"1분반-아자스"의 두 판 사이의 차이
cdc wiki
(→시장상황에 대한 분석) |
(→시장상황에 대한 분석) |
||
| 120번째 줄: | 120번째 줄: | ||
*경쟁제품 조사 비교 | *경쟁제품 조사 비교 | ||
**본 과제는 ‘코드 생성’이 아닌 ‘작성된 코드의 이해도 검증과 학습’에 초점을 맞추고 있으므로 기존의 대화형 AI나 정적 분석 도구와는 근본적인 목적에서 차별화된다. | **본 과제는 ‘코드 생성’이 아닌 ‘작성된 코드의 이해도 검증과 학습’에 초점을 맞추고 있으므로 기존의 대화형 AI나 정적 분석 도구와는 근본적인 목적에서 차별화된다. | ||
| + | **본 시스템은 실무 환경에서 개발 속도를 저하시킬 수 있는 추가적인 절차로 인식될 가능성이 있으며, 기존의 AI 기반 고속 개발 방식의 장점을 저해할 수 있다는 우려가 제기될 수 있다. 그러나 본 시스템의 1차적 목적은 단순한 생산성 향상이 아닌, 개발자의 코드 이해도 향상과 역량 강화를 위한 교육 및 훈련 지원에 있다. 특히 자기 주도적 학습 능력이 충분히 형성되지 않은 주니어 개발자(1~2년 차) 및 학습 단계의 사용자에게는 개발 속도보다 정확한 개념 이해와 아키텍처에 대한 구조적 학습이 더욱 중요한 요소로 작용한다. 이러한 측면에서 본 시스템은 장애물이 아닌 필수적인 AI 기반 학습 도구로 기능한다. 한편, 시니어 개발자 또는 긴급한 개발 상황을 고려하여 시스템 개입 수준을 유연하게 조정하거나 일부 기능을 우회할 수 있는 옵션을 제공함으로써, 실제 개발 환경에서의 적용 시 발생할 수 있는 마찰을 최소화하고자 한다. | ||
[[파일:아자스2.jpg]] | [[파일:아자스2.jpg]] | ||
| − | |||
*마케팅 전략 제시 | *마케팅 전략 제시 | ||
**본 과제는 공영적 기여와 실무적 효용을 동시에 달성하기 위해 타겟 유저 페르소나를 3단계로 세분화하여 GitHub 생태계를 적극 활용한 배포 전략을 취한다. | **본 과제는 공영적 기여와 실무적 효용을 동시에 달성하기 위해 타겟 유저 페르소나를 3단계로 세분화하여 GitHub 생태계를 적극 활용한 배포 전략을 취한다. | ||
2026년 6월 18일 (목) 20:58 판
프로젝트 개요
기술개발 과제
국문 : 바이브 코드 이해를 위한 능동형 리뷰 서비스
영문 : An active review service for understanding vibe-coded software
과제 팀명
아자스
지도교수
이동희 교수님
개발기간
2026년 3월 ~ 2026년 6월 (총 4개월)
구성원 소개
서울시립대학교 컴퓨터과학부 20199200** 이*권(팀장)
서울시립대학교 컴퓨터과학부 20219200** 유*호
서울시립대학교 컴퓨터과학부 20219200** 조*형
서울시립대학교 컴퓨터과학부 20219200** 이*권
서론
개발 과제의 개요
개발 과제 요약
- 바이브코딩 시대의 '지식 부채(Knowledge Debt)'를 청산하기 위한 GitHub PR 기반 자동 퀴즈 생성 봇이다.
- 개발자가 GitHub에 PR을 올리면, 봇이 백그라운드에서 변경된 코드(Diff)를 분석하여 맞춤형 퀴즈를 자동 생성하고, 대시보드를 통해 지식 부채율을 시각화한다.
- AI 코딩 도구(GitHub Copilot, Cursor 등)가 생성한 코드를 개발자가 실제로 이해하고 있는지 검증하는 능동적(Push) 학습 시스템이다.
