Novaro Desktop의 자율 코딩 에이전트 검증

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

Novaro Desktop은 Claude, GPT 또는 Ollama 기반 로컬 모델을 프로젝트 상태와 작업 명세에 연결해 코드를 작성하고 테스트하며 오류를 다시 고치는 자율 코딩 에이전트입니다. 게시자는 두 함수를 요구하는 Python 명세에서 add를 뺄셈으로 바꾸고 safe_divide를 비워 둔 뒤, 명세 구현과 테스트·수정만 지시하는 블라인드 테스트를 진행했습니다. 시스템은 safe_divide를 구현하고 8개 테스트를 작성·실행했으며, 실패한 add를 고쳐 8개를 모두 통과시키고 두 함수의 명세 항목을 완료 처리했습니다. 게시자는 실제 지능은 이번 실행에 사용한 Claude에 있고 Novaro Desktop은 프로젝트 브리핑, 명세 기록, 로컬 메모리, 테스트·수정 루프를 조율하는 계층이라고 선을 그었습니다.

섹션별 상세

01

게시자는 Novaro Desktop이 모델 자체가 아니라 모델 주변의 실행 시스템이라는 점을 전제로 자율성 여부를 확인했습니다. 프로젝트를 읽고 빌드·테스트·수정을 반복하도록 하며, 모델이 실제 프로젝트 상태를 계속 보도록 간결한 브리핑을 제공합니다. 작업이 끝난 뒤에는 명세 register에서 요구된 함수의 완료 여부까지 기록해 항목이 조용히 빠지는 상황을 막는 구조입니다.

02

블라인드 테스트에는 두 함수를 요구하는 작은 Python 프로젝트가 사용됐고, add(a, b)는 a - b를 반환하도록 일부러 망가뜨렸으며 safe_divide는 구현하지 않은 상태로 남겼습니다. 게시자는 모델에 명세 구현, 테스트 실행, 오류 수정, 체크리스트 완료만 지시했고 구체적인 버그 위치는 알려주지 않았습니다. 시스템은 safe_divide를 만들고 8개 테스트를 작성한 다음 실패한 add를 찾아 a + b로 고쳐 8개 테스트를 모두 통과시켰습니다.

03

게시자는 이번 실행의 성과를 Novaro Desktop의 독립적인 지능으로 포장하지 않고 Claude의 역할과 오케스트레이션 계층의 역할을 구분했습니다. Novaro Desktop이 제공한 구성 요소는 프로젝트 브리핑, 누락 방지를 위한 명세 register, 로컬 메모리, 테스트·수정 반복 루프입니다. Ollama를 통한 로컬 모델도 작동하지만 Claude보다 약하다는 평가가 함께 제시됐고, 모델별 성능을 비교한 수치는 없습니다.

이미지 분석

Screenshot
화면에는 add의 수정 전후 코드와 safe_divide 추가 결과가 함께 표시되며, 하단에는 테스트 8/8 통과와 두 함수의 register 완료 상태가 나타납니다. 게시물이 말한 숨은 버그 탐지, 누락 함수 구현, 체크리스트 완료라는 흐름을 시각적으로 뒷받침하지만, 모델별 비교나 반복 횟수는 담고 있지 않습니다.
Novaro Desktop이 add 함수의 뺄셈 오류를 덧셈으로 고치고 safe_divide를 추가한 결과를 담은 테스트 화면입니다.

Screenshot
이미지는 add 함수가 a - b에서 a + b로 바뀐 코드와 safe_divide 구현, 8/8 테스트 통과, 두 함수의 완료 표시를 보여줍니다. 게시물의 단일 블라인드 테스트 결과와 직접 연결되지만, 화면에 표시된 독일어 문구 외에 실행 환경이나 검증 범위에 대한 추가 정보는 없습니다.
Novaro Desktop의 자율 코드 작성·테스트·수정 결과를 요약한 동일한 테스트 화면입니다.

용어 해설

오케스트레이션 계층(Orchestration Layer): — 오케스트레이션 계층은 모델 자체의 지능을 바꾸기보다 프로젝트 상태, 작업 명세, 메모리, 실행 도구를 모델에 연결하는 시스템 계층입니다. Novaro Desktop에서는 이 계층이 코드 작성과 테스트·수정 반복을 조율합니다.
자율 코딩 에이전트(Autonomous Coding Agent): — 자율 코딩 에이전트는 사용자가 세부 작업을 매번 지시하지 않아도 프로젝트를 읽고 코드를 작성한 뒤 테스트와 오류 수정을 반복하는 소프트웨어입니다. 이 게시물에서는 명세의 완료 여부까지 기록하는 방식으로 작업 범위를 관리합니다.
테스트·수정 반복 루프(Test-Fix Loop): — 테스트·수정 반복 루프는 코드를 만든 뒤 테스트를 실행하고, 실패 원인을 찾아 수정한 다음 다시 실행하는 처리 순서입니다. 게시물의 사례에서는 add 함수의 실패를 계기로 구현을 고치고 8개 테스트가 모두 통과할 때까지 반복했습니다.
로컬 모델 추론(Local Model Inference): — 로컬 모델 추론은 원격 API 대신 Ollama를 통해 컴퓨터에서 모델을 실행하는 방식입니다. 게시물은 이 경로도 지원하지만 Claude를 사용한 실행보다 성능이 약하다고 평가하며, 구체적인 비교 수치는 제시하지 않았습니다.

코드 예제

python

def add(a, b):
    return a - b
→
    return a + b

의도적으로 잘못된 add 함수가 테스트 실패로 발견된 뒤 덧셈 로직으로 수정된 코드입니다.

언급된 도구

Novaro Desktop추천

프로젝트 브리핑, 명세 register, 로컬 메모리, 테스트·수정 루프를 결합해 모델을 자율 코딩 에이전트로 실행합니다.

Claude중립

블라인드 테스트에서 Python 코드를 작성하고 테스트 실패를 바탕으로 버그를 수정한 기반 모델입니다.

GPT중립

Novaro Desktop에서 사용할 수 있는 모델 계열 중 하나로 제시됐습니다.

Ollama중립

로컬 모델을 실행하는 경로로 사용되며, 게시자는 Claude보다 성능이 약하다고 평가했습니다.