https://www.clien.net/service/board/lecture/19029086

클리앙에서 10만 조회수+79공감 을 기록했던 지난 바이브코딩 후기&팁글 이후로 벌써 1년이 지났네요.
그동안 자잘한 앱들 개발하다가 이제 본격적으로 각잡고 퇴사 & 창업하고 홀로서기한 상태로 에이전틱 AI 플랫폼을 런칭했습니다. 처음에는 혼자였지만 이제 5인 팀이 됐습니다.

그 과정에서 정말 다양하게 AI를 썼습니다. 몇시간씩 돌려놓고 토큰 맥싱하는 분들 많지만, 저는 완전 자동화 없이 계획과 결과 검증까지 직접 하면서 꼭 필요한 작업에만 썼다고 자부합니다.

윗 글에서도 밝혔지만, 저는 생산성 도구는 업계 1위를 써야한다고 생각하는 편입니다. 그래서 처음엔 Cursor를 쓰다가, 작년 11월쯤 Claude Code로 갈아타고 쭉 정착하고 있습니다. 오늘은 Claude code를 이용해서 대규모 프로젝트를 안정적으로 구현하는 방안에 대해 팁을 공유하고자 합니다. 한 주간 아스트라가 핫한데, 아직 Claude code 주로 쓰시는 분 많을거라 생각하고, Codex도 똑같이 적용 가능한 팁입니다.

---

지금이야, 아예 클래스101같은 곳에서 바이브코딩 관련 강의하시는 분도 계시고 1년 전에 비해서는 참여자가 훨씬 많아진 시장이 되었지만, 저는 여전히 이걸로 실제 제품을 만들어서 수입을 올리고 있는 분은 극소수라고 생각합니다.

누구나 장난감까지는 금방 만들지만, 프로덕션 레벨에서는 여전히 개발자의 손길이 필요합니다. "누구나 할 수 있어요" hook에 낚여서 시작했다가 "아 이게 가능성은 보이는데, 완전 만만하지는 않네" 싶어서 제대로 배워야겠다고 생각하시는 분들이 있습니다. 결론부터 말하면, 좋은 생각이지만 사람한테 배울 필요는 없습니다.

제가 사무실 데스크를 쉐어해드리는 예비창업패키지 진행 중인 대표님도 700만원짜리 바이브 코딩 강의를 들으셨다고 하더라고요.. 그분께도 말씀드렸지만 저는 솔직히 좀 안타깝게 생각합니다. 유튜브에도 정말 많은 바이브코딩 관련 영상들이 있습니다. 제 생각엔 그걸로도 충분합니다. 중요한건 직접 부딪치는 용기에요.

저는 개인적으로, 바이브코딩 뿐만 아니라 AI 활용 공부를 시작하시는 분들께는 사고방식을 바꿔야한다고 말합니다. 인공지능입니다. "지능"입니다. 우리가 다루고자하는 이 지능은 99%의 대중보다 똑똑하고 논리적으로 사고합니다. 그렇다면, 요청만 잘하면 됩니다.
가령, 바이브코딩을 배우고 싶다면, 클로드에게 목표를 말하고 바이브코딩 어떻게 해나가면 될지 커리큘럼을 세워달라고 하고, 하나씩 시작하면 됩니다. (저는 제 아이들도 이렇게 공부시킬겁니다.)

이제 동기와 꾸준함이 제일 중요합니다.

---

이야기가 샜네요. 다시 돌아와서 대규모 프로젝트란 무엇일까요? 제가 개발한 SaaS는 Mono repository입니다. 디렉토리 하나에 다 때려넣었단 말이죠. 백엔드, 프론트엔드, iOS, Android, Docs, Admin 전부 여기 넣습니다. 왜냐하면, AI가 모든 컨텍스트에 접근 가능하게 하고 싶었거든요. AI가 프론트엔드만 개발하는게 아니라, 백엔드도 같이 개발하고, iOS, Android도 같이 개발합니다. 그냥 풀스택입니다. 그게 편해요. 여기서 전통적인 백엔드, 프론트엔드, 모바일 개발자가 각자 파트를 맡는 개발 흐름은 많이 희석되어버립니다.

