클로드 코드에 중독됐습니다: 요금 제한, 에이전트 모델, CC 대안

채널 아이콘
IndyDevDan 구독자 43,800명

요약

이 영상에서는 Claude Code의 Haiku, Sonnet, Opus 세 가지 모델 레벨과 이를 활용한 서브 에이전트 병렬 운영 방식을 소개합니다. 새로 도입된 요금 제한(rate limits)에 대응하기 위해 성능·속도·비용 간 트레이드오프를 고려한 모델 선택(model selection) 전략을 강조합니다. 시스템 프롬프트 패턴과 ‘생각 모드(thinking mode)’ 키워드를 활용해 업무별 최적 모델을 선정하고, 커스텀 커맨드와 서브 에이전트를 활용한 확장 워크플로우를 시연합니다. 마지막으로 Claude Code에 과도하게 집중된 생태계를 경고하며, 다양한 대안을 탐색해 도구 의존도를 분산해야 한다고 제안합니다.

주요 키워드

Claude Code 서브 에이전트 모델 선택 요금 제한 생각 모드 프롬프트 체이닝 커스텀 커맨드 오케스트레이션 Opus 모델 Gemini CLI

하이라이트

  • 🔑 Haiku, Sonnet, Opus 세 레벨 에이전트를 병렬 운영해 더 넓고 깊은 리서치 가능함을 시연합니다.
  • ⚡️ Anthropic이 주간 요금 제한을 도입한 배경에는 무한 루프 에이전트를 24/7 돌린 남용 사례가 있습니다.
  • 🌟 모델 선택을 통해 과도한 토큰 낭비와 과소 성능 두 가지 문제를 모두 예방할 수 있습니다.
  • 🚀 ‘생각 모드(thinking mode)’ 키워드를 활용하면 추론 수준을 높여 복잡한 문제 해결에 유리합니다.
  • 📌 시스템 프롬프트 패턴을 분리해 Haiku, Sonnet, Opus 간 동일 프롬프트 A/B/C 테스트가 가능합니다.
  • 🎯 커스텀 커맨드와 서브 에이전트를 결합하면 단일 명령으로 대규모 장기 워크플로우를 실행할 수 있습니다.
  • 🔄 Opus 모델은 출력 포맷 준수와 복잡도 처리에서 최고 성능을 제공해 ‘페이 투 플레이(pay to play)’ 가치를 입증합니다.
  • 🔍 Claude Code 독점 의존을 경계하며 Gemini CLI, Quinn3 등의 대안을 조기에 실험할 필요가 있습니다.

용어 설명

서브 에이전트

주(Primary) 에이전트가 스스로 추가로 실행하는 하위 에이전트로, 병렬·계층화된 워크플로우를 구성합니다.

모델 선택(model selection)

업무별로 성능·속도·비용 간 트레이드오프를 고려해 Haiku, Sonnet, Opus 등 최적 모델을 지정하는 과정입니다.

요금 제한(rate limit)

Anthropic이 무분별한 API 사용을 방지하기 위해 주간·일간 호출 횟수나 토큰 소비를 제한하는 정책입니다.

생각 모드(thinking mode)

추론 과정을 강화해 모델이 더 깊이 사고하도록 유도하는 Anthropic의 키워드 기능입니다.

프롬프트 체이닝(prompt chaining)

여러 개의 프롬프트를 순차 혹은 병렬로 연결해 복잡한 작업을 수행하고 결과를 집계하는 기법입니다.

[00:00:00] 모델 레벨과 서브 에이전트 개요

Haiku(약한 모델), Sonnet(균형 모델), Opus(강력 모델) 세 가지 수준을 선보이며 12개의 서브 에이전트를 병렬로 운용해 암호화폐 리서치를 수행하는 사례를 설명합니다.

[00:00] 약함, 기본, 강함의 세 단계 모델 제어 시스템을 소개하며, 하이쿠, 소네트, 오푸스 모델을 통해 12개의 서브 에이전트가 암호화폐 연구를 병렬로 수행하고 있다고 설명
[00:00:21] Claude Code 신규 기능 및 요금 제한 소개

서브 에이전트 모델 선택, 에이전트 멘션, 히든 파일 멘션 등 최소 유용 기능이 공개되었고, 남용 사례로 인해 새로운 요금 제한이 도입된 배경을 안내합니다.

[00:41] Claude Code 팀이 서브 에이전트 모델 선택, 에이전트 멘션, 숨겨진 파일 멘션 등의 새로운 기능을 출시했지만, 무한 에이전틱 루프를 남용한 사용자로 인해 새로운 사용량 제한이 도입되었다고 발표
[00:01:00] 요금 제한 배경과 장기 사용 지원 약속

무한 루프 에이전트를 24/7 돌린 사례로 API 남용이 확인되어 요금 제한을 설정했으며, Anthropic은 향후 장기 실행(use case)을 지원할 대안을 제공할 계획이라고 밝혔습니다.

[01:16] Anthropic이 장기 실행 사용 사례 지원을 약속하며 고도로 에이전틱한 시스템에 투자하고 있음을 언급하고, Claude Code에 과도하게 의존하는 현 상황을 '나쁜 투자'로 비유하며 대안의 필요성을 강조
[00:01:37] 모델 선택의 필요성: 성능·속도·비용 트레이드오프

클라우드 코드에 과도 의존한 상태를 투자 포트폴리오에 빗대 설명하며, 모델 과잉·부족 문제를 방지하기 위해 성능, 속도, 비용을 고려해 최적 모델을 골라야 한다고 제안합니다.

