가이드 — 데이터 명세 + 변수 구조 (BLK-DATA-01)¤
📖 약 15 분 읽기
ℹ️ 페이지 정보 (워크스페이스 메타)
Phase 0 콘텐츠 갭 9 종 중 3 번째 신설. 사용자 신설 핵심 §6 (9 섹션 구조의 추가 영역) — 핸들링 데이터·독립변수 (X)·종속변수 (y)·전처리·라벨링·분할·거버넌스 7 항 통합 generator. Agent 의 Section §6 Writer 가 본 가이드를 컨텍스트로 받아 §6 본문·표·ASCII 흐름도 자동 생성. 운영 가이드 군 14 번째 멤버. 4.26 자산 군 포맷 통일 (8 장 구조) 답습.
플레이스홀더 범례 —
[고객사]기업명,[공정]공정명,[수치]수량·금액,[기간]누적·수집 기간,[%]비율,[변수]feature·target 명,[단위]측정 단위,[임계]임계값. (확인 필요) — 누적 데이터 양·품질 등급·라벨링 합의율·데이터 보존 [기간]·민감도 등급은 사용자 입력 후 실측 확정 영역이므로 §7 에 목록화.본 가이드의 직접 근거 —
guide/domain-knowledge.md(베테랑 인터뷰 5 단계·100 문항 5 군·골드셋 4 카테고리 — 라벨링 가이드 §3.5 직접 입력);guide/rag-infra.md(RAG 5 계층 — 수집·임베딩·검색·생성·감사 — 본 가이드 §3.4 전처리·§3.7 거버넌스 입력);track/track1-index.md§4.3 (데이터 유형 — 시계열·로그·MES/SCADA/PLC·비전 — §3.1 핸들링 데이터 명세 직접 입력);track/track2-index.md§5.5 (드리프트·PSI·KS — §3.6 분할 정책의 시간 분할 근거);track/track3-index.md§4.2 (RAG 청킹·임베딩 — 비정형 데이터 §3.4 전처리);guide/korean-slm.md§2.1 (민감도 분류 게이트웨이·NER 마스킹 — §3.7 거버넌스 직접 입력);module/saas-security.md(도면 마스킹·민감도 라우팅 — §3.7);guide/company-profile.md(BLK-COMPANY-01) §1.3·1.4 ([보유시스템]·[누적데이터]→ §3.1 raw 데이터 출처 정합); 6 통합 파일럿 §6 본문 (6 도메인 X·y·전처리·라벨링·분할 패턴 추출 원본).
1. 분류 — 데이터 명세 7 범주¤
본 가이드는 사업계획서 §6 (데이터 명세 + 변수 구조) 에 필요한 정보를 발생 원천에 따라 7 범주로 분류한다. 7 범주는 mutually exclusive 하게 설계되어 §6.1~§6.7 본문에서 범주별 단독 인용 가능하며, collectively exhaustive 하게 한국 R&D 평가자 (특히 제조 AI·디지털 경남·DX촉진 양식) 가 §6 에서 확인하는 데이터 가용성·과학적 엄밀성·재현성 3 차원을 모두 포괄한다. §1 (현황) 의 보유 인벤토리와 명확히 구분 — 본 §6 은 AI 학습 용도로 처리할 데이터의 정형 명세.
1.1 핸들링 데이터 명세 (Data Sources)¤
[고객사] 가 본 사업에서 AI 학습·추론 용도로 다룰 raw 데이터의 출처·항목·주기·누적 기간·샘플 수. guide/company-profile.md §1.3 ([보유시스템] MES·SCADA·PLC·QMS 등) 의 직접 후속. 본 범주는 §6.1 의 출처별 데이터 명세 표가 1 차 산출물.
1.2 독립변수 X / Features (Inputs)¤
AI 모델이 입력으로 받는 변수 집합. raw 데이터 + feature engineering 결과. 본 범주는 §6.2 X 정의 표가 1 차 산출물이며, §7 (모델 선정) 의 모델 후보 매트릭스 입력으로 직결 (X 차원 수·시계열·이미지·텍스트 등 형식이 모델 선정 제약).
1.3 종속변수 y / Targets (Outputs)¤
AI 모델이 예측·분류할 대상. 정의·측정 방법·단위·라벨 클래스 수. 본 범주는 §6.3 y 정의 표가 1 차 산출물이며, §7 (모델 선정) 의 평가 지표 (§7.5) 선정 직접 입력.
