1 · 개요 & 철학¶

한 줄 요약

NERV는 한 사람이 운영하는 연구실을 자동화·증폭하기 위해, 7명의 캐릭터(역할)가 등록 에이전트 46개(Claude 39개 + Python 7개)를 나눠 소유하고, Discord 봇이 작업을 디스패치하며, MAGI 사상의 자율 교차 검증으로 품질을 방어하는 멀티에이전트 시스템이다. 강의 전용 Claude 정의 5개는 등록 상태를 유지하되 강의 도메인에서 현재 호출하지 않으며, 위키 자동 복리 축적은 동결됐지만 관련 인프라는 보존되어 있다.

NERV란 무엇인가¶

NERV는 학술 연구의 전 과정 — 문헌 발굴, 논문 분석, 글쓰기, 검토, 전문 지식 조회, 프로젝트·예산 관리 — 을 지원하는 등록 에이전트 46개로 구성된 멀티에이전트 시스템이다.

운영 변경 — 강의 도메인 호출 중단 (2026-06-21)

NERV는 2026-06-21부로 강의 콘텐츠 제작 도메인에서 관련 에이전트 호출을 중단했다. 강의 작업은 NERV 외부에서 별도로 진행된다. 강의 전용 Claude 에이전트 5개는 실행 정의와 active 등록 상태를 유지하며, imotions-expert와 image-generator는 NERV에서 계속 사용한다. 자세한 내용은 신지 · Personal & Learning을 참고하라.

이름과 구조는 애니메이션 신세기 에반게리온의 특무기관 NERV와 그 산하 3대 슈퍼컴퓨터 MAGI에서 따왔다. 단순한 작명 차용이 아니라 운영 철학의 은유로 쓰인다. MAGI가 세 개의 독립된 사고 시스템을 합의로 묶듯, NERV도 단일 LLM의 판단에만 의존하지 않고 여러 모델의 교차 검증으로 추가 점검 신호를 얻도록 설계했다. 다만 교차 검증이 결과의 신뢰도를 실제로 높이는지는 아직 입증된 바 없다.

시스템의 골격은 세 축으로 요약된다.

7명의 캐릭터(역할)가 에이전트를 소유한다. 각 캐릭터는 연구 워크플로우의 한 국면을 책임지는 역할(role)의 인격화다.
Discord 봇이 중앙 코디네이터로서 들어온 요청을 맥락에 따라 알맞은 캐릭터·에이전트로 라우팅(디스패치)한다.
에이전트 간 작업 이관은 핸드오프 스키마라는 표준 계약을 따르고, 중요한 이관과 산출물은 MAGI 교차 검증의 대상으로 설계돼 있다(자동 게이트는 현재 미구현 — 아래 설계 철학 2 참조).

등록 에이전트 46개는 두 종류로 나뉜다.

구분	개수	성격
Claude 서브에이전트	39	자연어 생성·추론·분석 중심(강의 전용 5개는 현재 도메인 호출 중단)
Python 파이프라인	7	Python이 실행을 조율하는 처리 파이프라인

본 장은 왜 이렇게 설계했는가를 다룬다. 실제 구조 지도는 3 · 시스템 아키텍처, 각 캐릭터의 도메인은 4 · 7 캐릭터(역할), Claude 에이전트 정의 39개(강의 도메인 호출을 중단한 5개 포함)는 5 · 서브에이전트 레퍼런스에서 다룬다.

설계 철학¶

NERV의 모든 설계 결정은 아래 다섯 가지 원칙에서 출발한다.

1. 캐릭터 = 역할 소유 모델¶

수십 개의 에이전트를 평면적으로 나열하면 "어떤 작업에 무엇을 써야 하는가"가 금세 불투명해진다. NERV는 에이전트를 기능 단위로 흩어 두는 대신, 연구 워크플로우의 국면별로 묶어 하나의 캐릭터(역할)에 귀속시킨다.

리츠코 — Project Command. 연구 아이디어 토론, 일정 추적, 연구비 예산 관리, 외부 도구 도입 평가.
미사토 — Operations. PDF→Markdown 변환, 변환 품질 검사, DOI 해석, 인용·표·그림 추출 등 문서 처리.
레이 — Analysis & Knowledge. 논문 요약·방법론 분석·키워드 태깅·노트 링크, 그리고 지식 위키 축적.
아스카 — Quality & Review. 학술 문체 검사, 연구 갭 식별, 심사자 응대 지원, 질적 데이터 분석.
카오루 — Discovery & Insight. 관련 논문 탐색, 인용 네트워크·연구 동향 분석, 원고 인용·수치 정합성 감사.
마리 — Creative & Writing. 서론·방법·결과·논의·초록 등 논문 섹션 초안, 윤리 문서 작성.
신지 — Personal & Learning. iMotions 전문 지식 조회와 이미지 생성. (강의 전용 에이전트 5개는 2026-06-21부로 도메인 호출 중단·정의 등록 유지)

이 모델이 기대하는 이점은 다음과 같으며, 비교평가 전까지는 가설로 다룬다.

