피드로 돌아가기
Dev.toAI/ML
원문 읽기
Stateless 리뷰어의 한계를 극복한 Feedback-driven Memory 구조 설계
Building a Code Review Agent That Learns From Every Decision
AI 요약
Context
기존 AI Code Reviewer의 Stateless 특성으로 인한 반복적 오답 생성 및 팀 컨벤션 반영 불가 문제 발생. PR 처리 시마다 컨텍스트가 초기화되어 개발자의 피드백이 시스템 개선으로 이어지지 못하는 구조적 한계 노출.
Technical Solution
- 단순 함수형 구조(Input-Output)에서 Feedback-driven Process로의 패러다임 전환
- Recall-Review-Retain으로 구성된 3단계 Closed-loop 파이프라인 구축
- 복잡한 구조화 저장소 대신 Plain Language 기반의 Memory Layer를 도입하여 컨텍스트 처리 오버헤드 최소화
- retain() 함수를 통한 수락/거절 결정의 기록 및 recall() 함수를 통한 과거 패턴의 동적 호출 구조 설계
- 파일 참조, 라인 번호, Severity, Category를 포함한 Structured Output 생성을 통한 피드백 정밀도 향상
- 반복 거절된 제안의 가중치를 낮추고 수락된 패턴을 강화하는 적응형 피드백 루프 구현
실천 포인트
1. AI 에이전트 설계 시 Stateless 구조의 한계를 분석하고 피드백 저장소(Memory Layer) 도입 검토
2. 복잡한 DB 스키마보다 LLM이 이해하기 쉬운 Plain Language 형태의 컨텍스트 저장 방식 고려
3. 사용자 피드백(Accept/Reject)을 단순 로그가 아닌 시스템 프롬프트의 동적 입력값으로 활용하는 루프 설계