Tech Radar 사용 가이드

최신 LLM·TTS·인접 기술 동향을 에이전트에게 위임해서 "이번 주 새로 뜬" 항목을 수집·정리·축적한다. 사용자는 자연어로 트리거하고, 에이전트가 SKILL.md 절차에 따라 스캔·요약·DB 저장·보고서 생성까지 수행한다.

상태: 실험 단계 (contrib/experimental/tech-radar/). 자동 등록된 슬래시 커맨드 없음 — 에이전트가 트리거 키워드를 듣고 호출. Cron 자동화 미지원 (요약 단계가 에이전트 세션을 필요로 함).

1. 언제 쓰는가

• "이번 주 / 이번 달 새로 나온 TTS·LLM 모델·논문·오픈소스 뭐 있어?"
• "특정 기간 (예: 지난 3개월) 기술 동향 한 번 훑어줘"
• "1~2년치 백필해서 우리 레이더 DB 초기 구축"
• "지금까지 모인 tech radar 결과 보고서 보여줘"

세 가지 운영 모드:

2. 에이전트에게 어떻게 요청하나

2-1. 가장 간단한 형태 (Daily 증분)

"tech radar 돌려줘" / "신기술 찾아줘" / "기술 레이더 업데이트"

→ 에이전트가 자동으로:

1. NocoDB의 마지막 스캔 시점 이후만 증분 수집
2. arxiv · HuggingFace · GitHub API에서 가져오기
3. HackerNews · Reddit · 뉴스를 웹 조사로 보충
4. 각 항목을 카테고리·기술명·요약·점수로 정리 (subagent 병렬)
5. TTS 접목 관점 Top-8 추천을 본인 의견으로 선정
6. NocoDB에 저장 + 마크다운 보고서 작성
7. 보고서 상단 "🎯 이번 레이더 추천" 섹션을 채팅으로 요약 보고

2-2. 기간 지정

"2026-03-01부터 2026-04-01까지 tech radar" "지난 3개월간 TTS 모델 변화 훑어줘"

→ 동일 흐름이되 지정 윈도우만 스캔.

2-3. Bootstrap 백필

"tech radar bootstrap 시작 — 2024-05부터 2026-04까지 월별로"

→ 에이전트가:

• 1세션당 1개월 chunk 처리 (~1시간)
• "이번 세션 완료, 다음 세션에서 N-1월 처리하면 됩니다" 식으로 끊어 보고
• 중단되면 /tmp/tech-radar/ 산출물에서 자동 재개

⚠️ Bootstrap 시에만 popularity 필터(다운로드·스타 임계) 적용을 사용자가 명시적으로 승인할 수 있다. Daily에서는 전량 enrich가 규칙.

3. 결과물을 어디서 보나

3-1. 채팅 요약

에이전트가 보고서 최상단 "🎯 이번 레이더 추천" 섹션을 발췌해 답변한다. 보통 8개 항목 × 한 줄 헤드라인 + TTS 접목 가설.

3-2. 마크다운 보고서 (전문)

contrib/experimental/tech-radar/reports/YYYY-MM-DD-HHMM.md

• 추천 Top-8 + 전체 enriched 항목 카테고리별 정리
• arxiv · HF · GitHub · 웹 출처 링크 모두 포함
• 회의 자료/위클리 정리에 그대로 발췌 가능한 형태

3-3. NocoDB (harness-radar base)

NocoDB 접근 방법은 nocodb-guide.md 참고.

보고서 전문 저장: scout_runs.report_markdown에 본문이 그대로 저장된다. 단, NocoDB LongText는 100k char 하드캡이라 95k 초과 보고서는 컬럼이 비어있고 로컬 파일만 갖는다. 한국어 대형 보고서는 자동으로 로컬 전용.

3-4. "지금까지 누적된 거 보여줘"

"tech radar 최근 run 보여줘" / "이번 달 누적 추천 정리"

→ 에이전트가 scout_runs 조회 + reports/ 폴더 읽어서 요약.

4. 사용자가 알아두면 좋은 동작

4-1. 증분 모드가 기본

기간 미지정 시 마지막 성공 run의 window_end부터 자동 계산. 같은 항목이 두 번 들어와도 NocoDB 단계에서 source_id로 upsert → 중복 안 쌓임.

4-2. 두 종류의 소스

• API 스캐너 (arxiv · HuggingFace · GitHub) — 자동, 안정적
• 웹 보충 (HackerNews · Reddit · 뉴스) — 에이전트가 WebFetch/WebSearch로 직접 훑어 정규화. 시즌별 학회 accepted 리스트도 여기서 처리

4-3. 추천(Top-N)은 에이전트 판단

규칙 기반 점수가 아니라 메인 에이전트가 TTS팀 관점으로 enriched 풀에서 선정. 선정 기준은 SKILL.md §Phase 2-4에 명시 (category 필터 + TTS 접목 가능성). 다른 관점(예: "데이터 도구만"·"평가 벤치만")이 필요하면 요청 시 추가 지시 가능.

4-4. 중단/재개

세션이 끊겨도 /tmp/tech-radar/raws-<ts>.json·enriched-partial-*.json이 남아 다음 세션 에이전트가 이어서 처리 가능. 사용자는 "어디까지 됐나?" 정도만 물어보면 된다.

5. 한계 (이걸 모르면 헷갈린다)

• Cron 자동화 안 됨 — enrich가 에이전트 세션을 요구. 사람이 트리거.
• GitHub은 월 ~300건 한계 — 1년치 백필을 한 번에 못 함. 월별 chunk 필수.
• 학회 accepted 리스트는 시즌에만 유효 (NeurIPS/ICML/INTERSPEECH 발표 직후).
• Teams 알림(--notify)은 stub — 현재 미구현.
• technologies 통합 테이블 비활성 — 같은 기술의 cross-source 통합 보기는 마이그레이션 후 활성 예정. 지금은 tech_items 단위 원본 관찰만 신뢰.

6. 트러블슈팅 (사용자가 보게 되는 메시지)

7. 초기 셋업 (한 번만, 보통 관리자가 함)

일반 사용자가 직접 할 일은 없다. 처음 세팅하는 경우만:

# 1. 의존성
pip install -r contrib/experimental/tech-radar/requirements.txt

# 2. NocoDB base/table 생성
python contrib/experimental/tech-radar/scripts/setup_nocodb.py --dry-run
python contrib/experimental/tech-radar/scripts/setup_nocodb.py
# → 출력된 base_id·table_id를 config.yaml `nocodb:` 섹션에 반영

# 3. (선택) 기존 reports/*.md를 NocoDB로 백필
python contrib/experimental/tech-radar/scripts/migrate_add_report_markdown.py
python contrib/experimental/tech-radar/scripts/backfill_reports.py

필요 시크릿 (tools._lib.secrets.get_secret이 자동 획득):

8. 관련 자원