daily-paper-recommender¶
매일 진행 중인 연구 프로젝트에 가장 도움이 될 논문 1편을 큐레이션한다. 일일 논문 추천, 프로젝트별 관련 논문 큐레이션 시 사용
| 항목 | 값 |
|---|---|
| 캐릭터(역할) | 카오루 · Discovery & Insight |
| 모델 | 등록 정의: Sonnet 5 · 정기 실행: Python + Codex gpt-5.6-terra |
| 도구 (tools) | 등록 정의: Read, Glob, Grep · 정기 실행: Python 파이프라인, Codex CLI |
| Codex GPT-5.6 위임 | 예 — 상위 후보 의미 재정렬과 추천 근거 생성; 실패 시 휴리스틱 Top 1 폴백 |
무엇을 하는가¶
매일 활성 연구 프로젝트의 맥락을 분석하여 후보 논문 중 가장 가치 있는 1편을 선택하고 추천 이유를 생성한다. Python 파이프라인이 논문을 수집·중복 제거·점수화하고 상위 5편을 추리면, Codex gpt-5.6-terra가 프로젝트와의 의미적 적합성을 기준으로 다시 순위를 매겨 최종 1편과 추천 근거를 생성한다. Codex CLI 비가용·타임아웃·응답 파싱 실패 시에는 Python 점수 1위와 규칙 기반 추천 근거로 폴백한다. 연구 갭 해소, 새로운 방법론·관점, 즉시 활용 가능성, 교차 프로젝트 인사이트를 선택 기준으로 삼으며, 후보 메타데이터는 임의로 수정하지 않는다. 모든 후보의 관련성이 낮은 날에는 추천을 비워 둡니다.
작동 방식¶
최적 1편 · 추천 근거 생성
입·출력¶
- 입력: Python이 수집·점수화한 상위 후보 논문 목록(제목·저자·초록·점수·최적합 프로젝트), 활성 프로젝트 프로파일(키워드·연구 갭), 최근 추천 이력
- 출력: 선택된 논문 1편과 추천 이유, 핵심 인사이트, 추천 태그, 읽기 우선순위, 프로젝트별 연관성 설명(모두 적합하지 않으면 추천 없음 반환)
- 소비 역할: literature_discovery_output 핸드오프를 통해 레이·마리·아스카·신지, 그리고 PI
비고¶
선택은 주어진 후보 범위 안에서만 이루어지며, 후보 메타데이터(제목·저자·DOI·저널)를 변경하거나 추가하지 않는 할루시네이션 방지 규칙을 따른다. Codex gpt-5.6-terra가 반환한 논문 ID도 후보 목록에 실제로 있는지 검증하며, 호출 실패나 잘못된 응답은 휴리스틱 Top 1 선택과 규칙 기반 추천 근거로 안전하게 강등한다.
2026-08-29 현재 결과학습 루프는 shadow 단계다. 매 실행의 수집·중복제거·점수화·상위 후보·선택·종료 사유와 정책 버전을 남기고, 피드백이 정확한 추천 사건에 귀속된 경우에만 코호트 진척으로 계산한다. 첫 20개 exact outcome 동안 identity shadow를 관측하며 생산 추천 정책과 점수 가중치는 바꾸지 않는다. 상세 승격 규칙은 Feedback Control Plane에 있다.