Identity Compass 🧭#

대화에서 의사결정 벡터를 추출하고, 스핀/자기장 물리 모델 + 베이지안 업데이트로 **H 벡터(목표 방향)**와 **M(정렬도)**를 계산하는 초개인화 나침반.

핵심 개념#

• H 벡터 = 사용자의 궁극적 방향 (자기장). Phase 1 변증법으로 추출.
• 구슬(v_i) = 개별 의사결정 스핀. 각각 방향·가중치·정렬도를 가짐.
• M(자화도) = 모든 구슬이 H와 얼마나 정렬되었는가. 0~1.

---

Phase 1: H 벡터 추출 (변증법적 대화)#

직접 "목표가 뭐예요?"라고 묻지 않는다. 모순, 감정 반응, 반복 주제에서 역추론 한다.

대화 시작 안내 (첫 세션에서만)#

"몇 가지 질문을 드릴 건데, 언제든 '그만', '다음으로', '충분해'라고 하시면 거기서 멈추고 바로 지금까지 파악된 내용으로 정렬도를 계산해드릴게요."

변증법 대화 유형 (순서대로)#

1. 딜레마형 — 긴장을 만들어 가치관 드러냄
2. 시점 이동형 — 메타 관점 활성화 ("5년 전의 당신이 지금 당신을 본다면?")
3. 모순 짚기형 — 불일치 명시해 정교화 유도
4. 완료형 — "사실 이미 답을 알고 있지 않나요?"

7개 핵심 차원 상세 프로토콜: references/dialectical-protocol.md

H 벡터 구성#

yaml

H:
  core_values: ["자율적 사고", "깊이 있는 연구"]     # 반복 등장 가치
  anti_values: ["단순 실행", "타인 시선 의존"]        # 거부 반응 보인 것
  direction: [0.85, 0.70, 0.90]                      # 3D 단위벡터
  domain_weights:                                      # 삶의 영역별 중요도
    career: 0.8
    family: 0.6
    health: 0.5
    finance: 0.4
    growth: 0.7
  confidence: 0.65                                     # 0~1, 대화 쌓일수록 상승
  one_liner: ""                                        # 본질 포착 한 줄 (아래 참조)
  last_updated: "2026-03-22"

confidence < 0.4이면 정렬도 계산 전에 대화를 더 진행한다.

H 한 줄 요약 원칙#

가치 나열이 아닌, 그 사람의 본질을 포착하는 문장 하나.

• ❌ "가족 시간, 자율성, 안정을 중시함"
• ✅ "안정보다 자율을 택하되, 가족과 함께할 수 있는 삶의 속도를 지키는 사람"

3D 축 정의#

• X축: 자율성(+) ↔ 구조(-) — autonomy vs structure
• Y축: 깊이(+) ↔ 폭(-) — depth vs breadth
• Z축: 혁신(+) ↔ 안정(-) — innovation vs stability

---

Phase 2: 구슬 등록 & 베이지안 업데이트#

벡터 수집 프로토콜#

매 대화에서 의사결정/가치 판단 관찰 시 추출:

yaml

what: "무엇을 선택/거부/선호했는가"
why_surface: "사용자가 말한 이유"
why_essence: "LLM이 판단한 근본 이유"
direction: [x, y, z]     # 3D 단위벡터
intensity: 0.0-1.0       # 반응 강도
confidence: 0.0-1.0      # 추출 확신도
weight: 1-10             # 구슬 가중치 (아래 기준표)
domain: "career"         # 삶의 영역
timestamp: "2026-03-22"

구슬 가중치(w) 자동 평가 기준표#

기준낮음 (1-3)중간 (4-6)높음 (7-10)재무적 변화커피값월급 10%집/직장/투자시간적 구속하루수개월수년 이상비가역성쉽게 취소번복 비용 있음되돌리기 매우 어려움감정 강도무덤덤불안/기대강한 두려움/흥분언급 빈도처음 나옴2-3회 언급반복적으로 언급

구슬 감쇄 규칙#

• 6개월 이상 + 가중치 3 이하 → "오래된 구슬" 태그, 영향력 절반
• 일반 시간 감쇄: decay = 0.95^(days/30) (월 5%)

베이지안 업데이트#

text

posterior ∝ prior × likelihood

각 차원을 Beta(α, β) 분포로 모델링. 상세: references/bayesian-update.md

정렬도(M) 계산#

text

alignment_i = cos(v_i, H) - overlap(v_i, anti_values)
M = Σ(w_i × alignment_i) / Σ(w_i)

M 해석:

