R–08 / SEALED RESEARCH / V2

코드리뷰 에이전트 V2

팀의 피드백으로 스스로 학습하는
코드리뷰 에이전트.

좋은 리뷰의 기준은 팀마다 다릅니다. 개발자가 남긴 피드백, 실제 리뷰의 결과, 회사의 개발 흐름을 연결해 우리 팀을 더 잘 이해하는 리뷰 에이전트를 준비하고 있습니다. 한 번의 답변을 넘어, 다음 리뷰를 더 나아지게 만드는 연구입니다.

리뷰 → 피드백 → 팀의 지식 → 다음 리뷰

1. 01

   리뷰에서 신호를 찾습니다

   PR의 변경 의도와 코드 맥락을 읽고, 버그 가능성·설계·유지보수 관점의 의견에 근거를 붙이는 리뷰를 목표로 합니다.

2. 02

   개발자의 피드백을 기억합니다

   채택된 제안, 거절 사유, 수정된 리뷰를 피드백으로 연결합니다. 같은 오해를 반복하지 않고 팀이 중요하게 여기는 기준을 쌓아 가도록 설계합니다.

3. 03

   Slack의 논의를 다음 리뷰로 잇습니다

   PR별 Slack 스레드에서 오간 질문과 합의를 리뷰 맥락에 연결할 계획입니다. 대화에서 결정한 규칙은 개발자가 확인한 뒤 다음 리뷰에 반영하도록 합니다.

4. 04

   회사의 개발 흐름에 맞춰 고도화합니다

   저장소별 컨벤션, 아키텍처 결정, 담당자와 승인 절차에 맞춰 리뷰 기준을 조정합니다. 변경된 기준은 평가용 PR로 점검하고, 효과가 확인된 개선만 적용하는 흐름을 지향합니다.

무엇을 학습하나요?

개발자가 확인한 피드백과 팀 규칙을 기억하고, 다음 리뷰에서 검색해 활용하는 방식을 구상하고 있습니다. 예를 들어 “이 패턴은 결제 모듈에서 의도한 예외”라는 피드백을 맥락과 함께 보존해 같은 제안을 되풀이하지 않는 것입니다. 모델 자체의 자동 재학습을 의미하지는 않습니다.

피드백이 쌓여도, 기준은 검토할 수 있게

어떤 피드백이 리뷰에 영향을 주었는지 근거를 남기고, 저장소별 지식을 분리하며, 잘못 반영된 규칙은 되돌릴 수 있도록 설계할 계획입니다. 팀의 판단과 함께 발전하는 에이전트가 목표입니다.