Colligi — AI 집단지성 분석
Colligi는 여러 AI 엔진이 동일한 주제에 대해 독립적으로 분석한 뒤, 그 결과를 수렴시켜 하나의 종합적인 인사이트를 도출하는 시스템입니다. 코드 리뷰, 아키텍처 분석, 문서 생성 등 분석 중심 작업에 특화되어 있습니다.
개요
Colligi vs Avalon3
| 항목 | Colligi | Avalon3 |
|---|---|---|
| 목적 | 분석 및 인사이트 도출 | 코드 생성 |
| AI 역할 | 동등한 분석가 | 토론자/종합자/구현자/리뷰어 |
| 상호작용 | 독립 분석 → 수렴 | 6관점 토론 → 합의 → 구현 |
| 출력 | 종합 보고서 (Markdown/DOCX) | 코드 + 리뷰 |
| 적합한 작업 | 리뷰, 분석, 문서 | 설계, 구현, 리팩토링 |
핵심 원리
- 여러 AI가 독립적으로 같은 주제를 분석 (편향 방지)
- 각 AI의 분석을 다차원 평가로 비교하고 수렴 (다양한 관점 통합)
- 합의점과 논쟁점을 구분하여 종합 인사이트 도출
- Emergence 합성으로 단일 AI로는 도달할 수 없는 통찰 생성
- 선택적으로 추가 개선 라운드 진행
5단계 파이프라인
Stage Design → Discussion → Integration → Document → Enhancement
0단계: Stage Design (스테이지 설계)
AI들이 공동으로 분석할 토론 스테이지를 설계합니다:
- 독립 제안 — 각 AI가 독립적으로 분석 단계를 제안
- 리서치 — 리서치 가능한 AI(Claude, Gemini)가 웹/논문 조사 수행
- 병합 — 리서치 결과를 제안에 반영
- 수렴 — 키워드 기반 카테고리 매칭으로 최종 단계 결정
💡 50% 이상의 AI가 동일하게 제안한 카테고리만 최종 스테이지로 채택됩니다. 단, Challenge(약점·리스크)와 Synthesis(통합·추천) 스테이지는 항상 포함됩니다.
1단계: Discussion (토론)
각 스테이지에서 여러 AI가 다라운드 토론을 진행합니다:
수렴 알고리즘
토론은 다차원 평가를 기반으로 수렴 여부를 판단합니다:
합의 강도 계산:
합의 강도 = Σ(각 평가의 가중치) / 전체 평가 수
| 파라미터 | 값 | 설명 |
|---|---|---|
| 수렴 임계값 | 0.65 | 이 값 이상이면 높은 합의로 판단 |
| 최소 라운드 | 2 | 수렴 판단 전 최소 토론 횟수 |
| 최대 라운드 | 3 (기본) | 스테이지당 최대 토론 횟수 |
| 최대 반박 라운드 | 2 | 이 횟수 이후 합의 실패 시 논쟁점으로 분류 |
| 수렴도 | 색상 | 의미 |
|---|---|---|
| 0~40% | 빨강 | 의견 분산 (추가 토론 필요) |
| 40~65% | 주황 | 부분 합의 |
| 65~100% | 초록 | 높은 합의 |
토론 계속 조건
다음 조건 중 하나라도 해당하면 추가 라운드를 진행합니다:
- 최소 라운드 미달
- 강한 반박(Strong Rebuttal)이 존재
- 일반 반박 비율이 임계값 이상
- 조건부 수락의 미해결 조건이 30% 이상
- 합의 강도가 0.65 미만
평가 유형
| 유형 | 가중치 | 설명 |
|---|---|---|
| Strong Accept | 1.0 | 완전 동의, 우수한 분석 |
| Accept | 0.8 | 전반적 동의 |
| Conditional Accept | 0.5 | 조건부 동의 (해결해야 할 조건 포함) |
| Rebuttal | 0.2 | 반박 |
| Strong Rebuttal | 0.0 | 강한 반박 (즉시 토론 필요) |
- 논쟁점(Controversy): 최대 반박 라운드 후에도 합의되지 않은 이슈는 논쟁점으로 기록됩니다.