[02:07] 8월 28일부터 적용되는 새 사용량 제한이 5% 미만의 사용자에게 영향을 줄 것이지만, 자신과 시청자들은 해당 범위에 속할 가능성이 높다고 분석하며 새로운 모델 선택 기능을 통해 적절한 컴퓨팅 수준 선택의 중요성을 설명
[00:02:25] 컴퓨트 활용 전략: 성능 우선 관점

최고 성능을 위해 최대 컴퓨트를 활용하라는 조언을 전하며, $200짜리 CC Max 구독으로 Opus를 적극 활용해 ‘페이 투 플레이(pay to play)’ 전략을 강조합니다.

[02:52] 에이전트 모델 스택을 통해 비용, 속도, 지능 간의 트레이드오프를 관리하는 방법을 설명하며, 클라우드 코드에 과도하게 의존하고 있는 현재 상황을 투자자의 포트폴리오 집중 위험에 비유해 설명합니다.
[00:03:05] 서브 에이전트 아키텍처와 시스템 프롬프트

주 에이전트→서브 에이전트의 정보 흐름을 재차 확인하고, 시스템 프롬프트 설계 패턴을 분리해 효율적인 프롬프트 체이닝 구조를 제시합니다.

[03:11] Qwen3 코더와 Gemini CLI 등 새로운 에이전트 도구들의 출시와 Anthropic의 OpenAI 접근 차단 사건을 언급하며, 클라우드 코드가 엔지니어링을 완전히 변화시켰고 업계 리더로서 복사되고 클론되고 있다고 설명합니다.
[03:50] 향후 오픈소스와 클로즈드소스 대안들을 조사할 계획을 밝히고 다각화의 필요성을 강조하면서도, 현재로서는 클라우드 코드에 근접한 도구가 없다고 인정합니다.
[04:06] 서브 에이전트 모델 선택을 통한 강력한 에이전트 오케스트레이션 패턴을 분석하여 작업에 맞는 올바른 모델을 사용하면서 새로운 속도 제한을 피하는 방법을 제시합니다.
[04:23] 암호화폐 연구 예시를 통해 12개 에이전트의 실행을 보여주며, 작고 빠른 모델과 큰 모델 간의 시간과 토큰 차이를 설명합니다. 작은 모델은 빠르지만 적은 작업을, Sonnet과 Opus는 더 많은 토큰과 시간을 소비합니다.
[00:04:25] 암호화폐 리서치 워크플로우 및 프롬프트 구성

커스텀 커맨드를 활용해 12개 서브 에이전트를 실행하는 워크플로우를 보여주며, 목적, 변수, 실행 지침, 출력 포맷 등 프롬프트 요소를 상세히 설명합니다.

[04:58] 모델 선택이 해결하는 두 가지 핵심 문제를 설명합니다: 토큰과 돈을 낭비하는 모델 오버킬과 시간을 낭비하는 모델 저성능 문제. 성능, 속도, 비용 간의 트레이드오프에서 성능을 최우선으로 두어야 한다고 주장합니다.
[05:41] 생성형 AI 시대에서 엔지니어에게 가장 중요한 것은 컴퓨팅 파워를 확장하고 실제 엔지니어링 문제를 해결하는 능력이라고 강조합니다.
[00:06:00] Haiku·Sonnet·Opus 비교: 출력 포맷 준수와 성능 차이

각 모델의 토큰 사용량, 속도, 비용을 비교하고, Haiku는 포맷 준수에 한계가 있지만 Opus는 정확히 출력 포맷을 따르는 등 성능 차이를 검증합니다.

[06:03] 모델 선택의 계층 구조를 설명하며, Haiku 3.5(약한 모델), Sonnet 4(균형 모델), Opus 4(최고 성능 모델)의 특징과 성능 최우선 시 최고 모델 선택의 중요성을 언급합니다.
[06:18] 모델 선택 이외에도 'think hard', 'ultra think' 등의 키워드를 통해 모델의 사고 능력을 향상시킬 수 있으며, 4 thinking이 기본 모델들을 능가한다는 실험 결과를 공유합니다.
[06:59] API 속도 제한이라는 숨겨진 차원을 언급하며, 장시간 실행되는 엔지니어링 워크플로우에서 이를 고려해야 한다고 설명합니다.
[07:20] 서브 에이전트 기능으로 인해 더 많은 컴퓨팅 파워를 활용할 수 있게 되었고, 이로 인해 속도 제한에 더 자주 걸리게 된다고 설명합니다.
[07:37] 암호화폐 분석을 실행한 경험을 공유하며, 200달러 플랜을 사용하면서도 속도 제한에 걸린 상황을 통해 적절한 모델 선택의 중요성을 강조합니다.
[00:08:00] 모델 스택 전략과 타사 모델 적용 패턴

Weak(Base)·Base·Strong 모델 스택 패턴을 다른 벤더 모델(Gemini CLI, OpenAI)에도 적용 가능한 전략으로 제안하며, 컨텍스트·모델·프롬프트 원칙을 강조합니다.