1.4 데이터 전처리 파이프라인 (Preprocessing)¤
raw → X 변환 과정. 결측·이상치·정규화·동기화·차원축소·청킹 (비정형). 본 범주는 §6.4 전처리 단계별 ASCII 흐름도 + 단계 설명 표가 1 차 산출물.
1.5 라벨링 가이드 (Labeling Protocol)¤
y 라벨링 방법·작업자 합의·골드셋 구축. guide/domain-knowledge.md 의 베테랑 인터뷰·골드셋 4 카테고리 답습. 본 범주는 §6.5 라벨링 SOP 가 1 차 산출물.
1.6 데이터셋 분할 (Train/Val/Test Split)¤
학습·검증·테스트 분할 비율·기간·누설 차단 정책. track/track2-index.md §5.5 (드리프트) 의 시간 분할 강제 답습. 본 범주는 §6.6 분할 정책 표 + ASCII 시간축 도식.
1.7 데이터 거버넌스 (Governance)¤
보안 등급·접근 권한·보존 [기간]·익명화·민감도 라우팅. guide/korean-slm.md §2.1 + module/saas-security.md 답습. 본 범주는 §6.7 거버넌스 매트릭스.
2. 입력 스키마 매트릭스 (3 Tier · 25 필드)¤
guide/company-profile.md §1.3·1.4 출력 ([보유시스템]·[누적데이터]·[데이터표준화수준]·[OEM관계]) 을 1 차 수신.
| Tier | 범주 | 필드 | 형식 | 사용 §·자산 |
|---|---|---|---|---|
| 1 | 데이터 소스 | raw 데이터 출처 (시스템×항목) | multi-text | §6.1 출처 표 |
| 1 | 데이터 소스 | 누적 [기간] | number (년·월) | §6.1 표 |
| 1 | 데이터 소스 | 누적 샘플 수 | number | §6.1 표 + §6.6 분할 가능성 |
| 1 | X | 독립변수 후보 ([변수] 목록) |
multi-text | §6.2 X 표 |
| 1 | X | 데이터 형식 | dropdown (시계열·이미지·텍스트·정형 표·혼합) | §6.2 + §7 모델 선정 1 차 제약 |
| 1 | y | 종속변수 ([변수]·[단위]) |
text | §6.3 y 표 |
| 1 | y | 문제 유형 | dropdown (분류·회귀·이상탐지·생성·검색·세그멘테이션) | §6.3 + §7.5 평가 지표 |
| 1 | 라벨링 | 라벨링 가능 샘플 수 | number | §6.5 골드셋 규모 |
| 1 | 거버넌스 | 데이터 민감도 등급 | dropdown (① 공개·② 사내·③ 운영·④ 영업비밀·⑤ 도면·IP) | §6.7 라우팅 결정 |
| 2 | 데이터 소스 | 수집 주기 | dropdown (실시간·1 초·1 분·1 시·1 일·1 주·이벤트) | §6.1 표 |
| 2 | X | feature engineering 후보 | multi-text (이동평균·미분·임베딩 등) | §6.2 + §6.4 전처리 |
| 2 | X | X 차원 수 (~ 예상) | number | §6.2 + §7 모델 복잡도 |
| 2 | y | 라벨 클래스 수 (분류 시) | number | §6.3 + §7.5 F1·Macro·Micro |
| 2 | y | 라벨 분포 (불균형 여부) | dropdown (균형·중간 불균형·심한 불균형) | §6.5 골드셋 샘플링 + §7.4 |
| 2 | 전처리 | 결측 처리 정책 | dropdown (drop·평균 대치·전·후향·예측) | §6.4 |
| 2 | 전처리 | 이상치 정책 | dropdown (IQR·Z·domain 룰·없음) | §6.4 |
| 2 | 전처리 | 정규화 방법 | dropdown (Z-score·Min-Max·없음) | §6.4 |
| 2 | 라벨링 | 라벨링 작업자 수 + 합의 방법 | text | §6.5 SOP |
| 2 | 라벨링 | 골드셋 목표 규모 | number | §6.5 |
| 2 | 분할 | 분할 비율 (train·val·test [%]) |
3 numbers | §6.6 |
| 2 | 분할 | 분할 방식 | dropdown (시간·랜덤·층화·LOO·k-fold) | §6.6 + 누설 차단 |
| 2 | 거버넌스 | 보존 [기간] | number (년) | §6.7 |
| 3 | X | 외부 데이터 보강 가능성 | text (공공·OEM·산업표준) | §6.2 보강 |
| 3 | 전처리 | 동기화 (시계열·이미지·텍스트 결합) | text | §6.4 보강 |
| 3 | 거버넌스 | 익명화·NER 마스킹 항목 | multi-select (PII·고객사명·도면 ID·금형 코드) | §6.7 + sLM 라우팅 |
3. §6 본문 7 절 템플릿¤
Agent 의 Section §6 Writer 는 본 절의 7 템플릿을 컨텍스트로 받아 §6.1~§6.7 본문 + 표 7 종 + ASCII 흐름도 2-3 종 (전처리 파이프라인·분할 시간축) 자동 생성. 한국어 압축 4.34 — 각 절 150-300 자 + 표·도식.
