claude-code는 이제 안녕, 이 툴에 완전히 반해버렸어

ogcode에서는 plan mode가 기본값이야. 코드베이스를 건드릴 때마다, 코드 한 줄을 짜기 전에 명확하고 잘 문서화된 TDD를 통해 계획부터 세우게 돼. 프로젝트는 TDD 하나씩 앞으로 나아가는 방식이지.

기능이 필요해? AI한테 한 번에 다 만들라고 하는 대신, 계획을 먼저 물어봐. 만족스러우면 Lock Plan을 클릭해. 그럼 ogcode가 플래너 에이전트를 사용해서 전체 TDD를 준비해. 그다음 태스크 플래너 에이전트가 이걸 DAG 안전 태스크로 쪼개지. 관련 에이전트(설정 가능)들이 병렬로 태스크를 완료해. 복잡하거나 중요한 작업은? 클릭 한 번으로 인간 팀원에게 할당해.

태스크가 끝나면 ogcode가 자동으로 PR을 올리고 TDD를 아카이브해. 다음에 버그를 고치거나 기능을 추가할 때, 레포를 뒤지는 대신 아카이브된 TDD를 참조하게 돼. 더 빠르고, 저렴하고, 항상 궤도를 벗어나지 않지.

데일리 스탠드업? 에이전트들이 자연어로 진행 상황을 보고하고, 넌 팀원처럼 피드백을 주면 돼.

MIT 라이선스, 완전 로컬, 무료 사용 가능. 난 이 프로젝트에 진심이고 다른 사람들도 여기서 더 발전시켜 나갔으면 좋겠어. 레포에 자세한 내용이 있어.

링크가 필요하면 DM 줘. 커뮤니티의 일원이 되어줘.

Agentic Session Memory

ogcode의 Agentic Session Memory(실험적 기능)는 AI 코딩 어시스턴트가 장기 세션에서 컨텍스트를 처리하는 방식을 혁신해. 매 턴마다 전체 대화 기록을 LLM에 보내는 대신(비용이 빨리 늘어나고 토큰 제한에 걸리지), ogcode는 각 쿼리에 필요한 관련 컨텍스트만 지능적으로 추출, 저장, 검색해.

주요 이점

|기능|영향|
|:-|:-|
|~70% 토큰 절감|장기 세션에서 API 비용 대폭 감소|
|무한 컨텍스트|세션 길이나 코드베이스 크기에 실질적인 제한 없음|
|더 높은 정확도|쿼리당 관련 메모리만 검색됨|

실제 절감액은 코드베이스 복잡도와 대화 패턴에 따라 달라짐.

다음 즉각적인 목표 및 비전 (다른 사람들의 기여도 환영)

계획이 여러 개의 DAG 안전 태스크로 나뉘면, 사용자가 각 태스크에 에이전트를 할당할 수 있게 할 거야(태스크 복잡도와 종류에 따라 자동으로 할 수도 있어). 아이디어는 사용자가 자신의 기술 세트와 경험에 따라 코딩 에이전트 풀을 만들고 관리하게 하는 거야(예를 들어 UI/UX에 능한 에이전트, 경험이 많은 C++ 에이전트 등 - 기본적으로 올바른 시스템 프롬프트를 사용하는 고성능 모델을 활용하는 거지). 또한 모든 태스크를 검토하고 점수(1~10점)와 적절한 피드백을 매길 시니어 에이전트(고성능 모델)를 한 명 할당해. 이렇게 하면 저성능 모델들도 다음 태스크에서 올바른 길을 찾을 수 있도록 충분한 평가와 리뷰를 받게 돼. 사용자는 비용을 절감하고 에이전트 팀을 최대로 활용할 수 있어.

다시 말해, 우리는 전 세계에서 실시간으로 실제 태스크를 통해 LLM 모델들을 벤치마킹하고 있는 거야(매주 결과를 발표할 예정 - 아직 결정된 건 아님).

참고:

나는 인간이 루프에 포함된(중요한 사항에만) 엔드 투 엔드 소프트웨어 개발 및 배포라는 아이디어를 밀고 있어. 완전 자동화를 싫어하는 건 아니지만, 프로덕션급 시스템을 다룰 때는 인간이 반드시 루프에 포함되어야 해.