HangYu8123/HarnessFlow

HarnessFlow – 이식 가능한 AI-코딩 워크플로우 팩

무엇인가요 – Claude Code, Codex CLI, 또는 GitHub Copilot을 다단계로 자가 검토 가능한 코딩 어시스턴트로 바꾸는, 바로 복사해 사용할 수 있는 Markdown 파일 모음입니다. 이 리포지토리는 자체 실행 가능한 코드를 포함하지 않으며, 타겟 AI 도구가 리포지토리에서 읽는 지침 템플릿, 에이전트 정의, 그리고 워크플로우 파일 만 제공합니다.

핵심 아이디어

요청 기반 – request_template/에서 채워진 템플릿(예: code_request_template.md)을 붙여넣기 전까지는 아무것도 실행되지 않습니다.
병렬 분석 – 세 개의 하위 에이전트(Focus, Broad, Free)가 코드베이스를 읽은 후, "시니어 엔지니어"가 계획을 통합합니다.
자기 도전 – 코드가 작성되기 전에 계획을 스트레스 테스트하는 "악마의 변호사" 단계가 있습니다.
QA 및 승인 – QA 엔지니어가 변경 사항을 검증할 수 있으며, 승인 게이트를 추가할 수 있습니다.
지속적인 리포지토리 메모리 – 결과는 repo_info/에 저장되어, 후속 요청은 재계산이 아닌 컨텍스트에서 시작됩니다.
세 가지 워크플로우 모드 – general(철저함), fast(토큰 효율성), skill(커뮤니티 검증된 스킬 사용).

지원 플랫폼

플랫폼	세트업 스크립트가 생성하는 진입점
Claude Code CLI	리포지토리 루트의 `CLAUDE.md`
Codex CLI / VS Code 내 Codex	리포지토리 루트의 `AGENTS.md`
VS Code + GitHub Copilot	`.github/copilot-instructions.md`
기타 LLM 기반 어시스턴트(예: Aider)	워크플로우 파일 수동 참조

설치 방법

리포지토리를 어디든 클론하고, 그 내용을 대상 리포지토리의 .github/HarnessFlow/ 아래에 복사합니다(README에는 repo_info/ 및 벤치마크 아티팩트와 같은 내부 파일을 제외하는 rsync 명령어가 포함되어 있습니다).
적절한 세트업 스크립트를 실행합니다:
```
# Claude 또는 Codex CLI용
bash .github/HarnessFlow/cli_setup.sh

# VS Code + Copilot용
bash .github/HarnessFlow/setup.sh
```
스크립트는 라우터 파일(CLAUDE.md, AGENTS.md, .github/copilot-instructions.md)을 생성하고, 빈 repo_info/ 파일을 만듭니다.

시작하기

리포지토리 메모리 초기화 – request_template/initialize_request_template.md를 복사하고, 자리 표시자를 채운 후 AI 어시스턴트에 붙여넣습니다. 이로써 repo_info/에 코드베이스 개요가 채워집니다.
작업 제출 – 적절한 템플릿(예: code_request_template.md, debug_request_template.md, pr_request_template.md)을 선택하고, 작업 설명을 편집한 후 전체 파일을 붙여넣습니다. mode: 헤더로 워크플로우 패밀리(fast가 기본값)를 선택할 수 있으며, 원하면 general 또는 skill로 전환할 수 있습니다.

요청할 수 있는 작업 – 각각 고유의 워크플로우 파일을 가진 9가지 요청 유형:

새로운 기능 구현
기존 코드 리팩터링
오류 디버깅
질문 답변 / 문서 생성
정확성 검사 / 테스트 실행
스크립트 또는 명령어 실행 및 결과 검증
큰 변경 사항을 스택된 PR로 분할
리포지토리 메모리 부트스트랩 또는 재초기화
조건이 충족될 때까지 작업 반복

벤치마크(리포지토리에서 보고된 내용)

Ponytail 벤치마크(5개 작업의 코드 생성 세트) – HarnessFlow-Fast는 베이스라인 모델 대비 생성 코드 줄 수를 34–76% 감소시키면서도 100% 정확성을 유지(45/45 성공). fastworkflow 베이스라인보다 우수하며, 코드량이 1.6–3.4배 많고 정확도도 낮습니다.
Fast vs. General – 1,000줄의 OpenCV+scikit-learn 프로젝트와 SWE-bench 버그 수정에서 fast 워크플로우는 general과 동일한 성공 결과를 달성하면서도 토큰 예산의 39–50%만 사용하고, 가장 가벼운 코드(860줄 vs. 1,173줄)를 생성했습니다.
상세한 로그와 방법론은 experiment/, experiment_swe/, experiment_ponytail/에 저장되어 있습니다(소스 리포지토리에서는 git 무시).

리포지토리 구조(개요)

.github/HarnessFlow/
├─ AGENTS.md / CLAUDE.md          # 생성된 라우터
├─ copilot-instructions.md        # VS Code Copilot 라우터
├─ cli_setup.sh / setup.sh       # 설치 스크립트
├─ sync_agent_definitions.py     # 네이티브 에이전트 파일 재생성
├─ _lib/                         # 공유 계약, 안전성 규칙, 유틸리티
├─ philosophy/                   # 에이전트 행동 가이드
├─ workflow/                     # 세 가지 패밀리: general, fast, skill
├─ agents/                       # 소스 에이전트 정의(MD/TOML)
├─ request_template/             # 사용자용 템플릿
├─ skills/                       # 커뮤니티 투표 기반 스킬 정의(스킬 모드에서 사용)
└─ repo_info/                    # 생성된 메모리 파일(Git 무시)

왜 중요한가 – 오케스트레이션 로직을 단순한 Markdown으로 외부화함으로써, 리포지토리 로컬 지침 파일을 읽을 수 있는 모든 AI 코딩 어시스턴트와 호환됩니다. 별도의 런타임이나 패키지 설치 없이, 계획 → 자기 도전 → QA → 메모리의 반복 가능한, 검증 가능한 파이프라인을 제공합니다.

위 정보는 모두 리포지토리의 README에서 직접 가져온 것이며, 추가 기능은 추측되지 않았습니다.

HangYu8123/HarnessFlow

HarnessFlow – 이식 가능한 AI-코딩 워크플로우 팩

관련