Kernforge Roadmap For Windows Security And Anti-Cheat

July 23, 2026 · View on GitHub

이 문서는 현재 Kernforge 구현 상태를 바탕으로 Claude Code 및 Codex와 비교했을 때, 따라가야 하는 범용 기능과 우리만의 강점으로 키워야 하는 기능을 함께 정리한 제품/구현 로드맵이다.

기준 시점:

코드베이스 기준: 2026-07-24 (P0 보안 워크벤치 구현 반영)
외부 비교 기준:
- Claude Code 공식 문서
- OpenAI Codex 공식 도움말 및 공개 저장소
관련 연구: [[docs/research/2026-07-24-security-capability-review.md]]

0. 2026-04 방향 재정렬

Kernforge의 다음 발전 방향은 크게 세 축으로 잡는다.

전체 프로젝트 분석 및 문서화
퍼징 전문 도구
증상 기반 root-cause investigation과 coding-agent completion harness

이 재정렬은 현재 구현 상태와 잘 맞는다. 코드베이스에는 이미 multi-agent project analysis, deterministic documentation writer, analysis dashboard, structural_index_v2, Unreal semantic graph, vector corpus, adaptive verification, evidence store, persistent memory, /fuzz-func 기반 source-level fuzzing, /find-root-cause root-cause analysis, 내장 root-cause pattern pack, final-answer coding harness가 들어가 있다. 따라서 다음 단계는 기능을 흩뿌려 늘리는 것이 아니라, 이 세 축을 제품의 중심 경험으로 고정하고 나머지 기능을 보조 계층으로 재배치하는 것이다.

권장 제품 포지션:

대형 Windows security / anti-cheat / Unreal 프로젝트를 먼저 이해하고 문서화하는 분석 에이전트
소스 기반 triage에서 native fuzzing 실행까지 이어지는 보안 퍼징 워크벤치
사용자가 보고한 증상을 worker/reviewer causal analysis, pattern prior, deterministic gate로 좁히는 root-cause investigator
분석 산출물, fuzz finding, verification, evidence, memory를 한 루프로 묶는 로컬 우선 security engineering runtime

핵심 원칙:

analyze-project는 일회성 요약이 아니라 프로젝트 지식 베이스를 만드는 기능으로 키운다.
/fuzz-func는 단일 명령 기능이 아니라 입력 표면 발굴, harness 생성, corpus 관리, crash triage까지 포함하는 전문 도구로 키운다.
/find-root-cause는 단순 질의응답이 아니라 증상 명확화, source shard 선택, worker/reviewer 검증, deep verification, pattern prior, audit trail이 있는 진단 루프로 키운다.
hooks, specialist, worktree, verification, evidence, desktop shell은 세 축을 더 안전하고 반복 가능하게 만드는 보조 인프라로 둔다.

1. 현재 Kernforge의 실제 강점

현재 코드베이스에서 이미 경쟁력이 있는 축은 다음과 같다.

전체 프로젝트 분석 및 문서화

/analyze-project [--docs] [--path <dir>] [--mode map|trace|impact|surface|security|performance]
/docs-refresh
/analyze-dashboard
conductor/worker/reviewer 기반 multi-agent analysis
knowledge pack, final document, shard document, performance lens
.kernforge/analysis/latest 아래 deterministic docs, docs manifest, docs index, dashboard
ARCHITECTURE.md, SECURITY_SURFACE.md, API_AND_ENTRYPOINTS.md, BUILD_AND_ARTIFACTS.md, VERIFICATION_MATRIX.md, FUZZ_TARGETS.md, OPERATIONS_RUNBOOK.md
문서별 source anchor, section metadata, confidence, stale/invalidation marker, reuse target
structural_index_v2, symbol anchor, call edge, build ownership edge
Unreal project/module/type/network/asset/config semantic graph
vector corpus와 ingestion manifest

소스 레벨 Function Fuzzing

/fuzz-func <function-name>
/fuzz-func --file <path> 및 /fuzz-func @<path>
source-only attack input modeling
guard/probe/copy/dispatch/cleanup observation 추출
branch predicate, 최소 반례, pass/fail outcome, downstream call chain 요약
build context가 충분할 때 native fuzzing 실행 계획과 corpus/crash directory 준비

증상 기반 Root-Cause Investigation

/find-root-cause [--pattern-pack <path-or-dir>] <problem>
증상 프롬프트 clarity check와 더 정확한 명령 재입력 안내
workspace source hint와 model clarity check를 결합한 borderline prompt 보정
코드 크기/후보 수 기반 1-8 worker shard 선택
worker는 입력 파라미터, DB/config 값, cache/counter/id/enum/null/lifecycle state의 out-of-range case를 fuzzing처럼 검토
reviewer는 worker 후보가 사용자 증상으로 실제 이어질 수 있는지 causal chain을 검증
deterministic quality gate가 causal stage, evidence file, concrete state signal, probe, symptom overlap 부족 후보를 reject/downgrade
deep verification, candidate clustering, regression/audit trail, root_cause_audit artifact 생성
/root-cause-patterns 내장 pack, workspace-local pack, GitHub issue search/normalize/validate 흐름

안전한 편집 루프

diff preview
selection-aware preview
자동 verification
자동 checkpoint
rollback
final answer coding harness
artifact quality, scenario replay, subagent orchestration, test impact, job supervisor, failure repair, user-change isolation

세션을 넘는 누적 맥락

persistent memory
analysis docs reuse memory record
analysis docs evidence record
verification history
evidence dashboard
memory dashboard
verification dashboard

Windows 친화 UX

별도 viewer 창
selection-first review/edit 흐름
Windows 입력/취소 처리
짧은 Esc 탭 취소와 취소 직후 프롬프트 안정화까지 포함한 콘솔 취소 신뢰성

planner/reviewer 분리 구조

/review plan
reviewer 모델 별도 구성

확장 가능성

local skill
MCP tool/resource/prompt

핵심 해석:

Kernforge는 이미 "코드를 잘 쓰는 에이전트"라기보다 "큰 보안 코드베이스를 이해하고, 근거를 남기며, 위험한 변경을 검증하는 에이전트" 쪽에서 강점이 있다.
이 강점은 Windows security/anti-cheat 워크플로우와 매우 잘 맞는다.

2. Claude Code / Codex 대비 현재 비교

Claude Code가 강한 축

hooks

세션 시작, 사용자 프롬프트 제출, tool 실행 전후, subagent 종료 같은 이벤트에 정책을 붙일 수 있다.

subagents

독립 context, 도구, 권한을 가진 전문 agent를 분리해 쓸 수 있다.

agent teams / 병렬 위임

긴 작업을 병렬화하기 쉽다.

광범위한 외부 연결

MCP를 통해 다양한 외부 시스템 연결이 자연스럽다.

Codex가 강한 축

승인/샌드박스/워크트리 흐름

승인 정책과 로컬 작업 모델이 강하다.

병렬 agent와 cloud delegation

로컬 페어링과 클라우드 위임을 함께 가져간다.

automations

반복 작업을 agent 워크플로우로 실행할 수 있다.

GitHub 연동형 코드 리뷰

PR 자동 리뷰 흐름으로 연결된다.

Kernforge가 이미 더 좋은 축

multi-agent project analysis가 단순 요약을 넘어 재사용 가능한 문서와 인덱스를 생성함
structural_index_v2, Unreal semantic graph, vector corpus까지 한 분석 실행에서 함께 남김
/fuzz-func가 source-only fuzz triage, harness artifact, native execution readiness를 하나의 흐름으로 묶음
/find-root-cause가 worker/reviewer root-cause shard, pattern prior, deep verification, audit trail을 하나로 묶음
final-answer coding harness가 artifact, scenario, worker evidence, background job, test impact를 실제 workspace 상태와 대조함
checkpoint + rollback가 기본 흐름에 잘 녹아 있음
verification history와 adaptive verification이 제품 중심 기능으로 존재함
selection-first edit/review UX가 명확함
persistent memory에 trust/importance 개념이 이미 있음

Kernforge에 남은 보강 축

analysis dashboard는 rich document portal, cross-doc search, evidence drill-down, trust-boundary/attack-flow MVP, docs-backed vector corpus 재수집까지 갖췄지만 아직 graph UX의 상호작용성은 부족함
generated docs는 API map, security surface, verification matrix, fuzz target catalog, trust/data-flow graph section을 생성하고, 변경 diff view를 graph section stale marker와 연결함
/fuzz-func는 강한 source-level triage와 docs catalog ranking을 갖췄지만 coverage-guided fuzzing, corpus lifecycle, crash minimization, sanitizer/coverage report까지 이어지는 전문 워크벤치는 아직 부족함
fuzz finding과 evidence graph, verification history, tracked feature를 하나의 issue lifecycle로 묶는 MVP가 들어갔고, coverage feedback과 dedup도 1차 구현됨. 다음은 coverage report format 확장이 필요함
local automation은 interval due 판단, digest/monitor/watch, process-detached daemon, notify artifact/webhook, -command scheduler runner, PR review report, gh metadata, safe comment draft/post까지 들어갔다. 다음은 cloud recurring job이다.
long-task continuity는 /session continuity packet, /session recover failure runbook, /session jobs terminal polling/cancel, 직접 !shell 실패의 command_error event 기록, /worktree list, /session audit readiness gate로 로컬 재개/복구/완료 판정 UX를 보강했다.
cloud delegation은 /session handoff artifact, /session handoff import, /session dashboard --html snapshot으로 이어받기 packet, 결과 merge, 현재 thread/task/automation 시각화를 만들 수 있다. 다음은 실제 cloud execution backend이다.
PR review automation은 local report, gh metadata, comment draft/post, review thread resolve, follow-up issue draft/create, label/assignee/milestone까지 들어갔다. 다음은 상주 PR monitor와 cloud-backed review workflow다.

대화형 에이전트 관점 비교

이 비교는 단순히 "코드를 수정할 수 있는가"가 아니라, 사용자의 직전 작업과 흐름을 이해하고 스스로 다음 행동을 제안하는 대화형 agent runtime 관점에서 본다.

요약:

Claude Code는 hook, subagent, external integration을 통해 "사용자/조직이 정책과 전문 agent를 구성하는 능력"이 강하다.
Codex는 local workspace, approval/sandbox, tool loop, 병렬 delegation, cloud/task handoff가 잘 결합되어 "작업을 실제로 끝까지 몰고 가는 페어 프로그래머" 경험이 강하다.
Kernforge는 최근 ConversationEventLog, ActiveConversationState, RecentErrorResolver, SituationSnapshot, SuggestionMemory, /suggest를 추가하면서 "프롬프트마다 끊기는 CLI"에서 "현재 상황을 기억하고 다음 행동을 제안하는 보안 엔지니어링 agent" 쪽으로 올라왔다.
다만 Claude/Codex가 가진 범용 생태계, cloud delegation, GitHub/PR 자동화, 자연스러운 장기 작업 orchestration은 아직 약하다.

