Persona MCP

# 🚀 빠른 시작 가이드 ## 다른 사람이 처음 사용할 때 ### 1. 저장소 클론 (지식 베이스 자동 다운로드) ```bash git clone https://github.com/seanshin0214/world-class-leadership-personas.git cd world-class-leadership-personas ``` **결과**: - ✅ 페르소나 메타데이터 (community/) - ✅ MCP 서버 코드 (src/) - ✅ **지식 베이스 (knowledge-base/)** ← 자동 포함! ### 2. 지식 베이스 확인 ```bash # 현재 포함된 지식 베이스 ls knowledge-base/ # 출력: 410-llm-engineer/ └── core-competencies/ └── transformer-architectures.md (20 pages) ✅ ``` ### 3. MCP 서버 실행 ```bash npm install npm run dev ``` **이제 Claude Desktop에서 사용 가능!** --- ## 지식 베이스 업데이트 받기 ### 다른 사람이 새 지식 추가했을 때 ```bash # 최신 지식 베이스 다운로드 git pull origin main # 예시 출력: Updating 40a527a..52e3007 Fast-forward knowledge-base/410-llm-engineer/core-competencies/prompt-engineering.md | 1200 ++++ 1 file changed, 1200 insertions(+) ``` **자동으로 동기화됨!** ✅ --- ## 지식 베이스에 기여하기 ### 새 문서 추가 ```bash # 1. 문서 작성 mkdir -p knowledge-base/410-llm-engineer/case-studies cat > knowledge-base/410-llm-engineer/case-studies/my-case-study.md << 'EOF' # My LLM Case Study [Write your content...] EOF # 2. Git 추가 git add knowledge-base/ # 3. 커밋 git commit -m "feat: Add my LLM case study" # 4. 푸시 git push origin main ``` ### 기존 문서 수정 ```bash # 1. 수정 code knowledge-base/410-llm-engineer/core-competencies/transformer-architectures.md # 2. 커밋 git add knowledge-base/ git commit -m "docs: Update transformer-architectures with new benchmarks" # 3. 푸시 git push origin main ``` --- ## 현재 상태 ### 완성된 지식 베이스 ``` ✅ 410-llm-engineer/ └── core-competencies/ └── transformer-architectures.md - Multi-Head Attention (수학 증명) - Positional Encodings (RoPE, ALiBi) - Flash Attention (코드 + 벤치마크) - 실제 사례 (LLaMA-2-70B, GPT-4) - 20 pages, 프로덕션급 품질 ``` ### 작업 중 ``` ⏳ 410-llm-engineer/ (진행률: 20%) ├── core-competencies/ │ ├── transformer-architectures.md ✅ │ └── prompt-engineering.md ⏳ (다음 작업) ├── case-studies/ ⏳ ├── code-examples/ ⏳ └── research-papers/ ⏳ ``` --- ## RAG 작동 테스트 ### 시나리오 **질문**: "LLaMA-2-70B 추론 속도 최적화 방법?" **RAG 검색**: 1. Query 임베딩 생성 2. knowledge-base/410-llm-engineer/ 검색 3. transformer-architectures.md에서 관련 섹션 발견: - Flash Attention (3.8x speedup) - Multi-Query Attention (8x KV cache reduction) - Real benchmarks (A100 GPU) **응답**: ``` Based on the knowledge base: 1. Use Flash Attention: 3.8x faster, reduces memory O(n²) → O(n) [Code example from transformer-architectures.md] 2. Apply Multi-Query Attention: 8x smaller KV cache [Specific implementation details] 3. Expected improvement: 9s → 1.8s latency [Real benchmark data included] ``` **효과**: 일반적 조언 → 구체적, 코드 포함, 측정 가능한 답변 --- ## 워크플로우 요약 ``` 로컬 작성 ↓ git add knowledge-base/ ↓ git commit -m "feat: ..." ↓ git push origin main ↓ 다른 사용자: git pull ↓ 자동 동기화 ✅ ``` --- ## 다음 단계 ### 단기 (1주일) - [ ] prompt-engineering.md 작성 (30 pages) - [ ] case-studies/ 추가 (5개 사례) ### 중기 (1개월) - [ ] 410-llm-engineer 완성 (100MB) - [ ] 10개 핵심 페르소나 시작 ### 장기 (6개월) - [ ] 142개 전체 페르소나 - [ ] Git LFS 마이그레이션 (1GB 도달 시) --- **현재**: Git에서 지식 베이스 직접 관리 중 ✅ **효과**: Clone 한 번으로 모든 지식 자동 다운로드 **업데이트**: git pull로 최신 지식 즉시 반영