Communitygithub.com

ngvoicu/kluris

AI 에이전트를 팀 전문가(SME)로 전환합니다. Kluris는 결정사항, 제약사항, 인시던트, 부족 지식(tribal knowledge)을 Git 저장소의 마크다운으로 관리하는 공유된 인간 큐레이팅 지식 브레인을 구축합니다. Claude Code, Codex, Cursor, Windsurf, Cline, Gemini CLI에서 슬래시 명령어로 검색 가능합니다.

kluris란 무엇인가요?

Kluris는 AI 에이전트가 팀의 숨겨진 지식(의사 결정, 제약 조건, 장애 기록, 부족 지식)에 접근할 수 있도록 설계된 오픈소스 도구입니다. 이 스킬은 이러한 지식을 Git 저장소에 마크다운 파일로 저장하여, AI 에이전트(Claude Code, Codex, Cursor, Windsurf, Cline, Gemini CLI 등)가 슬래시 명령어를 통해 즉시 검색하고 활용할 수 있게 합니다. 사람이 직접 큐레이팅한 지식 베이스를 구축함으로써, AI 에이전트가 더 맥락에 맞고 정확한 답변을 제공할 수 있도록 지원합니다. 개발자는 표준 마크다운 형식으로 지식을 추가하고 관리할 수 있으며, Git을 통한 버전 관리와 협업이 가능합니다.

지원 대상✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI✓Windsurf
npx skills add ngvoicu/kluris

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

kluris은(는) 무엇을 하나요?

AI 에이전트를 팀 전문가(SME)로 전환합니다. Kluris는 공유된 인간 큐레이팅 지식 브레인(결정사항, 제약사항, 인시던트, 부족 지식)을 Git 저장소의 마크다운으로 구축합니다. Claude Code, Codex, Cursor, Windsurf, Cline, Gemini CLI에서 슬래시 명령어로 검색 가능합니다.


개요

Kluris는 AI 에이전트가 팀의 문서화되지 않은 지식(부족 지식, 결정 기록, 제약 조건)에 접근할 수 있도록 하는 간단하면서도 강력한 방법을 제공합니다. 지식 항목은 사람이 읽을 수 있는 마크다운 파일로 Git 저장소에 저장되며, AI 에이전트가 슬래시 명령어를 통해 자연어로 질의할 수 있습니다.

작동 방식

  1. 지식 추가: 결정사항, 제약 조건, 문제 해결 방법, 아키텍처 선택 등을 마크다운 파일로 저장소에 추가합니다.
  2. 자동 색인: Kluris는 저장소의 모든 마크다운 파일을 색인하여 검색 가능하게 만듭니다.
  3. AI 질의: Claude Code, Codex, Cursor 등 지원되는 AI 에이전트에서 /ask 또는 /kluris 와 같은 슬래시 명령어를 사용하여 지식 베이스에 질문합니다.
  4. 맥락 응답: AI 에이전트는 가장 관련성 높은 지식 항목을 검색하여 응답에 포함시킵니다.

사용 예시

# Claude Code에서
/kluris 이 서비스의 배포 전 체크리스트는 무엇인가요?

# Cursor에서
/ask 데이터베이스 스키마 변경 시 따라야 할 프로세스는?

지원 플랫폼

플랫폼명령어상태
Claude Code/kluris지원
Codex/ask지원
Cursor/ask지원
Windsurf/kluris지원
Cline/kluris지원
Gemini CLI/ask지원

설치

# npm을 통한 설치 (권장)
npx kluris init

# 또는 저장소 복제
# git clone https://github.com/ngvoicu/kluris.git
# cd kluris
# npm install

설정

.klurisrc 파일에서 Kluris를 설정하거나 환경 변수를 사용하세요:

{
  "knowledgePath": "./knowledge",
  "indexFormat": "json",
  "gitSync": true
}

지식 추가

knowledge/ 디렉토리에 마크다운 파일을 만드세요:

# /knowledge/decisions/use-postgres-for-analytics.md

## 결정
분석 워크로드에는 PostgreSQL을 기본 데이터베이스로 사용합니다.

## 이유
- 팀이 이미 PostgreSQL에 익숙함
- 분석 쿼리를 위한 강력한 SQL 지원
- 유지보수 비용 절감

## 대안
- TimescaleDB: 시계열 데이터에 장점이 있지만 오버헤드가 있음
- ClickHouse: 성능이 뛰어나지만 운영 복잡도가 높음

대규모 팀을 위한 모범 사례

  • 카테고리별로 파일 구성: decisions/, incidents/, architecture/ 등
  • 태그와 메타데이터 사용: YAML front matter로 검색 용이성 향상
  • 정기적 검토: 오래되었거나 관련 없는 지식 항목 보관
  • Git Hook: 커밋 전 지식 항목 업데이트 자동 트리거

기여

GitHub 저장소를 방문하여 이슈를 제출하거나 PR을 생성해 주세요.

라이선스

MIT

관련 스킬