3.1 §6.1 핸들링 데이터 명세 (~ 250 자 + 표)¤
본 사업에서
[고객사]가 다룰 raw 데이터는 다음 표와 같다.[보유시스템]을 통해[수집주기]단위로 수집되며,[누적기간]누적 데이터 ([누적샘플수]행·이미지·문서) 를 사업 착수 시점에 확보한다. 사업 진행 중 추가 수집되는 데이터 (phase 1 의 데이터 표준화 작업 산출물 포함) 는[추가수집]규모로 예상한다. 본 데이터는 §6.2 X 와 §6.3 y 정의의 직접 입력으로 사용된다.
| 출처 시스템 | 데이터 항목 | 수집 주기 | 누적 [기간] | 샘플 수 |
|---|---|---|---|---|
| MES | 작업 이력·Lot·공정 결과 | 1 분·이벤트 | [기간] |
[수치] |
| SCADA·PLC | 센서 값 ([변수]) |
1 초·10 ms | [기간] |
[수치] |
| QMS | 품질 검사 결과 | Lot 단위 | [기간] |
[수치] |
| 비전 검사 | 이미지·결함 라벨 | 검사 시점 | [기간] |
[수치] |
| 작업자 일보 | 비정형 텍스트 | 일 단위 | [기간] |
[수치] |
3.2 §6.2 독립변수 X / Features (~ 300 자 + 표)¤
본 모델의 독립변수는
[X차원수]개의 feature 로 구성한다.[데이터형식]형식이며, raw 변수 ([raw변수목록]) 와 feature engineering 으로 생성한 파생 변수 ([파생변수목록]— 예: 이동평균 5·30·60 분, 표준편차, 1차 미분, FFT 주파수 성분, 임베딩 768·1536 차원 —[공정]도메인 근거 기반) 로 구분한다. 외부 데이터 보강 가능성 (공공 표준·OEM 사양·산업 표준 데이터셋) 은 phase 1 의 데이터 확장 단계에서 검토한다.
| 범주 | 변수명 | 도메인 근거 | 차원·단위 | feature engineering |
|---|---|---|---|---|
| 공정 변수 | [변수1] 속도·온도·압력 |
[공정] 표준 운전 조건 |
scalar·[단위] | 원본 + 이동평균 5·30 |
| 설비 상태 | [변수2] 진동·전류·토크 |
설비 건전성 지표 | 시계열 | 미분·FFT |
| 품질 직전 | [변수3] 검사 직전 측정값 |
y 와의 시간 인접성 | scalar | 원본 |
| 환경 | [변수4] 외기 온·습도 |
외부 변동 | scalar | 원본 |
| 비정형 | 검사 이미지 | 비전 결함 검출 | 1024×1024 RGB | CNN backbone 임베딩 |
3.3 §6.3 종속변수 y / Targets (~ 250 자 + 표)¤
본 모델의 종속변수는
[문제유형]문제로 정의한다. y =[y변수]([단위]), 라벨 클래스 수[클래스수]([클래스목록]). 라벨 분포는[라벨분포](균형·불균형) 이며, 불균형 시 §6.5 골드셋 샘플링과 §7.4 학습 가중치 조정으로 대응한다. 측정 방법은[측정방법](자동 비전·수동 검사관 라벨링·MES 자동 기록 등) 이다. y 와 X 간 시간 lag ([lag]) 은 측정 시점 차이 + 라벨링 지연을 합산해 산출한다.
| 항목 | 정의 |
|---|---|
| y 변수명 | [y변수] ([단위]) |
| 문제 유형 | [문제유형] |
| 라벨 클래스 (분류) | [클래스목록] ([클래스수] 종) |
| 라벨 분포 | [라벨분포] 분류 — [균형/불균형근거] |
| 측정 방법 | [측정방법] |
| X-y 시간 lag | [lag] (예: 5 초·1 분·Lot 단위) |
3.4 §6.4 데이터 전처리 파이프라인 (~ 300 자 + ASCII 흐름도)¤
raw → X 변환은 다음 4 단계 파이프라인을 거친다. 각 단계의 정책은 §6.2 X 차원·§6.3 y 라벨 분포·§6.7 거버넌스 (민감도 마스킹) 와 정합된다.
