git-ai-project/git-ai
요약
Git AI는 저장소 내 AI 생성 코드를 추적하는 오픈 소스 Git 확장 도구입니다. AI가 작성한 코드 라인을 에이전트, 모델, 트랜스크립트와 자동으로 연결하여 코드의 의도와 아키텍처 결정 사항을 보존합니다.
핵심 포인트
- AI 생성 코드에 대한 자동 귀속(Attribution) 기능 제공
- git ai blame을 통해 모델 및 세션 정보 확인 가능
- 추측이 아닌 에이전트 보고 기반의 정확한 탐지 방식
- 100% 오프라인 작동 및 로컬 우선(Local-first) 설계
- Git Notes를 활용한 개방형 표준 구축
Git AI는 저장소 내에서 AI가 생성한 코드를 추적하는 오픈 소스 (Open Source) git 확장 도구입니다.
설치되면, AI가 작성한 모든 라인을 해당 코드를 생성한 에이전트 (Agent), 모델 (Model), 그리고 트랜스크립트 (Transcripts)와 자동으로 연결합니다. 이를 통해 코드 뒤에 숨겨진 의도, 요구 사항, 그리고 아키텍처 결정 사항을 절대 놓치지 않게 됩니다.
모든 커밋에 대한 AI 귀속 (AI attribution):
git commit
[hooks-doctor 0afe44b2] wsl compat check
2 files changed, 81 insertions(+), 3 deletions(-)
git ai stats
you ██░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ ai
6% mixed 2% 92%
AI Blame은 모든 라인 뒤에 있는 모델, 에이전트, 세션을 보여줍니다:
git ai blame /src/log_fmt/authorship_log.rs
cb832b7 (Aidan Cunniffe 2025-12-13 08:16:29 -0500 133) pub fn execute_diff(
cb832b7 (Aidan Cunniffe 2025-12-13 08:16:29 -0500 134) repo: &Repository,
cb832b7 (Aidan Cunniffe 2025-12-13 08:16:29 -0500 135) spec: DiffSpec,
...
- Add an Agent |
Mac, Linux, Windows (WSL)
curl -sSL https://usegitai.com/install.sh | bash
Windows (non-WSL)
Non-WSL Windows 지원은 현재 실험적 단계이며 활발히 개발 중입니다. Non-WSL Windows 지원을 프로덕션 수준(Production-ready)으로 만들기 위해 노력하는 동안 여러분의 피드백을 듣고 싶습니다.
powershell -NoProfile -ExecutionPolicy Bypass -Command "irm https://usegitai.com/install.ps1 | iex"
이것으로 끝입니다 — 저장소별 설정이 필요하지 않습니다. 평소처럼 프롬프트(Prompt)를 입력하고 커밋(Commit)하세요. Git AI가 귀속 정보를 자동으로 추적합니다.
워크플로 변경 없음— 그저 프롬프트(Prompt)를 입력하고 커밋(Commit)하세요. Git AI는 Git 히스토리를 어지럽히지 않고 AI 코드를 정확하게 추적합니다.
AI 코드를 "탐지(Detecting)"하는 것은 안티 패턴(Anti-pattern)입니다— Git AI는 특정 코드 덩어리(Hunk)가 AI에 의해 생성되었는지 추측하지 않습니다. 지원되는 에이전트(Agent)들이 자신이 작성한 정확한 라인을 보고하므로, 가능한 가장 정확한 귀속(Attribution) 정보를 제공합니다.
로컬 우선(Local-first)— 100% 오프라인으로 작동하며, 로그인이 필요하지 않습니다.
Git 네이티브 및 개방형 표준— Git AI는 Git Notes를 사용하여 AI 생성 코드를 추적하기 위한 개방형 표준을 구축했습니다.
