• 01프로젝트 개요 · 스펙기간 · 도메인 · 데이터 · 모듈 구성
• 02배경과 문제 정의무인 매장 인식의 네 가지 난제
• 03솔루션과 핵심 설계열린집합 임베딩 · 실시간 등록 · 안전 결정 · 능동 등록
• 04시스템 아키텍처 · 기술 스택공유 인식 엔진 · SigLIP2 파이프라인
• 05데이터 구조 · 참조 APIDB 스키마 · 도서 메타 연동
• 06개발 추진 계획 · 진행 · 관리일정 · 진행률 · 대시보드 기반 관리
• 07데모 시연 · 성능 · 결론인식 · 안전결정 · 실시간 등록 · 결과

도서 인식에서 출발해 포장식품·냉장 등 여러 도메인을 하나의 공유 인식 엔진으로 다룹니다. 도메인 차이(증강·검증·임계값)는 어댑터로 흡수하고 인식 코어는 공유합니다.

검출 신호 — sim = top1 유사도(확신도), margin = top1−top2(후보 분리도). 절대 유사도만으로는 ‘확신에 찬 오인식’을 못 거르므로 margin이 애매·오인식을 차단하는 핵심 신호입니다.

표지 임베딩과 제목·저자(OCR)를 함께 대조해 식별 — 비슷한 표지에 강하고, 신간은 등록만으로 즉시 인식됩니다.

추진 계획 — 인식 엔진 → 안전 결정 → 등록·능동학습 → 데모 앱 · 7월 22일 ~ 7월 28일 (7일)

GIF · 자동재생

개발 대시보드 — 6개 뷰 순회 (개요·마일스톤·구조도·흐름도·일정·작업)

단일 소스 (SSOT)

status.js 하나가 작업·마일스톤·단계·일정·모듈·문서의 원천 — 상태가 흩어지지 않는다

대시보드 6뷰

개요·마일스톤·구조도·흐름도·일정·작업 자동 렌더 · 변경 시 자동 반영

추적성

각 작업이 산출 문서(결과·명세·아키텍처)로 링크 — 근거가 항상 연결

컨텍스트 일관성

진행·의사결정(피봇)·범위(MVP as-is/to-be)를 한 곳에 고정 → 컨텍스트 드리프트 방지

컨텍스트 엔지니어링 관점 — 구조화된 단일 상태가 사람과 AI 코딩 도구가 공유하는 ‘컨텍스트’가 되어, 일관되고 재현 가능한 개발(형상관리)을 뒷받침합니다.

※ SigLIP2 무학습(frozen) · 데모 카탈로그 기준 · 도메인/규모 확대 시 동일 프로토콜로 재검증