현재 작업하던 프로젝트들을 뒤져봤는데, lessons가 16개가 최대이더라구요.
그리고 영향 파트 및 Severity를 같이 라벨링하기 때문에 어느정도 누적은 버텨줄 것으로 보이는데,
그 이상 쌓였을 경우에 대한 플랜은 생각해둬야 할 것 같네요.
저의 경우 시드에 대한 테스트를 따로 돌려보는 편이 아니고,
데모 수준의 프로젝트에 이용해 보는 경우가 아닌 실제 본격 작업중인 프로젝트에 적용하고 쓰면서 다듬는 상황이라 측정 자료는 따로 존재하지 않습니다.
RAG 인덱스 최적화 부분은 현재로서는 마크다운 위주의 개발문서 repo 타겟이라 현재 수준으로 적용되어 있습니다.
(* Claude Project의 개발 문서 repo 연동시의 최적화를 목적으로 적용된 부분입니다.)
두 번째 사항에 대해서는, 실질적으로 실시간 동시 운용을 권장 드리는 편은 아닙니다.
목적에 따라 효과적인 모델을 이용하려 할 때가 기본 가정이고,
그 외에는 명백히 서로 다른 파트를 작업할 때는 동시에 이용할 수 있습니다.
예를 들어 Claude로 PM 파트 담당으로 해서 작업 분배 플래닝을 먼저 진행한 뒤,
Antigravity와 Codex에서 FE/BE를 각각 동시에 돌린 후,
PM이 결과 취합하고 다시 다음 플래닝을 하는 식입니다.
그리고 현재로써는 제가 토큰을 아끼는 상황이 아니어서 마스터 시드에 모두 상위 모델로 돌리고 있는 관계로,
토큰 분산은 각 에이전트 플랫폼 별 가성비가 높은 플랜을 선택하고 추가 타 플랫폼도 마찬가지로 가성비 플랜을 구독하여 수평 확장하는 차원에서 접근되어 있습니다.
토큰을 절대적으로 아끼는게 목적이라면 현 시점에서는 본 시드 사용을 권장 드리는 편은 아닙니다.
현재 작업하던 프로젝트들을 뒤져봤는데, lessons가 16개가 최대이더라구요.
그리고 영향 파트 및 Severity를 같이 라벨링하기 때문에 어느정도 누적은 버텨줄 것으로 보이는데,
그 이상 쌓였을 경우에 대한 플랜은 생각해둬야 할 것 같네요.
저의 경우 시드에 대한 테스트를 따로 돌려보는 편이 아니고,
데모 수준의 프로젝트에 이용해 보는 경우가 아닌 실제 본격 작업중인 프로젝트에 적용하고 쓰면서 다듬는 상황이라 측정 자료는 따로 존재하지 않습니다.
RAG 인덱스 최적화 부분은 현재로서는 마크다운 위주의 개발문서 repo 타겟이라 현재 수준으로 적용되어 있습니다.
(* Claude Project의 개발 문서 repo 연동시의 최적화를 목적으로 적용된 부분입니다.)
두 번째 사항에 대해서는, 실질적으로 실시간 동시 운용을 권장 드리는 편은 아닙니다.
목적에 따라 효과적인 모델을 이용하려 할 때가 기본 가정이고,
그 외에는 명백히 서로 다른 파트를 작업할 때는 동시에 이용할 수 있습니다.
예를 들어 Claude로 PM 파트 담당으로 해서 작업 분배 플래닝을 먼저 진행한 뒤,
Antigravity와 Codex에서 FE/BE를 각각 동시에 돌린 후,
PM이 결과 취합하고 다시 다음 플래닝을 하는 식입니다.
그리고 현재로써는 제가 토큰을 아끼는 상황이 아니어서 마스터 시드에 모두 상위 모델로 돌리고 있는 관계로,
토큰 분산은 각 에이전트 플랫폼 별 가성비가 높은 플랜을 선택하고 추가 타 플랫폼도 마찬가지로 가성비 플랜을 구독하여 수평 확장하는 차원에서 접근되어 있습니다.
토큰을 절대적으로 아끼는게 목적이라면 현 시점에서는 본 시드 사용을 권장 드리는 편은 아닙니다.