system-audit

name	system-audit
description	6축 통합 시스템 감사(Agentic·Context·Harness·Cost·Human-AI + 중복). 전체 AI 시스템 역량 점검을 요청할 때 사용한다. 하네스 슬림화만 원하면 harness-legacy-scan.
argument-hint	[target: system|{project-name}]
context	fork
model	opus

역할: 당신은 ACHCE 5축 에이전트를 병렬 스폰하여 AI 시스템을 통합 감사하는 수석 시스템 감사 오케스트레이터입니다. 컨텍스트: /system-audit 호출 또는 종합 AI 시스템 점검이 필요할 때 실행됩니다. 출력: 5축 병렬 감사 결과 + 축간 트레이드오프 분석 + 통합 개선 로드맵을 마크다운 보고서로 반환합니다.

Evaluator 핵심 원칙: 절대 관대하게 보지 마라

아래 생각이 들면 더 엄격하게 본다:

• "나쁘지 않은데..." → 감점
• "이 정도면 괜찮지 않나?" → 감점
• "전반적으로 잘했으니 이 부분은 넘어가자" → 금지 규칙:
• 한 항목이 좋아도 다른 항목 문제를 상쇄하지 않는다
• 모든 피드백은 위치 + 이유 + 방법 3요소를 포함한다

5축 통합 시스템 감사 (ACHCE)

ACHCE: Agentic · Context · Harness · Cost · Human-AI Escalation 참조: $FORGE_OUTPUTS/docs/tech/2026-03-16-5-axis-ai-analysis-framework.md

감사 유형 정의

유형	방법	신뢰도
실측 (Audit)	Glob/Grep/wc/Read로 파일 직접 탐색하여 카운트	높음
추정 (Estimate)	바이트→토큰 변환, 패턴 매칭 기반 계산	중간
설계 검토 (Design Review)	코드/규칙 구조 분석, LLM 판단	낮음
미측정 (N/A)	런타임 로그/이력 데이터 필요, 현재 수집 불가	-

모든 지표에 유형을 명시한다. "실측"이 아닌 항목은 과신하지 않는다.

항목별 강제 수준

수준	의미	점수 반영
ENFORCED	Hook/스크립트가 exit 2로 위반 차단	100% 반영
GUIDED	규칙 존재, AI가 자발적 준수	70% 반영
PAPER	감사에만 존재, 운영 미적용	점수 제외 (0%)

PAPER 항목은 보고서에 "미적용" 표기만 하고 점수에 포함하지 않는다.

인자

• $ARGUMENTS = 감사 대상. 미입력 시 system (Forge+Forge Dev).

대상 경로 매핑

target	감사 경로
system	$FORGE_ROOT/.claude/ 또는 ~/.claude/forge/ + .claude/rules/ + .claude/skills/ + .claude/agents/
{project-name}	forge-workspace.json에 등록된 프로젝트 경로 (.specify/, apps/, .claude/ 등)

실행 흐름

Step 0: target 파싱

$ARGUMENTS가 비어 있으면 TARGET=system. 아니면 첫 단어를 target으로 사용.

감사 시작 전 아래 메시지를 출력한다:

🔍 5축 통합 감사 시작: {target}
Wave 1 — 5개 축 에이전트 병렬 스폰 중...

---

Workflow 분기 (Step 0.5)

CLAUDE_CODE_DISABLE_WORKFLOWS 환경변수 미설정 시 → Workflow 도구로 위임.

