AI

상위 사상: philosophy.md · 자가개선 루프: coreloop.md

주체: AI 엔진 (dartlab.ask · 서버 /api/ask 경유). 현재: 4축 사상 (CAPABILITIES tool · 시스템 프롬프트 · 자율 개입 override · 적극적 분석가) 확립. 8 운영 원칙 (P1~P8) 실행 중. 방향: 엔진 override 키 자동 생성 · 블로그/경험 tool 활용 확대 · 응답 latency 단축.

dartlab 을 대표하는 적극적 분석가. 엔진은 도구, AI 가 주체자. 이 문서가 AI 엔진의 단일 진실의 원천 (single source of truth). 흔들리지 않는다.

각 섹션은 "이렇게 한다" 명제로 열고, 반복된 실수는 섹션 하단 "반복 실패" 에 정리한다.

1. 호출 — `dartlab.ask(question)` 단일 진입점으로 간다

import dartlab
dartlab.ask("삼성전자 수익성 분석해줘")                     # 자연어 → AI 가 도구 자율 호출
dartlab.ask("이 회사 어때", stockCode="005930")             # UI/CLI 가 종목코드 힌트
for chunk in dartlab.ask("분석", stream=True):
    print(chunk, end="")

진입점 단일: dartlab.ask(question). Company-bound 는 c.ask(query) — 내부에서 stockCode=self.stockCode 힌트 전달. chat / reviewer / ask(stock, question) 은 쓰지 않는다.

설정/상태/템플릿 API

from dartlab import ai

ai.configure(provider="codex", model=None, temperature=0.3)  # 글로벌 AI profile 갱신
ai.get_config()                       # 현재 LLMConfig 반환
ai.status()                           # provider 연결 상태 확인 (available, model 등)

ai.templates()                        # 분석 템플릿 목록 (list[dict])
ai.templates("deep-analysis")         # 특정 템플릿 내용 (str)
ai.saveTemplate("my-tmpl", content="...") # 사용자 템플릿 저장 (~/.dartlab/templates/)

플러그인 도구 등록

from dartlab.ai import tool, get_plugin_registry

@tool(category="custom")
def my_analysis(metric: str) -> str:
    """사용자 정의 분석."""
    return f"{metric} 분석 완료"

@tool(requires_company=True)
def company_metric(company, metric: str) -> str:
    """회사별 분석."""
    return f"{company.corpName}: {metric}"

get_plugin_registry()                 # 등록된 플러그인 목록

반복 실패 — dartlab.chat / c.reviewer / ask(stockCode, question) 다중 진입점 유지. 2026-04-06 단일화 완료.

2. 아키텍처 — 단일 데이터 흐름으로 간다

dartlab.ask(question, *, stockCode?)
  │
  ├─ 시스템 프롬프트 조립 (static[cache_control] + dynamic)
  │     + CAPABILITIES reference 자동 주입 (guide/_generated.py)
  │
  ├─ request scope: beginCompanyCache() — ContextVar 에 {stockCode: Company}
  │     한 요청 내 같은 종목 tool 여러 개가 Company 인스턴스 공유 →
  │     finance 매핑 1회. BoundedCache 공유. 메모리 폭발 완화.
  │
  ├─ streamWithTools (runtime/toolLoop.py, max 10 라운드)
  │     provider.stream_with_tools() — SSE delta 실시간 text + ToolResponse
  │     tool 자동 등록 (__all__ + Company 공개 - 블랙리스트)
  │     병렬 tool 허용: 한 라운드 최대 4개 (resp.tool_calls[:4]).
  │     tool 실행: runToolWithProgress (worker thread + ContextVar)
  │              → getOrCreateCompany(stockCode)  (request-scoped cache)
  │              → serializeForLlm(autoEnrich) + serializeForUi
  │     이벤트: tool_call / tool_progress (실시간 진행 라인) / tool_result / chunk
  │
  ├─ 이벤트 분기 — server SSE / CLI stdio / notebook generator
  │
  └─ post-response 학습 (자율성 침해 아님)
        saveAnalysis      — executions 테이블
        _updateInsight    — insights (regex 추출)
        curate            — ACE bullet delta merge

