context-continuity-engine

AI coding session의 context가 한계에 도달했을 때, 현재 작업에 필요한 context를 보존하고 불필요한 context를 줄여 작업 연속성과 token 효율을 확보하는 도구.

문서

• 문제 정의: docs/problem.md
• 평가 방법: docs/evaluation.md
• 아키텍처: docs/architecture.md
• 결정 기록: docs/decisions/
• 향후 확장 방향(Session Memory/Log 분리 아키텍처): docs/decisions/0014-future-session-layer-architecture.md
• End-to-End Task Completion Benchmark(실제 tool call 기반): experiments/e2e_benchmark/README.md
• AI 작업 규칙: AGENTS.md

상태

전체 파이프라인(ingest → Task Context Analysis → Working Context → baseline 비교 → reconstruction test → token 비교)이 규칙 기반 baseline 수준으로 구현됨. 상세는 docs/architecture.md 참조. 실행: python3 -m unittest discover -s tests

비교 실행: python3 scripts/run_comparison.py → examples/groq_model_migration_session/comparison_result.md에서 실제 token/reconstruction 결과 확인.

설치

저장소 폴더에서 한 번만:

pip install -e .

그러면 context-continuity-engine 명령이 어디서나(폴더 이동 없이) 바로 실행된다. python3 -m src.cli 형태로 실행해도 동일하게 동작한다(설치 없이 쓰고 싶을 때).

실제 사용법

세션이 길어져서 새 세션으로 넘어가야 할 때, 채팅 화면을 그대로 복사해서 파일로 저장한 뒤:

context-continuity-engine session.txt --raw | pbcopy   # macOS: Working Context를 클립보드로 바로 복사
context-continuity-engine session.txt --raw             # 표준출력으로 텍스트 확인
context-continuity-engine session.txt --raw --json      # 전체 분석 결과를 JSON으로 확인

--raw는 "user: 내용", "assistant: 내용" 정도의 화자 표시만 있으면 되는 느슨한 형식이다 — 채팅 화면 복사 텍스트에 그대로 쓸 수 있다(근거: docs/decisions/0012-raw-text-input.md). [timestamp] speaker: 같은 엄격한 형식으로 이미 정리된 파일이면 --raw를 빼도 된다.

새 세션 맨 앞에 붙여넣으면 된다. 요약 통계(token 감소율, retention_action 분포)는 표준에러로 따로 출력된다. 근거는 docs/decisions/0011-single-command-cli.md 참조.

예제 데이터

examples/groq_model_migration_session/ — 실제 개발 세션에서 추출한 session log. 원본 정보(session.txt/md/json)와 추출 정보(annotations.json) 구분은 해당 디렉토리의 README 참조.

라이선스

Apache 2.0