ReWeaver AI: AI 코드 드리프트 방지

AI 생성 코드가 의도된 디자인에서 벗어나는 현상인 드리프트는 AI 지원 개발에서 중요한 과제입니다. 조나단 고든은 이 드리프트를 식별하고 수정하려면 AI 시스템 주변에 강력하고 결정론적인 안전장치가 필요하다고 강조합니다. 주요 목표는 AI의 개입에도 불구하고 개발 프로세스에 대한 인간의 통제를 유지하는 것입니다.

순수 LLM 모델은 초기에는 30%의 충실도만을 달성하여 높은 드리프트율을 나타냈습니다. 안전장치를 통합하면 일관성이 크게 향상되었지만, 조나단 고든은 100%의 충실도를 달성하는 것은 불가능하며, 최종 10%는 항상 인간의 판단과 의사 결정이 필요하다고 언급했습니다.

첫째, AI 모델 자체는 결정론적이지 않고 확률적으로 작동하므로 출력이 일관되지 않을 수 있습니다. 둘째, 초기 코드 작성 중의 드리프트는 인식되지만, 시간이 지남에 따라 누적되는 '시간 경과에 따른 드리프트'는 종종 간과되는 중요한 미래 기술 부채를 야기합니다. 마지막으로, 현재 워크플로우는 완전한 양방향 편집 루프가 부족하여 디자인과 코드 간의 원활한 동기화를 방해합니다.

이는 코드에서 디자인으로, 다시 디자인에서 코드로 변환할 때 어떤 오류나 예상치 못한 변경 사항도 발생시키지 않아야 함을 의미합니다. 이를 달성하기 위한 핵심 메커니즘은 드리프트를 적극적으로 제어하고 완화하는 결정론적 조정(deterministic reconciliation)을 포함합니다. 이 과정에서 필수적인 것은 출처(provenance)로, 개발자가 특정 코드 세그먼트가 특정 UI 요소에 해당하는지 추적할 수 있도록 하여 투명성과 책임성을 보장합니다.

이 접근 방식은 추가적인 토큰 비용을 피하기 위해 로컬 LLM을 활용하며, 수십 년간 확립된 인간 감독 관행과 일치합니다. 조나단 고든은 개발자가 주된 코드 작성자이며, ReWeaver는 자율적인 코드 생성기가 아닌 요청된 수정 사항을 실행하는 지원 도구 역할을 한다고 강조합니다.

이러한 차원은 디자인 일관성, 접근성 및 강력한 AI 코드 생성 거버넌스와 같은 중요한 측면을 다룹니다. 시스템의 폐쇄 루프 메커니즘은 코드가 병합되기 전에 드리프트를 사전에 감지합니다. 이 접근 방식은 개발자를 대체하기 위한 것이 아니라, 그들의 작업을 지원하고 검증하는 자동화된 안전장치를 제공하기 위함입니다.

ReWeaver는 현재 베타 프로그램 참가자를 적극적으로 모집하고 있으며, 커뮤니티가 플랫폼의 하네스를 사용하여 AI 생성 코드를 테스트하도록 초대합니다. 사용자들은 30 미만의 PDR(Production Drift Ratio) 점수를 달성하여 우수한 디자인 충실도를 보여주도록 도전받습니다. 성공하는 사람들은 초기 베타 액세스를 얻을 뿐만 아니라 그들의 작업이 소개될 것이며, 베타 출시는 7월 중순으로 예상됩니다.