[00:00]
[Music]
[00:02]
AI 코딩을 충분히 해보지 않았다면,
[00:04]
Cursor에게 작은 변경을 요청했을 때
[00:06]
프로젝트 전체가 엉망이 되거나
[00:08]
Cursor가 코드베이스의 모든 의존성을
[00:11]
파악하지 못해서
[00:12]
많은 오류를 발생시키는
[00:14]
기능을 구현하는 문제를
[00:15]
경험했을 것입니다.
[00:17]
이는 어떤 플랫폼을 사용하든
[00:20]
AI 코딩 에이전트의 일반적인 문제입니다.
[00:21]
하지만 한 가지 기법이
[00:23]
획기적인 개선을 보여주었는데,
[00:24]
바로 AI 코딩 에이전트에
[00:26]
태스크 관리 시스템을 도입하는 것입니다.
[00:29]
이는 전체 구현 계획을 이해하고
[00:31]
각 단계별 컨텍스트 양을
[00:33]
제어하는 데 도움이 됩니다.
[00:35]
저는 이 방법으로
[00:37]
완전한 기능을 갖춘
[00:39]
멀티플레이어 온라인 드로잉 게임을
[00:41]
구축했는데, 두 플레이어가
[00:43]
주어진 단어의 이미지를 그리고
[00:45]
GPT-4에 전송하여
[00:47]
이미지를 평가하고 승자를 선정합니다.
[00:49]
이 게임 전체가 실제로
[00:51]
Cursor로 한 번에 구현되었고
[00:53]
거의 오류가 없었습니다.
[00:54]
그래서 오늘은 제가 사용하는
[00:56]
워크플로우와 여러분의 프로젝트에
[00:58]
적용하는 방법을 보여드리겠습니다.
[00:59]
이러한 도구들을 사용하기 전에도
[01:01]
사람들은 태스크 관리 워크플로우를
[01:03]
성능 향상을 위해
[01:04]
구현해왔습니다. 핵심은
[01:06]
Cursor에게 복잡한 PRD를
[01:08]
작은 태스크로 분할하도록 요청하고
[01:10]
Cursor가 접근할 수 있는 문서에서
[01:12]
예정된 태스크와 완료된 태스크를
[01:14]
추적하고 관리하는 것입니다.
[01:16]
이는 Elle의
[01:17]
간단한 예시입니다.
[01:19]
가장 기본적인 구현은 Cursor 프로젝트에서
[01:21]
Cursor 규칙을 만드는 것입니다.
[01:23]
기본적으로 이런 규칙은
[01:24]
Cursor에게 task.md를 참조하여
[01:27]
완료된 태스크와 미완료 태스크를
[01:29]
추적하도록 지시합니다.
[01:31]
이를 통해 우리는
[01:33]
task.md 파일을 생성하고
[01:35]
'X 앱을 만들고 싶으니 핵심 기능을
[01:38]
작은 태스크로 분할해서
[01:40]
task.md에 추가해줘'라고 프롬프트를 줄 수 있습니다.
[01:43]
그러면 Cursor는 여기에
[01:44]
태스크 목록을 생성하고 각 태스크를
[01:47]
완료할 때마다 돌아와서
[01:48]
완료 표시를 합니다. 이렇게 하면
[01:50]
전체 구현 계획의 맥락을 파악할 수 있죠.
[01:52]
이 방법만으로도 Cursor로
[01:54]
복잡한 태스크를 실행하는 데 많은 도움이 됩니다.
[01:56]
하지만 Claude Taskmaster와 Boomerang
[01:58]
같은 도구들은 더욱
[02:00]
정교한 태스크 관리 기능을
[02:02]
AI 코딩 에이전트에 제공합니다.
[02:04]
예를 들어, Taskmaster AI는
[02:06]
Cursor 터미널에서 실행할 수 있는
[02:08]
커맨드라인 패키지로, Claude 3.7을 활용하여
[02:11]
PRD를 분석하고 더 발전된 모델로
[02:13]
작은 서브태스크로 분할합니다.
[02:15]
간단한 'taskmaster parse PRD'
[02:17]
커맨드라인으로 실행됩니다.
