RovoDev 코드 리뷰어: Atlassian에서 실현한 LLM 기반 코드 검토 자동화의 혁신

서론:

현대 소프트웨어 공학에서 코드 리뷰는 품질 보증에 필수적인 중요한 프로세스입니다. 그러나 수동 코드 리뷰는 시간과 자원이 많이 소요되며, 개발 프로세스에 병목 현상을 일으킬 수 있습니다. 이러한 문제를 해결하기 위해 대규모 언어 모델(LLM)을 활용한 코드 리뷰 자동화가 주목받고 있습니다. 이 논문에서는 LLM 기반의 코드 리뷰 자동화 도구인 RovoDev 코드 리뷰어를 소개합니다.

문제의점:

기존의 LLM 기반 코드 리뷰 접근 방식은 다음과 같은 실용적인 도전 과제에 직면해 있습니다.

• 데이터 프라이버시와 보안: 고객 코드를 포함한 민감한 데이터를 처리할 때, 모델을 미세 조정하는 것은 GDPR 또는 CCPA와 같은 규제 위반의 위험을 초래할 수 있습니다.
• 리뷰 가이드라인 무시: 최근 LLM 기반 접근 방식은 리뷰 체크리스트를 간과하여 경험이 부족한 리뷰어에게 어려움을 줄 수 있습니다.
• 새로운 프로젝트 지원 부족: 기존 프로젝트의 풍부한 역사적 데이터에 의존하는 많은 RAG(Retrieval-Augmented Generation) 접근 방식은 새로운 프로젝트에는 적합하지 않을 수 있습니다.
• 노이즈 및 허위 댓글 생성: LLM은 종종 모호하거나, 비행동적이거나, 사실과 다른 리뷰 댓글을 생성할 수 있습니다.

RovoDev 코드 리뷰어의 개요:

RovoDev 코드 리뷰어는 리뷰 가이드에 기반한, 컨텍스트 인식, 품질 검증된 LLM 기반 코드 리뷰 자동화 시스템입니다. 이 시스템은 다음과 같은 세 가지 핵심 구성 요소로 구성됩니다.

1. 제로샷 컨텍스트 인식 리뷰 댓글 생성: 사용자 생성 콘텐츠 없이 제공된 컨텍스트 정보(Pull Request 제목, 설명, 관련 파일, Jira 이슈 요약 등)를 사용하여 LLM을 구조화된 프롬프트로 안내합니다. 이를 통해 데이터 프라이버시를 보호하면서도 효과적인 코드 리뷰 댓글 생성이 가능합니다.
2. 사실적 정확성 품질 검사: LLM-as-a-Judge 접근 방식을 사용하여 생성된 리뷰 댓글이 제공된 Pull Request와 코드 변경 사항과 일치하는지 확인합니다.
3. 행동성 품질 검사: ModernBERT 기반 모델을 사용하여 모호하거나 비행동적이거나 사실과 다른 댓글을 필터링하여 유효하고 행동 가능한 리뷰 댓글만 추천합니다.

RovoDev 코드 리뷰어의 혁신성:

• 데이터 프라이버시 보호: 사용자 생성 콘텐츠를 수집하지 않고 제로샷 접근 방식을 사용하여 고객 데이터의 보안을 유지합니다.
• 리뷰 가이드라인 준수: Atlassian 엔지니어가 작성한 포괄적인 리뷰 가이드라인을 LLM에 제공하여 높은 품질의 코드 리뷰를 보장합니다.
• 새로운 프로젝트 지원: RAG 접근 방식과 달리, RovoDev은 새로운 프로젝트에도 컨텍스트 정보를 활용하여 효과적으로 작동합니다.
• 높은 정확도와 유용성: 허위 댓글 생성 가능성을 줄이고, 실제 코드 개선에 기여할 수 있는 유효하고 행동 가능한 리뷰 댓글을 제공합니다.

…(본문이 길어 생략되었습니다. 전체 내용은 원문 PDF를 참고하세요.)…