DEEPX 에이전트 기반 개발 - dx-agent-dev (베타)
에이전트 기반 개발 지원은 현재 활발히 개발 중입니다.
스킬 정의 및 라우팅 동작은 릴리스 간에 변경될 수 있습니다.
소개
dx-agent-dev (베타)가 출시되었습니다. 앱이나 모델 태스크를 자연어로 설명하면 AI 코딩 에이전트 — Claude Code, Cursor, GitHub Copilot, OpenCode, 또는 Codex — 가 DEEPX 지식 베이스를 처음부터 끝까지 주도합니다: 브레인스토밍 → 계획 → TDD → 검증, ONNX/.pt 컴파일부터 온디바이스 DX-M1 NPU 배포까지. 이는 Ultralytics 모델 생태계에서 DEEPX NPU를 위해 특별히 제작된 에이전트 기반 개발이며, 아래의 모든 쇼케이스는 이 방식으로 제작되었습니다 — 프롬프트, 측정 결과, 전체 빌드 기록과 함께 커밋되었습니다.
자연어 지시를 사용하여 DEEPX AI 애플리케이션을 빌드하세요. AI 코딩 에이전트는 DEEPX SDK 생태계 — GStreamer 파이프라인 구성, .dxnn 모델 해석, InferenceEngine 구성, DxPreprocess/DxInfer 엘리먼트 배선 — 를 이해하므로 원하는 것을 설명하면 에이전트가 구현 세부 사항을 처리합니다.
지원되는 워크플로우:
IFactory,SyncRunner,AsyncRunner를 사용한 독립 실행형 추론 앱- DEEPX의 6개 카테고리에 걸친 13개 커스텀 엘리먼트를 사용하는 GStreamer 비디오 파이프라인
- dx_app, dx_stream, dx-runtime에 걸친 크로스 프로젝트 빌드
- DX-COM(dx-compiler)을 사용한 ONNX에서 DXNN 형식으로의 모델 컴파일
쇼케이스
아래의 모든 쇼케이스는 단일 자연어 프롬프트만으로 DEEPX NPU SDK에서 완전 자율적으로 빌드된 실제 앱이며, 프롬프트, 측정 결과, 원클릭 재현 방법, 전체 녹화된 빌드 세션 기록과 함께 슈트에 커밋되었습니다.
NPU 기반 AI 앱 (미니 게임)
자연어 하나로 ~20분, ~$10에 완전 자율적인 DEEPX-NPU 앱 빌드. 아케이드 HUD가 있는 포즈 기반 미니 게임을 단일 프롬프트로 처음부터 끝까지 빌드합니다.
| 쇼케이스 | 설명 | 빌드 시간 | 에이전트 턴 | 출력 토큰 | 예상 비용 |
|---|---|---|---|---|---|
| 스쿼트 카운팅 미니 게임 | 무릎/엉덩이 각도로 스쿼트 횟수를 세며 아케이드 HUD(횟수/점수/DOWN·UP·GOOD!)를 표시합니다. | ≈ 12분 | 132 | ≈ 109K | ≈ $7.3 |
| 스트레칭 코치 미니 게임 | 각 목표 자세를 시연하는 애니메이션 코치 아바타와 함께 3가지 스트레칭을 안내합니다. | ≈ 15분 | 130 | ≈ 142K | ≈ $8.1 |
Ultralytics 생태계 통합
자연어 하나로 Ultralytics YOLO를 DEEPX NPU로 — 또는 도메인에 맞게 재학습 — 모두 자연어로. format=deepx 내보내기 + 4방향 평가(기본/재학습 × fp32-GPU/INT8-NPU); INT8 ≈ fp32, 도메인 모델은 NPU에서 더 빠르게 실행됩니다.
| 쇼케이스 | 설명 | 빌드 시간 | 에이전트 턴 | 출력 토큰 | 예상 비용 |
|---|---|---|---|---|---|
| Ultralytics YOLO → DeepX 내보내기 | yolo export ... format=deepx 명령 하나로 Ultralytics YOLO .pt를 배포 가능한 DeepX NPU 모델(.dxnn)로 변환하고 NPU 추론 + 검증을 실행합니다. | ≈ 12분 | 108 | ≈ 84K | ≈ $2.4 |
| 아프리카 야생동물 모니터링 | 사파리/보존 카메라를 위해 african-wildlife(버팔로/코끼리/코뿔소/얼룩말)로 yolo26n을 재학습; 기본/재학습 × fp32/INT8 4방향 평가. | ≈ 7분 | 78 | ≈ 85K | ≈ $3.2 |
| 건설 현장 PPE 안전 | 현장 안전 카메라를 위해 construction-ppe(헬멧/조끼/...)로 yolo26n을 재학습; 기본/재학습 × fp32/INT8 4방향 평가. | ≈ 17분 | 102 | ≈ 93K | ≈ $4.0 |
| 뇌 종양 스크리닝 | 의료 엣지 디바이스를 위해 brain-tumor(MRI/CT)로 yolo26n을 재학습; 기본/재학습 × fp32/INT8 4방향 평가. | ≈ 9분 | 91 | ≈ 103K | ≈ $3.7 |
| 제약 알약 검사 | 제약 계수 스테이션을 위해 medical-pills로 yolo26n을 재학습; 기본/재학습 × fp32/INT8 4방향 평가. | ≈ 8분 | 118 | ≈ 103K | ≈ $5.1 |
PaddlePaddle 생태계 통합
간결한 단일 프롬프트로 DEEPX NPU에서 PaddleOCR (PP-OCRv5) — 실시간 비디오 & 웹캠 OCR. DX-M1 NPU에서 실행되는 Baidu의 PaddlePaddle OCR(텍스트 감지 → 방향 → 인식).