3. 정보원천 — 세 개로 간다

원천	접근 경로	특징
CAPABILITIES (엔진 tool)	`show` · `analysis` · `scan` · `macro` · `credit` · `quant` · `gather` · `story` · `search` · `searchCompany` · `pythonExec` · `causalWeights` · `valuationImpact` · `storyTree` · `narrativeDiff` · `industry`	엔진은 AI 근육. docstring→generateSpec.py→_generated.py 자동 등록. axis enum 자동 주입 (추측 금지).
블로그 / 과거 경험	`pastInsight(stockCode)` · `sectorInsights(sector)` tool	KnowledgeDB `insights(source="blog")` 40건 — narrative 에 `[direction/confidence/archetype] [revenue/opm/roe/fcf]` 병합 (Phase 14 B1). AI 자율 조회, 떠먹이기 금지.
웹 / 뉴스	`gather("news", ...)` · DART `search`(공시 본문) · `searchCompany`(티커/회사명, KR+US 통합, `인텔→Intel` alias) · `pythonExec` 내 webSearch	실시간 정보 보강

데이터 신선도 매트릭스 (Phase 15 B3)

데이터	TTL / 갱신 주기	현황
DART 공시	당일	자동 동기화
DART 재무 (분기/연간)	Q+45일	11.6M 행, 2,745 종목
EDGAR companyfacts	24h ETag (daily ~04:25 UTC)	16,601 종목
주가 (KR)	5분	Naver/Yahoo/FMP fallback
주가 (US)	15분	Yahoo/FMP
뉴스	30분	Google News RSS
거시 (ECOS/FRED)	6h	Parquet 캐시

AI 는 tool_result.dataAsOf = {latestPeriod, retrievedAt} 으로 데이터 신선도 즉시 인지 (Phase 15 B2). "실시간" 착각 방지 — latest period 가 2025Q4 인지 2024 인지 명시.

4. 사상 — 6 막 인과로 간다

dartlab AI 는 경제(macro) → 섹터(scan/industry) → 기업(Company) → 재무(analysis) → 가치(quant) 의 6막 인과를 추적한다.

종목 분석 시에도 macro/scan/industry 를 자율 연결하여 인과 맥락 제공.
종목 없는 질문도 처리: dartlab.ask("경제 어때?") → macro 엔진 직접 호출.
dartlab.ask("반도체 업종 비교") → scan/industry 엔진 직접 호출.
Company 는 6막 중 하나의 진입점이지, dartlab 의 전부가 아니다.

반복 실패 — Company 편의성 원칙을 dartlab 전체 사상으로 혼동. Company 는 엔진 편의성, dartlab 은 4 비교 가능성 + 6막 인과.

5. 4축 사상 — 이 넷이 dartlab AI

축	재정의	코드
CAPABILITIES 기반	도구 = AI 근육. `dartlab.__all__` + Company 공개 method 자동 순회 + 블랙리스트. 수동 dict 금지.	`ai/tools/__init__.py::_autoDiscover`
시스템 프롬프트 주도	5원칙 + 질문 유형별 축 조합 + 판단 형식 + override 매커니즘을 static 프롬프트에 (cache_control).	`runtime/core.py::_SYSTEM_PROMPT`
AI 자율 개입 ⭐	엔진 결과 소비자가 아니라 조율자. tool 선택 + `overrides=` 로 엔진 계산 가정 직접 교체. 하한 강제 금지.	`runtime/toolLoop.py` + `core/overrides.py`
적극적 분석가	엔진 결과 의심 → `show` 원본 검증 → overrides 재호출로 엔진 조율 → 판단 형식.	시스템 프롬프트 + post-response

5.5 skill 은 독스트링이다 — 별도 파일 없음

SSOT = ops/skills.md. 본 섹션은 AI 엔진 관점의 요약 포인터.