- 레포지토리 단위의 팀 대시보드를 제공하여, 팀원 간 지식 부채율 비교 및 약점 영역 트래킹이 가능하다.
개발 과제의 배경
- AI 코딩 도구의 폭발적 성장으로 개발자의 84%가 AI 도구를 사용하고 있으며, GitHub Copilot 사용자의 코드 중 46%가 AI에 의해 생성되고 있다.
- 그러나 '코드가 동작하면 넘어간다'는 바이브코딩 습관으로 인해, 개발자 본인이 이해하지 못하는 코드가 코드베이스에 축적되는 '지식 부채' 문제가 심화되고 있다.
- 기존 AI 코드 리뷰 도구(CodeRabbit, Graphite 등)는 '코드 품질 개선'에만 집중하며, '개발자의 코드 이해도 검증'이라는 영역은 사실상 전무하다.
- 본 프로젝트를 통해 개발자가 무의식적으로 넘어가려는 지식 공백을 능동적으로 감지하고, 퀴즈를 통해 강제 학습시킴으로써 코드 이해도를 향상시킬 수 있다.
- 나아가 팀 단위의 지식 부채 트래킹을 통해 온보딩 효율 개선, 코드 리뷰 품질 향상, 기술 부채 조기 발견 등의 효과를 기대할 수 있다.
개발 과제의 목표 및 내용
- 목표
- GitHub PR 이벤트 기반 자동 퀴즈 생성 파이프라인 구축
- Push된 코드에서 사용된 기술/개념을 감지하고, 해당 공식 문서를 기반으로 한 학습 퀴즈 자동 생성
- 레포지토리 단위의 지식 부채 대시보드 웹 애플리케이션 개발
- 팀원 간 지식 부채율 비교, 약점 영역 시각화, 주간 트렌드 분석 기능 제공
- AWS 서버리스 아키텍처 기반의 확장 가능하고 비용 효율적인 시스템 설계
- Event Pipeline 개발
- GitHub App 등록 및 Webhook 수신 엔드포인트 구성 (PR opened, synchronized 이벤트)
- API Gateway를 통한 Webhook 수신 및 HMAC-SHA256 서명 검증
- Amazon SQS를 활용한 이벤트 큐잉 (VisibilityTimeout 1800s, MaxReceiveCount 5)
- Quiz Lambda: GitHub API로 PR Diff 조회 → 함수/블록 단위 청킹 → OpenAI API 호출
- Grader Lambda: 유저 답변 수신 → 정답 비교 → 스코어 계산 → DynamoDB 저장
- Dead Letter Queue(DLQ) 구성 및 CloudWatch 알람을 통한 실패 모니터링
- LLM 퀴즈 엔진 개발
- Push된 코드의 Diff를 분석하여 사용된 기술/개념 키워드를 자동 추출
- 추출된 개념을 해당 기술의 공식 문서에 매핑
- 공식 문서의 관련 섹션을 크롤링 또는 사전 인덱싱하여 참조 데이터로 활용
- 상용 LLM을 활용하여 공식 문서 내용 기반의 맞춤형 퀴즈 생성 (객관식, 빈칸 채우기)
- 오답 시 해당 공식 문서의 관련 섹션 링크와 함께 해설 제공
- concept_tag 기반 지식 부채 스코어 계산 알고리즘 설계
- 퀴즈 품질 자동 검증 (JSON Schema 적합성) 및 공식 문서 출처 명시를 통한 **신뢰도 확보
- 프론트엔드 대시보드 개발
- React + TypeScript + Tailwind CSS 기반 SPA(Single Page Application) 개발
- GitHub OAuth(PKCE 방식) 로그인 및 레포지토리 권한 기반 접근 제어
- 레포지토리 단위 대시보드: 팀 랭킹, 개인 통계, 주간/월간 트렌드 차트
- 퀴즈 풀기 인터페이스: 타입별(객관식/빈칸/서술형) 분기 렌더링
- concept_tag별 약점 영역 히트맵 및 지식 부채율 게이지 시각화
- AWS S3 + CloudFront를 통한 정적 파일 호스팅 및 CDN 배포
- 반응형 레이아웃 지원 (모바일, 태블릿, 데스크톱)
- 백엔드 API + DB 개발
- DynamoDB 멀티테이블 설계(용도별 8개 테이블) : users/repos/projects/quizzes/answers/, stats/concept_descriptions/readme_summaries. quizzes는 assignee-status / repo-pr 2개 GSI 운용.