| 쇼케이스 | 설명 | 빌드 시간 | 에이전트 턴 | 출력 토큰 | 예상 비용 |
|---|---|---|---|---|---|
| 비디오 / 웹캠 OCR (PP-OCRv5) | DX-M1 NPU에서 실시간 텍스트 감지 + 인식 — 비디오 파일과 라이브 웹캠 모두를 위한 단일 코드 경로, 감지된 박스와 인식된 문자열을 오버레이합니다. | ≈ 18분 | 175 | ≈ 184K | ≈ $12.0 |
RapidAI 생태계 통합
간결한 단일 자연어 프롬프트로 DEEPX NPU에서 PDF → Markdown 문서 변환 앱. RapidAI의 RapidDoc(PP-StructureV3): 레이아웃, OCR, 표, 수식 — DX-M1 NPU에서 PaddlePaddle 학습 모델 실행. 포크의 파이프라인에서 생성된 독립 실행형 앱.
| 쇼케이스 | 설명 | 빌드 시간 | 에이전트 턴 | 출력 토큰 | 예상 비용 |
|---|---|---|---|---|---|
| PDF → Markdown (문서 변환 앱) | DEEPX DX-M1 NPU에서 RapidDoc 포크를 통해 PDF(디지털 또는 스캔)를 구조화된 Markdown + JSON으로 변환 — 레이아웃 분석, OCR, 표 및 수식. `--parse-method auto | txt | ocr`을 지원합니다. | ≈ 12분 | 133 |
전체 카탈로그 + 쇼케이스별 요약(빌드 GIF 포함) →
dx-agent-dev-showcase/README.md. 각 행의 링크를 클릭하면 해당 쇼케이스의 README — 그대로의 프롬프트, 4방향 평가/게임플레이 세부 정보, 세션 기록 — 가 열립니다.
작동 원리 — 하네스, (단순히) 모델만이 아닌
각 앱은 완전한 에이전트 세션 기록과 함께 제공됩니다. 이는 결과가 단순히 원시 모델에서 나오는 것이 아니라 하네스가 부과하는 지시사항, 스킬, 검증 게이트에서 더 많이 나온다는 것을 보여주는 가장 직접적인 방법입니다. 기록을 읽으면 다음을 확인할 수 있습니다:
- 지시 따르기 — 에이전트가 슈트 HARD GATE를 준수합니다: 세션 센티넬(
[DX-AGENT-DEV: START]/DONE), 세션 디렉토리에 격리된 출력(기존 소스 접촉 금지), 플레이스홀더/스텁 코드 없음. - 스킬 & 에이전트 활용 — 필수 시퀀스를 단순히 언급하는 대신 실제 툴 호출로 실행합니다 —
dx-skill-router → dx-agent-brainstorm → dx-swe-writing-plans → dx-agent-tdd → dx-agent-verify. - 실제 추론 — 가장 가까운 기존 예제를 검사하고, 지식 베이스에서 실제 프레임워크 API를 확인하고, 검증을 먼저 작성(RED)한 다음 완료를 선언하기 전에 파일별로 생성 + 검증합니다.
전제 조건
| 요구 사항 | 세부 정보 |
|---|---|
| DEEPX 개발 환경 | DX-RT SDK 설치 및 setup_env.sh 소싱 완료 |
| AI 코딩 에이전트 (다음 중 하나) | Claude Code, GitHub Copilot (VS Code), Cursor, OpenCode, 또는 Codex CLI |
| Python | dx-all-suite 패키지가 설치된 3.10 이상 |
아키텍처 개요
에이전트 기반 지식 베이스는 세 개의 독립적인 레이어로 구성됩니다. 각 레이어에는 에이전트가 태스크 시점에 읽는 스킬, 지시사항, 메모리 파일을 포함하는 자체 .deepx/ 디렉토리가 있습니다.
dx_app — 독립 실행형 추론
GStreamer 없이 추론을 실행하는 Python 및 C++ 애플리케이션. 핵심 추상화:
- IFactory — 모델별 전/후처리 파이프라인 생성
- SyncRunner / AsyncRunner — 블로킹 및 논블로킹 추론 실행기
- DxInfer — InferenceEngine을 감싸는 저수준 추론 래퍼
.deepx/ 지식 베이스는 모델 로딩, .dxnn 해석, 배치 처리, 결과 시각화를 다룹니다.