핵심 명제 5 줄:

skill = 공개 엔진·함수의 docstring. 별도 skills/ 디렉토리나 SKILL.md 파일 없음. help(scanRatio) 가 곧 skill 본문.
3 층 docstring: 엔진 __init__.py (사상·레시피·질문→조합 매핑) → 공개 함수 docstring (9 섹션: When/How/Parameters/Returns/Raises/Examples/Notes/Guide/See Also) → ai/runtime (여러 엔진 엮는 종합 절차). ops/code.md SSOT 준수.
AI 노출 = tool schema description (기존 ai/tools/__init__.py::_toolDescription 경로). skill 카탈로그 별도 프롬프트 주입 없음. 필요 시 Read tool 로 엔진 docstring · ops/{engine}.md 직접 참조.
자가 개선 5 Phase 는 docstring 위에서 돌아간다 — 실험 (audit 로그) → 후보 (반복 패턴 감지) → 승격 (docstring Guide PR) → 자기개선 (반례 · 개선 PR) → 엔진 승격 (반복 조합을 공식 axis 로). audit 로그 축적 훅 server/streaming.py 완료.
축 개선·추가 시 독스트링을 skill 급으로 유지 의무. When/How/Verified/Examples 모두 채우지 않으면 merge 반려. ops/skills.md §4 참조.

AI 엔진이 해야 할 일:

Phase 1 실행 완료 — server/streaming.py::stream_ask audit 로그 훅 · Read tool 추가. 남은 것: 테스트 audit 2 회 재실행 + _buildSkillCatalog 제거된 프롬프트에서 광역 발굴 응답 품질 재확인.
docstring 개선 — scan 엔진 사상 · scanAccount/scanRatio Guide 를 skill 급으로. annual → freq 일관화 완료 후 Guide 섹션 최신 유지.
prompts 정리 — 기존 _SYSTEM_PROMPT 에 박힌 "7 관점 · Reading Notes · 질문→매핑" 은 docstring 으로 이관·수렴되면 프롬프트에서 점진 제거 (현재는 유지 — docstring 이 충분히 성숙하면 제거).

6. AI 개입 매커니즘 (override) — 가정을 AI 가 교체한다 ⭐

"AI 자율 개입" 은 tool 선택만이 아니다. 엔진의 계산 과정 자체를 AI 가 제어한다.

override 표준 — core/overrides.py — 4 엔진 공통:

그룹	엔진	키
FORECAST	analysis	baseRevenue / growthRates / opm / capexRatio / depreciationRatio / nwcRatio / taxRate
VALUATION	analysis	wacc / terminalGrowth / primaryModel / riskFreeRate / equityRiskPremium / beta
ANALYSIS	analysis	peerGroup / periodRange / sectorBench
CREDIT	credit	debtRatio / interestCoverage / currentRatio / quickRatio / ocfToDebt / fcfToDebt / scenarioStress
QUANT	quant	window / threshold / period / benchmark
MACRO	macro	cyclePhase / rateScenario / fxScenario / liquidityScenario

흐름 예시:

AI 가 analysis(axis="가치평가") 호출
  → 엔진이 WACC=18% 로 적정주가 계산 (자동)
  → AI 가 "WACC 18% 는 과대" 판단
  → analysis(axis="가치평가", overrides={"wacc": 9.0}) 재호출
  → 엔진이 WACC=9% 로 재계산
  → 두 결과 비교 → "시장 WACC 기준 적정주가는 X" 판단

Level 1 vs Level 2:

Level 1 (시스템 디폴트): overrides=None → 엔진 자동 계산.
Level 2 (AI 조율): overrides={...} → 지정 가정만 교체, 나머지 자동.

AI 인지: 각 tool schema 의 overrides 파라미터 description 에 가능한 키 명시 → describeOverrides("analysis") 등이 자동 생성.

7. 운영 원칙 P1~P8

P1. 진입점 단일

AI 호출 경로는 dartlab.ask(question) 하나. Company-bound 는 c.ask(query) — 내부에서 stockCode=self.stockCode 힌트 자동 전달. 본 진입점 하나로 통합 운영한다.

P2. 엔진 결과는 tool 로 조회

AI 는 엔진 결과를 tool 호출 로 가져온다 (show · analysis · scan · credit · quant · gather · macro 등). 블로그/과거 경험도 pastInsight / sectorInsights tool 로 AI 자율 선택. 사전 주입 (Pre-grounding / ContextBuilder selectors) 경로는 사용하지 않는다 — AI 의 자율 판단 공간을 보존.