항목	Claude Code	Codex	현재 Kernforge	해석
최근 대화/상황 grounding	5	5	5	`ConversationEventLog`, `ActiveConversationState`, `/session dashboard --html`, `/session continuity`로 직전 오류, tool result, handoff, provider/model, artifact ref, recovery action을 보존하고 시각화한다.
"방금 에러" 같은 지시어 이해	5	5	5	`RecentErrorResolver`가 provider/tool/command error를 직접 찾아 답하고, `/session recover`가 같은 실패 맥락을 `.kernforge/recovery/latest.md/json` runbook으로 외부화한다. 여러 오류 후보가 있으면 가장 가까운 오류를 설명하면서 다른 후보의 kind/source/model/shard/signature도 함께 보여준다.
현재 작업 이어가기	5	5	5	pending handoff, compact working memory, open artifact 보존에 더해 `/session continuity`가 changed files, open tasks, worktree, background job, verification failure, next command를 하나의 resume packet으로 묶고 `/session audit`가 완료 차단 조건을 파일로 남긴다.
스스로 다음 행동 제안	4	5	4	`SituationSnapshot`과 `ProactiveSuggestionEngine`이 verification gap, stale docs, fuzz gap, provider 429, dirty worktree, recurring verification, PR review automation을 제안한다. 기본 답변 자동 노출은 과잉 제안을 피하려 provider-blocking 위주로 제한했다.
제안 반복/거절 기억	3	4	4	`SuggestionMemory`가 shown/accepted/dismissed/executed/cooldown을 session JSON에 보존하고, accepted/dismissed 선호는 persistent memory에도 승격한다.
작업 계획과 실행 루프	4	5	5	일반 구현/수정/실행 요청에서 `SelfDrivingWorkLoop`가 task state와 task graph를 자동 시드하고 inspect -> implement -> verify -> summarize 루프를 system prompt와 종료 조건에 주입한다. 복잡한 작업은 기존 planner/reviewer preflight를 우선 사용하고 `/session audit`가 final readiness를 외부 artifact로 검문한다.
tool 사용 안정성	4	5	5	Windows shell guard, diff preview, edit approval, verification, checkpoint, failure repair harness, 직접 `!shell` 실패 event 기록, `/session recover`, `/session jobs` polling/cancel이 연결되어 local command loop recovery가 더 자연스러워졌다.
병렬/전문 agent 운용	5	5	4	project analysis conductor/worker/reviewer와 specialist/worktree가 있고 `/session handoff`와 `/session handoff import`로 다른 agent/cloud task가 이어받고 결과를 merge할 compact packet을 만든다. 실제 병렬 cloud 실행은 Claude/Codex가 앞선다.
검증/증거 기반 판단	3	4	5	Kernforge의 verification history, evidence store, analysis docs, fuzz findings 결합은 보안 작업에서는 오히려 강점이다.
보안/Windows/anti-cheat 도메인 감도	2	3	5	Kernforge는 IOCTL, ETW, memory scanning, Unreal, driver/build/signing/fuzz workflow에 맞춘 판단 기준을 제품 중심에 둔다.
외부 시스템 연동	5	4	3	MCP, gh 기반 PR metadata, review comment draft/post/thread resolve, issue create, issue 운영 필드, webhook notification, handoff artifact는 들어갔다. cloud automation은 아직 얇다.
자동화/스케줄링	3	5	4	`/automation`으로 recurring verification/PR review slot, interval due 판단, digest, monitor/watch, process-detached daemon, notify artifact/webhook, safe dispatcher, `-command` scheduler runner 실행을 제공한다. cloud recurring job은 다음 단계다.
UX polish	4	5	3	Kernforge CLI/Windows viewer와 `/session dashboard --html` 정적 dashboard는 실용적이지만, Codex급 desktop/app experience와 interactive thread visualization은 아직 부족하다.

대화형 agent 능력만 놓고 본 현재 위치:

Kernforge는 "상황 기억"과 "최근 오류 grounding"에서는 Claude/Codex의 하위 호환 수준까지 올라왔다.
"스스로 판단하고 제안"은 1차 구현이 들어갔지만, 아직 rule-based detector 중심이다. 이 선택은 보안 엔지니어링에서는 장점이다. 이유와 근거가 명확하고 테스트 가능하기 때문이다.
Codex와의 가장 큰 차이였던 "작업을 맡기면 스스로 전체 루프를 굴리는 자연스러움"은 1차 보강이 들어갔다. 일반 구현/수정 요청은 이제 self-driving work loop로 task graph를 만들고, 도구 사용, 자동 검증, 실패 복구, 최종 요약을 하나의 흐름으로 묶는다.
Claude와의 가장 큰 차이는 "사용자 정의 subagent/hook 생태계의 범용성"이다. Kernforge는 보안/Windows 전문성은 강하지만, 조직별 agent 팀과 외부 시스템 연결은 더 얇다.

Kernforge가 차별화해야 할 방향:

Codex를 그대로 복제하기보다 "evidence-backed security engineering agent"로 간다.
제안은 LLM 추측이 아니라 SituationSnapshot에 근거한 rule/data driven 판단으로 시작하고, LLM은 설명과 우선순위 조율에만 쓴다.
verification, fuzz finding, analysis docs stale marker, evidence gap을 "대화 중 자연스러운 next step"으로 계속 승격한다.
Windows security 작업에서는 "자동 실행"보다 "위험도와 근거가 붙은 확인 가능한 제안"이 더 중요하다.
장기적으로 /suggest 결과를 dashboard, task graph, feature lifecycle, automation scheduler와 연결해 "현재 상황 -> 추천 행동 -> 실행 -> 검증 -> evidence 기록" 루프를 완성한다.

다음 보강 우선순위:

완료: SuggestionDashboard를 analysis/verification/evidence dashboard와 통합했다. /suggest dashboard --html은 integrated signals, related dashboard command chips, evidence refs, accept/dismiss command chips를 함께 보여준다.
완료: AutonomyMode=confirm에서 /suggest accept <id> 시 safe slash command dispatcher가 허용된 명령을 실행하고 suggestion을 executed로 전환한다.
완료: dismissed/accepted suggestion을 persistent memory로 승격해 session을 넘는 사용자 선호를 학습한다.
완료: 여러 background job 또는 subagent가 동시에 실패했을 때 recent error resolver가 후보의 kind/source/model/shard/signature를 비교 설명한다.
완료: 일반 구현/수정/실행 요청을 SelfDrivingWorkLoop로 승격해 task graph와 자동 verification/final answer review 종료 조건에 연결했다.
완료: /suggest 후보와 accepted/dismissed/executed 상태를 TaskGraph의 suggest:<id> node로 동기화한다.
완료: /automation과 /review pr MVP를 추가해 recurring verification slot, PR review report generation, suggestion accept -> automation 등록 흐름을 연결했다.

3. 제품 방향 추천

권장 방향은 "Claude Code + Codex의 범용 기능을 뒤쫓는 제품"이 아니라 아래 포지션이다.

4. 제안 기능 우선순위

P0. Project Intelligence And Documentation Platform

목표:

analyze-project를 "큰 프로젝트 요약 명령"에서 "프로젝트 지식 베이스와 운영 문서를 생성하는 플랫폼"으로 확장한다.

현재 구현 상태:

완료: analysis run에서 deterministic documentation writer가 실행된다.
완료: .kernforge/analysis/latest/docs에 ARCHITECTURE.md, SECURITY_SURFACE.md, API_AND_ENTRYPOINTS.md, BUILD_AND_ARTIFACTS.md, EVIDENCE_GRAPH.md, SECURITY_OVERLAY.md, UNSUPPORTED_CLAIMS.md, VERIFICATION_MATRIX.md, FUZZ_TARGETS.md, OPERATIONS_RUNBOOK.md, INDEX.md가 생성된다.
완료: .kernforge/analysis/latest/docs_manifest.json, docs_index.md, run.json, snapshot.json, architecture_facts.json, graph_shards.json, graph_reuse.json, evidence_graph.json, claim_verification.json, unsupported_claims.json, security_overlay.json, dashboard.html이 생성된다.
완료: 문서와 섹션에 source anchor, confidence, stale/invalidation marker, reuse target이 표시된다.
완료: /analyze-project --docs, /analyze-project --path <dir>, /docs-refresh, /analyze-project --mode surface, /analyze-dashboard가 help와 completion까지 포함해 노출된다.
완료: generated docs의 FUZZ_TARGETS.md catalog를 /fuzz-func target ranking이 재사용한다.
완료: generated docs의 VERIFICATION_MATRIX.md를 /verify planner가 재사용한다.
완료: generated docs manifest는 evidence kind=analysis_docs와 persistent memory의 project knowledge-base record로 저장된다.
완료: /analyze-project 완료 후 눈에 띄는 Analysis artifacts: 블록으로 주요 산출물 경로를 다시 출력하고, Analysis handoff가 /analyze-dashboard, /fuzz-campaign run, 상위 /fuzz-func ... drilldown, /verify 중 필요한 다음 명령을 안내한다.
완료: 자연어 goal의 디렉토리 힌트는 자동 scope로 유지하고, 명시적인 범위 고정이 필요할 때는 /analyze-project --path <dir>가 실행 전 검증된 shard scope를 만든다.
완료: README, feature guide, generated docs의 역할이 분리되고 한국어/영어 README 동기화 기준이 유지된다.
완료: /analyze-project --mode <mode> 또는 /analyze-project --path <dir> --mode <mode>에서 goal을 생략해도 mode/path 기반 기본 분석 목표를 자동 생성한다.
완료: trace, impact, surface, security, performance 실행 시 이전 map run을 baseline architecture map으로 로드해 worker/reviewer/synthesis prompt가 구조 지도를 재사용한다.
완료: 분석 실행 확인 화면에 선택된 baseline_map, goal, artifact, anchor 수를 표시해 사용자가 진행 전에 재사용될 map을 확인할 수 있게 했다.
완료: worker/reviewer provider rate-limit이나 일시 오류가 전체 analysis run을 중단하지 않도록 shard-level low-confidence failure로 degrade하고, synthesis 실패 시 local fallback document를 생성한다.
완료: deterministic architecture_facts.json을 생성해 worker/reviewer/synthesis, generated docs, cached structure QA, answer evaluator가 같은 source-derived 사실 집합을 공유한다.
완료: .kernforge/analysis/latest persistence는 기존 latest mirror를 교체한 뒤 새 run 산출물을 쓰므로 반복 분석 중 stale 파일이 retrieval에 남지 않는다.
완료: local model analysis에서는 명시 shard 제한이 없으면 provider/model/token/timeout 신호로 shard 크기를 자동 조절하고, 최종 timeout 또는 5xx/overload 계열 실패 후에는 더 작은 shard로 한 번 자동 재실행한다.
완료: Phase 5 graph-guided shard planner가 startup, IOCTL, callback, handle/memory, RPC, asset/config, build-context, generated-artifact community를 우선 분리하고, required/supporting/ambiguous/gap evidence packet contract를 worker prompt와 docs에 연결한다.
완료: Phase 5 symbol-level incremental reuse가 file, symbol, edge, build-context, overlay, derived graph fingerprint를 shard cache decision과 graph reuse artifact에 반영한다.
완료: Phase 6 deterministic claim verifier가 model-review-skipped run에서도 실행되고, unsupported high-confidence claim을 downgrade/blocking으로 분리해 UNSUPPORTED_CLAIMS.md와 final report section에 남긴다.
완료: Phase 6 security/anti-cheat overlay가 Windows driver/IOCTL/callback/handle/memory/RPC/telemetry와 Unreal RPC/replication/asset/config/integrity surface를 docs/dashboard/final report에 연결한다.

현재 남은 핵심 과제:

완료: generated docs dashboard를 정적 document portal 수준으로 확장한다.
완료: cross-document search, source anchor deep link, stale section diff, evidence/memory drill-down을 추가했다.
완료: trust-boundary graph와 attack-flow view MVP를 dashboard에 연결했다.
완료: 문서 산출물을 vector corpus에 whole-document/section-level record로 재수집한다.
완료: docs manifest schema versioning과 backward compatibility policy를 둔다.
완료: data-flow edge 정밀화와 generated docs 본문 내 graph section 연결을 보강한다.
완료: 변경 diff view 정밀화와 graph 섹션의 stale marker 연동을 보강했다.
완료: fuzz campaign artifact/evidence graph schema와 finding issue lifecycle 연결을 보강했다.
완료: coverage gap을 FUZZ_TARGETS.md refresh와 ranking에 feedback한다.

현재 기반:

ProjectAnalysisRun은 snapshot, shard report, review decision, final document를 보존한다.
KnowledgePack은 subsystem, dependency, project edge, Unreal metadata를 구조화한다.
structural_index_v2는 symbol anchor, call edge, build ownership edge, overlay edge를 제공한다.
Unreal graph는 project, plugin, target, module, reflected type, network surface, asset/config 관계를 제공한다.
vector corpus와 ingestion manifest는 후속 검색/RAG 계층으로 넘기기 좋은 형태다.

우선 강화할 문서 산출물:

ARCHITECTURE.md

subsystem ownership, entrypoint, runtime flow, build/module boundary를 요약한다.

SECURITY_SURFACE.md

IOCTL, RPC, IPC, handle, memory, ETW, network, Unreal RPC/replication surface를 중심으로 정리한다.

API_AND_ENTRYPOINTS.md

exported function, command handler, service entry, driver dispatch, Unreal module startup/shutdown을 catalog화한다.

BUILD_AND_ARTIFACTS.md

solution/project/target/module, compile command coverage, generated code, signing/package readiness를 정리한다.

VERIFICATION_MATRIX.md

변경 유형별 필수 검증, optional 검증, 누락 시 위험, evidence 연결 방식을 표로 남긴다.

FUZZ_TARGETS.md

/fuzz-func가 바로 이어받을 수 있는 후보 함수, 파일, entrypoint, 입력 파라미터, build context 수준을 정리한다.

OPERATIONS_RUNBOOK.md

live investigation, telemetry capture, crash triage, false positive 대응, release gate를 운영 흐름으로 정리한다.

