Molayo

© 2026 Molayo

GitHub요약2026. 05. 14. 13:19

mehdihadeli/AIAssist

요약

AIAssist는 문맥 인식(Context Aware) 기능을 갖춘 AI 코딩 어시스턴트로, 코드 개발, 설명, 리팩터링, 버그 수정 등 다양한 작업을 돕습니다. OpenAI, Azure AI Services, Anthropic, Gemini 등 여러 온라인 API와 Ollama를 통한 로컬 모델을 지원하며, 터미널 환경에서 작동합니다. 다양한 프로그래밍 언어(C#, Java, go 등)를 지원하고, RAG 기반의 애플리케이션 문맥 요약 및 다양한 결과 형식을 제공하는 것이 특징입니다. 또한, 토큰 사용량과 가격 추적 기능까지 갖추고 있어 개발 워크플로우에 통합하기 용이합니다.

핵심 포인트

  • 문맥 인식(Context Aware) 기능을 통해 RAG 기반의 애플리케이션 문맥을 요약하고 AI가 이해하도록 돕습니다.
  • OpenAI, Azure AI Services, Anthropic, Gemini 등 다양한 온라인 API와 Ollama를 통한 로컬 모델 사용이 가능합니다.
  • 코드 개발, 리팩터링, 버그 수정 및 설명 등 광범위한 코딩 작업을 지원하는 터미널 기반 어시스턴트입니다.
  • 다양한 프로그래밍 언어(C#, Java, go 등)와 결과 형식(Unified Diff Format 등)을 지원하며, 토큰 사용량과 가격 추적 기능이 포함되어 있습니다.
  • 터미널에서 `dotnet tool install` 명령어로 설치 및 환경 변수 설정을 통해 쉽게 사용할 수 있습니다.

Context Aware (문맥 인식)

코드 개발, 코드 설명, 코드 리팩터링 (refactor) 및 리뷰, 버그 수정(bug fix)을 돕고 로컬 및 온라인 언어 모델을 지원하며 터미널 내에서 작동하는 AI 코딩 어시스턴트 (AI coding assistant)

AIAssist는

다음의 AI 서비스들과 호환됩니다:

  • API를 통한 OpenAI
  • API를 통한 Azure AI Services
  • Ollama를 사용하여 로컬에서 Ollama 모델 사용
  • API를 통한 Anthropic
  • API를 통한 OpenRouter
  • API를 통한 Grok
  • API를 통한 Gemini
  • API를 통한 DeepSeek
  • API를 통한 Qwen

Tip

Ollama와 deepseek-v2.5 또는 qwen2.5-coder와 같이 코드에 더 적합한 모델을 로컬에서 사용할 수 있습니다. 로컬 모델을 사용하려면 먼저 Ollama 프로세스를 실행해야 합니다. Ollama를 실행하기 위해 Ollama Docker 컨테이너를 사용할 수 있습니다.

Note

vscode 및 jetbrains 플러그인 (plugins) 개발이 계획되어 있으며 곧 추가할 예정입니다.

  • ✅
    Context Aware (문맥 인식)

Retrieval Augmented Generation (RAG) 또는 tree-sitter 애플리케이션 요약(application summarization)을 기반으로 한 AI 임베딩 (AI embeddings)을 통해 애플리케이션 문맥을 요약하고 AI가 이해하도록 하는 AI 코드 어시스턴트입니다. - ✅ Unified Diff Format, Code Block Format, Search-Replace Format과 같은 다양한 결과 형식을 지원합니다.

  • ✅ 새로운 기능을 개발하고, 버그를 찾으며, 기존 코드 베이스를 리팩터링 (refactor) 및 리뷰하기 위한 코드 어시스턴트입니다.
  • ✅ 터미널을 통해 다양한 로컬 및 온라인 AI 모델과 대화할 수 있는 채팅 모드 (Chat mode)를 제공합니다.
  • ✅ 로컬 Ollama 모델과 OpenAI 및 Azure AI Service 모델을 지원합니다.
  • ✅ C#, Java, go,... 등 다양한 프로그래밍 언어를 지원합니다.
  • ✅ 코드 블록을 보여주기 위한 구문 강조 (Syntax highlighting)를 지원하며, dracula 테마나 vscode light 테마와 같이 theme 변경 (changing theme)이 가능한 md format을 AI 결과에 사용합니다. - ✅ 코드 어시스트 프로세스에서 제외하고 싶은 파일과 폴더를 제외하여 최종 토큰 크기를 줄일 수 있도록 .aiassistignore 파일을 통해 AIAssist 전용 무시 파일을 정의합니다. - ✅ aiassist가 실행되는 디렉토리의 aiassist-config.json을 생성하여 설정 (configuration)을 사용자 정의할 수 있습니다.

