AI에 전체 저장소를 덤덤히 넣지 마라
출처: Dev.to
현대 소프트웨어 개발에서 가장 이상한 워크플로우가 다음과 같습니다: ChatGPT에게 질문하세요. 그것이 충분한 컨텍스트가 없다는 것을 깨닫습니다. 몇 개의 파일을 복사합니다. 아키텍처 노트를 추가합니다. 최근 변경 사항을 붙여넣습니다. 무엇을 시도하고 있는지 설명하세요. 올바른 정보를 포함했는지 기대합니다. 문제는 AI가 아니라, 문제는 컨텍스트 검색입니다.
TokenCap의 Knowledge Graph, Debug Handoff, Change Intelligence, 그리고 Context Packing 시스템을 구축한 후 나는 깨달았다: 우리는 매우 좋은 컨텍스트를 생성하는 데 익숙해졌다. 하지만 우리는 여전히 그것을 찾는 데는 형편없었다. これが TokenCap v0.7 — 스마트 검색 엔진으로 이어지게 되었다.
대신에 묻는 대신: AI에 보낼 파일은 무엇인가? 만약 단순히 이렇게 물을 수 있다면: tokencap ask “How does authentication work?” 그리고 도구가 나머지를 알아내게 하세요?
새로운 검색 엔진은 프로젝트 지능의 여러 소스에서 검색합니다:
- 지식 그래프 관계
- 의존 체인
- 프로젝트 메모리
- 최근 코드 변경 사항
- 위험 분석
- 영향 점수
그것은 단순히 일치하는 파일만 찾는 것이 아니라, 실제로 중요한 파일들을 찾아냅니다.
검색 요청: tokencap ask “debug login redirect” 자동으로 디버그 모드로 전환됩니다.
검색 요청: tokencap ask “review payment flow” 검토 모드로 전환됩니다.
검색 요청: tokencap ask “explain dashboard architecture” 아키텍처 모드로 전환됩니다.
검색 전략은 목표에 따라 바뀝니다. 제가 피하고 싶었던 한 가지는 고립된 파일만 반환하는 것이었습니다. 실제 시스템은 연결되어 있습니다. 파일이 관련이라면 그 의존성도 종종 relevance가 됩니다. TokenCap는 최종 컨텍스트 패키지를 구축하기 전에 그래프를 탐색해 관련 파일, 의존자, 인접 모듈을 찾습니다.
올바른 파일을 찾는 후에도 또 다른 과제가 남습니다: 검색 엔진은 TokenCap의 Context Packing 시스템을 재사용해 다음 중何が 중요한지 결정합니다:
- 전체 소스 코드
- 구조적 윤곽
- 요약본
- 참고 자료만
이를 통해 대규모 저장소도 중요한 정보를 잃지 않고 실용적인 AI 컨텍스트 한계에 맞출 수 있습니다.
TokenCap의 진화는 흥미로웠다: v0.1 — 프로젝트 스냅샷 v0.2 — 지식 그래프 및 컨텍스트 메모리 v0.3 — 디버그 핸드오프 v0.4 — 변경 지능 v0.5 — 컨텍스트 포장 v0.6 — 그래프 지능 v0.7 — 스마트 검색
첫 여섯 버전에서는 다음과 같은 목표가 있었습니다: 더 나은 컨텍스트를 생성하는 것.
v0.7부터는 다음과 같이 초점이 바뀝니다: 올바른 컨텍스트를 검색하는 것.
이것은 미묘한 차이입니다. 이는 코드를 아는 AI 도구와 프로젝트를 이해하는 AI 도구의 차이점이라 생각합니다.
웹사이트: tokencap.vansharora.app NPM: https://www.npmjs.com/package/tokencap npm install -g tokencap
그럼 저장소에 질문을 하세요: tokencap ask “How does authentication work?”
수동으로 컨텍스트를 조립하는 대신, 저장소가 AI에게 중요한 것을 알려주세요. 피드백, 아이디어, 그리고 기여는 언제나 환영합니다.