인지적 그루핑 — 사람이 "지금 단계는 누구의 영역인가"를 캐릭터 단위로 직관적으로 떠올릴 수 있다.
명확한 소유권 — 에이전트마다 책임 주체(캐릭터)가 있어 산출물의 출처와 권한 경계가 또렷하다.
라우팅의 단순화 — Discord 봇은 요청을 먼저 캐릭터로 보내고, 캐릭터 내부에서 세부 에이전트로 좁힌다. 7개의 큰 입구가 등록 정의 46개를 한꺼번에 나열하는 방식보다 훨씬 다루기 쉽다.
역할 간 계약 — 캐릭터 경계가 곧 데이터 이관 지점이므로, 그 경계마다 표준 핸드오프 스키마와 검증 등급을 정의할 수 있다.

캐릭터는 장식이 아니라 시스템의 모듈 경계 그 자체다.

2. MAGI 자율 교차 검증 사상¶

원작의 MAGI는 서로 다른 인격을 모사한 세 컴퓨터가 합의에 도달해야 결정이 확정된다. NERV는 이 사상을 세 계열의 LLM(예: Claude · GPT · Gemini)이 같은 산출물을 독립적으로 검토하고 의장(Chairman)이 합의를 종합하는 구조로 옮겨 왔다.

핵심은 단일 모델의 한 번 판단을 그대로 믿지 않는다는 것이다. 특히 출판 직전 산출물, 역방향(되돌림) 이관, 반복 반려된 작업처럼 위험이 큰 지점일수록 더 많은 검증자를 투입한다. 검증은 두 갈래로 작동한다.

MAGI Gate — 역할 간 핸드오프에서 산출물을 검증하고 나서 넘기게 하는 장치다. 등급은 검문 강도를 뜻하며 검문 없음(L0)부터 하류 전파 차단(L3)까지 나뉜다. 2026-07-25 현재 결정론 게이트 3종이 L3로 등재되어 있고(변환 품질·인용 검증·DOI 무효 차단), 나머지 핸드오프는 L0다. 종전의 "3대 LLM 자동 개입" 설계(v1)는 실행기가 구현되지 않은 채 종결됐다 — 등급이 LLM 대수를 뜻했던 것은 그 세대다.
MAGI Patrol — 정해진 주기로 시스템을 자율 순찰하며 설정 정합성, 스키마 드리프트, 코드 품질, 문서 일관성, 위키 건강도 등을 점검한다. 일반 순찰 루트는 이상이 감지될 때만 Discord에 알리지만, 23:00의 daily_audit와 research_progress는 결과 파일과 일일 하트비트 보고를 항상 남긴다.

자율 교차 검증의 상세 등급과 순찰 루트는 7 · 교차 시스템에서 다룬다.

3. LLM Wiki 기반 지식 복리¶

좋은 연구 보조 시스템은 매번 같은 분석을 처음부터 반복하지 않는다. NERV는 안드레이 카파시가 제안한 LLM Wiki 패턴을 차용해, 분석 결과를 흩어진 1회용 출력이 아니라 상호 연결된 지식 그래프로 누적한다.

현재 운영 상태

자동 Zotero→Wiki compounding 체인은 선행 안전 조건이 충족될 때까지 동결되어 있다. 위키 저장소와 스키마, 수동 /compound, 결정론적 wiki-lint 인프라는 보존되어 있으며, 신규 지식의 위키 반영은 현재 사람이 시작하는 수동 경로에서만 이뤄진다.

수동 /compound를 실행하면 새 논문의 요약·태그·링크가 기존 위키의 개념 페이지로 역방향 갱신된다.
여러 논문에 걸친 공통 개념을 별도의 개념 페이지로 결정(crystallize)해 단일 논문 정보를 교차 종합하는 구조가 보존되어 있다.
wiki-lint는 중복·고아 노드·끊어진 링크·노후화를 결정론적으로 점검한다.

이 구조의 목표는 지식 복리(compounding)이다. 라이브러리(원천)→분석→위키로 이어지는 3계층 위에서, 시스템이 축적할수록 다음 작업의 출발선이 높아진다. 현재는 자동 축적보다 보존과 정합성 점검에 초점을 둔다.

4. Codex(GPT-5.6) · Antigravity(Gemini) 멀티-LLM 활용¶

NERV는 Claude 단일 공급자에 묶이지 않는다. 작업 성격에 따라 가장 적합한 외부 모델을 적극 활용한다.

