커밋 메시지(Commit messages)는 코드 변경 뒤에 숨겨진 의도를 설명하는 필수적인 텍스트 산출물이며, 버전 관리(version control), 코드 리뷰(code review), 그리고 이력 추적(historical tracking)에서 결정적인 역할을 합니다. 그러나 실제로는 커밋 메시지가 주로 수동으로 작성되는데, 이는 시간이 많이 소요될 뿐만 아니라 품질의 불일치와 비균일한 표현을 초래하는 경우가 많습니다. 커밋 메시지 생성을 위한 기존의 VS Code 확장 프로그램들은 일반적으로 유사한 커밋 예시(exemplars)를 참조로 활용하지 않고 코드 차이(code diff)를 기반으로 대규모 언어 모델(Large Language Models, LLMs)을 직접 호출하며, 사용자 피드백 기반의 LLM 추천을 지원하는 경우도 드뭅니다. 이러한 한계를 해결하기 위해, 본 논문은 유사한 커밋 예시를 프롬프트 컨텍스트(prompt context)로 검색하고, 후보 커밋 메시지 비교를 위해 여러 LLM을 병렬로 호출하며, 사용자 피드백을 기반으로 LLM을 동적으로 추천함으로써 커밋 메시지 생성을 향상시키는 VS Code 확장 프로그램인 CoRaCommit을 제시합니다. ApacheCM 데이터셋의 945개 커밋에 대한 실험 결과, CoRaCommit은 BLEU, CIDEr, METEOR, ROUGE-L 지표 전반에서 기존 VS Code 확장 프로그램보다 뛰어난 성능을 보였으며, 이는 커밋 메시지 생성을 위한 검색 증강 컨텍스트(retrieval-augmented context)의 효과를 입증합니다.