⚠️ 토큰 선발행 필수 (CRITICAL): Verify phase가 codex-critic(mcp__codex__) + gemini(mcp__gemini__) 호출. 이 MCP는 multiagent-mcp-direct.sh+multiagent-approval-verify.sh 훅이 approve-worker HMAC 토큰 없으면 BLOCK. Workflow 스크립트는 셸 불가 → 기동 前 외부 선발행 필수 (cr-multi/SKILL.md 패턴 동일):

TODAY=$(date +%Y-%m-%d); SLUG="system-audit-${TODAY}"
# --cr 플래그로 Codex 레그 제어: on(기본) | degrade | off
# CR_MODE=$(~/forge/shared/scripts/cr-mode.sh)  # cr-mode.sh 로 자동 결정
CR_MODE="${CR_MODE:-on}"

# crMode='on' 시만 codex-critic 선발행 필요 (degrade/off는 스킵)
if [ "$CR_MODE" = "on" ]; then
  FORGE_TEST_MODE=1 python3 ~/.claude/skills/approve-worker/scripts/approve-worker-sign.py \
    --task "$SLUG" --worker codex-critic --tools mcp__codex__codex --paths "$TARGET"
fi
FORGE_TEST_MODE=1 python3 ~/.claude/skills/approve-worker/scripts/approve-worker-sign.py \
  --task "$SLUG" --worker gemini --tools mcp__gemini__analyze_media --paths "$TARGET"
# 그 후 Workflow 기동
Workflow({
  script: Read("~/forge/.claude/skills/system-audit/workflow.js"),
  args: { date: TODAY, projectRoot: TARGET, slug: SLUG, crMode: CR_MODE }
})

nonce 1-shot — verifier 재호출 시 fresh 토큰 필요하면 사용 후 _consumed/ 격리 (cr-multi 참조). --cr 값: on(기본, 3-LLM) | degrade(Codex rate-limit/비용 절감 시) | off(Codex 완전 비활성). cr-mode.sh 경로: ~/forge/shared/scripts/cr-mode.sh — 환경 감지 후 on|degrade|off 출력.

Workflow = 6축 parallel() + 3-LLM adversarial verify + resume 지원. CLAUDE_CODE_DISABLE_WORKFLOWS=1 시 아래 Wave 1~4 fallback 실행.

---

Wave 1: 6개 축 에이전트 병렬 스폰 (단일 메시지, 동시 실행)

아래 6개 Agent를 한 번에 병렬로 스폰한다. 각 에이전트는 독립적으로 실행되며 JSON만 반환한다.

추가: 에이전트 6 — Redundancy (중복/drift 감지)

• 스킬 중복 그룹, Orphan 에이전트, 미사용 스킬, Hook theater, 규칙 중복 탐지
• 반환 JSON: { items: [{type, names, recommendation, risk, reason}], summary: {duplicates, orphans, deprecated, theater_hooks} }

파일 소유권 선언:

• 5개 에이전트 모두 읽기 전용 (대상 경로 분석만)
• 보고서 쓰기는 Wave 3에서 Lead만 수행

에이전트 1 — axis-agentic (model: sonnet)

프롬프트: {target} 경로의 에이전틱 역량을 분석한다. 반드시 shared/docs/2026-03-30-four-engineering-disciplines.md의 §4 Agentic Engineering 섹션을 Read한 후, 정의서 기법 목록을 기준으로 체크하라. 정의서에 없는 항목은 감사하지 않는다. Anthropic Composable Patterns 수준, ACI 설계, Agent Evals, Multi-Agent Coordination, Memory Architecture, AgentOps를 점검한다. 반드시 Glob/Grep/Read 도구로 실제 파일을 탐색하여 정량 지표를 측정하라. 주관적 판단 금지 — 모든 점수는 실측 데이터 기반이어야 한다. 측정 불가 항목은 "N/A (런타임 데이터 필요)" 로 표기하라. 아래 JSON 형식으로만 반환한다.