Codex(gpt-5.6 — terra 기본·sol 승격·luna 1건) — 여러 후보의 스코어링·분류, 비교 매트릭스 종합, 트렌드·네트워크 보고서 같은 종합/분류 단계를 위임받는다. 대부분은 Claude 내부 강제 위임이며, wiki-compounder의 표준 post-sync는 Claude를 거치지 않는 read-only Codex actor로 운용된다. 파일 입출력·인용 검증·할루시네이션 방지는 독립 controller 또는 원래 모델이 담당한다.
Antigravity(Gemini) — MAGI 합의의 세 번째 목소리로 참여해, Claude·GPT와 함께 풀 카운슬 검증을 구성한다.

즉 모델은 고정 자원이 아니라 단계별로 배정되는 도구다. 같은 작업 안에서도 결정론적 추출·대조는 코드가, 자연어 종합은 Codex를 포함한 LLM이, 고위험 산출물의 교차 합의는 Claude·GPT·Gemini 세 계열이 나눠 맡는 식으로 역할별 최적 도구를 조합한다.

모델 배정의 전모는 8 · 모델 전략에서 다룬다.

5. 결정론 코드와 LLM 종합의 역할 분리¶

NERV의 가장 일관된 원칙은 "코드로 풀 수 있는 일은 코드로, LLM이 잘하는 일은 LLM으로"이다.

Python 주도 영역 (파이프라인 7종) — PDF 변환, API 조회, DOI 해석, 인용·표·그림 추출, 후보 랭킹 같은 재현 가능한 단계는 Python이 조율한다. 문서 심층 검토·인용 추출 보강·외부 후보 평가처럼 해석이 필요한 일부 단계만 LLM을 호출한다.
LLM 종합 영역 (서브에이전트 정의 39개) — 요약, 문체 평가, 갭 식별, 글쓰기, 트렌드 해석처럼 판단과 표현이 필요한 작업은 LLM 에이전트가 맡는다. 이 가운데 강의 전용 에이전트 5개는 정의 등록을 유지하되 현재 강의 도메인에서 호출하지 않는다.

이 분리는 단일 에이전트 내부에서도 관철된다. 예컨대 문서에서 인용을 추출하고 원문과 대조하는 결정론적 단계는 코드가, 추출된 내용을 자연어로 종합하는 단계는 LLM이 담당한다. 이 분리는 검증 가능성(코드)과 유연성(LLM)의 병행을 목표로 한다.

이 원칙은 시스템 진화의 방향타이기도 하다. LLM이 하던 일 중 결정론적으로 환원 가능한 부분이 발견되면 코드로 옮기되, 옮긴 뒤에도 품질이 유지되는지를 기준선과 비교해 검증한 다음에만 확정한다.

이 다섯 원칙은 흩어진 지침이 아니라 하나의 시스템으로 맞물린다. 다음 장은 이를 명명된 구성요소·관계·피드백 루프를 갖춘 하나의 시스템 모형 NERV-RASM으로 정식화한다 → 2 · NERV-RASM 모형.

누가 쓰는가¶

NERV는 대형 연구팀이 아니라 1인 연구실(PI 단독 운영)을 위한 자동화·증폭 장치다.

혼자 연구실을 운영하는 연구자는 본질적으로 병목에 시달린다. 문헌을 따라잡고, 데이터를 분석하고, 논문을 쓰고, 검토에 대응하고, 강의를 준비하고, 일정과 예산을 관리하는 일이 모두 한 사람에게 몰린다. NERV의 목표는 이 부담을 다음 방식으로 덜어내는 것이다.

반복·기계적 작업의 위임 — 문서 변환, 메타데이터 조회, 태깅, 인용 정합성 점검 같은 일을 사람 손에서 떼어낸다.
인지적 증폭 — 한 사람이 동시에 여러 관점(발굴·분석·검토·작성)을 유지하기 어려운 자리에 캐릭터 역할들이 들어선다.
누적되는 기억 — 위키 복리 구조는 과거 작업을 다음 작업의 토대로 삼도록 설계돼 있다(현재 자동 축적은 동결, 수동 경로 중심).
자율 운영 — 정기 순찰과 예약 작업(launchd 잡)이 사람이 개입하지 않는 시간에도 시스템의 건강과 일상 산출을 유지한다.

요컨대 NERV는 한 사람의 연구 처리 역량을 보조하고 증폭하려는 시도다. 핵심 판단과 최종 책임은 여전히 PI에게 있고, 시스템은 그 판단의 폭과 속도를 키우는 증폭기로 작동하도록 설계됐다.

다음 장으로¶

더 알아보기	내용
2 · NERV-RASM 모형	작동철학·연구보조 아키텍처의 시스템 모형(구성요소·피드백 루프)
3 · 시스템 아키텍처	등록 에이전트 46개의 전체 지도와 레이어 구조
4 · 7 캐릭터(역할)	캐릭터별 도메인과 역할 매트릭스
7 · 교차 시스템	MAGI Gate · Patrol · 핸드오프 · 품질 게이트 · Feedback Control Plane
8 · 모델 전략	모델 배정과 Codex 강제 위임