kunchenguid/backpass

해결하는 문제

AI 코딩 에이전트는 AGENTS.md 및 CLAUDE.md와 같은 메모리 파일과 프로젝트 기술에서 지침을 읽어 행동을 결정합니다. 시간이 지남에 따라 이러한 지침은 불완전해지거나, 구식이 되거나, 잘못된 내용이 될 수 있습니다. backpass는 이러한 파일을 "가중치"로 취급하고 실제 에이전트 세션을 학습 데이터로 사용하여 작고 증거에 기반한 개선 사항을 제안함으로써, 에이전트가 실제로 효과가 있는 방식을 따르도록 합니다.

작동 방식

backpass는 7개의 에이전트 하네스(Claude, Codex, Pi, OpenCode, Grok, Cursor CLI, Hermes)의 트랜스크립트 저장소를 디스크에서 직접(로컬 또는 SSH를 통해 연결된 머신에서) 스캔합니다. 정확한 cwd 일치부터 기록된 git 원격 저장소까지 4단계의 증거 계층을 사용하여 세션을 리포지토리와 연결합니다. 그런 다음 해당 세션에서 "손실"을 계산하고 피드백을 집계하여 구체적인 편집 제안 세트를 생성합니다. 각 add, rewrite 또는 remove 작업은 최소 두 개의 서로 다른 세션에서 가져온 축어적 인용으로 뒷받침되어야 합니다. 자동으로 작성되는 내용은 없습니다. backpass를 실행하여 분석한 다음, backpass apply를 실행하여 각 편집을 검토하고 승인하거나 거부합니다. 한 번의 실행이 하나의 경계가 있는 경사 단계입니다.

대상 사용자

Claude Code나 Codex와 같은 AI 코딩 에이전트를 사용하며, 로그를 수동으로 읽지 않고도 실제 사용 사례를 기반으로 에이전트의 메모리 파일과 기술을 체계적으로 개선하려는 개발자에게 적합합니다. 프로젝트 수준의 메모리(단일 리포지토리)와 사용자 수준의 메모리(머신의 모든 프로젝트) 모두에 유용합니다.

주요 특징

• 로컬 우선: 트랜스크립트를 디스크에서 직접 읽으며, API 키나 업로드가 필요 없습니다. 외부 에이전트가 보기 전에 민감한 정보는 삭제(redacted)됩니다.
• 증거 기반 제어: 모든 편집 제안에는 최소 두 개의 실제 세션에서 가져온 축어적 인용이 포함되어 있어, 변경 사항이 실제 행동에 근거함을 보장합니다.
• 인간 개입(Human-in-the-loop): 분석 과정에서는 절대 자동으로 작성하지 않습니다. 적용 UI나 터미널을 통해 각 편집을 검토하고 결정합니다.
• 7개 하네스 및 SSH 지원: Claude, Codex, Pi, OpenCode, Grok, Cursor CLI, Hermes의 세션을 포함하며, SSH를 통해 다른 머신에서 데이터를 가져올 수 있습니다.