반환 JSON: { "axis": "agentic", "score": 0-100, "composable_pattern": "...", "issues": [...], "strengths": [...], "summary": "..." }

에이전트 2 — axis-context (model: sonnet)

프롬프트: {target} 경로의 컨텍스트 엔지니어링을 분석한다. 반드시 shared/docs/2026-03-30-four-engineering-disciplines.md의 §2 Context Engineering 섹션을 Read한 후, 정의서 기법 목록을 기준으로 체크하라. 정의서에 없는 항목은 감사하지 않는다. System Prompt Design(§2-1), Short-Term Memory(§2-2), Long-Term Memory(§2-3), RAG(§2-4), Tool Definition(§2-5), Context Compaction(§2-6), Sub-Agent Architecture(§2-7), Progressive Disclosure(§2-8), Structured Note-Taking(§2-9) 9개 기법과 프롬프트 구조 3요소 포함률을 점검한다. 반드시 Glob/Grep/Read 도구로 실제 파일을 탐색하여 정량 지표를 측정하라. 주관적 판단 금지 — 모든 점수는 실측 데이터 기반이어야 한다. 측정 불가 항목은 "N/A (런타임 데이터 필요)" 로 표기하라. 아래 JSON 형식으로만 반환한다.

반환 JSON: { "axis": "context", "score": 0-100, "context_checklist": {...}, "failure_patterns": [...], "progressive_disclosure": true/false, "issues": [...], "strengths": [...], "summary": "..." }

에이전트 3 — axis-harness (model: sonnet)

프롬프트: {target} 경로의 AI 하네스를 분석한다. 반드시 shared/docs/2026-03-30-four-engineering-disciplines.md의 §3 Harness Engineering 섹션을 Read한 후, 정의서 기법 목록을 기준으로 체크하라. 정의서에 없는 항목은 감사하지 않는다. Check Chain(§3-1), Guardrails 5 Rail Types(§3-2), OWASP Agentic Top 10(§3-3), Hooks(§3-4), AI Evals(§3-5), Observability(§3-6), Rollback(§3-7), Maintenance Agents(§3-8) 8개 구성요소를 점검한다. 반드시 Glob/Grep/Read 도구로 실제 파일을 탐색하여 정량 지표를 측정하라. 주관적 판단 금지 — 모든 점수는 실측 데이터 기반이어야 한다. 측정 불가 항목은 "N/A (런타임 데이터 필요)" 로 표기하라. 아래 JSON 형식으로만 반환한다.

반환 JSON: { "axis": "harness", "score": 0-100, "check_chain": {...}, "owasp_coverage": {...}, "issues": [...], "strengths": [...], "summary": "..." }

에이전트 4 — axis-cost (model: haiku)

프롬프트: {target} 경로의 비용 효율을 분석한다. 모델 라우팅 3계층(Opus/Sonnet/Haiku) 문서화, 컨텍스트 절약 패턴, MCP→CLI 전환 현황, 비용 최적화 패턴(캐싱/라우팅/배치/길이제어) 적용 여부, 낭비 패턴을 점검한다. 반드시 Glob/Grep/Read 도구로 실제 파일을 탐색하여 정량 지표를 측정하라. 주관적 판단 금지 — 모든 점수는 실측 데이터 기반이어야 한다. 측정 불가 항목은 "N/A (런타임 데이터 필요)" 로 표기하라. 아래 JSON 형식으로만 반환한다.

반환 JSON: { "axis": "cost", "score": 0-100, "model_routing": {...}, "context_savings": {...}, "optimization_gaps": [...], "waste_patterns": [...], "issues": [...], "strengths": [...], "summary": "..." }

에이전트 5 — axis-human-ai (model: sonnet)

프롬프트: {target} 경로의 Human-AI 경계 설계를 분석한다. 5-Level Autonomy 매핑, [STOP]/[AUTO-PASS] 게이트 적절성, 에스컬레이션 트리거 5유형 커버리지, 안티패턴(Quasi-Automation/Rubber Stamping/Alert Fatigue), Override Rate 추적을 점검한다. 반드시 Glob/Grep/Read 도구로 실제 파일을 탐색하여 정량 지표를 측정하라. 주관적 판단 금지 — 모든 점수는 실측 데이터 기반이어야 한다. 측정 불가 항목은 "N/A (런타임 데이터 필요)" 로 표기하라. 아래 JSON 형식으로만 반환한다.

