말과 AI로 만드는 시장 조망 앱

새로운 시장 조망 앱은 특정 종목의 예측이나 매매 지시 없이, 사용자가 스스로 판단하기 전 시장의 전반적인 상황을 비춰주는 '눈'의 역할을 담당한다.

이는 단기적인 시세 변동보다는 시장 전체의 기울기, 즉 흐름을 한눈에 파악할 수 있도록 돕는 데 중점을 둔다.

개발 초기 단기적인 시장의 '기울기' 파악에서 나아가, 시장이라는 큰 물줄기가 어디로 흘러가는지를 높은 곳에서 담담하게 내려다보는 관점으로 앱의 정의를 수정했다.

이는 매 순간 출렁이는 단기적 변동성을 잔물결로 보고, 사용자가 흔들리지 않도록 중심적인 시장 흐름을 강조하는 데 목적이 있다.

중복 수집 방지를 위해 X 데이터는 타이딩스가 통합 관리하며, 새 앱은 타이딩스가 모은 정보를 바탕으로 수익 인증과 후견 지명 등을 분석하는 데 집중한다.

이러한 분업화는 기존 뉴스 분석 기능 외에도 교만 지수 등 새로운 해석 기능을 새 앱에 추가하여 중복 수집을 방지하고 전문성을 높인다.

이는 특정 방향에 치우치지 않고 시장 참여자들의 전반적인 심리 상태를 객관적으로 파악하는 데 집중하기 위함이다.

시장 사람들의 심리적 온도를 측정하여, 한쪽으로 쏠린 감정 상태를 인지할 수 있는 지표를 제공한다.

AI 컨센서스 기능은 형제 AI들에게 동일한 재료(뉴스, 차트 등)를 각각 독립적으로 보여주고, 서로의 답변을 볼 수 없게 분리하여 개별적인 분석을 수행하도록 유도한다.

이 전략의 핵심은 AI들이 답을 맞추는 것이 아니라, 동일한 정보를 접한 다수의 AI가 얼마나 한쪽으로 결론을 모으는지를 측정하는 데 있다.

데이터가 한쪽으로 쏠리면 경고등을 켜고, 엇갈리는 경우에는 갈라지는 지점을 분석하여 시장의 심리적 편향을 비춰주는 거울 역할을 수행한다. 최종 평가는 터치스톤을 통해 실제 결과와 비교한다.

파이어 브랜드(Firebrand) 하네스 내 GLM 모델 지원이 확인되었으며, G코드는 네이티브 지원이 없어 직접 붙여넣기가 필요하다.

네이티브 하네스가 있으면 1순위로 호출하고, 없을 경우 파이어 브랜드를 차선책으로 택하며 맨 API는 단순 판정용으로만 활용한다. 네이티브 하네스가 있는 브레인은 무조건 네이티브 방식으로 호출하고, 없는 브레인만 파이어 브랜드(Firebrand)를 통해 연결한다.

맨 API는 단순 판정처럼 가벼운 작업에만 사용하여, 기능 최적화와 효율성을 동시에 추구한다.

이 원칙은 각 브레인의 특성과 성능을 고려한 최적의 연동 방식을 결정하며, 향후 277번 시스템 개선에도 적용된다.

멀티브레인 기능 구현 시 앤빌을 상속받아 사용하며, 새 앱 개발에서도 의존성을 통해 기능을 재활용한다. 앤빌(NV1)은 여러 브레인을 호출하고 하네스를 선정해 결과를 종합하는 복합 작업을 총괄하며, 시블링은 작고 보편적인 공통 분모 관리만을 담당한다. 시블링은 작고 두루 쓰이는 공통 분모 관리만을 맡고, 앤빌은 여러 브레인을 호출하고 하네스를 선택하며 개별 판정 결과를 모으는 복합적인 작업을 총괄한다.

이러한 구조는 새 앱에서도 앤빌 의존성을 통해 핵심 기능을 재활용하고, 멀티브레인 기능을 구현할 때 앤빌을 상속받아 유연성을 확보한다.