구현 우선순위:

완료: analysis run에서 위 문서들을 deterministic하게 생성하는 documentation writer 추가
완료: 문서별 source anchor, confidence, stale/invalidation marker 표시
완료: .kernforge/analysis/latest 아래에 문서 index와 manifest 생성
완료: /analyze-project --docs와 /docs-refresh 명령 추가
완료: /analyze-project --mode surface 정식 노출
완료: README_kor.md, feature guide, generated docs 사이의 역할 분리
완료: 문서 산출물을 evidence, memory, verification planner, fuzz target discovery가 재사용하도록 연결
완료: 분석 직후 Analysis handoff로 dashboard, fuzz campaign, target drilldown, verification의 다음 단계를 안내
완료: dashboard를 문서 포털로 고도화하고 source anchor/evidence drill-down을 추가
완료: dashboard에 trust-boundary graph와 attack-flow view 생성
완료: generated docs를 retrieval/vector corpus로 재수집
완료: docs manifest schema versioning과 backward compatibility policy
완료: data-flow edge 정밀화와 generated docs graph section
완료: /analyze-project --path <dir>와 prompt 기반 scope 안내를 추가해 사용자가 하위 디렉토리 분석 범위를 자연스럽게 고정할 수 있게 함
완료: 변경 diff view와 graph stale marker 연동
완료: fuzz campaign artifact/evidence graph schema와 finding issue lifecycle 연결
완료: coverage gap feedback을 FUZZ_TARGETS.md ranking에 연결
완료: finding/crash dedup을 fingerprint, source anchor, suspected invariant 기준으로 병합
완료: coverage feedback 입력 포맷 확장. libFuzzer run log, llvm-cov text, LCOV, JSON coverage summary를 campaign coverage report로 수집하고 coverage gap feedback과 artifact graph에 연결한다.

성공 조건:

달성: 큰 프로젝트를 처음 열었을 때 1회 분석으로 사람이 읽을 수 있는 문서 세트가 생성된다.
달성: 보안 리뷰와 구현 작업이 같은 source anchor와 subsystem map을 공유한다.
달성: fuzz target 후보와 verification matrix가 분석 산출물에서 자동으로 나온다.
달성: 변경 후 재분석 시 오래된 문서 섹션과 재사용 대상이 명확히 구분된다.
달성: dashboard에서 문서, source anchor, fuzz target, verification check, evidence/memory follow-up을 한 화면에서 추적할 수 있다.

P0. Root-Cause Investigation And Pattern Packs

목표:

/find-root-cause를 "원인 추측 답변"이 아니라 증상 명확화, source shard 선택, worker/reviewer 검증, deep verification, pattern prior, audit trail이 있는 진단 루프로 만든다.

현재 구현 상태:

완료: /find-root-cause [--pattern-pack <path-or-dir>] <problem description> 명령을 추가했다.
완료: 프롬프트가 비어 있으면 usage와 파티원 제한/Win32 service stop 예시를 출력한다.
완료: affected component, trigger/repro, observed failure, expected invariant가 불명확하면 부족한 부분과 더 정확한 /find-root-cause ... command template를 출력하고 agent 실행을 중단한다.
완료: source hint와 optional model clarity check로 한국어 자연어 증상이 keyword heuristic 부족만으로 거절되지 않게 했다.
완료: root-cause mode는 workspace scan, source path/symbol match, pattern prior를 결합해 code match와 hypothesis를 만든다.
완료: 코드 크기와 후보 수에 따라 1개부터 최대 8개 worker shard를 선택한다.
완료: worker prompt는 입력 파라미터, DB/config 값, decoded payload, cached state, counter, id, enum, nullable reference, lifecycle state의 out-of-range case를 fuzzing처럼 검토하도록 요구한다.
완료: worker 후보는 trigger -> invalid_state -> state_transition -> missing_guard -> user_visible_symptom causal chain, evidence file/function, runtime observation, verification probe, disproof condition을 갖춰야 한다.
완료: reviewer는 worker가 보고한 문제가 사용자 증상으로 이어질 수 있는지 검증하고, 부족하면 evidence_requests로 추가 focused shard를 요구한다.
완료: deterministic quality gate가 causal stage, evidence file, concrete state signal, valid probe, symptom overlap 부족 후보를 reject/downgrade한다.
완료: reviewer-approved candidate에 대해 symbol-aware focused excerpt 기반 deep verification을 수행한다.
완료: near-duplicate 후보 clustering, rejected/disconfirmed candidate audit trail, code-change-aware regression prior를 보존한다.
완료: /root-cause-patterns list|match|github-search|normalize|validate 명령을 추가했다.
완료: Windows service, Windows kernel driver, Unreal client/server, web backend, Go/CLI agent 계열 내장 pattern seed pack을 추가했다.
완료: GitHub issue search는 issue 전용 safe query, quality scoring, closed bug/fix/root-cause 신호, PR 제외, local JSON corpus 저장을 지원한다.
완료: GitHub issue corpus를 provisional pattern pack으로 normalize하고 validation으로 품질 문제를 확인할 수 있다.
완료: pattern pack은 search prior로만 쓰고, /find-root-cause 최종 판단은 현재 소스 증거와 reviewer causality validation을 요구한다.

남은 구현 항목:

보류: DeepVerifierProfile처럼 profile 설정이 과해질 수 있는 옵션은 아직 노출하지 않는다.
향후: 실제 운영 repo별 pattern pack promotion workflow와 citation-rich source tracking을 더 엄격하게 만들 수 있다.

성공 조건:

달성: 사용자가 자연어 증상을 입력하면 불명확한 경우 더 나은 prompt를 먼저 요구한다.
달성: 명확한 증상은 1-8 worker/reviewer root-cause run으로 전환된다.
달성: worker가 보고한 후보가 사용자 증상으로 이어질 수 있는지 reviewer와 deterministic gate가 검증한다.
달성: 내장/로컬/GitHub-derived pattern pack이 후보 prior로 쓰이되 proof를 대체하지 않는다.

P0. Coding Agent Completion Harnesses

목표:

Codex와 비교했을 때 부족했던 "작업 완료 직전 자기검문" harness를 추가해, 모델이 실제 파일/검증/worker 상태와 다른 최종 답변을 내지 않게 한다.

현재 구현 상태:

완료: AcceptanceContract가 사용자 요청에서 expected behavior, non-goal, changed surface, required artifact, verification requirement를 추출한다.
완료: PatchTransaction이 edit tool, scoped shell write, changed path, fingerprint, failed tool call을 기록한다.
완료: final answer 직전 CodingHarnessReport가 blocker/warning을 모아 승인 여부를 결정한다.
완료: artifact quality harness가 requested/claimed document artifact를 읽어 placeholder/TODO, thin content, topic coverage 부족을 검사한다.
완료: scenario replay harness가 bug scenario에서 trigger/expected/observed bridge와 replay/verification disclosure를 요구한다.
완료: subagent orchestration harness가 root-cause 답변의 worker evidence, reviewer validation, review failure disclosure, causal bridge를 검사한다.
완료: test impact harness가 code-like changed path에 대해 verification planner 추천 명령과 verification evidence gap을 기록한다.
완료: job supervisor harness가 failed/running/stale background job과 verification bundle을 숨기지 못하게 한다.
완료: failure repair harness가 verification 실패의 첫 의미 있는 error line, repeated count, narrow rerun command, next repair step을 active context로 보존한다.
완료: user-change isolation이 turn 시작 이후 사용자가 바꾼 target path overwrite를 막고 fresh read/merge-aware edit을 요구한다.
완료: scenario replay의 instructional boilerplate false positive와 subagent strict-mode overblocking을 회귀 테스트로 고쳤다.

남은 구현 항목:

없음. P0 범위의 final-answer completion harness, repair loop, user-change isolation, false-positive regression coverage를 완료했다.

성공 조건:

달성: "문서 파일을 만들었다"는 답변은 실제 파일 존재와 내용 품질을 통과해야 한다.
달성: bug fix claim은 scenario replay/verification evidence 또는 명시적 not-run disclosure를 요구한다.
달성: root-cause claim은 worker evidence가 사용자 증상으로 이어지는 causal bridge를 가져야 한다.
달성: background work와 verification failure가 남아 있으면 최종 답변에서 숨길 수 없다.

P0. Fuzzing Workbench

목표:

/fuzz-func를 source-only triage 명령에서 전문 퍼징 워크벤치로 확장한다.

현재 기반:

함수명 또는 파일 기반 target resolution
on-demand semantic index 복원
guard/probe/copy/dispatch/cleanup observation 추출
branch predicate, 최소 반례, pass/fail outcome, downstream call chain 렌더링
report.md, plan.json, harness.cpp 산출물 생성
build context가 있을 때 native execution readiness와 corpus/crash directory 준비
/fuzz-func continue로 pending native 실행 승인 흐름 지원
generated FUZZ_TARGETS.md catalog와 docs_manifest.json을 target ranking에 반영
help/completion에서 파일 기반, 함수 기반, language, continue 흐름을 노출
완료: /source-scan이 built-in source matcher 후보를 저장하고 /fuzz-func --from-candidate <candidate-id> handoff를 안내함
완료: /fuzz-func가 기본적으로 기존 source candidate를 재사용하거나 target/reachable file 범위 focused source-scan을 실행해 plan에 source_candidate_id, source_scan_mode, source_scan_summary를 남김
/fuzz-campaign MVP가 campaign manifest와 .kernforge/fuzz/<campaign-id>/ artifact layout을 생성
campaign seed target은 최신 generated FUZZ_TARGETS.md catalog에서 초기 후보를 가져옴
/fuzz-campaign planner가 현재 상태를 보고 다음 한 단계를 제안
/fuzz-campaign run이 campaign 생성, latest /fuzz-func attach, source-only VirtualScenarios의 corpus/<run-id>/scenario-XX-*.json 승격을 자동 수행
/fuzz-func 결과 출력이 campaign handoff를 자동 표시해 사용자가 다음 명령을 추측하지 않아도 됨
완료: /investigate, /simulate, /verify, /analyze-performance가 각각 Investigation/Simulation/Verification/Performance handoff를 출력해 dashboard, simulation, verification, evidence, checkpoint, tracked feature lifecycle로 자연스럽게 이어짐
완료: /evidence, /memory recent, /checkpoint, /new-feature, /new-feature next, /worktree create|leave|cleanup, /specialists assign도 Evidence/Memory/Checkpoint/Feature/Worktree/Specialist handoff를 출력해 verify, dashboard, confirm/promote, diff, cleanup, feature lifecycle로 이어짐
완료: /fuzz-campaign run이 attached /fuzz-func native execution 상태, crash directory, build/run log를 수집해 campaign native result report와 kind=fuzz_native_result evidence로 기록함
완료: native result report에 crash fingerprint, suspected invariant, minimization command, corpus/crash path를 남김
완료: campaign manifest에 finding lifecycle과 artifact graph schema를 추가해 seed, native result, evidence, source anchor, verification gate, tracked feature gate를 연결함
완료: campaign manifest의 coverage gap을 다음 analyze-project docs refresh에서 FUZZ_TARGETS.md ranking feedback으로 반영함
완료: native crash finding을 crash fingerprint, source anchor, suspected invariant 기준으로 dedup하고 duplicate count와 병합된 native/evidence link를 manifest에 보존함

우선 강화할 전문 기능:

target discovery

project analysis의 FUZZ_TARGETS.md, structural index, security overlay에서 fuzz 후보를 자동 추천한다.
IOCTL dispatch, parser, deserializer, packet handler, Unreal RPC, config loader, telemetry decoder를 우선순위화한다.

harness quality

완료(2026-07-24): compile failure classify (missing-include|unresolved-symbol|wdk-macro|abi-or-link) + bounded 1–3 self-repair loop + durable BuildBlockers.
남음: libFuzzer/AFL++/WinAFL 스타일 분리, fixture init / fake kernel shim / deterministic allocator mode.

corpus lifecycle

완료(2026-07-24): IOCTL multi-call open/ioctl/close sequence seeds + campaign promote (ioctl_sequence) + durable ioctl_contract.json.
남음: import/dedup/minimize UX 확장, crash 재현 corpus와 exploratory corpus 분리.

coverage and sanitizer integration

완료: clang coverage 계열 report와 함께 sanitizer report, Windows crash dump, Application Verifier/Driver Verifier 결과를 campaign run artifact로 연결한다.
coverage gap을 다음 fuzz target 추천에 반영한다.

crash triage

완료(2026-07-24): feasibility gate (target_plausible|spurious|unknown); harness-only stacks are spurious and do not promote as validated findings.
crash hash, stack fingerprint, minimized input, target symbol, suspected invariant, source excerpt를 하나의 finding으로 묶는다.
중복 crash를 evidence graph와 persistent memory에서 합친다.

campaign management

/fuzz campaign new|status|run|stop|triage|minimize|promote 계열 명령을 추가한다.
background job과 verification bundle을 연결한다.
장시간 실행은 checkpoint, log tail, crash count, coverage delta를 주기적으로 남긴다.

Windows/anti-cheat specialization

완료(2026-07-24): IOCTL contract profile + sequence seeds; /investigate start platform-security posture (Secure Boot/VBS/HVCI/test-signing/DSE/TPM); /create-driver-poc security handoff + workflow_seed.json.
남음: ETW/event schema fuzz profile, Unreal RPC/replication fuzz profile depth, anti-cheat telemetry parser fuzz profile.

