[논문리뷰] RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation

링크: 논문 PDF로 바로 열기

저자: Steven Liu, Xin Zhang, Kyleraha, Cipherxzc, Luo2003

핵심 연구 목표

대규모 언어 모델(LLMs)이 함수 및 파일 수준 코드 생성에는 뛰어나지만, 완전한 저장소(repository)를 처음부터 생성 하는 데는 한계가 있습니다. 이는 제안 및 구현 단계 전반에 걸친 일관되고 신뢰할 수 있는 계획의 부재와 복잡한 소프트웨어 구조를 자연어가 모호하고 비구조적으로 표현하는 데서 비롯됩니다. 이 연구는 이러한 문제를 해결하고 장기적인 계획과 확장 가능한 저장소 생성을 가능하게 하는 통합된 표현 방식을 제안합니다.

핵심 방법론

본 연구는 제안 및 구현 수준의 계획을 통합하는 영구적인 표현인 Repository Planning Graph (RPG) 를 도입합니다. RPG는 계층적 기능, 파일 구조, 데이터 흐름, 함수를 노드로, 의미적 관계와 데이터 흐름을 엣지로 인코딩하여 모호한 자연어를 명시적인 청사진으로 대체합니다. 이 RPG를 기반으로 ZeroRepo 라는 그래프 기반 프레임워크를 개발하여, 제안 수준 계획 , 구현 수준 정제 (파일 스켈레톤, 인터페이스, 데이터 흐름 인코딩), 그래프 기반 코드 생성 및 테스트 검증 의 세 단계를 통해 저장소를 생성합니다.

주요 결과

RepoCraft 벤치마크(6개 실제 프로젝트, 1,052개 태스크)에서 ZeroRepo는 평균 36K LOC 규모의 저장소를 생성하여, 가장 강력한 기준선인 Claude Code보다 약 3.9배 , 다른 기준선보다 약 64배 더 큽니다. 기능 커버리지 81.5% 와 통과율 69.7% 를 달성했으며, 이는 Claude Code를 각각 27.3% 와 35.8%p 초과하는 수치입니다. 추가 분석 결과 RPG가 복잡한 종속성을 모델링하고, 기능성과 코드 크기의 거의 선형적인 확장을 지원하며, LLM의 저장소 이해도를 향상시켜 에이전트 로컬라이제이션을 가속화 함을 보여줍니다.

AI 실무자를 위한 시사점

RPG는 대규모 소프트웨어 프로젝트 에서 일관되고 확장 가능한 코드베이스 생성 을 위한 핵심적인 구조적 기반을 제공합니다. 이는 자연어 계획의 본질적인 한계를 극복하고, LLM 기반 에이전트가 복잡한 종속성을 효율적으로 관리 하며 장기적인 개발 주기 를 지원하도록 돕습니다. AI 실무자들은 RPG와 같은 그래프 기반 청사진을 활용하여 코드 생성의 정확성과 효율성 을 극대화하고, LLM의 능력을 단일 함수를 넘어선 시스템 수준 으로 확장하는 데 집중할 수 있습니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.