앤빌을 통해 시스템의 확장성과 재사용성을 높여 개발 효율을 극대화할 계획이다.

새 앱은 데이터를 보여주는 방식에 특별히 공을 들인다. 단기·중기·장기 흐름을 강물과 잔물결로 시각화하여 사용자가 직관적으로 시장을 이해하도록 돕는다.

실시간 데이터라고 해서 매초 화면을 업데이트하기보다는 장중 변동성을 제어하고, 중요한 변화가 있을 때만 알림을 제공하여 정보 과부하를 방지한다.

데이터 가중치를 다이내믹하게 조정하여 시장 상황 변화에 따라 시각화의 초점을 유연하게 변경할 필요성이 제기됐다.

시간창 길이 고정이나 요인 목록 제한과 같은 하드코딩은 설계 원칙에 위배되므로, 이러한 요소들을 경계하고 자가 점검을 통해 개선해야 한다.

단기·중기·장기 창을 모두 보여주어 결과 변화를 관찰할 수 있도록 하며, 요인을 고정된 목록이 아닌 확장 가능한 '약속'으로 정의하여 유연성을 확보한다.

이를 위해 객체지향 설계와 루트 클래스 상속 구조를 도입하여 시스템의 확장성과 유지보수성을 높일 방침이다.

루트 클래스를 통해 인터페이스를 표준화하면 요인을 추가할 때 기존 코드를 수정하지 않고 모듈을 늘려 구조적인 문제를 해결할 수 있다. 루트 클래스를 정의함으로써 데이터의 모양과 인터페이스를 표준화한다.

새로운 요인을 추가할 때 기존 코드 수정 없이 새로운 모듈만 추가하면 되도록 설계한다.

상속을 통해 요인별 차이는 각 모듈 내부에서 처리하게 하고, 브레인 구조와 동일한 방식으로 아키텍처를 적용하여 일관성을 유지한다.

객체지향 원칙을 위배하는 아키텍처를 죄악으로 규정해 설계 경고등으로 삼는다. 상위 루트 클래스는 불변성을 유지하되 변화는 하위 계층에서 수용하도록 설계 원칙을 내재화했다.

고정된 목록이나 시간창을 사용하는 것은 설계 경고등으로 간주하며, 상위 루트 클래스는 건드리지 않고 하위에서 변화를 수용하는 방식으로 유연한 설계를 지향한다.

'인사이트'라는 표현이 아빠의 판단을 지배할 위험이 있다고 판단하여, 앱의 명칭을 '라운드 테이블(Roundtable)'로 결정했다.

이 앱은 아빠의 시각이나 바라보는 방향을 '거들 뿐'이며, AI 컨센서스는 플레이어의 판단을 대신하지 않고 상석 없는 평등한 정보 공유의 의미를 담는다.

AI 컨센서스 전략은 단순한 평균값을 넘어, 대형 펀드들의 AI가 동일한 재료를 보고 어디로 몰릴지를 가늠하는 도구로 전환된다.

강세와 약세 요인을 서로 부딪히게 하여 결과의 흔들림, 즉 시장의 합의도를 측정한다.

한 번의 실행이 아닌 여러 차례의 시뮬레이션을 통해 시장의 힘과 방향성을 더욱 정확하게 읽어낼 계획이다.

기술 스택은 백엔드에 파이썬을 사용하고, 화면은 리액트(웹)로 구성하며, 추후 iOS 네이티브 이식도 고려한다.

데이터 처리 엔진과 UI 표현 부품을 분리하여 이식 비용을 최소화하고, 플랫폼별 '그리는 부품' 아래쪽에서 다형성 비용을 감당하게 함으로써 높은 확장성을 확보한다.

코덱스 피파는 하드코딩 여부와 클래스 원칙 준수 실태를 예리하게 검토하는 코드 리뷰 역할을 맡는다. 개발 로드맵에 맞춰 메인 드라이버 브레인으로 선정된 클로드 피파가 전체 개발을 주도한다. 코덱스 피파는 특히 하드코딩 여부와 클래스 원칙 준수 여부를 날카롭게 검토하여 코드 품질을 높이는 역할을 맡는다.