OMG (Oh My GPT)
"조직의 DNA를 복제하여 전문성을 스케일링하다."
Prism은 Closed 데이터에서 조직의 협업 패턴을 추출하고, 멀티 에이전트 기반의 '회고 법정(Retrospective Court)'을 통해 스스로 성능을 고도화하는 기업용 DevRel 운영 자동화 플랫폼입니다.
🎥 URL: Prism: Self-Evolving DevRel OS Demo Video
성장하는 테크 기업에서 DevRel 및 오픈소스 관리 조직은 다음과 같은 고질적인 스케일링 문제에 직면합니다.
- 폭발적인 운영 비용: 커뮤니티와 사용자 이슈는 기하급수적으로 늘어나지만, 숙련된 엔지니어의 시간은 한정되어 있어 응대 지연 및 품질 저하가 발생합니다.
- Tribal Knowledge: 수천 개의 Closed Issue/PR에는 조직만의 해결 노하우와 커뮤니케이션 톤앤매너가 담겨 있으나, 이는 정형화되지 못한 채 방치됩니다.
- 문서와 실무의 괴리: 코드는 업데이트되지만 공식 문서는 뒤처지는 문서화 갭이 발생하며, 이는 반복적인 중복 질문으로 이어져 운영 효율을 저해합니다.
기본적인 룰베이스 봇은 복잡한 기술적 컨텍스트를 이해하지 못하며, 단순 RAG는 조직 특유의 의사결정 방식(가이드라인)을 반영하지 못합니다. Prism은 단순 응답을 넘어, 에이전트 간 논쟁과 피드백 루프를 통해 조직의 전문성을 디지털화함으로써 이 문제를 해결합니다.
- OpenAI API 사용
- 멀티에이전트 구현
- 실행 가능한 데모
Prism은 세 가지 핵심 레이어를 통해 DevRel 워크플로우를 만들었습니다.
- 기능: 과거의 우수 사례(Closed Issue/PR)를 분석하여 조직 고유의 협업 가이드라인을 추출합니다.
- 차별점: 일반적인 시스템 프롬프트 대신, 분석 에이전트가 조직의 기술 스택과 톤앤매너가 주입된 5종의 전문 페르소나 에이전트용 맞춤형 프롬프트를 동적으로 생성합니다.
신규 이슈 발생 시, 전문화된 에이전트 군단이 유기적으로 협업합니다.
- Issue Analysis: 기술적 핵심 파악 및 긴급도 분류.
- Assignment: 기여 히스토리 기반 최적의 담당자 추천.
- Drafting: 조직의 가이드라인을 준수한 고품질 답변 초안 생성.
- Doc-Gap Analysis: 이슈 해결 과정에서 수정이 필요한 문서 영역 식별.
- Impact Evaluation: 기여자의 활동 가치를 정량적으로 평가.
- 기능: 에이전트의 수행 결과와 사용자의 피드백을 기반으로 '검사-변호사-판사' 에이전트가 공방(Debate)을 벌입니다.
- 결과물: 결과의 오류를 스스로 교정하고, '프롬프트 개선안'을 도출하여 다음 이슈 처리 시 반영합니다. 이는 인간의 개입을 최소화하면서도 시스템이 시간이 갈수록 정교해지는 Self-evolving 구조를 실현합니다.
| 항목 | 기존 방식 (Manual) | Prism 도입 후 |
|---|---|---|
| 평균 응대 시간 (MTTA) | 수 시간 ~ 수일 | 수 분 이내 (초안 완성) |
| 운영 비용 | 시니어 엔지니어의 반복 작업 | 에이전트 자동화로 비용 80% 절감 |
| 문서 최신성 | 수동 업데이트 (누락 빈번) | 실시간 갭 분석 및 업데이트 제안 |
| 지식 계승 | 담당자 퇴사 시 지식 유실 | 조직 DNA의 지속적 축적 및 자가 진화 |
Prism은 각 에이전트의 역할과 복잡도에 따라 서로 다른 LLM 모델을 사용합니다. 이를 통해 비용 효율성과 성능을 최적화합니다.
| 에이전트 | 역할 | 기본 모델 | 선택 이유 |
|---|---|---|---|
| Issue Analysis | 이슈 분류, 우선순위 판단 | gpt-4.1-mini |
빠른 분류 작업에 경량 모델 사용 |
| Assignment | 담당자 추천 | gpt-4.1 |
기여 히스토리 분석에 고성능 모델 필요 |
| Response | 답변 초안 생성 | gpt-5-mini |
자연스러운 문장 생성에 최신 모델 활용 |
| Docs Gap | 문서화 갭 분석 | gpt-4.1 |
코드-문서 매핑에 정확도 필요 |
| Promotion | 기여자 승급 평가 | gpt-5 |
복합적 평가에 최고 성능 모델 사용 |
| 에이전트 | 역할 | 기본 모델 | 선택 이유 |
|---|---|---|---|
| Prosecutor | 에이전트 출력 비판 | gpt-4o-mini |
비용 효율적 분석 |
| Defense | 에이전트 출력 옹호 | gpt-4o-mini |
비용 효율적 분석 |
| Jury | 중립적 관찰 | gpt-4o-mini |
비용 효율적 분석 |
| Judge | 최종 판결, 교훈 도출 | gpt-4o-mini |
구조화된 JSON 출력 |
| 기능 | 모델 | 용도 |
|---|---|---|
| Embedding | text-embedding-3-large |
RAG 벡터 검색 (3072 차원) |
| LLM Judge | gpt-4.1-mini |
에이전트 출력 품질 평가 |
Prism의 아키텍처는 데이터 추출, 멀티 에이전트 협업, 그리고 자가 진화 루프로 구성됩니다.