[02:19]
정말 놀라운 점은
[02:21]
태스크들을 논리적 순서로 분할하고
[02:23]
태스크 간의 모든 의존성을
[02:25]
고려한다는 것입니다.
[02:27]
그래서 Cursor가 구현할 때
[02:28]
아직 구현되지 않은 다른 의존성이
[02:30]
필요한 기능을 구현하게 되는 상황을 방지합니다.
[02:32]
또한 복잡성 분석과 같은 유용한 명령어가 있어
[02:34]
perplexity와 cloud를 사용하여
[02:37]
각 작업의 복잡도를 분석할 수 있습니다.
[02:39]
특정 작업의 복잡도 점수가
[02:42]
매우 높을 경우, 해당 작업을
[02:44]
더 작은 단위로 분해할 수 있게 해주며
[02:46]
이렇게 복잡한 작업을 더 작은 단위로
[02:48]
나누면 기능적인 애플리케이션의
[02:50]
성공률이 크게 향상됩니다.
[02:52]
Roco의 부메랑 태스크도 비슷한 기능을 제공하는데,
[02:54]
AI 에이전트에게 새로운 작업을 통해
[02:56]
복잡한 프로젝트를 작은 단위로 나누고
[02:58]
진행 상황을 추적하는 도구를 제공합니다.
[03:00]
이러한 도구들은 제 워크플로우를
[03:02]
완전히 바꿔놓았습니다.
[03:03]
이제 이러한 새로운 도구들로
[03:04]
제가 실천하는 최선의 AI 코딩 워크플로우를
[03:06]
빠르게 설명해드리겠습니다.
[03:08]
본론으로 들어가기 전에,
[03:09]
많은 분들이 비즈니스용 AI 에이전트를
[03:11]
개발하려 하시는 것을 알고 있습니다.
[03:13]
하지만 실제 프로덕션 환경의 에이전트 개발에서
[03:15]
많은 함정들을 보았습니다.
[03:17]
그래서 HubSpot의 연구를
[03:18]
소개해드리고 싶은데요,
[03:21]
그들은 수많은 기업들과
[03:22]
지난 12개월 동안 AI 에이전트를 출시한
[03:24]
스타트업들을 인터뷰했습니다.
[03:26]
어떤 AI 에이전트 사용 사례가
[03:28]
실제로 큰 비즈니스 가치와 ROI를 창출했는지,
[03:30]
그리고 어떤 것들이 멋져 보이지만 실제로는
[03:32]
가치 전달이 매우 어려웠는지,
[03:34]
또 어떤 신호가 고객들이 AI 에이전트 솔루션에
[03:36]
큰 예산을 투자하게 만드는지 조사했습니다.
[03:38]
많은 실제 성공 사례들을 포함하고
[03:40]
이러한 학습들을
[03:42]
프레임워크로 정리했습니다.
[03:43]
이를 통해 다음 에이전트를 개발할 때
[03:45]
어떤 사용 사례가 챗봇에 더 적합한지,
[03:47]
실제 자동화 에이전트에 더 적합한지,
[03:49]
어떤 작업이 AI 에이전트에 적합하고
[03:51]
어떤 것이 전통적인 워크플로우 자동화에
[03:54]
더 적합한지 판단할 수 있습니다.
[03:56]
또한 저를 포함한 많은 사람들이
[03:57]
프로덕션 에이전트 배포 시 겪는
[03:59]
일반적인 함정들의 목록과
[04:01]
다른 사람들이 이를 해결한 방법의
[04:03]
모범 사례도 포함되어 있습니다.
[04:05]
예를 들어, 기존 시스템과의 통합을 위한
[04:06]
최선의 방법이 무엇인지도 다룹니다.
[04:08]
이는 제가 겪었던 많은 실수들에 대해
[04:11]
명확성을 가져다주었습니다.
[04:12]
에이전트 개발을 계획 중이시라면
[04:14]
꼭 읽어보시기를 추천드립니다.
[04:15]
이 자료는 완전히 무료이며,
[04:17]
description에 다운로드 링크를
[04:19]
첨부해두었습니다. 이제 제가 사용하는 새로운
[04:21]
작업 관리 시스템이 포함된 AI 코딩
[04:23]
워크플로우에 대해 이야기해보겠습니다.