[08:05] AI 모델 선택의 중요성에 대해 설명합니다. 작업에 맞는 적절한 모델을 선택해야 하며, 과도한 성능이나 부족한 성능을 피해야 한다고 강조합니다.
[08:16] 많은 사용자들이 습관적으로 최고 성능 모델인 Opus와 사고 모드를 선택하는 경향이 있다고 지적합니다. 이는 좋은 방법이지만 확장성 측면에서 문제가 있을 수 있다고 말합니다.
[08:32] 병렬 서브 에이전트와 멀티 에이전트 워크플로우를 확장할 때 속도 제한(rate limits)이 중요한 문제가 된다고 설명합니다. 특히 컴퓨팅 자원에서 속도 제한의 중요성이 그 어느 때보다 높아졌다고 강조합니다.
[08:48] 속도 제한 문제로 인해 대안을 찾는 것이 중요하다고 언급하며, 앞으로 에이전틱 코딩 도구 대안들을 조사하고 벤치마킹할 예정이라고 예고합니다.
[09:05] Claude Code 팀의 새로운 기능들을 소개합니다. 커스텀 모델 지원 에이전트, 커스텀 에이전트용 앱 멘션, 숨겨진 파일용 앱 멘션 등 세 가지 중요한 기능을 다룰 예정입니다.
[09:32] 12개의 에이전트를 실행하는 커스텀 슬래시 명령어를 보여줍니다. 실제로는 Haiku, Sonnet, Opus 세 가지 에이전트 레벨을 가진 네 가지 구별되는 솔루션으로 구성되어 있다고 설명합니다.
[09:48] 암호화폐 에이전트들이 암호화폐 연구, 거시 분석, 투자 플레이 아이디어 등을 작업하고 있는 것을 보여줍니다. 프롬프트 형식의 구조를 설명하며 목적 변수, 에이전트 그룹, 실행 지침, 출력 형식의 중요성을 강조합니다.
[00:10:00] 커스텀 커맨드·프롬프트 재사용과 오케스트레이션

프롬프트를 분리해 재사용 가능한 에이전트 프롬프트를 만들고, 커스텀 커맨드를 통해 서브 에이전트 오케스트레이션을 확장하는 방법을 안내합니다.

[10:25] 암호화폐 시장 에이전트의 시스템 프롬프트 구조를 설명하며, 다른 프롬프트를 참조하는 패턴의 장점을 소개합니다. 서로 다른 모델 레벨과 설명을 가진 에이전트 세트로 A/B/C 테스트가 가능하다고 설명합니다.
[11:13] Haiku, Opus, Sonnet 세 에이전트가 동일한 프롬프트를 사용하며, 모델 색상과 에이전트 이름만 다르다고 설명합니다. 이를 통해 모델과 설명에 대한 A/B/C 테스트가 가능합니다.
[11:36] 각 프롬프트 내에서 특정 암호화폐 분석과 연구를 수행한다고 설명하며, macro cryptocorrelation 프롬프트를 예시로 들어 클래식한 프롬프트 형식(목적, 지시사항, 워크플로우, 출력)을 보여줍니다.
[00:12:00] 최종 원칙 및 생태계 다각화 강조

수면 중에도 작동하는 ‘리빙 소프트웨어’ 구축 미션을 되짚으며, Claude Code 과도 의존 경고와 함께 Gemini, Quinn3, 오픈소스 대안을 실험해 도구 의존도를 분산해야 한다고 제안합니다.

