📚 FAQ + How-To — LLM Wiki 실전 가이드

목적: dashboard와 DEPENDENCY-TREE를 실제로 어떻게 활용할지에 대한 실전 가이드 및 자주 묻는 질문 해결

---

❓ FAQ (자주 묻는 질문)

Q1: Dashboard.md는 언제 보나요?

상황:

• 아침 루틴 (2분)
• 주간 계획 수립 (15분)
• 금요일 주간 정리 (30분)

활용법:

아침:
  1. dashboard.md 열기
  2. "This Week" 섹션으로 이번 주 과제 파악
  3. "Active Projects" 진행율 체크
  4. 오늘 우선순위 3개 정하기
  
주중:
  → Dashboard는 백그라운드 (각 프로젝트 파일에서 상세 작업)
  
금요일:
  → Dashboard 기반 주간 평가
  → "Wiki Health" 이슈 확인
  → 다음 주 우선순위 재검토

팁: Dashboard의 Dataview는 Obsidian 내에서만 작동합니다. Quartz 웹서버에서는 정적 스냅샷만 가능합니다.

---

Q2: Dependency-Tree를 어디서 시작할까요?

상황별 가이드:

A. “AI 에이전트를 배우고 싶어요” (4시간)

Path A: AI 에이전트 기초
├─ Level 1: LLMOps Lifecycle & Stack (1.5h)
│  └ "LLM을 프로덕션에서 안전하게 운영하는 기초 개념 이해"
├─ Level 1: Agentic AI 설계 패턴 (1.5h)
│  └ "Reflection, Tool Use, Planning으로 자율 에이전트 만들기"
├─ Level 2: Harness Engineering (0.5h)
│  └ "에이전트를 신뢰할 수 있게 설계하는 방법"
└─ (선택) Level 3-4: 패턴·실제 구현

추천 순서:

1. LLMOps 개념 이해 (기초 설정)
2. Agentic AI 패턴 학습 (핵심 기술)
3. Harness Engineering (운영 관점)

B. “DAP 데이터 파이프라인을 최적화하고 싶어요” (8시간)

Path B: DAP + Agentic AI 심화
├─ Level 1: DAG 멱등성 (1h)
│  └ Airflow에서 재시작 가능한 파이프라인 설계
├─ Level 1: 옵저버빌리티 & 모니터링 (1h)
│  └ 파이프라인 건강도 추적
├─ Level 2: 워크플로우 자동화 (1.5h)
│  └ 수동 작업 → 자동화 → 에이전트
├─ Level 3: 사건 대응 자동화 (1.5h)
│  └ 장애 발생 시 자동 대응 에이전트
├─ Level 4: DAP 거버넌스 (1.5h)
│  └ 데이터 품질·규정준수·감사
└─ (선택) 추천 시스템·체크리스트

추천 순서:

1. DAG 멱등성 (안정성 기초)
2. 옵저버빌리티 (가시성 확보)
3. 자동화 순서대로 (수동 → 반자동 → 전자동)

---

Q3: 개념 간의 연결을 어떻게 이해하나요?

활용법:

학습 중 마주친 개념 → Dependency-Tree로 위치 파악

예: "DAG 멱등성이 뭐지?"
  ↓
  Dependency-Tree에서 위치 확인
  ├─ Level: 2 (중급)
  ├─ Prerequisite: Level 1 (LLMOps, Airflow)
  └─ Next: Level 3 (워크플로우 자동화)
  ↓
  "아, Level 1을 먼저 이해해야 하는구나" 파악
  ↓
  [[concepts/llmops-lifecycle-and-stack]] 읽기

양방향 링크 활용

1. 개념 파일 열기 (예: [[concepts/dag-idempotency]])
2. "Prerequisites" 섹션으로 사전학습 체크
3. "Related Concepts" 섹션으로 다음 단계 탐색
4. Obsidian의 "Backlinks" 패널로 역참조 확인
   (이 개념을 사용하는 다른 개념/인사이트 발견)

---

Q4: 학습 진도를 어떻게 추적할까요?

체크리스트 만들기 (선택적):

# 내 학습 경로 — Path A (AI 에이전트 기초)
 
## Level 1: Foundations (4/5 완료)
- [x] [[concepts/llmops-lifecycle-and-stack]]
- [x] [[concepts/agentic-ai-patterns]]
- [ ] [[concepts/data-warehouse-architecture]]
- [x] [[concepts/query-optimization]]
- [x] [[concepts/etl-pipeline]]
 
## Level 2: Harness (1/3 진행 중)
- [ ] [[concepts/dag-idempotency]]
- [x] [[concepts/harness-engineering]]
- [ ] [[concepts/observability-and-monitoring-architecture]]
 
## 진도
✅ 6/8 = 75% 완료

추적 팁:

• Dataview를 사용하면 자동 계산 가능 (2026-05-xx 예정)
• 현재는 수동 체크리스트로 충분

---

Q5: 인사이트(insights/)는 언제 읽나요?

