LION 코드 지식 그래프 기반 평가: Settlement·Lemuel-XR·Inter-ASAT

LION 코드 지식 그래프 기반 평가: Settlement·Lemuel-XR·Inter-ASAT

요약

이번 글은 세 프로젝트의 코드를 직접 수정하거나 운영 DB에 접속하지 않고, 로컬 코드·문서·SQL·설정에서 추출한 관계 그래프를 먼저 만든 뒤 LION의 컴퓨터과학 15개 렌즈로 평가하는 접근을 정리한다. 그래프는 최종 판정기가 아니라 대규모 코드베이스의 탐색 범위를 줄이는 증거·관계 탐색 계층이다.

중요: 아래 그래프 수치는 로컬 결정론적 read-only extractor가 추출한 결과다. Graph edge 자체는 런타임 동작의 증명이 아니며, 중요한 관계는 소스코드·테스트·마이그레이션·ADR·실행 Trace로 재검증해야 한다.

1. 평가 방법

저장소 HEAD 확인
→ 코드·문서·SQL·설정 관계 추출
→ graph.json·GRAPH_REPORT.md·manifest 생성
→ LION_INPUT.md로 commit·노드·관계·안전 범위 고정
→ API·DB·이벤트·테스트 경로 재검증
→ 15개 CS 렌즈 평가

공통 안전 범위는 다음과 같다.

• 운영 DB 접근 없음
• 운영 데이터·Secret 접근 없음
• 저장소 코드 수정 없음
• 그래프 관계 provenance는 EXTRACTED만 사용
• INFERRED·AMBIGUOUS 관계는 확인 전 사실로 사용하지 않음

2. 비교 개요

프로젝트	기준 commit	그래프 노드	그래프 관계	핵심 관찰
Settlement	70d24bb	4,058	32,136	다중 MSA·정산·원장·대사·이벤트 관계가 가장 큼
Lemuel-XR	07fe3ec	910	3,650	Kotlin/Spring·Next.js·AI·안전 게이트가 결합됨
Inter-ASAT	7078b60	583	3,571	훈련 세션·trial·적응 알고리즘·분석·export 경로가 핵심

생성 산출물은 프로젝트별 graph.json, GRAPH_REPORT.md, manifest.json, LION_INPUT.md로 관리한다.

3. Settlement 평가

확인된 구조

Settlement 그래프는 다음 종류의 관계를 포착했다.

• import 관계: 24,611
• 테이블 참조: 2,621
• 선언된 endpoint: 258
• Spring/Kafka/JPA 관련 선언: 591
• topic 문자열: 8
• 모듈 소속 관계: 4,047

도메인 관점에서 핵심 경로는 다음과 같이 검토해야 한다.

order/payment
  → outbox_events
  → Kafka topic
  → projection consumer
  → settlement view/aggregate
  → ledger
  → payout
  → reconciliation

LION 관점의 판단

• 분산 시스템: Outbox·이벤트·projection·대사 관계를 분리해 검토할 수 있는 구조다. 다만 그래프만으로 순서·멱등성·DLT 복구가 보장됐다고 판단할 수 없다.
• 데이터베이스: 서비스별 DB와 원장 불변성·adjustment/reversal 규칙이 핵심이다. migration·entity·repository·계약 테스트를 함께 확인해야 한다.
• 보안: 금융 데이터와 운영 권한 경계가 중요하다. Secret·RBAC·내부 API·감사 로그는 그래프 후보를 실제 설정과 테스트로 재검증해야 한다.
• 운영: Kubernetes·ArgoCD·Prometheus/Grafana·ELK를 연결할 수 있지만, SLO·RTO/RPO·복구 실측은 별도 증거가 필요하다.
• 종합: 세 프로젝트 중 그래프 전략의 기대효과가 가장 크다. 관계 수와 서비스 경계가 커서 변경 영향도 분석, 이벤트 계약 검토, 대사 경로 추적에 유리하다.

주요 리스크

1. 그래프의 import·문자열 추출만으로 실제 producer/consumer 의미를 확정하면 안 된다.
2. 원장·대사·지급의 불변식은 코드·테스트·실행 결과를 함께 봐야 한다.
3. 대규모 문서·샘플 JSON이 그래프 입력에 포함되면 핵심 코드 관계가 묻힐 수 있다. source/document 계층과 도메인별 필터가 필요하다.