[04:25]
먼저 Ru Code의 부메랑 태스크 기능에 대해
[04:27]
설명드리겠습니다. Ru Code는
[04:28]
Visual Studio Code 내부에서 작동하는
[04:30]
오픈소스 Cursor라고 생각하시면 됩니다.
[04:32]
완전히 무료로 사용할 수 있으며,
[04:34]
자신의 API 키만 제공하면
[04:35]
다른 AI 코딩 에이전트처럼
[04:37]
바로 사용할 수 있습니다.
[04:38]
Ru Code의 특별한 점은
[04:40]
Cursor와 달리 미리 정의된
[04:42]
몇 가지 에이전트 모드만 있는 것이 아니라
[04:44]
자신만의 모드를 만들 수 있다는 것입니다.
[04:45]
기본적으로 코딩 에이전트와
[04:47]
설계 에이전트를 제공하여 도움을 줍니다.
[04:49]
계획을 세우고 오류를 찾는 디버그 에이전트처럼
[04:51]
문제가 어디에 있는지 파악하는데 도움을 줍니다.
[04:52]
또한 Boomerang 모드와 같은
[04:54]
커스텀 모드를 만들 수 있는데,
[04:55]
이는 계획을 세우고 작은 단위로
[04:57]
세분화하는데 초점을 맞춥니다.
[05:00]
마치 전문화된 어시스턴트에게
[05:01]
작업을 위임하는 것과 같습니다.
[05:04]
각 하위 작업은 독립적인 컨텍스트에서 실행되므로
[05:06]
제가 커스터마이즈한 Boomerang 모드를 선택하고
[05:07]
'할 일 앱을 만들어줘'라고 요청할 수 있습니다.
[05:10]
상단에서는 토큰 사용량과
[05:11]
전체 API 비용을 추적하는 것을
[05:13]
확인할 수 있습니다.
[05:15]
먼저 아키텍트 에이전트에게
[05:17]
계획 수립 작업을 위임하며,
[05:19]
이 아키텍트 에이전트는 시스템 프롬프트를 통해
[05:21]
지속적으로 요구사항을
[05:22]
저와 확인하면서
[05:24]
프로젝트 계획을 시작하고
[05:25]
특정 기능들로 분류하여
[05:27]
사용자 스토리, 주요 기능, 컴포넌트,
[05:28]
프로젝트 구조, 상태 관리 등을 파악합니다.
[05:31]
이를 통해 다양한 기능들 간의
[05:33]
의존성을 완벽하게 이해하게 됩니다.
[05:35]
중간에 피드백을 줄 수 있고,
[05:37]
계획이 완성되고 작은 작업들로
[05:38]
분류가 끝나면
[05:40]
코드 모드로 전환하여
[05:42]
코드 생성을 시작할 수 있습니다.
[05:43]
코드 에이전트는 계획에 따라
[05:45]
다양한 작업을 실행하고
[05:47]
실제 애플리케이션을 완성합니다.
[05:48]
여기서 볼 수 있듯이
[05:50]
결과물의 품질이 매우 높고
[05:52]
에이전트가 브라우저에서
[05:53]
애플리케이션을 실행하여
[05:55]
자동화된 테스트까지 수행할 수 있는
[05:57]
기능도 포함되어 있습니다.
[05:59]
이 방식으로 얻은 결과는
[06:01]
Cursor의 기본 기능보다 더 나은 것 같습니다.
[06:03]
반면에 Claude Taskmaster는
[06:05]
Cursor와 Wing Surf에 더 깊이 통합되어 있습니다.
[06:07]
먼저 Taskmaster AI를
[06:09]
설치해보겠습니다. 아무 폴더에서
[06:11]
터미널을 열고 npm install -g taskmaster-ai를 실행합니다.
[06:14]
설치가 완료되면 여러 명령어를 실행할 수 있는데,
[06:16]
그 중 하나가 taskmaster init입니다.
[06:18]
이는 폴더 내에 프로젝트를 설정하는 것으로,
[06:20]
바로 taskmaster init을 실행할 수도 있지만,
[06:22]
프로젝트를 먼저 설정하는 것을 추천합니다.