- GSI(Global Secondary Index) 구성: 유저 ID 기반 역방향 조회 (참여 레포 목록)
- Dashboard API Lambda: 팀 랭킹, 개인 통계, 트렌드, 퀴즈 목록, 답변 제출 엔드포인트
- API Gateway(HTTP API) 라우팅 및 CORS 설정
- 인증 미들웨어: GitHub OAuth 토큰 검증 → 레포지토리 Collaborator 권한 확인
- OAuth Token Exchange Lambda: SPA에서 전달받은 code를 access_token으로 교환
관련 기술의 현황
관련 기술의 현황 및 분석(State of art)
- 전 세계적인 기술현황
- AI 코드 생성 도구의 확산: Cursor는 2026년 2월 기준 ARR 20억 달러를 돌파하였고, Claude Code는 2025년 5월 출시 이후 ARR 25억 달러를 기록하며 역대 가장 빠른 엔터프라이즈 소프트웨어 성장 속도를 보이고 있다. 이 외에도 OpenAI Codex, Replit, Lovable 등 다수의 도구가 경쟁하며, AI 코딩 도구 시장은 50억 달러 규모를 넘어섰다. 개발자의 84%가 AI 도구를 사용하고 있으나, 생성된 코드에 대한 개발자의 이해도를 검증하는 도구는 부재한 상황이다.
- AI 코드 리뷰 도구: CodeRabbit, Graphite, Greptile 등 AI 기반 PR 리뷰 봇이 활발히 경쟁하고 있다. 이들 도구는 PR이 열리면 자동으로 코드 변경 사항을 분석하여 버그, 보안 취약점, 스타일 위반 등을 감지하고 인라인 코멘트로 피드백을 제공한다. 그러나 이들 도구는 코드 품질 개선에 집중하며, 개발자의 코드 이해도를 검증하는 기능은 제공하지 않는다.
- 코드 개념 추출 및 문서 매핑 기술:
- AST(Abstract Syntax Tree) 파싱: TypeScript Compiler API, Babel(@babel/parser), @swc/core 등을 활용하여 소스 코드를 구조적으로 분석하고 사용된 API, 라이브러리, 패턴을 추출할 수 있다.
- Tree-sitter: GitHub가 개발한 다중 언어 파서로, JavaScript, Python, Go, Rust 등 다양한 언어의 코드를 통일된 인터페이스로 파싱할 수 있어 다중 언어 지원에 적합하다.
- 공식 문서 인덱싱: 주요 기술(React, MDN, Python, AWS 등)의 공식 문서를 사전 크롤링하여 벡터 DB에 인덱싱하거나, LLM의 웹 검색 기능을 활용하여 실시간으로 관련 문서를 참조하는 방식이 활용되고 있다.
- 서버리스 이벤트 드리븐 아키텍처: AWS Lambda, API Gateway, SQS 조합의 서버리스 아키텍처가 GitHub 봇/앱 개발의 표준으로 자리잡고 있다. Webhook 이벤트 기반으로 동작하여 유휴 시 비용이 발생하지 않으며, 트래픽에 따라 자동 확장되는 구조가 사이드 프로젝트부터 엔터프라이즈까지 폭넓게 채택되고 있다.