[12:00] 서브에이전트 시스템의 정보 흐름을 명확히 설명합니다. 사용자가 기본 에이전트에게 프롬프트를 주고, 기본 에이전트가 서브에이전트들에게 프롬프트를 주며, 서브에이전트들은 사용자가 아닌 기본 에이전트에게 응답한다고 강조합니다.
[12:29] 다중 에이전트 워크플로우에서 모든 정보가 기본 에이전트의 컨텍스트 윈도우로 들어가며, 사용자에게 직접 돌아오지 않는다고 설명합니다. underscore agent_prompt.MD 파일들이 모두 기본 에이전트로 돌아간다고 설명합니다.
[12:54] 에이전트 시스템에서 출력 형식의 중요성을 설명하며, 각 응답을 수정 없이 직접 사용하고 Anthropic의 키워드를 참조하는 방법을 소개합니다.
[13:12] 실제 출력 파일들을 확인하면서 프롬프트들이 지정된 형식대로 정확히 나타나는 것을 보여줍니다.
[13:29] AI 모델의 레벨별 중요성을 강조하며, 모든 상황에서 최고 모델(오푸스)이 필요하지 않고 상황에 따라 하이쿠 같은 저렴한 모델도 사용할 수 있다고 설명합니다.
[13:42] 암호화폐 분석기를 예시로 하이쿠, 소네트, 오푸스 모델을 비교 분석합니다. 하이쿠는 출력 형식을 제대로 따르지 못하는 문제를 보입니다.
[13:59] 모델의 강도를 평가하는 방법으로 출력 형식 준수 여부를 확인하는 것을 제안하며, 각 모델별 성능 차이를 구체적으로 비교합니다.
[14:33] 최대 성능을 위해서는 최고급 모델을 사용해야 한다고 강조하며, 비용을 두려워하지 말고 최고 컴퓨팅 파워를 활용하는 것의 중요성을 설명합니다.
[15:04] 모델에 사고 기능을 추가하여 추론 능력을 향상시킬 수 있지만, 서브 에이전트 사용시 비용 증가에 주의해야 한다고 조언합니다.
[15:23] 최상위 에이전트, 특히 Opus 같은 강력한 모델의 가치를 제대로 활용해야 한다고 강조합니다. 명확한 목적 없이 이런 모델들을 낭비하지 말고, 씽킹 모드로 모델 성능을 더 끌어올릴 수 있다고 언급합니다.
[15:45] 약한 베이스 모델과 강력한 모델을 조합한 에이전트 스택 패턴의 강력함을 설명합니다. 항상 Opus가 필요한 것은 아니며, 단순한 요약 작업에는 간단한 모델을 사용할 수 있다고 합니다.
[15:58] Gemini Flash Light, 2.5 Flash, 2.5 Pro 등 다양한 모델 레벨과 최근 출시된 Gemini Deep Think, OpenAI o3 Pro, 새로운 에이전트 모델, 그리고 예정된 GPT-5에 대해 언급합니다.
[16:14] 모델 선택은 성능-속도-비용 트레이드오프와 숨겨진 레이어 속도 제한을 고려한 것이며, 여러 차원에 걸쳐 컴퓨팅을 확장하고 있다고 설명합니다.
[16:26] 확장을 위해서는 재사용 가능한 프롬프트(커스텀 명령어)와 서브 에이전트가 핵심이라고 강조합니다. 최상위 에이전트가 커스텀 명령어를 호출하여 암호화폐 연구 등의 작업을 수행하는 강력한 패턴을 소개합니다.
[16:45] 서브 에이전트들이 다양한 모델 레벨에서 실행되고 결과를 융합하는 방식이 과거부터 채널에서 다뤄온 프롬프트 체이닝과 퓨전 체이닝 기법이라고 설명합니다.
[17:00] 에이전트 내부에서 전용 에이전트 프롬프트를 만들어 다른 에이전트들 간에 재사용할 수 있는 강력한 기능을 소개합니다. 크립토코인 분석기를 하이쿠, 소넷, Opus 버전으로 각각 만들어 필요한 모델 성능을 테스트할 수 있다고 합니다.
[17:28] 서브 에이전트용 프롬프트를 분리하는 것의 중요성을 강조하며, 새로운 에이전트에서 프롬프트를 최상위 레벨에서 직접 실행하여 성능을 확인할 수 있는 장점을 설명합니다.
[17:49] 암호화폐 분석기 에이전트를 최상위 레벨에서 실행하여 프롬프트의 전체적인 작동 방식을 이해하고 조정할 수 있는 방법을 설명합니다.
[18:04] 서브 에이전트에서 손실되는 정보들을 방지하기 위해 전용 에이전트 프롬프트 패턴을 사용하여 작업에 적합한 모델을 선택하는 중요성을 강조합니다.
[18:16] 파일명 생성이나 마이그레이션 같은 간단한 작업에는 Haiku 3.5가 충분하며, 클라우드 코드의 팝업 기능도 이 모델이 담당한다고 설명합니다.
[18:42] Sonnet 4를 핵심 워크호스 모델로 소개하며, 현재 세계에서 가장 많은 코드를 생성하는 모델이라고 평가합니다.
[18:58] 복잡하고 진지한 엔지니어링 및 프로덕션 작업에는 Opus 4와 씽킹 모드를 사용하여 토큰과 컴퓨팅 파워를 충분히 활용해야 한다고 강조합니다.
[19:20] 모든 모델들을 씽킹 모드와 서브 에이전트로 확장하여 강력한 멀티 에이전트 오케스트레이션 워크플로우를 구축할 수 있다고 설명합니다.
[19:41] 최고의 에이전트 코딩 도구들을 이해하여 우리가 잠든 사이에도 작동하는 시스템 구축이라는 채널의 미션을 재확인합니다.
[20:00] Claude Code와 서브 에이전트들을 통해 우리가 잠든 사이에도 작동하는 자동화 소프트웨어 구축이 가능해졌지만, 속도 제한과 제약사항에 대비해 도구의 다양화가 필요하다고 강조합니다.
[20:20] 채널 역사상 전례 없이 Claude Code 영상을 15개 연속으로 제작했으며, 현재 엔지니어링 분야에서 최고의 도구라고 평가하지만 단일 도구 의존의 위험성을 지적합니다.
[20:40] Qwen 3, Gemini CLI 등 다양한 대안들과 오픈소스 에이전트 코딩 도구들을 곧 심층 비교 분석할 예정이며, 모델 선택의 중요성을 강조합니다.
