Ancienttwo/repo-harness

해결하는 문제

repo-harness는 AI 에이전트(특히 Claude 및 Codex)의 소프트웨어 개발을 관리하기 위한 구조적이고 파일 기반의 워크플로우를 제공합니다. 에이전트가 세션 간에 컨텍스트를 잃는 '채팅 메모리 손실' 문제를 해결하기 위해 계획, 작업 계약, 인수인계를 직접 리포지토리 파일에 저장합니다. 또한, 감시되지 않은 AI 자율성의 위험을 줄이기 위해 장기 실행 프로그램에 대한 승인, 예산, 임대 계약 시스템을 도입합니다.

작동 방식

이 시스템은 두 가지 계층으로 구성됩니다:

1. 세션 계약: 인간 주도 계층으로, 작업은 계획 → 계약 → 검토의 라이프사이클로 관리됩니다. 훅은 에이전트 이벤트를 타입 기반 핸들러로 라우팅하여 편집 경계에서 가드를 강제합니다.
2. 승인된 프로그램: 리팩터링 캠페인이나 스프린트 컨트롤러와 같은 감시되지 않은 작업을 위한 자동화 계층으로, 운영자에 의해 발행된 승인을 필요로 하며 엄격한 예산 원장 하에 작동합니다.

구조적 쿼리를 위해 CodeGraph 인덱스와 함께 작동하며, 편집 중인 파일에 필요한 기능 블록만 단계적으로 로드하여 토큰 사용량을 최소화합니다.

대상 사용자

• 복잡한 다중 세션 코딩 작업을 위해 Claude 또는 Codex와 같은 AI 에이전트를 사용하는 개발자.
• 지속 가능하고 검토 가능한 작업 증거를 갖춘 에이전트 기반 개발 흐름을 구현하고자 하는 팀.
• 예산과 실행 시간에 하드한 제한을 두고 감시되지 않은 AI 자동화를 실행해야 하는 운영자.

주요 특징

• 파일 기반 상태: 채팅 기록이 아닌 리포지토리 아티팩트에서 세션을 재개합니다.
• 제한된 자율성: 승인, 예산, 갱신 가능한 임대 계약을 사용해 감시되지 않은 프로그램의 책임을 유지합니다.
• 토큰 효율성: 사전 구축된 CodeGraph와 단계적 컨텍스트 로딩을 활용해 토큰 오버헤드를 최소화합니다.
• 구조화된 증거: 모든 작업은 계약서와 검토 카드를 생성하여 인간 검증을 명확하게 하며, 에이전트의 주장에 의존하지 않습니다.
• MCP 사이드카: ChatGPT가 PRD와 스프린트를 계획하고 Codex가 이를 실행하지만, 직접 소스 코드 쓰기 권한은 없습니다.