AI Native 레포에서 조직으로: hollon-ai 구축기

핵심 내용

• AI Native 레포를 넘어 조직 전체가 AI를 호출하고 검증하는 전사적 실행 harness 구축기
• 팀챗을 공용 인터페이스로 삼아 요청, 승인, 실행, 리뷰, 관측, 결과 보고를 같은 스레드에 연결
• API 서버, orchestrator, Kubernetes Job worker, 상태머신, 메모리 계층, 외부 도구 연동으로 조직용 실행 구조 구성
• Claude Code의 코어 루프는 유지하고 그 위에 조직 협업과 운영에 맞는 인터페이스와 지식 시스템을 얹는 방향 채택

구조와 흐름

• 팀챗 메시지 수신 후 스레드 문맥 복원, 계획 수립, 사용자 승인, 작업 실행, PR·리뷰·관측, 결과 반영의 순환 구조
• API 서버는 상태와 판단, worker pod는 코드 탐색·수정·PR 생성·로그 분석 수행, orchestrator는 실행 태스크 관리
• 대화형 요청과 구현 요청을 단일 입구로 받고, 역할별 에이전트와 도구를 분리해 분업 처리

선택 이유

• IDE 중심 흐름의 접근 장벽을 줄이고, 조직이 이미 일하는 팀챗 흐름 안에 AI를 넣기 위한 선택
• K8s Job 기반 ephemeral worker로 격리, 재시도, 회수, 역할별 이미지 구성이 쉬운 운영 구조 확보
• 외부 API 직접 호출 대신 내부 프록시를 두어 자격 증명, 조직별 설정, 파일·이미지 처리 복잡도 완화

성능/운영 포인트

• 중복 처리, stale lock, worker 복구, review loop 복원 같은 실패 복구 품질이 핵심
• 세션 밖 기억을 위해 태스크·레포·조직 단위 메모리를 누적하고, 벡터 검색·그래프 검색·메모리 검색을 함께 활용
• 보안 대응, 배포 직후 점검, 로그 분석, 환불 스펙 조회 등 운영과 지식 회수까지 같은 실행 루프로 확장