프로젝트 목록으로
7일 빌드 플랜
AI 코드 리뷰 자동화 봇 (Subagent-driven Code Review Bot)
GitHub Actions에서 PR이 생성될 때, 3가지 역할(코드 스타일 검사, 버그 탐지, 개선 제안)을 가진 AI 에이전트가 순차적으로 실행되어 리뷰 코멘트를 자동으로 남기는 CLI 도구를 Python과 Shell로 구현합니다. 서브에이전트 기반 개발 방법론을 실습하며 AI 협업 파이프라인을 직접 설계합니다.
1
완성 목표
작게라도 배포 가능한 MVP를 만들고 README에 문제 정의, 핵심 기능, 배운 점을 정리합니다.
추천 수준
중급 개발자가 7일 안에 따라 만들 수 있게 범위를 줄여 시작합니다.
포트폴리오 포인트
멀티 에이전트 파이프라인 설계·구현 능력, GitHub Actions 연동 실무 스킬, LLM 프롬프트 엔지니어링 및 파싱 처리 경험을 한 프로젝트로 증명 가능
추천 도구
PythonGitHub ActionsShellOpenAI API (또는 로컬 LLM)GitHub CLI (gh)SupabaseOpenRouterVercel 또는 Cloudflare
따라 만들기 플랜
Day 1
Day 1: 요구사항 정리 및 아키텍처 설계 (에이전트 역할 정의, 데이터 흐름, GitHub Actions 트리거 포인트)
기능 범위를 줄이고 데이터 구조를 먼저 정리하세요.
Day 2
Day 2: Python CLI 스켈레톤 구현 (argparse, 설정 파일, GitHub API 인증, PR diff 가져오기)
작은 단위로 구현하고 바로 화면에서 확인하세요.
Day 3
Day 3: 에이전트 1 - 코드 스타일 검사 에이전트 개발 (린터 규칙 기반 + LLM 프롬프트로 스타일 위반 탐지 및 코멘트 생성)
작은 단위로 구현하고 바로 화면에서 확인하세요.
Day 4
Day 4: 에이전트 2 - 버그 탐지 에이전트 개발 (정적 분석 도구 연동 또는 LLM 기반 패턴 매칭으로 잠재적 버그 식별)
작은 단위로 구현하고 바로 화면에서 확인하세요.
Day 5
Day 5: 에이전트 3 - 개선 제안 에이전트 개발 (리팩토링 기회, 성능 개선, 보안 강화 제안 생성)
작은 단위로 구현하고 바로 화면에서 확인하세요.
Day 6
Day 6: GitHub Actions 워크플로우 작성 (순차 실행, 에이전트 간 컨텍스트 전달, 리뷰 코멘트 POST 자동화)
작은 단위로 구현하고 바로 화면에서 확인하세요.
Day 7
Day 7: 통합 테스트·문서화·배포 (샘플 PR로 엔드투엔드 검증, README 작성, 포트폴리오용 데모 영상 녹화)
배포 후 README와 회고를 남기면 포트폴리오 완성도가 올라갑니다.