[21:10] 암호화폐 리서치 에이전트들이 생성한 분석 결과를 검토하며, XRP SEC 합의 랠리, 솔라나 DeFi 생태계 등 구체적인 투자 플레이들을 마크다운 형식으로 제시합니다.
[21:40] Opus와 Sonnet 모델의 프롬프트 준수 능력을 비교 분석한 결과, 두 모델 모두 암호화폐 투자 분석에서 양호한 성능을 보였지만 Haiku는 복잡한 분석 작업에 한계를 드러냈습니다.
[22:33] 에이전트 코딩의 핵심 원칙들을 설명하며, 적절한 모델 선택과 시스템 프롬프트 분리의 중요성을 강조합니다. 또한 도구의 다양화가 필수적임을 언급합니다.
[22:46] Claude Code에 대한 채널의 초기 관심과 지지를 회상하며, 이 도구가 여전히 발전 중이지만 끝나지 않았음을 강조합니다.
[23:01] 독립적인 사고의 중요성을 강조하며, 한 도구에만 과도하게 의존해서는 안 된다고 조언합니다. Anthropic의 주간 제한 정책이 24시간 백그라운드 에이전트 남용 때문에 필요했다고 설명합니다.
[23:19] Quinn 3 Coder, Gemini CLI 등 새로운 대안 도구들의 등장을 언급하며, Anthropic의 API 관련 방어적 태도에 대해 논평합니다.
[23:35] AI 코딩의 불변하는 원칙들을 강조합니다. 컨텍스트, 모델, 프롬프트라는 빅 3 요소를 마스터하면 현재의 제약이나 변화와 관계없이 생성형 AI를 효과적으로 활용할 수 있다고 설명합니다.
[00:00] 약함, 기본, 강함. 세 단계의
[00:04] 모델 제어, 간단하고 아름답습니다. 이제
[00:08] 하이쿠, 소네트, 오푸스 모델에
[00:10] 서브 에이전트에서 접근할 수 있습니다.
[00:13] 백그라운드에서 12개의
[00:16] 서브 에이전트가 이 세 단계의
[00:19] 지능, 속도, 비용 수준에서 작동하며
[00:21] 제게 암호화폐 연구를 수행하고 있습니다.
[00:24] 다음 큰 거래를 준비하고 있어요.
[00:27] 물론 투자 조언은 아니지만,
[00:29] 여기서 보시다시피 12개의 에이전트를
[00:31] 서로 다른 컴퓨팅 수준으로
[00:33] 병렬로 실행하면서, 하이쿠, 소네트, 오푸스를 통해
[00:36] 여러분과 저는 이전보다 훨씬 더 깊이 있는 연구와
[00:39] 더 광범위한 연구를 할 수 있게 되었습니다.
[00:41] Claude Code 팀은
[00:43] 계속해서 불타는 듯한 연승행진을 이어가며
[00:46] 또 다른 정교하고 최소한의
[00:49] 유용한 기능들을 출시했습니다. 이제
[00:51] 서브 에이전트 모델 선택, 에이전트 멘션,
[00:53] 그리고 숨겨진 파일 멘션 기능이 있습니다. 하지만 나쁜
[00:56] 소식도 있어요. 새로운 사용량 제한이 생겼습니다.
[01:00] Andy Dev Dan
[01:02] 채널을 보던 누군가가 무한 에이전틱 루프를
[01:04] 병렬화시켜서 24시간 돌리면서
[01:07] 나머지 우리 모두에게 피해를 준 거죠. 이
[01:08] 포스트에서 Anthropic이 정말
[01:10] 흥미로운 내용을 언급했는데 제 주의를
[01:12] 끌었습니다. 앞으로
[01:13] 다른 옵션을 통해 장기 실행 사용 사례를
[01:16] 지원하겠다고 약속했습니다. Claude Code와
[01:18] Claude 4 시리즈의 성공으로
[01:20] 여러분과 저는 Anthropic이
[01:23] 고도로 에이전틱한 장기 실행
[01:26] 시스템과 모델에 베팅하고 있다고 확신할 수 있어요. 그래서
[01:28] Anthropic이 다음에 출시할 것에 대해
[01:30] 미리 생각해보고 있습니다. 하지만
[01:32] Claude Code를 둘러싼 모든 흥분으로
[01:34] 여러분과 저 같은 엔지니어들과
[01:37] 이제 GenAI 기술 업계의 상당 부분이
[01:40] 모두 Claude Code에 과도하게 노출되어 있다는 것이 명백합니다.
[01:43] 한 바구니에 너무 많은 달걀을 담았어요.
[01:46] 이건 나쁜 투자죠. 이런
[01:48] 사용량 제한이 불공평하다고는
[01:50] 전혀 생각하지 않지만, 이게 저를 깨웠어요. 그리고
[01:51] 여러분도 깨웠을지도 모르죠. 우리는 Claude
[01:54] Code 대안이 필요해요. 한 바구니에 너무 많은
[01:55] 달걀을 담았거든요, 그렇죠? 우리는 중독되었어요.
[01:58] 도움이 필요해요. 이제 Claude 중독자가 되었죠. 대안이
[02:01] 필요합니다. Claude Code가
[02:03] 훌륭하지 않아서가 아니라
[02:05] 너무 훌륭하기 때문이에요.
[02:07] 새로운 사용량 제한이 적용되면서, 그들이 언급했듯이
[02:09] 사용자의 5% 미만에게 영향을 줄 것이지만, 여러분과 저는
[02:12] 아마 그 10% 또는 5%에 속할 거예요. 그리고 이런 사용량
[02:14] 제한이 다가오고 있어요. 8월
[02:16] 28일이죠. 그들의 새로운 모델
[02:18] 선택 기능과 함께 나온 타이밍이
[02:20] 완벽해요. 이 영상에서는
[02:21] 그것을 살펴볼 건데, 여러분도 세 버전에서
[02:23] 볼 수 있을 거예요. 그리고 제한 얘기가 나온 김에
[02:25] 여기 제 오푸스 제한이
[02:26] 다가오고 있네요. 하지만 세 버전에서
[02:28] 보시다시피 하이쿠, 소네트, 그리고
[02:30] 오푸스가 정확히 같은 프롬프트를
[02:31] 실행하고 있어요. 우리가
[02:33] 이것을 자세히 살펴볼 건데, 항상
[02:34] 최고 수준의 컴퓨팅이 문제 해결에
