AI 스페셜리스트와 자동사냥 — 하네스로 제어하는 AI 파이프라인
34
AI 요약
이 글은 AI가 원문을 분석하여 핵심 내용을 요약한 것입니다.
이 게시물은 무신사 물류 WMS에서 반복되는 슬로우 쿼리 대응 흐름을 AI 파이프라인으로 자동화하는 과정을 소개합니다. 범용 AI는 코드베이스 컨텍스트가 없어 피상적인 조언을 하게 되며, 이를 방지하려고 AI가 잘 움직이도록 하네스(Harness) 설계를 핵심으로 둡니다. query-engineer는 7-Stage 파이프라인으로 슬로우 쿼리 수집(CloudWatch Logs Insights), SQL fingerprinting, 메타데이터 수집, 스페셜리스트 분석, 패치 검수, 정합성(EXPLAIN/실측) 검증, PR 생성 및 리뷰 폐쇄 루프 반영까지 수행합니다. 하네스는 시스템 프롬프트로 행동 공간과 출력 규격(unified diff)을 제한하고, 서브에이전트로 컨텍스트 오염을 격리하며, 패치 정규화기·폴백·게이트 검증을 통해 실패를 되풀이하지 않도록 구성됩니다. PR 생성 전 단계(Stage 5)는 CRITICAL/WARNING 0건까지 반복 수정하되 라인 번호는 신뢰하지 않고(stale data 금지) 수렴 조건·snapshot으로 무한 루프를 방지합니다. PR 생성 후 단계(Stage 6)는 AI 리뷰 코멘트를 다시 AI가 분석해 수정 패치를 생성해 반영하며, 영구 오류(SkillFileLoadError) 발생 시 재시도 상태를 정리하고 중단합니다. 결과적으로 개별 스페셜리스트는 타이트한 하네스로 정확도를 높이고, 전체는 PipelineCallbacks로 조율하는 오케스트레이터 구조를 채택합니다.
