Decompose a corpus of existing projects into reusable parts (their "genome"), then recombine · mutate · transplant them into new, auditable project seeds.
This is not a CLI engine — it is an AI-runtime skill package. There is no
projectgenomebinary to run. You point an AI runtime (Claude Code, or any runtime via natural language) atskills/recreate/SKILL.md; it reads the parser-free PG-notation skill and performs the pipeline. Only the deterministic helpers (scripts/) are plain Python.
What this is. ProjectGenome is a meta-methodology and a runtime-neutral skill that turns a corpus of existing projects (README-level descriptions) into a generative device for new projects. It does not guarantee that a generated candidate is correct, novel, or valuable — its design goal is to make mundane recombination structurally hard, and to keep every candidate auditable (reused parts · differentiation scores · evidence attached). The output
DesignSeedis provisional until built and verified.
ProjectGenome 저장소(시스템) 안에서 실행 명령은 스킬 recreate 입니다 — 저장소(전체 시스템)와
스킬(실행 명령)은 포함 관계입니다.
새 프로젝트는 무에서 나오지 않는다. 코퍼스가 검증한 엔진·어댑터·verdict·ledger를 재사용한다.
재사용 부품(parts)이 비면 후보를 기각해 코퍼스 기반성을 강제한다.
생성 단위 → 방법
3축 부품 분해 → 형태(archetype) · 속성(primitive) · 기능(layer)
3경로 생성 → RECOMBINE · MUTATE · TRANSPLANT
8 발산 도구 → DistantHybrid · LayerFusion · ConflictCompiler …
중복 회피 → 정량 차별화 게이트 + registry 기반 재실행 회피
자기검증 → 실증 (후보 0개면 실패)
여러 AI 합의 → cross-model 6축 채점
/recreate run
Phase 0 Corpus registry 로드 + run 격리 + 생성물 제외 → .recreate/runs/{id}/
Phase 1 Inventory 형태/속성/기능 선반 + lens + vocab → inventory.md
Phase 2 Generate 3경로 × 8 발산도구 → K=12 후보 → candidates.md
Phase 2b Avoidance registry 기반 재실행 회피 (hard + soft) → avoidance_report.md
Phase 3 Differentiate overlap + tag_clash + vocab 정량 게이트
Phase 4 Select/Integrate 상보 통합(조건부) + 6축 평가 → top 5
Phase 5 Prove 후보 brief 실증 (0개면 실패)
Phase 6 SeedDesign DesignSeed 출력 → DESIGN-SEED-{Name}.md
Phase 7 UpdateRegistry winner·소비 source 누적 + latest.json
산출 DesignSeed는 pgf full-cycle {Name} --with-review(설계→계획→실행→검증)의 DESIGN 입력으로
직결되어 stdlib-only CLI로 구현된다.
Requirements. AI 런타임(예: Claude Code). 결정론 헬퍼
scripts/는 Python 3.10+ (stdlib only, 외부 의존성 0) — 별도 설치 불필요.
# 0) 빈 registry로 시작 (.recreate/ 는 런타임 산출 디렉토리)
mkdir -p .recreate
cp schemas/registry.empty.json .recreate/registry.json
# 1) 코퍼스를 넣는다 — 프로젝트 폴더 단위로 (각 폴더에 README.md)
# corpus/MyProjectA/README.md, corpus/MyProjectB/README.md, ...
# 먼저 체험하려면 동봉된 corpus/example/ 3종으로 시작 (별도 복사 불필요).
# 2) AI 런타임으로 recreate 스킬을 실행 (Claude Code: /recreate run, 그 외: 자연어 지시)
# "Read skills/recreate/SKILL.md and run the full pipeline over corpus/"
# 3) 산출 DesignSeed를 pgf로 구현
# /pgf full-cycle {Name} --with-review
# (단계별 따라하기: RUNBOOK.md)ProjectGenome은 별도 실행 엔진이 아니라 AI 런타임이 스킬 문서(PG 표기)를 읽고 수행하는 parser-free 시스템이다. 결정론 부분(fingerprint·집계)만
scripts/로 스크립트화돼 있다.
README.md 이 문서
docs/TECHNICAL-SPECIFICATION.md 전체 기술서 (처음 보는 사람용 정본)
skills/recreate/ 실행 스킬 (SKILL.md + reference/ 5종)
skills/pg/ skills/pgf/ AI-native 표기 + full-cycle 의존 스킬
schemas/ 빈 데이터 계약 템플릿 (registry/gene/seed/scores)
scripts/ 결정론 도구 (fingerprint · validate_projectgenome · aggregate_crossmodel · concurrency)
tests/ 결정론 헬퍼 unittest (stdlib only)
corpus/ ← 당신의 README 코퍼스를 여기에 (+ corpus/example/)
examples/CASE-STUDY.md 익명 실증
examples/example-run/ corpus/example 을 돌린 축약 산출 (성공 모습)
RUNBOOK.md 단계별 따라하기
.github/workflows/ci.yml CI (py_compile + unittest + validate, stdlib only)
| 문서 | 내용 |
|---|---|
docs/TECHNICAL-SPECIFICATION.md |
전체 정본 — 방법론·파이프라인·데이터 계약·구현 패턴·실증·용어집 |
skills/recreate/SKILL.md |
스킬 진입점 (모드·파이프라인 Gantree) |
skills/recreate/reference/* |
gene-extraction · generation-paths · rerun-avoidance · differentiation · design-seed |
RUNBOOK.md |
단계별 따라하기 (Setup→map→generate→seed→pgf) |
docs/CONCURRENCY-POLICY.md |
동시 multi-runtime 실행 정책(OCC) |
examples/CASE-STUDY.md · examples/example-run/ |
익명 실증 · 예시 run 산출 |
Released under the MIT License.