코딩 에이전트와의 상호작용 기록인 '세션 로그'를 안전하게 공개 데이터셋으로 전환할 수 있는 도구 '/take-my-data'가 발표되었습니다. 이는 클로드 코드(Claude Code), 코덱스(Codex) 등 다양한 코딩 에이전트 사용자들이 자신의 작업 기록을 손쉽게 기부하여, 대규모 언어모델(LLM)의 성능 향상에 필요한 고품질 한국어 궤적(trajectory) 데이터를 구축하는 데 기여할 수 있도록 설계되었습니다.
이 도구는 사용자의 로컬 환경에서 실행되며, 기트릭스(gitleaks)를 이용한 민감 정보 스캔, 정규식을 통한 이메일·경로·사용자명 제거, 에이전트가 생성한 문맥 정보의 2차 마스킹 등 철저한 정제 과정을 거칩니다. 정제된 내용은 기부자가 직접 확인하고 승인해야만 업로드되며, 원본 데이터는 서버에 전송되지 않고 정제본만 서버에서 재검사 후 수락됩니다. 기부된 데이터는 CC0 라이선스로 공개되며, 기존 리포지토리(repository) 코드는 원본 라이선스를 유지합니다. 이 프로젝트는 데이터센터 없이 소비자 GPU를 활용해 LLM을 학습시키는 '오픈 데이터 리즈닝 허브(Open Data Reasoning Hub)'의 일환으로, 특히 한국어 사후 학습(post-training) 데이터셋 구축에 초점을 맞추고 있습니다.
이러한 노력은 한국어 기반의 고품질 코딩 에이전트 개발을 가속화하는 데 중요한 의미를 가집니다. 현재 한국어 에이전트의 툴콜(tool call), 가져오기(import), 테스트 결과 등을 포함하는 세션 공개 데이터가 매우 부족한 상황입니다. '/take-my-data'는 이러한 데이터 공백을 메우고, 오픈소스(open-source) LLM 커뮤니티가 더욱 발전할 수 있는 기반을 마련합니다. 또한, 개인 정보 보호를 최우선으로 하여 데이터 기부에 대한 심리적 장벽을 낮춤으로써, 더 많은 개발자와 사용자들이 AI 발전에 동참할 수 있는 기회를 제공할 것입니다.