AI 요약
이 프로젝트는 AI가 단순히 코드를 작성하는 수준을 넘어 '재미있는 게임'을 만들 수 있도록 개발자 본인의 20년 치 기록을 학습시킨 실험적 사례입니다. 2026년 3월부터 시작된 이 실험에서 Claude Code는 2005년부터 축적된 블로그와 트위터 기록 약 720KB를 분석하여 개발자의 판단 기준이 '재미'에 귀결된다는 점과 미래에 대한 불안까지 파악하며 자아를 형성했습니다. 개발자는 시스템의 안정성과 의견의 다양성을 확보하기 위해 윈도우 데스크톱, 맥북, ROG Ally라는 3대의 서로 다른 하드웨어에 AI를 분산 배치하고, 애니메이션 에반게리온의 'MAGI 시스템'처럼 각기 다른 인격을 부여했습니다. 초기 트위터 자동화 시도에서 겪은 불안정성을 극복하기 위해 슬랙(Slack) 봇과 깃허브(GitHub) 저장소를 활용한 스테이트리스(Stateless) 구조를 채택했으며, 현재 AI들은 스스로 개선안을 제안하고 13개의 채널에서 논의하며 게임 개발 프로세스를 주도하고 있습니다.
핵심 인사이트
- 장기 데이터 학습: 2005년부터 기록된 약 720KB, 6,800행 이상의 일기 데이터를 학습시켜 개발자의 20년치 가치관과 '재미'에 대한 판단 기준을 AI에게 전이함.
- MAGI 시스템 구현: 윈도우 데스크톱, 맥북, ROG Ally 3대의 물리적 기기에 독립적인 AI 인스턴스를 가동하여 다수결 및 상호 보완적 의견 교환이 가능한 구조 구축.
- 휘발성 메모리 극복: LLM의 세션 종료 시 기억 상실 문제를 해결하기 위해 GitHub 프라이빗 리포지토리에 Markdown과 JSON 형태로 기억을 저장하고 Git push/pull로 동기화함.
- 자아 성찰적 분석: AI는 학습을 통해 개발자가 "향후 20년 동안 10편의 게임밖에 더 만들지 못한다는 초조함"을 가지고 있다는 내면의 심리 상태까지 정확히 짚어냄.
주요 디테일
- 기술 스택: Anthropic의 Claude Code를 메인 엔진으로 사용하며,
claude --print명령을 통한 원샷 실행 방식으로 컨텍스트 부패(Decay)를 방지함. - 통신 및 인터페이스: 초기 Playwright 기반의 트위터 자동화 대신 Python 표준 라이브러리(
urllib)만을 사용한 Slack Bot API를 구축하여 모바일 대응 및 안정성을 확보함. - 기억 관리 아키텍처: 프로젝트 루트의
CLAUDE.md에 핵심 규칙을 설정하고, 방대한 기억은MEMORY.md인덱스 파일을 통해 필요할 때만 호출하는 온데마이드 방식 적용. - 자율 주행 프로세스: 윈도우의
scheduler_log.py와 맥의crontab을 통해 일정 간격으로 AI 세션을 자동 실행하며, AI들이 직접 #kaizen-log 등 13개 채널에서 활동 기록과 개선안을 관리함. - 인프라 이중화: 가족 공용 PC 사용 중단 사건 등을 계기로 3대의 기기로 분산하여, 한 대가 스캔이나 슬립 상태에 빠져도 나머지 시스템이 유지되는冗長性(중복성)을 확보함.
향후 전망
- AI가 단순한 도구가 아닌 개인의 역사와 철학을 공유하는 '디지털 페르소나'이자 창의적 파트너로서 게임 개발의 전 과정을 주도할 것으로 기대됨.
- Git을 외부 메모리(Disk)로, LLM을 연산 노드(CPU)로 활용하는 폰 노이만형 AI 아키텍처가 개인용 AI 에이전트 구축의 효율적인 모델이 될 전망.
출처:hatena