구현 우선순위:

완료: 상위 FuzzCampaign 모델과 FuzzCampaignStore 추가
완료: .kernforge/fuzz/<campaign-id>/ manifest, corpus, crashes, coverage, reports, logs 표준화
완료: source-only finding을 deterministic JSON seed artifact로 변환
완료: 복잡한 attach/promote 단계를 사용자-facing 명령에서 감추고 /fuzz-campaign run 자동 오케스트레이션으로 통합
완료: /fuzz-func 완료 후 campaign handoff와 /fuzz-campaign run 제안 출력
부분 완료: compile command coverage와 build context 수준은 FUZZ_TARGETS.md에 표시한다. 다음은 부족한 build context를 자동 보강 task로 전환한다.
완료: native run 결과를 evidence store에 자동 기록
완료: crash triage report와 minimization command 생성
완료: fuzz native result를 /verify targeted planner step과 /new-feature gate handoff에 연결
완료: generated docs catalog에서 campaign seed 후보를 생성
완료: fuzz finding lifecycle과 artifact/evidence graph schema를 campaign manifest에 기록
완료: coverage gap을 다음 FUZZ_TARGETS.md refresh와 ranking에 feedback
완료: libFuzzer run log, llvm-cov text, LCOV, JSON coverage summary를 campaign coverage report로 수집하고 coverage gap으로 변환
완료: sanitizer report, Windows crash dump, Application Verifier, Driver Verifier artifact를 campaign run artifact로 수집하고 native result, evidence, finding gate, artifact graph에 연결

성공 조건:

사용자가 파일 하나만 지정해도 우선순위 fuzz target과 harness 후보가 나온다.
source-only 반례가 native seed corpus로 이어진다.
crash가 발생하면 재현 입력, stack/source anchor, suspected invariant, evidence id가 함께 남는다.
campaign 상태를 재개해도 corpus, crash, coverage, report 맥락이 유지된다.

P0. Specialist Subagents And Worktree Isolation

목표:

현재 들어간 built-in specialist catalog, editable/read-only routing, worktree lease, ownership/lease 모델을 분석/문서화와 퍼징 campaign에 맞게 더 단단하게 만든다.

왜 중요한가:

Codex/Claude Code/Hermes와 비교했을 때 가장 체감 차이를 빠르게 줄일 수 있는 축이다.
anti-cheat/driver/telemetry 작업은 충돌 없는 병렬 조사, 문서 section ownership, fuzz campaign isolation, 안전한 rollback 경계가 특히 중요하다.

구현 우선순위:

documentation specialist와 fuzzing specialist profile 추가
node-aware routing을 docs section과 fuzz campaign task까지 확장
session-attached isolated git worktree 정책 hardening
tracked feature와 fuzz campaign 구현 시 auto isolation
specialist/worktree 상태를 /status, /config, /specialists, /worktree에 노출

기본 제공 specialist:

planner
reviewer
kernel-investigator
driver-build-fixer
telemetry-analyst
unreal-integrity-reviewer
memory-inspection-reviewer
attack-surface-reviewer
project-documentarian
fuzzing-strategist
crash-triage-analyst

specialist 설계 원칙:

각 specialist는 별도 prompt와 선택적 provider/model override를 가진다.
초기 단계에서는 read-only delegation을 우선하고, edit ownership은 main agent가 유지한다.
routing은 task node kind, failure text, lifecycle note, goal keyword를 함께 사용한다.
specialist assignment는 task graph에 남겨서 재개 시에도 보이게 한다.

worktree isolation 설계 원칙:

base workspace root와 active worktree root를 분리한다.
memory, hooks, feature metadata, workspace config는 base root 기준으로 유지한다.
edit/git/checkpoint는 active root 기준으로 수행한다.
cleanup는 dirty worktree를 강제로 지우지 않고 먼저 중단한다.

성공 조건:

tracked feature 구현이 기본적으로 isolated worktree에서 시작된다.
task graph에 specialist assignment가 축적된다.
active root 밖 편집은 막되, 외부 isolated worktree는 정상 허용된다.
실패한 tracked feature 구현을 base root 오염 없이 정리할 수 있다.

P0. Security Hooks Engine Hardening

목표:

기존 hook engine을 "보안 엔지니어링 안전장치"로 더 촘촘하게 만든다.

왜 중요한가:

Kernforge는 이미 hook runtime을 갖고 있으므로, 이제는 존재 여부보다 보안 정책 깊이를 높이는 단계다.
anti-cheat/driver/telemetry 작업은 실수 비용이 크므로 preflight 정책 계층의 품질이 중요하다.

주요 이벤트:

SessionStart
UserPromptSubmit
PreToolUse
PostToolUse
PreEdit
PostEdit
PreVerification
PostVerification
PreGitPush
PreCreatePR
SessionEnd

권장 동작:

allow
deny
warn
ask
rewrite-context
attach-evidence
enqueue-verification

Windows/security 전용 hook 예시:

unsigned driver 산출물 감지 시 push/PR 경고
.sys, .inf, .cat 변경 시 서명/패키징 검증 강제
bcdedit, verifier, sc stop, fltmc unload 같은 명령 실행 전 추가 승인
kernel 관련 변경인데 PDB/symbol 없음 경고
memory scanner 변경인데 synthetic regression 검증 누락 시 경고
anti-cheat 모듈 변경인데 telemetry diff 수집을 자동 제안

MVP 범위:

JSON 기반 hook rule 파일
이벤트 payload 직렬화
allow/warn/deny/ask 4종만 먼저 지원
tool/shell/edit/git/verify 이벤트 우선 지원

성공 조건:

보안 민감 작업의 사전 사고율 감소
verification coverage 상승
"이 작업은 그냥 수정하면 안 된다"를 런타임이 알려줌

P1. Security-Aware Verification Planner

목표:

현재 verification 정책 엔진을 보안/윈도우 특화형으로 확장한다.

현재 기반:

adaptive verification
verification policy
verification history tuning

확장 방향:

changed file classification
artifact-aware verification
risk score 기반 검증 자동 추가
failure signature 기반 재검증 우선순위 조정

변경 유형별 예시:

driver 변경

signtool verify
catalog/inf 연계 확인
symbol 존재 확인
optional: verifier smoke checklist

Unreal anti-cheat 변경

module boundary 체크
cooked asset/integrity 관련 회귀 테스트
pattern/schema drift 체크

process telemetry 변경

ETW provider manifest/contract 체크
log schema compatibility 체크

memory scanning 코드 변경

synthetic evasion corpus
false positive regression
performance ceiling 체크

핵심 지표:

변경 유형 대비 검증 누락률 감소
실패 재현성 증가
반복 실패 signature의 자동 회피

P0. Conversational Runtime Memory And Situation Awareness

현재 구현 상태:

완료: conversation_events.go에 append-only ConversationEvent log를 추가하고 session JSON에 영속화했다.
완료: conversation_state.go에 ConversationState working set을 추가하고 provider/model, active feature, latest analysis, latest verification, open artifact, running background job을 매 turn 갱신한다.
완료: context_assembler.go가 active state와 recent runtime events를 사용자 메시지와 system prompt에 우선 주입한다.
완료: turn_intent.go가 diagnose_recent_error, continue_last_task, explain_current_state, ask_project_knowledge, edit_code, run_command, plan_or_design을 분류한다.
완료: recent_error_resolver.go가 "방금 에러", "아까 오류", "왜 실패" 질문을 최근 provider/tool/command error event에서 직접 답한다.
완료: provider 429, timeout, tool error, command error를 정규화해 category, provider, upstream, model, code, shard, retryable, byok_hint entity로 저장한다.
완료: diagnose_recent_error, continue_last_task, explain_current_state에서는 cached project analysis fast-path가 끼어들지 않도록 guard를 추가했다.
완료: NEEDS_TOOLS, Cached analysis fast-path, fast-path debug marker를 사용자 답변에서 제거한다.
완료: verification pass/fail 결과를 conversation event로 기록한다.
완료: evidence ID가 같은 millisecond 안에서 충돌해 fuzz finding evidence merge가 깨지는 문제를 nanosecond 기반 ID로 수정했다.
완료: tool call start/result success event를 남겨 command output summary와 tool result가 recent state에 들어오게 했다.
완료: Compact()가 active conversation state, last error, pending handoff, open artifact를 [Conversation Working Memory] block으로 summary에 보존한다.
완료: compact/resume 이후 recent error resolver가 event log와 preserved state 양쪽에서 마지막 오류를 찾는 회귀 테스트를 추가했다.
완료: handoff block에서 current workflow와 pending next step을 추출해 compaction working memory에 남긴다.
완료: fuzz native result evidence dedup key에 campaign/run/report/fingerprint discriminator를 추가해 같은 finding으로 병합되더라도 evidence link는 run별로 유지한다.

남은 구현 항목:

없음. P0 범위의 runtime memory, situation awareness, recent error grounding, compact/resume 보존, 회귀 테스트 구현을 완료했다.

목표:

Kernforge를 "프롬프트마다 독립적으로 답하는 분석 CLI"가 아니라, Codex/Claude처럼 사용자의 직전 작업, 실패 로그, 열린 artifact, 진행 중인 feature, 실행 중인 background job, 방금 선택한 모델/provider까지 이해하는 대화형 agent runtime으로 확장한다.

문제 사례:

사용자가 project analysis 도중 analysis worker request failed ... openai API error (429 Too Many Requests)를 봤고 바로 "방금 에러는 왜 난거야?"라고 물었다.
그러나 assistant는 cached analysis fast-path만 사용해 "어떤 에러인지 알려 달라"고 답했다.
실제로는 같은 세션의 직전 assistant/tool/runtime 출력에 provider, model, shard, upstream provider, rate-limit 원인, BYOK 안내까지 모두 있었다.

핵심 진단:

대화 모델에 들어가는 context assembly가 "사용자 최신 프롬프트 + 캐시된 프로젝트 분석" 중심으로 치우쳐 있다.
직전 runtime event, tool error, provider error, background job 상태, handoff block이 retrieval 후보로 승격되지 않는다.
fast-path가 current-turn diagnostic 질문을 구분하지 못하고 오래된 project analysis cache를 더 신뢰한다.
session transcript는 저장되어도 "최근 상황을 설명하는 working set"으로 구조화되지 않는다.
assistant 답변이 NEEDS_TOOLS나 cached answer label을 출력하는 등 내부 라우팅 상태가 사용자 경험에 누출된다.

권장 제품 목표:

"방금", "아까", "왜 실패", "이 에러", "계속 해", "방금 작업 이어서" 같은 지시어를 세션 상황에 안정적으로 grounding한다.
답변 전 context budget 안에 최근 대화, 최근 tool result, 최근 error/event, active feature, latest analysis/fuzz/verify artifact를 우선 배치한다.
project cache는 강력한 보조 지식으로 쓰되, 현재 세션에서 발생한 사건보다 우선하지 않는다.
실패 원인 질문은 추가 정보 요구보다 먼저 최근 error event를 찾아 설명한다.
compact/resume 이후에도 현재 작업의 최소 working memory가 유지된다.

권장 아키텍처:

ConversationEventLog

모든 사용자 입력, assistant 답변, tool call, tool result, command output summary, provider error, verification result, handoff block을 append-only event로 저장한다.
원문 전체와 별도로 short_summary, event_kind, severity, entities, artifact_refs, time, turn_id, correlation_id를 기록한다.
provider 오류는 별도 schema로 정규화한다. 예: provider=OpenRouter, upstream=DeepInfra, model=deepseek/deepseek-v4-flash, code=429, category=rate_limit, retryable=true, byok_hint=true.

ActiveConversationState

매 turn마다 빠르게 주입할 작은 working set이다.
포함 항목:
1. 최근 사용자 목표
2. 현재 명령 또는 workflow
3. 마지막 실패/경고 3개
4. 실행 중 background job
5. active feature/checkpoint/worktree
6. 최신 analysis/fuzz/verify artifact
7. 마지막 assistant handoff
8. 마지막으로 선택된 provider/model/profile
이 상태는 session JSON과 별도로 .kernforge/sessions/<id>_state.json 또는 기존 session record 내부에 versioned block으로 저장한다.

ContextAssembler

답변 요청마다 context를 아래 우선순위로 조립한다.
1. 현재 system/developer/project policy
2. 현재 사용자 메시지
3. recent-turn window
4. active conversation state
5. relevant recent events
6. active artifact snippets
7. project memory / analysis docs / vector corpus
8. long-term persistent memory
중요한 원칙은 "최근 사건 > 현재 artifact > 프로젝트 분석 캐시 > 장기 기억"이다.

