Context 확대 대신 Graph 기반 Verified Fact 제공으로 AI 에이전트 추론 정확도 향상

Context

AI 코딩 에이전트가 함수 단위의 Local 작업에는 능숙하나, 영향도 분석 및 데이터 흐름 파악 등 Global 컨텍스트 이해 시 추측에 의존하는 한계 발생. 단순한 Token Window 확장이나 RAG 기반의 Context 추가만으로는 복잡한 의존성 관계를 정확히 파악하기 어려운 구조적 병목 존재.

Technical Solution

• 단순 텍스트 컨텍스트 제공 방식에서 Graph 기반의 Deterministic Fact 전달 구조로 전환
• Dependency Graph를 통해 영향도 분석(Reachability), 실행 순서(Topological Sort), 가드 조건 검증(Dominance) 등 글로벌 사실을 정형화
• Tree-sitter와 LSP를 substrate로 활용하여 도메인 특화 탐지기(Homegrown Detector)를 구축하고 검증된 사실만 추출
• Generic 분석 도구의 한계를 극복하기 위해 도메인별 불변량(Invariant)과 위험 싱크(Dangerous Sink)를 정의한 맞춤형 규칙 적용
• AI가 그래프 알고리즘 구현 비용을 낮춤으로써 도메인 특화 분석기를 빠르게 생성하고 이를 다시 에이전트가 소비하는 Generate-Verify Flywheel 형성