피드로 돌아가기
Dev.toAI/ML
원문 읽기
PROV-DM 기반 데이터 계보와 LLM Wiki 패턴을 결합한 지식 발견 시스템 설계
I Want to Build a Note App Where Discoveries Happen
AI 요약
Context
실험 과정의 암묵지 전수 부족과 정형화되지 않은 기록 방식에 따른 데이터 손실 발생. 기존 노트 앱의 비구조적 데이터 저장 방식으로는 실험 재현성을 보장하는 Provenance 추적이 불가능한 한계 존재.
Technical Solution
- BlockNote.js 기반의 Block-level ID 체계를 도입하여 데이터의 최소 단위에 고유 식별자 부여
- W3C 표준인 PROV-DM 프레임워크를 적용하여 Entity, Activity, Agent 간의 관계를 구조적으로 정의
- Block 단위에 Semantic Label(#Input, #Output)을 매핑하여 Provenance Graph를 자동 생성하는 로직 설계
- LLM Wiki 디자인 패턴을 통해 분산된 원시 노트를 분석하고 정제된 Knowledge Layer를 자동 생성하는 파이프라인 구축
- 사용자의 입력 수준에 따라 기능 노출도를 조절하는 Progressive Design을 적용하여 시스템 복잡도 제어
실천 포인트
1. 비정형 데이터의 추적성을 확보하기 위해 Block-level ID와 Semantic Labeling 조합 검토
2. 데이터 계보 정의 시 독자적 규격 대신 PROV-DM과 같은 국제 표준 프레임워크 채택 고려
3. LLM을 단순 챗봇이 아닌, 데이터 간 연결성을 분석하여 상위 지식 계층을 자동 생성하는 에이전트로 활용
4. 사용자 경험 저하 방지를 위해 기능의 복잡도를 단계적으로 확장하는 Progressive Disclosure 설계 적용