2단계: Integration (통합)
모든 스테이지의 토론 결과를 하나의 통합 분석으로 합칩니다:
Emergence 합성
통합 과정에서 Emergence(창발) 합성이 수행됩니다. 이는 개별 AI가 도달할 수 없는 새로운 통찰을 생성하는 4단계 프로세스입니다:
| 단계 | 이름 | 설명 |
|---|---|---|
| 1 | 고유 관점 추출 | 각 AI의 분석에서 고유한 관점과 핵심 포인트 추출 |
| 2 | 변증법 합성 | 대립하는 관점을 테제-안티테제-합성(정반합) 방식으로 통합 |
| 3 | 교차 수분 | 각 AI가 다른 AI의 고유 관점을 바탕으로 새로운 아이디어를 발전 |
| 4 | 돌파구 생성 | 모든 통찰을 종합하여 창발적 패턴, 예상치 못한 연결, 패러다임 전환 포착 |
💡 Emergence 합성은 단순히 의견을 합치는 것이 아니라, AI 간 상호작용에서 새로운 차원의 통찰을 이끌어내는 것이 핵심입니다.
3단계: Document (문서화)
AI들이 집단적으로 종합 보고서를 작성합니다:
- 초안 작성 — 첫 번째 AI가 보고서 초안 작성
- 집단 리뷰 — 다른 AI들이 리뷰 및 피드백
- 확정 — 피드백 반영 후 최종 보고서 생성
- 개요 (Executive Summary)
- 핵심 추천 사항 (실행 가능한 항목)
- 상세 분석 (단계별, 요약이 아닌 상세)
- AI 토론 요약 (합의, 이견, 논쟁)
- Emergence 합성 결과 (돌파 통찰)
- 7개 언어 지원: 한국어, English, 日本語, 中文, Deutsch, Español, Français
- 출력 형식: JSON + Markdown + DOCX (Word 문서)
🔑 Emergence 합성 결과는 Colligi의 핵심 가치입니다. 개별 AI로는 도달할 수 없는 돌파 통찰(Breakthrough Insights) — 창발적 패턴, 예상치 못한 연결, 패러다임 전환 — 을 다중 AI 상호작용에서 이끌어냅니다. Colligi는 사실상 이 통찰 기능을 위한 시스템입니다.
4단계: Enhancement (개선, 선택적)
설정한 횟수만큼 추가 개선 라운드를 진행합니다:
- 초기 분석의 빈틈 보완
- 더 깊은 분석 추가
- 실행 가능한 제안 강화
- 지정된 Enhancement 프로바이더가 수행 (기본: Claude)
프로바이더 장애 처리
Colligi는 분석 도중 AI 프로바이더에 장애가 발생해도 정상 동작합니다:
| 오류 유형 | 처리 방식 |
|---|---|
| 일시적 오류 (Rate Limit, 타임아웃, 연결 오류) | 해당 스테이지에서 제외, 다음 스테이지에서 재참여 시도 |
| 영구적 오류 (인증 실패, 모델 미지원) | 영구 제외, 나머지 프로바이더로 계속 진행 |
Colligi UI
사이드바
설정 탭
| 설정 항목 | 설명 | 옵션 |
|---|---|---|
| 작업 제목 | 분석 작업 이름 | 자유 텍스트 |
| 작업 설명 | 상세한 분석 요청 | 자유 텍스트 (긴 형식) |
| 첨부 파일 | 참조 문서 | .txt, .md 파일 |
| 도메인 | 분석 분야 | General, Technology, Business, Research, Design, Strategy, Analysis |
| 언어 | 결과 언어 | 한국어, English, 日本語, 中文, Deutsch, Español, Français |
| 최대 라운드 | 수렴 한도 | 1~5 (기본 3) |
| 개선 라운드 | 추가 개선 횟수 | 0~5 (기본 0) |
AI 프로바이더 설정
- 최소 2개 이상의 AI 프로바이더가 필요합니다
- 각 프로바이더를 토글로 활성화/비활성화
- 사용 가능 여부 표시 (설치 상태 자동 감지)
| 프로바이더 | 설명 |
|---|---|
| Claude CLI | Anthropic Claude |
| Gemini CLI | Google Gemini |
| Ollama | 로컬 AI 모델 |