[Raw 데이터 (`[보유시스템]`)]
│
├──→ ① 결측·이상치 처리
│ · 결측: `[결측정책]` (drop·평균·전·후·예측)
│ · 이상치: `[이상치정책]` (IQR 1.5·Z 3·domain 룰)
│
├──→ ② 정규화·차원축소
│ · `[정규화]` (Z-score·Min-Max)
│ · 차원 축소 (PCA·t-SNE — 선택)
│
├──→ ③ feature engineering
│ · 시계열: 이동평균·차분·FFT
│ · 이미지: CNN backbone 임베딩
│ · 텍스트: 청킹·임베딩 (RAG 5 계층)
│
├──→ ④ 동기화·결합
│ · 시계열-Lot 정렬·X-y lag 매핑
│ · 멀티모달 결합 (시계열 + 이미지 + 텍스트)
│
▼
[X 후보 행렬 (`[X차원수]` × `[샘플수]`)]
3.5 §6.5 라벨링 가이드 (~ 250 자 + 표)¤
y 라벨링은
[guide/domain-knowledge.md]의 베테랑 인터뷰 5 단계 + 골드셋 4 카테고리를 답습한다. 라벨링 작업자[작업자수]명 + 합의 방법 ([합의방법]— 더블 라벨링·3 인 합의·domain expert 검토) 으로 라벨 노이즈를 차단한다. 골드셋 목표 규모는[골드셋규모]샘플이며, 라벨 분포 불균형 (§6.3) 대응을 위해 minority 클래스 over-sampling 또는 가중치 부여를 적용한다.
| 항목 | 정책 |
|---|---|
| 작업자 수 | [작업자수] 명 (검사관·도메인 전문가) |
| 합의 방법 | [합의방법] |
| 불일치 처리 | 3 인 합의 또는 domain expert 최종 결정 |
| 골드셋 규모 | [골드셋규모] 샘플 |
| 골드셋 카테고리 | 정상 / [클래스목록] (균형 sampling) |
| 라벨 품질 KPI | 라벨러 간 합의율 [%] ≥ [임계] |
3.6 §6.6 데이터셋 분할 (~ 250 자 + ASCII 시간축)¤
학습·검증·테스트 분할은
[분할방식](시간 분할 기본) 으로[train%]:[val%]:[test%]비율 적용한다. 시간 분할은 학습 → 검증 → 테스트 순으로 누설을 차단하며, 검증·테스트셋은 최근[검증기간]의 데이터로 구성한다. 다년 사업의 경우, 1 단계 데이터 (phase 1·2) 로 학습 + 2 단계 데이터로 운영 검증의 외부 시간 holdout 도 별도 확보한다.
시간 ──────────────────────────────────────────────►
[───── Train (70%) ─────][─ Val (15%) ─][─ Test (15%) ─]
`[학습기간]` `[검증기간]` `[테스트기간]`
▲
시간 분할 = 누설 차단
3.7 §6.7 데이터 거버넌스 (~ 300 자 + 매트릭스)¤
본 사업 데이터는
[guide/korean-slm.md]§2.1 의 민감도 분류 게이트웨이 +[module/saas-security.md]의 도면 마스킹·CSAP 답습하여 5 등급 분류 + 라우팅한다. 보존 [기간][보존기간]년, 접근 권한[접근권한], 익명화·NER 마스킹 항목[마스킹항목](PII·[고객사]명·도면 ID·금형 코드·OEM 사양 등) 을 적용한다. ④·⑤ 등급 (영업비밀·도면·IP) 은 온프레미스 sLM 강제 라우팅, ③ 이하는 도메인 파인튜닝 sLM 또는 외부 API (사용자 결정) 로 처리한다.
