깃허브 LLM 위키 구축 방법론
개요
이 노트는 LLM(Large Language Model)을 활용하여 깃허브(GitHub) 저장소 기반의 위키를 구축하는 방법론에 대해 다룬다. 단순한 문서화를 넘어, LLM이 코드베이스와 상호작용하며 지식을 구조화하고 연결하는 파이프라인을 제시한다.
핵심 원칙
1. 클리핑(Clipping) → 위키(Wiki) 변환 파이프라인
- R1 (Reduce): 원자적 정보 단위로 축소
- R2 (Reflect): 맥락과 통찰력 부여
- R3 (Reweave): 기존 지식 네트워크와 연결
- R4 (Record): 정형화된 포맷으로 기록
- R5 (Verify): 일관성과 정확성 검증
2. LLM 기반 지식 그래프 구축
LLM은 단순한 텍스트 생성기를 넘어, 코드, 문서, 이슈, PR 간의 숨겨진 관계를 발견하고 이를 위키 노트로 구조화하는 데 사용된다.
3. 버전 관리와 협업
깃허브 저장소를 기반으로 하므로, 모든 위키 노트는 Git으로 관리되며 PR 리뷰, 이슈 트래킹, CI/CD 파이프라인과 자연스럽게 통합된다.
방법론
입력 소스
- 깃허브 이슈, PR, 코드 리뷰 코멘트
- README, CONTRIBUTING.md 등 기존 문서
- Slack/디스코드 로그, 회의록 등 외부 자료
처리 흐름
- 수집: CLI 도구나 웹훅을 통해 원자료 수집
- LLM 분석: 각 클리핑에서 핵심 개념, 관계, 의도 추출
- 노트 생성:
[[20260615-github-llm-wiki|github-llm-wiki-철학]]같은 위키링크를 활용한 상호참조 구조 생성 - 검증: 규칙 파일 기반 포맷 검증, 링크 무결성 체크
통찰력 (Insight)
표면적으로 이 파이프라인은 ‘문서화 자동화’처럼 보이지만, 실제 의도는 지식의 ‘살아있는 유기체’를 만드는 것이다. LLM이 단순히 요약하는 것이 아니라, 기존 지식과 새로운 정보 사이의 비약적 연결(Bridge) 을 생성함으로써, 인간이 발견하지 못한 패턴이나 인사이트를 도출한다. 예를 들어, 특정 버그 수정 PR과 이후 작성된 아키텍처 결정 기록(ADR) 사이의 인과관계를 LLM이 추론하여 하나의 노트로 통합하는 식이다.