fos-blog/study
01 / 홈02 / 카테고리03 / 시리즈
01 / 홈02 / 카테고리03 / 시리즈

카테고리

  • AI 페이지로 이동
    • RAG 페이지로 이동
    • agent 페이지로 이동
    • claude-code 페이지로 이동
    • harness 페이지로 이동
    • llm 페이지로 이동
    • ops 페이지로 이동
    • practice 페이지로 이동
  • algorithm 페이지로 이동
    • Alias Method: 가중치 랜덤 선택을 전처리 O(n), 추출 O(1)로 바꾸기
    • Welford's Online Algorithm: 값을 저장하지 않고 평균과 분산 계산하기
  • architecture 페이지로 이동
    • distributed-systems 페이지로 이동
    • domain 페이지로 이동
    • evolution 페이지로 이동
    • patterns 페이지로 이동
  • database 페이지로 이동
    • milvus 페이지로 이동
    • mysql 페이지로 이동
    • opensearch 페이지로 이동
    • qdrant 페이지로 이동
    • redis 페이지로 이동
    • vespa 페이지로 이동
    • DB Connection Pool Saturation과 Thread Pool 격리
    • 커넥션 풀 크기는 얼마나 조정해야 할까?
    • MyBatis 기본기 — XML Mapper, resultMap, 동적 SQL, 운영 패턴 정리
    • MyBatis와 JPA/Hibernate 트레이드오프 — 레거시 백엔드를 다루는 시니어 관점
    • 한국어 형태소 분석기 Nori vs Lindera — OpenSearch에서 Milvus로 갈 때 어휘 검색은 유지되나
    • 정규화와 역정규화: 무결성과 조회 비용 사이의 선택
    • 벡터 DB 5종, 아키텍처는 어떻게 다른가
    • 벡터 DB 5종을 실제로 벤치마크했다 — 같은 recall에서 QPS는 얼마나 갈리나
    • 벡터 DB 어떻게 고를까 — OpenSearch · Milvus · Qdrant · Vespa · pgvector 비교
    • 벡터 DB를 실제로 도입한 사례 — 빅테크 프로덕션
  • devops 페이지로 이동
    • docker 페이지로 이동
    • k8s 페이지로 이동
    • Envoy Proxy
    • Graceful Shutdown
    • 종료 신호는 어디서 멈추는가
  • http 페이지로 이동
    • HTTP Connection Pool
    • HTTPS와 TLS: 핸드셰이크, 인증서, 종료 지점
  • java 페이지로 이동
    • concurrency 페이지로 이동
    • jdbc 페이지로 이동
    • spring 페이지로 이동
    • spring-batch 페이지로 이동
    • testing 페이지로 이동
    • Java 동시성 락 정리 — 커머스 메뉴/프로모션 정책 캐시 갱신 관점
    • JVM 튜닝 실전: 메모리 구조부터 Virtual Threads, GC 튜닝, 프로파일링까지
    • 로그에 traceId 남기기 — MDC 부터 OpenTelemetry 까지
    • Java StampedLock — 읽기 폭주에도 쓰기가 밀리지 않는 락
    • Virtual Thread와 Project Loom
  • javascript 페이지로 이동
    • typescript 페이지로 이동
    • AbortController
    • Async Iterator와 제너레이터
    • CommonJS와 ECMAScript Modules
    • 제너레이터(Generator)
    • Http Client
    • Node 백엔드 운영 패턴 — Streams 백프레셔, pipe/pipeline, 멱등성 vs 분산 락
    • Node.js
    • `setImmediate()`
  • kafka 페이지로 이동
    • Kafka 클러스터 아키텍처: Broker, KRaft Controller와 복제
    • Kafka 기본 개념: Topic, Partition, Offset과 Segment
    • Kafka 실전 설계: 파티션 전략, 컨슈머 그룹, 전달 보장, 재시도, 순서 보장 트레이드오프
    • Kafka 파티션·리밸런스·컨슈머 지연 운영
    • Kafka를 로그로 이해하기: 복제, 재처리, 상태와 데이터 통합
    • Spring Kafka 컨슈머 오프셋 커밋과 트랜잭션 정렬: AckMode, manual ack, 멱등 처리
  • linux 페이지로 이동
    • fsync — 리눅스 파일 동기화 시스템 콜
    • SSH forced command 로 배포 키가 실행할 수 있는 명령 제한하기
  • mlops 페이지로 이동
    • llm-serving 페이지로 이동
    • model-router 페이지로 이동
    • Python CUDA 버전 생태계 — nvidia-smi, nvcc, pip, conda가 다 다른 버전을 말하는 이유
    • GPU 컨테이너의 CUDA 버전 호환성 — nvidia-smi부터 이미지 다이어트까지
    • Kubernetes GPU 노드에서 /run tmpfs가 꽉 차서 Pod가 안 뜰 때
    • GPU·CUDA·MPS 기초 — 자바 백엔드 개발자가 처음 만나는 그림
    • Multi-process GPU 워크로드 — 자바 ThreadPool 사용자가 만나는 모델 차이
    • ML 서비스 성능 분석 워크플로 — 자바 백엔드 트러블슈팅과 다른 점
    • 한 GPU 를 여러 프로세스가 나눠 쓰기 — Time-Slicing 과 MPS
  • network 페이지로 이동
    • Connection reset by peer는 누가 보낸 걸까 — 리버스 프록시 홉마다 TCP 연결은 따로 논다
    • L2(스위치)와 L3(라우터)의 역할 차이
    • L4와 VIP(Virtual IP Address)
    • IP Subnet
  • observability 페이지로 이동
    • Observability 입문: 시니어 백엔드가 장애를 탐지하고 대응하는 방식
    • K8s 위 Spring Boot 앱의 메트릭 수집
  • python 페이지로 이동
    • Python async/await — CompletableFuture·Reactor 와 다른 점, 그리고 blocking I/O 함정
    • Python 의존성 관리 — Java Maven/Gradle 사용자가 만나는 첫 충격
    • FastAPI 기초 — Spring Boot 사용자가 빠르게 익히는 법
    • Java 개발자를 위한 Python 심화 — OOP·데코레이터·컨텍스트 매니저
    • PyTorch 기초 — 텐서, 디바이스, 그리고 모델 로딩이 무거운 이유
    • Java 개발자를 위한 Python 문법 핵심
    • ThreadLocal 에서 contextvars 로 — Python 의 요청 컨텍스트 전파
    • OCR 동작 원리 — Layout · Text · Post-process 3단계
    • Python 서버의 RSS가 줄지 않는 이유: CPython, gc.collect(), malloc_trim
  • rabbitmq 페이지로 이동
    • RabbitMQ Basics — 실전 백엔드 관점에서 정리하는 메시지 브로커 기본기
    • RabbitMQ vs Kafka — 백엔드 메시징 선택 기준과 실전 운영 관점
  • resume 페이지로 이동
    • 경험 및 경력기술서
    • 김병태 경력기술서
    • 김병태 포트폴리오
  • task 페이지로 이동
    • ai-service-team 페이지로 이동
    • nsc-slot 페이지로 이동
    • sb-dev-team 페이지로 이동
    • the-future-company 페이지로 이동
  • thinking 페이지로 이동
    • 자기주도 학습: 질문에서 시작해 글로 검증하기
    • 좋은 일을 넘어 중요한 일을 하는 법
FOS-BLOG · FOOTERall systems normal·v0.1 · 2026.04.27·seoul, kr
Ffos-blog/study

