Augment Code가 대대적인 업그레이드를 맞이하다

GosuCoder 구독자 9,180명

요약

이 영상에서는 AI 보조 코딩에서 가장 어려운 과제인 대규모 프로젝트에서 AI를 올바른 맥락으로 유지하는 문제를 다룹니다. Cloud Code와 Augment Code의 작업 오케스트레이션 기능을 비교하며, 특히 Augment Code의 새 작업 목록(task list) 기능이 평가 점수를 63.2%에서 67.5%로 끌어올린 과정을 설명합니다. 사용자가 수동으로 작업을 추가·수정·실행하면서 AI의 진행 상황을 상세히 제어할 수 있는 편리함이 강조됩니다. 마지막으로 소소한 UI 개선점과 함께 앞으로 다른 AI 코딩 도구에도 유사 기능이 확산될 것이라는 전망을 전합니다.

주요 키워드

Augment Code Orchestrator Mode Task List Cloud Code Context Engine Eval Scoring AI 컨텍스트 유지 Claw Taskmaster

하이라이트

🔑 AI 코딩의 최대 난제는 대규모 프로젝트에서 AI를 올바른 맥락으로 유지하는 것임을 강조합니다.
⚡️ Augment Code의 새 작업 목록 기능이 평가 점수를 63.2%에서 67.5%로 크게 향상시켰습니다.
🌟 Orchestrator Mode를 통해 작업을 세분화하고 클라우드 코드와 Augment Code에서의 구현 방식을 비교합니다.
🚀 Augment Code에서는 수동으로 작업을 추가·수정·삭제할 수 있어 작은 요구사항도 즉시 반영 가능합니다.
📌 'Run All Tasks' 버튼으로 일괄 실행하고, 각 작업의 상태를 직접 관리할 수 있어 제어력이 뛰어납니다.
🔧 Cloud Code의 내장 to-do 리스트 기능과 비교해 Augment Code의 유연한 편집 기능이 차별화됩니다.
💡 복잡한 쿼리에는 자동으로 태스크 리스트를 생성하고, 간단한 요청에는 굳이 생성하지 않는 스마트한 분기 로직을 제공합니다.
⚙️ Augment Code의 강력한 컨텍스트 엔진 덕분에 작업 간 일관성을 유지하면서 AI가 벗어나지 않도록 제어합니다.
📈 이 기능은 Eval(평가) 점수 향상뿐 아니라 실제 개발 워크플로우에도 큰 도움이 된다고 결론 내립니다.

용어 설명

Orchestrator Mode

AI에게 대규모 작업을 분할해 하위 작업으로 실행하도록 지시하는 모드

Task List(작업 목록)

AI 보조 코딩 도구가 수행할 작업을 단계별로 나열하고 관리하는 리스트 기능

Cloud Code

Google에서 제공하는 AI 보조 코딩 플랫폼으로, 내장된 to-do 리스트 기능을 갖춤

Augment Code

AI 보조 코딩 도구 중 하나로, 개선된 태스크 리스트 기능과 강력한 컨텍스트 엔진을 제공

Context Engine(맥락 엔진)

대화 내용과 코드 컨텍스트를 지속적으로 파악해 AI가 적절한 답변을 제공하도록 돕는 기술

Eval Scoring(평가 점수)

코딩 AI의 성능을 수치로 측정하는 지표, 이번 업그레이드로 점수가 크게 상승함

AI 보조 코딩에서 가장 어려운 과제는 대규모 프로젝트의 맥락을 유지하는 것입니다. AI 모델이 작업을 진행하면서 흐름을 벗어나지 않도록 관리하는 것이 핵심 이슈로 제기됩니다.

[00:00] AI 보조 코딩에서 가장 어려운 것은 대규모 프로젝트에서 AI를 올바른 방향으로 유지하는 것이며, Augment Code가 최고의 작업 오케스트레이터를 출시했다고 평가합니다.

Orchestrator Mode를 사용하는 Cloud Code처럼 대규모 작업을 작은 단위로 분리해 처리하는 방식과, 단일 채팅 로그 안에서 모든 작업을 수행하는 전통적 접근 방식을 대조합니다.

