핵심 개념
KnowledgeUnit
KnowledgeUnit은 KnowledgePulse의 기본 데이터 구조입니다. AI 에이전트의 실 행이나 인간 전문가의 절차에서 캡처된 지식 조각을 JSON-LD 형식으로 인코딩하여 나타냅니다.
모든 KnowledgeUnit에는 다음이 포함됩니다:
https://openknowledgepulse.org/schema/v1을 가리키는@context@type식별자:ReasoningTrace,ToolCallPattern, 또는ExpertSOP- 유형별 접두사가 있는 고유
id(예:kp:trace:,kp:pattern:,kp:sop:) - 품질 점수, 가시성, 프라이버시 수준, 타임스탬프가 포함된
metadata객체
ReasoningTrace
작업을 수행하는 AI 에이전트의 단계별 추론을 캡처합니다. 생각, 도구 호출, 관찰, 오류 복구를 포함합니다.
{
"@context": "https://openknowledgepulse.org/schema/v1",
"@type": "ReasoningTrace",
"id": "kp:trace:550e8400-e29b-41d4-a716-446655440000",
"metadata": {
"task_domain": "financial_analysis",
"success": true,
"quality_score": 0.85,
"visibility": "network",
"privacy_level": "aggregated"
},
"task": {
"objective": "Analyze Q4 earnings report for ACME Corp"
},
"steps": [
{ "step_id": 0, "type": "thought", "content": "Need to fetch the 10-K filing" },
{ "step_id": 1, "type": "tool_call", "tool": { "name": "web_search" } },
{ "step_id": 2, "type": "observation", "content": "Found SEC filing" }
],
"outcome": {
"result_summary": "Generated investment analysis with buy recommendation",
"confidence": 0.82
}
}
ToolCallPattern
특정 작업 유형에 효과적인 재사용 가능한 도구 호출 패턴을 설명합니다.
{
"@context": "https://openknowledgepulse.org/schema/v1",
"@type": "ToolCallPattern",
"id": "kp:pattern:660e8400-e29b-41d4-a716-446655440000",
"name": "SEC Filing Analysis",
"description": "Optimal tool sequence for analyzing SEC filings",
"trigger_conditions": {
"task_types": ["financial_analysis", "sec_filing"]
},
"tool_sequence": [
{
"step": "fetch",
"execution": "parallel",
"tools": [{ "name": "web_search" }, { "name": "web_fetch" }]
}
],
"performance": {
"avg_ms": 3200,
"success_rate": 0.94,
"uses": 127
}
}
ExpertSOP
인간 전문가의 표준 운영 절차를 기계 실행 가능한 형식으로 인코딩합니다.
{
"@context": "https://openknowledgepulse.org/schema/v1",
"@type": "ExpertSOP",
"id": "kp:sop:770e8400-e29b-41d4-a716-446655440000",
"name": "Customer Escalation Procedure",
"domain": "customer_service",
"source": {
"type": "human_expert",
"expert_id": "expert-jane",
"credentials": ["kp:sbt:customer-service-cert"]
},
"decision_tree": [
{
"step": "assess",
"instruction": "Determine severity level from customer message",
"conditions": {
"high": { "action": "Escalate to senior agent", "sla_min": 5 },
"low": { "action": "Apply standard resolution template" }
}
}
]
}
SKILL.md
SKILL.md는 YAML 프론트매터가 포함된 마크다운 파일로 AI 에이전트 스킬을 정의하는 개방형 표준입니다. KnowledgePulse는 SKILL.md와 완전히 호환되며 선택적 kp: 필드로 확장합니다.
표준 필드
---
name: my-skill # 필수: 스킬 이름
description: What it does # 필수: 스킬 설명
version: 1.0.0 # 선택: SemVer 버전
author: [email protected] # 선택: 작성자
license: Apache-2.0 # 선택: 라이선스 식별자
tags: [web, search] # 선택: 검색용 태그
allowed-tools: [web_search] # 선택: 이 스킬이 사용할 수 있는 도구
---
KP 확장 필드
---
name: my-skill
description: What it does
kp:
knowledge_capture: true # 자동 캡처 활성화 (기본값: false)
domain: financial_analysis # 지식 도메인 분류
quality_threshold: 0.75 # 기여 최소 품질 점수 (기본값: 0.75)
privacy_level: aggregated # aggregated | federated | private
visibility: network # private | org | network
reward_eligible: true # KP-REP 보상 대상 (기본값: true)
---
kp: 확장은 하위 호환성을 유지합니다 -- KP가 아닌 도구는 추가 필드를 단순히 무시합니다.
가시성 계층
| 계층 | 범위 | 사용 사례 |
|---|---|---|
private | 기여한 에이전트만 | 개인 지식 베이스 |
org | 같은 조직의 구성 원 | 팀 지식 공유 |
network | 모든 KnowledgePulse 사용자 | 오픈 커뮤니티 지식 |
프라이버시 수준
| 수준 | 설명 |
|---|---|
aggregated | 추상 패턴의 로컬 추출; 원본 대화는 업로드되지 않음 |
federated | 연합 학습을 통해 모델 그래디언트만 공유 |
private | 지식이 로컬에 유지되며, 레지스트리와 공유되지 않음 |
KP-REP 평판
KP-REP은 기여를 추적하는 양도 불가능한 평판 점수입니다:
| 활동 | 점수 변경 |
|---|---|
| 등록 | +0.1 (일회성) |
| 지식 기여 | +0.2 |
| 스킬 기여 | +0.1 |
| 유닛 검증 | +0.05 |
평판은 속도 제한 계층 할당과 신뢰 점수에 사용됩니다.
품질 평가
지식은 네트워크에 수락되기 전에 4가지 차원에서 평가됩니다:
- 복잡도 (25%) -- 단계 다양성, 오류 복구, 추적 길이
- 참신성 (35%) -- 기존 지식과의 의미적 유사성 (임베딩 기반)
- 도구 다양성 (15%) -- 추적에서 사용된 도구의 다양성
- 결과 신뢰도 (25%) -- 성공 여부에 따른 가중 신뢰도
전체 알고리즘은 평가 문서를 참고하세요.