dx_stream — GStreamer 파이프라인
GStreamer 기반의 실시간 비디오 분석. 에이전트는 6개 기능 카테고리(소스, 추론, 오버레이, 인코딩, 스트리밍, 싱크)로 구성된 13개 DEEPX 엘리먼트를 모두 이해하며 단일 자연어 프롬프트로 멀티 브랜치 파이프라인을 조립할 수 있습니다.
dx-runtime — 통합 레이어
크로스 프로젝트 라우팅 및 통합 검증. dx-runtime은 다른 두 레이어 위에 위치하며, 태스크를 올바른 서브 프로젝트 빌더에 디스패치하고 일관된 코딩 표준, 테스트 패턴, 모델 관리 규칙을 적용합니다.
dx-compiler — 모델 컴파일
DX-COM으로 구동되는 DXNN 모델 컴파일. 에이전트는 전체 컴파일 파이프라인 — ONNX 모델 검증, 자동 추론 매개변수가 포함된 config.json 생성, 캘리브레이션 데이터 준비, INT8 양자화, PPU 구성 — 을 이해하며 단일 자연어 프롬프트로 모델을 컴파일할 수 있습니다. 컴파일 전에 에이전트는 올바른 구성을 보장하기 위해 NMS 미사용 모델 감지, ONNX 단순화, PPU 컴파일에 관한 필수 브레인스토밍 질문을 합니다.
사용 가능한 에이전트 및 스킬
에이전트와 스킬은 리포지토리의 모든 레벨에서 사용할 수 있습니다. 최상위 dx-all-suite는 태스크를 분류하여 올바른 서브모듈로 디스패치하는 라우팅 에이전트를 제공합니다.
레벨별 에이전트
| 레벨 | 에이전트 | 설명 |
|---|---|---|
| dx-all-suite | @dx-suite-builder | 최상위 라우터 — 태스크를 분류하고 적절한 서브모듈로 라우팅 |
| dx-all-suite | @dx-suite-validator | 슈트 전체 검증 — 3개 레벨 전체의 프레임워크 검사 실행 |
| dx-runtime | @dx-runtime-builder | 크로스 프로젝트 빌더 — dx_app 또는 dx_stream으로 라우팅 |
| dx-runtime | @dx-validator | 피드백 루프가 있는 통합 검증 오케스트레이터 |
| dx_app | @dx-app-builder | 독립 실행형 추론 빌더 — 전문 빌더로 라우팅 |
| dx_app | @dx-python-builder | Python 추론 앱 빌더 (4가지 변형: sync, async, cpp_postprocess, async_cpp_postprocess) |
| dx_app | @dx-cpp-builder | C++ 추론 앱 빌더 |
| dx_app | @dx-model-manager | 모델 다운로드 및 레지스트리 관리자 |
| dx_app | @dx-validator | dx_app 검증 및 피드백 루프 |
| dx_stream | @dx-stream-builder | GStreamer 파이프라인 빌더 — 전문 빌더로 라우팅 |
| dx_stream | @dx-pipeline-builder | 파이프라인 구성 (브로커 포함 6개 카테고리) |
| dx_stream | @dx-validator | dx_stream 검증 및 피드백 루프 |
| dx-compiler | @dx-compiler-builder | 모델 컴파일 라우터 — 변환기 또는 컴파일러로 라우팅 |
| dx-compiler | @dx-model-converter | PyTorch에서 ONNX 모델 변환기 |
| dx-compiler | @dx-dxnn-compiler | ONNX에서 DXNN 컴파일러 (DX-COM) |
스킬 (OpenCode 전용)
| 레벨 | 스킬 | 설명 |
|---|---|---|
| dx-runtime | /dx-agent-runtime-validate | 검증, 피드백 수집, 수정 적용, 재검증 |
| dx_app | /dx-agent-app-build-python | Python 추론 앱 빌드 |
| dx_app | /dx-agent-app-build-cpp | C++ 추론 앱 빌드 |
| dx_app | /dx-agent-app-build-async | 비동기 고성능 앱 빌드 |
| dx_app | /dx-agent-app-model-management | 모델 다운로드 및 구성 |
| dx_app | /dx-agent-app-validate | 검증 검사 실행 |
| dx_stream | /dx-agent-stream-build-pipeline | GStreamer 파이프라인 앱 빌드 |
| dx_stream | /dx-agent-stream-build-mqtt-kafka | MQTT/Kafka 파이프라인 앱 빌드 |
| dx_stream | /dx-agent-stream-validate | 검증 검사 실행 |
| dx_stream | /dx-agent-stream-model-management | 모델 다운로드 및 구성 |
| dx-compiler | /dx-agent-compiler-convert | PyTorch 모델을 ONNX로 변환 |
| dx-compiler | /dx-agent-compiler-compile | ONNX 모델을 DXNN으로 컴파일 |
| dx-compiler | /dx-agent-compiler-validate | 컴파일된 DXNN 출력 검증 |
| DX All Suite | /dx-swe-brainstorm | 프로세스: 모든 작업 전 협업 설계 세션 |
| DX All Suite | /dx-swe-tdd | 프로세스: 테스트 기반 개발 — 단계적 검증 |