[00:26] 회사들이 두 가지 방향으로 나뉘어 가고 있는데, 하나는 R 코드의 오케스트레이터 모드로 큰 작업을 작은 단위로 분해하여 다른 모드들에 배분하는 방식입니다.

[01:18] 화자는 지난 1년간 AI가 큰 전면적 작업을 하지 않게 하는 작은 수술적 변경 방식을 사용해왔으며, 이를 통해 코드 검토가 쉬워지고 AI가 궤도를 벗어나지 않도록 할 수 있었다고 설명합니다.

발표자는 큰 변화보다는 작은 수술적 변경으로 AI를 활용해 왔다고 설명합니다. 이렇게 하면 코드 검토가 용이하고 AI가 자의적으로 탈선하지 않도록 제어할 수 있습니다.

타임라인 정보가 없습니다.

초기에는 ChatGPT나 Claw로 텍스트 목록을 생성해 AI에게 전달했지만, Taskmaster 같은 전용 태스크 리스트 도구들이 등장하며 워크플로우가 발전한 과정을 짚어봅니다.

[01:48] 과거에는 텍스트 기반 작업 목록을 사용했는데, ChatGPT나 Claude가 할 일 목록을 생성하고 AI 보조 코딩 도구가 이를 참조하여 작업하는 방식이었습니다.

[02:09] 현재는 Claude Taskmaster와 같은 도구들이 등장했으며, 이들은 멋진 구현을 제공하지만 설정에 약간의 추가 작업이 필요합니다.

Cloud Code의 내장 to-do 리스트 기능을 소개합니다. AI가 스스로 작업 리스트를 생성·관리하며, 별도 설정 없이도 작업 흐름을 유지할 수 있는 편리함이 특징입니다.

[02:37] AI를 제한할 수 있다면 놀라운 일들을 달성할 수 있으며, AI의 가장 큰 복잡성은 궤도를 유지하는 것입니다. 컨텍스트가 채워질수록 원하는 경로에서 벗어날 가능성이 높아지지만, AI는 8개월 전과 비교해 크게 개선되었습니다.

[03:09] AI 코딩 도구들의 발전 상황을 설명하며, 클라우드 코드와 오그먼트 코드가 등장한 배경과 자체 작업 관리 기능을 소개합니다.

Augment Code도 자체 태스크 리스트 기능을 출시했으며, 이 기능으로 Eval 점수가 63.2%에서 67.5%로 상승했습니다. 주요 인터페이스와 성능 개선 효과를 살펴봅니다.

[03:57] 오그먼트 코드의 성능이 63.2%에서 67.5%로 향상되었음을 베스트 AI 에이전트 사이트의 데이터를 통해 보여주며, 작업 관리자 기능의 효과를 설명합니다.

[04:43] 클라우드 코드 사용 경험을 공유하며, 과거 클라우드 3.7의 문제점들이 해결되어 이제는 안정적으로 작업할 수 있게 되었다고 설명합니다.

[05:19] 오그먼트 코드의 작업 목록 구현이 최고 수준이라고 평가하면서, 실제 사용 예시를 통해 수동 작업 추가 기능의 유용성을 보여줍니다.

사용자가 새 작업을 수동으로 추가·수정·삭제할 수 있고, 'Run All Tasks' 기능으로 일괄 실행 가능하며 상태를 직접 관리할 수 있는 세부 기능을 설명합니다.

[06:18] AI 생성 결과가 마음에 들지 않을 때 토큰 사용 없이 직접 편집할 수 있으며, 작업 목록이 준비되면 '모든 작업 실행'으로 순차 실행이 가능합니다.

[06:39] 작업 상태를 수동으로 제어할 수 있어 완료 표시, 삭제, 건너뛰기 등이 자유롭게 가능하여 매우 유연한 작업 관리를 제공합니다.