및 미리 정의된 aiassist-config.json과 같은 형식을 사용합니다. - ✅ 각 모델에 따른 토큰 사용량 및 계산된 가격 표시
input token (입력 토큰)

및 output token (출력 토큰)

가격. - ✅ aiassist-config.json 내의 ModelsInformationOptions 섹션을 통해 사용자 정의 모델 정보를 생성하여 모델 정보를 사용자 정의할 수 있으며, 이는 미리 정의된 모델 정보와 같은 형식을 따릅니다. - ✅ aiassist-config.json 내의 ModelsOptions 섹션을 통해 모델 옵션을 사용자 정의할 수 있으며, 이는 미리 정의된 모델 옵션과 같은 형식을 따릅니다. - ✅ aiassist code, aiassist chat, aiassist explain과 같은 터미널 메인 명령어를 제공하며, :clear, :add-file, :clear-history, :token 등과 같은 일부 내부 명령어를 지원합니다.

AIAssist는 기본적으로 Azure AI Services 또는 OpenAI API를 사용합니다. OpenAI 또는 Azure AI API를 사용하려면 ApiKey (API 키)가 필요합니다.

  • dotnet tool에 접근하려면 먼저 최신 .NET SDK를 설치해야 합니다. - dotnet tool install 및 아래 명령어를 사용하여 aiassist를 설치합니다:

dotnet tool install --global AIAssist

  • OpenAI의 경우, API 키가 없다면 OpenAI에 가입하여 API 키를 받을 수 있습니다.
  • Azure AI 서비스의 경우, Azure 계정에 가입하여 AI 모델 API 키를 받을 수 있습니다.
  • API 키를 받은 후에는 환경 변수 (environment variable) 또는 명령 옵션 (command options)을 통해 채팅 및 임베딩 (embedding) 모델에 대한 API 키를 설정해야 합니다.
  • 이제 터미널에서 cd 명령어를 사용하여 project directory (프로젝트 디렉토리)로 이동하여 aiassist를 실행하고 API 키를 설정합니다.
# 프로젝트 디렉토리로 이동
cd /to/project/directory
  • environment variable (환경 변수)를 통해 Api Key를 설정합니다:

Linux 터미널:

export CHAT_MODEL_API_KEY=your-chat-api-key-here
export EMBEDDINGS_MODEL_API_KEY=your-embedding-api-key-here

Windows Powershell 터미널:

$env:CHAT_MODEL_API_KEY=your-chat-api-key-here
$env:EMBEDDINGS_MODEL_API_KEY=your-embedding-api-key-here
  • 또는 command option (명령 옵션)을 통해 Api Key를 설정합니다:

aiassist code --chat-api-key your-chat-api-key-here --embeddings-api-key your-embedding-api-key-here

  • Azure AI Service 모델과 같이 ApiVersion, DeploymentId, BaseAddress가 필요한 AI 모델을 사용하는 경우, 환경 변수 (environment variable) 또는 명령 옵션 (command options)을 통해 설정할 수 있습니다.

  • environment variable을 통해 ApiVersion, DeploymentId, BaseAddress를 설정하는 방법:

Linux 터미널:

export CHAT_BASE_ADDRESS=your-chat-base-address-here
export CHAT_API_VERSION=your-chat-api-version-here
export CHAT_DEPLOYMENT_ID=your-chat-deployment-id-here
...

Windows Powershell 터미널:

$env:CHAT_BASE_ADDRESS=your-chat-base-address-here
$env:CHAT_API_VERSION=your-chat-api-version-here
$env:CHAT_DEPLOYMENT_ID=your-chat-deployment-id-here
...
  • 또는 command option을 통해 ApiVersion, DeploymentId, BaseAddress를 설정하는 방법:

aiassist code --chat-base-address your-chat-base-address-here --chat-api-version your-chat-api-version-here --chat-deployment-id your-chat-deployment-id-here --embeddings-base-address your-embeddings-base-address-here --embeddings-api-version your-embeddings-api-version-here --embeddings-deployment-id your-embeddings-deployment-id-here

  • 이제 aiassist 명령어로 AI 어시스턴트를 실행하세요.
# code assistant 모드로 aiassist를 실행합니다.
aiassist code

마음에 드신다면 자유롭게 이 저장소(repository)에 ⭐를 눌러주세요. 큰 도움이 됩니다 :)

저를 지원해 주셔서 정말 감사합니다!

이 애플리케이션은 개발 단계에 있습니다. 버그나 제안 사항이 있다면 자유롭게 풀 리퀘스트 (pull request)를 제출하거나 이슈 (issue)를 생성해 주세요.

이 프로젝트는 Apache-2.0 라이선스 하에 있습니다.

AI 자동 생성 콘텐츠

본 콘텐츠는 GitHub Claude Ecosystem의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
1

댓글

0