 정적 블록(시스템/규칙) 상단 고정 → 캐시 히트율 극대화
Postgres 3계층: sessions(메타+요약) → messages(발화+토큰) → checkpoints(압축 스냅샷)
세션 분할: 토픽 전환·토큰 임계·품질 저하 시 요약 넘기고 새 세션

24-Cursor 경고: 도입 전 제조사 공식 문서로 교차 검증 필수.

3-3. 양자-영감 복소수 임베딩 (Grok 대화 → 24-claude 팩트체크)

검증된 것: 복소수 표현으로 관계의 비대칭성 포착 가능 (RotatE, ComplEx)
미검증: 최소작용 원칙으로 위상 설계, 위상=감정 방향 매핑
현실 판단: 흥미로운 R&D 방향이지만, 지금 로빙에 적용하려면 RotatE/ComplEx 같은 검증된 모델부터

3-4. Truth First 원칙 (24-codex)

"로빙이 틀리는 이유를 모델 지능 부족으로 바로 보면 안 된다. 먼저 실측 가능한 질문에서 도구를 실행했는지 확인하라."

실측 필수 질문 목록(시간, 날짜, 서버 식별, 파일 수 등)을 SSOT/시스템 프롬프트에 고정
도구 실행 없이 추정으로 답하면 → 신뢰 즉시 붕괴

3-5. 베이즈 업데이트 프레임 (24-codex 정리)

Gemini 대화에서 건질 실무 원칙 3개:

상태를 명시적으로 저장할 것 (현재 믿음)
새 정보가 들어오면 업데이트 규칙을 분명히 둘 것 (사전→사후)
업데이트 전후 차이를 측정할 것 (검증)

→ 로빙의 메모리, 의도 분류, 정정 반영, 쿼리 재작성 설계에 직접 적용 가능

3-6. HWPX 스킬 (23-codex 검증)

hwpx-mcp-server (PyPI) 또는 npx skills add ... --skill hwpx 형태의 커뮤니티 스킬 존재 확인
claude skill install hwpx-skill은 공식 명령으로 확인 안 됨
로빙에 한글 문서 처리 기능을 붙일 때 참고 가능

4. 에이전트별 핵심 기여 요약

에이전트	기여
23-claude	문제 6건 최초 식별, 코드 기반 원인 분석, 임베딩 한계 대조, 검색 파이프라인 ROI 우선순위
23-codex	관찰/추정 분리 원칙, 4칸 재현 양식, hwpx-skill 팩트체크
23-Cursor	코드 리뷰 동의, 부분 실패 정책, 턴 단위 로깅, NAS-Git 정합성
23-Gemini	업무 분배 초안, 의존적 복수 요청 처리 제안, 교차 검증 제안
24-claude	종합 보고서 2건, 양자 임베딩 팩트체크, 전체 조율
24-codex	Truth First 가설, 실측/정책/형식 분리, Gemini 대화 검증(채택 가능/위험 분리)
24-Cursor	코드 경로 관찰(message_router), 세션 관리 정리, 로그 역추적 제안
24-Gemini	코드 직접 분석(intent_classifier, message_service), 하이브리드 모델 설계, NAS 드리프트 교육

5. 총괄 — 로빙이 성장하려면

지금 당장 (이번 주)

듣게 만들기: intent_classifier에 대화 히스토리 주입 + 정정 신호 인식
다 처리하게 만들기: 복수 의도 분해 루프
호칭 고정: llm_service.py neutral 분기에 호칭 유지 (가장 쉬움)

이번 달

똑똑하게 찾게 만들기: LLM 쿼리 재작성 + 도메인 사전 + reranking
기억하게 만들기: 사용자 프로필 Pinned Context + 세션 메모리 안정화

다음 분기

효율적으로 만들기: 하이브리드 모델 아키텍처 + 프롬프트 캐싱 + 세션 관리
더 깊게 이해하게 만들기: 의미 단위 청킹, 임베딩 튜닝, 복소수 관계 모델링 탐색

원칙

Truth First: 실측 가능하면 반드시 도구 실행 후 답변
Root Cause First: 우회/완화를 해결로 제시 금지
상태→업데이트→검증: 모든 개선에 이 3단계 적용

8개 에이전트가 각자의 관점에서 로빙을 봤고, 모두 같은 결론에 도달했다: 로빙의 문제는 지능이 아니라 배관(plumbing)이다. 파이프라인의 구조적 결함을 고치면, 로빙은 이미 가진 능력으로 훨씬 더 잘할 수 있다.

7.9 KiB Executable File Raw Permalink Blame History