모든 AI 코딩 에이전트는 같은 당황스러운 습관을 가지고 있습니다.

계속해서 같은 파일을 읽습니다.

또다시.
그리고 또다시.
그리고 또다시.

그래서 당신의 토큰이 사라지는 겁니다.
그래서 컨텍스트를 잃는 겁니다.
그래서 코드베이스가 커질수록 느려지는 겁니다.

82K⭐ GitHub 레포지토리가 이 문제를 해결했습니다. 그 아이디어는 너무나 명백해서 왜 아무도 이걸 더 빨리 만들지 않았는지 의아해할 정도입니다.

AI가 매번 코드베이스를 검색하는 대신...

전체 리포지토리 전체를 한 번에 쿼리 가능한 지식 그래프(knowledge graph)로 매핑합니다.

따라서 에이전트는 다음 행동을 멈춥니다:

→ 수백 개의 파일을 grep 하는 것
→ 무작위 모듈을 여는 것
→ 컨텍스트를 처음부터 다시 구축하는 것

단순히 이렇게 질문합니다:

"인증(authentication)이 데이터베이스에 어떻게 도달하나요?"

...그리고 즉시 정확한 실행 경로를 얻습니다.

임베딩(embeddings)은 필요 없습니다.
벡터 데이터베이스(vector database)도 필요 없습니다.
LLM도 필요 없습니다.

단지 당신의 코드베이스를 에이전트가 실제로 탐색할 수 있는 무언가로 바꾼 것뿐입니다.

더 큰 컨텍스트 윈도우(context window)가 결코 진짜 해결책이 아니었습니다.

진짜 병목 현상은 AI가 매 프롬프트마다 같은 코드를 다시 읽게 만드는 것이었습니다.

이것은 모델의 문제가 아니라 엔지니어링 문제입니다.

GitHub: https://t.co/x0opGBWkbn