개발 학습 기록을 정리하는 블로그입니다. 공부하면서 기록하고, 기록하면서 다시 배웁니다.

visitors
01site
  • Home↗
  • Posts↗
  • Categories↗
  • Glossary↗
  • About↗
02policy
  • 소개/about
  • 개인정보처리방침/privacy
  • 연락처/contact
03categories
  • AI↗
  • Algorithm↗
  • DB↗
  • DevOps↗
  • Java/Spring↗
  • JS/TS↗
  • React↗
  • Next.js↗
  • System↗
04connect
  • GitHub@jon890↗
  • Source repositoryjon890/fos-study↗
  • RSS feed/rss.xml↗
  • Newsletter매주 1 회 · 한 편의 글→
© 2026 FOS Study. All posts MIT-licensed.
built with·Next.js·Tailwind v4·Geist·Pretendard·oklch
fos-blog/AI/에이전트가 배운 회피 패턴은 조건을 통과한 …
ai

에이전트가 배운 회피 패턴은 조건을 통과한 것만 파일로 쌓고 주기적으로 지운다

리뷰와 장애에서 배운 교훈을 common-pitfalls.md 같은 문서 하나에 계속 덧붙이면, 문서는 금방 커지고 에이전트는 매번 전부 읽게 된다. 이 글은 회피 패턴(pitfalls)을 패턴 하나에 파일 하나로 쌓고, 작업에 맞는 파일만 골라 읽게 하는 운영 방식을 정리한다. 무엇을 쌓을지 정하는 네 가지 조건, 쌓은 것을 정리하는 주기, 파일 형식과...

2026.10.02·5 min read·17 views

리뷰와 장애에서 배운 교훈을 common-pitfalls.md 같은 문서 하나에 계속 덧붙이면, 문서는 금방 커지고 에이전트는 매번 전부 읽게 된다. 이 글은 회피 패턴(pitfalls)을 패턴 하나에 파일 하나로 쌓고, 작업에 맞는 파일만 골라 읽게 하는 운영 방식을 정리한다. 무엇을 쌓을지 정하는 네 가지 조건, 쌓은 것을 정리하는 주기, 파일 형식과 링크 규칙을 함께 다룬다.