P3. tool 자동 등록

tool 목록은 dartlab.__all__ + Company 공개 method 를 자동 순회 해 블랙리스트 필터 후 등록. 블랙리스트: setup · collect · collectAll · downloadAll · listing · Company · config · ask · canHandle · priority · status · update · view · 기타 비분석 API. 수동 dict 유지는 중복 SSoT 를 만들기 때문에 자동 경로만 유지.

P4. tool 호출 수는 질문 복잡도에 따라 자율

AI 는 간단 질문 1회, 복잡 질문 10회까지 tool 호출을 자율 결정. 시스템 프롬프트에 "분석당 tool N회" 같은 숫자 하한은 두지 않는다 (Claude Code 방식). "질문 유형별 축 조합" 표는 참고 가이드 로만 활용.

P4.5. AI 의 엔진 개입 (override) ⭐

AI 는 엔진 결과의 조율자. 엔진 가정이 비현실적이면 overrides={...} 로 계산 과정 자체를 교체해 재호출한다. 4 엔진 (analysis/credit/quant/macro) override 키의 단일 진실의 원천 은 core/overrides.py 코드 (본 문서는 개념만 설명). tool schema 의 overrides description 에 가능한 키가 자동 명시되어 AI 가 인지한다.

P5. Company 엔진 method 병존

c.analysis / c.credit / c.story / c.gather / c.quant / c.show — 사용자 프로그래밍 경로. 같은 _Impl 을 공유하므로 AI tool 과 결과 동일. 노트북 · 스크립트 · publisher 에서 활용.

P6. 원본 검증은 AI 자율

AI 는 엔진 결과가 의심스러울 때 show 원본을 호출해 검증한다. 매 응답마다 의무 호출은 하지 않으며 "매번 원본 검증했다" 같은 문구도 응답에 남기지 않는다 — 답변 간결성 유지.

P7. 카탈로그 수 대신 기능 설명

축·엔진·tool 개수 ("14축", "10 tool") 는 시간에 따라 늘어나므로 문서·시스템 프롬프트·메모리·블로그·README 모두 기능 설명 중심으로 작성한다. 숫자는 CAPABILITIES 자동 생성본에 맡기고 본 문서는 개념만.

P8. FINANCE 범주는 최소 1회 tool 경유 ⭐

질문 범주를 ai/context/intent.py::classifyCategory 가 3 분류:

META (dartlab 자체 안내 — "뭐야", "어떻게 써"): CAPABILITIES + 시스템 프롬프트로 직접 응답. tool 불필요.
FINANCE (기업·시장·매크로·공시·가치·신용 + 애매 주변): tool 최소 1회 경유. tool 0회 응답은 dartlab 정체성 훼손 (일반 ChatGPT 와 동일).
OUT_OF_SCOPE (날씨·일반 코딩·사담): 짧게 답 + "dartlab 전문 영역 아님" 안내 + 금융 질문 예시 3개. tool 호출은 범위 밖.

3중 방어선:

시스템 프롬프트 블록 (core.py::_buildCategoryBlock) — intent 맞춤 필수 tool 조합 명시.
API 레벨 강제 (toolLoop.py::_resolveToolChoice · tool_choice="any") — FINANCE 첫 라운드.
런타임 가드 (toolLoop.py::streamWithTools) — tool 0회 시 "[VIOLATION] ... 재호출" 자동 재질문 1회.

P4 (자율 결정) 와 충돌 없음 — "n회 하한" 이 아니라 FINANCE 전용 "tool zero 방지". 호출 횟수는 여전히 AI 자율 (1~10회).

반복 실패 — Pre-grounding 으로 context 떠먹이기 / 수동 tool dict 유지 / FINANCE 질문에 tool 0회 응답. 세 패턴 모두 자율 판단 공간 또는 dartlab 정체성 침해로 제거.

8. 경험 자산화 — 블로그·응답을 KnowledgeDB 로 순환시킨다

dartlab AI 는 매 대화가 독립이 아니라 집단 지성을 축적한다. 사람(블로그) 과 AI(응답) 가 쌓은 서사·bullet·코드 패턴이 KnowledgeDB 에 영구 보존되고, HuggingFace 로 공유된다.

