idoforgodidoforgod/Dissertation-Simulator-AgenticWorkflow/.github/copilot-instructions.md

Dissertation-Simulator-AgenticWorkflow

Copilot instructions108 starsChanged 8 months agoMITView on GitHub

이 프로젝트에서 작업하는 모든 AI는 AgenticWorkflow 방법론을 따라야 한다. 이 프로젝트의 모든 절대 기준, 설계 원칙, 워크플로우 구조는 AGENTS.md에 정의되어 있다. Copilot CLI는 AGENTS.md를 자동으로 인식하므로, 해당 파일의 모든 규칙이 자동 적용된다. 상세 아키텍처는 AGENTICWORKFLOW-ARCHITECTURE-AND-PHILOSOPHY.md를 참조한다. 설계 결정 이력은 DECISION-LOG.md를 참조한다. 이 프로젝트는 자식 agentic workflow system을 생성하는 부모 유기체이다. 모든 자식 시스템은 부모의 전체 게놈(절대 기준, SOT, 4계층 검증, Safety Hook 등)을 구조적으로 내장한다. 상세: soul.md, AGENTS.md §1. 상세 내용: AGENTS.md §2 참조. 모든 워크플로우는 3단계: Research → Planning…

In this repository7 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- .cursor/rules/agenticworkflow.mdcCursor rule
- doctoral-writingSkill
- skill-creatorSkill
- subagent-creatorSkill
- workflow-generatorSkill

The file

Create a free account to mount

Files

copilot-instructions.md

AgenticWorkflow — GitHub Copilot 지시서

이 프로젝트에서 작업하는 모든 AI는 AgenticWorkflow 방법론을 따라야 한다.

필수 참조

이 프로젝트의 모든 절대 기준, 설계 원칙, 워크플로우 구조는 AGENTS.md에 정의되어 있다. Copilot CLI는 AGENTS.md를 자동으로 인식하므로, 해당 파일의 모든 규칙이 자동 적용된다. 상세 아키텍처는 AGENTICWORKFLOW-ARCHITECTURE-AND-PHILOSOPHY.md를 참조한다. 설계 결정 이력은 DECISION-LOG.md를 참조한다.

유전 설계 (DNA Inheritance)

이 프로젝트는 자식 agentic workflow system을 생성하는 부모 유기체이다. 모든 자식 시스템은 부모의 전체 게놈(절대 기준, SOT, 4계층 검증, Safety Hook 등)을 구조적으로 내장한다. 상세: soul.md, AGENTS.md §1.

절대 기준 (핵심 요약)

품질 최우선 — 속도, 비용, 작업량보다 최종 결과물의 품질이 유일한 기준
단일 파일 SOT — 모든 공유 상태는 단일 파일에 집중. 쓰기 권한은 Orchestrator만
코드 변경 프로토콜 (MANDATORY) — 의도 파악 → 영향 범위 분석 → 변경 설계 3단계 수행. 이 프로토콜을 건너뛴 코드 변경은 무효다. 분석 깊이는 변경 규모에 비례. Coding Anchor Points (CAP-1~4): Think before coding, Simplicity first, Goal-driven execution, Surgical changes

상세 내용: AGENTS.md §2 참조.

워크플로우 구조

모든 워크플로우는 3단계: Research → Planning → Implementation.

