LLM Wiki: 코드 기준으로 자동 최신화되는 도메인 지식 SSOT 만들기

들어가며 안녕하세요. LINE Plus에서 Global E-Commerce Platform 개발을 맡고 있는 윤석범입니다. AI로 개발할 때 결과물의 품질은 AI의 코드 생성 능력보다 얼마나 정확한 맥락 위에서 작업하는지에 달려 있습니다. 그런데 MSA(Microservices Architecture) 환경에서는 이 맥락이 여러 저장소와 서비스에 흩어져 있습니다. 하나의 기능이 여러 서비스에 나뉘어 구현돼 있어 단일 저장소의 코드만으로는 전체 비즈니스 흐름과 의도를 파악하기 어렵습니다. 이 문제는 요구사항을 받아 스펙을 정리할 때 특히 드러납니다. 요청을 개발 가능한 수준으로 구체화하려면 조건과 예외, 데이터 기준, 영향 범위를 정의하고 기존 정책·인터페이스와 충돌하지 않는지 확인해야 하는데, 그 근거가 여러 서비스와 문서에 흩어져 있는 데다 무엇이 최신 기준인지 판단하기도 어렵습니다. AI가 낡은 문서를 참조하거나 부족한 맥락을 추론으로 메우면 실제 구현과 다른 전제가 스펙에 섞여 들어가고, 잘못 정리된 스펙은 이후 개발과 검토의 기준이 되기 때문에 뒤늦게 발견하면 스펙 정리부터 개발까지 다시 해야 합니다. 그래서 저희는 매번 흩어진 정보를 AI에 주입하는 대신, 코드를 근거로 삼는 SSOT( Single Source of Truth, 단일 진실 공급원)를 만들었습니다. 코드에서 비즈니스 정책을 추출해 지식 문서로 정리하고, 코드가 바뀌면 문서도 따라 최신화되는 구조입니다. 이렇게 지식이 한곳으로 모이면서 AI가 추론으로 빈칸을 메우는 일이 줄었고, 영향받는 서비스를 추적하거나 도메인 문의에 답할 때도 하나의 SSOT에서 답을 얻게 됐습니다. 이 글에서는 이 지식 문서를 LLM Wiki로 만들고 유지한 방법과, 실제 개발에 활용한 과정을 공유하려 합니다. LLM Wiki란 무엇인가 LLM Wiki는 Andrej Karpathy가 제안한 개념으로, 질문을 받을 때마다 원본을 매번 다시 읽는 대신, LLM(Large Language Model)이 원본을 한 번 읽어 지속적으로 관리되는 위키로 정리해 두고, 이후 질문은 그 위키에서 답하게 하자는 것입니다. 핵심은 위키를 관리하는 주체가 사람이 아니라 LLM이라는 점입니다. 저희는 이 개념을 코드 중심으로 구현했습니다. LLM이 코드와 문서에서 비즈니스 정책을 추출해 도메인 지식 문서를 만들고, 코드가 바뀌면 그 변경을 반영해 다시 최신화합니다. 사람은 이 과정에서...