피드로 돌아가기
Dev.toFrontend
원문 읽기
Rule-based Pipeline과 Llama 3.3을 결합한 PR Markdown 자동화 도구 설계
I built a tool that formats messy developer notes into clean GitHub Markdown
AI 요약
Context
PR 작성 시 발생하는 반복적인 수동 포맷팅 작업으로 인한 개발 생산성 저하 발생. 일관성 없는 노트 형식을 GitHub Markdown 표준으로 변환하는 결정론적 처리 과정의 필요성 대두.
Technical Solution
- 정규 표현식 기반의 Deterministic Rule-based Pipeline을 통한 고속 텍스트 처리
- snake_case, CamelCase 등 특정 패턴 식별을 통한 Code Identifier 자동 Backtick 래핑 구조
- Action Verb 탐지를 통한 불렛 포인트 생성 및 이슈 번호(#) 자동 변환 로직 구현
- Rule-based 처리 결과물을 Groq Llama 3.3 70B 모델로 전달하는 단계적 AI Polishing 아키텍처
- API Secret 노출 방지를 위한 Next.js API Route 기반의 Proxy 서버 설계
- 클라이언트 상태 유지를 위한 LocalStorage Persistence 전용 Custom React Hook 적용
실천 포인트
1. AI 도입 전 Rule-based 필터를 우선 배치하여 출력의 결정성(Determinism) 확보
2. API Key 등 민감 정보 보호를 위해 Client-side 호출 대신 Server-side Proxy Route 활용
3. 정규 표현식 기반 패턴 매칭을 통해 LLM 없이도 처리 가능한 고속 전처리 파이프라인 구축