TurnIntentClassifier

최신 사용자 메시지를 다음 intent로 분류한다.
1. diagnose_recent_error
2. continue_last_task
3. explain_current_state
4. ask_project_knowledge
5. edit_code
6. run_command
7. plan_or_design
diagnose_recent_error와 continue_last_task에서는 cached analysis fast-path를 금지하거나 가장 낮은 우선순위로 내린다.

RecentErrorResolver

"방금 에러", "이 오류", "왜 실패" 같은 질문이 들어오면 최근 event log에서 error/warning/tool failure/provider failure를 찾는다.
매칭 기준:
1. 시간 proximity
2. 직전 assistant/tool turn
3. 현재 workflow correlation id
4. model/provider/shard/job id entity match
5. severity
후보가 하나면 바로 설명하고, 여러 개면 가장 가능성 높은 원인을 먼저 말한 뒤 다른 후보를 짧게 언급한다.

AnswerGroundingPolicy

답변에는 어떤 context를 근거로 썼는지 내부적으로 추적한다.
사용자에게는 필요한 경우만 짧게 노출한다. 예: "직전 analysis worker 로그 기준으로 보면..."
내부 라우팅 문자열인 NEEDS_TOOLS, Cached analysis fast-path, schema/debug marker는 사용자 답변에 직접 출력하지 않는다.

CompactionAndResumeMemory

compact 시 단순 대화 요약이 아니라 다음 필드를 보존한다.
1. unresolved user goal
2. last command and result
3. last error and likely root cause
4. pending recommended next step
5. open artifact paths
6. decisions made
7. user preferences observed in this session
/resume 이후 첫 답변은 이 working state를 우선 로드한다.

방금 오류 사례에서 기대 답변:

"직전 로그 기준으로 원인은 Kernforge 분석 worker가 SampleKernelDriver/SampleKernelDriver/BuildCab_refined_03 shard를 deepseek/deepseek-v4-flash 모델로 요청했는데, OpenRouter 뒤의 DeepInfra upstream이 429 rate limit을 반환했기 때문입니다."
"코드/프로젝트 분석 내용 문제가 아니라 provider quota/temporary upstream throttling 문제입니다."
"재시도하면 풀릴 수 있고, 자주 반복되면 해당 role model을 다른 모델로 바꾸거나 OpenRouter BYOK/provider key를 설정해 rate limit pool을 분리하는 것이 좋습니다."
"analysis run은 shard-level degrade가 구현되어 있다면 해당 shard를 low-confidence failure로 기록하고 계속 진행해야 합니다."

구현 단계:

ConversationEvent schema와 append-only session event store 추가
provider/tool/shell/background job error normalization 추가
ActiveConversationState 생성 및 매 turn 갱신
context assembly 우선순위 재설계
current-turn intent classifier 추가
recent error resolver 추가
cached analysis fast-path guard 추가
compact/resume summary schema 고도화
내부 라우팅 marker 출력 차단
회귀 테스트 추가

필수 테스트:

직전 provider 429 이후 "방금 에러는 왜 난거야?"가 rate-limit 원인을 설명해야 한다.
직전 compile 실패 이후 "왜 실패했어?"가 compiler error를 참조해야 한다.
직전 /verify 실패 이후 "계속 진행해"가 retry/repair flow로 이어져야 한다.
cached project analysis가 있어도 recent error 질문에는 analysis cache 답변을 우선하지 않아야 한다.
compact/resume 이후 "아까 실패한 거 이어서 봐줘"가 마지막 실패 event를 찾아야 한다.
답변에 NEEDS_TOOLS, Cached analysis fast-path 같은 내부 marker가 노출되지 않아야 한다.

운영 지표:

recent error grounding 성공률
"정보를 더 달라" 오답률 감소
resume 이후 pending task 복원률
cached fast-path 오용률
사용자가 같은 에러 로그를 다시 붙여넣는 빈도 감소

P0. Proactive Situation Judgment And Suggestions

현재 구현 상태:

완료: proactive_suggestions.go에 SituationSnapshot, Suggestion, SuggestionMemory, ProactiveSources schema를 추가했다.
완료: snapshot builder가 ActiveConversationState, recent conversation events, latest analysis docs stale markers, verification history, evidence store, function fuzz store, fuzz campaign store, git dirty state를 읽어 현재 상황을 구조화한다.
완료: ProactiveSuggestionEngine rule set을 추가해 provider 429/timeout, verification gap, stale docs, failed verification, pending handoff, fuzz native/minimization/coverage gap, high-risk dirty worktree checkpoint, evidence capture gap, feature close/cleanup 후보를 생성한다.
완료: SuggestionPolicy가 dedup_key, dismissed cooldown, accepted/executed suppression으로 같은 제안 반복을 막는다.
완료: NextActionPlanner가 blocking/risk/cost 기준으로 후보를 ranking하고 기본 답변에는 provider rate-limit처럼 즉시 조치가 명확한 제안만 1개 붙인다. 나머지 후보는 /suggest에서 확인한다.
완료: session JSON에 suggestion_memory를 저장하고 shown/accepted/dismissed/executed 상태와 cooldown을 보존한다.
완료: Compact() working memory가 pending/dismissed suggestion을 [Conversation Working Memory]에 보존한다.
완료: /suggest, /suggest accept <id>, /suggest dismiss <id>, /suggest mode <observe|suggest|confirm>, /suggest dashboard --html 명령을 추가했다.
완료: /suggest dashboard --html이 current situation, integrated signals, ranked suggested next actions를 로컬 HTML dashboard로 렌더링한다.
완료: suggestion card가 관련 dashboard 명령(/verify dashboard --html, /evidence dashboard --html, /analyze-dashboard 등), evidence refs, /suggest accept|dismiss <id> command chip을 같이 보여준다.
완료: provider 429 제안 1회 노출, verification/checkpoint gap 생성, fuzz minimization gap 생성, dismissed suggestion compaction 보존, accepted suggestion event 연결 회귀 테스트를 추가했다.
완료: suggestion dashboard가 analysis/verification/evidence 통합 링크를 렌더링하는 회귀 테스트를 추가했다.
완료: /suggest accept <id>가 confirm 모드에서는 /verify, dashboard, /docs-refresh, /automation add, /review pr 같은 safe command만 실행하고 성공 시 suggestion 상태를 executed로 바꾼다.
완료: accepted/dismissed suggestion을 persistent memory에 suggestion-preference category로 승격한다.
완료: /suggest 후보를 TaskGraph의 suggest:<stable-id> node로 동기화하고 상태를 ready/in_progress/completed/canceled로 반영한다.
완료: provider/tool/command error 후보가 여러 개 있을 때 recent error answer가 다른 후보 목록을 함께 보여준다.
완료: session.Automations와 /automation 명령을 추가해 recurring verification 및 PR review automation slot을 세션에 저장하고 수동 실행한다.
완료: /review pr가 git status/diff stat/changed files/checklist를 .kernforge/pr_review/latest.md로 생성하고 conversation event에 artifact ref를 남긴다.

남은 구현 항목:

없음. P0 범위의 proactive situation snapshot, rule-based suggestion engine, policy/memory, CLI/HTML dashboard, compact 보존, 회귀 테스트 구현을 완료했다.

P0. Self-Driving Work Loop Orchestration

현재 구현 상태:

완료: self_driving_loop.go를 추가해 일반 구현/수정/실행 요청을 self-driving task로 판정하고, read-only 분석/최근 오류 진단/status 질문은 자동 루프에서 제외한다.
완료: active task가 없거나 완료된 상태에서 새 구현 요청이 들어오면 TaskState, shared plan, TaskGraph를 자동으로 시작한다.
완료: 기본 plan은 inspect, implement, verify, summarize 네 단계로 구성하고 TaskGraph node kind가 inspection/edit/verification/summary로 나뉘게 했다.
완료: reviewer/planner preflight를 사용할 수 있는 세션에서는 기본 plan을 성급히 확정하지 않고 기존 plan-review 루프를 우선 사용한다.
완료: system prompt에 Self-driving work loop section을 추가해 "분석에서 멈추지 말고 inspect -> implement -> verify -> summarize로 진행"하도록 명시했다.
완료: final answer 직전 finalizeSelfDrivingWorkLoopOnReturn이 자동 검증 실패 시 phase를 recovery로 유지하고, 검증 문제가 없으면 plan과 task graph를 completed로 마감한다.
완료: compact/resume에 이미 포함되는 TaskState/TaskGraph에 self-driving event를 기록하므로, 긴 작업 중간에도 현재 goal, phase, next step, pending check가 보존된다.
완료: self_driving_loop_test.go에 plan seeding, recent-error exclusion, prompt guidance, verification failure recovery, unblocked completion 회귀 테스트를 추가했다.

남은 구현 항목:

없음. P0 범위의 자연어 작업 위임 -> task graph 시드 -> 도구 루프 -> 자동 검증 -> 실패 복구/최종 요약 연결을 완료했다.

목표:

사용자가 "이거 구현하자", "남은 항목들을 처리해줘", "테스트까지 돌려서 끝내줘"처럼 작업을 맡기면 Kernforge가 단순 제안이나 부분 답변에서 멈추지 않고 전체 engineering loop를 스스로 유지하게 한다.

동작 원칙:

명시적 구현/수정/실행 요청은 self-driving loop 후보로 본다.
"왜 에러가 났어?", "현재 상태가 뭐야?", "분석해줘"처럼 read-only 성격이 강한 요청은 자동 편집 루프를 켜지 않는다.
reviewer/planner가 구성되어 있으면 preflight plan-review를 우선 사용하고, 그렇지 않으면 deterministic 기본 plan을 시드한다.
편집 후 자동 verification이 실패하면 task를 끝내지 않고 recovery phase로 남긴다.
verification이 통과하거나 명확한 fallback이 정리되면 final answer와 함께 shared plan을 완료 처리한다.

P0. Proactive Situation Judgment And Suggestions - Design Notes

목표:

Kernforge가 단순히 사용자의 다음 프롬프트를 기다리는 CLI가 아니라, Codex처럼 현재 작업 상태, 실패/성공 신호, 변경 위험도, 열린 artifact, 검증 공백을 스스로 판단하고 "지금 하면 좋은 다음 행동"을 사용자에게 제안하는 대화형 engineering partner가 되게 한다.
제안은 자동 실행이 아니라 "근거 있는 next step 후보"여야 한다. 사용자가 명시적으로 맡긴 작업은 이어서 수행하되, 위험한 변경/비용 큰 실행/외부 시스템 영향은 제안과 확인을 분리한다.

현재 기반:

완료된 ConversationEventLog와 ActiveConversationState가 직전 오류, tool result, handoff, open artifact, provider/model, active workflow를 보존한다.
analysis docs, fuzz campaign, verification history, evidence store, persistent memory, checkpoint/worktree 상태가 이미 독립 저장소로 존재한다.
각 명령의 handoff 출력은 존재하지만, 아직 agent runtime 전체가 이를 통합해 우선순위화하지는 않는다.

핵심 문제:

"다음에 뭘 해야 하는지"가 각 command handoff에 흩어져 있고, 대화 turn 전체의 decision layer가 없다.
사용자가 오류를 묻거나 "계속 해"라고 말하면 반응은 가능하지만, 사용자가 묻기 전에 stale docs, missing verification, failed shard, dirty worktree, incomplete fuzz campaign을 먼저 알아채지는 못한다.
제안이 제품 UX로 정리되지 않으면 assistant 답변이 장황해지거나 매번 같은 checklist를 반복할 위험이 있다.
보안/커널/anti-cheat 작업에서는 "할 수 있음"보다 "지금 해야 함"의 판단 근거가 중요하다. 변경 위험도, 검증 공백, 재현 가능성, evidence 누락을 함께 봐야 한다.