근데 그러다보면 문제가 생기는게, 프로젝트가 조금만 커져도 claude code, codex의 AI 에이전트가 한번에 입력받을 수 있는 입력 컨텍스트를 아득히 뛰어넘어버리는 문제가 있습니다. 아무리 memory/*.md 에 기억들을 저장하고, CLAUDE.md 에 중심 컨텍스트들을 넣는다고 하더라도, 다뤄야할 정보의 양이 많아지다보면 에이전트는 필연적으로 일부 데이터만 가지고 작업을 시작합니다.

그래서 여러분의 에이전트들이 새로운 요청에 대한 작업을 시작할때마다 항상 Explore 서브 에이전트를 호출해서 관련 정보를 훑어보는 버릇이 생기는거죠. 그래서 다음의 인사이트가 나오는겁니다.

• known - known  : 컨텍스트에 전부 있고, 알고 있는걸 아는 경우
• known - unknown  : 컨텍스트에 일부(백링크 등의 형태로) 있고, 모르는걸 아는 경우 -> 필요하면 더 자세히 들여다보면 됨
• unknown - known : 아는걸 모르는 경우 -> 컨텍스트에 넣어줬는데도 모르는건 보통 모델 성능이 떨어지는 것
• unknown - unknown : 모른다는 사실을 모르는 경우 -> 최고 심각

당연하게도 대부분의 문제는 unknown - unknown에서 옵니다. 앞의 3항목은 claude code, codex를 쓰면 왠만하면 문제가 안됩니다. known-unknown은 claude code / codex 하네스가 잡아줍니다. (앞서 언급한 memory/*.md 등의 장치) unknown-known이야 terra나 opus레벨의 최신 모델들에서는 문제가 안되고요.

이제 개발자가 해야하는 일은 에이전트가 unknown - unknown 상태인지 파악하고, known-unknown 상태로 만들어주어야하는 것입니다. 이건 개발자가 자기 시스템을 잘 알고 있어야합니다. 개발자마저 딸깍에 길들여져서 unknown-unknown 상태면 이제 관리가 불가한 상태가 되는겁니다.

제가 생각하는 "대규모 프로젝트"는 이 unknown-unknown이 종종 발생하는 프로젝트를 말합니다. 그 결과로는 AI가 이미 작성한 로직 코드의 존재를 모르고 재작성한다거나 하는 문제와, A를 패치했더니 B의 문제가 생기는 상황이 벌어집니다. 잘하는 개발자는 이런 문제를 최대한 줄여냅니다.

---

그래서 네가 만든 게 뭔데? 하시는 분들은 https://upserve.app 에서 확인하시면 됩니다. UpServe는 AI 에이전트 플랫폼으로, 업무/비즈니스 자동화(AX) 서비스를 합니다. 반복 발생하는 수많은 업무를 AI 직원에게 맡길 수 있습니다.

---

그럼 이제 비전공자 바이브코더부터 실무하는 전공 개발자까지 두루 쓸 수 있는 클로드코드 잡기술 하나만 알려드리고 물러나겠습니다. 생각보다 많은분들이 이걸 모르시더군요.

한 세션은 하나의 페르소나입니다. "에이전틱 AI"는 기본적으로 LLM을 여러번 호출하는 겁니다.

