버전 관리 시스템은 협업 소프트웨어 개발에 필수적이지만, git과 같은 도구는 많은 실무자에게 여전히 어렵다. 대규모 언어 모델(LLM)의 최근 발전은 개발자 의도를 해석하는 데 유망한 역량을 제공하지만, 저장소 관리 작업에서의 효과는 형식적 추론(formal reasoning)이 필요하기 때문에 제한된다. 본 연구는 LLM과 자동 계획(automated planning)을 결합해 개발자가 비자명한 git 작업을 수행하도록 돕는 AI 기반 어시스턴트 Git-Assistant를 제안한다. 이 어시스턴트는 저장소 컨텍스트를 분석하고, 자연어 요청을 실행 가능한 명령어 시퀀스로 변환하며, 정확성과 안전성을 보장하기 위해 계획 기법을 통합한다. 합성 및 무작위화된 git 환경을 사용한 체계적 평가 방법론을 제시하고, LLM 단독 방식과 계획 증강(planning-augmented) 방식의 성능을 여러 지표로 비교한다. 실험 결과, LLM에 형식적 추론을 통합하면 저장소 관리의 신뢰성이 향상되고 오류가 줄어듦을 보여 주며, 지능형 개발자 지원을 위한 하이브리드 AI 접근의 잠재력을 부각한다.
코딩 에이전트는 이제 팀 코드의 점점 더 큰 비중을 차지하지만, 각 변경 뒤의 추론—검토된 대안, 발견된 제약, 거부된 접근법—은 세션이 끝나면 사라지는 어시스턴트 대화 기록에 갇혀 있다. 이 설정, 즉 에이전트 개발 수명주기(agentic development lifecycle, ADLC)에서의 메모리는 보통 하나의 검색(retrieval) 문제로 정식화되고, 계층형 저장소, 메모리 그래프, 컴파일된 위키, 모델 기반 승인(model-judged admission) 같은 장치로 구축된다. 우리는 메모리가 대신 git에 기반(git-bound)해야 한다고 주장한다—저장소의 버전 관리에 내장되어, 그 장치가 구축하기 어려워하는 보장을 계승하는 것: 커밋으로부터의 정답(ground truth), 재빌드로부터의 신선도, 머지로부터의 검증, 리뷰로부터의 격리(containment). 이 원장(ledger) 위에서 우리는 두 문제를 각각 풀고, 이후 결합한다. 시드 공급(seed supply)은 사전 등록된 ship 규율 하의 8-코퍼스 검색 연구로 마무리된다: 5개의 도입된 순위 매커니즘은 거부되고 2개는 유지되며, 최적 구성은 ~0.31 pooled MRR이다—원시 대화 기록 grep 하한 대비 ~60배, 정직한 파싱된 턴 하한 대비 ~15배. 답변 조립(answer assembly)은 순위 매기기가 더 이상 도움이 되지 않는 지점이다: 단일 샷 검색은 실제 개발자 질문에서 0.07–0.20의 답변 충분성(answer-sufficiency)만 기록하며, 게이트 없는 에피소드(episode) 주입은 좋은 답변을 눈에 띄게 악화시킨다. 라우터는 폭(breadth)은 git-고정 구조 맵으로, 지향적 조회(pointed lookups)는 신뢰도 게이트 에피소드로, 근거(rationale)는 어떤 단일 세션에도 담기지 않는 why-arc를 재구성하는 의사결정 합성(decision synthesis)으로 보낸다(코드 약 5만 LOC의 신규 프로덕션 시스템에서 0.83 충분성). 라우팅된 시스템은 질문당 382–980 토큰으로 답한다—기록된 이력보다 3자릿수(약 1000배) 낮다. 정답(ground truth)이 어노테이션이 아니라 커밋-세션 링크에서 추출되기 때문에, 모든 결과는 라벨링 비용 없이 모든 사용자 자신의 이력에서 재현 가능하다. 남은 제약은 캡처(capture)다. 코드, 벤치마크, 논문 소스: github.com/rekal-dev/rekal-cli.