권장 아키텍처:

SituationSnapshot

매 assistant turn 직전 생성되는 짧은 구조화 snapshot이다.
입력:
1. ActiveConversationState
2. 최근 ConversationEvent window
3. 최신 analysis docs manifest와 stale section 목록
4. verification history와 최근 실패 signature
5. evidence store의 unresolved finding
6. fuzz campaign 상태와 native result/crash/minimization gap
7. git dirty state, checkpoint, active worktree, active feature
8. background job 상태
출력 필드:
1. current_goal
2. workflow_phase
3. blocking_issue
4. risk_level
5. confidence
6. open_artifacts
7. missing_evidence
8. missing_verification
9. suggestion_candidates

ProactiveSuggestionEngine

snapshot을 받아 0개 이상의 suggestion을 생성한다.
suggestion schema:
1. id
2. title
3. reason
4. evidence_refs
5. command
6. estimated_cost
7. risk
8. requires_confirmation
9. dedup_key
10. expires_at_event_id
제안 유형:
1. retry_or_switch_model: provider 429/timeout 이후 재시도, 모델 변경, BYOK 설정 제안
2. run_verification: 코드 변경 후 테스트/빌드/보안 검증 누락 제안
3. refresh_analysis: 소스 변경으로 docs section stale 시 /docs-refresh 또는 /analyze-project --mode impact 제안
4. inspect_failure: compile/test/verify 실패 후 root cause drilldown 제안
5. continue_workflow: 직전 handoff의 pending next step 실행 제안
6. fuzz_next_step: fuzz target 발견 후 campaign run, crash minimization, corpus promotion 제안
7. checkpoint_or_worktree: 위험한 편집 전 checkpoint/worktree 생성 제안
8. evidence_capture: 의미 있는 finding/result가 있는데 evidence record가 없을 때 캡처 제안
9. cleanup_or_close_feature: feature 구현/검증 후 close, cleanup, summary 제안

SuggestionPolicy

제안은 "도움이 되는 순간"에만 노출한다.
기본 규칙:
1. 같은 dedup_key 제안은 상태가 바뀔 때까지 반복하지 않는다.
2. 사용자가 명시적으로 좁은 질문을 했으면 최대 1개만 짧게 붙인다.
3. 오류/실패/검증 공백처럼 즉시 중요한 항목은 답변 본문에 포함한다.
4. 비용 큰 작업, destructive 가능성, 외부 provider 비용 증가, 장시간 job은 자동 실행하지 않고 확인을 받는다.
5. 이미 사용자가 거절한 제안은 session scope에서 cooldown한다.
6. 제안 근거가 낮은 confidence면 "가능성"으로 표시하고 기본 행동으로 삼지 않는다.

NextActionPlanner

여러 suggestion을 우선순위화해 "추천 1개 + 대안 1~2개"로 압축한다.
우선순위 기준:
1. blocking 여부
2. 데이터 손실/작업 손실 방지
3. 보안/커널 변경 위험도
4. 검증 누락 심각도
5. 사용자의 최근 목표와의 직접성
6. 비용/시간
7. confidence
출력 예:
1. 추천: "방금 provider 429 때문에 analysis shard가 실패했으니 같은 shard만 재시도하거나 model을 교체하는 것이 우선입니다."
2. 대안: "전체 analysis를 다시 돌리기보다 실패 shard를 low-confidence로 남기고 dashboard에서 gap을 확인할 수 있습니다."

SuggestionMemory

session JSON에 제안 이력을 저장한다.
저장 필드:
1. shown suggestions
2. accepted suggestions
3. dismissed suggestions
4. executed command/result
5. cooldown state
목적:
1. 같은 제안 반복 방지
2. 사용자가 선호하는 workflow 학습
3. compact/resume 이후 pending suggestion 복원

AutonomyMode

자동성 수준을 명시한다.
권장 모드:
1. observe: 제안을 만들지만 출력하지 않고 로그/테스트에만 사용
2. suggest: 기본 모드. 답변 끝에 짧은 next step을 제안
3. confirm: 제안된 명령을 실행하기 전 확인을 요청
4. autopilot: 사용자가 맡긴 bounded task 안에서 안전한 read/test/verify는 자동 실행
초기 구현은 suggest와 confirm까지만 제품화한다.

구현 단계:

SituationSnapshot schema와 builder 추가
analysis docs, verification history, evidence, fuzz campaign, git/checkpoint/worktree 상태를 snapshot source로 연결
Suggestion schema와 ProactiveSuggestionEngine 추가
provider error, tool failure, verification gap, stale docs, fuzz campaign gap, dirty worktree용 rule-based detector부터 구현
SuggestionPolicy와 dedup/cooldown 저장소 추가
NextActionPlanner로 suggestion ranking과 답변 내 표시 형식 통일
Compact() working memory에 pending suggestion과 dismissed suggestion 보존
/suggest, /suggest accept <id>, /suggest dismiss <id>, /suggest mode <observe|suggest|confirm> 명령 추가
normal reply path에서 "명시적 질문 답변 + 필요한 next step 1개"로 조립
dashboard에 current situation과 suggested next actions 패널 추가

MVP rule set:

직전 provider 429/timeout:

원인 설명 후 "같은 shard 재시도", "model fallback", "BYOK/provider key 설정" 중 하나를 상황별 추천

코드 변경 후 verification 없음:

변경 파일 유형을 보고 /verify, build/test, driver signing/symbol check, synthetic regression 중 필요한 검증 제안

analysis docs stale:

stale section과 변경 파일을 연결해 /docs-refresh 또는 scoped /analyze-project --mode impact --path <dir> 제안

fuzz campaign incomplete:

source-only scenario만 있고 native run 없음: /fuzz-campaign run 제안
crash artifact는 있는데 minimization 없음: minimization command 제안
coverage gap 존재: corpus/seed 보강 제안

dirty worktree plus risky edit:

kernel, anti-cheat, telemetry, memory scanner 파일 변경 전 checkpoint/worktree 제안

failed verification:

같은 failure signature가 반복되면 단순 재실행보다 root cause drilldown과 targeted fix를 우선 제안

필수 테스트:

provider 429 event 직후 일반 답변 끝에 model retry/fallback 제안이 1회만 표시되어야 한다.
같은 상태에서 같은 제안이 매 turn 반복되지 않아야 한다.
사용자가 좁은 설명 질문을 했을 때 제안은 본문을 방해하지 않는 짧은 한 줄이어야 한다.
코드 변경 후 verification history가 비어 있으면 변경 유형 기반 검증 제안이 생성되어야 한다.
stale docs manifest가 있으면 docs refresh 제안이 생성되어야 한다.
fuzz campaign에 crash artifact가 있고 minimization이 없으면 minimization 제안이 생성되어야 한다.
dismissed suggestion은 compact/resume 이후에도 즉시 재노출되지 않아야 한다.
accepted suggestion은 command 실행 결과와 conversation event로 연결되어야 한다.

운영 지표:

사용자가 제안을 accept한 비율
dismissed/repeated suggestion 비율
검증 누락 상태에서 제안이 나온 비율
실패 후 해결까지 turn 수 감소
stale docs/fuzz gap/evidence gap의 평균 방치 시간 감소

구현 시 주의점:

제안 엔진은 처음부터 LLM 판단에 의존하지 말고 rule-based detector로 시작한다.
LLM은 rule 결과를 자연어로 압축하거나 충돌하는 후보를 설명할 때만 사용한다.
제안은 "명령 실행"과 분리된 data model이어야 한다. 그래야 dashboard, CLI, compact/resume, 테스트가 모두 같은 상태를 볼 수 있다.
보안/커널 작업에서는 낮은 confidence 제안을 자동 실행하지 않는다.
사용자 답변을 방해하지 않도록 기본 출력은 최대 추천 1개로 제한한다.

P1. Evidence Graph Memory

목표:

현재의 persistent memory를 텍스트 요약 저장소에서 "보안 증거 그래프"로 확장한다.

현재 한계:

request/reply 중심 요약은 남지만, artifact 간 관계 추적은 약하다.

추가 엔티티:

issue
artifact
binary
hash
build
symbol state
telemetry finding
repro step
mitigation
environment

추가 관계:

issue -> affected binary
build -> produced artifact
finding -> observed in telemetry
mitigation -> validated by verification
crash -> associated symbols

효과:

"지난번에도 비슷한 실패가 있었나?"를 넘어서
"이 해시/버전/모듈/텔레메트리 패턴 조합이 언제 관찰됐나?"까지 답할 수 있다.

P1. Live Windows Target Workflow

목표:

정적 코드 편집 중심 툴에서, live target을 다루는 investigation runtime으로 확장한다.

우선 지원할 도구군:

signtool
dumpbin
symchk
sc
fltmc
verifier
bcdedit
wevtutil
logman
wpr
xperf
cdb 또는 windbg helper

핵심 워크플로우:

target 상태 수집
증거 스냅샷 생성
ETW/로그/심볼 상태 묶음 수집
결과를 memory와 verification history에 연결

차별화 포인트:

Codex/Claude가 "코드 작업 보조"라면
Kernforge는 "코드 + 실행 환경 + 증거 수집"까지 이어지는 anti-cheat/security investigation agent가 된다.

P2. Incident Replay Bundle

목표:

이슈 분석 결과를 나중에 다시 열어볼 수 있는 재현 가능한 bundle로 남긴다.

권장 bundle 내용:

request/final answer
관련 selection
changed files diff
verification report
memory citations
shell transcript 요약
artifact metadata
telemetry snapshot index

사용 예:

버그 재오픈 대응
팀 내 handoff
anti-cheat false positive 분석 이관
사후 회고

P2. Review Profiles For Adversarial Thinking

최근 안정화:

완료: /profile one-shot 모드가 암묵적으로 첫 profile을 활성화하지 않고 목록만 보여주도록 수정
완료: /profile <number>, /profile rN, /profile dN, /profile pN, /profile pin|unpin|rename|delete <number> 직접 action 지원
완료: 동일한 안전 동작과 명시 action을 cross-review profile 흐름에도 적용하고 help/completion/docs에 반영
완료: 저장된 main profile이 없을 때 현재 provider/model을 첫 profile로 자동 저장하고, /profile에서 plan-review, analysis worker/reviewer, specialist 역할별 model profile routing까지 함께 표시
완료: 모델 선택의 대표 창구를 /model로 유지하기 위해 /profile add|save-current 및 cross-review profile 저장 command 노출 제거
완료: legacy api_key를 provider별 key store로 자동 보강하고, 사용자 설정 저장 시 빈 key가 기존 API key를 덮어쓰지 않도록 보존 경로 추가
완료: main model 변경 시 provider별 저장 key를 activateProvider에서 재사용하고, 다른 model 선택은 기존 profile을 덮지 않고 새 profile로 추가되도록 회귀 테스트 추가
완료: main model 변경이 명시 role model profile을 덮지 않도록 회귀 테스트를 추가하고, 상속 중인 역할은 not configured; follows ...로 표시해 실제 변경과 구분
완료: main profile이 plan_reviewer, analysis_worker, analysis_reviewer, specialist subagent model set을 함께 저장하고, /profile에서 profile별 role model set을 표시하며 profile 활성화 시 전체 model set을 복원
완료: 사용자 전역 profile과 workspace profile을 로드 시 병합하고, 설정 저장 payload에 profile 배열이 없거나 일부만 있어도 기존 main/review profile을 보존 또는 병합하도록 회귀 테스트 추가

목표:

일반 code review가 아니라 anti-cheat/security 전용 review mode를 제공한다.

권장 프로파일:

bypass surface review
trust boundary review
tamper resistance review
forensic blind spot review
kernel safety review
user/kernel boundary review
Unreal cheat surface review

효과:

일반적 "버그 찾기"보다 위협 모델 기반 리뷰를 빠르게 반복할 수 있다.

P2. Automations

목표:

Codex처럼 반복 작업을 자동화하되, 운영 현실 중심으로 설계한다.

현재 구현 상태:

