집중도 워처

한 방향만 가리키는 렌즈는 여전히 사각지대입니다. skope는 당신 자신의 뉴스 식단을 감시하고, 그것이 너무 적은 차원으로 무너질 때 (모든 기사가 개별적으로는 도달 가능하더라도) 경고합니다. 이것이 집중도 워처입니다.

Effective-N

skope는 주의의 분산을 Effective-N, 즉 레이더의 임팩트가 축들에 어떻게 분포하는지에 대한 Inverse Simpson 지수로 측정합니다.

Effective-N = 1 / Σ(pᵢ²)

여기서 pᵢ는 최근 윈도우 동안 축 i에 착지한 총 임팩트의 비중입니다. 이것은 "내 주의가 사실상 몇 개의 축에 퍼져 있나?" 에 답합니다, 거의 잡히지 않는 축은 깎아내면서 답합니다.

• Effective-N ≈ 축 개수 → 균형입니다. 당신의 주의가 상황 전체를 추적합니다.
• Effective-N ≈ 1 → 집중입니다. 당신에게 도달하는 거의 전부가 하나의 이야기입니다, 포트폴리오, 또는 한 고용주, 또는 한 기술입니다.

다섯 축이 각각 20%면 Effective-N = 5입니다. 하지만 한 축에 80%, 나머지 넷에 5%씩이면 Effective-N ≈ 1.5입니다. 명목상 다섯 축이지만 실질적으로는 1.5축입니다.

왜 집중이 위험인가

Reachability는 이미 무관한 것을 막아냅니다. 남은 실패 모드는 정반대입니다. 당신에게 도달하는 모든 것이 참이고 관련 있고 같은 방향을 가리키는 경우입니다. 그것은 진짜 신호로 지어진 에코 체임버입니다. 안에서는 가장 알아채기 어려운 종류인데, 그 안의 어떤 것도 틀리지 않았기 때문입니다. Effective-N은 주의의 형태를 읽을 수 있게 만들어, 그 무너짐이 습관이 되기 전에 보이게 합니다.

브리프에서 읽기

get_brief는 레이더와 함께 concentration 블록을 반환합니다. 낮은 Effective-N은 Claude가 불균형을 짚어줄 신호입니다 ("최근 다섯 브리프 중 넷이 당신 포트폴리오였어요. 못 보고 있는 게 여기 있어요") 그리고 이후 버전에서는 능동적으로 발산하는 쿼리 세트를 추천하는 신호입니다.

나머지 원장처럼, 결정론적

Effective-N은 저장된 임팩트 분포 위의 순수 수학입니다. 모델도, 판단도 없습니다. skope는 숫자를 계산하고, Claude는 그것으로 무엇을 할지 해석합니다. skope 어디서나 같은 분업입니다. 원장은 결정론적, 합성은 Claude의 몫입니다.

함께 보기: Reachability. 애초에 무엇이 레이더에 들어올지 정하는 렌즈입니다.