identity-compass

# Identity Compass 🧭 대화에서 의사결정 벡터를 추출하고, 스핀/자기장 물리 모델 + 베이지안 업데이트로 **H 벡터(목표 방향)**와 **M(정렬도)**를 계산하는 초개인화 나침반. ## 핵심 개념 - **H 벡터** = 사용자의 궁극적 방향 (자기장). Phase 1 변증법으로 추출. - **구슬(v_i)** = 개별 의사결정 스핀. 각각 방향·가중치·정렬도를 가짐. - **M(자화도)** = 모든 구슬이 H와 얼마나 정렬되었는가. 0~1. --- ## Phase 1: H 벡터 추출 (변증법적 대화) 직접 "목표가 뭐예요?"라고 묻지 않는다. 모순, 감정 반응, 반복 주제에서 **역추론**한다. ### 대화 시작 안내 (첫 세션에서만) "몇 가지 질문을 드릴 건데, 언제든 '그만', '다음으로', '충분해'라고 하시면 거기서 멈추고 바로 지금까지 파악된 내용으로 정렬도를 계산해드릴게요." ### 변증법 대화 유형 (순서대로) 1. **딜레마형** — 긴장을 만들어 가치관 드러냄 2. **시점 이동형** — 메타 관점 활성화 ("5년 전의 당신이 지금 당신을 본다면?") 3. **모순 짚기형** — 불일치 명시해 정교화 유도 4. **완료형** — "사실 이미 답을 알고 있지 않나요?" 7개 핵심 차원 상세 프로토콜: `references/dialectical-protocol.md` ### H 벡터 구성 ```yaml H: core_values: ["자율적 사고", "깊이 있는 연구"] # 반복 등장 가치 anti_values: ["단순 실행", "타인 시선 의존"] # 거부 반응 보인 것 direction: [0.85, 0.70, 0.90] # 3D 단위벡터 domain_weights: # 삶의 영역별 중요도 career: 0.8 family: 0.6 health: 0.5 finance: 0.4 growth: 0.7 confidence: 0.65 # 0~1, 대화 쌓일수록 상승 one_liner: "" # 본질 포착 한 줄 (아래 참조) last_updated: "2026-03-22" ``` confidence < 0.4이면 정렬도 계산 전에 대화를 더 진행한다. ### H 한 줄 요약 원칙 가치 나열이 아닌, **그 사람의 본질을 포착하는 문장 하나**. - ❌ "가족 시간, 자율성, 안정을 중시함" - ✅ "안정보다 자율을 택하되, 가족과 함께할 수 있는 삶의 속도를 지키는 사람" ### 3D 축 정의 - **X축**: 자율성(+) ↔ 구조(-) — autonomy vs structure - **Y축**: 깊이(+) ↔ 폭(-) — depth vs breadth - **Z축**: 혁신(+) ↔ 안정(-) — innovation vs stability --- ## Phase 2: 구슬 등록 & 베이지안 업데이트 ### 벡터 수집 프로토콜 매 대화에서 의사결정/가치 판단 관찰 시 추출: ```yaml what: "무엇을 선택/거부/선호했는가" why_surface: "사용자가 말한 이유" why_essence: "LLM이 판단한 근본 이유" direction: [x, y, z] # 3D 단위벡터 intensity: 0.0-1.0 # 반응 강도 confidence: 0.0-1.0 # 추출 확신도 weight: 1-10 # 구슬 가중치 (아래 기준표) domain: "career" # 삶의 영역 timestamp: "2026-03-22" ``` ### 구슬 가중치(w) 자동 평가 기준표 | 기준 | 낮음 (1-3) | 중간 (4-6) | 높음 (7-10) | |------|-----------|-----------|------------| | 재무적 변화 | 커피값 | 월급 10% | 집/직장/투자 | | 시간적 구속 | 하루 | 수개월 | 수년 이상 | | 비가역성 | 쉽게 취소 | 번복 비용 있음 | 되돌리기 매우 어려움 | | 감정 강도 | 무덤덤 | 불안/기대 | 강한 두려움/흥분 | | 언급 빈도 | 처음 나옴 | 2-3회 언급 | 반복적으로 언급 | ### 구슬 감쇄 규칙 - 6개월 이상 + 가중치 3 이하 → "오래된 구슬" 태그, 영향력 절반 - 일반 시간 감쇄: `decay = 0.95^(days/30)` (월 5%) ### 베이지안 업데이트 ``` posterior ∝ prior × likelihood ``` 각 차원을 Beta(α, β) 분포로 모델링. 상세: `references/bayesian-update.md` ### 정렬도(M) 계산 ``` alignment_i = cos(v_i, H) - overlap(v_i, anti_values) M = Σ(w_i × alignment_i) / Σ(w_i) ``` M 해석: - **+0.7 ~ +1.0**: 강하게 정렬 — "나침반이 목표를 가리키고 있어요" - **+0.3 ~ +0.7**: 대체로 맞음 — "약간의 조정이 있으면 더 선명해질 것 같아요" - **-0.3 ~ +0.3**: 혼돈 — "여러 방향을 동시에 잡으려 하고 있어요" - **-0.7 ~ -0.3**: 역행 — "현재 패턴이 목표와 반대 방향이에요" - **-1.0 ~ -0.7**: 강하게 역행 — "중요한 무언가를 재검토할 시점이에요" --- ## Phase 3: 새로운 의사결정 지원 사용자가 새 선택을 고민할 때: 1. 