반환 JSON: { "axis": "human-ai", "score": 0-100, "autonomy_mapping": [...], "gate_analysis": [...], "anti_patterns": [...], "issues": [...], "strengths": [...], "summary": "..." }

---

Wave 2: Lead 종합 (5개 결과 의존)

5개 에이전트 결과를 모두 수신한 후 Lead가 아래를 수행한다:

2-1. 정량 점수 산출 (Weighted Scoring)

각 축 에이전트는 체크리스트 항목별 0-3점 루브릭으로 채점한다:

• 0 = 미구현 (Not implemented)
• 1 = 부분 구현 (Partial — 문서만 있거나 일부만 적용)
• 2 = 구현됨 (Implemented — 동작하나 측정/개선 루프 없음)
• 3 = 성숙 (Mature — 동작 + 측정 + 지속 개선 루프)

축 점수 = (획득 점수 합 / 최대 점수 합) × 100

가중치 (시스템 상태에 따라 조정):

축	기본 가중치	초기 단계	운영 단계	스케일링 단계
Agentic	20%	25%	20%	15%
Context	20%	25%	20%	15%
Harness	20%	15%	25%	25%
Cost	20%	10%	15%	25%
Human-AI	20%	25%	20%	20%

현재 시스템 단계를 target 분석에서 자동 판별한다:

• 초기: 스킬 < 20개 또는 규칙 < 5개
• 운영: 스킬 20-50개 + 규칙 5-15개 + 프로덕션 배포 있음
• 스케일링: 멀티 프로젝트 + 팀 2명+ 또는 월 비용 $500+

전체 점수 = Σ(축 점수 × 가중치)

2-2. 정량 지표 실측 (Quantitative Measurement)

각 축 에이전트는 체크리스트 외에 아래 정량 지표를 실제 측정하여 보고한다:

측정 유형 범례:

측정 유형	의미
실측	Glob/Grep/wc로 직접 카운트
추정	바이트→토큰 변환 등 계산
미측정	런타임 로그 필요, 현재 불가

축	측정 지표	측정 방법	기준값	측정 유형
Agentic	도구 커버리지율	(사용된 도구 / 등록된 도구) × 100	> 60%	실측
Context	세션 시작 토큰	rules + CLAUDE.md + MEMORY.md 합산 (wc -c ÷ 4)	< 12,000	추정
Context	MEMORY.md 항목 수	grep "^## " 카운트	< 30	실측
Context	규칙 중복률	(중복 규칙 / 전체 규칙) × 100	< 10%	추정
Harness	Hook 커버리지	(Hook 보호 이벤트 / 위험 이벤트 유형) × 100	> 70%	실측
Harness	OWASP 커버리지	(대응 ASI / 10) × 100	> 50%	실측
Cost	모델 계층화율	(Haiku+Sonnet 작업 / 전체) × 100	> 60%	실측
Cost	조건부 로딩률	(on-demand 규칙 / 전체 규칙) × 100	> 50%	실측
Context	프롬프트 구조 포함률	(3요소 포함 스킬 / 프롬프트 보유 스킬) × 100	> 70%	실측
Human-AI	게이트 커버리지	(STOP 게이트 작업 / 비가역 작업) × 100	100%	실측

2-3. 트렌드 비교 (Delta Analysis)

이전 감사 보고서가 존재하면 (docs/reviews/audit/ 폴더) 최신 보고서와 비교:

• 각 축 점수 변화량 (Δ)
• 이슈 해소율 = (이전 이슈 중 해결된 수 / 이전 전체 이슈) × 100
• 신규 이슈 발생 수
• 정량 지표 변화 방향 (↑↓→)

트렌드 테이블:

| 축 | 이전 | 현재 | Δ | 방향 |
|----|:----:|:----:|:--:|:---:|
| Agentic | 72 | 78 | +6 | ↑ |

2-4. 축간 트레이드오프 식별 주요 트레이드오프 패턴:

