GitHub 데이터와 Tasseography를 결합한 AI 점술 서비스 구현 기록

Context

GitHub 저장소 데이터를 기반으로 한 유희적 점술 서비스 구현. 데이터 분석과 AI의 창의적 해석을 결합한 구조적 설계 필요. 단순 생성형 AI 의존 시 발생하는 일관성 결여 문제 해결 요구.

Technical Solution

• GitHub API를 활용해 커밋 히스토리, 파일 트리, 언어, README 등 저장소 메타데이터 추출
• 17가지 실제 Tasseography 상징과 저장소 상태(커밋 수, CI/CD 설정 여부 등)를 매핑한 결정론적 트리거 시스템 설계
• Gemini 2.5 Flash API에 80줄 이상의 정교한 시스템 프롬프트를 전달하여 일관된 페르소나 유지
• AI가 상징을 직접 선택하지 않고 확정된 상징을 해석만 하도록 제한하여 데이터 기반의 신뢰성 확보
• Vanilla HTML/CSS/JS 및 단일 Vercel Serverless Function 기반의 초경량 아키텍처 채택
• html2canvas 라이브러리를 이용한 동적 결과물 이미지 생성 및 localStorage 기반의 Grimoire 저장 기능 구현

Impact

• Total cost: $0
• Unit tests: 21개 수행
• GitHub API 제한: 시간당 60회 요청(unauthenticated)

Key Takeaway

LLM의 무분별한 생성 능력을 결정론적 프레임워크(Deterministic Framework) 내로 제한함으로써, 데이터 기반의 일관성과 AI의 창의적 스토리텔링을 동시에 확보하는 설계 전략.