refactor(topics): 멀티 에이전트용 지식 재편 — _Common(공통 기본기) + Domain_* 구조
에이전트 8종(대화형/프로그래머 C·S/디자이너/설계자/기획자/QA/PD/PM)에게 [공통 기본 능력 + 롤별 Specialty] 2층으로 지식을 주입하기 위한 재분류. 문서 내용·포맷은 무수정, 폴더 이동만 (6,372개 문서 수 보존 확인). - Topic_Programming → Domain_Programming (내부 구조 보존) - Topic_Graphic → Domain_Design - Topic_Business → Domain_Product - Topic_General → Domain_General - _Common 신설: Math(구 Topic_Math_Specialty), Reasoning(구 General/From_Thinking & Reasoning), Reasoning_Creativity(구 General/From_창의성), Communication(Poetic_Blog_Writing + From_writing) - 타 도메인의 From_* 폴더는 유지 (출처 표기일 뿐, 이미 도메인에 맞게 분류된 문서) - 빈 폴더 정리 (memory/procedures) - 에이전트→폴더 매핑은 workspace의 .astra/agent-knowledge-map.json (9개 에이전트) Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,199 @@
|
||||
---
|
||||
id: wiki-2026-0508-predictive-refactoring
|
||||
title: Predictive Refactoring
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [AI-predicted refactoring, refactoring suggestion, code smell prediction]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [refactoring, ai, code-quality, llm, static-analysis]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: typescript
|
||||
framework: claude-code-sdk
|
||||
---
|
||||
|
||||
# Predictive Refactoring
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 LLM + 매 static-analysis + 매 git-history 를 결합해 '여기를 곧 고쳐야 한다'를 예측하고 매 PR 으로 제안"**. 매 reactive code review 가 매 proactive 로 이동. 매 2026 의 Claude Opus 4.7 / GPT-5 + 매 codebase RAG 의 핵심 use-case.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 어디까지가 PR 인가
|
||||
- **Reactive**: 매 code 작성 후 IDE 의 quick-fix.
|
||||
- **Predictive**: 매 commit 패턴 / churn / 매 complexity drift 의 분석으로 매 미래 hotspot 예측 → 매 사전 PR.
|
||||
- **Continuous**: 매 main 에 push 마다 매 background agent 가 분석 → 매 weekly digest.
|
||||
|
||||
### 매 신호
|
||||
1. **Code churn**: 매 같은 file 의 매 commit 빈도.
|
||||
2. **Complexity drift**: 매 cyclomatic / cognitive complexity 가 매 임계 초과 향하는 추세.
|
||||
3. **Test coverage erosion**: 매 module의 매 coverage 하락.
|
||||
4. **Code-smell ML model**: 매 long method, large class, feature envy 의 학습된 detector.
|
||||
5. **Issue / bug correlation**: 매 bug 가 자주 나는 file.
|
||||
6. **AST embedding similarity drift**: 매 module 이 매 codebase 의 다른 module 패턴에서 멀어짐.
|
||||
|
||||
### 매 ML / LLM 결합
|
||||
- **Static feature extraction** (tree-sitter AST) → 매 vector.
|
||||
- **History feature** (git log) → 매 churn time-series.
|
||||
- **LLM** 매 candidate refactoring 생성 + 매 risk 평가 + 매 explanation.
|
||||
- **Validation** 매 test run + 매 type-check + 매 mutation testing.
|
||||
|
||||
### 매 trust gate
|
||||
- 매 LLM 제안의 자동 merge X.
|
||||
- 매 small / mechanical (rename, extract) — 매 high-confidence auto-PR.
|
||||
- 매 architectural (split module, change interface) — 매 RFC 형식 review request.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Hotspot detection (churn × complexity)
|
||||
```ts
|
||||
type FileMetric = { path: string; churn30d: number; cyclomatic: number; bugs90d: number };
|
||||
|
||||
function rankHotspots(metrics: FileMetric[]) {
|
||||
const max = (k: keyof FileMetric) =>
|
||||
Math.max(...metrics.map(m => m[k] as number)) || 1;
|
||||
const Mc = max("churn30d"), Mx = max("cyclomatic"), Mb = max("bugs90d");
|
||||
return metrics
|
||||
.map(m => ({
|
||||
...m,
|
||||
score: (m.churn30d / Mc) * 0.4 +
|
||||
(m.cyclomatic / Mx) * 0.4 +
|
||||
(m.bugs90d / Mb) * 0.2,
|
||||
}))
|
||||
.sort((a, b) => b.score - a.score)
|
||||
.slice(0, 20);
|
||||
}
|
||||
```
|
||||
|
||||
### LLM refactoring suggestion (Claude Code SDK)
|
||||
```ts
|
||||
import Anthropic from "@anthropic-ai/sdk";
|
||||
const client = new Anthropic();
|
||||
|
||||
async function suggestRefactor(filePath: string, source: string) {
|
||||
const res = await client.messages.create({
|
||||
model: "claude-opus-4-7",
|
||||
max_tokens: 4096,
|
||||
system: [{
|
||||
type: "text",
|
||||
text: "매 senior staff engineer. 매 unsafe / large refactor 의 reject. 매 small testable steps.",
|
||||
cache_control: { type: "ephemeral" },
|
||||
}],
|
||||
messages: [{
