repo-slopscore: Git 저장소의 AI/LLM 기여를 커밋 기록으로 추적하는 새로운 도구

repo-slopscore: Git 저장소의 AI/LLM 기여를 커밋 기록으로 추적하는 새로운 도구

2026년 6월, 오픈소스 커뮤니티에서 AI가 작성한 코드의 흔적을 자동으로 추적하는 서비스가 화제다. repo-slopscore는 Git 저장소의 커밋 기록을 분석해 LLM이 기여한 코드의 비율을 가늠하는 도구로, 공개 직후 3,058개 저장소가 스캔되며 주목받고 있다. 단순 점수만 보여주는 서비스가 아니라, 코드베이스의 투명성을 높이기 위한 데이터 인프라로 읽힌다.

repo-slopscore란 무엇인가

repo-slopscore는 Git 호스팅에서 공개된 저장소의 커밋 메시지, 메타데이터, 트리 구조를 분석해 LLM 흔적을 감지한다. 점수 체계는 A+에서 F까지 표시되며, 메인 서비스는 slopscan.ava.pet에서 운영된다. 분석 대상은 GitHub에 한정되지 않고 Codeberg, Bitbucket, SourceHut, git.kernel.org, chromium.googlesource.com, gcc.gnu.org, gerrit.wikimedia.org, git.ffmpeg.org 같은 다수의 호스팅을 포함한다. 소스 코드는 codeberg.org/polyphony/repo-slopscore에 공개돼 있어 누구나 채점 로직을 검토할 수 있다.

서비스는 단순한 스캔 기능을 넘어 최근 스캔된 저장소 목록과 결과 페이지를 함께 제공한다. 사용자는 저장소 URL을 입력해 점수와 함께 어떤 신호가 포착됐는지 직접 확인할 수 있다. 결과 페이지의 URL은 slopscan.ava.pet/repo/ 아래에 인코딩된 원본 저장소 주소를 붙인 형태로 구성된다. 점수가 높다고 무조건 AI가 많이 기여한 저장소라는 의미는 아니며, 신호의 종류와 맥락을 함께 읽어야 한다.

스캔 대상에 포함된 주요 프로젝트들

공개된 최근 스캔 목록에는 helix-editor/helix, Agoric/Agoric-sdk, FiloSottile/age, github/copilot-cli, fish-shell/fish-shell, tmux/tmux, httpie/cli 같은 유명 CLI·에디터 프로젝트가 다수 포함된다. 인프라 영역에서는 Mbed-TLS/mbedtls, OpenVPN/openvpn, WireGuard/wireguard-windows, Yubico/yubikey-manager, NationalSecurityAgency/ghidra, ReFirmLabs/binwalk 같은 보안 도구도 표시된다. 시스템 영역에서는 OpenRGB, coreboot, gentoo/gentoo, guix/guix, wlroots, forgejo, ziglang/zig, FFmpeg, FreeCAD, WebKit, NixOS/nixpkgs 같은 대형 프로젝트가 포함된다.

흥미로운 점은 AI 또는 slop 관련 이름을 가진 저장소도 목록에 있다는 사실이다. anthropics/claude-code, anthropics/claudes-c-compiler, codeberg.org/brib/slopfree-software-index, codeberg.org/jruz/slop-detector 같은 항목이 그것이다. 분석 시각은 2026년 5월 초부터 2026년 6월 14일 00시대 UTC까지 분포하며, 같은 프로젝트가 URL 형식 차이로 중복 표시되는 경우도 있다. aur.archlinux.org/yay와 aur.archlinux.org/yay.git처럼 슬래시나 .git 접미사 차이만으로 별도 항목이 생기기도 한다.

채점 신호와 작동 메커니즘

도구가 감지하는 신호에는 공동 서명된 커밋, agents.md 같은 AI 정책 문서, LLM이 자주 쓰는 커밋 메시지 패턴이 포함된다. 각 신호는 가중치가 다르며, 점수 계산에 모두 반영된다. 점수가 낮다고 AI가 거의 없다는 뜻은 아니며, 0.022% 비율의 신호만으로 F 점수가 나오기도 한다.

대표적인 사례로 nixpkgs는 100만 개 이상의 커밋 중 228개 신호만으로 0점을 받았다. 반대로 Bevy는 단일 PR의 co-authored-by Claude 주석 때문에 97점 만점을 받지 못했다. 이처럼 점수 산정 방식은 절대적 평가는 아니며, 신호의 양과 종류에 따라 크게 달라진다.

도구를 바라보는 두 시각

이 도구에 대한 커뮤니티 반응은 양분된다. 한쪽은 "AI 도움을 받은 코드를 단일 점수로 뭉개려는 시도"라 비판한다. 점수만 보고 프로젝트를 폄하하는 데 악용될 수 있고, 맥락 없는 자동 채점이 인간의 판단과 노력을 가린다 우려가 제기된다. 옵트아웃 기능 부재로 인한 괴롭힘 가능성도 거론된다.

반대 편에서는 "데이터의 투명성이 곧 도구의 가치"라 주장한다. 점수를 맹신하지 않고, 신호 단위로 직접 들여다보면 "이건 오탐이다" 같은 판단이 가능하다. 또 다른 서비스인 slop-o-meter.dev처럼 매개변수를 조정할 수 있는 구현도 공개됐다. 결국 도구의 결과는 정보로 활용하되 해석은 사용자가 해야 한다.

운영자용 가드레일과 결론

2026년 6월 기준으로, 저장소를 운영하는 입장에서는 본인의 프로젝트가 어떻게 평가받는지 직접 확인해볼 가치가 있다. AI 정책 문서를 명시적으로 작성해두면 신호 해석이 쉬워지고, 공동 서명 커밋은 사용 도구를 투명하게 드러내는 수단이 된다. 점수 자체보다 어떤 신호가 잡혔는지를 읽는 습관이 중요하다. repo-slopscore는 LLM 코드 흔적의 투명성을 높이는 한 도구일 뿐, 절대적 평가가 아님을 기억할 필요가 있다. 점수를 맹신하지 않고 신호 단위로 직접 들여다보는 자세가 이 도구를 현명하게 쓰는 길이다. 2026년 6월 시점에서 이 도구는 여전히 초기 단계이며, 채점 알고리즘의 매개변수를 조정할 수 있는 대체 구현도 함께 공개돼 있다. 결국 정보의 가치는 그것을 어떻게 해석하느냐에 달려 있다.