AST 기반 컨텍스트 제어와 AI Harness 최적화로 벤치마크 성능 48%에서 65%로 향상

Context

대규모 코드베이스 편집 시 전체 파일을 컨텍스트에 포함함에 따른 토큰 낭비와 비용 증가 발생. 기존 모델 중심 접근 방식으로는 복잡한 파일 수정 시 정확도 저하 및 툴 호출 효율성 한계 직면.

Technical Solution

• 언어별 AST(Abstract Syntax Tree)를 활용하여 필요한 코드 조각만 선별적으로 컨텍스트에 주입하는 구조 설계
• Hash-Anchored Edits 방식을 도입하여 파일 전체를 다시 쓰지 않고 특정 앵커 지점만 수정하는 최적화 구현
• Tool API를 리스트 기반으로 설계하여 모델의 개별 병렬 호출 의존도를 낮추고 Batch 처리 효율 극대화
• 다음 요청 정보를 예측하여 컨텍스트에 미리 배치하는 세심한 Context Management 전략 적용
• 모델 자체의 성능보다 이를 둘러싼 AI Harness의 설계 수준이 최종 성능을 결정하는 구조적 접근 채택