GitHub은 Copilot이 이전 작업에서 배운 개인 선호와 저장소 관례를 다음 작업에도 활용하는 GitHub intelligence를 발표했다. 개발자는 같은 설명을 반복하는 수고를 줄이고, 로컬에 복제하지 않은 관련 저장소까지 검색해 여러 프로젝트에 흩어진 코드의 관계를 파악할 수 있다.

1. 팀의 지식을 다음 작업으로 넘긴다

GitHub intelligence는 GitHub 데이터 그래프, 서로 연결된 데이터 관계망에서 얻은 맥락과 학습을 에이전트가 활용하도록 하는 계층이다. 개인 선호, 저장소 관례, 사용자 지정 지침과 관련 저장소의 코드를 활용해 매 세션마다 지식을 다시 모으는 수고를 줄이는 것이 목적이다. 팀이 아는 내용을 다음 작업에 넘기는 수첩에 비유할 수 있다.

기능은 기억을 이어 쓰는 메모리, 과거 작업을 되짚어 기억을 갱신하는 드리밍, 관련 저장소를 탐색하는 코드 검색으로 나뉜다. 저장소 메모리에는 특정 예외가 중요한 이유나 이를 확인하는 테스트도 담길 수 있다.

2. 메모리는 반복 지시를 줄인다

메모리는 유료 Copilot 플랜에서 정식 제공된다. 개인 선호와 저장소 관례를 세션과 클라이언트 사이에서 이어 쓴다. Copilot 세션은 상호작용을 바탕으로 메모리를 만들고 정리한다.

예를 들어 풀 리퀘스트, 코드 변경을 검토해 달라는 요청 설명을 짧은 요약으로 시작하라는 선호나 팀이 기대하는 테스트 명령을 기억해 이후 작업에 활용한다. 사용자는 개인 설정에서 저장된 선호를 확인하거나 삭제할 수 있다.

메모리는 Copilot 앱, 명령줄 도구, 편집기, 클라우드 에이전트, 코드 리뷰와 모바일 앱 등 여러 작업 환경에서 만들어진다. 메모리를 대화형으로 다룰 수 있는 환경에는 Copilot 앱과 CLI가 있으며, VS Code도 포함된다.

회사 발표 기준, 공개 프리뷰 기간에 검토된 Copilot CLI 세션 중 에이전트가 메모리를 사용한 세션의 93%에서 개발자 선호를 더 잘 따르는 모습이 나타났다. 같은 검토 대상의 42%에서는 세션 맥락에 포함된 메모리 덕분에 작업 흐름이 더 효율적이었다.

3. 드리밍은 과거 작업에서 지침을 다듬는다

드리밍은 과거 작업을 되짚어 다음 에이전트 세션의 맥락을 개선하는 공개 프리뷰 기능이다. 개인 대화를 바탕으로 기억을 정리하거나, 저장소 메모리와 스킬·지침을 개선하거나, 반복해서 수락된 코드 리뷰 의견을 리뷰 지침으로 바꾸는 세 가지 방식이 있다. 스킬은 에이전트가 활용하는 작업 절차에 해당한다.

드리밍은 개인과 저장소 메모리를 추가·수정·삭제할 수 있다. 저장소에 저장된 스킬과 사용자 지정 지침 파일의 변경은 팀 검토를 위한 풀 리퀘스트로 제안된다.

4. 복제하지 않은 저장소까지 검색한다

코드 검색은 관련 프로젝트와 의존성의 코드, 설정, 스키마, 데이터 구조를 정하는 규칙, 문서를 로컬 복제 없이 찾도록 Copilot을 돕는다. 정확한 텍스트와 심볼, 코드에서 식별되는 이름, 정규식, 문자열 형태를 패턴으로 나타내는 규칙 패턴으로 검색하고 저장소·경로·언어로 범위를 좁힐 수 있다. 의미 검색은 파일이나 함수 이름을 몰라도 코드가 수행하는 동작을 설명해 찾는 방식이다.

예를 들어 실패한 결제의 재시도 처리가 결제 서비스와 공용 라이브러리, 백그라운드 작업에 흩어져 있다고 하자. 개발자는 /research로 각 구성 요소가 결제를 어떻게 재시도하며 재시도가 어디서 겹칠 수 있는지 물을 수 있다.

Copilot은 해당 저장소들의 구현과 호출부를 살펴 시스템 구성 요소가 어떻게 맞물리는지 파악하도록 돕는다. 여러 저장소를 가로질러 마이그레이션, 시스템을 새 구조로 옮기는 작업의 대상과 이전 API 사용처를 찾거나, 버그의 관련 구현을 추적하고, 낯선 저장소에서 조직의 기존 패턴을 찾는 데도 쓸 수 있다. 개발자가 직접 프로젝트를 복제하고 파일을 찾아 코드를 대화에 옮기는 수고를 줄이는 것이 이 검색의 실질적 이점이다.

5. 기억 갱신의 편의에는 비용과 검토가 따른다

드리밍은 선택해 켜는 기능이다. 개인 구독자는 개인 설정에서 개인 기억 정리를, 저장소별 설정에서 저장소 드리밍을 켠다. 조직과 기업에서는 관리자가 정책으로 활성화하며, 기업 관리자는 조직 관리자에게 설정 권한을 넘길 수 있다.

저장소 드리밍은 메모리의 저장소 접근 설정이 허용하는 범위에서 동작하며, 사용자도 개인 드리밍을 켜야 한다. 드리밍 실행마다 AI 크레딧, AI 기능 사용량을 나타내는 단위가 소모된다.

반복 지시와 맥락 수집을 줄이는 이익의 반대편에는 기억을 갱신하는 크레딧 비용과 저장소 파일 변경안을 살피는 일이 있다. 팀은 자동으로 다듬어지는 지침을 활용하는 만큼 제안을 검토하는 과정도 작업 흐름에 넣게 된다.

GitHub intelligence의 변화는 Copilot이 매번 설명을 기다리는 도구에서 팀이 쌓아 온 지식으로 다음 작업을 시작하는 도구로 나아간다는 데 있다.