⚡ Hardware Optimizer: 8GB RAM Mac 전용 고성능 프로토콜

이 스킬은 8GB RAM MacBook Air 환경에서 대규모 데이터(크몽 차량 데이터 등)를 지연 없이 처리하기 위한 안티그래비티의 하드웨서 가속 최적화 지침입니다.

🚀 1. 고성능 데이터 엔진 (Polars & DuckDB)

1. Zero-Copy Loading: Polars와 DuckDB의 Lazy API를 활용하여 메모리 복사 없이 필요한 시점에만 데이터를 로드합니다.
2. Parquet First: 무거운 Excel이나 CSV 대신 Parquet 파일 포맷을 기본 저장소로 사용하여 파일 I/O 속도를 10배 이상 가속합니다.
3. Streaming Inference: 대규모 집계 작업 시 streaming=True 옵션을 강제하여 메모리 부족(OOM) 현상을 방지합니다.

💻 2. 리소스 관리 (Resource Guarding)

1. Garbage Collection: 대규모 데이터 변환 작업 직후 gc.collect()를 호출하여 스왑 메모리 발생을 선제적으로 차단합니다.
2. Memory Mapping: 큰 파일을 읽을 때 mmap 기술이 내장된 라이브러리를 우선 채택하여 물리적 램 소모를 최소화합니다.
3. Attention Sink: 에이전틱 작업 시 불필요한 과거 컨텍스트를 주기적으로 플러싱(Flushing)하여 시스템 리소스를 확보합니다. (Rule 9.4 연계)

🏎️ 3. Mac GPU 가속 (MPS Integration)

1. Metal Performance Shaders (MPS): PyTorch나 TensorFlow 작업 시 device='mps'를 사용하여 Mac의 내장 GPU 연산 성능을 활용합니다.
2. WebGPU Rendering: 대규모 데이터 시각화 시 CPU 대신 브라우저의 GPU 가속(ChartGPU 등)을 활용하도록 지시합니다. (Rule 8.16 연계)

Refactored by Antigravity (Mac Hardware Efficiency Lab) - 2026.01.26