지정해주신 프롬프트 조건 및 템플릿 구조를 엄격히 준수하여 개념 노트 컨텍스트 부패 (Context Rot) 생성을 완료했습니다.
생성된 위키 노트 파일: 컨텍스트 부패.md
주요 반영 사항 및 요약
-
Frontmatter 스키마 일치:
type: concept,status: draft,core: false,tags: ['llm', 'agent', 'context-window', 'context-engineering'],created: '2026-08-27',updated: '2026-08-27'- 3개 소스 문서 목록 정확히 기재 (
sources: ['raw/...'])
-
개념 정의 및 상세 내용 구성:
- 한 줄 정의 & 핵심 요지: 토큰 한계 도달 이전이라도 노이즈 누적으로 발생하는 LLM 집중력/추론 정확도 저하 현상 정의.
- 검증 지표 및 소스 표기:
- Chroma 18개 프론티어 모델 테스트 및 Stanford ‘Lost in the Middle’ 연구 결과 (정확도 30% 이상 저하) (
raw/프로덕션 AI 에이전트를 위한 Agent Harness 구축.md,raw/마이크로서비스 대신 모듈러 모놀리스 — AI 에이전트가 코드를 읽기 시작했을 때 바뀐 것들.md). - AI 에이전트 생성 토큰 대비 입력 토큰 읽기 비율 166:1 (arXiv 2604.22750) (
raw/마이크로서비스 대신 모듈러 모놀리스 — AI 에이전트가 코드를 읽기 시작했을 때 바뀐 것들.md). - Drew Breunig의 컨텍스트 부패 4대 유형 (Poisoning, Distraction, Confusion, Clash) 수용.
- Chroma 18개 프론티어 모델 테스트 및 Stanford ‘Lost in the Middle’ 연구 결과 (정확도 30% 이상 저하) (
-
구체적 예시 파트:
- Agent Harness 단에서 이전 대화 이력을 요약 압축(Compaction)하는 Python 구현 코드 포함.
- 50단계 이상 대규모 리팩토링 시 서브에이전트 / 자율 루프(Fresh Context)를 활용하는 실무 시나리오 기재.
-
충돌 및 관련 위키 링크 연동:
- 충돌: 초대형 컨텍스트 윈도우(100만~200만 토큰) 제공사의 기술적 주장과, 노이즈 증가에 따른 실증 연구(정보 신호 밀도 및 Context Engineering 필요성) 간의 대립 기재.
- 관련 노트:
[[컨텍스트 윈도우]],[[Agent Harness]],[[서브에이전트]],[[모듈러 모놀리스]],[[에이전트 자율 루프]]등 5개 이상의 위키 링크 연동.