상황별:

상황	인사이트	용도
개념 혼동	llm-wiki-vs-rag-comparison-2026-04-20	차이점 명확화
위키 평가	wiki-health-2026-04-26	데이터 품질 확인
PKM 개선	pkm-analysis-2026-04-25	다음 우선순위 결정
신기술 기초	(예정)	Gemma 4 학습 경로

추천: 개념 3개 이상 학습한 후 관련 인사이트 읽기 (이해도 ↑)

---

🛠️ How-To (실전 가이드)

How-To 1: 자신의 학습 경로 만들기

목표: Dependency-Tree를 기반으로 개인 맞춤 경로 설계

단계:

1. 경로 선택: Path A (4h) vs Path B (8h) vs Custom 결정
2. 목표 설정:

   # 내 학습 목표 (2026-05-31)
   - DAP 데이터 파이프라인의 자동화 패턴 이해
   - Agentic AI를 DAP에 적용하는 첫 단계 설계

3. 체크리스트 생성: 위의 Q4 참고
4. 매주 검토: Dashboard의 “This Week” 섹션에서 진도 확인
5. 유연성: 필요시 우선순위 재조정 (Learning Path는 가이드)

팁:

• “반드시” 순서대로 할 필요는 없음 (선택적)
• 관심 개념부터 시작 → 필요할 때 사전학습 보충

---

How-To 2: 자신의 프로젝트에 Learning Path 적용하기

예시: “DAP ↔ Agentic AI 통합 프로젝트” 설계

단계:

1. 프로젝트 아웃컴 정의:

   # wiki/projects/dap-agentic-integration.md
   outcome: "Airflow DAG를 자율 에이전트로 대체하는 PoC 완성"
   related_concepts:
     - [[concepts/dag-idempotency]]
     - [[concepts/harness-engineering]]
     - [[concepts/incident-response-automation]]
   learning_path: "Path B — DAP + Agentic AI 심화"

2. 체계적 학습 → 실전 연결:

   1주: DAG 멱등성 개념 학습
        → 현업 DAG 코드 리뷰
        
   2주: 옵저버빌리티 개념 학습
        → 현업 모니터링 개선
        
   3주: 자동화 패턴 학습
        → 첫 자동화 에이전트 설계
        
   4주: 실제 구현 + 테스트
   

3. 주간 체크-인 (매 금요일):

   • Dashboard의 “Active Projects” 확인
   • 개념 체크리스트 업데이트
   • 다음 주 학습 목표 재설정

---

How-To 3: 팀 온보딩에 Dependency-Tree 활용하기

상황: 새로운 팀원이 입사했을 때

단계:

1. Dependency-Tree 소개 (15분):

   "우리 위키는 개념을 4단계로 구조화했어.
   너는 어디서 시작할까? Path A, B, 또는 커스텀?"
   

2. 맞춤 경로 추천 (30분):

   팀원 배경: 데이터 엔지니어
   추천 경로: Path B (DAP + Agentic AI 8시간)
   1주차: Level 1 완료 목표
   

3. 주간 멘토링:

   • Dashboard로 팀원의 진도 공유
   • 개념별 질문 타이밍에 맞춰 인사이트 추천
   • 실전 프로젝트와 학습 병렬 진행

효과: 온보딩 시간 ↓, 팀 역량 ↑

---

How-To 4: 위키에서 “내가 모르는 개념” 찾기

상황: Dashboard나 프로젝트 문서를 읽다가 모르는 링크를 만남

방법 A: 직선 탐색 (빠름)

1. 모르는 개념 클릭 (예: [[concepts/dag-idempotency]])
2. 개념 파일 읽기 (5-10분)
3. "Prerequisites" 확인
4. 필요하면 사전학습 개념 추가 읽기

방법 B: Dependency-Tree 기반 탐색 (체계적)

1. [[concepts/DEPENDENCY-TREE]] 열기
2. 모르는 개념의 Level + Path 확인
3. 전체 경로 이해 후 우선순위 결정
4. Level 1부터 순서대로 학습

팁: 처음에는 Method A (빠른 답변), 시간 여유 있으면 Method B (깊이 있는 이해)

---

How-To 5: 자신의 질문을 위키 인사이트로 만들기

예시: “대규모 DAP에서 Gemma 4를 어디에 쓸까?”

단계:

1. 질문 정의:

   # wiki/queries/dap-gemma4-use-case.md
   question: "대규모 데이터 파이프라인에서 로컬 오픈소스 LLM을 어디에 효과적으로 쓸까?"
   tags: [query, dap, agentic-ai]

2. 관련 개념 찾기:

   • recommendation-system-architecture
   • gemma-4
   • observability-and-monitoring-architecture

3. 3개 이상 소스 통합 분석:

   # 인사이트 작성
    
   ## 1. 추천 시스템 + Gemma 4
   (개념:추천 시스템 + 엔티티:Gemma 4 통합)
    
   ## 2. 모니터링 & 자동화
   (개념:옵저버빌리티 + 개념:사건대응 + Gemma 4)
    
   ## 3. 실제 구현 로드맵
   (...)

4. 저장:

   → wiki/insights/dap-gemma4-integration-2026-04-26.md
   → log.md에 엔트리 기록
   → index.md에 등재
   

효과: 자신의 질문 해결 + 팀 모두의 자산화

---

🎓 학습 효율 팁

팁	설명
분산 학습	한 개념 1-2시간 학습 후 쉬기 (과부하 방지)
실전 연결	이론 학습 → 현업 코드 검토 → 구현 (3박자)
역참조 활용	Obsidian Backlinks로 다른 관점의 개념 발견
인사이트 우선	3개 개념 학습 후 관련 인사이트 읽기 (깊이 ↑)
주간 리뷰	금요일 Dashboard로 주간 진도 평가 + 다음 주 계획

---

🔗 관련 페이지

• dashboard — 이번 주 한눈에
• DEPENDENCY-TREE — 4계층 학습 경로맵
• three-layer-architecture — Layer 설명
• phase9-pkm-improvement — 이 가이드의 배경