[02:37] 필요한 것은 아니라는 것을
[02:39] 이해할 수 있도록 말이죠. 작업에 맞는
[02:41] 올바른 모델을 선택하는 능력은 매우
[02:43] 중요합니다. 그리고 이 강력한
[02:45] 약함, 기본, 강함 모델 스택이 에이전트용으로
[02:48] 사용량 제한뿐만 아니라 탐색하는 좋은 방법이
[02:50] 될 것이라고 생각해요.
[02:52] 비용, 속도, 그리고 지능적 트레이드오프를 관리하는 데 도움이 될 것입니다.
[02:54] 클라우드 코드를 계속 논의하고 사용하면서
[02:55] 이에 대해 한동안 생각해왔습니다.
[02:57] 그리고 정말로 클라우드 코드에 의존하고 있는데,
[02:59] 우리는 과도하게 집중하고 있죠.
[03:01] 투자자가 너무 많은 주식을 가지거나
[03:03] 포트폴리오의 한 도구에 너무 많이 투자한 것처럼 말이에요.
[03:05] 우리는 많은 엔지니어링 리소스와 시간을
[03:07] 클라우드 코드에 의존하고 있습니다.
[03:09] 현재 이 지점에서 말이죠.
[03:11] 그래서 Qwen3 코더 4800억 파라미터 출시와 함께
[03:15] Gemini CLI 내부에서 계속 출시되는 모든 것들을
[03:17] 주시하고 있습니다.
[03:20] 이 모든 에이전트 코딩 도구들과
[03:21] 에이전트 모델 개발들을 계속 지켜보고 있어요.
[03:23] 그리고 최근 Anthropic이
[03:26] OpenAI의 Claude 2 접근을 차단해야 했다는
[03:28] 뉴스와 함께 상황이 매우 명확해졌습니다.
[03:31] 클라우드 코드가 엔지니어링을
[03:34] 완전히 바꿔놓았고
[03:36] 대안들이 등장하고 있습니다.
[03:40] 만약 당신이 업계 리더라면
[03:42] 항상 복사되고 클론될 것입니다.
[03:44] 클라우드 코드는 에이전트 코딩의
[03:46] 업계 리더입니다. 그리고 지금
[03:48] 모든 곳에서 복사되고 클론되고 있어요.
[03:50] 다음 영상들에서 우리는
[03:52] 이러한 오픈소스 대안들과
[03:54] 다른 클로즈드 소스 대안들을
[03:55] 살펴보고 조사할 예정입니다.
[03:57] 이제 다각화할 때입니다.
[03:59] 하지만 솔직히 말하면
[04:02] 클라우드 코드에 근접한 것은 아무것도 없습니다.
[04:04] 게임에서 최고의 에이전트 코딩 도구로
[04:06] 계속 요리해봅시다.
[04:08] 서브 에이전트 모델 선택을 통한
[04:10] 몇 가지 강력한 에이전트 오케스트레이션 패턴을
[04:12] 분석해보겠습니다. 그래서 우리가 작업에 맞는
[04:15] 올바른 에이전트 코딩 모델을 사용하면서 새로운 속도 제한을 피할 수 있도록 말이죠.
[04:23] 제 암호화폐 연구는 이 하나의
[04:25] 슬래시 명령어로 실행되며
[04:28] 12개의 에이전트를 시작했습니다.
[04:30] 바로 우리가 지적해야 할
[04:32] 정말 중요한 것이 있습니다.
[04:33] 시간 차이를 보세요.
[04:35] 토큰 차이를 보세요. 이 작고
[04:38] 빠르고 저렴한 모델들은
[04:39] 당신을 위해 더 적은 작업을 하지만
[04:42] 짧은 시간에 해낼 것입니다.
[04:44] 반면 Sonnet과 Opus는
[04:46] 토큰 양과 비용, 그리고
[04:48] 소비 시간을 늘릴 것입니다.
[04:50] 12개의 출력 도구 호출을 병렬로
[04:52] 포괄적인 요약을 작성하는 것을 볼 수 있습니다.
[04:54] 우리의 주 에이전트가 더 요리할 수 있도록 하고
[04:56] 질문에 답해봅시다.
[04:58] 모델 선택이 실제로 무엇을 제공하는가?
[05:00] 궁극적으로 두 가지 문제를 해결할 수 있게 해줍니다.
[05:02] 토큰과 돈을 낭비하는 모델 오버킬과
[05:05] 프롬프트를 개선하거나
[05:07] 더 크고 강력한 모델을 사용하기 위해
[05:09] 시간을 낭비하는 모델 저성능 문제를
[05:11] 저렴한 모델에서 시간을 낭비한 후에 말이죠.
[05:13] 결국 모든 것은 트레이드오프에 관한 것입니다.
[05:16] 우리는 모델을 선택할 때
[05:18] 항상 세 가지를 트레이드오프합니다:
[05:20] 성능, 속도, 그리고 비용입니다.
[05:23] 성능을 최적화할 수 있고
[05:25] 속도를 최적화할 수 있으며
[05:27] 비용을 최적화할 수 있습니다.
[05:30] 저는 항상 다른 모든 것보다
[05:33] 성능을 원한다고 주장합니다.
[05:35] 이것이 우리가 승리하기 위해 돈을 쓰는 이유입니다.
[05:37] 이것이 우리가 클라우드 코드 맥스
[05:39] $200 구독을 하는 이유죠.
[05:41] 컴퓨팅 파워에 대한 것입니다.
[05:43] 컴퓨팅 파워는 절대적으로 가치가 있습니다.
[05:44] 생성형 AI 시대에 엔지니어에게
[05:47] 컴퓨팅 파워를 확장하고
[05:49] 실제 엔지니어링 문제를 해결하는 능력보다
[05:52] 중요한 것은 없습니다. 이것이 바로
[05:54] 게임의 핵심입니다. 지금 당장
[05:56] 모든 성공하는 엔지니어들이 하고 있는 일이죠.
[05:58] 예외 없이 모두가 말입니다.
[06:00] 이것을 자세히 살펴보면
[06:02] 아주 간단한 방정식입니다.
[06:03] Haiku 3.5는 약한 모델이고, Sonnet 4는
[06:06] 균형 잡힌 주력 모델입니다.
[06:09] 그리고 물론 Opus 4가 있습니다.
[06:11] 실제 문제를 해결할 때
[06:13] 무언가를 구축하고