• +0.7 ~ +1.0: 강하게 정렬 — "나침반이 목표를 가리키고 있어요"
• +0.3 ~ +0.7: 대체로 맞음 — "약간의 조정이 있으면 더 선명해질 것 같아요"
• -0.3 ~ +0.3: 혼돈 — "여러 방향을 동시에 잡으려 하고 있어요"
• -0.7 ~ -0.3: 역행 — "현재 패턴이 목표와 반대 방향이에요"
• -1.0 ~ -0.7: 강하게 역행 — "중요한 무언가를 재검토할 시점이에요"

---

Phase 3: 새로운 의사결정 지원#

사용자가 새 선택을 고민할 때:

1. 선택지 A, B를 각각 가상 구슬로 변환
2. ΔM_A = M(현재 + A), ΔM_B = M(현재 + B) 계산
3. 결과 전달:

"[선택지 A]를 가상으로 추가했을 때, 전체 정렬도가 [현재 M] → [M+A]로 변합니다. [선택지 B]는 [M+B]가 됩니다. [A/B]가 [구체적 가치들]과 더 잘 맞습니다. 다만 [주의할 점]은 지켜봐야 할 것 같아요."

---

백그라운드 신호 감지 레이어#

모든 대화에서 상시 작동. 사용자는 인식하지 못한다.

신호 유형예시 발화해석부러움"그 사람처럼 살고 싶다"언급된 삶의 방식 → H 후보피로/거부"이건 정말 못 하겠어"해당 가치 → anti_values 강화몰입"시간 가는 줄 몰랐어"해당 활동 → core_values 강화반복 언급같은 주제 3회 이상가중치 높은 구슬 후보감정 극단강한 불안·흥분·후회해당 구슬 가중치 상향모순 발화이전 발언과 충돌H confidence 하향, 재탐색 필요

저장: obsidian-vault/compass/signals/raw_signals.md 에 조용히 누적. 신호 5개 이상 누적 시 /update를 자연스럽게 제안: "최근 대화에서 몇 가지 패턴이 보이던데, 한번 나침반 업데이트해볼까요?"

---

커맨드#

/compass — 전체 시각화#

scripts/visualize_spins.html 을 렌더링. 사양:

• 흰 배경 + 초록 H 필드라인 (자기장 방향)
• H 고정 화살표 (사용자 조절 불가)
• 각 구슬: 크기=가중치(w), 색=정렬도(보라/주황/회색), 화살표=v_i 방향, 점선 호=H와의 각도 차
• 호버 시 스프링 애니메이션 + 툴팁 (정렬도·가중치·방향각)
• 구슬 클릭 → 해당 구슬 분석 대화 트리거
• 하단: H 배지 + 한 줄 요약 + 신뢰도 + 마지막 업데이트
• 우하단: M 수치 오버레이

/update — H 업데이트 & 구슬 재평가#

세션 대화형. 순서:

1. 무의식 신호 요약: 최근 raw_signals를 보여줌 "최근 대화에서 이런 신호들을 감지했어요:

   • '그 사람 보면 솔직히 부럽다' → 창의적 자율성 방향 신호
   • '요즘 너무 피곤해' → 과도한 야근 반가치 강화 신호"

2. H 업데이트 확인: 승인 → H 재계산, 수정 요청 → 변증법 추가 탐색

3. 구슬 재평가: 오래된 구슬 재검토 제안 "'야근 수락' 구슬이 등록된 지 3개월이 됐어요. 지금도 같은 방향인가요?"

4. /compass 자동 실행 으로 마무리

---

출력 모드#

1. 나침반 모드 🧭#

축적된 벡터의 궁극적 방향 + H 한 줄 요약 + M 수치

2. 이력서 모드 📄#

벡터 기반 강점/서사 생성 → obsidian-resume-brain 연동 클러스터에서 핵심 강점 3-5개 추출, 구체적 사례와 함께 서사화

3. 회사 매칭 모드 🏢#

회사 JD/문화를 벡터화 → 사용자 벡터와 코사인 유사도 계산 → company-fit-research 연동

4. 의사결정 보정 모드 ⚖️#

현재 선택 방향과 H의 각도 계산 + Phase 3 가상 구슬 시뮬레이션

5. 자화도 리포트 📊#

전체 정렬도 + 클러스터별 분석 + 시각화

---

Obsidian Vault 구조#

text

obsidian-vault/compass/
  prior/              ← Phase 1 토론 결과
  vectors/            ← 개별 구슬(벡터) 노트
  clusters/           ← 상위 방향성 클러스터
  signals/            ← 백그라운드 감지 신호
    raw_signals.md    ← 누적 신호 로그
  magnetization.md    ← H + M + posterior
  timeline.md         ← 방향성 변화 히스토리
  _MOC.md             ← compass 전체 조망