자산 종류 (KnowledgeDB 테이블):

테이블	저장 주체	내용	공유
`insights`	사람(블로그) + AI (응답)	회사별 서사 · strengths · weaknesses · keyMetrics	✓ HF
`bullets` (ACE playbook)	AI 응답 자동 추출	intent+sector 별 검증 bullet (Beta posterior 품질)	✓ HF
`executions`	AI 응답 자동	모든 질문·등급·tool 호출 기록	✗ 개인 이력

자산화 순환 루프:

     ┌──────────────────────── HuggingFace 동기화 (push/pull)
     │
     ▼
 KnowledgeDB (insights / bullets / executions)
     ▲                                   │
     │                                   │
  [쓰기]                              [읽기]
     │                                   │
  post-response 자동                     ▼
  · _updateInsightFromResponse        AI 가 tool 로 자율 조회
  · curate(bullet delta merge)        · pastInsight(stockCode)
  · saveAnalysis(executions)          · sectorInsights(sector)
     │                                   │
     └───────────────  AI 응답 ──────────┘
     ▲
     │
사람 (블로그 frontmatter ai: 블록)
  → publisher 가 insights(source="blog") 로 변환

읽기 경로 — ai/tools/_builtin.py::pastInsight / sectorInsights. AI 가 자율 호출.

블로그 → insights 파생 — blog/{company}/index.md frontmatter ai: 블록 → publisher 가 KnowledgeDB.upsert_insight(source="blog"). 사람이 쓴 검증된 서사가 곧 AI 자산.

9. 질문 유형별 축 조합 (참고 가이드)

시스템 프롬프트가 AI 에게 참고로 제공 — AI 판단 자율:

질문 유형	축 조합 예
수익성	`analysis("수익성")` + `analysis("비용구조")` + story credit 블록 참고
가치평가	`analysis("가치평가")` + `analysis("매출전망")` + `gather("price")` + overrides 조율
신용/부실	`credit()` + `analysis("안정성")` + `analysis("현금흐름")` + overrides 시나리오
사이클	`macro("사이클")` + `scan("growth")` + `quant("지표")`
비교/스크린	`scan(axis, ...)` + `analysis` (선택 종목 심층)
공시/이슈	`search(...)` + `gather("news")` + `show("filings")`

