AI 기반 AuraCode, 복잡한 코드베이스 온보딩을 돕다

복잡한 코드베이스(Codebase) 이해에 걸리는 시간 문제를 해결하기 위해 AuraCode 개발

GitHub URL을 입력하면 컴포넌트 관계를 시각화하는 D3.js 기반 맵(Map) 생성

코드 구조 기반의 질문 답변 및 ElevenLabs TTS 엔진(TTS Engine)을 활용한 음성 지원

AST(Abstract Syntax Trees)와 Lean RAG를 활용하여 정확한 정보 검색 및 문맥 유지

현재는 베타(Beta) 단계로, 대기자 명단(Waitlist)을 통해 비공개 레포지토리(Repository) 접근 권한 제공

AST(Abstract Syntax Trees)를 활용한 코드 구조 분석

AuraCode는 코드의 구조적 관계를 파악하기 위해 AST(Abstract Syntax Trees)를 활용한다. AST는 코드를 추상 구문 트리 형태로 표현하여 컴파일러(Compiler) 및 린터(Linter)와 같은 도구에서 사용된다.

AST 기반 분석: 코드의 호출 관계(Call Graph), 의존성(Dependency), 제어 흐름(Control Flow)을 파악하여 코드 이해도 향상

AST 주입 방식: 소규모 레포지토리(Repository)의 경우 AST를 모델의 컨텍스트 윈도우(Context Window)에 직접 주입하여 정확도(Accuracy)를 높임

장점: 코드의 의미를 정확하게 파악하여 AI 환각(Hallucination) 감소 및 답변의 신뢰도(Reliability) 향상

AST를 활용하면 코드의 복잡성을 효과적으로 관리하고, AI가 코드의 구조를 이해하도록 돕는다.

Lean RAG(Retrieval-Augmented Generation) 아키텍처

대규모 레포지토리(Repository)의 경우, AuraCode는 Lean RAG(Retrieval-Augmented Generation) 방식을 사용한다. 이는 RAG(Retrieval-Augmented Generation)의 경량화된 형태로, 컨텍스트 윈도우(Context Window)의 한계를 극복하기 위한 전략이다.

핵심 노드 선택: 구조적으로 가장 관련성이 높은 코드 조각을 선택적으로 검색하여 토큰(Token) 사용량 최적화

컨텍스트 주입: 선택된 코드 조각을 모델의 컨텍스트에 주입하여 정확도(Accuracy) 유지

장점: 대규모 코드베이스(Codebase)에서도 정확한 답변(Accurate Answer)을 제공하며, 비용 효율성(Cost Efficiency)을 확보

Lean RAG는 대규모 코드베이스(Codebase)에서 AI의 성능을 유지하면서 비용을 절감하는 효과적인 방법이다.

D3.js를 활용한 시각적 코드 맵(Map) 구현

AuraCode는 코드베이스(Codebase)의 구조를 시각적으로 표현하기 위해 D3.js(D3.js)를 사용한다. D3.js는 데이터 기반의 문서 조작을 위한 자바스크립트(JavaScript) 라이브러리이며, 다양한 시각화(Visualization)를 구현할 수 있다.

컴포넌트 관계 시각화: D3.js의 레이아웃(Layout) 기능을 활용하여 컴포넌트 간의 관계를 방사형 트리(Radial Tree) 형태로 표현

상호작용 기능: 사용자가 맵을 탐색하며 코드 구조를 직관적으로 이해할 수 있도록 확대/축소(Zoom/Pan) 및 하이라이팅(Highlighting) 기능 제공

장점: 복잡한 코드 구조를 시각적으로 표현하여 온보딩(Onboarding) 시간 단축 및 코드 이해도 향상

D3.js를 활용한 시각화는 코드베이스(Codebase)의 구조를 효과적으로 파악하고, 개발자의 인지 부하(Cognitive Load)를 줄이는 데 기여한다.