| DX All Suite | /dx-swe-verify | 프로세스: 완료 선언 전 검증 — 주장 전 증거 |
| dx-runtime | /dx-swe-brainstorm | 프로세스: 코드 생성 전 협업 설계 세션 |
| dx-runtime | /dx-swe-tdd | 프로세스: 테스트 기반 개발 — 생성 후 즉시 각 파일 검증 |
| dx-runtime | /dx-swe-verify | 프로세스: 완료 선언 전 검증 — 주장 전 증거 |
| dx_app | /dx-swe-brainstorm | 프로세스: 코드 생성 전 협업 설계 세션 |
| dx_app | /dx-swe-tdd | 프로세스: 테스트 기반 개발 — 생성 후 즉시 각 파일 검증 |
| dx_app | /dx-swe-verify | 프로세스: 완료 선언 전 검증 — 주장 전 증거 |
| dx_stream | /dx-swe-brainstorm | 프로세스: 코드 생성 전 협업 설계 세션 |
| dx_stream | /dx-swe-tdd | 프로세스: 테스트 기반 개발 — 생성 후 즉시 각 파일 검증 |
| dx_stream | /dx-swe-verify | 프로세스: 완료 선언 전 검증 — 주장 전 증거 |
| dx-compiler | /dx-swe-brainstorm | 프로세스: 컴파일 전 협업 설계 세션 |
| dx-compiler | /dx-swe-tdd | 프로세스: 테스트 기반 개발 — 각 단계를 단계적으로 검증 |
| dx-compiler | /dx-swe-verify | 프로세스: 완료 선언 전 검증 — 주장 전 증거 |
어느 서브모듈을 대상으로 해야 할지 확실하지 않은 경우 최상위 레벨에서 @dx-suite-builder를 사용하세요 — 태스크를 분류하고 올바른 빌더로 라우팅합니다.
지원되는 AI 툴
에이전트 기반 개발은 5가지 AI 코딩 툴과 함께 작동합니다. 각 툴은 자체 구성 메커니즘을 통해 .deepx/ 지식 베이스를 자동으로 로드합니다.
| 툴 | 유형 | 자동 로드 메커니즘 | 에이전트 호출 | 스킬 호출 |
|---|---|---|---|---|
| Claude Code | CLI | 프로젝트 루트의 CLAUDE.md | 자유로운 대화; 컨텍스트 라우팅 테이블이 자동 디스패치 | — |
| GitHub Copilot | VS Code | .github/copilot-instructions.md | Copilot Chat에서 @agent-name "prompt" | — |
| Cursor | IDE | .cursor/rules/*.mdc | 자유로운 대화; alwaysApply 또는 globs로 규칙 로드 | — |
| OpenCode | CLI | AGENTS.md + opencode.json | @agent-name "prompt" | /skill-name 슬래시 명령 |
| Codex CLI | CLI | AGENTS.md + .codex/skills/dx-codex-identity/SKILL.md | 자유로운 대화 (~/bin/codex exec ...) | cat .deepx/skills/<name>/SKILL.md (직접 읽기) |
자동 로드 내용
| 툴 | 전역 컨텍스트 | 파일별 컨텍스트 | 에이전트 | 스킬 |
|---|---|---|---|---|
| Claude Code | CLAUDE.md | 컨텍스트 라우팅 테이블 (수동) | .claude/agents/*.md (생성됨) | .deepx/skills/ (직접 읽기) |
| Copilot | .github/copilot-instructions.md | .github/instructions/*.instructions.md (applyTo: glob) | .github/agents/*.agent.md | .github/skills/ (인라인 복사본) |
| Cursor | .cursor/rules/dx-*.mdc (alwaysApply: true) | .cursor/rules/*.mdc (globs: patterns) | .cursor/rules/ 에이전트 .mdc 파일 | .cursor/rules/ 스킬 .mdc 파일 |
| OpenCode | AGENTS.md + opencode.json 지시사항 | — | .opencode/agents/*.md | .deepx/skills/SKILL.md |
| Codex CLI | AGENTS.md | — | .deepx/agents/*.md (직접 cat) | .codex/skills/dx-codex-identity/ (자동) + .deepx/skills/ (수동 cat) |
최초 설정
추가 구성이 필요하지 않습니다. 선호하는 툴에서 프로젝트 디렉토리를 열면 구성 파일이 자동으로 로드됩니다:
# Claude Code
cd dx-all-suite
claude
# OpenCode
cd dx-all-suite
opencode
# Codex CLI
cd dx-all-suite
~/bin/codex
# GitHub Copilot — VS Code에서 폴더 열기
code dx-all-suite
# Cursor CLI
cd dx-all-suite
cursor-agent
플랫폼 파일 로딩 참조
각 AI 코딩 에이전트는 슈트 레벨에서 서로 다른 구성 파일을 자동으로 로드합니다. 자동으로 표시된 파일은 모든 대화에서 로드됩니다; @mention 파일은 에이전트 또는 스킬 명령을 통해 수동으로 호출됩니다.
