ChristopherKahler/paul

해결하는 문제

PAUL은 장시간 세션으로 인해 발생하는 "컨텍스트 로트" 문제를 해결합니다. 이는 품질 저하, 고립된 계획, 상태 왜곡을 초래합니다. 구체적인 하위 에이전트 사용보다 세션 내 컨텍스트를 우선시하며, 구조화된 개발 루프를 강제함으로써 AI 출력을 디버깅하는 것이 아니라 기능을 배포하도록 합니다.

작동 방식

PAUL은 계획-적용-통합(PAU) 루프를 구현하여 AI 개발을 체계적인 프로세스로 전환합니다:

• 계획: 구체적인 목표, 경계, BDD 스타일의 수용 기준(Given/When/Then)을 포함한 실행 가능한 계획을 생성합니다. 작업 규모(빠른 수정, 표준, 복잡)에 따라 의식의 수준을 조정합니다.
• 적용: 각 작업이 사양에 부합하는지 사전에 독립적으로 검증하는 "실행/검증" 루프를 통해 작업을 수행합니다. DONE_WITH_CONCERNS, BLOCKED와 같은 세부적인 승급 상태를 사용해 불확실성을 명확히 표시합니다.
• 통합: 계획과 실제 결과를 조율하고 프로젝트 상태를 업데이트하며 결정 사항을 SUMMARY.md 파일에 기록하는 필수 종료 단계입니다.

PAUL은 .paul/ 디렉터리(내부에 PROJECT.md, ROADMAP.md, STATE.md 포함)를 사용해 상태를 관리하여 세션 간 연속성을 보장합니다. 또한 BASE v2와 통합하여 프로젝트 상태를 쿼리 가능한 지식 그래프로 변환할 수 있습니다.

대상 사용자

AI(특히 Claude Code)를 활용하여 소프트웨어, 마케팅 캠페인, 자동화 워크플로우 또는 기타 구조화된 실행 프로젝트를 배포하는 개발자.

주요 특징

• 수용 기준 중심 개발: 작업을 시작하기 전에 "완료"의 정의를 명확히 하는 일급 수용 기준을 강제합니다.
• 세션 내 컨텍스트 유지: 하위 에이전트의 과도한 확장 방지로 구현 품질을 높이고 토큰 비용을 줄입니다.
• 진단 기반 실패 라우팅: 실패를 의도, 사양, 코드 문제로 분류하여 계획 자체가 잘못되었을 때 코드를 수정하려는 일을 방지합니다.
• 상태 지속성: 전용 상태 관리 시스템을 사용해 작업을 재개할 때 의사결정 피로를 제거합니다.
• 포괄적인 명령어 세트: 연구 및 탐색에서 마일스톤 추적에 이르기까지 26개의 전용 슬래시 명령어를 제공합니다.