Cross-repo Dependency Graph 도입으로 Token 비용 30배 절감 및 tribal knowledge 구조화

Context

Python, C++, Hack 등 다국어 기반의 Polyrepo 환경에서 문서화되지 않은 Tribal Knowledge로 인한 AI Agent의 오작동 발생. 단순 LLM 기반 컨텍스트 제공 시 직렬화 호환성 및 설정 모드 간의 미묘한 차이를 인지하지 못해 Silent Incorrect Output이 발생하는 한계 노출.

Technical Solution

• Deterministic Parser를 통한 소스 코드 정적 분석 기반의 Cross-repo Dependency Index 구축
• Semantic Layer와 Structural Layer를 분리하여 데이터의 휘발성 및 유지보수 비용 차별화
• LLM 기반의 Agent Swarm(Explorer, Analyst, Writer, Critic, Fixer)을 활용한 59개의 전용 Context File 생성
• 주기적인 Self-refresh 메커니즘을 통해 코드 드리프트(Code Drift) 및 stale reference 자동 보정
• 그래프 기반 룩업 방식을 통해 복잡한 의존성 분석 과정을 단일 Graph Lookup으로 최적화