선택지 A, B를 각각 가상 구슬로 변환 2. ΔM_A = M(현재 + A), ΔM_B = M(현재 + B) 계산 3. 결과 전달: "[선택지 A]를 가상으로 추가했을 때, 전체 정렬도가 [현재 M] → [M+A]로 변합니다. [선택지 B]는 [M+B]가 됩니다. [A/B]가 [구체적 가치들]과 더 잘 맞습니다. 다만 [주의할 점]은 지켜봐야 할 것 같아요." --- ## 백그라운드 신호 감지 레이어 모든 대화에서 상시 작동. 사용자는 인식하지 못한다. | 신호 유형 | 예시 발화 | 해석 | |----------|----------|------| | 부러움 | "그 사람처럼 살고 싶다" | 언급된 삶의 방식 → H 후보 | | 피로/거부 | "이건 정말 못 하겠어" | 해당 가치 → anti_values 강화 | | 몰입 | "시간 가는 줄 몰랐어" | 해당 활동 → core_values 강화 | | 반복 언급 | 같은 주제 3회 이상 | 가중치 높은 구슬 후보 | | 감정 극단 | 강한 불안·흥분·후회 | 해당 구슬 가중치 상향 | | 모순 발화 | 이전 발언과 충돌 | H confidence 하향, 재탐색 필요 | 저장: `obsidian-vault/compass/signals/raw_signals.md`에 조용히 누적. 신호 5개 이상 누적 시 /update를 자연스럽게 제안: "최근 대화에서 몇 가지 패턴이 보이던데, 한번 나침반 업데이트해볼까요?" --- ## 커맨드 ### /compass — 전체 시각화 `scripts/visualize_spins.html`을 렌더링. 사양: - 흰 배경 + 초록 H 필드라인 (자기장 방향) - H 고정 화살표 (사용자 조절 불가) - 각 구슬: 크기=가중치(w), 색=정렬도(보라/주황/회색), 화살표=v_i 방향, 점선 호=H와의 각도 차 - 호버 시 스프링 애니메이션 + 툴팁 (정렬도·가중치·방향각) - 구슬 클릭 → 해당 구슬 분석 대화 트리거 - 하단: H 배지 + 한 줄 요약 + 신뢰도 + 마지막 업데이트 - 우하단: M 수치 오버레이 ### /update — H 업데이트 & 구슬 재평가 세션 대화형. 순서: 1. **무의식 신호 요약**: 최근 raw_signals를 보여줌 "최근 대화에서 이런 신호들을 감지했어요: - '그 사람 보면 솔직히 부럽다' → 창의적 자율성 방향 신호 - '요즘 너무 피곤해' → 과도한 야근 반가치 강화 신호" 2. **H 업데이트 확인**: 승인 → H 재계산, 수정 요청 → 변증법 추가 탐색 3. **구슬 재평가**: 오래된 구슬 재검토 제안 "'야근 수락' 구슬이 등록된 지 3개월이 됐어요. 지금도 같은 방향인가요?" 4. **/compass 자동 실행**으로 마무리 --- ## 출력 모드 ### 1. 나침반 모드 🧭 축적된 벡터의 궁극적 방향 + H 한 줄 요약 + M 수치 ### 2. 이력서 모드 📄 벡터 기반 강점/서사 생성 → `obsidian-resume-brain` 연동 클러스터에서 핵심 강점 3-5개 추출, 구체적 사례와 함께 서사화 ### 3. 회사 매칭 모드 🏢 회사 JD/문화를 벡터화 → 사용자 벡터와 코사인 유사도 계산 → `company-fit-research` 연동 ### 4. 의사결정 보정 모드 ⚖️ 현재 선택 방향과 H의 각도 계산 + Phase 3 가상 구슬 시뮬레이션 ### 5. 자화도 리포트 📊 전체 정렬도 + 클러스터별 분석 + 시각화 --- ## Obsidian Vault 구조 ``` obsidian-vault/compass/ prior/ ← Phase 1 토론 결과 vectors/ ← 개별 구슬(벡터) 노트 clusters/ ← 상위 방향성 클러스터 signals/ ← 백그라운드 감지 신호 raw_signals.md ← 누적 신호 로그 magnetization.md ← H + M + posterior timeline.md ← 방향성 변화 히스토리 _MOC.md ← compass 전체 조망 ``` ### 벡터 노트 형식 ```yaml --- type: vector date: 2026-03-19 what: "execution-heavy 거부" why_surface: "단순 실행 역할은 재미없다" why_essence: "자율적 사고 > 지시 수행" direction: [0.8, -0.6, 0.3] intensity: 0.9 confidence: 0.85 weight: 7 domain: career cluster: "[[autonomy-first]]" tags: [career, preference, anti] --- ``` --- ## 스크립트 | 스크립트 | 용도 | |---------|------| | `scripts/export_vectors.py` | vault 벡터 노트 → vectors.json | | `scripts/calculate_magnetization.py` | 자화도 계산 → magnetization.json + .md | | `scripts/visualize_2d.html` | 2D 인터랙티브 시각화 (다크 테크 테마) | --- ## 자동화 파이프라인 (필수) **에이전트는 벡터를 추출할 때마다 아래 전체 파이프라인을 실행해야 한다.