systems

보통 LLM 룰은 정적 system prompt 단일 파일. NeuronFS = 폴더 구조 자체가 의미 + 자동 컴파일 → 규칙 진화가 git diff 로 잡힌다.

사이트 모든 LLM 에이전트가 단일 CLAUDE.md 참조

사람이 별점 4-5 = dopamine, 1-2 = bomb → counter 누적 → 자동 승격/폐기. 시스템이 자연선택처럼 작동.

운영 자동화 — 사람 손 없이 시스템 자가 진화

CI/CD 는 실패 알림만 — 우리는 실패 = 학습 신호. 수정안 자체를 시스템이 생성. 사람은 승인만.

반복 사고 자동 closed-loop

보통 RLHF 는 별도 학습 batch. 우리는 production feedback 이 runtime 에 즉시 박힘 = 온라인 학습.

human-in-the-loop 자율진화 핵심 고리

SQL RLS 는 query-time filtering — file-system isolation 은 물리적 분리. brain_co13 / brain_co14 는 절대 섞이지 않는다.

데이터 moat 격리의 가장 강한 형태

OpenAI Batch API 와 다르다 — 동기 실시간 + 동시성 cap + 부분 실패 허용. 분량 보장은 자체 구현.

단발 40K timeout 사고 회피

prompt variation 단순 N회 호출이 아니다. 각 페르소나가 독립 세계관 → 논리·기운·건강·연애 다각도 → 최종 종합 = 신뢰도 단일 호출 X.

프리미엄 리포트 다각도 해석 표준

보통 백엔드가 문단 포매팅. 우리는 프론트 클라이언트가 문맥 인식 자동 분석 → 매거진 톤 = 사이트 와이드 일관.

초고가 콘텐츠 프리미엄감 = 스타일 일관성

대부분 비디오 시스템은 Python flow 를 코드로 작성. 여기는 선언형 manifest + agent 가 읽음 = 기획자도 파이프라인 확장.

비디오 production 본격 framework

각 BaseTool 의 agent_skills 필드 → Layer 3 SKILL.md 강제. '도구 호출 전 SKILL.md 읽어라' 가 시스템 룰.

60+ vendor-specific SKILL 통합

기존 multi-agent 는 팀 구성을 코드로 작성. 우리는 자연어 + frontmatter matching → 에이전트 재사용성 극대화.

재사용성 극대화 — 같은 팀 다시 요청 = 기존 agents 재사용

Redis / RabbitMQ 같은 Job Queue 없이 — 순수 PHP + ignore_user_abort 만으로 production 비동기. shared hosting 제약에서 자체 발명.

shared hosting 환경 비동기 production 운영

timestamp fallback 폐기 — ID 두 개 anchor. 30분 내 여러 결과 섞임 차단. 라벨 정확도 자체가 학습 데이터의 품질.

SFT/DPO 학습 데이터 자동 정제

localStorage 토큰 영구 폐기 → XSS 탈취 차단. 혼합 auth (cookie + Bearer 레거시) 양립 + 점진 이관.

다중 회사 동시 운영 + XSS 안전성

단순 API docs 가 아니다. '이 모델이 좋은 결과를 내는 prompt 구조' 를 explicit 하게 가르침. output quality 2-3배 증가.

trial-and-error 제거 = production quality 증명