[07:00] Claude Code와 비교할 때 개별 항목 수정이 어려워 전체 계획을 다시 소통해야 하는 불편함이 있지만, Augment Code는 작업을 직접 조정, 제거, 추가할 수 있어 훨씬 편리합니다.

[07:45] 작업 목록 생성 시 적절한 타이밍을 잘 판단하여 복잡한 쿼리에 대해 자동으로 8가지 작업을 제시하며, 이전보다 완성도 높은 결과를 제공합니다.

실제 평가(Eval) 점수가 지속적으로 향상된 사례를 공유하고, AI가 경로에서 벗어나지 않도록 작업 목록이 큰 역할을 했다고 분석합니다.

[08:27] 작업 목록은 AI를 활용해 특정 목표를 달성하게 하는 강력한 도구로, 파일 변경 옆 아이콘을 통해 접근할 수 있어 적극 추천합니다.

[08:44] 크기 조절이 열림/닫힘만 가능한 점이 아쉽고, 작업 목록을 새로운 채팅으로 이동할 수 있는 기능도 제공합니다.

[09:16] 화자가 실제 프로젝트를 계획하면서 할 일 목록을 생성한 후, 새로운 컨텍스트 윈도우로 완전히 새로운 채팅을 시작하는 워크플로우를 설명합니다.

[09:26] 마크다운 가져오기 기능에 대한 관심을 표현하며, O3를 활용해 PRD나 기술적 할 일 목록을 생성하고 이를 활용하는 가능성에 대해 언급합니다.

[09:44] 내보내기 기능은 아직 많이 사용해보지 않았지만, '새 채팅으로 계속하기' 기능은 여러 번 활용한 경험을 공유합니다.

[09:54] Augment Code의 대규모 업그레이드에 대해 언급하며, AI를 효과적으로 제어할 수 있게 해주는 핵심 기능임을 강조합니다.

Augment Code의 유연한 태스크 리스트 구현이 다른 AI 코딩 도구에도 확산될 것으로 전망하며, 앞으로의 개선 방향과 새로운 기능 추가 가능성을 제시합니다.

[10:04] Claude Code에서 느꼈던 제어 가능성의 장점을 설명하며, 이는 작업을 체계적으로 세분화하는 방식과 관련이 있다고 분석합니다.

[10:25] Augment Code가 이런 기능을 갖게 되면서 사용자들에게 훨씬 강력한 도구가 될 것이며, 놀라운 컨텍스트 엔진과 결합하면 매우 강력한 도구가 될 것이라고 평가합니다.

[10:35] 이런 기능을 전혀 예상하지 못했으며, 다른 AI 코딩 도구들도 곧 이런 기능을 도입할 것으로 예상한다고 말합니다.

[00:00] AI 보조 코딩에서 가장 어려운 것 중 하나는

[00:03] 대규모 코딩 프로젝트에서 AI를

[00:06] 올바른 방향으로 유지하는 것입니다.

[00:10] 그리고 좀 대담한 말을 하자면,

[00:12] Augment Code가 방금 출시한 것이

[00:14] 최고의 작업 오케스트레이터 중 하나일 수도 있다고

[00:18] 생각합니다. 작업 목록 구현이

[00:20] 지금까지 본 AI 코딩 도구들 중에서

[00:23] 가장 뛰어난 것 같습니다. 그리고 좀 뒤로 돌아가서

[00:26] 우리가 볼 수 있는 이런 종류의

[00:29] 분할된 방향을 살펴보면

[00:31] 이러한 회사들이 가고 있는 방향을 볼 수 있습니다. 한편으로는

[00:34] R 코드의 오케스트레이터 모드가 있습니다.

[00:37] 이것이 하는 일은

[00:41] 생각해보면 작업 목록과 같은 것입니다.