[06:14] 모든 것보다 성능을 원한다면
[06:16] 최고의 모델을 선택해야 합니다.
[06:18] 더 나아가서, 모델 선택은
[06:19] 첫 번째 레이어일 뿐입니다.
[06:21] 다음 레이어는 물론 '사고'입니다.
[06:24] 정보 밀집 키워드인 'IDK think hard'
[06:26] 'ultra think'를 지정할 수 있습니다. Anthropic이
[06:29] 우리를 위해 이 키워드를 인코딩해놨기 때문에
[06:32] 프롬프트에서 필요할 때마다
[06:33] 이 기능을 활성화할 수 있습니다.
[06:36] 만약 이걸 하지 않고 있다면
[06:37] 반드시 사용해야 합니다.
[06:39] 차트를 보면
[06:40] artificial analysis에서 확인하거나
[06:42] 직접 실행해보면 4 thinking이 opus 4 기본을 이깁니다.
[06:45] 물론 opus 4 thinking이
[06:48] sonnet 4 thinking을 이기죠.
[06:50] 정말 중요한 지적입니다.
[06:51] 모델의 다른 차원들도 활용할 수 있습니다.
[06:53] 이것이 우리가 모델을 선택할 때
[06:55] 사용할 때 하는 트레이드오프입니다.
[06:56] 그리고 알다시피
[06:58] 네 번째 숨겨진
[06:59] 차원이 있습니다. API와
[07:01] 속도 제한도 고려해야 합니다.
[07:03] 이것이 숨겨진 차원입니다.
[07:05] 우리가 컴퓨팅을 확장하고
[07:06] 큰 장기 실행 작업을 시작할 때
[07:08] 미래에 추가하고 싶은 부분입니다.
[07:10] 몇 시간씩 계속 돌아가는
[07:12] 엔지니어링 워크플로우 말입니다.
[07:14] 좋습니다. 왜 속도 제한에
[07:15] 더 자주 걸리는 걸까요?
[07:17] 무슨 일이 벌어지고 있는 건가요?
[07:18] 어떻게 더 확장할 수 있을까요?
[07:20] 물론 서브 에이전트 때문입니다.
[07:22] 이제 기본 에이전트에서 여러 에이전트를
[07:24] 생성할 수 있습니다.
[07:26] 지난 영상에서 다뤘었죠.
[07:28] 이제 그 어느 때보다 많은 컴퓨팅 파워가 있습니다.
[07:31] 서브 에이전트가 무엇을 할지
[07:33] 지정할 수 있습니다. 이제 서브 에이전트용
[07:35] 시스템 프롬프트를 작성할 수 있습니다.
[07:37] 방금 암호화폐 분석을 실행했습니다.
[07:38] 여러분과 공유하고 싶은
[07:39] 흥미로운 아이디어들이 있습니다.
[07:41] 이 암호화폐 연구 커스텀 명령에서
[07:43] 나온 것들입니다. 웃기게도
[07:45] 오늘 속도 제한에 걸렸네요.
[07:46] 완벽한 타이밍입니다.
[07:48] 지금 촬영하게 되어 다행이네요.
[07:50] 속도 제한은 정말 짜증납니다.
[07:52] 200달러 플랜을 쓰고 있는데도
[07:54] 여전히 속도 제한에 걸리는 걸 볼 수 있습니다.
[07:56] 작업에 맞는 올바른 모델을
[07:59] 선택해야 한다는 논리가 있습니다.
[08:00] 항상 최고급 컴퓨팅이 필요한 건 아니죠.
[08:02] 특히 에이전트를 프로덕션
[08:03] 환경에 배포할 때는 더욱 그렇습니다.
[08:05] 작업에 맞는 올바른 모델을 사용하고 싶을 거예요.
[08:07] 과도하게 사용하고 싶지는 않죠?
[08:08] 기억하세요, 모델 선택은 두 가지 문제를 해결합니다.
[08:10] 모델 과도 사용과 모델 성능 부족이죠.
[08:12] 중요할 때 그 적절한 지점을 찾고 싶어 할 거예요.
[08:13] 많은 경우에, 아마 여러분도 이렇게 하실 거예요.
[08:16] 대부분의 경우 우리는 그냥 모델을 선택하고
[08:17] 바로 Opus로 가죠?
[08:19] 최고의 모델을 원하고
[08:20] 그다음 항상 사고 모드를 켜고
[08:22] 가능한 가장 높은 지능 수준에서
[08:24] 작업을 완료하도록 하죠?
[08:26] 이건 훌륭합니다.
[08:28] 저도 항상 이렇게 해요. 하지만 병렬 서브 에이전트를
[08:30] 확장하고, 병렬 에이전트를 실행하며
[08:32] 멀티 에이전트 워크플로우를 실행할 때
[08:34] 온디바이스와 오프디바이스에서 말이죠
[08:36] 이런 속도 제한이 점점 더 중요해질 것 같아요.
[08:39] 속도 제한이 컴퓨팅과 함께
[08:40] 이보다 더 중요했던 적이 없는 것 같아요.
[08:42] 왜냐하면 일일 또는 주간 한도에 도달했다고 해봅시다.
[08:44] 그러면 끝이에요, 맞죠?
[08:46] 그리고 이것이 바로 우리가
[08:48] 대안을 찾는 것이 중요한 이유이기도 해요.
[08:50] 어쨌든, 이에 대해서는 나중에 더 말씀드릴게요.
[08:52] 구독과 좋아요 눌러주시고
[08:53] 우리는 에이전틱 코딩 도구 대안들을
[08:54] 조사하고 벤치마킹할 예정입니다.
[08:57] 이 프롬프트로 돌아가서
[09:00] 모델 선택에 대해 이야기해 봅시다.
[09:01] Cursor를 열어보겠습니다.
[09:03] 이 암호화폐 연구 프롬프트를 이해해 봅시다.
[09:05] Claude Code 팀에서 나온 몇 가지 새로운 기능들이 있어요.
[09:06] 공식 문서를 바로 열어보겠습니다.
[09:08] 여기서 다룰 중요한 기능이
[09:10] 세 가지 있습니다.
[09:12] 커스텀 모델 지원 에이전트,
[09:14] 커스텀 에이전트용 앱 멘션,
[09:16] 그리고 숨겨진 파일용 앱 멘션이 있습니다.