하네스 엔지니어링 실전편은 critic 이 같은 지적을 반복하자 common-pitfalls.md 로 누적한 과정을 다룬다. 이 글은 그 파일이 커진 뒤의 운영을 다룬다. 항목마다 파일을 나눠 머지 충돌을 줄이는 이유는 끝에 계속 쌓이는 문서의 머지 충돌은 항목마다 파일을 나눠 없앤다에 있어 여기서는 반복하지 않는다.

사례는 공개 저장소 nhncloud-cli의 docs/pitfalls/INDEX.md 와 fos-skills 의 review-fix 스킬에서 가져왔다.

한 문서에 쌓으면 생기는 문제

회피 패턴 문서를 하나로 두면 두 가지 비용이 커진다.

  • 작업마다 관련 없는 패턴까지 컨텍스트에 올라가 토큰을 쓰고, 정작 필요한 한 줄이 묻힌다.
  • 오래된 패턴을 지우려면 큰 문서 한가운데를 고쳐야 해서, 지우는 일이 점점 미뤄진다.

파일을 나누면 두 비용이 함께 줄어든다. 읽을 때는 필요한 파일만 열면 되고, 지울 때는 파일 하나를 삭제하면 된다.

구조: 카테고리 디렉터리와 INDEX 라우터

nhncloud-cli 의 docs/pitfalls/ 는 소비하는 시점에 따라 디렉터리를 나눈다.

카테고리읽는 시점읽는 스킬
plan/task 파일 작성 직후 self-checkplanning, build-with-teams
team/팀원 스폰과 메시지 작성build-with-teams
code-review/코드 작성과 리뷰build-with-teams, review-fix

디렉터리 이름이 곧 "누가 언제 읽는가" 이므로, 새 패턴을 어디에 둘지는 어느 단계에서 막을 수 있는 실수인지로 정해진다.

INDEX.md 는 변경 유형별로 어느 파일을 읽을지 알려 주는 라우터 표다. 에이전트는 이 표에서 작업의 변경 유형에 맞는 행을 찾아 읽을 파일을 정한다.

읽는 방법: 전부 읽지 않는다

INDEX 가 정한 소비 방식은 세 단계다.

  1. INDEX 의 라우터 표에서 지금 작업의 변경 유형 행을 찾는다.
  2. 그 행이 가리키는 패턴 파일만 읽고 self-check 한다.
  3. 어느 행인지 애매하면 해당 카테고리 디렉터리를 통째로 읽는다.

세 번째 단계는 과소선택을 막는 안전장치다. 필요한 파일을 놓치는 비용이 몇 개 더 읽는 비용보다 크기 때문에, 애매하면 넓게 읽는다.

쌓는 조건 네 가지

새 패턴은 아래 네 조건을 모두 통과할 때만 파일로 추가한다. 하나라도 통과하지 못하면 PR 답글로 끝낸다.

조건통과 기준
재발성두 번 이상 재발했거나, 다른 코드에서도 날 구조적 가능성이 있다
심각도데이터 손상, 문서 전체 실패, 보안처럼 영향이 크다. 경미한 일회성은 제외한다
도구로 못 잡음타입 검사나 테스트가 이미 잡는 것은 추가하지 않는다. 도구가 단일 소스다
추상화 가능특정 인시던트를 넘어 일반화된다. 인시던트에 묶인 예시는 재사용 가능한 코드 예시로 바꾼다

세 번째 조건이 가장 자주 작동한다. 컴파일러나 테스트가 잡아 주는 실수를 문서로도 적어 두면 두 곳을 함께 고쳐야 하고, 어느 한쪽이 낡은 채 남는다.

이 기준은 review-fix 스킬의 학습 누적에도 그대로 쓰인다. 같은 실수가 다른 코드에서도 날 수 있고 grep 이나 lint 규칙으로 검출할 수 있는 패턴만 누적한다. 일회성 오타, 특정 PR 맥락에서만 성립하는 지적, 칭찬과 단순 확인은 누적하지 않는다. 누적 위치는 저장소 설정이 정하고, 지정이 없으면 docs/pitfalls/code-review/<패턴>.md 를 쓴다.

정리 주기: 추가로만 기울지 않게

규칙에 쌓는 조건만 있으면 문서는 늘기만 한다. nhncloud-cli 는 분기마다 한 번 두 가지를 점검한다.

  • prune: 가리키는 코드가 사라진 낡은 파일을 삭제하고, 같은 원인을 다루는 중복 파일을 합친다.
  • automate: 도구로 승격할 수 있는 패턴은 타입 검사, 테스트, ast-grep 같은 도구로 옮기고 파일을 삭제한다.

automate 는 쌓는 조건의 세 번째 "도구로 못 잡음" 과 짝을 이룬다. 처음에는 도구로 잡지 못해 문서에 적었더라도, 나중에 검사로 만들 수 있게 되면 문서를 지운다.