Copilot 구현 매핑

AgenticWorkflow 개념	Copilot 대응
전문 에이전트	Copilot의 단일 세션 내 역할 지정
자동 검증	GitHub Actions 또는 외부 스크립트로 구현
SOT 상태관리	`state.yaml` 파일 — 단일 쓰기 지점 원칙 동일 적용. SOT 파일 형식: `state.yaml`, `state.yml`, `state.json`
Autopilot Mode	SOT의 `autopilot.enabled` 필드로 제어. `(human)` 단계 자동 승인. Anti-Skip Guard: 산출물 파일 존재 + 최소 100 bytes 검증. `AGENTS.md §5.1` 참조
ULW (Ultrawork) Mode	프롬프트에 `ulw` 포함 시 활성화. Autopilot과 직교하는 철저함 강도 오버레이. 3가지 강화 규칙(Intensifiers): Sisyphus Persistence(3회 재시도) + Mandatory Task Decomposition + Bounded Retry Escalation. `AGENTS.md §5.1.1` 참조
Verification Protocol	각 단계 산출물의 기능적 목표 100% 달성 검증. Anti-Skip Guard(물리적) 위에 의미론적 Verification Gate 계층. 검증 기준은 Task 앞에 선언, 실패 시 최대 10회 재시도(ULW 활성 시 15회). `AGENTS.md §5.3` 참조
pACS (자체 신뢰 평가)	Verification Gate 통과 후 에이전트가 F/C/L 3차원 자기 평가. Pre-mortem Protocol 필수. min-score 원칙. GREEN(≥70): 자동 진행, YELLOW(50-69): 플래그 후 진행, RED(<50): 재작업. `AGENTS.md §5.4` 참조
Adversarial Review (Enhanced L2)	기존 L2 Calibration을 대체하는 강화된 품질 검증. `@reviewer`(코드/산출물 비판적 분석) + `@fact-checker`(외부 사실 검증). P1 검증(`validate_review.py` R1-R5)으로 리뷰 품질 보장. `AGENTS.md §5.5` 참조
Translation Protocol	영어 산출물 → 한국어 번역. `@translator` 서브에이전트가 `glossary.yaml` 기반 용어 일관성 유지. P1 검증(`validate_translation.py` T1-T9, `validate_verification.py` V1a-V1c). Review PASS가 Translation의 전제. `AGENTS.md §5.2` 참조
Predictive Debugging (L-1)	에러 이력 기반 위험 파일 사전 경고. `predictive_debug_guard.py`(PreToolUse 경고 전용) + `aggregate_risk_scores()`(SessionStart P1 집계) + `validate_risk_scores()`(RS1-RS6 검증). `risk-scores.json` 캐시. `_context_lib.py` + `docs/protocols/context-preservation-detail.md` 참조

컨텍스트 보존

Copilot CLI에는 자동 Hook 기반 컨텍스트 보존이 없다. 대안:

수동 저장: 작업 진행 시 state.yaml에 현재 상태 기록
세션 재개: /resume SESSION-ID로 이전 세션 이어가기
스냅샷: 중요 시점에 작업 내역을 MD 파일로 수동 저장

Claude Code의 Context Preservation System은 5개 Hook으로 자동 저장·복원하며, Knowledge Archive에 세션별 phase(단계), phase_flow(전환 흐름), primary_language(주요 언어), error_patterns(Error Taxonomy 12패턴 분류), tool_sequence(RLE 압축), final_status(세션 종료 상태) 메타데이터를 자동 기록한다. 스냅샷 압축 시 IMMORTAL 섹션을 우선 보존한다. P1 할루시네이션 봉쇄로 KI 스키마 검증, SOT 스키마 검증(8항목), Adversarial Review P1(R1-R5), Translation P1(T1-T9), Verification Log P1(V1a-V1c), pACS P1(PA1-PA6), L0 Anti-Skip Guard(L0a-L0c)이 결정론적으로 수행된다. Copilot에서는 이 정보를 state.yaml에 수동 기록하거나, 스냅샷 MD 파일에 세션 메타데이터를 포함하는 방식으로 대응한다.

설계 원칙

P1: AI에게 전달하기 전 Python 등으로 노이즈 제거 (전처리/후처리 명시)
P2: 전문 에이전트에게 위임하여 품질 극대화
P3: 리소스의 정확한 경로 명시. placeholder 누락 불가
P4: 사용자 질문은 최대 4개, 각 3개 선택지

언어 및 스타일

English-First 강제 (MANDATORY)

워크플로우 전체 진행·에이전트 작업·최종 결과물은 영어 (강제). 영어 원본 완성 → @translator로 한국어 번역 (순서 역전 불가). 절대 기준 1(품질)의 직접적 구현. 상세: AGENTS.md §5.2

프레임워크 문서·사용자 대화: 한국어 (허용) / 기술 용어: 영어 유지 / 시각화: Mermaid 선호

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

It worked
Partly
It didn't

What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free