- P9 dogfooding 백로그 항목 fb-26 ~ fb-42 추가 - 각 항목의 목표, 증상, 후속 작업 및 위험 요소 명시 - release 계획에 따른 0.3.0 ~ 0.6.0 분할 📝 docs(INDEX): 백로그 항목에 대한 세부 정보 추가 - fb-26 ~ fb-42 항목의 세부 정보 및 상태 추가 - 각 항목의 목표와 후속 작업 명시 - 도그푸딩 피드백에 따른 개선 사항 반영 🔧 chore(tasks): 새로운 백로그 항목 파일 생성 - p9-fb-26 ~ p9-fb-42 각 항목에 대한 개별 파일 생성 - 각 파일에 목표, 증상, 후속 작업 및 위험 요소 포함 - doogfooding 피드백을 기반으로 한 개선 사항 문서화
1.9 KiB
1.9 KiB
phase, component, task_id, title, status, target_version, depends_on, unblocks, contract_source, contract_sections, source_feedback
| phase | component | task_id | title | status | target_version | depends_on | unblocks | contract_source | contract_sections | source_feedback | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| P9 | kebab-cli + kebab-search | p9-fb-42 | Bulk multi-query + re-rank hint — agent loop 효율 | open | 0.6.0+ | ../../docs/superpowers/specs/2026-04-27-kebab-final-form-design.md |
|
사용자 도그푸딩 2026-05-06 — agent 가 N 개 query 동시 검색 / 결과 set 을 다른 관점으로 재정렬 원함. 현재는 N 회 subprocess 호출 + 단일 정렬 기준. |
p9-fb-42 — Bulk multi-query + re-rank hint
⏳ 백로그 only — 미구현 (Nice-to-have). 본 spec 은 도그푸딩 피드백 skeleton. 구현 착수 전 superpowers:brainstorming 으로 설계 단계 선행 필요. multi-query input 형식 / 결과 합성 정책 / re-rank hint 의 LLM 호출 비용 brainstorm 후 확정.
증상 / 동기
- agent 가 query decomposition (fb-41) 후 N 개 sub-query 검색 — N 회 subprocess fork.
- 검색 결과 set 보고 "이 중 X 관점으로 다시 정렬" 요청 — 현재는 client 측에서 재호출.
Goal (skeleton)
kebab search --queries '[{"q":"a","k":5},{"q":"b","k":5}]'— bulk JSON input. response 는 query 별 결과 array.kebab search Q --rerank-hint "focus on X"— top-N retrieve 후 LLM 재정렬 (cross-encoder 가능 시 selection).
후속 작업 — brainstorm 필요 항목
- bulk input 형식 — JSON array / ndjson stdin.
- 결과 stream vs final — 큰 multi-query 면 stream 유리.
- re-rank hint 의 LLM 모델 — kebab-llm 의 default 사용.
- fb-39 (precision tuning) 의 cross-encoder 와 re-rank hint 통합 가능.
- fb-29 daemon 위에서 더 의미 — subprocess overhead 이미 daemon 으로 해소되면 우선순위 낮음.
Risks / notes
- Nice-to-have — fb-30 / 29 / 31 / 34 / 35 보다 우선순위 낮음.
- re-rank hint 는 LLM 호출 추가 — latency / cost.
- fb-39, fb-41 와 영역 겹침.