[06:24]
예를 들어,
[06:25]
Next.js 프로젝트를 Tailwind CSS와 함께
[06:27]
만드는 경우 이 명령어를 사용하면 됩니다.
[06:29]
완료되면 cursor my app으로 이동하여
[06:31]
taskmaster init을 실행할 수 있습니다.
[06:33]
이때 프로젝트 이름을 물어보는데,
[06:35]
저는 그냥 'my app'이라고 하겠습니다.
[06:38]
설명은 크게 중요하지 않아서
[06:39]
다른 것들은 건너뛰고
[06:41]
설정을 완료하도록 하겠습니다.
[06:43]
그러면 왼쪽에서 먼저 볼 수 있는 것이
[06:45]
몇 가지 Cursor 규칙이 추가된 것입니다.
[06:47]
일부는 이것처럼 일반적인 규칙인데,
[06:49]
이 Cursor 규칙은 기본적으로 Cursor에게
[06:51]
새로운 규칙을 추가하는 방법을 가르칩니다.
[06:54]
구현을 깊이 들어가면서
[06:56]
예를 들어 발생한 실수에 대해 규칙을 만들도록
[06:58]
요청할 수 있고,
[07:00]
이러한 규칙들을 따라
[07:01]
새로운 Cursor 규칙을 만들며
[07:03]
이런 자가 개선은 기본적으로
[07:04]
Cursor가 자발적으로 수행하도록 하는 것이며
[07:06]
단계별 워크플로우는 Cursor에게 이를 가르치는 방식입니다
[07:08]
커서에게 백로그의 모든 작업을
[07:10]
확인하는 데 필요한
[07:11]
모든 명령어를 알려주고,
[07:13]
윈서브를 사용하는 경우
[07:14]
스크립트 폴더 안에 윈서브 루트가 있을 것입니다.
[07:16]
PRD가 어떤 구조로 되어있는지 보여주지만
[07:18]
가장 중요한 것은
[07:20]
이 예제 파일입니다.
[07:22]
엔트로피 키와
[07:24]
프롭래스티시티 키를
[07:26]
교체해야 합니다. 엔트로피는
[07:28]
PRD를 작은 작업들로 분해하는 데 사용되는
[07:30]
모델이며, 프롭래스티시티는
[07:32]
리서치를 수행하는 데 사용됩니다. 만약
[07:34]
작업 중 일부가 새로 출시된 패키지를 사용한다면
[07:37]
프롭래스티시티가 실제로
[07:38]
최신 개발자 문서를 가져와서
[07:40]
작업 정보에 포함시킬 것입니다.
[07:42]
두 API 키를 모두 추가하는 것을 추천드리며,
[07:44]
추가하고 나면
[07:46]
PRD 작성을 시작할 수 있습니다.
[07:48]
PRD를 만드는 방법은 여러 가지가 있습니다.
[07:50]
AI 빌더 커뮤니티에 속해 있다면
[07:51]
탱크스 코더와 같은 도구에
[07:53]
접근할 수 있어서, 자동으로 PRD를 생성하고
[07:55]
생각하지 못한 기능들까지 채워줄 것입니다.
[07:58]
AI 빌드 클럽에
[07:59]
소속되어 있다면
[08:00]
이 도구를 사용해서
[08:02]
PRD를 얻을 수 있습니다.
[08:04]
접근 권한이 없다면
[08:05]
커서 에이전트와 대화하여
[08:08]
PRD 생성에 도움을 받을 수 있습니다.
[08:09]
예를 들어, '스크리블과 같은 온라인 게임을
[08:11]
만들고 싶은데, 사람 대신 대규모
[08:13]
언어 모델이 단어를 맞추는 방식으로
[08:15]
만들고 싶다'고 할 수 있습니다. 매 라운드마다
[08:17]
모든 사용자에게 같은 단어가 주어지고
[08:19]
60초 동안 그림을 그릴 수 있습니다.
[08:21]
마지막에는 모든 이미지가 GPT-4로 전송되어
[08:24]
어떤 이미지가 단어와 가장 가까운지 선택됩니다.