[00:42] 큰 일을 주면, 큰 작업량을 주면

[00:44] 많은 작업을 주면

[00:47] 실제로 그것을 분해하고

[00:49] 더 작은 작업들을 오케스트레이션합니다

[00:52] 다른 모드들로 말이죠. 예를 들어

[00:54] 아키텍처 모드가 필요할 수도 있고

[00:56] 코딩을 해야 할 수도 있습니다만

[01:00] 이것은 정말 흥미로운 일입니다

[01:01] 왜냐하면 더 이상

[01:03] 단일 컨텍스트에 국한되지 않고

[01:05] 실제로 오케스트레이터 모드에 의해

[01:08] AI를 올바른 방향으로 유지할 수 있기 때문입니다

[01:10] 작업을 배분하는 반면, 다른 쪽에서는

[01:13] 모든 것을 같은 컨텍스트에

[01:15] 하나의 모델 채팅 로그 등에 유지하려고 합니다.

[01:18] 그리고 제가 실제로 해온 일 중 하나는

[01:21] 아마도 지난

[01:23] 1년 정도 동안 이 시점에서

[01:25] 발견한 것은 그냥

[01:27] 작은 수술적 변경들이 기본적으로

[01:30] AI가 이런 큰 전면적인

[01:32] 작업들을 하지 않게 하는 것이 실제로 저에게 많은 도움이 되었습니다

[01:36] 왜냐하면 코드를 검토하기가

[01:37] 더 쉽기 때문입니다. 들어가서

[01:40] AI가 궤도를 벗어나지 않도록 확실히 할 수 있습니다. 그래서

[01:42] 정말로 수술적으로 접근하는 것입니다. 하지만

[01:45] 시간이 지나면서 다른 것들도 진화했습니다. 그래서

[01:48] 제가 한동안 했던 일 중 하나는

[01:50] 텍스트 기반 작업 목록을 사용하는 것이었습니다.

[01:53] 그래서 저는 ChatGPT나 Claude가

[01:56] 해야 할 일들의 목록을 생성하게 하고

[02:00] 그리고 나서 AI 보조 코딩을 사용해서

[02:01] 도구를 실제로 통과시켜서

[02:03] 그 파일을 읽고

[02:05] 그런 것들을 해야 할 일로 사용했습니다. 하지만 그 후

[02:09] Taskmaster 같은 것들이 추가되었습니다.

[02:11] 그래서 Claude Taskmaster가 더 인기있는 것 중 하나일 수 있습니다.

[02:15] 자, 여기에 그것이 어떻게 보이는지의

[02:17] 이미지가 있습니다.

[02:19] 이것은 실제로 꽤 멋집니다.

[02:21] 솔직히 말해서. 하지만 동시에

[02:22] 설정하는 데 약간의 추가 작업이 필요하다고 말하고 싶습니다.

[02:25] 그래서 우리는 이런 정말 멋지고

[02:26] 훌륭한 구현들을 가지고 있습니다

[02:29] 기본적으로 오케스트레이션하고 AI를 궤도에 유지할 수 있게 해주는

[02:32] AI를 궤도에 유지할 수 있게 해주는

[02:35] 구현들을 가지고 있습니다.

[02:37] 왜냐하면 여러분 중 누구든지 알고 있듯이

[02:40] AI를 우리가 원하는 대로 제한할 수 있다면

[02:44] 실제로 꽤 놀라운 일들을

[02:45] 달성할 수 있습니다. 그리고 많은

[02:48] 사람들이 AI의 큰 복잡성에 대해 이야기합니다.

[02:50] 그리고 저는 AI의 가장 큰

[02:52] 복잡성 중 하나는 단순히 그것을

[02:55] 궤도에 유지하는 것이라고 생각합니다. 그리고 컨텍스트가 채워질수록

[02:58] 원하는 경로에 머물 가능성이

[03:01] 조금씩 궤도를 벗어나게 됩니다. 그리고 AI는

[03:04] 이 부분에서 훨씬 나아졌습니다

[03:06] 8개월 전과 비교해서도

[03:08] 많이 개선되었습니다

[03:09] 전에 비해 많이 나아졌습니다.

[03:13] 그래서 클라우드 코드와

[03:16] 오그먼트 코드가 등장하게 되었습니다.