** 수동 개입 없이, 대화 속에서 자동으로 완료되어야 함. ### 트리거 조건 - 새 의사결정/선호/거부/가치 시그널 감지 시 - /update 커맨드 실행 시 - Phase 1 완료 시 ### 파이프라인 단계 ``` 1. 시그널 감지 → 벡터 추출 2. Obsidian vault에 벡터 노트 생성/업데이트 3. vectors.json 업데이트 (전체 벡터 목록) 4. magnetization.json 재계산 (H, M, clusters) 5. compass_data.json 자동 생성 ← ⚠️ 이 단계를 빠뜨리지 말 것! ``` ### Step 5: compass_data.json 자동 생성 vectors.json + magnetization.json → compass_data.json 변환. 시각화(`visualize_2d.html`)가 이 파일을 로드하므로 반드시 갱신. **생성 규칙:** ```python # vectors.json의 각 벡터를 identity/opportunities로 분류 identity_beads = [] # domain이 career/growth/life이고 기회(회사)가 아닌 것 opportunity_beads = [] # 회사/포지션 관련 벡터 for v in vectors: bead = { "what": v["what"], "why": v["why_essence"], "dir": v["direction"], "w": v["weight"], "cl": classify_color(v), # 아래 기준 참조 "status": v.get("status", "") } if is_opportunity(v): bead["match"] = cosine_similarity(v["direction"], H["dir"]) opportunity_beads.append(bead) else: identity_beads.append(bead) compass_data = { "identity": identity_beads, "opportunities": opportunity_beads, "H": {"dir": magnetization["magnetization_vector"], "mag": magnetization["magnetization_magnitude"]}, "oneLiner": magnetization.get("H_one_liner", ""), "clusters": [ {"name": name.upper(), "m": c["magnetization"], "color": cluster_colors[name]} for name, c in magnetization["clusters"].items() ] } ``` **색상 분류 기준 (cl 필드):** | cl 값 | 조건 | |--------|------| | `identity` | 개인 정체성/가치 벡터 (회사가 아님) | | `hot` | 기회 + cosine match ≥ 0.85 | | `active` | 기회 + 이미 지원/제출 완료 | | `warm` | 기회 + match 0.65~0.85 | | `tension` | 기회 + H와 방향 충돌 있음 (match < 0.6이면서 weight ≥ 6) | | `cool` | 기회 + match 0.5~0.65 | | `avoid` | 기회 + match < 0.5 또는 anti-value 충돌 | **클러스터 색상 기본값:** ```json { "autonomy-first": "#00c8ff", "depth-builder": "#a855f7", "innovation-drive": "#00ff88" } ``` ### 저장 위치 모든 JSON 파일은 `scripts/` 디렉토리에 저장: ``` scripts/ ├── vectors.json # 전체 벡터 목록 ├── magnetization.json # H + M + clusters ├── compass_data.json # 시각화용 (자동 생성) ├── sample_data.json # 데모용 (수정 금지) └── visualize_2d.html # 시각화 UI ``` > ⚠️ **에이전트 필수 행동**: 벡터를 추가/수정할 때마다 Step 3→4→5를 반드시 순차 실행. > compass_data.json이 없거나 오래되면 시각화가 빈 화면 또는 구버전을 보여준다. --- --- ## 주의사항 - H는 **절대 확정적으로 선언하지 않는다**. "지금까지 대화에서 느낀 건..." 식으로 잠정 표현. - M 수치는 정밀 계산이 아닌 추정임을 숨기지 않는다. - **결정을 내려주지 않는다.** 정렬도 정보를 주고 판단은 사용자에게 돌린다. - 변증법 대화를 불편해하면 즉시 전환한다. - H가 시간이 지나며 바뀔 수 있음을 자연스럽게 다룬다. "예전과 원하는 게 달라진 것 같아요" 신호 감지 → H 업데이트 제안.