Copilot Chat/CLI, Claude Code, Codex CLI는 현재 git 루트의 파일만 볼 수 있습니다. dx-all-suite/에서 열면 dx-compiler/, dx-runtime/ 등의 서브 프로젝트 파일을 자동 로드하지 않습니다(별도의 git 서브모듈). OpenCode는 opencode.json의 명시적 경로 참조를 통해 이 경계를 연결합니다.
자동 로드 파일
| 파일 | 자동 로드 주체 | 로딩 방식 |
|---|---|---|
.github/copilot-instructions.md | Copilot Chat/CLI | 자동 |
CLAUDE.md | Claude Code | 자동 |
AGENTS.md + opencode.json | OpenCode | 자동 |
AGENTS.md + .codex/skills/dx-codex-identity/SKILL.md | Codex CLI | 자동 |
.cursor/rules/dx-all-suite.mdc | Cursor | 자동 |
에이전트 파일 (수동 @mention)
| 에이전트 | Copilot (@mention) | OpenCode (@mention) |
|---|---|---|
dx-suite-builder | .github/agents/dx-suite-builder.agent.md | .opencode/agents/dx-suite-builder.md |
dx-suite-validator | .github/agents/dx-suite-validator.agent.md | .opencode/agents/dx-suite-validator.md |
Claude Code는 .claude/agents/에 생성된 에이전트 파일을 갖고 있습니다(예: dx-suite-builder.md).
Cursor는 .cursor/rules/에 에이전트 .mdc 파일을 갖고 있습니다(예: dx-suite-builder.mdc).
Claude Code는 또한 CLAUDE.md의 컨텍스트 라우팅 테이블을 사용하여 태스크를 디스패치합니다.
스킬 파일 (OpenCode 전용 — /슬래시-명령)
| 스킬 | 파일 |
|---|---|
/dx-swe-brainstorm | .deepx/skills/dx-swe-brainstorm/SKILL.md |
/dx-swe-verify | .deepx/skills/dx-swe-verify/SKILL.md |
/dx-swe-tdd | .deepx/skills/dx-swe-tdd/SKILL.md |
/dx-swe-parallel-agents | .deepx/skills/dx-swe-parallel-agents/SKILL.md |
/dx-swe-executing-plans | .deepx/skills/dx-swe-executing-plans/SKILL.md |
/dx-swe-receiving-review | .deepx/skills/dx-swe-receiving-review/SKILL.md |
/dx-swe-requesting-review | .deepx/skills/dx-swe-requesting-review/SKILL.md |
/dx-skill-router | .deepx/skills/dx-skill-router/SKILL.md |
/dx-swe-subagent-dev | .deepx/skills/dx-swe-subagent-dev/SKILL.md |
/dx-swe-debugging | .deepx/skills/dx-swe-debugging/SKILL.md |
/dx-swe-writing-plans | .deepx/skills/dx-swe-writing-plans/SKILL.md |
공유 지식 베이스 (.deepx/)
.deepx/ 디렉토리는 모든 플랫폼별 파일의 정식 소스(단일 진실의 출처)입니다. 에이전트, 스킬, 템플릿, 플래그먼트를 플랫폼 독립적인 형식으로 포함합니다. dx-agent-gen 생성기가 이를 Copilot(.github/), Claude Code(.claude/), OpenCode(.opencode/), Cursor(.cursor/rules/)를 위한 플랫폼별 파일로 변환합니다.
| 디렉토리 | 내용 |
|---|---|
agents/ | dx-suite-builder, dx-suite-validator |
skills/ | 13개 스킬 (도메인 + 공유 프로세스 스킬) |
templates/ | {en,ko}/*.tmpl — 지시 파일 템플릿 |
templates/fragments/ | {en,ko}/*.md — 리포지토리 전체에서 재사용되는 공유 섹션 |
memory/ | 영구 크로스 세션 지식 |
knowledge/ | 구조화된 참조 데이터 |
instructions/ | 내부 에이전트 지시사항 |
toolsets/ | 툴 참조 문서 |
지시 파일(CLAUDE.md, AGENTS.md, copilot-instructions.md, 영어+한국어)도 템플릿과 플래그먼트에서 생성됩니다 — 직접 편집해서는 안 됩니다.
플랫폼 파일 생성
모든 플랫폼별 파일은 dx-agent-dev-gen 패키지에 의해 .deepx/에서 생성됩니다. 생성된 파일을 직접 편집하지 마세요.