[03:17] 다른 것들도 있을 수 있지만, 제가

[03:18] 가장 잘 아는 두 가지는 이것들입니다. 클라우드

[03:21] 코드에는 내장된 할 일 목록

[03:23] 기능이 있어서 실제로

[03:26] 자체적으로 작업 목록을 생성할 수 있습니다. 그래서

[03:29] 아무것도 조정할 필요가 없습니다.

[03:31] 그냥 스스로 관리하고 계속해서

[03:34] 올바른 방향으로 나아갑니다. 그리고 오그먼트 코드가 한 일은

[03:37] 방금 자체적인

[03:40] 작업 목록 버전을 출시한 것입니다. 그리고 이건

[03:44] 정말 굉장합니다. 이것의

[03:47] 몇 가지 기능들을 살펴보겠습니다. 하지만

[03:48] 제가 다루고 싶은 큰 포인트는

[03:52] 제 이메일에서 63.2%에서 67.5%로 올라갔다는 것입니다.

[03:57] 그리고 실제로 제 사이트의

[03:58] 초기 버전을 올렸습니다. 베스트 AI

[04:00] 에이전트에 가시면, 여기서 보실 수 있습니다

[04:03] 소넷용 클라우드를 검색하면, 마지막으로

[04:07] 오그먼트 코드를 실행했을 때는 63.2였고 그건

[04:10] 5월 30일이었습니다. 작업 관리자만으로도

[04:14] 점수가 상당히

[04:16] 향상되었습니다. 클라인과

[04:18] 루트 코드와 비슷한 수준으로, 아마도 약간

[04:20] 뒤처질 수도 있겠지만. 여전히 7위 자리에 있지만,

[04:22] 모든 것이 상대적으로 오차 범위 내에 있습니다

[04:25] 점수 차이가 소수점 단위로 나면

[04:27] 그것들 사이에. 그래서,

[04:30] 상당히 큰 향상이 매우 일관되게

[04:34] 오그먼트 코드에서 나타났습니다

[04:37] 작업 목록 관리 때문입니다. 이제 그들은 그냥

[04:40] 엄청난 차이를 만들어냅니다

[04:43] 클라우드 코드 이후부터 제가

[04:47] 그것과 함께 작업하면서 거의

[04:49] 클라우드 코드가 엉뚱한 방향으로 가는 경우가 없어졌습니다

[04:52] 몇 달 전으로 돌아가면 여러분 중 일부는

[04:54] 제가 약간

[04:56] 클라우드 3.7에 대해 불만을 토로했던 것을 기억하실 텐데

[04:58] 제가 요청하지 않은 일들을

[05:00] 계속 하곤 했거든요. 이제는 그런 문제가 없습니다

[05:03] 사실 클라우드 코드가

[05:05] 특히 제가 실제로 실행하는 것들을 정말 정말

[05:08] 잘 제한된 상태로 유지해주고 있고

[05:10] 완전히 즐겁게 작업할 수 있게 되었습니다

[05:13] 원하지 않는 일을 할까봐

[05:15] 걱정할 필요가 없거든요. 하지만

[05:17] 오그먼트 코드에 대해 조금 이야기해봅시다

[05:19] 앞서 말한 것처럼 제 생각에는 그들이

[05:21] 최고 중 하나이거나 아니면

[05:26] 작업 목록을 위한 최고의 구현을 만들어냈다고 생각합니다. 그래서

[05:30] 한 가지 주목할 점은 모든 것이

[05:32] 실제로 작업 목록을 생성하지는 않는다는 것입니다.

[05:34] 이 특정한 경우에는, 저는

[05:36] 실제로 오류를

[05:38] 메시지를 디버깅하게 했습니다. 여기서는 작업

[05:40] 목록을 생성하지 않았습니다. 하지만 제

[05:42] 과거 작업들 중 일부를 보면, 이것을

[05:44] 살펴봅시다. 이것은 작업 목록이 있을 것 같습니다.

[05:47] 없네요. 좋아요, 한 번 더 돌아가봅시다.

