Gooo 진단 도구 만들고 재사용하기

업데이트: 2026-10-08 KST. 아래 실행법은 각 관측 당시의 버전과 소스를 유지합니다. 새 배포는 현재 상태에서 확인합니다.

0.6.10 로컬 후보에서 같은 시작 명령으로 프로젝트를 새로 생성했습니다. 고정 순서와 자체 그래프 모델 모두 조립 사례 5/5·활동 출력 8/8을 맞혔고, 두 방식 모두 네 후보를 시도했습니다. 저장 재실행의 출력도 같았으며, 기대값 없이 새 입력 세 건을 처리한 실행은 OBSERVED와 새 모델 호출 0회를 기록했습니다. 생성된 여섯 파일과 실제 실행 기록.

시작점	고정 소스	해볼 일
템플릿 최초 배포 관측	0.6.6 개발판, 86d218f0	여섯 파일을 생성해 자신의 진단 도구로 수정
이전 배포 관측 예제	0.6.5 개발판, 07715764	같은 버전의 저장 프로그램을 실행·설명

작은 공구를 한 번 조립해 작업대에 두고 쓰는 흐름입니다. Gooo 소스에는 진단 조건, 변수 대입과 출력 필드의 선택지가 있습니다. 컴파일러가 그중 프로그램을 구성하고, 저장한 결과를 다음 입력에도 사용합니다.

새 프로젝트를 바로 만들기

Go 1.27.1을 준비하고 0.6.6 배포 페이지에서 호스트에 맞는 실행 파일을 받아 PATH에 둡니다. SHA256SUMS로 파일을 확인합니다. 아래 명령은 배포판에 포함된 템플릿으로 시작합니다.

gooo version --build --json
gooo_go_bin="$(GOTOOLCHAIN=go1.27.1 go env GOROOT)/bin/go"
gooo init --template diagnostic --module example.org/team/diagnostic my-diagnostic
cd my-diagnostic
gooo package execute --json --go "$gooo_go_bin" --cases cases.json gooo.workspace.json > execution.json
gooo package replay --receipt execution.json --go "$gooo_go_bin" --inputs inputs.json gooo.workspace.json

diagnostics.gooo에 조건·대입·세 필드 선택지·다섯 조립 사례가 들어갑니다. app.gooo는 이를 가져와 설명을 만듭니다. 나머지 파일은 패키지 연결, 실행 기대값, 추가 입력과 README입니다. 이미 있는 폴더를 덮어쓰지 않으므로 새 폴더 이름을 사용합니다. 전체 폴더와 실행 기록을 함께 옮겨도 재사용할 수 있습니다.

공개 0.6.6 macOS arm64 실행 파일에서는 결정론·자체 모델 경로가 모두 출력 기대값 8/8을 충족했습니다. 입력만 넣은 저장 재실행은 추가 추론 0회로 실제 값을 남겼습니다. 현재 배포의 원본과 측정 범위를 참고합니다.

이전 템플릿 소스의 설치 관측

앞선 dev 25df2948 소스를 Go 모듈 방식으로 설치해 실제 생성한 프로젝트에서 결정론·자체 모델 경로와 폴더 이동 후 저장 재실행을 각각 8/8 출력 기대값으로 확인했습니다. 추가 입력 세 건은 OBSERVED로 반환됐습니다. 이 설치본의 실행 기록은 Git 리비전을 UNBOUND_LOCAL_SOURCE로 표시합니다. 설치 명령의 고정 리비전과 go version -m에 남은 모듈 버전·체크섬을 함께 보관해 설치 출처를 확인합니다.

배포판 예제: 1. 같은 버전의 소스와 실행 파일 준비

Go 1.27.1과 Git이 있는 환경에서 새 폴더를 사용합니다.

git clone --depth 1 --branch v0.6.5-dev https://github.com/kimjooyoon/meta-ontology-go.git gooo-demo
cd gooo-demo
gooo_go_bin="$(GOTOOLCHAIN=go1.27.1 go env GOROOT)/bin/go"
GOWORK=off "$gooo_go_bin" build -trimpath -o gooo ./cmd/gooo
./gooo version --json

빌드 대신 배포 페이지의 호스트에 맞는 파일을 받아 같은 위치에 gooo 실행 파일을 둘 수도 있습니다. 배포 파일의 SHA256SUMS로 내려받은 파일을 확인합니다. 네이티브 실행에는 Gooo 실행 파일과 같은 운영체제·아키텍처의 Go 도구가 필요합니다. 아래 명령은 POSIX 셸 기준이며 Windows 실행 파일 이름은 gooo.exe입니다.

