Gemma 4 Thinking Mode를 활용한 128K 컨텍스트 기반 코드베이스 인과 분석 엔진 구현

Context

방대한 Git 히스토리에서 단순 빈도 분석으로는 파악 불가능한 아키텍처 변경점과 버그 발생의 인과관계 파악 필요성 대두. 기존 정적 분석 도구의 한계인 'Why'에 대한 답변 부재를 해결하기 위한 AI 기반 고고학적 분석 접근법 채택.

Technical Solution

• 전처리기(preprocessor.py)를 통한 월별 커밋 히스토그램 및 파일별 변경 빈도 추출로 모델 입력 데이터의 신호 밀도 최적화
• 추론(Reasoning)과 구조화(JSON Structuring)를 분리한 Map-Reduce 설계로 스키마 제약 없는 고품질의 분석 리포트 생성
• Gemma 4 Thinking Mode의 Chain-of-Thought를 활용하여 특정 파일의 수정 집중 현상과 API 변경 간의 인과적 연결 고리 추적
• 128K Context Window를 활용해 최대 180~400개의 커밋 데이터를 청킹 없이 한 번에 입력하여 맥락 손실 최소화
• Google AI Studio를 메인으로 OpenRouter를 활용한 Multi-provider Fallback 전략으로 서비스 가용성 확보
• Pydantic v2 기반의 엄격한 스키마 검증을 통한 LLM 출력값의 타입 안정성 및 UI 렌더링 신뢰도 확보