주차 심화(deep-dive) 카드 생성 규칙

통과(check_week.py)는 진도를 앞으로 빼는 게이트다. 하지만 통과 ≠ "제대로 안다".
이 스킬은 이미 완료한 주차를 되돌아보며 깊이를 채우는 별도 축이다(논문의 recency ↔
impact 두 축과 같은 구조). 결정론(무엇을 심화할지 선택)은 pipelines/deepen.py가 하고,
실제 A~E 분석은 여기(LLM)가 카드로 쓴다.

대상 선정 — 코드가 정한다(직접 세지 말 것)

python pipelines/deepen.py            # 다음 심화 대상(작업지시서)
python pipelines/deepen.py --json     # 스킬이 파싱할 JSON(week·source_card·achieved·notebook_hint)
python pipelines/deepen.py --list     # 완료 주차별 심화 여부 큐

• 대상 = 완료(done)했지만 아직 deepdive 카드가 없는 가장 이른 주차. 큐가 비면(모두 심화됨)
  "심화할 게 없다"고 알리고 끝낸다(새 주차를 통과하면 다시 대상이 생긴다).
• 특정 주차를 강제하려면 --week N(작업지시서만 바뀔 뿐, 규칙은 같다).

무엇을 읽나(정직한 출발점 — 예측 금지)

작업지시서가 가리키는 실제 파일을 연다. 순서가 중요하다:

1. notebook(실측) — 작업지시서의 notebook_is_real: true면 이건 사용자가 실제로 돌린
   노트북이다. 셀 단위로 읽어 분할·정규화·모델·학습·평가를 사실대로 파악한다. 여기서
   본 것이 A·B·D의 근거다. (notebook_is_real: false면 실행 로그가 없다는 뜻 → glob 추정이라
   예측 위험. A절에 "추정"임을 명시하고, 사용자에게 ingest_run.py로 실제 노트북 등록을 권한다.)
2. run_logs — split(intra/inter)별 실제 지표. "무엇으로 통과했는지"를 여기서 그대로 인용
   (state의 achieved보다 이게 정확하다). intra만 있으면 "낙관적 통과"임을 B에서 짚는다.
3. content/ailab/<source_card>.md — 원 실습 카드(특히 ## My notes 회고)와 관련 로그 카드.
   실행 로그도 실측 노트북도 없으면 A절에 그 한계를 밝히고 실제 노트북/result.json 업로드를 요청한다
   (사용자 Colab·Drive 에는 직접 접근하지 못한다).

본문 섹션(요청 A~E를 그대로 골격으로)

export_ailab_web.py가 모든 ## 섹션을 저작 순서대로 싣는다. 순서:
## Overview → ## A. …(무엇을 했나) → ## B. …(문제점·단점) → ## C. …(다른 구조·대안)
→ ## D. …(모델 심화) → ## E. …(자율학습 로드맵) → ## Architecture(Mermaid, 필수)
→ ## Exercises → ## Resources → ## My notes(사용자가 채우는 빈칸, 왕복용).

작성 원칙:

• A·B는 코드 실측에 근거(어느 셀에서 무엇을 했는지). 추측 금지 — 확실치 않으면 "확인 필요".
• **B는 "왜 그 점수를 곧이곧대로 믿으면 안 되는가"**를 우선순위로. data leakage/분할 표준 여부/
  지표 함정/누락된 feature를 구체적으로.
• C는 효과/난이도를 붙여 실행 가능하게(B의 문제 번호와 연결).
• D는 도식(Mermaid) + 근거 계산(예: 수용영역)으로 "왜 그 약점이 구조상 필연인지" 보인다.
• E는 노트북에서 바로 돌릴 실험 + 합격 기준으로. 이게 '자동으로 이어 공부할' 큐다.
• 의학·모델 주장엔 근거(논문/링크)를 달고, estimate·해석이 섞이면 confidence: medium.

생성 규칙

1. ID: python -c "import sys; sys.path.insert(0,'.'); from pipelines.state import next_id; print(next_id('ailab'))"
2. 파일: content/ailab/ailab-YYYY-NNNN.md
3. frontmatter: type: ailab, kind: deepdive, week: <대상 주차>, topic(원 실습과 같은
   대주제), modality·dataset(작업지시서 값), arch(원본 → 대안), level: intermediate,
   notebook·dataset_url·colab_url, related에 source_card와 관련 멘토 노트, date(KST 오늘),
   confidence(A·B 사실이면 high, C~E 해석 섞이면 medium).

공통 마무리 (커밋 전 필수)

python pipelines/deepen.py --list            # 대상 주차가 '심화됨'으로 바뀌었는지 확인
python pipelines/test_deepen.py              # 큐 불변식 검사
python pipelines/indexer.py --check          # frontmatter 검증(실패 시 중단)
python pipelines/indexer.py                  # SQLite 재빌드
python pipelines/export_ailab_web.py         # → docs/ailab.js (홈페이지 🤖 AI랩)
python pipelines/export_search_web.py        # → docs/search-index.js

새 .md + 재생성된 docs/ 번들을 같은 커밋에.

커밋 정책 · 루틴

• 커밋은 python pipelines/publish.py -m "<메시지>"(콘텐츠 레인 → main).
• 루틴화: KMLE/USMLE 일일 루틴과 같은 방식으로, 주간 Claude 루틴이 이 스킬을 호출하면
  된다(예: 매주 1회). 완료 주차가 쌓일 때마다 큐가 자동으로 다음 대상을 내주므로, 루틴
  프롬프트는 "/deepen-week 실행"처럼 얇게 유지한다(대상 선정은 deepen.py가 한다).
• 심화할 게 없으면(큐 빔) 그 사실을 한 줄로 보고하고 끝낸다 — 억지로 만들지 않는다.

주의

• 한 회차에 한 주차만. A~E를 다 채우되 각 절은 실행 가능하게(장황함 < 구체성).
• 원 실습 카드를 수정하지 말고(원본 보존), 별도 deepdive 카드로 쌓는다. related로 잇는다.