RepoRecon: 나쁜 코드를 읽는 게 지겨워져서 나 대신 읽어줄 AI를 만들었습니다

이 게시물은 GitHub Finish-Up-A-Thon Challenge를 위한 제출물입니다.

내가 만든 것

미사여구는 생략하겠습니다. 문서화가 되어 있지 않은 거대한 레거시 코드베이스 (Legacy Codebase)에 온보딩하는 것은 악몽과 같습니다. 저는 수동으로 의존성 (Dependencies)을 추적하며 시간을 낭비하는 대신, 저장소의 상태와 아키텍처 (Architecture)에 대한 냉혹한 진실을 전달하기 위해 RepoRecon을 만들었습니다.

RepoRecon은 공개 GitHub 저장소를 위해 특별히 설계된 _AI 기반 아키텍처 분석 도구 (AI-powered architectural analyst tool)_입니다. 저장소 URL을 입력하면 즉시 다음을 출력합니다:

• Mermaid 시퀀스 다이어그램 (Sequence Diagrams)으로 매핑된 상위 수준의 아키텍처 요약.
• 보안, 성능, 유지보수성 및 문서화를 아우르는 데이터 기반의 냉혹한 저장소 상태 점수.
• 실행 가능한 해결 단계가 포함된 우선순위 지정 이슈 탐지.
• 자연어 질의를 위한 문맥 인식 코드베이스 Q&A 시스템.
• 개발자용 PDF/PNG 내보내기 기능.

이 프로젝트는 단 하나의 이유, 즉 엔지니어링 애호가와 전문가들이 소음 속에서 벗어나 복잡한 시스템을 즉시 이해할 수 있도록 돕기 위해 존재합니다.

데모

핵심 엔진이 작동하는 전문적인 워크플로우는 다음과 같습니다:

• 라이브 애플리케이션: https://repo-recon.vercel.app/
• GitHub 저장소: https://github.com/ASaha-os/RepoRecon
• YouTube 비디오 링크:

재기 스토리

RepoRecon은 원래 2026년 새해 동안 Major League Hacking(MLH)에서 진행한 이전 해커톤 주말 동안 급하게 구상된 컨셉으로 시작되었습니다. 초기 프로토타입은 기능은 작동했지만 엉망이었습니다. 아키텍처(Architecture)는 엄격한 최적화가 부족했고, 코드베이스 자체도 빠른 프로토타이핑으로 인해 혼란스러운 커밋 히스토리(Commit history)를 가지고 있었습니다.

Dev.to 블로그:

RepoRecon: Gemini 2.5 Flash-Latest으로 소스 코드의 DNA 매핑하기

Google Gemini로 구축됨: Writing Challenge

Akash

Akash

Akash

팔로우

3월 4일

RepoRecon: Gemini 2.5 Flash-Latest으로 소스 코드의 DNA 매핑하기

#devchallenge #geminireflections #gemini #ai

10개의 반응댓글 댓글 추가하기

3분 읽기

이 "재기(comeback)"의 전환점은 이 프로젝트를 다른 저장소(Repository)에 적용하는 것과 동일한 엄격하고 논리 중심적인 기준으로 다루는 것이었습니다. 저는 프로덕션(Production) 환경을 위해 깨끗하고 단일 소유자의 히스토리를 보여줄 수 있도록 git 커밋 로그를 완전히 삭제하고 초기화하기로 결정했습니다. 비대해진 의존성(Dependencies)을 제거하고, 강력한 자연어 처리(Natural language processing)를 위해 Puter AI 생태계를 통합했으며, Mermaid 시퀀스 다이어그램(Sequence diagram) 생성을 정교화하여 결과물이 단순한 눈속임이 아니라 고수준 시스템 분석(High-level systems analysis)에 실제로 유용하도록 만들었습니다.