| OpenCode | 오픈소스 AI |
히스토리 탭
- 실행 일시, 제목, 작업 ID
- 스테이지 수, 성공 여부
- 클릭으로 이전 설정 불러오기
- 결과 재열람 가능
실행 패널
실행 탭
표시되는 정보:
- 진행 바 — 5단계 중 현재 위치
- 수렴도 미터 — 현재 수렴 강도 (0~100%)
- 라운드 카운터 — 현재/최대 라운드
- 논쟁점 수 — 합의되지 않은 이슈 카운트
- 동적 스테이지 — Stage Design에서 설계된 스테이지별 진행 상황
- 콘솔 로그 — 타임스탬프 + 컬러 코딩 (ERROR/WARN/INFO)
| 레벨 | 색상 | 의미 |
|---|---|---|
| ERROR | 빨강 | 오류 발생 |
| WARN | 주황 | 경고 |
| INFO | 기본 | 정보 |
결과 탭
- 결과 뷰어 — Markdown 보고서 렌더링
- JSON 결과 — 원본 분석 데이터 확인
- 히스토리 선택 — 이전 결과 재열람
완료 팝업
| 표시 정보 | 설명 |
|---|---|
| 작업 ID | 고유 식별자 |
| 스테이지 수 | 분석된 측면 수 |
| 라운드 수 | 총 토론 라운드 |
| 논쟁점 수 | 미합의 이슈 |
| 소요 시간 | 전체 실행 시간 |
활용 시나리오
코드 리뷰
이 프로젝트의 코드를 리뷰해줘.
보안 취약점, 성능 이슈, 코드 스타일 문제를 중점적으로 분석해줘.
여러 AI가 각자의 관점에서 코드를 분석하므로, 단일 AI가 놓칠 수 있는 문제를 발견할 수 있습니다.
아키텍처 분석
현재 프로젝트의 아키텍처를 분석하고 개선점을 제안해줘.
확장성, 유지보수성, 테스트 용이성 관점에서 평가해줘.
문서 생성
이 API의 사용자 가이드를 작성해줘.
초보자도 이해할 수 있도록 예제 코드와 함께 작성해줘.
기술 선택
이 프로젝트에 가장 적합한 데이터베이스를 추천해줘.
PostgreSQL, MongoDB, DynamoDB를 비교 분석해줘.
리서치 통합
Colligi는 분석 과정에서 학술 논문 검색을 통합할 수 있습니다:
| 소스 | 영역 |
|---|---|
| arXiv | CS/AI/물리/수학 프리프린트 |
| Semantic Scholar | AI 기반 학술 검색 |
| OpenAlex | 무료 오픈 액세스 메타데이터 |
| HuggingFace | 일일 AI/ML 논문 |
팔로우업 분석
이전 분석 결과를 유지하면서 추가 질문에 대한 집중 분석을 수행할 수 있습니다. 특정 주제를 더 깊이 파고들거나 새로운 관점에서 재분석할 때 유용합니다.
Alliance 연계
Colligi의 분석 보고서를 Alliance에 첨부 파일로 전달하면, 보고서에 포함된 키워드(fix, test, refactor 등)에 의해 Fast 모드가 활성화되어 PR과 P0을 건너뛸 수 있습니다.
일반 입력: PR → P0 → P1 → P2 → P3 → P4 → P5 (7단계)
Colligi 입력: ──────→ P1 → P2 → P3 → P4 → P5 (5단계)
Alliance 새 프로젝트 시트에서 .txt, .md 파일을 첨부할 수 있으므로, Colligi 보고서를 설명란에 복사/붙여넣기하지 않고도 간편하게 전달할 수 있습니다.
추천 워크플로우: 대규모 프로젝트의 경우, 먼저 Colligi로 분석 → 결과를 Alliance에 첨부 → 설계부터 구현까지 자동화하는 2단계 워크플로우가 가장 효과적입니다.
결과 저장 위치
{프로젝트}/
├── .projecthub/
│ └── colligi/
│ ├── output/
│ │ └── colligi_result.json # 전체 분석 결과
│ └── history.json # 실행 히스토리
└── colligi_{TIMESTAMP}/
├── TASK-{ID}.json # 분석 결과 (JSON)
├── TASK-{ID}.md # 분석 보고서 (Markdown)
└── TASK-{ID}.docx # 분석 보고서 (Word)