피드로 돌아가기
Dev.toDevOps
원문 읽기
Project-based Retrieval Layer 구축을 통한 컨텍스트 파편화 해결
Why I Keep a Per-Project Investigation Log Outside Claude Code
AI 요약
Context
AI 코딩 도구의 Conversation History에 의존한 지식 관리는 세션 ID 기억 및 검색의 어려움으로 인해 정보 휘발성이 높음. CLAUDE.md와 같은 설정 파일에 기록할 경우 모델의 입력 토큰 낭비와 Signal-to-Noise Ratio 저하라는 구조적 한계 발생.
Technical Solution
- Tool 중심이 아닌 Project 단위를 기본 Indexing Unit으로 설정한 외부 Log 시스템 설계
- CLAUDE.md(Constitution)와 Investigation Log(Journal)를 분리하여 모델의 런타임 컨텍스트 최적화
- Shell Alias 기반의 Append 구조를 통해 기록 진입 장벽을 최소화한 Write-ahead Logging 방식 채택
- 문제-경로-결론-참조(Commit/PR)의 정형화된 스키마를 적용하여 검색 효율성 증대
- 프로젝트 수가 증가함에 따른 수동 관리 한계를 극복하기 위해 전용 Retrieval Layer(Shelf)로 추상화
- 코드 전체 복사 대신 파일 경로와 라인 범위를 기록하는 Reference-based 저장 방식으로 저장 공간 최적화
실천 포인트
1. AI 도구의 세션 히스토리를 신뢰하지 말고 프로젝트 단위의 외부 지식 저장소를 운영할 것
2. 모델이 매번 읽어야 하는 '규칙(Rule)'과 일회성 '조사 기록(Log)'의 저장소를 엄격히 분리할 것
3. 기록 프로세스는 5초 이내에 완료 가능하도록 Shell Alias 등 자동화 도구를 연동할 것
4. 검색 키워드 의존도를 낮추기 위해 프로젝트-날짜-결론 중심의 일관된 포맷을 유지할 것