피드로 돌아가기
Dev.toAI/ML
원문 읽기
코드-명세 분리를 통한 Agentic Coding의 의도 정렬 및 거버넌스 체계 구축
Why I Created Spec Kitty
AI 요약
Context
Agentic Coding 도입 시 LLM의 Context Window 제한과 세션 초기화로 인한 지속적 망각 현상 발생. 특히 Brownfield 프로젝트의 복잡한 레거시 제약 사항과 도메인 지식을 LLM이 매번 재학습해야 하는 비효율적 구조의 한계 직면.
Technical Solution
- Code-as-Truth 원칙 기반으로 현재 상태는 기존 코드베이스에서 직접 읽게 하여 명세와 코드 간의 동기화 오버헤드 제거
- Spec을 '현재 상태의 기록'이 아닌 '변경 요청 및 결정 이력(Decision Ledger)'으로 정의하여 Intent translation의 정밀도 향상
- DDD의 Bounded Context 및 Ubiquitous Language 개념을 적용하여 인간과 AI 간의 공유 언어 체계 구축
- LLM 기반의 Human Interview 프로세스를 통해 모호한 요구사항을 구체적 Spec으로 변환하는 Scaffolding 계층 설계
- Jira, GitHub, Slack 등 기존 엔지니어링 툴체인과 통합하여 결정 프로세스의 가시성을 확보하는 거버넌스 워크플로우 구현
실천 포인트
1. Agent에게 전체 시스템을 설명하는 대신, 변경이 필요한 구체적 지점의 코드 컨텍스트를 제공하고 있는가
2. 단순 프롬프트가 아닌, 결정 근거와 제약 사항이 기록된 Stable Artifact(Spec)를 통해 AI를 가이드하고 있는가
3. 도메인 전문가와 AI가 공유하는 일관된 용어 사전(Ubiquitous Language)이 정의되어 있는가
4. AI가 수정한 코드가 기존의 아키텍처 원칙을 파괴하지 않도록 하는 거버넌스 체크리스트가 존재하는가