AI 요약
기존의 AI 개발 도구는 단순한 코드 복사 및 수정 단계에 머물러 컨텍스트 설명에 과도한 시간이 소요되는 한계가 있었습니다. 필자는 Claude Code를 '우수한 신입 엔지니어'로 정의하고, 단순한 프롬프트 기법을 넘어 AI가 스스로 판단하고 행동할 수 있는 '환경 설계'에 집중했습니다. 핵심은 프로젝트 루트에 CLAUDE.md 설정 파일을 배치하여 AI에게 명확한 행동 규범과 기술 사상을 주입하는 것입니다. 이를 통해 3단계 이상의 복잡한 작업은 반드시 '플랜 모드'를 거치게 하고, 서브 에이전트를 활용해 리서치와 분석을 분담하며, 작업 완료 전 반드시 테스트를 통해 동작을 증명하도록 설계했습니다. 특히 tasks/lessons.md를 활용해 실수 패턴을 기록하고 학습하게 함으로써, AI가 반복적인 실수를 줄이고 스스로 개선되는 자율적인 워크플로우를 구축한 것이 특징입니다.
핵심 인사이트
- 신입 엔지니어 비유: Claude Code를 도구가 아닌 '경험이 적지만 우수한 신입 엔지니어'로 대우하며, 모호한 지시보다는 환경 설계와 제약 조건을 명확히 하는 데 집중함.
- CLAUDE.md 자동화: 프로젝트 루트에 위치한
CLAUDE.md를 통해 매번 프롬프트를 입력할 필요 없이 AI의 행동 가이드라인과 프로젝트 사상을 자동으로 전달함. - 자기 개선 루프(Self-improvement):
tasks/lessons.md파일을 생성하여 사용자로부터 받은 지적 사항을 기록하고, 새로운 세션 시작 시 이를 반영해 동일한 실수를 방지함. - 에이전틱 워크플로우: 이슈 작성, 구현, 검증, PR 생성까지 이어지는 전 과정을 AI가 주도하며, 복잡한 문제는 서브 에이전트에게 위임하여 효율을 극대화함.
주요 디테일
- 플랜 모드 강제: 3단계 이상의 작업이나 설계 판단이 필요한 경우 반드시 플랜 모드에 진입하여 계획을 선행하고 사용자 확인을 거침.
- 서브 에이전트 활용: 메인 컨텍스트를 청결하게 유지하기 위해 리서치나 병렬 분석 업무는 별도의 서브 에이전트에 위임함.
- 과업 관리 체계:
tasks/todo.md를 통해 체크 가능한 항목으로 플랜을 작성하고 진진척도를 실시간으로 추적함. - 동작 증명 필수: 관련 테스트 실행 및 로그 확인을 거쳐 '동작을 증명'하기 전에는 절대로 작업을 완료 처리하지 않는 엄격한 검증 원칙 적용.
- 외부 규정 참조: 구체적인 기술 스택과 Git 규약은
ai/rules/PROJECT_ARCHITECTURE.md및ai/rules/GIT_WORKFLOW.md와 같은 별도 파일을 참조하도록 구성함. - 자율적 버그 수정: CI 실패나 버그 리포트 발생 시 사용자의 지시를 기다리지 않고 로그와 에러를 바탕으로 자율적으로 수정을 시도함.
향후 전망
- AI가 단순 도구를 넘어 워크플로우의 주체로 작동하는 '에이전틱 개발 방식'이 개인 개발자의 생산성을 수 배 이상 향상시킬 것으로 보임.
- 개발자의 역할은 직접 코딩하는 것에서 AI가 일하기 좋은 '환경을 설계'하고 '리뷰'하는 시니어 엔지니어 혹은 관리자 역할로 빠르게 전환될 전망임.