| 등급 | 데이터 예 | 저장 | 추론 | 마스킹 |
|---|---|---|---|---|
| ① 공개 | 공공 표준·산업 가이드 | 무제한 | 외부 API 가능 | 불필요 |
| ② 사내 일반 | 일반 운영 로그 | 사내 | 외부 API 가능 | 불필요 |
| ③ 운영 | MES·SCADA·QMS | 사내 | 도메인 sLM 권장 | 일부 ([고객사] 명) |
| ④ 영업비밀 | OEM 사양·CAPA·금형 | 온프레미스 | 온프레미스 sLM 강제 | 전체 |
| ⑤ 도면·IP | 도면·노하우·특허 | 온프레미스 | 온프레미스 sLM 강제 + NER | 전체 + 도면 마스킹 |
4. 6 도메인 적용 예시¤
본 워크스페이스 6 패키지 §6 (또는 §3·§5 의 데이터 절) 본문 추출.
| 도메인 | raw 데이터 | X (예시) | y (예시) | 분할 | 민감도 |
|---|---|---|---|---|---|
| 철강 대기업 | MES 압연·SCADA·검사·이미지 | 속도·온도·압력·롤갭 + 미분 + 이미지 임베딩 | 두께 편차 (mm) + 결함 분류 5 종 | 70:15:15 시간 | ③·④ 혼합 |
| 중견 냉연 | MES 소둔·QMS·일보 | 온도·속도·도금 두께 + 검사 결과 | 표면 결함 (3 종) + 자수 균일성 | 70:15:15 시간 | ③ |
| 특수강관 | 검사 부분 디지털 + Mill Sheet | 직경·두께·재질 + OCR 텍스트 임베딩 | UT 결함 자동판정 (4 종) + 공정 설계 LLM 응답 | 80:10:10 시간 | ④ (도면) |
| 고무 양산 | MES·비전 외관·작업자 일보 | 압출 외경·두께 + 가황 온도 + 이미지 | 외관 결함 분류 + 압출 균일성 | 70:15:15 시간 | ③·OEM ④ |
| 정밀가공 중소 | ERP·측정기 일부 | CNC 가공 변수 + 측정값 | 치수 합부 (분류) | 70:15:15 시간 | ② (SaaS) |
| 유틸·ESG | FEMS·SCADA·CEMS | 에너지 부하·배출량 + CBAM 인자 | 피크 부하 예측 + 배출 시계열 + 중대재해 분류 | 70:15:15 시간 + CBAM 외부 holdout | ③·외부 검증 |
[출처:
사업계획서_패키지[1-6]_*_파일럿.md§3·§5·§6 +track/track1-index.md§4.3 +시나리오_상세_*.md]
5. 사업계획서 §6 인용·작성 강도 3 단계¤
5.1 강 (다년 R&D / 67 페이지 양식)¤
§6.1~§6.7 7 절 모두 풀 본문 + 표 5 종 + ASCII 흐름도 2 종 (전처리·분할 시간축) + 거버넌스 매트릭스. 패키지 1·6 답습.
5.2 중 (단년 R&D / 9-12 개월)¤
§6.1·6.2·6.3·6.4·6.5·6.6 6 절 (6.7 거버넌스는 §1.3·§4.3 RACI 에 흡수) + 표 3-4 종 + ASCII 흐름도 1 종. 패키지 2·3·4·5 답습.
5.3 약 (PoC / 6 개월 이하)¤
§6.1·6.2·6.3 3 절 (6.4·6.5·6.6 은 §4.2 phase 본문에 흡수) + 표 2 종. 패키지 5 답습.