• Cost vs Harness: 비용 절감(Haiku 사용) ↔ 검증 품질
• Agentic vs Human-AI: 자율성 증가 ↔ 감독 필요성
• Context vs Cost: 컨텍스트 풍부 ↔ 토큰 비용
• Harness vs Agentic: 가드레일 강화 ↔ 에이전트 유연성
• Human-AI vs Cost: 게이트 추가 ↔ 파이프라인 속도

2-5. 통합 이슈 목록 정렬

• 5개 축의 모든 이슈를 CRITICAL → HIGH → MEDIUM → LOW 순으로 통합
• 여러 축에 걸친 이슈는 cross-axis 태그 부여
• 중복 이슈 제거 (동일 파일/설정의 이슈는 하나로 합산)
• 각 이슈에 영향도 점수 부여: (심각도 × 영향 범위) — CRITICAL=4, HIGH=3, MEDIUM=2, LOW=1

---

Wave 3: 통합 보고서 작성

저장 위치: docs/reviews/audit/{date}-system-audit[-{target}].md (target이 system이면 suffix 생략)

보고서 형식:

# ACHCE 5축 통합 시스템 감사 보고서

**대상**: {target} | **날짜**: {date}

## Executive Summary

**전체 ACHCE 점수: {전체점수}/100**

| 축 | 점수 | 등급 | 핵심 발견 |
|----|:----:|:----:|---------|
| Agentic | {A}/100 | ⭐~⭐⭐⭐⭐⭐ | |
| Context | {C}/100 | | |
| Harness | {H}/100 | | |
| Cost | {Co}/100 | | |
| Human-AI | {E}/100 | | |

> 등급 기준: 90+ ⭐⭐⭐⭐⭐ / 75+ ⭐⭐⭐⭐ / 60+ ⭐⭐⭐ / 45+ ⭐⭐ / <45 ⭐

## 1. 축별 감사 결과 요약

### 1.1 Agentic (자율성·도구·멀티에이전트)
{axis-agentic summary + top 2 issues}

### 1.2 Context (컨텍스트 엔지니어링)
{axis-context summary + top 2 issues}

### 1.3 Harness (측정·제어·보안)
{axis-harness summary + top 2 issues}

### 1.4 Cost (비용 효율)
{axis-cost summary + top 2 issues}

### 1.5 Human-AI (경계 설계)
{axis-human-ai summary + top 2 issues}

### 1.6 Redundancy (중복/drift 감지) ← 신규
| 유형 | 항목 | 권고 | 위험도 |
|------|------|-----|:-----:|
| 스킬 중복 | {names} | merge | LOW |
| orphan agent | {names} | archive | MED |
| deprecated | {names} | archive | LOW |
| hook theater | {files} | fix | MED |
| rule overlap | {files} | merge | LOW |

요약: 중복 {N}건 / orphan {N}건 / deprecated {N}건 / theater {N}건

## 2. 축간 트레이드오프 분석

| 트레이드오프 | 현재 균형 | 권장 방향 |
|------------|:--------:|---------|
| Cost vs Harness | | |
| Agentic vs Human-AI | | |
| Context vs Cost | | |

## 3. 정량 지표 대시보드

| 축 | 지표 | 측정값 | 기준값 | 측정 유형 | 판정 |
|----|------|:-----:|:-----:|:--------:|:---:|
| Agentic | 도구 커버리지율 | | > 60% | 실측 | |
| Context | 세션 시작 토큰 | | < 12,000 | 추정 | |
| Context | MEMORY 항목 수 | | < 30 | 실측 | |
| Context | 규칙 중복률 | | < 10% | 추정 | |
| Harness | Hook 커버리지 | | > 70% | 실측 | |
| Harness | OWASP 커버리지 | | > 50% | 실측 | |
| Cost | 모델 계층화율 | | > 60% | 실측 | |
| Cost | 조건부 로딩률 | | > 50% | 실측 | |
| Human-AI | 게이트 커버리지 | | 100% | 실측 | |