배포판 예제: 2. 진단 규칙을 조립하고 저장

./gooo package execute --json --go "$gooo_go_bin" \
  --cases examples/package-diagnostic-replay/cases.json \
  examples/package-diagnostic-replay/gooo.workspace.json > diagnostic-execution.json

diagnostics.gooo.fixture는 맞춘 출력 수, 전체 출력 수, 탈락 후보 수와 설명을 입력으로 받습니다. Gooo의 조건이 완료·부분 충족·관측 부족·잘못된 수를 구분하고, 다른 Gooo 패키지가 그 결과를 문장으로 만듭니다. 기본 경로는 결정론적입니다.

소스 안의 조립 사례는 5개, 별도 실행 파일의 입력 행은 4개이며 활동 출력 기대값은 8개입니다. 각각 무엇을 센 수인지 실행 기록에 남습니다.

배포판 예제: 3. 새 입력으로 계속 사용

./gooo package replay --receipt diagnostic-execution.json --go "$gooo_go_bin" \
  --inputs examples/package-diagnostic-replay/inputs.json \
  examples/package-diagnostic-replay/gooo.workspace.json

입력 행 세 개의 값을 반환하며, 그중 하나는 다음과 같습니다.

"partial: missing branch result [repair-and-replay]"

입력 파일을 바꿔 자신의 수치와 설명을 전달할 수 있습니다. 입력만 바꾸면 새 후보 탐색 없이 저장한 프로그램을 사용합니다. 소스의 규칙을 바꿨다면 다시 조립해 새 기록을 만듭니다. --json은 현재 실행 관측을 저장할 때 씁니다. 기대 정답 없이 실행한 결과는 OBSERVED이며 정답률을 만들지 않습니다.

반환한 다음 작업은 다른 도구가 소비할 수 있는 데이터입니다. 이 예제에서는 진단 메시지까지 계산합니다.

배포판 예제: 4. 조립 과정을 Gooo로 설명

./gooo package execute --json --go "$gooo_go_bin" \
  --construction-receipt diagnostic-execution.json \
  examples/assembly-explainer/gooo.workspace.json

Gooo 설명 도구가 당시의 충족 사례 수와 남은 예산을 읽고 “관측한 더 나은 후보 사용”, “다른 후보 계속 탐색”, “새 입력 관측” 같은 다음 작업을 반환합니다. 선택 기준과 메시지는 Gooo 소스에 있습니다. 저장한 후보·점수·생성물을 다시 확인하고 설명하며, 새 추론 호출은 0회입니다.

선택적으로 자체 모델 연결

첫 조립 명령에 --assembly-model /path/to/model.json을 추가하면 호환되는 작은 모델이 같은 후보의 시도 순서를 제안합니다. 공개 공유 QAT 모델의 model.json과 weights.bin을 같은 폴더에 둡니다. 이 모델은 새로 초기화한 가중치를 Gooo 자료로 학습했으며 매개변수는 2,072개입니다.

공개한 한 과제의 관측에서 결정론 경로는 4회, 모델 경로는 2회 시도했습니다. 모델의 첫 제안은 조립 사례 3/5와 필드 13/15를 맞혔고 다음 후보가 5/5·15/15를 충족했습니다. 양쪽의 실제 출력 기대값은 8/8이었습니다. 추론 약 19.9마이크로초와 모델 준비 약 0.497밀리초를 따로 측정했으며, 단일 순차 관측의 캐시 조건은 통제하지 않았습니다.

모델을 교체할 때도 Gooo가 정한 선택지와 검사 기준을 유지합니다. 제한된 예산에서는 선택 결과가 달라질 수 있으므로 실패와 미관측도 함께 비교합니다. 저장된 프로그램을 다시 실행할 때는 모델 파일이 필요하지 않습니다.

시작하기 · 현재 상태 · 언어 방향과 연구 계획