1. 첫번째 전송: 시스템 프롬프트 + 유저 메시지1  -> 에이전트 응답1
2. 두번쨰 전송: 시스템 프롬프트 + 유저 메시지1 + 에이전트 응답1 + 유저 메시지2 -> 에이전트 응답2
3. 세번째 전송: 시스템 프롬프트 + 유저 메시지1 + 에이전트 응답1 + 유저 메시지2 + 에이전트 응답2 + 유저 메시지3

이게 기본입니다. 사이사이에 도구 호출 내역등이 끼어들어가지만, 근본적으로 과거내역 + 증분을 다시 보내는 형태입니다. 이게 뭘 말하냐면, 같은 세션 내에서는 아무리 다른 말을 해도 그 과거의 생각 내역들이 그대로 다 입력으로 다시 들어간단거죠. 하나의 세션은 하나의 목적으로 쓰는게 좋습니다. 한 에이전트와 작업 계획을 세우면, 그 에이전트에게 "문제점을 말해봐" 라고 말해봤자 같은 사고의 흐름 안에서 움직입니다. 핵심은 동일 컨텍스트가 안들어간 새 세션, "서브 에이전트"를 쓰는겁니다.

대부분의 바이브코더들이 plan을 잘 이용하실겁니다. 에이전트 작업 착수에 앞서 먼저 계획을 세우고, 읽어본 후 실행하는거죠. 프로젝트가 비대해지고 컨텍스트가 커지면 plan을 만들기 위해 에이전트가 explore를 하더라도 빈 구석들이 생기게 됩니다. 이 빈 구석을 제거하는 것이 좋은 계획 세우기의 첫걸음입니다. 제 방법은 단순합니다. plan을 한번 더 서브에이전트로 검증하는겁니다. plan을 세우기 위한 정보 탐색 / plan을 검증하기 위한 정보 탐색 -> 이 둘은 서로 search space가 충분히 다르기 때문에 서브에이전트 검증을 통해 계획은 훨씬 단단해집니다.

클로드코드한테 review-plan 스킬을 만들어달라고 하세요. review-plan 스킬은 현재 계획이 사용자의 요구사항 충족하는지 검증하는 서브에이전트와, 미처 확인하지 못한 사이드 이펙트가 없는지 확인하는 에이전트를 실행합니다. 두 서브 에이전트가 저와 원본 에이전트가 치밀하게 세운 계획을 한번 더 지적하고 개선시킵니다.

전부 구현하고나면 이번엔 review-implementation 스킬을 실행합니다. 이건 요구사항 완전성 + 코드 품질/일관성 리뷰 + 보안/연동/파리티 리뷰를 서브에이전트로 실행합니다. 여기서 대부분의 문제들이 걸러지고, 수정됩니다.

많은걸 고려해야하는 복잡하고 어려운 작업이라면 fable 모델을 이용해서 review-plan까지 합니다. plan이 확정되면 구현은 다음 명령어로 진행합니다.

 "병렬 실행할 수 있는 항목들로 분류하고 sonnet 서브 에이전트들을 호출하여 구현하세요. 서브 에이전트들의 구현 결과 검수는 직접 하세요"

review-implementation으로 검수했지만, 최종 배포 전에는 배포 review도 별도 서브 에이전트로 한번 더 합니다.

사실 이게 제 거의 대부분의 워크플로우입니다. 이제 왠만큼 잘 만들어진 plan이라면 구현은 에이전트가 잘 하기 때문에, 가장 중요하다 생각되는 부분은 최종 plan에서 혹시 남아 있을 unknown + unknown을 찾아내는겁니다. 최근 한참 언급되었던 eli5(explain like im 5) 스킬 같은걸 써서라도 계획은 무조건 읽어야합니다. 이해해야 합니다. 그 부분에서 딸깍은... 없습니다.

긴 글 읽어주셔서 감사합니다:)

반응이 좋으면 주기적으로 시리즈로 찾아오겠습니다.

아 참, 제목의 "프론티어 코딩"이 뭔데? 하시는 분에게 맛보기로 말씀드립니다. 위 방법은 제가 3개월 전까지 쓰던 하드 바이브코딩 방법입니다. Anthropic의 fable5 이 나온 후에는 저희도 상당 부분의 프로젝트 반자동화를 이끌어내고 있습니다. 다음 시리즈 주제입니다.

무려 아마존 AI Native Enterprises 의 발표 영상을 확인하시면 도움이 됩니다.
https://www.youtube.com/watch?v=Ry0WHNxDbYA&t=1026s

잠이 안오네요;;