정본 예시

정본 예시

개요

AI는 규칙 문장만 학습하지 않는다. 가장 가까이 보이는 코드 예시를 더 강하게 복제한다.

그래서 canonical example과 reference surface는 문서 보조물이 아니라 실제 하네스의 일부다.

이 문서는 harness/ai 적용 레이어에서 AI가 가장 먼저 복제하는 reference surface를 어떻게 정본으로 고정할지 다룬다.

AI는 보통 다음을 동시에 본다.

이때 주변 예시가 우회 코드로 가득하면, 아무리 문서에서 canonical path를 말해도 AI는 가까운 예시를 더 빠르게 복제한다.

즉 example surface는 설명보다 더 강한 학습 표면이 된다.

좋은 canonical example은 단순히 잘 돌아가는 샘플이 아니다. 다음 조건을 만족해야 한다.

즉 canonical example은 이렇게 하라는 설명이 아니라, 가장 먼저 복제되도록 배치된 합법 경로다.

reference surface는 AI가 작업 중 가장 자주 보는 예시 표면이다. 보통 다음이 여기에 해당한다.

이 표면은 주변에 많이 노출될수록 강해진다. 따라서 canonical path를 이 표면 안에 심는 것이 중요하다.

이런 상태에서는 rule보다 example surface가 더 강하게 작동한다.

가장 자주 편집되는 영역 가까이에 있어야 한다. 멀리 있는 문서는 가까운 코드 예시를 이기기 어렵다.

부분 snippet보다 실제로 돌아가는 작은 예제가 더 강하다. 실행 가능한 예시는 복제 시 왜곡이 적다.

예외 코드는 unavoidable할 수 있다. 하지만 canonical example이 더 많이 보이지 않으면 예외가 표준처럼 학습된다.

rule, failure format, public API가 바뀌면 canonical example도 같이 바뀌어야 한다.

즉 example surface는 별도 미학 문제가 아니라, contract와 feedback 사이의 실질적 중간층이다.

AI는 예시를 규칙보다 더 빠르게 재생산한다.

그래서 AI 환경에서는 좋은 예시를 남기는 것이 사실상 작은 하네스를 만드는 일이다.

좋은 canonical example surface는 다음을 만족한다.

하네스의 AI 적용에서 정본 예시는 설명의 보조물이 아니라, 합법 경로를 가장 쉽게 복제되게 만드는 reference surface다.