4. Lemuel-XR 평가

확인된 구조

• import 관계: 2,357
• 테이블 참조: 364
• endpoint 선언: 26
• topic 관계: 2
• 전체 노드: 910

프로젝트 문서 기준 핵심 흐름은 다음과 같다.

training/session
  → trial
  → adaptive algorithm
  → result/reliability grade
  → dashboard/export

LION 관점의 판단

• 소프트웨어 공학: Kotlin/Spring 헥사고날 경계와 테스트·게이트 문서가 중요한 평가 근거다.
• 데이터: Flyway·JPA entity·DTO·export 사이의 컬럼 일관성을 그래프 후보로 찾기 좋다.
• 보안·안전: JWT·관리자 경계뿐 아니라 신학·임상 안전 게이트가 기능 품질의 일부다. 그래프 연결만으로 안전 승인을 대체할 수 없다.
• AI·데이터: Python sidecar와 분석 산출물의 lineage를 추적할 수 있지만, 분석 결과의 통계적 타당성은 별도 검증이 필요하다.
• 종합: 코드 그래프는 endpoint·entity·migration·export 누락을 찾는 데 유용하다. 그러나 사용자 노출 콘텐츠는 정적 관계보다 정책·검토 게이트의 실제 실행 여부가 더 중요하다.

현재 작업 트리에는 application.yml과 안전 테스트 변경이 있었으므로, 평가 시 해당 변경을 기준 commit과 분리해 보고해야 한다.

5. Inter-ASAT 평가

확인된 구조

• import 관계: 2,400
• 테이블 참조: 545
• endpoint 선언: 52
• 전체 노드: 583

핵심 구조는 다음과 같다.

User/TrainingSession
  → TrainingTrial
  → AdaptiveAlgorithmState
  → TrainingResult/JND
  → Dashboard
  → CSV/Excel export

LION 관점의 판단

• 데이터 모델: 훈련 세션·trial·결과·알고리즘 상태가 분리되어 있어 재현성·감사 추적을 그래프로 확인하기 좋다.
• 데이터베이스: Flyway와 JPA 모델의 관계, soft delete·version·snapshot 필드 일관성이 핵심이다.
• 운영: PostgreSQL·Redis·MinIO·Python 분석 sidecar가 여러 경계를 만든다. 장애 시 데이터 재처리·export 재현성을 검증해야 한다.
• 보안: TRAINEE/ADMIN 권한과 export 데이터 경계가 중요하다. 그래프는 후보 경로를 주지만 접근통제의 실제 효과는 테스트와 runtime 검증이 필요하다.
• 종합: 프로젝트 규모가 Settlement보다 작아 전체 관계를 빠르게 이해하기 좋다. 그래프 전략은 데이터 lineage와 migration/entity drift 검출에 특히 적합하다.

docs/STATUS.md가 변경된 상태이므로, 자동화 파이프라인은 해당 변경을 덮어쓰지 않고 현재 HEAD와 working tree를 분리해 기록해야 한다.

6. 세 프로젝트 비교

평가축	Settlement	Lemuel-XR	Inter-ASAT
관계 복잡도	매우 높음	높음	중간
그래프 효과	이벤트·원장·대사 영향도	안전·AI·migration lineage	세션·trial·결과 lineage
주요 위험	문자열 관계의 과해석	안전 게이트 실행 여부	분석·export 재현성
우선 검증	Kafka·Outbox·DB·대사	권한·안전·Flyway	JPA·Flyway·sidecar
추천 활용	변경 리뷰·장애 RCA	아키텍처·안전 리뷰	데이터 모델·품질 리뷰

7. 운영 파이프라인

세 프로젝트에 다음 실행기를 적용했다.

Settlement:
  /Users/lms/.hermes/scripts/run_settlement_lion_pipeline.py

Lemuel-XR/Inter-ASAT:
  /Users/lms/.hermes/scripts/run_local_lion_pipeline.py

각 실행기는 repository HEAD와 graph manifest의 commit이 다르면 그래프를 재생성하고, 검증된 LION_INPUT.md를 만든다. pipeline 실패·stale graph·저장소 부재 시에는 graph-assisted review라고 주장하지 않고 원인을 보고해야 한다.

결론

그래프 전략의 본질은 LION을 대체하는 것이 아니라 LION의 첫 탐색 단계를 구조화하는 데 있다.

코드 그래프
= 관계 탐색·영향도 축소

LION
= 15개 CS 렌즈 종합평가

실제 코드·테스트·Trace
= 중요 관계의 최종 검증

LLM Wiki
= 근거·결정·변경 이력 저장

세 프로젝트 모두 적용 가치가 있지만 우선순위는 다음과 같다.

1. Settlement: 이벤트·원장·대사 복잡도가 높아 효과가 가장 큼
2. Lemuel-XR: 안전 게이트·AI·데이터 lineage 검토에 유리
3. Inter-ASAT: 세션·trial·분석 데이터 흐름 검증에 유리

이번 평가는 로컬 코드·문서·설정 그래프 기반의 정적 사전평가다. 운영 안정성, 실제 성능, 보안 적합성, 데이터 품질을 최종 확정하려면 테스트·runtime Trace·권한 검증·실측이 추가로 필요하다.

References

• LION skill and Graphify evidence-graph integration
• Settlement repository
• Lemuel-XR repository
• Inter-ASAT repository
• Graphify

그래프 산출물 기준일: 2026-08-07. 그래프는 로컬 read-only extractor로 생성했으며 실제 운영 DB·Secret·운영 데이터에는 접근하지 않았다.