안전한 프롬프트 저장(Secure Prompt Storage)— Git AI는 AI 코드의 각 라인을 이를 생성한 프롬프트와 연결합니다. v1.0.0부터 에이전트 세션(Agent Sessions)은 Git 외부에서 저장되며, 선택적으로 팀의 클라우드 또는 자체 호스팅되는 프롬프트 저장소로 동기화할 수 있습니다. 이를 통해 레포지토리(Repo)를 가볍게 유지하고, 세밀한 액세스 제어(Access Control)를 가능하게 하며, 개인정보(PII)나 비밀 정보(Secrets)가 Git으로 유출되는 것을 방지합니다.
라인 수준의 AI 귀속(AI-attribution)을 통해 전체 소프트웨어 개발 생명주기(SDLC) 동안 AI 코드를 추적할 수 있습니다. 얼마나 많은 AI 코드가 수락되고, 커밋되며, 코드 리뷰를 거쳐 프로덕션(Production)에 반영되는지 추적하여 어떤 도구와 관행이 가장 효과적인지 파악하세요.
git ai stats --json
git ai stats <start_sha>..<end_sha> --json
AI 코드 비율(%), 생성된 AI 라인 대비 커밋된 라인, 수락률(Accepted rates), 도구 및 모델별로 분류된 인간의 수정 사항(Human overrides)을 계산합니다. 자세한 내용은 Stats 명령 참조 문서를 확인하세요.
예시 JSON 출력
{
"human_additions": 28,
"ai_additions": 76,
...
Git AI blame은 각 라인에 대한 AI 귀속 정보를 보여주는 git blame의 드롭인 교체(Drop-in replacement) 도구입니다. 모든 표준 git blame 플래그(Flag)를 지원합니다.
git ai blame /src/log_fmt/authorship_log.rs
cb832b7 (Aidan Cunniffe 2025-12-13 08:16:29 -0500 133) pub fn execute_diff(
cb832b7 (Aidan Cunniffe 2025-12-13 08:16:29 -0500 134) repo: &Repository,
cb832b7 (Aidan Cunniffe 2025-12-13 08:16:29 -0500 135) spec: DiffSpec,
...
인기 있는 IDE에서 에이전트 세션별로 색상을 구분하여 AI 귀속 정보를 표시하는 커뮤니티 플러그인들이 있습니다. 라인에 마우스를 올리면 원본 프롬프트 또는 요약을 볼 수 있습니다.
| 지원되는 에디터 |
|---|---|
|
이해되지 않는 부분이 있나요? /ask 스킬을 사용하면 코드를 작성한 에이전트에게 해당 지침, 결정 사항, 그리고 작업을 할당한 엔지니어의 의도에 대해 질문할 수 있습니다. Git AI는 설치 시점에 ~/.agents/skills/에 /ask 스킬을 추가하므로, 어떤 에이전트에서든 이 기능을 사용할 수 있습니다.
/ask 왜 여기서는 SDK를 사용하지 않았나요?
원본 의도와 소스 코드에 접근할 수 있는 에이전트는 "이유(why)"를 이해합니다. 코드만 읽을 수 있는 에이전트는 코드가 무엇을 하는지는 말할 수 있지만, 왜 그렇게 했는지는 말할 수 없습니다.