완료: SessionAutomation을 session JSON에 저장한다.
완료: /automation [list|status|due|digest|monitor|run-due], /automation add recurring-verification [--every <duration>] [/verify args], /automation add pr-review [--every <duration>] [/review pr], /automation run <id>, /automation pause|resume|remove <id>를 추가했다.
완료: /review pr가 로컬 PR review automation report를 .kernforge/pr_review/latest.md에 생성한다.
완료/MVP: /review pr --github가 gh pr view --json ... 결과를 report에 붙여 PR URL, 상태, review decision, comments, checks 요약을 기록한다.
완료/MVP: /review pr --draft-comments가 .kernforge/pr_review/comments.md에 file-level GitHub review comment 초안을 만들고 실제 게시는 하지 않는다.
완료/MVP: /review pr --post-comments가 명시적 요청에서만 gh pr review --comment --body-file .kernforge/pr_review/comments.md로 draft를 게시한다. suggestion accept와 scheduled automation에서는 차단한다.
완료/MVP: /review pr --resolve-thread <id>가 명시적 요청에서만 GitHub GraphQL resolveReviewThread mutation을 실행한다. suggestion accept와 scheduled automation에서는 차단한다.
완료/MVP: /review pr --draft-issue가 .kernforge/pr_review/issue.md를 만들고, /review pr --create-issue가 명시적 요청에서만 gh issue create --title ... --body-file ...를 실행한다.
완료/MVP: /review pr --draft-issue|--create-issue가 반복/쉼표 구분 --label, 반복/쉼표 구분 --assignee, quoted --milestone을 받아 draft metadata와 gh issue create flag에 반영한다.
완료: proactive suggestion이 verification gap과 dirty diff를 보고 recurring verification/PR review automation 등록을 제안한다.
완료/MVP: interval schedule을 next_run_at으로 저장하고 /automation due, /automation run-due로 due slot을 safe command dispatcher에서 실행한다.
완료/MVP: /automation digest, /automation monitor, /status, REPL 시작 notice가 due/failed/paused automation 요약과 실패 결과를 노출한다.
완료/MVP: /automation watch [--interval 5m] [--cycles N|--once] [--notify]가 foreground standing monitor loop로 due automation 실행, digest 출력, notify artifact 갱신을 반복한다.
완료/MVP: /automation notify와 /automation monitor --notify가 .kernforge/automation/latest_digest.md를 생성해 외부 watcher/CI가 digest를 읽을 수 있게 한다.
완료/MVP: /automation notify|monitor|watch --webhook-url <url>이 digest JSON을 외부 receiver로 POST하고 URL secret을 event에서 redaction한다.
완료/MVP: /session handoff가 .kernforge/handoff/latest.md/json에 changed files, open tasks, verification, recent events, artifact refs, continuation prompt를 저장한다.
완료/MVP: /session dashboard --html이 .kernforge/session_dashboard/latest.html에 thread event, task graph, automation due/failed 상태, changed files, background jobs, artifact refs를 렌더링한다.
완료/MVP: /session handoff import <path>가 cloud/local delegated result를 .kernforge/handoff/imports/*.json/md로 정규화하고 conversation event와 matching TaskGraph completed_tasks 상태에 merge한다.
완료/MVP: /session audit가 .kernforge/completion_audit/latest.md/json에 objective, acceptance, required artifact, verification, open task, edit/failure repair, background job, recent error, coding harness blocker/warning을 기록해 완료 선언 전 evidence gate를 만든다.
완료/MVP: /session recover가 .kernforge/recovery/latest.md/json에 최근 provider/tool/command error, verification failure, active failure repair, background job/bundle, open task, next command를 모아 즉시 재개 가능한 failure runbook을 만든다.
완료: /session recover execute-safe가 /verify 실패 report와 ready=false completion audit를 실패 action으로 승격하고, stop_on_failure가 있는 뒤 액션을 skip한다.
완료: safe-auto recovery shell replay를 좁은 Go/Git verification/status 명령으로 제한하고 -exec, -toolexec, -vettool, output/profile 생성 flag 같은 고위험 옵션을 차단했다.
완료: /goal, -goal, -goal-file을 추가했다. interactive /goal은 inline prompt 또는 markdown 파일 목표를 visible artifact가 있는 persistent GoalState로 먼저 기록하고, /goal start --run, /goal start --until-complete, /goal run, 비대화형 -goal/-goal-file은 구현 -> 자체 리뷰 -> /verify --full -> /session audit -> 최종 semantic review -> 필요 시 /session recover execute-safe 또는 repair pass를 반복하는 autonomous goal loop를 실행한다.
완료/MVP: goal loop는 실행 중 write/diff/shell/git approval을 session 내에서 bypass해 사용자 확인으로 멈추지 않으며, .kernforge/goals/latest.md/json과 goal별 artifact로 상태와 audit 결과를 남긴다.
완료: goal runtime이 acceptance contract, TaskGraph, completion criteria, independent review verdict, final semantic verdict, explicit /goal complete gate, token/time budget, repair pass, progress ledger, command history, iteration checkpoint, no-progress/repeated-failure blocker를 기록해 Codex식 목표 달성 판단과 복구 루프에 더 가깝게 동작한다.
완료: goal reviewer와 repair worker가 checkpoint diff, 구현 응답, git diff/status, 제한된 untracked excerpt, 구조화된 reviewer issue를 공유해 실제 작업 증거 기반으로 수정 루프를 돌린다.
완료/MVP: -command "<slash-command>"가 REPL 없이 /automation monitor --notify 같은 slash command를 실행해 Windows Task Scheduler, service wrapper, CI에서 automation을 호출할 수 있게 한다.
완료/MVP: /automation daemon-start|daemon-status|daemon-stop이 -command "/automation watch ..." 기반 process-detached local daemon을 띄우고 .kernforge/automation/daemon.json/log에 state와 log를 남긴다.
남음: 실제 cloud recurring/delegated execution backend는 아직 없다.

우선 자동화 대상:

완료/MVP: recurring verification slot
완료/MVP: PR security review report
nightly verification digest
recurring telemetry anomaly scan
driver signing readiness check
weekly memory prune and summarize
PR security review autopilot with GitHub API

주의:

로컬 due scheduler, digest, gh PR metadata MVP는 들어갔지만, 운영 자동화로 보려면 상주 monitor, external notification, GitHub/issue tracker write-side 연동이 더 필요하다.

P1. Desktop UX App Shell

목표:

현재의 Windows 중심 CLI를 유지한 채, 실사용 가능한 데스크탑 UX를 가진 앱 셸로 확장한다.

핵심 방향:

기존 Go 코어는 유지한다.
UI 셸은 WebView2 기반 데스크탑 프레임워크로 감싼다.
권한이 필요한 Windows 기능은 UI 프로세스와 분리한다.
기존 diff preview, viewer, evidence, verification 흐름을 앱 안의 화면으로 재구성한다.

권장 기술 스택:

app shell

Wails

frontend

React
TypeScript
Vite

state

Zustand 또는 Redux Toolkit

code and diff surface

Monaco Editor

large table and dashboard

TanStack Table 또는 AG Grid
ECharts

local persistence

SQLite

privileged runtime

Windows Service 또는 별도 elevated helper
named pipe 또는 로컬 gRPC

5. 추천 로드맵

Phase 1

기간:

완료된 MVP, 다음은 portal 고도화

목표:

project analysis를 실제 문서화 플랫폼으로 만들고, /fuzz-func가 그 산출물을 바로 이어받게 한다.

포함:

완료: documentation writer MVP
완료: ARCHITECTURE.md, SECURITY_SURFACE.md, API_AND_ENTRYPOINTS.md, BUILD_AND_ARTIFACTS.md, VERIFICATION_MATRIX.md, FUZZ_TARGETS.md, OPERATIONS_RUNBOOK.md, INDEX.md 생성
완료: /analyze-project --docs, /analyze-project --path <dir>, /docs-refresh, /analyze-dashboard 명령
완료: /analyze-project --mode surface 정식 노출
완료: /analyze-project의 goal을 선택값으로 바꾸고 생략 시 mode/path 기반 기본 goal을 자동 생성
완료: non-map 모드가 이전 map run의 knowledge pack/source anchor를 baseline context로 재사용
완료: fuzz target catalog에서 /fuzz-func ranking boost
완료: verification matrix에서 /verify planner step 생성
완료: docs manifest를 evidence와 persistent memory에 기록
완료: help와 command completion 갱신

완료 기준:

달성: 1회 분석으로 .kernforge/analysis/latest에 사람이 읽을 수 있는 문서 세트가 생성됨
달성: 문서 섹션마다 source anchor, confidence, stale/reused 상태가 표시됨
달성: fuzz target 후보가 build context 수준과 함께 정렬되어 출력됨
달성: /fuzz-func @<path> 또는 후보 명령으로 source-only finding과 harness artifact가 이어짐
달성: dashboard HTML로 분석 결과를 탐색할 수 있음
달성: generated docs가 evidence, memory, verification planner, fuzz discovery에 재사용됨

Phase 2

기간:

4~8주

목표:

퍼징 전문 워크벤치의 핵심 루프를 만든다.

포함:

FuzzCampaign 모델과 .kernforge/fuzz/<campaign-id>/ manifest 표준화
corpus/crash/coverage/report directory 구조 표준화
source-only counterexample -> seed corpus 변환
libFuzzer 우선 native execution path 안정화
crash triage report, crash hash, stack/source anchor 연결
fuzz finding을 evidence store와 verification history에 자동 기록
fuzz campaign 계열 명령 MVP

완료 기준:

campaign을 만들고 재개해도 corpus, crash, coverage, report 맥락이 유지됨
부분 완료: source-derived seed가 deterministic corpus artifact로 남으며, 다음 단계에서 native run input으로 투입한다.
crash 발생 시 minimized input 후보, stack/source anchor, suspected invariant가 report에 남음
evidence dashboard에서 fuzz finding을 검색할 수 있음

Phase 3

기간:

8주+

목표:

분석/문서화와 퍼징 결과를 운영 workflow와 팀 협업으로 확장한다.

포함:

security-aware verification planner 고도화
evidence graph memory
incident replay bundle
live Windows target helper 도구
desktop app shell MVP
automations
GitHub/PR security review automation
optional cloud delegation
privileged broker integration
installer and signing pipeline

6. 기능 매트릭스

점수 기준:

1 = 거의 없음
2 = 제한적
3 = 보통
4 = 강함
5 = 매우 강함

기능 축	Kernforge 현재	Claude Code	Codex	권장 방향
전체 프로젝트 분석/문서화	5	3	3	P0 핵심 제품축, portal/search 고도화
structural index / semantic graph	4	2	2	P0 문서화와 fuzz target discovery에 연결
source-level function fuzzing	4	1	1	P0 전문 워크벤치로 확장
native fuzz campaign 관리	2	1	1	P0/P1 corpus, crash, coverage lifecycle
증상 기반 root-cause investigation	4	2	3	worker/reviewer causal validation과 pattern prior를 차별화 축으로 유지
final-answer coding harness	4	3	5	Codex급 completion safety를 따라가되 artifact/scenario/root-cause evidence는 Kernforge 특화로 강화
편집 안전성	5	3	4	유지 및 고도화
checkpoint/rollback	5	2	3	확실한 차별화 유지
verification orchestration	4	3	3	generated verification matrix 기반으로 확장
verification history/dashboard	4	2	2	차별화 유지
persistent memory	4	3	4	analysis docs evidence/memory 연결 완료, evidence graph로 상향
conversational situation awareness	4	4	5	recent event/error grounding, situation snapshot, suggestion memory, task graph, session dashboard 연결 완료
selection-first workflow	5	2	3	강점 유지
hooks/policy runtime	4	5	3	두 핵심축의 safety gate로 고도화
subagents	4	5	4	분석/문서화와 fuzz campaign specialist로 고도화
automations	3	2	4	interval due, digest, monitor/watch, process-detached daemon, notify artifact/webhook, safe dispatcher, `-command` scheduler runner, session dashboard MVP 완료. cloud job은 P2
GitHub review automation	2	2	4	`/review pr --github --draft-comments --post-comments --resolve-thread --create-issue`와 issue label/assignee/milestone MVP 완료. 상주 PR monitor는 P2
Windows security tooling	3	1	2	분석, fuzz, evidence를 잇는 차별화
anti-cheat specialization	3	1	1	분석 문서와 fuzz profile 중심으로 집중
desktop UX shell	2	2	4	Phase 3 이후 Go core 유지형 Wails app으로 확장

7. 현재 코드 구조 기준 구현 진입점

Root-Cause Investigation

주요 파일:

cmd/kernforge/commands_find_root_cause.go
cmd/kernforge/commands_find_root_cause_test.go
cmd/kernforge/commands_root_cause_patterns.go
cmd/kernforge/root_cause_patterns.go
cmd/kernforge/root_cause_patterns_test.go
cmd/kernforge/root_cause_patterns/builtin.json
cmd/kernforge/analysis_project.go
cmd/kernforge/analysis_mode.go
cmd/kernforge/analysis_handoff.go
cmd/kernforge/completion.go
cmd/kernforge/config.go

주요 연결 지점:

runtimeState.handleFindRootCauseCommand

usage, prompt clarity check, analysis config, worker/reviewer profile, cancellation, run persistence를 담당한다.

analyzeRootCausePromptClarityWithSourceHints

affected surface, trigger/repro, observed failure, expected invariant를 확인하고 부족하면 suggested command를 만든다.

projectAnalyzer.planRootCauseInvestigation

symptom profile, hypotheses, code matches, evidence requests를 만든다.

filterRootCauseReportsByReview, applyRootCauseDeterministicQualityGate

reviewer validation과 deterministic gate로 후보를 통과/거절한다.

RootCausePatternPack

내장/local/GitHub-derived pattern prior를 불러오고 현재 workspace/symptom에 매칭한다.

root_cause_audit

rejected/disconfirmed/approved candidate, evidence request, deep verification, pattern usage를 audit trail로 남긴다.

Coding Agent Completion Harnesses

주요 파일:

coding_harness.go
coding_harness_semantics.go
coding_harness_test.go
coding_harness_advanced_test.go
artifact_quality.go
scenario_replay.go
subagent_orchestration.go
test_impact.go
test_impact_test.go
job_supervisor.go
job_supervisor_test.go
failure_repair.go
failure_repair_test.go
user_change_isolation.go
user_change_isolation_test.go
agent.go
session.go
interactive_orchestration.go
verify.go

주요 연결 지점:

Agent.runPreFinalCodingHarnesses

final answer 직전 harness report를 만들고 blocker가 있으면 모델에게 revision을 요구한다.

