피드로 돌아가기
Dev.toAI/ML
원문 읽기
ADR 기반 컨텍스트 주입을 통한 AI 할루시네이션 억제 및 코드 예측 가능성 확보
How I Made AI Stop Hallucinating on Our 3-Year-Old Fintech Codebase
AI 요약
Context
3년 차 Fintech 프로젝트의 FastAPI 백엔드 및 복잡한 RDBMS 구조로 인해 특정 인원에게 의존하는 지식 병목 현상 발생. AI 코딩 도구 도입 시 전체 스키마 파악 부족으로 인한 데이터 중복 생성 및 Schema 무결성 파괴 사례 식별.
Technical Solution
- Architectural Decision Records(ADR) 도입을 통한 명시적 설계 규칙의 정형화 및 AI 참조 경로 강제
- context.md 및 plot.md 작성을 통한 도메인 특화 용어집(Glossary) 구축 및 시스템 고수준 맵 제공
- docs 디렉토리를 최상위 권한(Authoritative)으로 설정하여 AI의 임의 판단 배제 및 규칙 준수 유도
- API route별 필수 Test Case 작성을 통한 Regression Test 자동화 및 AI의 자체 오류 수정 루프 구축
- AI 오류 발생 시 즉각적인 신규 ADR 추가를 통한 실패 사례의 규칙화 및 지식 베이스 업데이트
실천 포인트
1. AI 전용 docs/adrs/ 디렉토리를 생성하고 테이블 생성/API 구조 등 핵심 규칙을 명문화했는가?
2. 도메인 특화 용어를 정의한 Glossary 파일이 존재하며 AI에게 최우선 참조 권한을 부여했는가?
3. 모든 신규 API에 대해 Test Case를 강제하여 AI의 사이드 이펙트를 즉시 감지할 수 있는 구조인가?
4. AI의 반복적 실수를 발견했을 때 이를 새로운 ADR 규칙으로 변환하여 피드백 루프를 형성했는가?