개발자들은 CLAUDE.md, AGENTS.md, .cursorrules와 같은 설정 파일(configuration files)을 통해 AI 코딩 어시스턴트(AI coding assistants)에게 지속적인 컨텍스트(context)를 점점 더 많이 제공하고 있습니다. 이러한 파일들은 코드 요소, 아키텍처(architecture), 개발 컨벤션(development conventions)을 기술하며, 세션 전반에 걸쳐 AI 도구의 동작을 안내하는 컨텍스트를 형성합니다. 소프트웨어가 진화함에 따라 이 컨텍스트는 오래된 정보가 될 수 있으며, 우리는 이 현상을 컨텍스트 부패 (context rot)라고 부릅니다. AI 설정 아티팩트 (AI configuration artifacts)는 새로운 것이지만, 그 근저에 깔린 일관성 문제 (consistency problem)는 수십 년간의 소프트웨어 문서화 연구와 연결됩니다. 연구자들은 README 파일, 코드 주석 (code comments), API 문서 (API documentation), 아키텍처 기술 (architecture descriptions), 설치 지침 (installation instructions)에 이르기까지 문서와 코드 사이의 일관성을 확인하는 도구들을 구축해 왔습니다. 우리는 이러한 기존의 도구 상자 (toolbox)가 컨텍스트 부패를 탐지하기 위한 즉각적인 시작점이 될 수 있다고 주장하며, 문서 일관성 접근 방식(documentation consistency approaches)을 이 새로운 환경의 상응하는 문제들에 매핑하는 연구 로드맵을 제시합니다. 예비 증거로서, 통계적으로 대표성을 갖는 356개 저장소 (repositories)의 샘플에 기존의 README/wiki 일관성 검사기를 적용한 결과, 저장소의 23.0%에서 오래된 코드 요소 참조 (stale code element references)를 식별하였으며, 이는 전통적인 문서 일관성 도구들이 이미 컨텍스트 부패를 드러낼 수 있음을 보여줍니다.