workspace-detection

name	workspace-detection
description	Detect whether the workspace is greenfield (new project) or brownfield (existing codebase). For brownfield, trigger reverse-engineering to recover implicit requirements. Produces a workspace-report.md with detected stack, entry points, and recommended inception path.
argument-hint	[target directory — defaults to cwd]
user-invocable	true
model	claude-sonnet-4-6
allowed-tools	Read,Grep,Glob,Bash

언제 사용하나요

• AIDLC Inception 을 시작하는 첫 단계로서 워크스페이스 상태를 판별할 때
• 기존 레포에 기능을 추가하면서 암묵적인 도메인 컨텍스트를 파악해야 할 때
• greenfield 초기화 전에 빈 디렉터리인지 기존 자산이 남아있는지 확인할 때

언제 사용하지 않나요

• 이미 .omao/plans/<slug>/workspace-report.md 가 최신 상태로 존재할 때
• 단일 파일 리팩터링 등 워크스페이스 판별이 불필요한 작업
• IaC 전용 리포지토리에서 인프라 변경만 다룰 때

전제 조건

• 분석 대상 디렉터리에 대한 read 권한 보유
• .omao/plans/ 디렉터리가 존재(없을 경우 생성)
• Git 리포지토리 여부는 선택사항 — 비Git 디렉터리도 지원

절차

Step 1. 타깃 디렉터리 확정

인자로 받은 경로 또는 현재 작업 디렉터리를 타깃으로 설정합니다. 절대 경로로 변환한 뒤 존재 여부와 읽기 권한을 확인합니다.

Step 2. Greenfield / Brownfield 판별

다음 시그널을 종합하여 판별합니다.

시그널	Greenfield	Brownfield
소스 파일 수	10 미만 또는 scaffold 만 존재	소스 파일 50 이상
Git 히스토리	0~3 commits	10 이상 commits
의존성 선언	package.json/pyproject.toml 없음 또는 초기 스캐폴드	고정 버전의 의존성 다수
테스트 자산	테스트 파일 없음	테스트 디렉터리 존재
도메인 모델	명시된 엔터티 없음	모델/스키마 파일 존재

판별 결과는 workspace_type: greenfield | brownfield | hybrid 로 기록합니다.

Step 3. 기술 스택 탐지

• 언어: *.py, *.ts, *.go, *.java, *.rs 등 확장자 빈도 집계
• 프레임워크: package.json, pyproject.toml, go.mod, pom.xml 파싱
• 인프라: Dockerfile, helm/, terraform/, *.tf, k8s/, kustomization.yaml 존재 여부
• AI/ML 스택: requirements.txt 에서 vllm, transformers, langfuse, langchain 탐지

Step 4. 엔트리 포인트 목록

• CLI: bin/, cmd/, main.py
• API: app.py, server.ts, api/ 라우트
• UI: src/pages/, app/, public/
• Worker: workers/, consumers/

Step 5. 브라운필드 확장 — Reverse Engineering 트리거

workspace_type == brownfield 인 경우, 다음 산출물을 추가 수집합니다.

• 도메인 모델 요약(클래스/스키마 상위 20개)
• 외부 의존 서비스(AWS, 데이터베이스, 벡터 DB, 메시지 큐)
• 관측성 스택 존재 여부(OpenTelemetry, Langfuse, Prometheus)
• 보안 시그널(Secrets Manager, IRSA, OIDC)

결과는 reverse-engineering-notes.md 로 별도 저장하고, workspace-report.md 에서 링크합니다.

Step 6. 산출물 생성

.omao/plans/<slug>/workspace-report.md 에 다음 섹션을 기록합니다.

# Workspace Report
- workspace_type: brownfield
- primary_language: Python 3.11
- frameworks: [FastAPI, LangChain, vLLM client]
- entry_points: [app/main.py, workers/indexer.py]
- infrastructure: [Helm, Terraform]
- recommended_next: requirements-analysis (adaptive, complex)

Step 7. 다음 스킬 연결

• greenfield + 단순 기능 → requirements-analysis (simple mode)
• greenfield + 복잡 기능 → requirements-analysis (structured mode)
• brownfield → requirements-analysis + reverse-engineering-notes.md 참조

좋은 예시

• Python FastAPI 레포 + 50개 소스 + OpenTelemetry 존재 → brownfield, structured
• 빈 디렉터리 + Git init 만 수행 → greenfield, simple
• 스캐폴드만 생성된 Next.js 레포(페이지 없음) → greenfield

나쁜 예시 (금지)

• 파일 수만으로 판단하여 docs/ 위주 레포를 brownfield 로 잘못 분류
• node_modules/ 를 소스 파일 수에 포함
• 산출물 저장 경로를 /tmp/ 같은 휘발성 위치로 지정
• 브라운필드인데 reverse-engineering-notes 를 생략

참고 자료

공식 문서

• awslabs/aidlc-workflows — core-workflow — AIDLC 코어 워크플로우 정의
• awslabs/aidlc-workflows — workspace-detection — 원본 워크스페이스 탐지 규칙

관련 문서 (내부)

• ../../CLAUDE.md — aidlc 플러그인 (inception) 개요
• ../requirements-analysis/SKILL.md — 다음 단계 스킬
• /home/ubuntu/workspace/oh-my-aidlcops/CLAUDE.md — OMA 전체 철학
• /home/ubuntu/workspace/oh-my-aidlcops/plugins/aidlc/CLAUDE.md — Phase 2 연결