점검 주기는 저장소마다 정한다. nhncloud-cli 는 분기마다 점검하고, 원시 회고와 실행 통계는 별도 문서로 누적하지 않는다. 조건을 통과한 패턴만 이 디렉터리에 패턴당 한 파일로 남긴다.

패턴 파일 형식

각 패턴 파일은 frontmatter 와 본문으로 구성한다.

yaml
---
id: <kebab-slug = 파일명 stem>
category: plan | team | code-review
title: <한 줄 요약>
triggers: [<변경 유형 키워드>, ...]
tool_catchable: <true|false>
source: [<출처 PR 번호나 plan 번호>, ...]
related: [<다른 패턴 slug>, ...]
---

triggers 는 라우터가 매칭에 쓰는 키다. 변경 유형의 키워드를 적어 두면 에이전트가 grep 으로 해당 파일을 찾는다. tool_catchable 이 true 이면 도구가 잡을 수 있는데도 문서를 유지하는 이유를 본문 Why 에 적는다.

본문은 증상, Good, 검출, Self-check, Why 로 구성한다.

  • 사고 사례는 하나면 충분하다. 여러 개를 나열하지 않는다.
  • 왜 이 가드가 필요한지 한 줄 단서가 반드시 있어야 한다. 없으면 나중의 에이전트가 가드를 우회한다.
  • 검출용 grep 을 함께 적으면 다음 작업 전에 바로 self-check 로 쓸 수 있다.

링크 규칙: 선택적 로드를 지킨다

패턴끼리 서로 참조하되, 참조가 읽는 양을 늘리면 파일을 나눈 의미가 없어진다.

  • 패턴 간 참조는 본문 끝에 관련: 로 시작하는 줄을 두고 다른 패턴의 slug 를 적는다. 자동으로 로드되지 않는 grep 용 토큰이다.
  • @경로 import 는 쓰지 않는다. 그 파일 내용을 통째로 포함시켜 선택적 로드를 깨뜨린다.
  • 클릭할 수 있는 마크다운 링크는 INDEX 의 카테고리 목록에만 둔다.

스킬에도 생명주기가 있다

NAVER D2 의 발표 도구에서 동료로 — AI 에이전트 자율 성장 프레임워크는 성장형 에이전트가 스킬을 무제한 쌓으면 안 된다고 말한다. 발표자는 스킬에 생명주기가 있어야 한다고 보고, 단계를 다음 순서로 든다.

  1. seed
  2. developing
  3. active
  4. degrading
  5. archived

발표는 보관 단계로 가는 스킬이 점진적으로 늘어나는 것을 건강한 망각이 작동한다는 신호로 본다. 이 내용은 자동 자막을 바탕으로 정리했고 수치는 발표자의 주장이다.

이 관점은 prune 과 automate 에 그대로 이어진다. 회고 루프의 품질 기준은 얼마나 많이 배웠는가가 아니라 살아 있는 규칙과 죽은 규칙을 구분했는가까지 포함한다.

정리

질문답
어떻게 저장하는가패턴 하나에 파일 하나, 카테고리 디렉터리와 INDEX 라우터
어떻게 읽는가라우터에서 맞는 행의 파일만, 애매하면 카테고리 전체
무엇을 쌓는가재발성, 심각도, 도구로 못 잡음, 추상화 가능을 모두 통과한 것
어떻게 줄이는가주기적으로 낡은 파일을 지우고(prune), 도구로 승격한 패턴을 지운다(automate)
on this page
  • 01한 문서에 쌓으면 생기는 문제
  • 02구조: 카테고리 디렉터리와 INDEX 라우터
  • 03읽는 방법: 전부 읽지 않는다
  • 04쌓는 조건 네 가지
  • 05정리 주기: 추가로만 기울지 않게
  • 06패턴 파일 형식
  • 07링크 규칙: 선택적 로드를 지킨다
  • 08스킬에도 생명주기가 있다
  • 09정리
tags
#study#insights

이런 글도

  • ai

    하네스 회고는 새 문서로 쌓지 않고 종류에 맞는 기존 단일 소스에 환원한다

    2026.10.02
  • ai

    ADR 은 되돌리기 어려운 결정의 이유만 남기고, 대안 기각은 옵션마다 줄을 나눈다

    2026.10.02
  • ai

    스킬 문서는 반복 실행을 스크립트로 내리고 같은 지시를 한 곳에서만 소유하게 쓴다

    2026.10.02
  • ai

    여러 저장소가 쓰는 스킬은 도메인 중립 코어와 저장소별 오버레이로 나눈다

    2026.10.02

댓글 (0)