pip install -e .deepx/tools # 생성기 설치
dx-agent-gen generate # 플랫폼 파일 생성
dx-agent-gen check # 드리프트 없음 확인
프리 커밋 훅이 생성된 파일이 동기화 상태를 유지하도록 강제합니다:
.deepx/tools/scripts/install-hooks.sh # 일회성 설정
툴별 빠른 시작
dx-all-suite에서 (최상위 라우팅)
최상위 dx-all-suite 디렉토리에서 작업 중이고 에이전트가 올바른 서브모듈로 자동 라우팅하길 원하는 경우:
프롬프트:
"Compile yolo26n.onnx to DXNN and build a person detection Python app with it"
| 툴 | 사용 방법 |
|---|---|
| Claude Code | dx-all-suite/를 열고 프롬프트를 입력합니다. CLAUDE.md가 컴파일을 위해 dx-compiler로, 앱 생성을 위해 dx_app으로 라우팅합니다. |
| GitHub Copilot | Copilot Chat 열기: @dx-suite-builder 다음에 프롬프트. 에이전트가 태스크를 분류하고 올바른 서브모듈로 라우팅합니다. |
| Cursor | dx-all-suite/를 열고 프롬프트를 입력합니다. alwaysApply 규칙이 적절한 서브모듈로 라우팅합니다. |
| OpenCode | dx-all-suite/ 열기: @dx-suite-builder 다음에 프롬프트. 에이전트가 자동으로 라우팅합니다. |
| Codex CLI | dx-all-suite/를 열고 프롬프트를 입력합니다(또는 ~/bin/codex exec "<prompt>"). AGENTS.md가 자동으로 읽히고 서브모듈 간에 라우팅됩니다. |
서브모듈에서 (직접 접근)
서브모듈에서 직접 작업할 때 해당 서브모듈의 범위에 맞는 프롬프트를 사용하세요:
| 서브모듈 | 프롬프트 예시 |
|---|---|
| dx-compiler | "Convert my yolo26x.pt to ONNX and compile it to DXNN for DX-M1" |
| dx_app | "Build a yolo26n person detection app using Python" |
| dx_stream | "Build a detection pipeline with RTSP camera and tracking" |
| 툴 | 사용 방법 |
|---|---|
| Claude Code | 서브모듈 디렉토리를 열고 프롬프트를 직접 입력합니다. CLAUDE.md가 자동으로 읽힙니다. 컨텍스트 라우팅 테이블이 올바른 .deepx/ 스킬 파일로 디스패치합니다. |
| GitHub Copilot | Copilot Chat 열기: @dx-app-builder, @dx-stream-builder, 또는 @dx-compiler-builder 다음에 프롬프트. Copilot은 모든 채팅에서 .github/copilot-instructions.md를 읽습니다. |
| Cursor | 서브모듈 폴더를 열고 프롬프트를 직접 입력합니다. alwaysApply: true인 규칙은 모든 대화에서 로드됩니다. globs: 패턴이 있는 규칙은 일치하는 파일 편집 시 활성화됩니다. |
| OpenCode | 서브모듈 디렉토리를 열고 적절한 에이전트(@dx-app-builder, @dx-stream-builder, 또는 @dx-compiler-builder) 또는 해당 스킬 슬래시 명령을 사용합니다. |
| Codex CLI | 서브모듈 디렉토리를 열고 프롬프트를 입력합니다(또는 ~/bin/codex exec "<prompt>"). AGENTS.md가 자동으로 읽히며; 필요에 따라 관련 .deepx/skills/<name>/SKILL.md를 직접 cat합니다. |
엔드투엔드 시나리오
이 시나리오는 여러 서브모듈에 걸친 크로스 프로젝트 워크플로우를 시연합니다. 서브 프로젝트별 시나리오는 아래 링크된 개별 가이드를 참조하세요.
시나리오 1: 커스텀 모델 변환 + SDK 포팅 + 검증
커스텀 모델을 컴파일하고, 추론 코드를 DEEPX SDK로 포팅하고, 결과를 검증하는 전체 파이프라인입니다.
프롬프트:
"I have yolo26x-custom.onnx at ./models/ and my inference code at ./inference.py using onnxruntime. Convert it to DXNN and port my code to DEEPX SDK."
| 툴 | 사용 방법 |
|---|---|
| Claude Code | dx-all-suite/를 열고 프롬프트를 입력합니다. 슈트 빌더가 오케스트레이션합니다: (a) dx-compiler가 ONNX 모델을 DXNN으로 컴파일, (b) dx_app이 추론 코드를 포팅, (c) 검증이 포팅된 앱 작동을 확인합니다. |
| GitHub Copilot | @dx-suite-builder 다음에 프롬프트. 에이전트가 컴파일을 dx-compiler로, 포팅을 dx_app으로 라우팅합니다. |
| Cursor | dx-all-suite/를 열고 프롬프트를 입력합니다. 라우터가 올바른 서브모듈로 디스패치합니다. |
| OpenCode | @dx-suite-builder 다음에 프롬프트. |
| Codex CLI | dx-all-suite/를 열고 프롬프트를 입력합니다. AGENTS.md가 크로스 서브모듈 작업을 오케스트레이션합니다. |
이 시나리오는 세 단계로 구성됩니다:
- dx-compiler: 자동 추론 구성으로
yolo26x-custom.onnx→yolo26x-custom.dxnn컴파일 - dx_app: 컴파일된 모델로
InferenceEngine을 사용하는 Python 추론 앱 생성 - 검증: 포팅된 앱을 실행하고 원래 onnxruntime 코드와 출력 비교
시나리오 2: 모델 컴파일 + 샘플 앱 생성
모델을 컴파일하고 컴파일된 출력을 사용하는 독립 실행형 추론 앱을 생성합니다. 이 크로스 프로젝트 시나리오는 dx-compiler와 dx_app에 걸쳐 있습니다.
