@dataclass 도입을 통한 AI 데이터 파이프라인 Boilerplate 제거 및 설계 효율화

Context

데이터 표현 목적의 클래스 생성 시 init, repr, eq 등 반복적인 Plumbing 코드 작성에 따른 개발 리소스 낭비 발생. AI 파이프라인 특성상 수많은 Data Contract 객체가 필요함에 따라 코드 복잡도 증가 및 본질적 비즈니스 로직 집중도 저하 문제 직면.

Technical Solution

• Python 3.7+ @dataclass 데코레이터를 활용한 객체 필드 선언 기반의 자동 메서드 생성 구조 채택
• Type-annotated class attributes 정의를 통한 init 및 eq 메서드의 자동 구현으로 Boilerplate 코드 제거
• Identity 비교가 아닌 Value 기반 비교 로직의 자동 적용을 통한 데이터 검증 효율성 확보
• Factory method 및 Builder 패턴과 @dataclass를 분리하여 복잡한 초기화 로직과 단순 데이터 표현 계층을 구조적으로 격리
• AI 파이프라인 내 Prompt, Model Output, Metadata 등 단계별 데이터 전송 객체(DTO)의 표준화된 정의 방식 구축