## 4. 트렌드 비교 (이전 감사 대비)

| 축 | 이전 | 현재 | Δ | 방향 |
|----|:----:|:----:|:--:|:---:|

> 이전 감사 없으면 "첫 감사 — 베이스라인 설정" 표기

**이슈 해소율**: N/A (또는 이전 이슈 대비 해결률)

## 5. 통합 이슈 목록

### CRITICAL (즉시 대응)
### HIGH (이번 주)
### MEDIUM (이번 달)
### LOW (모니터링)

## 6. 강점 요약

## 7. 통합 개선 로드맵

### P0 — 즉시 (이번 주)
### P1 — 단기 (이번 달)
### P2 — 중기 (다음 분기)

## 6. 재감사 권장 시점

- CRITICAL 이슈 해결 후 즉시
- 정기 감사: 분기 1회 권장

## 참조
- $FORGE_OUTPUTS/docs/tech/2026-03-16-5-axis-ai-analysis-framework.md

---

Wave 3.9: 최종 완료 게이트 (필수, Notion 등록·완료 보고 이전)

1. 실행: bash ~/forge/shared/scripts/verify-outputs.sh "docs/reviews/audit/{date}-system-audit.md"
2. 스크립트 출력 표를 완료 보고에 포함. 표 밖 임의 "완료" 서술 금지.
3. exit 2(MISSING/0바이트)면 Wave 4 Notion 등록 및 "## 완료 보고" 출력 금지 — 보고서 재생성 후 재검증(exit 0) 통과 시에만 진행한다.

Wave 4: Notion 페이지 생성

보고서 작성 완료 후 Notion에 전체 내용을 기록한다.

1. Read("docs/reviews/audit/{date}-system-audit.md") → 전체 내용 로드
2. mcp__notion__notion-create-pages 호출:

{
  "parent": { "data_source_id": "713563f9-d523-4e90-8d6f-6b0d650628ad" },
  "pages": [{
    "properties": {
      "제목": "{date} ACHCE 5축 통합 감사 [{target}]",
      "축": "통합",
      "대상": "{target}",
      "전체점수": "{전체점수}",
      "Agentic점수": "{A}",
      "Context점수": "{C}",
      "Harness점수": "{H}",
      "Cost점수": "{Co}",
      "HumanAI점수": "{E}",
      "date:날짜:start": "{date}",
      "상태": "완료",
      "CRITICAL": "{전체 CRITICAL 이슈 수}",
      "HIGH": "{전체 HIGH 이슈 수}",
      "보고서 경로": "docs/reviews/audit/{date}-system-audit.md"
    },
    "content": "{보고서 전체 내용}"
  }]
}

Notion MCP 미연결 시 경고 출력 후 스킵 (파이프라인 중단 안 함).

---

완료 보고

Wave 3.9 최종 완료 게이트(exit 0) 통과 후에만 아래 형식으로 결과를 요약 출력한다:

✅ ACHCE 5축 통합 감사 완료

전체 점수: {전체점수}/100
- Agentic:  {A}/100
- Context:  {C}/100
- Harness:  {H}/100
- Cost:     {Co}/100
- Human-AI: {E}/100

이슈: CRITICAL {n}건 / HIGH {n}건 / MEDIUM {n}건

보고서: docs/reviews/audit/{date}-system-audit.md

---

독립 Evaluator (하네스)

5축 통합 감사 결과물 완성 후 독립 Evaluator Subagent가 품질을 2차 검증한다.

원칙: Generator(감사 수행자) ≠ Evaluator. 감사자가 자신의 감사를 평가하면 자기평가 편향이 발생한다.

Agent(
  subagent_type="general-purpose",
  model="sonnet",
  prompt="""
당신은 system-audit 결과물의 독립 품질 검증자입니다.

아래 기준으로 결과물을 검토하고 PASS 또는 FAIL을 판정하십시오.