프롬프트:
"Compile yolo26n.onnx to DXNN and generate a Python detection app that uses the compiled model"
| 툴 | 사용 방법 |
|---|---|
| Claude Code | dx-all-suite/를 열고 프롬프트를 입력합니다. 슈트 빌더가 오케스트레이션합니다: (a) dx-compiler가 ONNX를 DXNN으로 컴파일, (b) dx_app이 컴파일된 모델을 참조하는 Python 앱 생성. |
| GitHub Copilot | @dx-suite-builder 다음에 프롬프트. 컴파일을 dx-compiler로, 앱 생성을 dx_app으로 라우팅합니다. |
| Cursor | dx-all-suite/를 열고 프롬프트를 입력합니다. 라우터가 두 서브모듈에 모두 디스패치합니다. |
| OpenCode | @dx-suite-builder 다음에 프롬프트. |
| Codex CLI | dx-all-suite/를 열고 프롬프트를 입력합니다. AGENTS.md가 크로스 서브모듈 작업을 오케스트레이션합니다. |
이 시나리오는 두 단계로 구성됩니다:
- dx-compiler: 자동 추론 구성으로
yolo26n.onnx→yolo26n.dxnn컴파일 - dx_app: 컴파일된
.dxnn모델을 사용하는 Python 감지 앱 생성
시나리오 3: 모델 컴파일 + 스트리밍 파이프라인 생성
모델을 컴파일하고 컴파일된 출력을 사용하는 GStreamer 스트리밍 파이프라인을 생성합니다. 이 크로스 프로젝트 시나리오는 dx-compiler와 dx_stream에 걸쳐 있습니다.
프롬프트:
"Compile yolo26n.onnx to DXNN and build a detection streaming pipeline with RTSP output"
| 툴 | 사용 방법 |
|---|---|
| Claude Code | dx-all-suite/를 열고 프롬프트를 입력합니다. 슈트 빌더가 오케스트레이션합니다: (a) dx-compiler가 ONNX를 DXNN으로 컴파일, (b) dx_stream이 RTSP 출력이 있는 GStreamer 파이프라인 생성. |
| GitHub Copilot | @dx-suite-builder 다음에 프롬프트. 컴파일을 dx-compiler로, 파이프라인을 dx_stream으로 라우팅합니다. |
| Cursor | dx-all-suite/를 열고 프롬프트를 입력합니다. 라우터가 두 서브모듈에 모두 디스패치합니다. |
| OpenCode | @dx-suite-builder 다음에 프롬프트. |
| Codex CLI | dx-all-suite/를 열고 프롬프트를 입력합니다. AGENTS.md가 크로스 서브모듈 작업을 오케스트레이션합니다. |
이 시나리오는 두 단계로 구성됩니다:
- dx-compiler: 자동 추론 구성으로
yolo26n.onnx→yolo26n.dxnn컴파일 - dx_stream: 컴파일된 모델을 사용하는 DxInfer와 RTSP 스트리밍 출력이 있는 감지 파이프라인 생성
시나리오 4: PPU 모델 컴파일 + 감지 앱
하드웨어 가속 후처리를 위한 PPU(사전/후처리 유닛) 지원으로 YOLO 모델을 컴파일하고, PPU 모델을 사용하는 앱을 생성합니다.
프롬프트:
"Compile yolo26n.onnx with PPU support and generate a detection app for the PPU model"
| 툴 | 사용 방법 |
|---|---|
| Claude Code | dx-all-suite/를 열고 프롬프트를 입력합니다. 슈트 빌더가 오케스트레이션합니다: (a) dx-compiler가 PPU 구성으로 컴파일(YOLO 버전에 따라 자동 감지 유형), (b) dx_app이 단순화된 후처리가 있는 PPU 전용 앱 생성. |
| GitHub Copilot | @dx-suite-builder 다음에 프롬프트. PPU 컴파일을 위해 dx-compiler로, PPU 앱 생성을 위해 dx_app으로 라우팅합니다. |
| Cursor | dx-all-suite/를 열고 프롬프트를 입력합니다. 라우터가 두 서브모듈에 모두 디스패치합니다. |
| OpenCode | @dx-suite-builder 다음에 프롬프트. |
| Codex CLI | dx-all-suite/를 열고 프롬프트를 입력합니다. AGENTS.md가 크로스 서브모듈 작업을 오케스트레이션합니다. |
이 시나리오는 두 단계로 구성됩니다:
- dx-compiler: PPU 구성으로 컴파일 — 에이전트가 PPU 유형 자동 감지(앵커 기반 YOLO는 유형 0, 앵커 프리 YOLO는 유형 1)
- dx_app: 하드웨어로 디코딩된 바운딩 박스와 단순화된 후처리를 갖는
src/python_example/ppu/하위의 PPU 전용 감지 앱 생성
크로스 프로젝트 라우팅
dx-all-suite 메타 가이드는 모든 서브 프로젝트 시나리오로의 라우팅을 제공합니다. 태스크가 서브 프로젝트 가이드의 시나리오와 일치하면 슈트 빌더가 자동으로 라우팅합니다.