10. 분석 결과 해석 — dict 스키마 그대로 쓴다

dict 키 추측 금지 — c.analysis(...) 결과 dict 는 schema 가 정해져 있음. 독스트링 확인.
flags 타입 일관성 — list[str] (경고 이름). 문자열 join 금지.
autoEnrich 메타 활용 — tool_result dict 에 엔진이 판정한 메타가 주입됨. AI 는 이 값을 응답에 그대로 인용하고 재계산하지 않는다.
- _summary : 5년 평균/YoY/추세 한 줄 요약
- _yoy : {field: "+x.x%"} dict — history 의 모든 숫자 필드에 대한 직전 기간 대비 변화율 (core/finance/ratios::yoy_pct SSOT). 부호 전환 시 필드 생략.
- assumptions : 엔진이 채택한 가정 (override 유도 문구 포함)
None 은 "데이터 없음" — 추정값 만들지 않음. 사용자가 판단.
status="auth_required" 는 API 키 필요 — tool_result 의 status 가 auth_required 이면 llmText 본문에 발급 URL + .env 설정법이 이미 포함돼 있다. AI 는 그 본문을 사용자 응답에 그대로 포함시켜 키 설정을 안내한다. 데이터 부재로 처리하지 않는다.
수치 제시 형식 — 동일 범주 수치 2개 이상 (시계열 · 종목비교 · 재무비율 세트 · grade 묶음) 은 markdown 표로 제시. 글머리 목록 나열 금지. 단일 값은 문장 속 인용. 직렬화 경로(ai/tools/serialize.py)는 _formatNum (SSOT: ai/context/aiview.py) 재사용으로 한국어 단위 포맷 (조/억/원/%/배). Polars DataFrame 은 수동 GFM 빌드 (Polars ASCII 테이블 줄바꿈 버그 회피).
표 뒤 Reading Notes 의무 — 표 제시 후 "이 표에서 읽을 포인트" 3개 이하 bullet. 수치 자체 아닌 변화·대비·의미. _yoy 필드가 있으면 우선 인용. 예: ✗ "매출 14% 감소" ✓ "매출 14% 감소인데 영업이익률은 개선 → 마진 방어 성공".
청중 자동 판단 — 질문 어휘로 청중 수준 추정. 초보 신호("뭐야"·"설명")면 전문용어 첫 등장 시 괄호 풀이 필수. 전문가 신호(DCF·WACC·Z-score)면 풀이 생략. LLM 에게 프롬프트로 위임 (별도 분류기 신설 없음).
임계값 해석 가이드 — 재무비율 (Debt/EBITDA · 유동비율 · 부채비율 · ICR · PBR · ROE 등) 본문에 나오면 교과서 기준 한 줄 해석 덧붙임. 시스템 프롬프트에 기준 테이블 명시.
응답 포맷 ≠ audit 포맷 — 방향=중립/강도=보통/확신도=높음 4척도 키=값 포맷은 audit P/T/C/V 내부 평가 기준이지 사용자 응답 포맷 아님. 응답은 자연스러운 한국어 판단문 1-2 문장. §11 audit 섹션에서만 4척도 사용.
병렬 tool 허용 — 한 라운드에 최대 4개 tool 동시 호출 가능. toolLoop 에서 [:4] 상한. 실행은 같은 라운드 내 순차 (threading 병렬 아님) → 메모리 안전. 복합 분석 (3+ 엔진 조합) 시 pythonExec 으로 한 번에 모아 실행도 가능. maxRounds=10 유지하되 실효 처리량 10→30~40 tool.
Request-scoped Company 캐시 — ai/runtime/companyCache.py 가 ContextVar 기반 {stockCode: Company} dict 를 요청 시작·종료에 묶는다. _companyHandler 가 getOrCreateCompany 로 재사용 → 같은 종목을 여러 tool 이 조회해도 finance 매핑 1회. notebook / CLI 등 ctx 없는 경로는 기존 동작 유지.
scan 단일종목 금지 — scan 은 전종목 횡단 비교 전용. 단일 종목이면 analysis / credit / show / quant / debt / capital / governance 사용. schema description 과 시스템 프롬프트 양쪽에 명시.

반복 실패 — dict 키 추측으로 KeyError / 추정값으로 수치 채우기 / 표 없이 bullet 나열 / scan 으로 단일 종목 조회.

11. AI Audit — 표준 10 질문 + 서버 경유로 간다

AI 응답 품질은 사람이 실제 응답을 읽고 판단하는 절차로 검증한다. 자동 메트릭(토큰/길이) 은 보조 지표.

표준 질문 세트 (dartlab 사상 전체 커버)

dartlab 은 종목만이 아니라 경제·섹터·시장·공시·메타 전 영역을 다룬다. audit 질문도 전 영역을 커버한다.

#	범주	질문	검증 포인트
1	KR 종목	"삼성전자 수익성 분석해줘"	6막 인과 연결, 원본 교차검증
2	KR 종목	"대우건설 안정성 어때?"	credit + analysis 조합
3	KR 종목	"삼양식품 현금흐름 분석"	CF + 이익품질 연결
4	US 종목	"인텔 분석해줘"	EDGAR 데이터, searchCompany
5	매크로	"경제 어때?"	macro 엔진, 종목 없이 동작
6	섹터	"반도체 업종 비교해줘"	scan + industry
7	공시	"삼성전자 최근 공시 뭐 있어?"	search tool
8	종합	"SK하이닉스 기업이야기 만들어줘"	6막 전체, pastInsight 활용
9	메타	"dartlab 뭐 할 수 있어?"	capabilities() 자율 조회, tool 미호출
10	capabilities	"show 함수 어떻게 써?"	capabilities("Company.show") 호출

서버 경유 검증

실사용자 진입 경로는 landing/UI → POST /api/ask. 직접 dartlab.ask() 는 server/api/ask.py · services/ai_analysis.run_plain_chat · streaming.stream_ask · SSE · 요청 직렬화 · 미들웨어 레이어를 건너뛰기 때문에 해당 레이어의 직렬화 실패 · stream 중단 · tool_choice 매핑 · 상태 오염 같은 결함을 드러내지 못한다. 품질 검증은 서버 기동 후 POST /api/ask 로 호출한다.