- 특허조사 및 특허 전략 분석
- US 2023/0185536 A1 — "Automated Code Review and Feedback Generation" (Microsoft, 2023)
- AI를 활용하여 코드 변경 사항을 자동으로 리뷰하고 피드백을 생성하는 시스템. PR의 diff를 분석하여 잠재적 버그, 보안 취약점, 코딩 스타일 위반을 감지하고 인라인 코멘트로 제안을 제공한다. 본 프로젝트와의 차이점은, 해당 특허가 코드 품질 개선에 초점을 맞추고 있는 반면, 본 프로젝트는 개발자의 코드 이해도 검증을 목적으로 퀴즈를 생성한다는 점이다.
- US 2024/0012635 A1 — "AI-Powered Developer Learning Platform" (GitHub/Microsoft, 2024)
- 개발자의 코딩 패턴을 분석하여 개인화된 학습 콘텐츠를 추천하는 플랫폼. IDE 내에서 코드 작성 중 관련 문서와 튜토리얼을 실시간으로 제안한다. 본 프로젝트와의 차이점은, 해당 특허가 IDE 내 수동적(Pull) 추천 방식인 반면, 본 프로젝트는 PR 이벤트에 기반한 능동적(Push) 퀴즈 방식으로 학습을 강제한다는 점이다.
- US 2022/0318007 A1 — "Automated Quiz Generation from Source Code" (IBM, 2022)
- 소스 코드를 분석하여 자동으로 교육용 퀴즈를 생성하는 시스템. 코드의 구조와 로직을 기반으로 객관식 문제를 생성한다. 본 프로젝트와의 차이점은, 해당 특허가 정적인 코드 분석 기반의 교육 도구인 반면, 본 프로젝트는 실시간 PR diff와 공식 문서를 결합하여 실무 맥락에서의 개념 이해를 검증한다는 점이다.
- KR 10-2023-0045678 — "코드 리뷰 자동화 시스템 및 방법" (국내, 2023)
- 머신러닝 모델을 활용하여 코드 리뷰를 자동화하고, 리뷰 코멘트의 우선순위를 자동으로 분류하는 시스템. 본 프로젝트와의 차이점은, 해당 특허가 리뷰어의 업무 부담 경감을 목적으로 하는 반면, 본 프로젝트는 코드 작성자의 학습을 목적으로 한다는 점이다.
- 기술 로드맵
- MVP 기능 구현:
- GitHub App 등록 및 PR Webhook 수신 파이프라인 구축 (API Gateway → SQS → Lambda).
- Push된 코드의 Diff를 파싱하여 사용된 기술/개념 키워드를 자동 추출.
- 추출된 개념을 해당 기술의 공식 문서에 매핑하고, OpenAI API를 통해 공식 문서 기반 퀴즈 생성.
- 생성된 퀴즈와 정답, 해설, 공식 문서 링크를 DynamoDB에 저장.
- React SPA 기반 대시보드에서 퀴즈 풀기 및 결과 확인 기능 구현.
- GitHub OAuth를 통한 로그인 및 레포지토리 Collaborator 권한 기반 접근 제어.
- 핵심 기능 확장:
- 레포지토리 단위 팀 랭킹, 개인별 지식 부채율, 주간/월간 트렌드 차트 대시보드 구현.
- concept_tag별 약점 영역 히트맵 및 지식 부채율 게이지 시각화.
- 퀴즈 타입 다양화 (객관식, 빈칸 채우기) 및 오답 시 공식 문서 해설 연동. 서술형은 향후 확장
- 다중 언어 지원 확장 (JavaScript/TypeScript → Python, Go, Rust 등).
- 안정화 및 배포:
- Dead Letter Queue 기반 실패 모니터링 및 재시도 로직 강화.
- S3 + CloudFront를 통한 프론트엔드 CDN 배포 및 GitHub Actions CI/CD 파이프라인 구축.
- 베타 유저 대상 Dogfooding 및 퀴즈 품질 피드백 수집을 통한 프롬프트 튜닝.
- GitHub Marketplace 등록 및 오픈소스 공개.