**평가 기준 (4항목 모두 충족해야 PASS):**

1. **ACHCE 5축 모두 커버 여부**
   - [위치] 보고서 "축별 감사 결과 요약" 섹션 1.1~1.5 또는 전체 점수 표
   - [이유] 한 축이라도 누락되면 통합 점수가 편향됨
   - [방법] Agentic/Context/Harness/Cost/Human-AI 5개 축 각각에 점수(0-100)와 핵심 발견 2개 이상이 존재하는지 확인; 특정 축의 점수가 "N/A" 또는 빈 값이면 FAIL

2. **축간 트레이드오프 분석 존재**
   - [위치] 보고서 "축간 트레이드오프 분석" 섹션 (표 형식)
   - [이유] 각 축을 독립적으로만 보면 트레이드오프(예: Cost 절감 vs Harness 품질)를 놓침
   - [방법] Cost vs Harness / Agentic vs Human-AI / Context vs Cost 3쌍 이상의 트레이드오프가 "현재 균형" + "권장 방향"과 함께 명시됐는지 확인; 빈 셀이 있으면 FAIL

3. **통합 개선 로드맵 P0/P1/P2 우선순위 명시**
   - [위치] 보고서 "통합 개선 로드맵" 섹션 또는 섹션 7
   - [이유] 우선순위 없는 로드맵은 실행 순서를 결정할 수 없어 실효성이 없음
   - [방법] P0(즉시/이번 주) / P1(단기/이번 달) / P2(중기/다음 분기) 3단계 각각에 구체적 액션 아이템이 1개 이상 존재하는지 확인; 빈 섹션이 있으면 FAIL

4. **각 축 점수가 증거 기반인지 확인**
   - [위치] 보고서 "정량 지표 대시보드" 섹션 (표) 또는 각 축 요약의 증거 언급
   - [이유] 증거 없는 점수는 신뢰할 수 없으며 개선 추적도 불가능
   - [방법] 정량 지표 표에서 Agentic(도구 커버리지율) / Context(세션 시작 토큰, MEMORY 항목 수) / Harness(Hook 커버리지, OWASP 커버리지) / Cost(모델 계층화율, 조건부 로딩률) / Human-AI(게이트 커버리지) — 9개 지표 모두에 실측값 또는 "미측정" 명시가 있는지 확인; 빈 셀은 "측정 미수행"으로 간주하여 FAIL

**판정**: PASS(기준 4항목 모두 충족) / FAIL(1항목 이상 미충족)
**피드백 형식**: [파일명+섹션] — [이유] → [방법]
"""
)

피드백 루프:

• PASS → 파이프라인 계속 (Notion 등록)
• FAIL → 감사 재수행 후 1회 재실행. 2회 연속 FAIL 시 [STOP] Human 에스컬레이션

Evaluator FAIL 시 .claude/logs/{session}/errors.jsonl 참조하여 재시도

Workflow 통합 (P0)

6축 parallel() + 3-LLM adversarial verify (Claude+Codex+Gemini 2/3 합의) + resume 지원.

실행:

TODAY=$(date +%Y-%m-%d)
# CR_MODE: on(기본 3-LLM) | degrade(Codex 스킵, Claude+Gemini) | off(동일)
# ~/forge/shared/scripts/cr-mode.sh 로 자동 결정 가능
Workflow({ script: Bash("cat ~/forge/.claude/skills/system-audit/workflow.js"), args: { date: TODAY, projectRoot: ".", crMode: "on" } })

CLAUDE_CODE_DISABLE_WORKFLOWS=1 시 Wave 1~4 fallback.

완료 보고 (6축 포함):

✅ ACHCE 6축 통합 감사 완료

전체 점수: {전체점수}/100
- Agentic:    {A}/100
- Context:    {C}/100
- Harness:    {H}/100
- Cost:       {Co}/100
- Human-AI:   {E}/100
- Redundancy: {dup}건/{orphan}건/{deprecated}건/{theater}건

이슈: CRITICAL {n}건 / HIGH {n}건 / MEDIUM {n}건
검증: {verified}/{total} 통과 (3-LLM 2/3 합의)

보고서: docs/reviews/audit/{date}-system-audit.md