6. 다른 자산과의 결합 패턴¤
| 자산 | 결합 방향 | 인용 위치 |
|---|---|---|
guide/company-profile.md (BLK-COMPANY-01) |
회사 프로필 → 본 가이드 | [보유시스템]·[누적데이터]·[데이터표준화수준] → §6.1 raw 표 |
guide/domain-knowledge.md |
본 가이드 인용 | §6.5 라벨링 SOP + 골드셋 4 카테고리 |
guide/rag-infra.md |
본 가이드 인용 | §6.4 비정형 데이터 청킹·임베딩 (Track 3 시) |
guide/korean-slm.md §2.1 |
본 가이드 인용 | §6.7 민감도 5 등급 라우팅 게이트웨이 |
module/saas-security.md |
본 가이드 인용 | §6.7 도면 마스킹·NER·CSAP |
track/track1-index.md §4.3 |
본 가이드 인용 | §6.1 데이터 유형 분류 (시계열·로그·MES/SCADA/PLC·비전) |
track/track2-index.md §5.5 |
본 가이드 → 모니터링 | §6.6 시간 분할 → §9 드리프트 (PSI·KS 임계) 입력 |
guide/model-training.md (BLK-MODEL-01) |
본 가이드 → MODEL | §6.2 X 형식·차원·§6.3 y 문제 유형 → §7.1 모델 후보 매트릭스 1 차 제약 |
track/track2-index.md §6.2 |
본 가이드 → 재학습 | §6.4 전처리 + §6.6 분할 → §9 재학습 트리거 기준 |
7. (확인 필요) 항목¤
- 누적 데이터 양·품질 등급 — 사용자 자가 진단 vs 실측. 사업 착수 후 데이터 진단 phase 1 확정
- X-y 시간 lag — 측정·라벨링 지연 차이. 도메인별 정의 필수
- 라벨러 합의율 임계 — 도메인·라벨 클래스에 따라 ≥ 0.85·0.90·0.95 변동
- 골드셋 규모 적정성 — 라벨 클래스 수·불균형 정도에 따라 최소 1 K·5 K·10 K 분기. 실측 후 보강
- 분할 비율의 도메인 특수성 — 시계열 짧음·라벨 희소·OEM holdout 등 변동
- 민감도 등급 정의 —
[고객사]사내 정책 vs ISO 27001·CSAP 등 외부 표준 정합 확인 - 데이터 보존 [기간] — 사업 종료 후 데이터 처분 정책. 정부 R&D 양식별 차이
8. 모델 한계·재사용 포인트¤
8.1 한계¤
- 7 범주 MECE 한계 — "feature engineering" 은 §6.2 X + §6.4 전처리 양쪽 인용. Agent 는 §6.2 = X 정의 / §6.4 = 변환 방법 분리
- 멀티모달 결합의 단순화 — 시계열 + 이미지 + 텍스트 결합 (§6.4 ④) 은 본 가이드에서 단순 설명만. 실제 결합 아키텍처는 §7 (모델 선정) 의 멀티모달 모델 (예: ViT + LSTM 결합) 에서 상세화
- 6 도메인 외 데이터 형식 부족 — 음성·3D 점군·생체 신호 등은 본 가이드 예시 행 없음
- 분할의 외부 시간 holdout 의 일반화 한계 — 시계열 외 LOO·층화 등은 §3.6 ASCII 시간축 도식에 미포함. (확인 필요) 마커로 노출
- 거버넌스 등급의 사용자 입력 의존 — 민감도 분류는
[고객사]사내 정책 의존. 본 가이드는 5 등급 표준만 제시
8.2 다른 프로젝트 재사용 포인트¤
- 7 범주 MECE 분류 (Sources·X·y·전처리·라벨링·분할·거버넌스) — 모든 ML·DL 프로젝트의 데이터 명세 표준 프레임. 의료·금융·법무·자율주행 등에 답습 가능
- 3 Tier 입력 스키마 (Mandatory·Recommended·Optional) — 데이터 스펙 생성기 표준 패턴
- 민감도 5 등급 + 라우팅 매트릭스 — 한국 제조업·정부 R&D 의 데이터 거버넌스 표준 답습 가능
- ASCII 전처리 파이프라인 흐름도 — Track 3 ASCII 모듈의 1 번째 deterministic 패턴 (flow). 다른 generator 의 §6 전처리 표시에 답습 가능
[출처: 본 가이드 =
guide/domain-knowledge.md+guide/rag-infra.md+track1·2·3_공통본문_목차.md+guide/korean-slm.md§2.1 +module/saas-security.md+guide/company-profile.md§1.3·1.4 + 6 패키지 §6 본문 종합. Agent 의 Section §6 Writer 가 본 가이드를 system prompt 컨텍스트로 받아 §6.1~§6.7 본문 + 표 5 종 + ASCII 흐름도 2 종 자동 생성에 사용한다.]
📌 이 페이지 정보 (개발자용)
- 원본 파일:
가이드_데이터_명세_변수_구조.md - 자산 군: 📋 운영 가이드
- slug 경로:
guide/data-spec.md - 워크스페이스 정책: 원본 .md 수정 0 — hooks 로만 시각 변환
- 자산 자족성 정상화: Phase E7 완료 (잔여 외부 갭 4)