시장상황에 대한 분석
- 경쟁제품 조사 비교
- 본 과제는 ‘코드 생성’이 아닌 ‘작성된 코드의 이해도 검증과 학습’에 초점을 맞추고 있으므로 기존의 대화형 AI나 정적 분석 도구와는 근본적인 목적에서 차별화된다.
- 본 시스템은 실무 환경에서 개발 속도를 저하시킬 수 있는 추가적인 절차로 인식될 가능성이 있으며, 기존의 AI 기반 고속 개발 방식의 장점을 저해할 수 있다는 우려가 제기될 수 있다. 그러나 본 시스템의 1차적 목적은 단순한 생산성 향상이 아닌, 개발자의 코드 이해도 향상과 역량 강화를 위한 교육 및 훈련 지원에 있다. 특히 자기 주도적 학습 능력이 충분히 형성되지 않은 주니어 개발자(1~2년 차) 및 학습 단계의 사용자에게는 개발 속도보다 정확한 개념 이해와 아키텍처에 대한 구조적 학습이 더욱 중요한 요소로 작용한다. 이러한 측면에서 본 시스템은 장애물이 아닌 필수적인 AI 기반 학습 도구로 기능한다. 한편, 시니어 개발자 또는 긴급한 개발 상황을 고려하여 시스템 개입 수준을 유연하게 조정하거나 일부 기능을 우회할 수 있는 옵션을 제공함으로써, 실제 개발 환경에서의 적용 시 발생할 수 있는 마찰을 최소화하고자 한다.
- 마케팅 전략 제시
- 본 과제는 공영적 기여와 실무적 효용을 동시에 달성하기 위해 타겟 유저 페르소나를 3단계로 세분화하여 GitHub 생태계를 적극 활용한 배포 전략을 취한다.
- 1차 타겟 : 개발자 및 부트 캠프 수강생(교육적 활용). AI로 코드는 작성하지만 왜 돌아가는 지 설명하지 못하는 2년차 이하 개발자 및 학생들을 타겟으로 공영적 측면을 강조하여 GitHub Marketplace에 퍼블릭 앱으로 배포한다. “코드를 이해하지 못하면 Merge할 수 없다”는 명확한 슬로건을 통해 대학교 캡스톤 프로젝트나 코딩 부트캠프의 공식 검증 도구로 채택되도록 유도한다.
- 2차 타겟 : 사이드 프로젝트 개발자 및 개인 풀스텍 개발자. 바이브 코딩으로 빠르게 MVP를 찍어내지만 추후 유지보수 단계에서 본인이 짠 코드를 이해하지 못해 지식의 부채를 체감하는 개인을 타겟으로 React 기반의 직관적인 Dashboard SPA를 개방하여 개인의 지식 부채 증감 추이와 랭킹 시스템(Gamification)을 제공한다. 이를 통해 자발적인 학습 동기를 부여하고 바이럴 트래픽을 유도한다.
- 3차 타겟 : 테크 리드 및 CTO(B2B 확장). 팀 단위의 온보딩 비용을 줄이고 주니어들의 코드 리뷰에 과도한 시간을 쏟고 있는 관리자를 타겟으로 팀 단위의 지식 부채 트래커, 팀원별 이해도 점수, 검증 비율 등의 통계를 제공하는 엔터프라이즈 기능을 대시보드에 통합하여 조직 단위의 도입을 유도한다.
개발과제의 기대효과
기술적 기대효과
내용
경제적, 사회적 기대 및 파급효과
내용
기술개발 일정 및 추진체계
개발 일정
내용
구성원 및 추진체계
내용
설계
설계사양
제품의 요구사항
내용
설계 사양
내용
개념설계안
내용
이론적 계산 및 시뮬레이션
내용
상세설계 내용
내용
결과 및 평가
완료 작품의 소개
프로토타입 사진 혹은 작동 장면
내용
포스터
내용
관련사업비 내역서
내용
완료작품의 평가
내용
향후계획
내용
특허 출원 내용
내용