GitHub Copilot 사용 경험

아키텍처 분석 도구(architecture analysis tool)를 구축하려면 파싱(parsing)과 데이터 구조화(data structuring) 과정에서 발생하는 수많은 예외 케이스(edge cases)를 처리해야 합니다. GitHub Copilot은 몰입 작업(deep work) 세션 동안 흐름을 유지하는 데 결정적인 역할을 했습니다.

솔직히 말해서, 아키텍처 분석 도구를 만드는 과정은 지저분하고 반복적인 코드를 많이 생성합니다. 예외 케이스 파싱, 입력값 정제(sanitising inputs), API 통합(API integrations) 연결 등은 지적으로 흥미로운 작업은 아니지만, 모두 정확해야만 합니다.

Copilot은 이러한 계층을 거의 보이지 않게 처리해 주었습니다. 가장 구체적인 예로, 원본 코드베이스 입력값이 AI 엔진에 도달하기 전에 이를 정제하기 위한 정규 표현식(regex) 패턴을 생성하는 작업이 있었습니다. 이를 수동으로 작성하는 것은 느리고 오류가 발생하기 쉽습니다. Copilot은 몇 초 만에 견고한 초안을 만들어냈고, 덕분에 저는 실제 어려운 문제, 즉 Mermaid 다이어그램 출력을 단순한 시각적 눈속임이 아닌 시스템 분석(systems analysis)에 진정으로 유용하게 만드는 일에 집중할 수 있었습니다. 놀라웠던 점은 몰입 작업 중에 Copilot이 얼마나 잘 속도를 맞춰주었는가 하는 점입니다. 단순히 자동 완성(autocompleted)되는 수준이 아니었습니다.

마치 이미 코드베이스를 읽었고 당신이 다음에 무엇을 하려는지 알고 있는 두 번째 엔지니어와 함께 일하는 느낌이었습니다. 빠르게 개발할 때는 이것이 매우 의미 있는 차이를 만듭니다.

Puter App Center 출시

RepoRecon을 Puter App Center에 게시하는 것은 단순히 체크리스트를 채우는 일이 아니라, 진정한 엔지니어링의 분기점이었습니다.

그들의 플랫폼에 배포하는 과정은 제가 스스로에게 부여하지 않았을 수준의 엄격함(rigour)을 강제했습니다. 성능 제약(performance constraints), 깔끔한 인증 흐름(authentication flow), 그리고 검토 프로세스에서 실제로 강제하는 통합 표준(integration standards) 등이 그러합니다. 그러한 마찰(friction)은 유익했습니다. 덕분에 문제들을 잡아낼 수 있었습니다.

그 결과, 사용자는 계정을 생성하거나 인프라를 관리할 필요 없이 AI 기반의 전체 코드베이스 분석 (codebase analysis)을 실행할 수 있는 환경을 갖게 됩니다. 그러한 마찰 없는 (frictionless) 접근성이 이 제품의 핵심이며, Puter 생태계는 이를 직접 구축해야 하는 오버헤드 (overhead) 없이 가능하게 만듭니다.

커뮤니티를 위한 마지막 인사

모든 개발자는 벽에 부딪힌 경험이 있습니다. 새로운 코드베이스, 문서(documentation)는 전무하고, 마감 기한은 다가오는 상황 말입니다. 여러분은 그저 무엇을 다루고 있는지 이해하려고 노력하는 데에만 첫 일주일을 허비하곤 합니다.

RepoRecon은 그 일주일을 돌려드리기 위해 존재합니다. 여러분이 첫 오픈 소스 (open-source) 기여를 하고 있든, 새로운 회사에서 업무 적응을 하고 있든, 여러분의 에너지는 고고학적 발굴 (archaeology)이 아닌 실제 업무에 쓰여야 합니다.

빠르게 구축하고, 더 빠르게 이해하세요.

이 기술적 심층 분석 (technical deep dive)을 끝까지 읽어주셔서 감사합니다.

감사를 담아,
Akash Saha
포트폴리오: https://akashs-portfolio.vercel.app/
Linkedin: https://www.linkedin.com/in/akash-s-764359307/