사전 분석 및 경량화
사전 구축 메타 DB 기반으로 매 요청마다 대용량 코드베이스를 전수 조사하지 않고 즉각 분석합니다.
구축 목표
사전 분석 DB와 Human-in-the-Loop 기반 SyncOps v0.1
Human-in-the-Loop
AI의 완전 자동 제어가 아닌 실무자 검증과 최종 승인을 전제로 한 협업 운영 구조입니다.
MVP 0.1
SyncOps v0.1 MVP
- Spring Framework 분석: Controller, Service, Mapper, Entity 정적 구조 분석
- React API Client 매핑: Frontend와 API Endpoints 간 상관분석
- PostgreSQL 및 pgvector: 의미론적 구조 인덱스 및 벡터 임베딩 저장
- 자동 생성 및 피드백: PR 생성 및 Doc Agent 문서 자동화
SyncOps 종합 운영 프로세스
사전 분석부터 배포·메타 데이터 갱신까지 이어지는 11단계 순환 프로세스
01. 분석·메타
Repository Analyzer · Metadata Builder
02. 범위 확정
Jira · Scope Agent · 담당자 검토
03. 품질·배포
Code Agent · Test/CI · SonarQube · GitHub · Doc Agent
| 순서 | 수행주체 | 처리 내용 | 담당 |
|---|
핵심 AI Agent 구성
분석, 설계, 개발, 검증, 품질관리 전반에 걸친 자동화 파이프라인
메타정보 DB 구축 방안
PostgreSQL · pgvector 기반 사전 메타데이터 환경
Optimized Performance
매 이슈마다 대용량 코드베이스를 실시간 탐색하는 기존 모델의 한계를 극복하기 위해 사전 빌드된 메타데이터베이스를 수립합니다. MVP 단계에서는 PostgreSQL을 핵심으로 다차원 벡터 의미 검색 및 이종 간 상호 추적을 지원합니다.
PostgreSQL
pgvector
Graph Relation
화면의 작은 변경이 어떤 API, DB 테이블, Mapper, 단위 테스트까지 파급되는지 유기적으로 추적할 수 있는 맵을 구현합니다.
code_file
소스 코드 및 심볼 데이터
code_symbol, frontend_route_index, sql_usage 등
api_endpoint
통신/접근 종단 레이어
API URL, Request/Response DTO, Method, Routing Map
db_schema
데이터 모델링
db_schema_index, Table/Column, Entity 매핑 이력
semantic_idx
문맥 의미 임베딩
PostgreSQL pgvector 기반 의미 유사 문맥 검색
SyncOps 7대 핵심 운영 원칙
AI 자율 판단 범위를 인지하고 안정적 운영 품질을 담보하는 규칙
01
사전 분석 DB 기반 판단
매번 실시간 소스 전수 조사를 지양하고 구축·보관된 고속 메타데이터를 기초로 추론합니다.
02
담당자 승인 필수
AI의 완전 자율 배포는 배제하고, 사람이 검토·승인한 후에만 가동합니다.
03
승인 범위 내 수정 (Patch)
임의 소스 생성을 제한하고, 승인된 파일 군 내 지엽적 Patch만 적용합니다.
04
PR 기반 코드 반영
Main 브랜치 직접 덮어쓰기 없이 Pull Request로 생성 후 사람이 감시합니다.
05
자동 Merge 절대 금지
결함이 해소되어도 즉시 반영하지 않으며, 수동 리뷰와 관리자 승인이 선행됩니다.
06
품질 통제 게이트 의무화
SonarQube Bug·취약점·커버리지 기준 미달 시 완료 처리를 차단합니다.
07
Merge 후 DB 증분 갱신
최종 병합 시 Doc Agent가 갱신 내역을 분석해 다음 사이클 정밀도를 유지합니다.
SyncOps 궁극적 방향성
AI가 운영을 단독 통제하는 것이 아니라, AI는 분석·생성·검증·산출을 수행하고 최종 판단은 인간이 결정하는 협업 도구를 지향합니다.
SyncOps Interactive Preview
가상 요구사항 할당 체험
가상 Jira 요구사항을 선택하면 Scope Agent가 메타 DB를 분석해 추천 영향 범위를 시뮬레이션합니다.
// Jira Payload
2단계: Scope Agent 추천 영향 범위