46개의 리포지토리에서 AI의 의미론적 검색을 가능하게 한 방법을 소개합니다.
이 글은 Part 1에서 남겨진 접근 문제를 해결하기 위한 방법을 설명합니다. 46개의 리포지토리 코드베이스에 자연어 쿼리를 통한 AI 접근을 가능하게 하기 위해 db-graph에서 검증된 패턴을 재사용했습니다. 이 글에서는 엔지니어의 일상적인 워크플로우를 방해하지 않고 작업을 수행하는 방법과 여러 그래프 간의 조인을 보호하는 SLO에 대해 다룹니다. 마지막으로 동일한 엔터티 정규화 및 실제 커밋을 통한 시험과 오류의 타임라인도 포함됩니다.
This post introduces a method to make AI semantically search across 46 repositories.
This article addresses the entry-point problem left open in Part 1 by enabling AI to access a 46-repo codebase via natural language queries. The approach reuses a proven pattern from db-graph for semantic search. It discusses the separate-branch operation that preserves engineers’ daily workflows and the SLO that safeguards joins between three graphs. Additionally, it covers SAME_ENTITY normalization and the timeline of trial and error traced through real commits.