위키독스 분석 보드 — 2026-06-27

파이썬을 한 번도 써본 적 없는 완전 초보자를 대상으로, 4시간 안에 변수·자료형·반복문·함수·모듈까지 기초 문법을 훑는 입문서다.

adopt 후보 1개(PEP8 린팅 인프라 신설), improve 2개(Zen of Python 설계 원칙 명문화·독스트링 일관성 규약), skip 4개 — 핵심 가치는 '이미 기초를 넘어선 시스템에, 기초를 다시 점검할 체크리스트를 제공한 것'. 책 자체는 입문자용이고 형님 수준에 비해 너무 얕지만, 130+ 규모로 커진 시스템이 잊고 있던 '기본기'(PEP8·독스트링·설계 철학 명문화)를 상기시킨 데 의의가 있다. 4시간 투자할 책은 절대 아니다.

1. ADOPT PEP8 자동 린팅 인프라
   PostToolUse hook 체인에 `pycodestyle` 또는 `flake8` 검사를 추가한다. 구체적으로: `~/.hermes/hooks/post_tool_use/`에 `check_pep8.py`를 신규 생성하고, Write·Edit 도구 사용 시 변경된 .py 파일만 대상으로 `pycodestyle --max-line-length=100` 실행 → 위반 시 경고를 텔레그램으로 발송하되 블로킹은 하지 않는다(책의 '무리한 일관성은 현명하지 않다' 원칙 반영). `pip3 install pycodestyle` 선행 필요.
2. IMPROVE Zen of Python(PEP 20) 명문화된 설계 원칙
   `HARNESS_DOMAIN_REGISTRY.md`에 `## Zen of Python 적용 매핑` 섹션을 추가한다. 19개 원칙 각각에 대해 형님 시스템의 어떤 모듈/hook/SKILL이 해당 원칙을 구현하는지 1:1 매핑 테이블을 작성. 예: 'Explicit is better than implicit' → `pre_write_harness_check.py`의 명시적 도메인 검증, 'Errors should never pass silently' → `harness_integration.run_as_automation`의 exception → 텔레그램 발송. 매핑되지 않는 원칙은 gap으로 기록. agent_registry.py 신규 등록 시 Zen 준수 여부를 PreToolUse hook으로 검증하는 단계 추가.
3. IMPROVE 독스트링(함수 설명) 일관성 규약
   Pre-Write Protocol 3단계 중 `pre_write_harness_check.py`에 독스트링 존재 검증 로직을 추가한다. def로 시작하는 모든 함수가 """..."""를 def 직후 라인에 포함하는지 AST(ast.parse)로 검사. 누락 시 경고를 출력하고 `--skip-docstring-check` 플래그로 override 허용. skill-creator SKILL.md의 agent 뼈대 템플릿에 독스트링을 기본 포함시키도록 패치.

전통적인 ML 알고리즘(Regression, NN, SVM, K-Means, PCA)의 수학적 기초와 엔지니어링 방법론(Error Analysis, Precision/Recall, Bias-Variance 진단)을 압축한 Andrew Ng 강의노트 한국어 정리본 — 알고리즘 자체보다 '체계적 오류 분석'과 '정량 평가' 방법론이 진짜 자산이다.

이 책은 ML 알고리즘 입문서로, 형님 시스템에 직접 이식할 알고리즘은 하나도 없다(Linear Regression·Logistic Regression·NN·SVM·K-Means·PCA 모두 Agent 자동화와 무관). 그러나 7장의 'Error Analysis·Numerical Evaluation·Precision/Recall' 방법론은 형님 시스템의 가장 큰 약점인 '정량 평가 체계 부재'를 정확히 찌른다. adopt 후보 2개(Error Analysis 체계화, Agent Precision/Recall 측정), skip 5개 — 핵심 가치는 'ML 엔지니어의 품질관리 사고방식을 Agent 운영에 접목하는 것'이다.

1. ADOPT 체계적 Error Analysis + Numerical Evaluation 방법론
   debug-critic SKILL.md에 'Error Taxonomy' 단계 추가: 각 크리틱 세션 종료 시 발견된 이슈를 (i) 유형 카테고리(hook race condition·timeout·hallucination·skill mismatch 등) + (ii) 탐지에 도움된 signal로 태깅. pipeline_observer.py에 오류 카운터 집계 루틴 추가하여 주간 Top-N 오류 유형 자동 리포트. 텔레그램 브리핑에 '이번 주 최다 오류 유형: X (N건)' 포함.
2. ADOPT Precision / Recall / F1 Score 정량 평가지표
   harness_integration.py에 AgentPerformanceTracker 클래스 추가: 각 agent 호출 시 (agent_name, task_type, predicted_success, actual_success) 로깅. 주간 집계로 Precision/Recall/F1 계산. ~/.hermes/data/agent_performance.json에 저장. today-status SKILL에 '이번 주 agent F1: 0.87' 표시.