[08:26]
이제 엔지니어링 매니저 역할을 맡아
[08:28]
이런 게임을 구현하는 데 필요한
[08:29]
핵심 기능들을
[08:31]
생각해보자고 하면
[08:33]
핵심 기능들을 제시해줄 것입니다.
[08:34]
물론 계속 대화를 나눌 수 있고
[08:36]
완료되면 '좋아요, 이제
[08:38]
핵심 MVP 기능 요구사항을
[08:40]
예제 prd.txt를 참고해서
[08:43]
prd.txt로 작성해주세요'라고 하면 됩니다.
[08:46]
여기 보이는 것처럼
[08:48]
상세한 내용이 포함된 PRD가
[08:50]
생성되고, 이를 수락하면 됩니다.
[08:52]
이렇게 PRD가 생성되면
[08:53]
다음 단계로 'taskmaster parse prd' 명령어를 사용하여
[08:56]
이 PRD를 작은 작업들로
[08:58]
분해할 수 있습니다.
[09:00]
여기서부터
[09:02]
태스크마스터의 진가가 발휘됩니다.
[09:04]
taskmaster parse prd 명령어를 실행해보겠습니다.
[09:07]
scripts/prd.txt를 입력했더니 오류가 발생했네요.
[09:10]
예제 파일을 제거하고
[09:12]
다시 시도해보겠습니다. 이제
[09:15]
PRD를 기반으로 작업 파일들을 생성하기 시작하고
[09:16]
여기 작업 폴더에서
[09:18]
태스크마스터가 생성한 모든 작업을 볼 수 있습니다.
[09:20]
taskmaster list 명령어를 실행하면
[09:22]
생성된 작업 목록을 볼 수 있습니다.
[09:25]
태스크마스터의 작업 목록에서
[09:26]
정말 멋진 점은
[09:28]
오른쪽에 보이는
[09:30]
의존성 열입니다.
[09:31]
PRD를 작업으로 분해할 때
[09:33]
작업을 세분화하면 실제로 작업들을 논리적인 순서로
[09:35]
나열하고 명확한 의존성이 매핑되도록
[09:37]
보장합니다.
[09:39]
따라서 구현할 때 올바른 순서로
[09:41]
진행할 수 있죠. 그리고 몇 가지 유용한
[09:42]
명령어들도 있습니다. 'analyze complexity'라는
[09:44]
명령어가 있는데, taskmaster로
[09:46]
복잡도를 분석할 수 있습니다. 이것은
[09:48]
제가 만든 모든 작업을 Claude 3.7과
[09:51]
Perplexity에 보내서
[09:53]
기본적으로 이 기능을 구현하는 것이 얼마나
[09:55]
복잡하거나 어려운지 평가하도록 합니다.
[09:57]
그리고 분석이 완료되면
[09:59]
taskmaster complexity report를 실행할 수 있고
[10:01]
각 작업의 평가와 복잡도 점수를 보여줍니다.
[10:04]
정말 유용한 점은 복잡한 작업들에 대해
[10:06]
복사할 수 있는 프롬프트도 제공한다는 것입니다.
[10:08]
현재는 UI가 깨져서 직접 복사는
[10:09]
어렵지만, 첫 번째 것을 복사하고
[10:11]
복잡도 리포트로 가서
[10:13]
특정 ID를 찾아
[10:15]
확장 프롬프트를 복사할 수 있습니다.
[10:16]
여기서는 HTML5 캔버스 컴포넌트의
[10:18]
상세한 기술적 구현에 대한 프롬프트를 생성했는데,
[10:21]
이것을 복사하면
[10:23]
드로잉 도구와
[10:24]
모든 기기에서의 입력 처리를 포함한
[10:26]
상세한 구현 방법을 얻을 수 있습니다.
[10:29]
이렇게 하면 특정 작업을
[10:31]
더 작은 단위로 분해할 수 있고
[10:33]
우리가 알다시피 복잡한 작업을
[10:35]
작은 단위로 나누면
[10:37]
오류 없이 성공할 가능성이
[10:39]
더 높아집니다. 이 과정을
[10:41]
계속 진행할 수 있는데,
[10:43]
작업 번호 5에 대해서도 추가할 수 있습니다.