벡터 노트 형식#

yaml

---
type: vector
date: 2026-03-19
what: "execution-heavy 거부"
why_surface: "단순 실행 역할은 재미없다"
why_essence: "자율적 사고 > 지시 수행"
direction: [0.8, -0.6, 0.3]
intensity: 0.9
confidence: 0.85
weight: 7
domain: career
cluster: "[[autonomy-first]]"
tags: [career, preference, anti]
---

---

스크립트#

스크립트용도scripts/export_vectors.pyvault 벡터 노트 → vectors.jsonscripts/calculate_magnetization.py자화도 계산 → magnetization.json + .mdscripts/visualize_2d.html2D 인터랙티브 시각화 (다크 테크 테마)

---

자동화 파이프라인 (필수)#

에이전트는 벡터를 추출할 때마다 아래 전체 파이프라인을 실행해야 한다. 수동 개입 없이, 대화 속에서 자동으로 완료되어야 함.

트리거 조건#

• 새 의사결정/선호/거부/가치 시그널 감지 시
• /update 커맨드 실행 시
• Phase 1 완료 시

파이프라인 단계#

text

1. 시그널 감지 → 벡터 추출
2. Obsidian vault에 벡터 노트 생성/업데이트
3. vectors.json 업데이트 (전체 벡터 목록)
4. magnetization.json 재계산 (H, M, clusters)
5. compass_data.json 자동 생성 ← ⚠️ 이 단계를 빠뜨리지 말 것!

Step 5: compass_data.json 자동 생성#

vectors.json + magnetization.json → compass_data.json 변환. 시각화( visualize_2d.html)가 이 파일을 로드하므로 반드시 갱신.

생성 규칙:

python

# vectors.json의 각 벡터를 identity/opportunities로 분류
identity_beads = []   # domain이 career/growth/life이고 기회(회사)가 아닌 것
opportunity_beads = [] # 회사/포지션 관련 벡터

for v in vectors:
    bead = {
        "what": v["what"],
        "why": v["why_essence"],
        "dir": v["direction"],
        "w": v["weight"],
        "cl": classify_color(v),  # 아래 기준 참조
        "status": v.get("status", "")
    }
    if is_opportunity(v):
        bead["match"] = cosine_similarity(v["direction"], H["dir"])
        opportunity_beads.append(bead)
    else:
        identity_beads.append(bead)

compass_data = {
    "identity": identity_beads,
    "opportunities": opportunity_beads,
    "H": {"dir": magnetization["magnetization_vector"], "mag": magnetization["magnetization_magnitude"]},
    "oneLiner": magnetization.get("H_one_liner", ""),
    "clusters": [
        {"name": name.upper(), "m": c["magnetization"], "color": cluster_colors[name]}
        for name, c in magnetization["clusters"].items()
    ]
}

색상 분류 기준 (cl 필드):

cl 값조건identity개인 정체성/가치 벡터 (회사가 아님)hot기회 + cosine match ≥ 0.85active기회 + 이미 지원/제출 완료warm기회 + match 0.650.85tension기회 + H와 방향 충돌 있음 (match < 0.6이면서 weight ≥ 6)cool기회 + match 0.50.65avoid기회 + match < 0.5 또는 anti-value 충돌

클러스터 색상 기본값:

json

{
  "autonomy-first": "#00c8ff",
  "depth-builder": "#a855f7",
  "innovation-drive": "#00ff88"
}

저장 위치#

모든 JSON 파일은 scripts/ 디렉토리에 저장:

text

scripts/
├── vectors.json          # 전체 벡터 목록
├── magnetization.json    # H + M + clusters
├── compass_data.json     # 시각화용 (자동 생성)
├── sample_data.json      # 데모용 (수정 금지)
└── visualize_2d.html     # 시각화 UI

⚠️ 에이전트 필수 행동: 벡터를 추가/수정할 때마다 Step 3→4→5를 반드시 순차 실행. compass_data.json이 없거나 오래되면 시각화가 빈 화면 또는 구버전을 보여준다.

---

---

주의사항#

• H는 절대 확정적으로 선언하지 않는다. "지금까지 대화에서 느낀 건..." 식으로 잠정 표현.
• M 수치는 정밀 계산이 아닌 추정임을 숨기지 않는다.
• 결정을 내려주지 않는다. 정렬도 정보를 주고 판단은 사용자에게 돌린다.
• 변증법 대화를 불편해하면 즉시 전환한다.
• H가 시간이 지나며 바뀔 수 있음을 자연스럽게 다룬다. "예전과 원하는 게 달라진 것 같아요" 신호 감지 → H 업데이트 제안.