[05:49] 좋아요, 여기 실제로 작업 목록이 있는 것이 있습니다. 그래서,

[05:51] 이것은 실제로 작업 목록을

[05:53] 하고 싶은 일들의 목록을 생성했습니다. 그리고 저는

[05:56] 잠시 여기 머물면서

[05:58] 제가 정말 즐겁게 사용한

[05:59] 기능들을 보여드리겠습니다. 그래서, 첫 번째

[06:01] 것은 수동으로 새로운

[06:04] 작업을 추가할 수 있다는 것입니다. 제 생각에는 이것이 정말 대단한데

[06:08] 왜냐하면 제가 들어가서

[06:10] XYZ를 하라고 말할 수 있거든요.

[06:13] 그리고 지난

[06:15] 하루 반 동안 이것을 꽤 많이 사용했습니다. 때때로 제가

[06:18] AI가 한 작업이 마음에 들지 않거나

[06:21] 직접 와서

[06:22] 다른 것으로 바꾸고 싶을 때도 있죠.

[06:26] AI가 토큰을 사용해서

[06:28] 생성하게 할 필요 없이

[06:30] 직접 들어가서 편집할 수 있어요.

[06:32] 작업 목록이 준비되면

[06:34] 말 그대로 '모든 작업 실행'을 누르면

[06:36] 순차적으로 실행됩니다.

[06:39] 또 다른 제어 가능한 기능은

[06:41] 상태를 직접 조작할 수 있다는 점인데

[06:44] 정말 흥미로웠어요. 작업이 완료되면

[06:46] 자동으로 업데이트되긴 하지만

[06:48] 직접 들어가서

[06:51] '아니, 이건 하고 싶지 않아

[06:53] 이건 완료된 걸로 처리하자'라고 하거나

[06:55] 아예 삭제할 수도 있어요.

[06:57] 정말정말 매우 훌륭한 기능이죠

[07:00] Claude Code같은 경우를 생각해보면

[07:01] 예를 들어

[07:02] 이런 계획을 받게 되는데

[07:04] 제가 승인하거나 거부할 수는 있지만

[07:07] 개별 항목을 쉽게 변경하기는 어려워요.

[07:11] 예를 들어, 1단계는 마음에 들지만

[07:14] 2단계에서 뭔가 바꾸고 싶다면

[07:17] 해야 할 방법은

[07:19] 다시 소통해서 계획을 수정하게 하는 것이죠.

[07:21] 그리고 그건 저한테는 괜찮았어요.

[07:23] 솔직히 그렇게 하는 데

[07:25] 큰 문제나 불편함은 없었거든요.

[07:28] 하지만 Augment Code의 새로운

[07:31] 작업 목록을 사용하기 시작하면서

[07:33] 직접 들어가서

[07:35] 작업 자체를 조정하고, 작업을 제거하고

[07:37] 작업을 추가할 수 있다는 게 얼마나 편한지 깨달았어요.

[07:42] 이 기능은 정말 강력합니다.

[07:45] 그리고 제가 말씀드리고 싶은 건

[07:49] 작업 목록을 생성하게 하면

[07:51] 정말 잘한다고 말할 수 있어요

[07:54] 작업 목록을 사용할 적절한 타이밍을

[07:56] 찾는 데 말이죠. 그리고 작업 목록을

[07:59] 사용하지 말아야 할 때도 잘 찾아내요.

[08:01] 제가 쿼리를 입력했을 때

[08:03] 충분히 복잡하다는 걸 알고

[08:07] '짠, 여기 8가지 작업이 있어

[08:09] 이제 진행할게'라고 하면서

[08:10] 바로 실행했거든요.

[08:12] 제가 평가한 모든 케이스에서 그랬어요

[08:15] 이전에는 점수가 낮았다고 생각하는데

[08:18] 에이전트가 종종

[08:20] 포기하곤 했거든요. 포기라는 말이

[08:22] 적절하지 않을 수도 있지만, 필요한 만큼

[08:24] 완전히 완성하지 못했어요.

[08:27] 다시 말하지만 작업 목록은

[08:29] AI를 활용해서 우리가 실제로 가진

[08:31] 특정 목표를 달성하게 해주는 거예요.

