HelixHarness 운영 중

HelixHarness는 디디 금융 기술팀이 오픈 소스로 공개한 AI 코딩 엔지니어링 프레임워크로, Codex와 Claude Code를 기반으로 실행됩니다. HelixHarness는 Propose→Apply→Archive 표준 워크플로를 통해 개발 프로세스를 구동하며, Knowledge, Harness, Specs, Hooks의 4계층 구조화 컨텍스트를 사용해 팀의 비즈니스 지식, 엔지니어링 표준 및 검사 규칙을 Agent의 실행 흐름에 주입합니다. 함께 제공되는 선택형 플랫폼은 관측 가능성, 버전 비교 평가 및 통제된 발전 기능을 제공해 팀이 전용 Harness를 지속적으로 구축하고 최적화할 수 있도록 지원합니다.

WeChat에서 팔로우한 후 “开源”라고 답장하여 AI 오픈 소스 프로젝트交流群에 참여하세요.
표준화된 워크플로: Propose→Apply→Archive 세 가지 명령으로 요구사항의 설계, 개발 실행부터 아카이빙과 지식 축적까지 전체 개발 프로세스를 구동합니다.
엔지니어링 컨텍스트 관리: Knowledge, Harness, Specs, Hooks의 4계층 구조화 디렉터리를 통해 프로젝트 지식, 엔지니어링 제약, 요구사항 계약 및 검사 규칙을 재사용 가능한 자산으로 축적합니다.
필요에 따른 컨텍스트 로딩: 인덱스를 사용해 현재 작업에 필요한 문서를 정확히 로드하여 Agent 실행 중 지식이 실제로 활용되도록 합니다.
지식 복리 축적: 사람이 확인한 검증 경험을 아카이빙하면 이후 유사한 작업에서 재사용할 수 있어 팀의 엔지니어링 DNA를 지속적으로 강화합니다.
프로세스 관측: 워크플로 실행 데이터, 단계 상태, Token 소비량 및 재작업 경로를 기록하여 사용 중 마찰이 발생하는 지점을 파악합니다.
프레임워크 평가: 고정된 Base/Candidate 버전을 동일한 시나리오에서 비교 테스트하여 프레임워크 변경 효과를 객관적으로 검증합니다.
통제된 발전: 관측 근거를 바탕으로 개선 가설을 수립하고, 평가와 사람의 검토를 거쳐 채택하여 반복 개선의 선순환을 만듭니다.
저장소 간 협업: 다중 저장소 Workspace에 각 저장소의 역할을 기록하고, 서비스 간 작업 조정 및 세션 재개를 지원합니다.
이중 호스트 지원: Codex와 Claude Code를 모두 지원하며, 플러그인 마켓플레이스에서 한 번에 설치할 수 있어 소스 코드를 수동으로 복제할 필요가 없습니다.

환경 준비: Python 3.10+, Git, 그리고 로그인되어 정상적으로 사용할 수 있는 Codex 또는 Claude Code가 설치되어 있는지 확인합니다.
플러그인 설치: codex plugin marketplace add https://github.com/didi/helixharness.git 및 codex plugin add helix@helixharness-marketplace를 실행합니다.
프로젝트 진입: 개발하려는 비즈니스 저장소에서 새로운 Agent 세션을 시작합니다.
프로젝트 초기화: 대화에서 /helix:init을 실행하여 HelixHarness에 필요한 디렉터리 구조와 컨텍스트 파일을 생성합니다.
요구사항 작성: docs/specs/ 아래의 요구사항 문서에 요구사항을 작성하거나 /helix:propose를 통해 대화형으로 생성합니다.
워크플로 시작: /helix:propose <작업> <요구사항 파일> --loop을 실행하면 Agent가 Propose→Apply→Archive 전체 과정을 자동으로 수행합니다.
사람의 의사결정: 프로세스는 주요 단계에서 일시 중지되어 범위,方案 및 인수 기준에 대한 확인을 기다립니다. 안내에 따라 결정을 입력하면 됩니다.
진행 상황 확인: 언제든지 /helix:status를 사용해 현재 단계, 진행 상황 및 차단 항목을 확인할 수 있습니다.
아카이빙 확인: 작업이 완료되면 Archive 제안에 보존할 지식을 검토하고, 확인 후 프로젝트 지식 저장소에 기록하여 이후 재사용합니다.
구성 관리: /helix:config를 사용해 텔레메트리 권한 및 보고 주소를 확인하거나 수정합니다.

엔지니어링 지식의 자산화: 문서와 개인 경험에 흩어져 있던 비즈니스 지식과 아키텍처 제약을 프로젝트 내 구조화되고 유지 관리 가능한 재사용 자산으로 전환합니다.
지식 복리 효과: 검증된 경험을 확인 후 아카이빙하여 축적하고, 이후 작업에서 인덱스를 통해 자동으로 로드하므로 Agent의 출발점이 프로젝트와 함께 지속적으로 발전합니다.
전체 생명주기 검토 가능: Propose→Apply→Archive 프로세스를 통해 요구사항 사양, 실행 증거 및 인수 결과를 모두 저장소에 보존하여 전체 과정을 투명하게 확인할 수 있습니다.
프레임워크 업그레이드의 정량화: 연계 플랫폼은 고정 버전 비교 평가를 지원하므로 규칙이나 Skill을 변경할 때마다 데이터에 기반해 판단하고 반복 개선의 위험을 줄입니다.
팀 단위 확장 역량: 디디 내부 10개 이상의 부서와 수백 개 비즈니스 모듈에서 얻은 실제 경험을 바탕으로, AI 코딩을 개인 생산성 향상에서 팀 단위 납품으로 확장하는 과제를 해결합니다.

GitHub 저장소: https://github.com/didi/helixharness

기업级 비즈니스 기능 개발: 금융, 전자상거래 등 복잡한 비즈니스 규칙이 있는 프로젝트에서 Agent가 축적된 도메인 지식을 바탕으로 새로운 기능을 제공하도록 하여 비즈니스 로직의 규정 준수를 보장합니다.
다중 팀 협업을 통한 대규모 개발: 다중 저장소 Workspace로 마이크로서비스 아키텍처의 서비스 간 기능 요구사항을 조정하고, 각 부서의 AI 코딩 표준을 통일하여 팀마다 Harness를 반복적으로 맞춤 설정하지 않도록 합니다.
레거시 시스템 유지보수 및 개조: Knowledge 계층에 축적된 시스템 아키텍처와 과거의 의사결정을 활용해 Agent가 레거시 코드를 빠르게 이해하도록 지원하고, Harness의 제약 아래 안전하게 리팩터링과 마이그레이션을 수행하여 변경 위험을 줄입니다.
프레임워크와 표준의 지속적인 최적화: 프레임워크 유지 관리자는 플랫폼의 관측 및 평가 기능을 활용해 실제 시나리오에서 서로 다른 Rule/Skill 버전의 성능을 비교하고, 데이터를 바탕으로 규칙 변경을 채택할지 결정합니다.