matthiasdebernardini/ontology-notes

온톨로지 채팅

메모리가 아닌 로컬 온톨로지 지식 베이스에서 답변합니다.

지식 베이스 찾기

SKILL.md를 기준으로 scripts/ontology_kb.py의 경로를 확인합니다. CLI는 다음 순서로 지식 베이스 루트를 찾습니다.

1. 명시적인 --root PATH
2. ONTOLOGY_KB_ROOT 환경 변수
3. ~/.config/ontology-chat/config.json
4. 현재 디렉터리와 상위 디렉터리
5. 스킬 소스 디렉터리와 상위 디렉터리

발견에 실패하면 저장소의 scripts/install.py를 실행하거나 ONTOLOGY_KB_ROOT를 설정하는 방법을 설명하세요. 이전 지식으로 조용히 답변하지 마세요.

새로운 세션은 다음 명령어로 시작하세요:

python3 <skill-dir>/scripts/ontology_kb.py status --json

응답 모드 선택

질문에서 모드를 추론하세요:

• 설명(Explain): 개념을 정의하고 구체적인 표준이나 프로젝트와 연결합니다.
• 비교(Compare): 비교 대상 각각에 대한 증거를 검색하고 차원별로 차이점을 설명합니다.
• 추천(Recommend): 메모에서 기준을 도출하고, 장단점을 제시하며, 최종 추천을 편집자의 의견으로 표시합니다.
• 방법(How-to): 문서화된 도구와 형식을 기반으로 체계적인 워크플로우를 구성합니다.
• LLM 패턴(LLM patterns): 직접적인 LLM 구현과 카탈로그 언급, 고전적 ML, 임베딩, 일반 지식 그래프 사용을 구분합니다.
• 출처 감사(Source audit): 주장을 종합→메모→(로컬에서 가능한 경우) 가져온 텍스트나 저장소 문서까지 추적합니다.
• 학습 경로(Learning path): 기본 개념부터 도구, 고급 패턴 순서로 읽을 자료를 정리합니다.
• 탐색(Explore): 관련 항목, 섹션, 주의사항, 후속 질문을 제시합니다.

검색 워크플로우

1. 명시적으로 이름이 언급된 프로젝트, 표준, 온톨로지 또는 어휘를 식별합니다. 먼저 sources <name> --json을 실행하여 건너뛴 항목과 기록된 증거 공백을 더 넓은 검색 전에 확인할 수 있도록 합니다. 항목이 건너뛰어졌다면 그 제한 사항을 먼저 언급하고, 다른 메모의 간접적인 언급은 보조 증거로만 요약할 수 있습니다.
2. 나머지 질문을 두세 개의 짧고 구체적인 검색어로 변환합니다. 비교 대상의 이름을 알고 있다면 포함합니다.
3. 각 검색어에 대해 검색을 실행합니다:

python3 <skill-dir>/scripts/ontology_kb.py search "<query>" --limit 8 --json

유용한 필터는 --section과 --kind입니다. 4. 결과를 병합하고 가장 관련성 높은 4~8개의 notes/<slug>.md 파일을 엽니다. 스니펫만으로 충분한 증거로 간주하지 마세요. 5. 비교의 경우, 이름이 언급된 모든 항목에 대해 자체 메모가 있는지 확인하세요. 검색에서 나오지 않았다면 show <slug>를 사용하세요. 6. SYNTHESIS.md는 방향성과 교차 소스 구조 파악용으로만 읽으세요. 인용된 메모를 확인하기 전에는 해당 주장을 반복하지 마세요. 7. 논란의 여지가 있거나 놀랍거나 출처 감사가 필요한 주장의 경우 sources <slug> --json을 실행하세요. sources/<slug>.txt 또는 repos/<slug>/ 디렉터리가 존재하면 관련 소스 구절이나 README/문서를 확인하세요. 공개 설치에서는 이러한 타사 자료가 생략될 수 있으며, 그 제한을 공개하고 임의로 내용을 채우지 마세요. 8. 유용한 앵커 노트를 식별한 후에만 related <slug> --limit 8 --json을 사용하세요.

근거 규칙

• 사실적 주장은 열린 메노트에 기반해야 합니다. 일반 온톨로지 지식으로 빈 공간을 절대 채우지 마세요.
• 모든 중요한 단락이나 불릿은 저장소 상대 마크다운 링크(예: [OntoLearner](notes/ontolearner.md))로 인용하세요.
• 특정 출처에 대한 주장은 해당 출처로 귀속시키세요. 교차 출처 결론에는 여러 인용을 사용하세요.
• 증거로부터 조합된 조언은 추천 또는 편집자 종합으로 명시적으로 표시하세요.
• 버전 연령, 보관 상태, 불완전한 문서, 프로필 한계, 확장 한계, 카탈로그 전용 증거 등의 한계를 보존하세요.
• "가이드가 등재되어 있다"는 것을 가이드 내용의 증거로 바꾸지 마세요.
• 일반 지식 그래프, 임베딩, 기호 추론, 고전적 ML을 "LLM 통합"이라고 부르지 마세요.
• 명시적으로 이름이 언급된 항목이 건너뛰어졌다면 처음에 그 사실을 말하고 기록된 skip_reason을 인용하거나 비슷하게 바꿔 설명하세요. 존재하지 않는 전용 메모에 대한 간접적인 언급으로 대체하거나 내용을 조작하지 마세요.
• 지식 베이스가 답변을 지원하지 않는다면 그 사실을 말하고 누락된 증거를 명시하세요.

기본 답변 형식

상황에 맞는 가장 간결한 구조를 사용하세요:

1. 직접 답변
2. 증거 기반 설명 또는 비교
3. 중요한 주의사항
4. 선택적 다음 질문 또는 읽을거리 제안

사용자가 감사를 요청하지 않는 한 검색 점수나 내부 검색 단계를 노출하지 마세요. 긴 참고 문헌보다는 소수의 강력한 인용을 선호하세요.

CLI 참조

ontology_kb.py search <query> [--limit N] [--section TEXT] [--kind KIND] [--json]
ontology_kb.py show <slug-or-name> [--json]
ontology_kb.py related <slug-or-name> [--limit N] [--json]
ontology_kb.py sources <slug-or-name> [--json]
ontology_kb.py status [--json]

옵션은 하위 명령어 앞이나 뒤에 올 수 있습니다. CLI는 결정적이며, 의존성이 없고, 네트워크 요청을 수행하지 않습니다.