grapeot/context-infrastructure
요약
이 문서는 AI 시스템의 'Context Infrastructure'를 위한 참고 구현체(blueprint)를 소개합니다. 이 구조는 1년간 운영된 시스템을 기반으로 하며, 데이터 흐름과 기억 축적 방식을 보여줍니다. 사용자는 이를 클론하여 개인화된 AI 행동을 구축하는 데 활용할 수 있습니다.
핵심 포인트
- AI의 개인화를 위해서는 자체적인 행동 데이터 수집이 필수입니다.
- 제공되는 코드는 참고용 청사진(blueprint)이며, 즉시 사용할 도구가 아닙니다.
- 시스템은 '표시 계층', '재사용 계층', '비재사용 계층'의 3계층 구조를 가집니다.
- 개인화는 `rules/USER.md` 작성부터 시작하는 것이 가장 효과적입니다.
Context Infrastructure — 참고 구현체
이것은 1년 동안 운영된 context infrastructure 시스템의 완전한 구조입니다. 주요 가치는 참고 구현체(reference implementation)로서, 시스템이 어떤 모습인지, 데이터가 어떻게 흐르는지, 기억이 어떻게 축적되는지를 보여준다는 점입니다.
핵심 포지셔닝: 이것은 바로 사용할 수 있는 도구가 아니라, 참고할 수 있는 청사진(blueprint)입니다. 클론(Clone)한 후에는 'context가 있을 때 vs context가 없을 때'의 차이를 즉시 경험할 수 있습니다. 하지만 AI를 진정으로 자신만의 것으로 만들려면, 자신의 행동 데이터를 처음부터 수집해야 합니다. 지름길은 없습니다.
빠른 시작 (5분)
git clone https://github.com/grapeot/context-infrastructure
cd context-infrastructure
# Claude Code / OpenCode / Cursor로 이 디렉토리를 엽니다
그다음: rules/USER.md를 열고 기본 정보를 작성합니다. 이것이 투자 대비 효과(ROI)가 가장 높은 단계이며, 완료하면 AI의 행동이 즉시 개인화됩니다.
자세한 단계는 setup_guide.md를 참조하세요.
디렉토리 구조
context-infrastructure/
├── AGENTS.md # 루트 라우팅 테이블 (AI가 매 세션 시작하는 지점)
├── setup_guide.md # 설정 가이드
...
의미론적 검색(semantic search)은 독립적인 public skill repo인 semantic-search-skill로 업그레이드되어, 더 이상
tools/아래에 위치하지 않습니다.
3계층 구조
표시 계층 (참고만 가능, 복사 불가): rules/axioms/와 rules/skills/에는 이 시스템이 1년 동안 축적한 내용들이 포함되어 있습니다. 43개의 공리(axiom)는 구체적인 경험에서 증류되었으며, skills는 실제 프로젝트에서 요약된 것입니다. 이것들은 원작자의 관점을 대표하며 참고 가치는 있지만, 스스로 쌓은 인지(cognition)를 대체할 수는 없습니다.
재사용 계층 (직접 사용 가능): rules/SOUL.md, rules/USER.md는 템플릿이므로 작성하여 사용할 수 있습니다. rules/COMMUNICATION.md는 일반적인 커뮤니케이션 스타일 가이드이며, 대부분의 사람이 바로 채택할 수 있습니다. periodic_jobs/ai_heartbeat/는 기억 시스템의 구현 코드를 제공합니다. 주기적인 작업을 설정해야 할 경우, docs/CRONTAB.md를 참고하세요.
비재사용 계층: 공리의 구체적인 내용, skill 뒤에 숨겨진 구체적인 경험입니다. 이들의 구조와 형성 방식을 이해한 후, 자신만의 데이터에서 축적해야 합니다.
라이선스
MIT
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Coding Assistants의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기