[10:45]
이런 식으로 백로그가 만족스러울 때까지
[10:47]
이 과정을 반복할 수 있습니다.
[10:49]
또한 업데이트도 가능한데,
[10:51]
나중에 계획을 변경하고 싶다면
[10:53]
taskmaster update 명령어를 사용할 수 있습니다.
[10:55]
예를 들어 ID가 4인 작업에 대해
[10:57]
'Three.js를 사용하자'와 같은
[10:58]
새로운 지시사항을 추가할 수 있습니다.
[11:02]
이렇게 프롬프트를 제공하면
[11:04]
새로운 지시사항에 따라
[11:06]
전체 계획이 업데이트되는데,
[11:08]
이는 정말 유용한 기능입니다.
[11:09]
작업이 완료되면
[11:11]
taskmaster list with subtasks 명령어로
[11:13]
모든 하위 작업을 직접 확인할 수 있어
[11:16]
작업 검토가 더 쉬워집니다.
[11:19]
이제 거의 다 왔습니다. 이 과정이 끝나면
[11:20]
Cursor 에이전트로 가서
[11:22]
taskmaster로 만든 작업을 기반으로
[11:24]
앱 구현을 시작할 수 있습니다.
[11:26]
먼저 가장 중요한 작업부터
[11:27]
확인해보겠습니다.
[11:29]
여기서 잘못된 명령어를 사용하는
[11:31]
오류가 발생할 수 있는데,
[11:33]
script dev.js 대신 taskmaster를 사용하라고
[11:35]
지시하면 됩니다.
[11:37]
모든 작업을 나열하고 계획을
[11:40]
따르도록 하면, 계획을 보고
[11:41]
첫 번째 작업부터 구현하기 시작합니다.
[11:44]
작업을 진행하면서 해당 작업의 상태를
[11:46]
'진행 중'으로 설정합니다.
[11:48]
제가 Cursor의 YOLO 모드를 켜놨기 때문에
[11:49]
명령어 실행 시 별도의 허가가 필요 없어서
[11:52]
커피 한 잔 마시면서
[11:54]
작업이 진행되는 것을 지켜볼 수 있습니다.
[11:56]
그리고 작업이 완료되면
[11:58]
자동으로 다음 작업으로 넘어갑니다.
[11:59]
작업이 완료되면 상태가 업데이트됩니다.
[12:02]
태스크를 완료하면 완료 표시를 하고
[12:04]
'taskmaster next' 명령어로 다음 작업으로 넘어갑니다
[12:07]
유료 모드에서는, Cursor가
[12:09]
Cloud 3.7 버전의 경우 25개의 태스크로 제한되지만
[12:11]
Gemini 2.5 Pro Max를 사용하면
[12:13]
이 제한을 우회하여
[12:15]
2000개 이상의 태스크를
[12:17]
중단 없이 실행할 수 있습니다
[12:20]
정말 놀라운 점은 태스크들이
[12:22]
연속적으로 실행되면서
[12:24]
수천 줄의 코드와
[12:27]
많은 파일들을 생성한다는 것입니다
[12:29]
먼저 실행해보겠습니다
[12:30]
npm run dev를 실행하고
[12:33]
열어보면 로비와
[12:36]
인증 기능이 구현되어 있습니다
[12:38]
이름을 입력하고 아바타를 선택해서
[12:39]
게임을 시작할 수 있고, 사용자가 생성되었습니다
[12:42]
드로잉 시간을 설정하고
[12:44]
난이도와 공개/비공개 여부도 설정할 수 있죠
[12:46]
꽤 괜찮아 보입니다
[12:48]
생성은 가능하지만
[12:50]
실제 게임 내부는
[12:52]
아직 완성되지 않았네요
[12:54]
하지만 한 번에 이 정도를
[12:56]
만들어낸 것은 인상적입니다
[12:58]
이제 하위 작업이 포함된
[13:01]
taskmaster list를 확인해보면
[13:03]
처음 4개의 작업은 완료했지만
[13:06]
게임 실행 로직을
[13:08]
UI 컴포넌트에 완전히 통합하지는 못했네요
[13:09]
