# Show GN: AI-SLOP Detector — AI가 만든 ‘과장 거짓 코드’ 분석 탐지 도구 > Clean Markdown view of GeekNews topic #25694. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=25694](https://news.hada.io/topic?id=25694) - GeekNews Markdown: [https://news.hada.io/topic/25694.md](https://news.hada.io/topic/25694.md) - Type: show - Author: [flamehaven01](https://news.hada.io/@flamehaven01) - Published: 2026-01-09T21:45:47+09:00 - Updated: 2026-01-09T21:45:47+09:00 - Original source: [github.com/flamehaven01](https://github.com/flamehaven01/AI-SLOP-Detector) - Points: 2 - Comments: 0 ## Topic Body ##이 도구는 개인적인 실패 경험에서 출발했습니다. 며칠 전, 저는 자신만만하게 “HRPO-X v1.0.1 – 하이브리드 추론 최적화 프레임워크 구현체”라는 거창한 이름의 리포지토리를 공개했습니다. 최신 논문을 기반으로 아키텍처를 구현했다고 믿었던 프로젝트였습니다. 하지만 공개 직후 달린 첫 반응은 제 기대를 산산조각 냈습니다. > “혹시나 해서 들어가 봤는데, 역시나네요. > 환각(Hallucination) 덩어리로 만들어진 AI Slop 레포.” 처음엔 악플인 줄 알았습니다. 하지만 코드를 다시 열어 하나하나 뜯어보니, 그 지적은 뼈아플 정도로 정확했습니다. --- #### 문제는 “의도”가 아니라 “밀도” 해당 프로젝트는 단순한 데모가 아니라, 논문을 **프로덕션 아키텍처로 옮기는 과정**에 대한 연구 결과물이었습니다. * 아키텍처 설계 있음 * 폴더 트리 정리됨 * 설정 파일(Config) 존재 * 클래스 정의 및 인터페이스 완비 * 내부 감사(audit) 알고리즘도 정상 통과 겉보기엔 완벽했습니다. 심지어 기존의 린터(Linter)나 구조적 무결성 검사도 모두 통과했습니다. 하지만 원인을 파고들면서, 저는 치명적인 문제를 발견했습니다. > **“구조적 무결성(Structural Integrity)은 완벽했지만, > 내용적 밀도(Content Density)는 0에 수렴하고 있었다.”** 즉, * 껍데기(Shell)는 그럴싸한데 * 실제 구현 로직은 비어 있거나(`pass`) * 과도하게 포장된 주석으로만 채워져 있었습니다 저는 이것이 AI가 생성한 코드의 전형적인 쓰레기 패턴, 즉 “AI Slop”임을 인정할 수밖에 없었습니다. --- #### 그래서 만든 도구: AI-SLOP Detector 그래서 만든 도구가 **AI-SLOP Detector**입니다. 목표는 단순합니다. * 코드가 얼마나 잘 작동하는가가 아니라 * 코드와 설명 사이에 얼마나 괴리가 있는가를 * **정적으로 관찰하는 것** 이를 위해 다음과 같은 지표를 사용합니다. --- #### 무엇을 탐지하나 README에서 정의한 AI Slop 패턴은 크게 세 가지입니다. ##### 1. Empty Function Slop (공허한 함수) * 설명은 복잡하지만 * 실제 구현이 `pass` 수준인 함수 ##### 2. Buzzword Inflation (용어 인플레이션) * 코드 복잡도와 무관하게 `neural`, `transformer`, `quantum`, `enterprise` 같은 용어가 과도하게 사용되는 경우 ##### 3. Overhyped Comments (과대포장된 주석) * 단순한 로직에 “혁신적”, “state-of-the-art” 같은 표현이 반복되는 주석 --- #### 분석 방식 (요약) AI-SLOP Detector는 Python AST를 기반으로, 여러 지표를 병렬로 계산해 Deficit Score (0–100)를 산출합니다. ##### 핵심 지표 ###### LDR (Logic Density Ratio) * 전체 코드 중 실제 로직이 차지하는 비율 * 기준: **45% 미만이면 CRITICAL(F)** 등급 ###### Inflation Score * 문서·주석의 버즈워드(허세 과장 용어) 밀도 대비 코드 복잡도 * 기준: **2.0배 이상이면 CRITICAL** ###### DDC (Dependency Density Check) * 사용되지 않는 import * 의미 없는 의존성 비율 ###### Pattern Registry * empty function * bare `except` * TODO / FIXME 남용 등 * 다수의 AI 생성 코드 특유 패턴 탐지 이 값들을 종합해 다음 상태로 분류합니다. * `CLEAN` * `SUSPICIOUS` * `INFLATED` * `CRITICAL` --- #### 프로젝트 상태 * Python 3.8+ * CLI 및 Python API 제공 * 테스트 34개 통과 * 최신 버전: **v2.5.0 (2026-01-09)** --- #### 누구를 위한 도구인가 * 노코드 / 로우코드 도구를 사용하는 사람들 * AI로 생성된 코드를 검수해야 하는 입장의 개발자 * “그럴듯해 보이지만 찜찜한 리포지토리”를 자주 마주하는 사람들 이 분들에게 **“이 코드가 왜 이상해 보이는지”를 설명할 수 있는 신호**를 제공하는 것이 목적입니다. --- #### 마지막으로 위에서 언급한 **HRPO-X v1.0.1**은 전면 리팩토링을 거쳐, 현재는 **교육용 버전으로 현실성 있게 재정비**했습니다. 이 글과 도구가 비슷한 고민을 겪고 있는 분들에게 작게나마 도움이 되었으면 합니다. **모든 개발자님 화이팅입니다!** ## Comments _No public comments on this page._