Completed Log

완료 작업 이력

구글 문서에 남아있던 완료 항목 정리본입니다. 개별 Issue로는 아직 만들지 않았고, 필요 시 이 목록에서 골라 Issue로 옮길 수 있습니다.

@minigu5

• omm upgrade 구현 - 모델 자동 업데이트(해시 대조)
• omm contribute 구현 - 무한 루프로 서버에 케이스 추가하는 기능
• omm update 버전 자동 확인 구현
• omm install 멀티 스레드 고속 다운로드 기능 구현
• omm search에서 양자화 제거 버전으로 검색 결과 나오게
• 학교 전산실을 이용한 omm contribute 케이스 자동 추가 작동
• omm import: 기존 디렉토리의 gguf 파일들을 관리 디렉토리로 옮겨 심링크 연결
• 설정을 omm setting으로 통합(telemetry, calibrate, catalog)
• omm calibrate를 omm install에서 자동 실행되도록 변경
• omm contribute 로직에 benchmark 이용하도록 변경
• omm quality-eval -> omm benchmark: 서버 전송 가능하게
• omm update 속도 개선 (10초 -> 1초 이내)
• GitHub Actions 에러 원인 파악
• omm install에 예측 모델 적용 (양자화 후보 중 최적값 강조, fit unknown 축소)
• omm update 롤백 기능 추가
• 기본 업로드 서버를 자체 서버로 변경 (다른 옵션 유지)
• omm 전체 UI 개편 (homebrew 스타일)
• omm scan: 설치된 AI 실행 프로그램 전체 탐색 + 가져오기 명령어 추천
• omm recommend/install의 RAM 판단 기준을 가용 RAM에서 전체 RAM(VRAM)으로 변경
• 명령어 하위 플래그 생성 (자동화 대응)
• ModelScope GGUF 검색 어댑터 구현
• Jan, AnythingLLM, Msty, text-generation-webui, KoboldCpp 자동 지원 연결
• 빠른 명령어(omm help 등) 지연 속도 23% 개선
• 오픈소스 저장소 정비 (라이선스 확인, LICENSE/CONTRIBUTING 등 추가)
• omm contribute 서버 업로드 오류 수정 (권한 규칙 문제)
• stable/beta 브랜치 설정 기능 추가

@fakeminjun7321

• omm scan 업그레이드 (프로세서 이름·RAM 정보 정확도 개선)
• omm recommend/tune에 실시간 안전 메모리 예산 적용
• omm quality-eval 구현 (재현 가능한 품질·속도 측정, 민감정보 비저장)
• Ubuntu ARM64 Docker 전체 테스트 통과 + Firebase Emulator 권한 규칙 검증
• 설치 전 미리보기(JSON) 기능, 용도별 추천, 속도 예상 범위 검증
• ModelScope·Civitai GGUF 검색 저장소 추가 (NSFW 결과 제외)
• LM Studio·Ollama·Jan·GPT4All·llama.cpp 경로 탐색/링크 지원
• omm link로 명령어 정리, 임의 디렉토리 심링크 지원
• foundation 예측 모델에 엔진별 실측 속도 데이터 반영
• omm install 후보 예측 속도·적합도 개선 (fit unknown 축소)
• omm calibrate 구현 (로컬 보정)
• 서명된 모델 카탈로그 검증·스냅샷·롤백 기능 구현
• 터미널 UI 간단 보기/상세 보기 모드 추가
• 자체 호스팅 성능 데이터 서버 구현 (FastAPI + SQLite)
• 성능 데이터 중복 제거·표본 유효성 검사 추가
• 설정/모델 목록/벤치마크 기록에 파일 잠금·원자적 저장 적용
• Python wheel/source distribution 빌드 성공

@Matwaetle

• 용도별 품질 추천 개선 관련 초기 작업
• 학습·추천 입력값 일치 문제 개선
• 예측 모델 정확도 평가 도구 구현
• 예측 모델 v4 개발 (속도 범위·엔진별 예측·추천 순위·저사양 PC 적합도 개선)
• 자동 학습 품질 검사
• Firebase 실측 데이터 형식 고정 및 운영 rules 배포
• Linux CPU 정보 수집 오류 개선
• 학습·추천 CPU feature 일치 개선
• 기존 telemetry 호환 및 신규 데이터 분리
• Firebase 학습 데이터 운영 경로 구축
• 새 모델 자동 공개 차단
• Firebase rules 운영 배포 + GitHub Actions 품질 검증
• 벤치마크 실패 telemetry 개선
• 다중 PC 실측 데이터 수집 (중복 제외 약 106개)
• 학습 데이터 품질 기준 통과
• 후보 모델 임시 학습·검증 (기준 미통과로 공개 보류)
• 실패 telemetry 누락 원인 분석
• Telemetry v7 운영 검증