AcceptanceContract와 PatchTransaction

요청에서 기대 동작/required artifact/verification requirement를 뽑고 실제 edit path와 fingerprint를 기록한다.

ArtifactQualityReport

requested/claimed artifact를 읽어 placeholder, content thinness, topic coverage를 검사한다.

ScenarioReplayReport

bug scenario에 대해 replay/verification evidence 또는 not-run disclosure를 요구한다.

SubagentOrchestrationReport

root-cause 답변의 worker evidence, reviewer approval, review failure disclosure, causal bridge를 검사한다.

TestImpactReport와 JobSupervisorReport

changed path 기반 verification recommendation과 background job/bundle 상태를 final harness에 제공한다.

FailureRepairAttempt와 UserChangeIsolationReport

verification failure recovery와 user edit overwrite 방지를 active context로 보존한다.

Project Intelligence And Documentation

주요 파일:

analysis_project.go
analysis_docs.go
analysis_dashboard.go
analysis_docs_reuse.go
analysis_context.go
analysis_context_v2.go
analysis_context_v2_graph.go
analysis_index.go
analysis_index_v2.go
analysis_build_alignment.go
analysis_symbol_anchor.go
analysis_prompt_semantic.go
analysis_sharding_semantic.go
main.go
completion.go
verify.go
commands_fuzz_func.go

권장 추가 파일:

analysis_docs_portal.go
analysis_docs_search.go
analysis_trust_boundary.go
analysis_docs_vector.go
analysis_docs_schema_test.go

주요 연결 지점:

ProjectAnalysisRun

snapshot, shard documents, final document, knowledge pack, semantic index, vector corpus를 문서 생성 입력으로 사용한다.

KnowledgePack

subsystem, dependency, project edge, Unreal metadata를 ARCHITECTURE.md와 BUILD_AND_ARTIFACTS.md로 내린다.

SemanticIndexV2

symbol anchor, call edge, build ownership edge, overlay edge를 API_AND_ENTRYPOINTS.md, SECURITY_SURFACE.md, FUZZ_TARGETS.md로 내린다.

VectorCorpus

generated docs와 shard documents를 후속 retrieval corpus로 재수집한다.

persistRun

.kernforge/analysis/<run-id>/docs와 .kernforge/analysis/latest/docs를 함께 갱신한다.

writeAnalysisDocs

deterministic generated docs, manifest, fuzz target catalog, verification matrix를 생성한다.

writeAnalysisDashboard

run별 dashboard HTML과 latest dashboard HTML을 생성한다.

recordLatestAnalysisDocsArtifacts

generated docs를 evidence record와 persistent memory record로 기록한다.

loadLatestAnalysisDocsManifest

verification planner와 fuzz target discovery가 latest docs manifest를 공유 입력으로 사용한다.

Fuzzing Workbench

주요 파일:

commands_fuzz_func.go
commands_fuzz_func_test.go
analysis_index_v2.go
analysis_context_v2_graph.go
shell_background.go
evidence_store.go
verification_history.go

권장 추가 파일:

fuzz_campaign.go
fuzz_campaign_store.go
fuzz_corpus.go
fuzz_crash.go
fuzz_coverage.go
fuzz_harness.go
fuzz_evidence.go
fuzz_campaign_test.go

주요 연결 지점:

FunctionFuzzRun

단일 실행 결과를 유지하되 campaign/finding/corpus/crash 계층의 하위 artifact로 편입한다.

FunctionFuzzExecution

native run 상태, compile context, log path, corpus/crash dir, background job id를 campaign status로 승격한다.

functionFuzzBuildSourceExcerpt와 observation/scenario 계층

source-only finding을 seed corpus, suspected invariant, crash triage template로 재사용한다.

shell_background.go

장시간 fuzz execution, log tail, stop/resume, crash count polling에 사용한다.

evidence_store.go

crash/finding/campaign summary를 evidence entity로 기록한다.

Hook Engine

주요 파일:

tools.go
main.go
verify.go
provider.go

권장 추가 파일:

hooks.go
hooks_policy.go
hooks_runtime.go
hooks_test.go

주요 연결 지점:

tool 실행 전후

ToolRegistry.Execute

편집 전후

Workspace.BeforeEdit
Workspace.ConfirmEdit

verification 전후

verification 실행 entry point

git push / create pr 전

git tool 구현부

세션 시작/종료

main.go runtime 초기화/종료 지점

Subagent Framework

주요 파일:

agent.go
main.go
config.go
provider.go

권장 추가 파일:

subagent.go
subagent_registry.go
subagent_profiles.go
subagent_test.go

필수 요소:

subagent 정의 구조체
모델/provider override
tool allowlist
memory scope
file/selection scope
delegation result schema

Security-Aware Verification

주요 파일:

verify.go
verify_policy.go
verification_history.go

권장 추가 파일:

verify_classifier.go
verify_security_rules.go
verify_artifacts_windows.go

필수 요소:

changed file classifier
artifact classifier
verification recommendation scorer
failure signature clustering

Evidence Graph Memory

주요 파일:

persistent_memory.go
memory_policy.go

권장 추가 파일:

evidence.go
evidence_store.go
evidence_query.go
evidence_test.go

권장 전략:

기존 persistent memory는 유지
별도 evidence store를 추가
점진적으로 두 저장소를 연결

Conversational Runtime Memory

주요 파일:

agent.go
session.go
main.go
completion.go
provider.go
shell_background.go
persistent_memory.go
analysis_project.go
command_handoff.go

권장 추가 파일:

conversation_events.go
conversation_state.go
context_assembler.go
turn_intent.go
recent_error_resolver.go
conversation_compaction.go
conversation_events_test.go
context_assembler_test.go
recent_error_resolver_test.go

필수 요소:

append-only conversation event log
provider/tool/shell error normalization
active conversation state snapshot
current-turn intent classifier
recent error resolver
context assembly priority policy
compact/resume working memory schema
internal routing marker suppression

주요 연결 지점:

사용자 입력 수신 직후

main.go의 interactive prompt loop에서 ConversationEvent{kind=user_message} 기록

assistant 응답 생성 전

agent.go 또는 prompt assembly 지점에서 ContextAssembler를 호출해 recent window, active state, relevant event, project cache를 우선순위대로 주입

tool/provider 오류 발생 시

provider.go, tools.go, shell_background.go에서 raw error를 정규화해 ConversationEvent{kind=provider_error|tool_error|command_error}로 기록

handoff 출력 시

command_handoff.go에서 다음 권장 명령과 artifact ref를 active state에 반영

session compact/resume 시

session.go가 unresolved goal, last error, pending next step, open artifacts를 versioned summary로 보존

Live Windows Target Workflow

주요 파일:

tools.go
input_windows.go
viewer_windows.go
preview_windows.go

권장 추가 파일:

tools_windows_security.go
windows_symbols.go
windows_etw.go
windows_driver_ops.go

주의:

이 축은 권한/위험도가 높으므로 hook engine 이후에 붙이는 편이 안전하다.

Desktop UX App Shell

주요 파일:

main.go
ui.go
viewer_windows.go
preview_webview_windows.go
preview_html.go
diff_html.go

권장 추가 디렉토리:

app/desktop
app/frontend
app/frontend/src
app/frontend/src/components
app/frontend/src/pages
app/frontend/src/state
app/frontend/src/lib

권장 추가 파일:

app_desktop.go
app_events.go
app_sessions.go
app_analysis.go
app_evidence.go
app_verify.go
app_privileged_client_windows.go

필수 요소:

UI에서 직접 호출 가능한 안정된 core API
long-running task progress stream
selection and diff state bridge
evidence and verification query API
privileged broker 연결 abstraction

주의:

UI에서 Windows privileged 기능을 직접 호출하지 않는다.
기존 CLI 워크플로우는 유지하고, desktop shell은 병행 제공하는 편이 안전하다.
초기 단계에서는 CLI를 orchestration source of truth로 두는 것이 현실적이다.

8. 구현 순서 제안

9. 내가 추천하는 최종 제품 메시지

10. 바로 실행 가능한 다음 작업

가장 추천하는 다음 액션은 아래 항목이다.

완료: source-only finding to seed corpus artifact 변환

branch predicate와 counterexample를 deterministic JSON seed 후보로 저장
seed provenance에 source anchor와 target symbol 기록
generated FUZZ_TARGETS.md 후보에서 campaign seed 생성

완료: /fuzz-campaign에 intent-driven run automation 추가

/fuzz-campaign은 다음 권장 단계를 보여줌
/fuzz-campaign run은 campaign 생성, latest run attach, seed promotion을 자동 수행
내부 expert action은 유지하되 기본 help/completion에서는 숨김

완료: native fuzz execution 결과를 evidence에 기록

run summary
corpus/crash directory
sanitizer/coverage artifact
crash fingerprint
suspected invariant

완료: crash triage report와 minimization command 생성

crash hash
stack/source anchor
minimized input 후보
repro command

완료: fuzz 결과를 verification planner와 tracked feature workflow에 연결

.kernforge/fuzz/<campaign-id>/manifest.json의 native result를 /verify targeted step으로 재사용
fuzz evidence source handoff를 /fuzz-campaign으로 연결
active feature status에서 crash/failure campaign을 close 전 gate로 표시

완료: analysis dashboard portal 고도화

docs cross-search
source anchor deep link
stale section diff
evidence/memory drill-down

완료: analysis portal graph MVP

trust-boundary graph
attack-flow view

완료: analysis docs retrieval 고도화

generated docs vector corpus 재수집

완료: docs manifest schema policy

schema versioning
backward compatibility policy

완료: generated docs graph 고도화

data-flow edge 정밀화
docs 본문 graph section

완료: generated docs diff 고도화

변경 diff view 정밀화
graph section stale marker 연동

완료: fuzz campaign finding lifecycle 고도화

campaign artifact, evidence, verification gate, tracked feature gate를 하나의 finding lifecycle로 묶기
crash/coverage/native result가 issue 상태와 source anchor를 공유하도록 schema 정리

완료: finding dedup

중복 finding/crash를 fingerprint, source anchor, invariant 기준으로 병합

완료: coverage feedback 입력 포맷 고도화

coverage feedback 입력을 libFuzzer run log, llvm-cov text, LCOV, JSON coverage summary format으로 확장

신규: conversation event log MVP

user/assistant/tool/provider/shell/background event를 append-only로 저장
event마다 turn id, correlation id, severity, artifact ref, short summary를 기록
provider 429, timeout, auth failure, quota exhaustion을 정규화

신규: recent error resolver

"방금 에러", "왜 실패", "아까 오류" 질문을 diagnose_recent_error intent로 분류
최근 provider/tool/shell error event를 찾아 원인, 영향, 다음 조치를 설명
cached analysis fast-path보다 recent error event를 우선

신규: active conversation state

last command/result/error, active workflow, pending handoff, latest analysis/fuzz/verify artifact를 작은 snapshot으로 유지
compact/resume 이후에도 이 snapshot을 먼저 복원

신규: context assembler priority policy

recent turn, active state, recent event, active artifact, project analysis cache, long-term memory 순으로 context budget을 배분
current-turn diagnostic/continuation intent에서는 오래된 project cache가 답변을 가로채지 않도록 guard

신규: internal marker suppression

NEEDS_TOOLS, Cached analysis fast-path, JSON routing marker, debug confidence label이 사용자 답변에 직접 출력되지 않도록 final answer sanitizer 추가
필요하면 "직전 로그 기준"처럼 사용자에게 의미 있는 grounding 문구만 남김

완료: suggestion accept 실행 루프

confirm 모드에서 /suggest accept <id>가 safe command dispatcher를 통해 허용된 명령만 실행
실행 성공 시 suggestion status를 executed로 전환하고 TaskGraph node를 completed로 동기화

완료: suggestion preference memory

accepted/dismissed suggestion을 persistent memory의 suggestion-preference category로 기록
session을 넘어 사용자 선호와 거절 이력을 재사용할 기반 마련

완료: automation MVP

/automation으로 recurring verification 및 PR review automation slot을 저장/실행/일시정지/삭제
/review pr로 .kernforge/pr_review/latest.md report 생성
proactive suggestion이 automation 등록을 next action으로 제안

이 흐름이 정리되면, 현재 구현된 fuzz_campaign.go, commands_fuzz_func.go, evidence_store.go, shell_background.go, analysis_docs.go, verify.go, feature_workflow.go에 더해 새 conversation runtime 계층이 붙으면서 source-to-native fuzzing workbench와 Codex급 대화형 agent 경험이 함께 열린다.

Sources

Claude Code overview: https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview
Claude Code subagents: https://code.claude.com/docs/en/sub-agents
Claude Code hooks: https://docs.anthropic.com/en/docs/claude-code/hooks
OpenAI Codex help overview: https://help.openai.com/en/articles/11369540
OpenAI Codex repository: https://github.com/openai/codex