- dx-runtime 시나리오 (크로스 프로젝트 빌드, 통합 검증): dx-runtime 가이드 참조
- dx_app 시나리오 (Python/C++ 추론 앱): dx_app 가이드 참조
- dx_stream 시나리오 (GStreamer 파이프라인): dx_stream 가이드 참조
- dx-compiler 시나리오 (모델 컴파일): dx-compiler 가이드 참조
서브 프로젝트 디렉토리로 이동할 필요가 없습니다. dx-all-suite 레벨에서 @dx-suite-builder를 사용하세요 — 모든 서브 프로젝트로 자동 라우팅합니다.
서브 프로젝트 가이드
각 서브 프로젝트에는 특정 스킬, 엘리먼트 카탈로그, 작업 예시를 다루는 상세한 에이전트 기반 개발 가이드가 있습니다:
내부 참조 문서
.deepx/ 정식 소스, 생성기 파이프라인, 하네스 개발 모델에 대한 심층적인 내용은 (기여자용, 최종 사용자 대상 아님):
| 문서 | 범위 |
|---|---|
.deepx/docs/dx-agent-dev-overview.md | 5개 리포지토리 전체의 모든 .deepx/ 디렉토리 포괄적 안내 |
.deepx/README.md | .deepx/ 지식 베이스 최상위 마스터 인덱스 |
.deepx/docs/skill-architecture.md | 3계층 스킬 모델 (SWE / 에이전트 기반 / 하네스) |
.deepx/tools/README.md | dx-agent-gen 생성기 패키지 가이드 |
.deepx/tools/scripts/README.md | 운영 스크립트 (run_all.sh, 훅, E2E 루프) |
출력 격리
기본적으로 모든 에이전트 생성 코드는 대상 서브 프로젝트 내의 dx-agent-dev/<session_id>/에 배치됩니다. 이는 기존 프로덕션 코드의 우발적 수정을 방지합니다.
| 출력 유형 | 경로 | 시기 |
|---|---|---|
| 기본 (격리됨) | dx-agent-dev/<session_id>/ | 사용자가 달리 명시하지 않는 한 항상 |
| 프로덕션 | src/ | 사용자가 명시적으로 요청한 경우에만 |
세션 ID 형식: YYYYMMDD-HHMMSS_<agent>_<model>_<task> (여기서 <agent>는 claude, codex, copilot, cursor, 또는 opencode)
각 세션 디렉토리에는 다음이 포함됩니다:
README.md— 세션 메타데이터, 생성된 파일 목록, 실행 지시사항session.json— 기계 판독 가능한 세션 구성
dx-agent-dev/ 디렉토리는 dx_app과 dx_stream 모두에서 git-ignore됩니다.
dx-compiler 세션 디렉토리
dx-compiler의 경우 세션 디렉토리에 추가로 다음이 포함됩니다:
calibration_dataset—dx_com/calibration_dataset/에 대한 심링크config.json— 상대 캘리브레이션 경로가 있는 자동 생성된 DX-COM 구성compiler.log— 컴파일 로그 (--gen_log사용 시)
에이전트는 캘리브레이션 데이터를 자동으로 설정합니다(dx_com/calibration_dataset/ 확인, 필요한 경우 설정 스크립트 실행, 상대 경로로 심링크 생성).
슈트 레벨 크로스 프로젝트 출력
dx-all-suite 레벨에서 크로스 프로젝트 태스크(예: 컴파일 + 배포)를 실행하면 각 대상 서브 프로젝트의 dx-agent-dev/ 디렉토리에 아티팩트가 생성됩니다. 또한 통합 접근을 위해 dx-all-suite/dx-agent-dev/에 심볼릭 링크가 생성됩니다:
dx-all-suite/dx-agent-dev/
├── dx-compiler_20260409-070940_yolo26n_pt_to_dxnn -> ../dx-compiler/dx-agent-dev/20260409-...
└── dx_app_20260409-071500_yolo26n_detection_app -> ../dx-runtime/dx_app/dx-agent-dev/20260409-...
심링크 명명 규칙: \\{subproject\\}_\\{session_id\\}.
세션 센티넬
에이전트는 자동화된 테스트를 위해 각 태스크의 시작과 끝에 고정 마커를 출력합니다:
| 마커 | 시기 |
|---|---|
[DX-AGENT-DEV: START] | 중요 — 다른 텍스트, 툴 호출, 추론보다 먼저 에이전트 첫 응답의 절대 첫 줄. 사용자가 "그냥 진행해"라고 해도 협상 불가 — 자동화 테스트가 이 없이는 실패합니다. |
[DX-AGENT-DEV: DONE (output-dir: <relative_path>)] | 모든 작업 완료 후 마지막 줄. <relative_path>는 프로젝트 루트에 대한 상대적인 세션 출력 디렉토리입니다. 파일이 생성되지 않은 경우 (output-dir: ...) 부분을 생략합니다. |
중요: DONE은 모든 결과물이 생성되었음을 의미합니다 — 구현 코드, 스크립트, 구성, 검증 결과. 에이전트가 실제 코드를 구현하지 않고 계획 아티팩트(사양, 계획, 설계 문서)만 생성한 경우 DONE을 출력해서는 안 됩니다.