feat: AI 시대 가산적 설계 이론 + 언어·스택 선택 기준 추가

- additive-programming: AI 시대 섹션 추가 (blast radius 제한, 검증 용이성, 에이전트 동형성)
- language-stack: 신규 개념 페이지 — Scheme 채택 이유, 언어 비교, Rust+Tauri+wgpu 확정 스택

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

wiki/concepts/additive-programming.md

@@ -72,6 +72,38 @@ Postel의 법칙이 여기 적용된다: "Be conservative in what you do, be lib
 
 **진짜 가산성인지 확인**: "추가만으로" 확장이 이루어지는지 아니면 기존 코드를 수정해야 하는지를 의식적으로 확인해야 한다. 많은 경우 '수정하는 곳'이 숨어있다.
 
+## AI 시대에서의 가산적 프로그래밍
+
+### 왜 더 중요해지는가
+
+AI 코드 생성이 빠를수록 "수정 오염"의 위험이 커진다. LLM은 맥락을 파편적으로 이해하기 때문에, 기존 코드를 수정하도록 지시하면 의도치 않은 부작용을 만들 확률이 높다. 가산적 아키텍처는 AI의 blast radius를 구조적으로 제한하는 메커니즘으로 작동한다.
+
+GitClear(2024) 분석에 따르면 AI 지원 개발 이후 코드 복잡도(churn, coupling)가 오히려 증가했다. 이는 AI가 수정 패턴을 반복 적용할 때 발생하는 현상이며, 추가만 허용하는 구조가 이 문제를 구조적으로 방어한다.
+
+### 검증 부담과 가산성
+
+AI가 코드를 생성하고 아키텍트가 검증하는 워크플로우에서:
+
+- **추가된 코드**: 격리된 변경 → 리뷰 범위가 명확
+- **수정된 코드**: 기존 로직 전체 맥락 추적 필요
+
+가산적 코드는 검증 비용이 낮다. 이는 인간-AI 협업에서 중요한 속성이다.
+
+### AI 에이전트 아키텍처와의 동형성
+
+OpenAI Function Calling, Anthropic Tool Use, MCP 서버 — 모두 기존 LLM 코어를 수정하지 않고 새 도구를 추가하는 구조다. 멀티에이전트 시스템, RAG 파이프라인, MCP 서버 합성이 이미 가산적 아키텍처 원칙 위에 설계되어 있다.
+
+```
+설계 원칙:  아키텍트가 extension point를 정의
+생성 단위:  AI가 그 지점을 채움
+```
+
+이 협업 패턴은 가산적 설계와 구조적으로 일치한다.
+
+### "Vibe Coding" 반론에 대해
+
+"AI 시대에 코드는 버리고 재생성하는 것"이라는 주장은 스크립트 수준에서만 성립한다. 데이터가 쌓이고, 팀이 생기고, 시스템이 복잡해지는 순간 재생성 전략은 불가능해진다. 설계 원칙의 필요성은 규모와 함께 증가한다.
+
 ## 관련 개념
 
 - [[generic-procedures]] — 가산적 확장의 핵심 메커니즘: 핸들러 추가