Thesis Kill-Chain Scenario 진입점

공개 호출 방식

AI 도구 실행 순서는 EngineCall 우선이다. Company.show, Company.disclosure, Company.gather, scan.market, scan.audit, scan.quality는 엔진 surface로 호출한다. 아래 Python 블록은 확보한 L1/L1.5 근거를 buildThesisKillChainMemo로 묶는 RunPython fallback 절차다.

import dartlab
from dartlab.synth.thesisKillChain import buildThesisKillChainMemo

target = "005930"
thesis = "매출 성장과 현금 전환이 유지되어 valuation discount가 해소된다"
c = dartlab.Company(target)

def rows(value, limit=30):
    if hasattr(value, "head") and hasattr(value, "to_dicts"):
        return value.head(limit).to_dicts()
    if isinstance(value, list):
        return value[:limit]
    return []

def gather_rows(axis, limit=30):
    try:
        return rows(c.gather(axis), limit=limit)
    except Exception:
        try:
            return rows(dartlab.gather(axis, target=target), limit=limit)
        except Exception:
            return []

statements = {}
for topic in ("IS", "BS", "CF"):
    try:
        statements[topic] = c.show(topic, freq="Y")
    except TypeError:
        statements[topic] = c.show(topic)
    except Exception:
        pass

try:
    filings = rows(c.disclosure(), limit=50)
except Exception:
    filings = []

memo = buildThesisKillChainMemo(
    target=target,
    thesis=thesis,
    market=str(getattr(c, "market", "KR")),
    companyName=str(getattr(c, "corpName", target)),
    statements=statements,
    filings=filings,
    priceRows=gather_rows("price", limit=40),
    flowRows=gather_rows("flow", limit=40),
    consensusRows=gather_rows("consensus", limit=12),
)

emit_result(
    table=memo["tables"]["deepDive"],
    values=memo["headline"],
    date=memo["asOf"],
    sources=memo["sources"],
)

호출 동작

1. 결론 도출

killRiskScore, assumptionCount, openTripwireCount, openFalsifierCount, decisionStatus를 반환한다. 이 값은 thesis를 확정하는 점수가 아니라, 깨지는 경로가 얼마나 열려 있는지 보는 우선순위다.

2. 핵심 근거 수집

근거는 사용자 thesis, 명시 assumption, IS/BS/CF 원표, filings, price/flow/consensus, optional scan primitive에서만 나온다. 답변에는 target, date, tableRef, valueRef, sourceRef, executionRef가 있어야 한다.

3. 메커니즘 분석

graph LR
  A["user thesis"] --> B["assumption ledger"]
  C["Company.show IS/BS/CF"] --> D["fragility map"]
  E["filings/gather/scan"] --> F["trigger catalog"]
  B --> G["propagation path"]
  D --> G
  F --> G
  G --> H["tripwire monitor"]
  H --> I["falsifier ledger"]
  I --> J["scenario storyboard"]

4. 반례·한계

kill-chain은 반증 시나리오다. 반증 조건이 닫히면 thesis는 유지될 수 있다. 계절성, 일회성 현금흐름, 시장 전체 움직임, stale consensus, 정기 공시는 반드시 counter-evidence로 남긴다.

5. 후속 모니터링

tripwire가 watch/risk로 바뀌면 같은 helper를 다시 실행한다. 사용자는 “thesis가 맞나?”보다 “어떤 tripwire가 먼저 깨졌나?”를 확인한다.

대표 반환 형태

memo : dict

key	의미
headline	killRiskScore, premortemQualityScore, qualityGateStatus, openTripwireCount, openFalsifierCount
tables.thesisIntake	사용자 thesis와 파싱된 theme
tables.assumptionLedger	testable assumption
tables.fragilityMap	원자료 취약 지표
tables.triggerCatalog	thesis를 흔드는 촉발 조건
tables.propagationPath	trigger → mechanism → assumption
tables.tripwireMonitor	임계값과 현재 상태
tables.falsifierLedger	반증 조건
tables.scenarioStoryboard	base/erosion/kill-chain 시나리오
tables.premortemQualityGate	최종 답변 차단 gate

타협 없는 사용 기준

• qualityGateStatus == "flagshipReady"가 아니면 thesis를 방어하는 결론으로 가지 않는다.
• premortemQualityGate의 risk row는 최종 답변 앞부분에 그대로 드러낸다.
• sourceBreadth, propagationConnected, falsifierOpen 중 하나라도 risk면 다음 EngineCall/RunPython 보강 절차가 답변의 결론이다.
• 시각화는 visualDecisionPack이 ready인 observed viz만 사용한다.

연계 절차

1. recipes.meta.thesisKillChain.thesisIntake - thesis를 입력하고 theme을 파싱.
2. recipes.meta.thesisKillChain.evidenceCoverageAudit - 원자료 coverage 확인.
3. recipes.meta.thesisKillChain.assumptionLedger - 가정을 testable row로 분해.
4. recipes.meta.thesisKillChain.fragilityMap - 원표·시장·기대 취약성 계산.
5. recipes.meta.thesisKillChain.triggerCatalog - 촉발 조건 정리.
6. recipes.meta.thesisKillChain.propagationPath - 깨지는 전파 경로 구성.
7. recipes.meta.thesisKillChain.tripwireMonitor - 임계와 current 상태 확인.
8. recipes.meta.thesisKillChain.falsifierLedger - counter-evidence 열기.
9. recipes.meta.thesisKillChain.scenarioStoryboard - pre-mortem 시나리오 작성.
10. recipes.meta.thesisKillChain.visualDecisionPack - observed viz 선택.
11. recipes.meta.thesisKillChain.premortemQualityGate - 약한 결론 차단.
12. recipes.meta.thesisKillChain.deepDive - 전체 실행.

기본 검증

• 공개 호출 블록에 L2/L3 호출 문자열이 없어야 한다.
• buildThesisKillChainMemo 결과에는 12개 table이 모두 있어야 한다.
• scenarioStoryboard는 baseIntact, erosionCase, killChainCase를 모두 포함해야 한다.
• premortemQualityGate가 weak이면 decisionStatus는 usable이면 안 된다.
• 답변은 propagationPath와 falsifierLedger 없이 thesis 결론을 쓰면 실패다.