TokenRollAI/llmdoc

해결하는 문제

코딩 에이전트는 리포지토리의 아키텍처, 설계 결정, 모듈 간 계약과 같은 고수준 컨텍스트가 소스 코드 자체에 완전히 기록되지 않는 경우가 많아 이를 이해하는 데 어려움을 겪습니다. 이로 인해 에이전트는 세션마다 아키텍처를 다시 발견해야 하며, 이는 토큰 사용량 측면에서 비효율적이고 비용이 많이 듭니다.

작동 방식

llmdoc은 리포지토리 내 전용 llmdoc/ 디렉터리에 영구적이고 내구성 있는 지식 맵을 생성합니다. 소스 코드를 복제하는 대신 "엔지니어링 의미"—결정, 제약 조건, 불변 조건—를 저장합니다.

두 가지 계층을 통해 작동합니다:

1. 에이전트 워크플로: 지식 베이스의 판단과 유지보수를 담당하는 고수준 역할(조사자, 성찰자, 기록자).
2. 런타임 CLI: 검색과 메커니즘을 위한 결정론적 도구로, 에이전트가 현재 작업에 기반하여 특정 컨텍스트를 검색, 인덱싱 및 가져올 수 있도록 합니다.

코드 변경이 발생하면 시스템은 영향을 받는 지식을 식별하고, 문서가 자동으로 재작성되는 대신 에이전트가 사실을 검증하도록 리뷰 의무를 생성합니다.

대상 사용자

세션을 넘어 지속되는 장기적이고 구조화된 아키텍처 컨텍스트를 유지하려는 AI 코딩 에이전트(Claude Code 또는 Codex 등)를 사용하는 개발자를 위한 것입니다.

주요 특징

• 작업 범위 검색: 토큰을 절약하기 위해 특정 작업에 필요한 최소한의 유용한 지식 세트만 검색합니다.
• 시맨틱 유지보수: 코드가 진화함에 따라 지식을 검증하여 오래된 메모의 축적을 방지합니다.
• 플러그인 통합: Claude Code와 Codex용 네이티브 플러그인 및 다른 에이전트를 위한 이식 가능한 통합 레시피.
• 지식 경계: 안정적인 지식(llmdoc/)과 일시적인 조사(.llmdoc-tmp/)를 엄격하게 분리합니다.