|
||||
role: "user",
|
||||
content: `파일: ${filePath}\n\n\`\`\`\n${source}\n\`\`\`\n\n` +
|
||||
"매 1) 가장 시급한 refactoring 1개 + 매 2) diff (unified) + 매 3) risk 평가 + 매 4) test 추가 제안.",
|
||||
}],
|
||||
});
|
||||
return parseStructured(res);
|
||||
}
|
||||
```
|
||||
|
||||
### Auto-PR generation (mechanical refactor)
|
||||
```ts
|
||||
async function autoRefactorPR(repo: string, suggestion: Suggestion) {
|
||||
if (suggestion.risk !== "low" || suggestion.kind !== "mechanical") return;
|
||||
|
||||
const branch = `refactor/predict-${suggestion.id}`;
|
||||
await git.createBranch(repo, branch);
|
||||
await git.applyDiff(repo, branch, suggestion.diff);
|
||||
|
||||
const tests = await ci.run(repo, branch);
|
||||
if (!tests.green) return; // 매 abort
|
||||
|
||||
await github.openPR(repo, {
|
||||
base: "main", head: branch,
|
||||
title: `refactor: ${suggestion.title}`,
|
||||
body: prTemplate(suggestion),
|
||||
labels: ["predictive-refactor", "auto"],
|
||||
reviewers: [suggestion.codeOwner],
|
||||
});
|
||||
}
|
||||
```
|
||||
|
||||
### Risk classifier
|
||||
```ts
|
||||
function classifyRisk(s: Suggestion): "low" | "med" | "high" {
|
||||
if (s.linesChanged > 200 || s.filesTouched > 5) return "high";
|
||||
if (s.touchesPublicAPI || s.touchesMigration) return "high";
|
||||
if (s.changesBehavior) return "med";
|
||||
return "low"; // 매 rename, extract local fn, dead code, type tightening
|
||||
}
|
||||
```
|
||||
|
||||
### Continuous monitor (GitHub Action)
|
||||
```yaml
|
||||
name: Predictive Refactoring
|
||||
on:
|
||||
schedule: [{ cron: "0 4 * * 1" }] # 매 주 월요일 새벽
|
||||
workflow_dispatch: {}
|
||||
jobs:
|
||||
scan:
|
||||
runs-on: ubuntu-latest
|
||||
steps:
|
||||
- uses: actions/checkout@v4
|
||||
with: { fetch-depth: 0 }
|
||||
- run: npx tree-sitter parse . > ast.json
|
||||
- run: node scripts/hotspots.js > hotspots.json
|
||||
- uses: anthropics/claude-code-action@v1
|
||||
with:
|
||||
mode: refactor-digest
|
||||
input: hotspots.json
|
||||
api-key: ${{ secrets.ANTHROPIC_API_KEY }}
|
||||
- uses: peter-evans/create-pull-request@v6
|
||||
with:
|
||||
title: "weekly: 매 predictive refactoring digest"
|
||||
body-path: digest.md
|
||||
```
|
||||
|
||||
### Mutation-test gated merge
|
||||
```bash
|
||||
# 매 refactor 가 behavior 보존인지 확인
|
||||
npx stryker run --reporters dashboard,json
|
||||
# 매 mutation score ≥ pre-refactor 일 때만 merge 허용
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Mechanical (rename, extract) | LLM auto-PR + CI green |
|
||||
| Logic 보존 needed | Mutation testing gate |
|
||||
| API change | RFC + human review |
|
||||
| Cross-module | RFC + ADR + staged plan |
|
||||
| Legacy module no tests | 매 test scaffold 먼저, refactor 후 |
|
||||
| Hotspot 미발견 | churn/complexity threshold 낮춤 |
|
||||
|
||||
**기본값**: 매 weekly digest + 매 low-risk auto-PR + 매 high-risk RFC.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Refactoring_Best_Practices|Refactoring]]
|
||||
- 변형: [[Automated Refactoring Tools]]
|
||||
- 응용: [[Claude Code]]
|
||||
- Adjacent: [[Code Smells]] · [[Code Churn]] · [[Mutation Testing]] · [[Static Analysis]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 codebase >50k LoC, 매 ongoing maintenance, 매 hot-spot 의 패턴화 가능.
|
||||
**언제 X**: 매 prototype, 매 throwaway, 매 매우 작은 codebase — 매 overhead.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **자동 merge of LLM diff**: 매 hallucination / behavior break. → 매 항상 CI + 매 PR review.
|
||||
- **Refactor without tests**: 매 mutation/regression 무방어.
|
||||
- **Big-bang refactor**: 매 small steps 무시.
|
||||
- **Score 만 보고 hotspot 따라가기**: 매 churn 이 곧 file 의 healthy domain change 일 수도.
|
||||
- **No code-owner routing**: 매 PR floods.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Microsoft Research churn-bug correlation, "Your Code as a Crime Scene" Adam Tornhill, Anthropic Claude Code SDK docs, Stryker mutation testing).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — hotspot signals + LLM-assisted PR pipeline |
|
||||
Reference in New Issue
Block a user