문제를 먼저 이해하고, 직접 만드는 것을 즐깁니다.
| 프로젝트 | 기여 내용 | 상태 |
|---|---|---|
| ESLint | fix: prevent ASI hazard in no-unused-labels autofix 외 PR 4건 |
✅ Merged |
| claude-skills ⭐24k | collab-proof 스킬 기여 | ✅ Merged |
| langchain-ai/docs | dompruner-py를 Document Loaders 공식 목록에 등재 (#5424) | ✅ Merged |
| 프로젝트 | 설명 | 배포 |
|---|---|---|
| dompruner-mcp | LLM 웹 파이프라인을 위한 DOM AST 미들웨어. WebFetch 대비 93.5% 토큰 절감, 소형 모델 없음 |  |
| dompruner-py | LangChain 생태계용 Python 포트. DomPrunerLoader · DomPrunerSitemapLoader · DomPrunerFetchTool |
 |
| huginin-cli | AI 세션을 캡처하고 결정 이력을 커밋에 연결하는 CLI | Go |
| collab-proof | 세션 종료 후 AI vs 개발자 기여도를 기록 — 외부 의존성 없음 | Shell |
dompruner를 "범용 크롤러"로 안 만든 이유 JS 렌더링, auth, proxy를 붙이면 기능은 늘지만 정체성을 잃습니다. 핵심 가치는 "HTML이 주어졌을 때 LLM이 읽을 수 있는 형태로 정제한다"이고, fetch는 편의 레이어입니다. 경계를 그은 덕에 LangChain 미들웨어로서의 역할이 명확해졌습니다.
MCP와 Python 포트가 다르게 동작하는 이유 MCP는 LLM이 직접 호출하는 도구라 fetch까지 책임지고 CSR 페이지에서 Playwright를 자동 시도합니다. Python은 개발자가 파이프라인에 끼워 넣는 미들웨어라 fetch는 사용자 몫입니다. 같은 엔진, 다른 역할.
- LLM 최적화 — LLM이 토큰을 낭비하거나 중간에서 요약되는 점을 발견했습니다. dompruner는 그 불만에서 시작했고, 소형 모델 없이 DOM AST만으로 93.5% 절감했습니다.
- 불편하면 직접 만들기 — 없는 도구는 직접 만드는 편입니다. AI 협업에서 결정 이력이 사라지는 게 불편해서 huginin-cli를 만들었고, 기여도가 불투명해서 collab-proof를 만들었습니다. 실제 불편한 점을 찾고, 이를 바탕으로 쓰임새 있게 만듭니다.
- 빠른 실행 — 설계가 되면 빠르게 작업물을 만듭니다. dompruner-mcp → py 포트 → Remote HTTP → LangChain 등재까지, 단순하게 생각만으로 끝내지 않고 빠른 실행으로 진행합니다.