uv run uvicorn dartlab.server:app --host 127.0.0.1 --port 8400
curl -X POST http://127.0.0.1:8400/api/ask \
  -H "Content-Type: application/json" \
  -d '{"question": "삼성전자 수익성 분석해줘", "stream": false}'

stream 경로("stream": true + SSE 수신)도 함께 검증한다. 서버 콘솔 로그의 tool failed / warning / traceback / import 실패 / provider 에러를 전수 확인한다.

결과 저장

질문별 응답 + 서버 로그 snippet + 판정 결과는 data/audit/ai/{YYYY-MM-DD}/ 에 보존.

반복 실패 — 직접 dartlab.ask() 호출로 audit 결론. 서버 레이어 결함 미탐지.

12. Provider — oauth-codex 를 audit 표준으로 간다

API 키 provider:

Provider	모델
`claude`	Claude 4.6 (Opus/Sonnet/Haiku)
`gemini`	Gemini 2.5 Pro/Flash
`groq`	LLaMA 3.3 70B
`cerebras`	LLaMA 3.3 70B
`mistral`	Mistral Small
`oauth-codex`	GPT OAuth (audit 표준)

기타:

Provider	인증	Tool Calling
`openai`	API key	O
`ollama`	로컬	모델 의존
`codex`	ChatGPT CLI	O

벤치마크 숫자로 기본 모델을 정하지 않는다. 각 모델로 dartlab AI audit 실행 → P/T/C/V 등급 비교.

13. 폐기 히스토리

selfai 엔진 (few_shot/router/reflexion/output_validator) 2026-04-06 폐기. KnowledgeDB 영속성만 ai/persistence/ 로 분리 보존.
Pre-grounding thread / ContextBuilder selectors — 떠먹이기. 2026-04-13 완전 제거. 경험 자산은 pastInsight / sectorInsights tool 로 AI 자율 조회.
dartlab.chat / c.reviewer — 진입점 단일화 (P1). dartlab.ask / c.ask 로 통합.

14. 관련 코드

src/dartlab/ai/runtime/standalone.py — dartlab.ask 진입점
src/dartlab/ai/runtime/core.py — 시스템 프롬프트 + category 블록 + analyze 이벤트 생성
src/dartlab/ai/runtime/toolLoop.py — streamWithTools 루프 + P8 가드 + tool_choice 매핑
src/dartlab/ai/context/intent.py — classifyCategory (META/FINANCE/OUT_OF_SCOPE) + classifyIntent (6막/compare/concept)
src/dartlab/ai/tools/init.py — _autoDiscover + schema
src/dartlab/ai/insights.py — pastInsight/sectorInsights (READ 경로, tool 자동 등록)
src/dartlab/ai/tools/coding.py — DartlabCodeExecutor (pythonExec tool)
src/dartlab/core/overrides.py — override 키 정의 + detectExtremeFlags 자가 의심
src/dartlab/ai/context/aiview.py — autoEnrich (tool_result enrichment + [엔진가정] 줄 주입)
src/dartlab/ai/context/playbook.py — ACE Curator/Reflector (bullet delta merge, 결정론 추출)
src/dartlab/ai/persistence/knowledge_db.py — KnowledgeDB (insights/bullets/executions)
src/dartlab/ai/providers/ — provider 구현 (tool_choice "any"/"none" 매핑 포함)