그래서 실제 게임룸이 보이지 않는 것 같습니다
[13:12]
계속 구현을 요청할 수 있고
[13:14]
여기 발생한 에러를 보고
[13:16]
이제 에러를 수정하고
[13:18]
새로운 Cursor 규칙을 만들어서
[13:19]
이런 실수를 방지하도록
[13:21]
할 수 있습니다
[13:22]
Next.js 앱 라우터에 대한
[13:24]
새로운 Cursor 규칙을 추가하고 있지만
[13:26]
어떤 이유에서인지 실제 내용은
[13:28]
생성되지 않았네요
[13:30]
지금은 수동으로 복사 붙여넣기 하겠습니다
[13:32]
Cursor 규칙이 제대로 저장되도록
[13:34]
업데이트할 필요가 있겠네요
[13:36]
이제 태스크를 계속 진행하겠습니다
[13:38]
드로잉 테스트를 할 수 있을 정도로
[13:40]
완성하기 위해 다음 태스크가 무엇인지 확인해보겠습니다
[13:44]
15분 정도 자동으로 태스크를 수행한 후
[13:47]
완전히 작동하는 게임이 만들어졌습니다
[13:49]
이름을 입력하고 아바타를 선택해서
[13:51]
게임을 시작할 수 있고
[13:53]
'Jason의 방'이라는 방도 만들 수 있습니다
[13:55]
드로잉 타이머를 설정하고
[13:57]
라운드 수와 난이도도 설정할 수 있습니다
[13:59]
방을 만들면 다른 사람들이
[14:01]
제가 만든 방을 볼 수 있고
[14:03]
참가할 수도 있습니다
[14:05]
방에는 여러 플레이어가
[14:06]
참여할 수 있고
[14:08]
시작하면 캔버스가 나타나서
[14:10]
주어진 단어를 설명하기 위한
[14:12]
그림을 그릴 수 있습니다
[14:14]
오른쪽 상단에는
[14:16]
남은 시간을 보여주는 타이머가 있고
[14:18]
시간이 끝나면
[14:20]
결과를 ChatGPT에 전송하여
[14:23]
이미지를 분석하고
[14:25]
설명과 평가를 받아
[14:27]
승자를 선정하고 점수를 부여한 뒤
[14:29]
다음으로 넘어갑니다
[14:30]
20분 만에 이런 멀티플레이어 게임을
[14:33]
자동으로 만들어낸 것이 놀랍습니다
[14:35]
이것이 바로 적절한 태스크
[14:37]
관리 시스템으로 Cursor를 강화했을 때
[14:38]
얻을 수 있는 성능 향상입니다
[14:40]
정말 흥미로운 점은 이것이 시작일 뿐이라는 겁니다
[14:42]
몇 달 안에 이러한 도구와 시스템이
[14:44]
훨씬 더 발전할 것이라 예상됩니다
[14:46]
저는 또한 Taskmaster 프로젝트의
[14:47]
개발자와 인터뷰를 했는데
[14:49]
Taskmaster의 힘을 완전히 끌어내기 위한
[14:51]
최적의 워크플로우와
[14:52]
현재 진행 중인 흥미로운 프로젝트에 대해
[14:54]
자세히 설명해주었습니다
[14:56]
관심 있으시다면 AI Builder Club에
[14:58]
가입하실 수 있습니다
[14:59]
전체 인터뷰와 워크플로우를
[15:01]
커뮤니티에 공유했고
[15:02]
AI 코딩과 프로덕션급 AI 에이전트 개발에 대한
[15:04]
업계 전문가들의 다양한 팁과
[15:06]
학습 자료도 제공됩니다
[15:09]
또한 10x coderdev와 같은 도구들도
[15:10]
사용할 수 있는데, 이는 완벽한 Cursor PRD 생성과
[15:12]
결제, 백엔드, 데이터베이스가 설정된
[15:15]
Next.js 보일러플레이트를 제공하여
[15:17]
주말만에 SaaS를 런칭할 수 있게 도와줍니다
[15:19]
관심 있으시다면 설명란의 링크를 통해
[15:21]
가입하실 수 있습니다
[15:23]
이 영상이 도움이 되었길 바랍니다
[15:24]
앞으로도 계속해서
[15:26]
새로운 팁과 워크플로우를 공유하도록 하겠습니다