[08:33] 이걸 꼭 한번 써보시길 강력히 추천해요.

[08:36] 파일 변경 바로 옆에 있는

[08:39] 이 작은 아이콘이에요.

[08:40] 한 가지 아쉬운 점이 있다면

[08:44] 이것의 크기를 조금 더

[08:46] 제어할 수 있었으면 좋겠어요. 그냥 열리거나

[08:49] 닫히거나 둘 중 하나거든요.

[08:51] 2-3개 정도만 보이게

[08:52] 조절할 수 있었으면 좋겠어요.

[08:54] 사소한 문제인 건 알지만 계속

[08:58] 위아래로 드래그하려고 하게 되더라고요.

[09:00] 이건 이 크기로, 저건 저 크기로

[09:02] 하고 싶은데 말이죠. 작은 문제이긴 하지만

[09:05] 언급할 가치는 있는 것 같아요.

[09:07] 또 다른 기능은

[09:09] 작업 목록을 가져다가

[09:11] 새로운 채팅에 넣을 수 있다는 거예요.

[09:14] 저도 몇 번 해봤는데

[09:16] 실제로 뭔가를 계획하고 있었는데

[09:19] 이제 할 일 목록이 생겼으니

[09:21] 완전히 새로운 컨텍스트 윈도우로

[09:23] 새로운 채팅을 시작했어요. 아직

[09:26] 마크다운 가져오기는 테스트해보지 않았지만

[09:28] 정말 한번 확인해보고 싶어요

[09:30] 예를 들어 O3로 들어가서

[09:34] PRD나 기술적 할 일 목록 생성을

[09:36] 도와달라고 하고 그걸 가져와서

[09:39] 활용할 수 있다면 꽤 멋질 것 같아요

[09:41] 그리고 아직 내보내기는

[09:44] 별로 써보지 않았어요

[09:45] 크게 필요를 못 느꼈거든요

[09:46] 하지만 새 채팅으로 계속하기는

[09:48] 지금까지 몇 번 사용해봤어요

[09:50] 그래서 어쨌든 이에 대해

[09:53] 간단히 언급하고

[09:54] Augment Code의 엄청난 개선사항을

[09:57] 공유하고 싶었어요.

[10:01] 정말로 AI를 제어할 수 있게 해줍니다

[10:04] Claude Code에서 이걸 느꼈고

[10:06] 아마 이게 제가 Claude Code를

[10:08] 좋아하는 이유 중 하나일 거예요

[10:10] 아직 이걸 명확하게 표현하지 못했는데

[10:14] Claude Code는 정말 제어가 잘 돼요

[10:16] 제어가 정말 잘 된다고 말했는데

[10:18] 이는 아마도 자신이 하고 있는

[10:20] 작업을 세분화하는 방식과

[10:22] 관련이 있다고 생각해요. 그리고

[10:25] Augment Code도 이제 이런 기능이 있으니

[10:28] 사람들에게 훨씬 더 강력한

[10:30] 도구가 될 거예요. 놀라운

[10:32] 컨텍스트 엔진과 결합하면

[10:34] 이건 정말 괴물이에요

[10:35] 다음에 뭘 할지 정말 기대돼요

[10:37] 이런 건 전혀 예상하지 못했거든요

[10:39] 사실 다른 AI 코딩 도구들에서도

[10:41] 이런 기능을 보지 못한다면

[10:43] 놀랄 것 같아요. 그들이 구현한

[10:45] 방식을 보면 너무나 당연하거든요

[10:47] 정말 훌륭한 구현이에요

[10:49] 다음에 뭘 할지 정말 기대됩니다

[10:51] 어쨌든 여기서 마무리하겠습니다

[10:53] 아래에 여러분의 생각을 알려주세요

[10:54] 혹시 이걸 써보셨나요?

[10:56] 아직 안 써보셨다면

[10:58] 꼭 한번 확인해보세요

[10:59] 이거 정말 끝내주거든요

[11:01] 다음 시간까지 여러분

[11:02] 좋은 하루 보내세요. 안녕!