LLM-Coding/Semantic-Anchors

A curated catalog of 230+ semantic anchors: well-defined terms like arc42, TDD London School or tracer bullet that activate deep, consistent knowledge in LLMs. Use them in prompts, skills and agent instructions instead of spelling out methods yourself.

해결하는 문제

대규모 언어 모델(LLM)은 훈련 데이터에서 많은 것을 알지만, 해당 지식에 접근하려면 올바른 트리거 단어가 필요합니다. 복잡한 아이디어를 처음부터 설명하면 토큰을 낭비하고 부정확할 수 있습니다. Semantic Anchors는 "TDD, London School"과 같은 잘 알려진 용어, 방법론, 프레임워크 세트를 제공하여 모델의 관련 지식을 즉시 활성화함으로써 이 문제를 해결합니다.

작동 방식

이 프로젝트는 230개 이상의 시맨틱 앵커 카탈로그를 유지하며, 각 앵커는 자체 파일에 문서화되어 있습니다. 앵커는 12개 범주(예: 설계 원칙, 테스트 및 품질)로 구성되며 전문 역할(예: 소프트웨어 개발자, QA 엔지니어)로 필터링할 수 있습니다. 카탈로그는 검색 및 시각화 기능이 있는 대화형 웹사이트에서 제공됩니다. 모든 앵커를 알지 못하는 로컬 또는 소규모 LLM의 경우 README는 Claude Code, Codex, Cursor와 같은 도구의 에이전트 지시 파일에 명시적 정의를 주입하는 가이드를 제공합니다. 프로젝트는 또한 기여를 장려합니다: 용어를 제안하면 품질 기준에 따라 테스트하고 GitHub Copilot이 앵커 파일 생성을 돕습니다.

대상 사용자

LLM을 사용하는 모든 사람—개발자, 아키텍트, QA 엔지니어, 제품 소유자, 기술 문서 작성자 등. 명시적 정의가 필요한 로컬 또는 소규모 모델을 사용하는 팀과 더 일관되고 효율적인 프롬프트를 원하는 모든 사람에게 특히 유용합니다.

주요 특징

12개 MECE 범주에 걸친 230개 이상의 시맨틱 앵커 카탈로그.
검색, 역할 기반 필터링, 시각화를 갖춘 대화형 웹사이트.
Claude Code, Codex, Gemini CLI, Cursor, GitHub Copilot, Windsurf에 앵커를 통합하는 가이드.
간단한 기여 흐름: 앵커를 제안하고, 테스트하고, Copilot이 작성하는 데 도움을 줍니다.