코드 읽기 + 트랜스크립트 (/ask) | 코드만 읽기 (Git AI 미사용) |
|---|---|
Aidan가 텔레메트리(telemetry)를 구축할 때, 그는 에이전트에게 CLI의 텔레메트리 플러싱(flushing) 출구를 차단하지 말라고 지시했습니다. Sentry SDK를 직접 사용하는 대신, append_envelope()를 통해 이벤트를 먼저 로컬에 기록한 다음, 분리된 서브프로세스(detached subprocess)를 통해 백그라운드에서 플러싱하는 패턴을 고안했습니다. 이를 통해 핫 패스(hot path)를 빠르게 유지하고, 사후에 텔레메트리를 비동기(async)로 전송합니다. | |
src/commands/flush_logs.rs는 src/observability/flush.rs (~700라인)로 위임하는 5라인짜리 래퍼(wrapper)입니다. commands/ 레이어는 CLI 디스패치(dispatch)를 처리하고, observability/는 Sentry, PostHog, 메트릭 업로드 및 로그 처리를 담당합니다. flush_cas, flush_logs, flush_metrics_db와 같은 병렬 모듈들도 동일한 얇은 디스패치(thin-dispatch) 패턴을 따릅니다. |
에이전트를 더 똑똑하게 만들기
에이전트는 자신이 작성하는 코드 뒤에 숨겨진 요구사항과 결정 사항을 이해할 때 실수를 줄이고 더 유지보수 가능한 코드를 생성합니다. 이러한 컨텍스트(context)를 제공하는 가장 좋은 방법은 사용자가 사용하는 것과 동일한 /ask 도구를 에이전트에게 제공하는 것입니다. 플랜 모드(plan mode)에서 에이전트가 /ask를 사용하도록 지시하세요:
Claude|AGENTS.md
- 플랜 모드에서는 항상 /ask 스킬을 사용하여 코드와 이를 생성한 원본 트랜스크립트(transcript)를 읽으세요. 의도를 이해하면 더 나은 계획을 세우는 데 도움이 됩니다.
에이전트가 리포지토리에 변경 사항을 만들 때 트리거됩니다 Edit|Write|Bash
훅(Hooks) 훅은 AI가 작성한 코드의 각 라인을 이를 생성한 모델, 에이전트 및 프롬프트와 연결하기 위해 호출됩니다. git-ai checkpoint
Post Commit
AI-attributions (AI 기여 정보)가 포함된 Git Note가 커밋에 첨부됩니다.
On
AI-attributions가 자동으로 이동됩니다.
merge --squash
, rebase
, cherry-pick
, stash
, pop
, commit --amend
, 등
refs/notes/ai/commit_sha
hooks/post_clone_hook.rs
prompt_id_123 6-8
prompt_id_456 16,21,25
...
Git Notes를 사용하여 AI 코드를 기여(attributing)하는 Git AI의 오픈 표준에 대한 자세한 내용은 리뷰를 참조하십시오.
Git AI For Teams는 PR, 기여자(contributor), 팀, 저장소(repository) 및 조직(organization) 수준에서 기여 데이터를 집계합니다:
전체 수명 주기 추적 (Full lifecycle tracking)— 얼마나 많은 AI 코드가 수락되고, 커밋되고, 리뷰에서 재작성되며, 배포되는지, 그리고 배포 후 경고(alerts)나 장애(incidents)를 유발하는지 확인합니다.
팀 및 기여자 통계 (Team and contributor stats)— 누가 백그라운드 에이전트(background agents)를 효과적으로 사용하는지, 그리고 높은 레버리지(high-leverage)를 내는 팀은 무엇이 다른지 식별합니다.
에이전트 준비도 (Agent readiness)— 여러 저장소와 작업 유형에 걸쳐 스킬(skills), 규칙(rules), MCPs, 테스트 하네스(test harnesses) 및 AGENTS.md 변경 사항의 영향을 측정합니다.
Git AI는 귀사의 엔지니어링 조직이 운영되는 어디에서나 실행되도록 설계되었습니다:
Self-hosted (기업에 권장)— 귀사의 자체 인프라(AWS, VPC, 온프레미스) 내에 Git AI를 배포합니다. 데이터, 액세스 및 통합에 대한 완전한 제어권을 가집니다. 엄격한 보안, 컴플라이언스(compliance) 또는 데이터 거주성(data residency) 요구 사항이 있는 조직에 이상적입니다.
Git AI Cloud— Git AI에 의해 완전히 관리되는 호스팅 서비스입니다. 빠른 설정, 인프라 오버헤드 없음 및 자동 업데이트를 제공하며, 빠르게 시작하려는 팀에 가장 적합합니다.
두 옵션 모두 동일한 기여 모델(attribution model), 대시보드 및 통합을 지원합니다. 보안 및 운영 선호도에 따라 선택하십시오.
Apache 2.0
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub Trending Rust (weekly)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기