10-udaa-field-study.md

UDAA 필드 스터디 — 익명화된 세션 내보내기

UDAA란?

UDAA (Usage Drain Anomalies Audit)는 Claude Code 세션에 대한 포렌식 분석 프레임워크입니다. 세션 수명 동안 토큰 소비가 어떻게 증가하는지 분석합니다 — 특히 캐시 재처리, 압축 이벤트, 숨겨진 비용을 중심으로.

필드 스터디 내보내기

대시보드에는 UDAA 필드 스터디를 위해 로컬 세션 데이터를 준비하는 익명화된 내보내기 도구가 포함되어 있습니다. 숫자 및 시간 필드만 내보냅니다 — 프롬프트, 도구 내용, 파일 경로, 호스트명은 포함되지 않습니다.

내보내는 데이터

세션 내 턴(API 호출)별:

필드	설명
t_delta_ms	세션 첫 턴부터의 시간 오프셋 (ms)
input	입력 토큰
output	출력 토큰
cache_read	캐시 읽기 토큰 (재처리)
cache_creation	캐시 생성 토큰
model_id	모델 ID (정규화, 날짜 접미사 제거)

세션별:

필드	설명
session_id_hash	세션 ID의 SHA-256 해시 (역추적 불가)
turn_count	턴 수
schema_version	포맷 버전 (1.0)
client.app_version	대시보드 버전
client.os_family	운영체제 (win32, linux, darwin)

내보내지 않는 데이터

• 프롬프트, 응답, 도구 내용
• 파일 경로, 호스트명, CWD, Git 브랜치
• 실제 세션 ID (SHA-256 해시만)
• 실제 타임스탬프 (턴 1부터의 상대적 델타만)

사용법

# 모든 세션 내보내기
node scripts/udaa-fieldstudy-export.js

# 특정 디렉토리로 내보내기
node scripts/udaa-fieldstudy-export.js --out ./my-data

# 파일 작성 없이 미리보기
node scripts/udaa-fieldstudy-export.js --dry-run

# 서브에이전트 사이드체인 세션 포함 (기본: 건너뜀)
node scripts/udaa-fieldstudy-export.js --include-sidechain

출력: ./out/udaa-fieldstudy/ (또는 --out) 아래에 세션별 submission_<nonce>.json 파일.

요구사항

• 2턴 미만 세션은 건너뜁니다 (관찰 가능한 시간 패턴 없음).
• 실제 토큰 사용이 있는 assistant 턴만 포함 (합성 레코드 제외).

데이터 공유

필드 스터디에 세션 데이터를 기여하려면 내보낸 JSON 파일을 다음 서비스를 통해 공유할 수 있습니다:

서비스	최대 크기	보존 기간	특징
file.io	2 GB	일회 다운로드	첫 다운로드 후 링크 만료
catbox.moe	200 MB	만료 없음	계정 불필요
temp.sh	4 GB	3일	curl -T file.json https://temp.sh
litterbox.catbox.moe	1 GB	1시간 / 12시간 / 24시간 / 72시간	보존 기간 선택 가능

권장: file.io — 일회 다운로드로 수신자만 데이터를 받을 수 있습니다.

여러 파일: 먼저 묶어서:

# Linux/Mac
tar czf udaa-export.tar.gz out/udaa-fieldstudy/

# Windows PowerShell
Compress-Archive -Path out\udaa-fieldstudy\* -DestinationPath udaa-export.zip

단일 아카이브 파일을 업로드합니다.

보안 참고사항

• 공유 전: 내보낸 JSON 파일을 검토하세요. 내보내기 도구가 모든 민감한 내용을 제거하지만 확인은 항상 좋습니다.
• 네트워크 호출 없음: 내보내기 도구는 순수 로컬로 작동합니다 — JSONL 읽기, JSON 쓰기.
• submission_nonce (UUID)는 무작위 생성되며 추적 불가능합니다.

데이터 활용

내보낸 세션으로 다음을 분석할 수 있습니다:

• 캐시 증가 분석: 세션 수명 동안 턴당 비용이 얼마나 빠르게 증가하는가?
• 압축 감지: 캐시 무효화가 언제, 얼마나 자주 발생하는가?
• 분할 권장: 어느 턴에서 /clear가 비용 효율적인가?
• 모델 비교: Claude 모델 간 토큰 동작 차이.
• 벤치마킹: 여러 참가자 간 사용 패턴 비교.