graph TD
%% Phase 1: Knowledge Extraction
subgraph "Phase 1: Knowledge Mining"
DB[(GitHub Data)] --> DNA[DNA Analyzer Agent]
DNA --> PC{Prompt Catalog}
end
%% Phase 2: Execution Pipeline
subgraph "Phase 2: Multi-Agent Workflow"
Input[New Issue/PR] --> Triage[Issue Analysis Agent]
Triage --> Assign[Assignee Matcher Agent]
Assign --> Answer[Draft Response Agent]
Answer --> Gap[Doc-Gap Analyst Agent]
Gap --> Promo[Promotion Evaluator Agent]
end
%% Phase 3: Evolution
subgraph "Phase 3: Retrospective Court (Evolution)"
Answer --> Court{Court Process}
Feedback[Human Feedback] --> Court
Court --> Pros[Prosecutor Agent]
Court --> Def[Defense Agent]
Pros & Def --> Judge[Judge Agent]
Judge --> Optimize[Prompt Optimizer]
end
%% Connections
PC -.-> Triage & Assign & Answer & Gap & Promo
Promo --> Output[Final Report / Dashboard]
style Court fill:#f96,stroke:#333,stroke-width:2px
style PC fill:#bbf,stroke:#333,stroke-width:2px
- Core: OpenAI Agents SDK
- Vector DB: PostgreSQL (조직 히스토리 및 지식 베이스 관리)
- Human-in-the-loop: 에이전트가 생성한 초안 및 회고 결과에 대해 관리자가 최종 승인/수정할 수 있는 인터페이스 제공.
- Node.js >= 18.x
- Python >= 3.11
- PostgreSQL >= 15 (pgvector 확장 포함)
git clone https://github.com/GSN-OMG/Prism.git
cd Prismphase2/prism-devrel/.env 파일을 생성하고 다음 내용을 설정합니다:
# OpenAI API Key (필수)
OPENAI_API_KEY=sk-proj-xxxxx
# GitHub Token (이슈 생성용)
GITHUB_TOKEN=ghp_xxxxx
# Tavily API Key (외부 검색용, 선택)
TAVILY_API_KEY=tvly-xxxxx
# LLM 설정
OPENAI_JUDGE_MODEL=gpt-4o-mini
RUN_LLM_JUDGE=1cd phase2/prism-devrel
# Python 가상환경 생성 및 활성화
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
# 의존성 설치
pip install -e ".[api]"
# 환경 변수 로드 후 서버 실행
export $(cat .env | grep -v '^#' | xargs)
python -m uvicorn devrel.api.main:app --host 0.0.0.0 --port 8000 --reload백엔드 서버: http://localhost:8000
cd frontend
# 의존성 설치
npm install
# 개발 서버 실행
npm run dev프론트엔드: http://localhost:3000
# Docker를 사용한 PostgreSQL + pgvector 설정
docker run -d \
--name prism-postgres \
-e POSTGRES_USER=prism \
-e POSTGRES_PASSWORD=prism \
-e POSTGRES_DB=prism \
-p 5433:5432 \
pgvector/pgvector:pg16
# 마이그레이션 실행
cd phase1
python scripts/migrate.py모든 서비스를 한 번에 실행하려면:
# 터미널 1: 백엔드
cd phase2/prism-devrel
export $(cat .env | grep -v '^#' | xargs)
python -m uvicorn devrel.api.main:app --port 8000 --reload
# 터미널 2: 프론트엔드
cd frontend
npm run dev브라우저에서 http://localhost:3000 접속 후:
- 이슈 제목과 내용 입력
- "Create Issue & Run Agents" 클릭
- 5개의 에이전트가 순차 실행
- 각 에이전트 결과에 대해 Human Review 수행
- "Start Court" 클릭하여 회고 법정 실행
| 엔드포인트 | 설명 |
|---|---|
GET /health |
서버 상태 확인 |
POST /api/github/issues |
GitHub 이슈 생성 |
POST /api/agents/run |
에이전트 파이프라인 실행 |
POST /api/court/run |
회고 법정 실행 |
POST /api/court/run/stream |
회고 법정 실시간 스트리밍 |
Prism은 GitHub이라는 단일 플랫폼을 넘어, 파편화된 기업의 기술 생태계를 하나로 연결하는 'Omni-Channel DevRel Intelligence'로 진화할 것입니다.
- 데이터 소스 다각화: GitHub 외에도 Notion(가이드라인), Slack(과거 대화 히스토리), Confluence 등 사내 지식 베이스를 연동하여 답변의 근거를 보강할 예정입니다.
- 협업 툴 워크플로우 통합:
- Discord/Slack: 실시간 커뮤니티 질문에 대한 답변 초안 생성 및 배포.
- Jira/Linear: 분석된 이슈를 바탕으로 결함 수정 및 기능 개선 티켓 자동 발행.
| 이름 | 역할 |
|---|---|
| 김하림 | Phase 1 |
| 최성우 | Phase 2 |
| 김준재 | Phase 3 |
| 임지훈 | 테스트 & 피드백 |