요약 — 명제 10 줄

진입점은 dartlab.ask(question) 단일. Company-bound 는 c.ask(query).
dartlab 사상은 6막 인과 (macro → scan/industry → Company → analysis → quant). Company 는 진입점 중 하나.
4축 = CAPABILITIES 기반 · 시스템 프롬프트 주도 · AI 자율 개입(override) · 적극적 분석가.
3 정보원천 = 엔진 tool · pastInsight/sectorInsights · web/news/search. AI 자율 조회.
override 로 엔진 가정 교체해 재호출 (FORECAST/VALUATION/ANALYSIS/CREDIT/QUANT/MACRO 키는 core/overrides.py SSOT).
P1~P8 운영 원칙. 특히 P8 — FINANCE 범주는 tool 최소 1회 경유 (3중 방어선).
경험 자산화 — KnowledgeDB insights/bullets/executions + HF 동기화. 사람(블로그) + AI(응답) 공동 축적.
해석 규칙 — dict 키 추측 금지 / None 존중 / 수치 2개↑ 표 + Reading Notes / scan 단일종목 금지.
audit 는 표준 10 질문 + 서버 경유 (POST /api/ask) 로 P/T/C/V 판정. 직접 ask() 호출 금지.
provider 는 oauth-codex 가 audit 표준. 기본 모델 선택은 audit 결과로.

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

AI

1. 호출 — `dartlab.ask(question)` 단일 진입점으로 간다

설정/상태/템플릿 API

플러그인 도구 등록

2. 아키텍처 — 단일 데이터 흐름으로 간다

3. 정보원천 — 세 개로 간다

데이터 신선도 매트릭스 (Phase 15 B3)

4. 사상 — 6 막 인과로 간다

5. 4축 사상 — 이 넷이 dartlab AI

5.5 skill 은 독스트링이다 — 별도 파일 없음

6. AI 개입 매커니즘 (override) — 가정을 AI 가 교체한다 ⭐

7. 운영 원칙 P1~P8

P1. 진입점 단일

P2. 엔진 결과는 tool 로 조회

P3. tool 자동 등록

P4. tool 호출 수는 질문 복잡도에 따라 자율

P4.5. AI 의 엔진 개입 (override) ⭐

P5. Company 엔진 method 병존

P6. 원본 검증은 AI 자율

P7. 카탈로그 수 대신 기능 설명

P8. FINANCE 범주는 최소 1회 tool 경유 ⭐

8. 경험 자산화 — 블로그·응답을 KnowledgeDB 로 순환시킨다

9. 질문 유형별 축 조합 (참고 가이드)

10. 분석 결과 해석 — dict 스키마 그대로 쓴다

11. AI Audit — 표준 10 질문 + 서버 경유로 간다

표준 질문 세트 (dartlab 사상 전체 커버)

서버 경유 검증

결과 저장

12. Provider — oauth-codex 를 audit 표준으로 간다

13. 폐기 히스토리

14. 관련 코드

요약 — 명제 10 줄

Uh oh!

FilesExpand file tree

ai.md

Latest commit

History

ai.md

File metadata and controls

AI

1. 호출 — dartlab.ask(question) 단일 진입점으로 간다

설정/상태/템플릿 API

플러그인 도구 등록

2. 아키텍처 — 단일 데이터 흐름으로 간다

3. 정보원천 — 세 개로 간다

데이터 신선도 매트릭스 (Phase 15 B3)

4. 사상 — 6 막 인과로 간다

5. 4축 사상 — 이 넷이 dartlab AI

5.5 skill 은 독스트링이다 — 별도 파일 없음

6. AI 개입 매커니즘 (override) — 가정을 AI 가 교체한다 ⭐

7. 운영 원칙 P1~P8

P1. 진입점 단일

P2. 엔진 결과는 tool 로 조회

P3. tool 자동 등록

P4. tool 호출 수는 질문 복잡도에 따라 자율

P4.5. AI 의 엔진 개입 (override) ⭐

P5. Company 엔진 method 병존

P6. 원본 검증은 AI 자율

P7. 카탈로그 수 대신 기능 설명

P8. FINANCE 범주는 최소 1회 tool 경유 ⭐

8. 경험 자산화 — 블로그·응답을 KnowledgeDB 로 순환시킨다

9. 질문 유형별 축 조합 (참고 가이드)

10. 분석 결과 해석 — dict 스키마 그대로 쓴다

11. AI Audit — 표준 10 질문 + 서버 경유로 간다

표준 질문 세트 (dartlab 사상 전체 커버)

서버 경유 검증

결과 저장

12. Provider — oauth-codex 를 audit 표준으로 간다

13. 폐기 히스토리

14. 관련 코드

요약 — 명제 10 줄

1. 호출 — `dartlab.ask(question)` 단일 진입점으로 간다