[09:18] 이것은 매우 중요해요.
[09:20] 이제 이런 식으로 할 수 있습니다.
[09:22] 이제 모든 클라우드 파일을 볼 수 있어요.
[09:24] 여기 다른 것도 있나요?
[09:25] 보겠습니다. MCP, 맞죠?
[09:27] 이제 여기서 MCP 파일을 볼 수 있어요.
[09:29] 여기서 무슨 일이 일어나고 있죠?
[09:32] 12개의 에이전트를 실행하는
[09:33] 커스텀 슬래시 명령어가 있어요.
[09:35] 실제로는 각각 세 가지 에이전트 레벨을 가진
[09:39] 네 가지의 구별되는 솔루션을 실행하는 거죠?
[09:42] Haiku, Sonnet, Opus입니다.
[09:44] 이것은 이 문제를 해결하기 위해
[09:46] 정말로 어떤 모델이 필요한지 이해하는 좋은 방법이에요.
[09:48] 암호화폐 에이전트들이
[09:50] 암호화폐 연구, 거시 분석,
[09:52] 투자 플레이 아이디어 등등을 작업하고 있는 걸 볼 수 있어요.
[09:54] 계속 진행해서 접어보겠습니다.
[09:56] 여기 우리가 가진 프롬프트 형식이 있습니다.
[09:57] 최상위 목적 변수들입니다.
[09:58] 우리는 단지 티커를 전달하고 있어요.
[10:00] 에이전트 그룹이 있습니다.
[10:02] 어떤 에이전트 팀이 실행될지
[10:04] 정의하고 있어요.
[10:06] 그다음 실행 지침이 있습니다.
[10:07] 이것은 저도 워크플로우라고
[10:09] 부르는 것을 좋아해요.
[10:12] 그리고 출력 형식이 있습니다.
[10:14] 출력 형식은 이런 프롬프트를 작성할 때
[10:15] 매우 중요해요.
[10:17] 이것은 기본 에이전트가 원하는 출력 형식이
[10:18] 무엇인지 당신에게 소통하도록 강제합니다.
[10:20] 그리고 에이전트들에게는 그들의 출력을 보고하도록 강제하죠.
[10:23] 바로 여기서 볼 수 있어요
[10:25] 제 암호화폐 시장 에이전트의 시스템 프롬프트에서 흥미로운 점을 보실 수 있습니다.
[10:29] 여기엔 별로 많은 내용이 없습니다. 사실
[10:33] 제가 여기서 하는 것은 다른 프롬프트를 참조하는 것뿐입니다.
[10:35] 이것은 여러분과 공유하고 싶은 패턴입니다.
[10:38] 서로 다른 레벨의 에이전트 세트를 만들 수 있습니다.
[10:42] 다른 모델 레벨, 다른 설명으로 말이죠.
[10:45] 그래서 하나의 프롬프트에 대해 A/B/C 테스트를 할 수 있습니다.
[10:48] 이건 정말 강력한 패턴이라고 생각합니다.
[10:50] 또한 기본 에이전트에서 테스트할 때도 유용합니다.
[10:52] 특정 에이전트 내에서 하나의 시스템 프롬프트만 사용하는 대신
[10:55] 여러 에이전트에 대해 여러 프롬프트를 테스트할 수 있습니다.
[10:59] 물론 이것도 여전히 시스템 프롬프트라는 점을 염두에 두어야 합니다.
[11:02] 여기 있는 것은 시스템 프롬프트입니다.
[11:06] 여기서 에이전트 시스템 프롬프트의 출력 형식을 볼 수 있습니다.
[11:10] 여기서 핵심은, 이 참조를 복사해보겠습니다.
[11:15] 세 에이전트 - Haiku, Opus, Sonnet에 대해
[11:18] 동일한 프롬프트를 사용하고 있습니다.
[11:20] 여기 Haiku가 있고, 여기 Opus가 있습니다.
[11:24] 앞뒤로 살펴보면, 변하는 것은
[11:30] 모델 색상과 에이전트 이름뿐입니다.
[11:33] 이를 통해 다시 모델과 설명에 대한 A/B/C 테스트를 할 수 있습니다.
[11:36] 좋습니다. 이 각각의 프롬프트 내에서
[11:38] 물론 특정 암호화폐 분석, 암호화폐 연구를 하고 있습니다.
[11:41] macro cryptocorrelation을 열어보겠습니다.
[11:44] 이 프롬프트 내에서 열어보면, 클래식한 프롬프트 형식을 볼 수 있습니다.
[11:48] 목적, 지시사항, 워크플로우, 출력 형식이 있습니다.
[11:53] 당신은 거시 암호화폐 상관관계 분석 전문가입니다.
[11:56] 여기서 우리는 글로벌 거시경제가 전통 시장에 어떻게 작용하는지 이해하고자 합니다.
[12:00] 물론 지시사항과 워크플로우가 있습니다.
[12:03] 서브에이전트를 위한 단계별 플레이입니다.
[12:06] 항상 기억하세요. 이것은 우리가 서브에이전트를 호출할 때
[12:08] 작동하는 시스템 프롬프트입니다.
[12:13] 이것을 명확히 하기 위해, 지난주 서브에이전트 비디오에서 다뤘습니다.
[12:17] 당신은 기본 에이전트에게 프롬프트를 줍니다.
[12:21] 기본 에이전트는 서브에이전트들에게 프롬프트를 줍니다.
[12:24] 서브에이전트들은 당신이 아닌 기본 에이전트에게 응답합니다.
[12:27] 정보의 흐름이 중요합니다. 특히
[12:31] 우리가 다뤘던 다중 에이전트 워크플로우 오케스트레이션으로 확장할 때 말이죠.
[12:34] 여러 프롬프트가 연속적으로 실행되는 경우,
[12:39] 모든 것이 기본 에이전트의 컨텍스트 윈도우로 들어갑니다.
[12:45] 당신에게 돌아오지 않습니다. 따라서 이러한 에이전트 프롬프트를 읽을 때,
[12:50] 여기에 많은 underscore agent_prompt.MD가 있는데,
[12:52] 이들은 모두 기본 에이전트로 돌아갑니다.
[12:54] 여기서 출력 형식이 정말 중요합니다
[12:56] 각 응답을 가져올 때
[12:57] 수정, 요약, 변경 없이 직접 사용합니다
[13:00] 네, 매우 중요합니다
[13:03] 다시 말하지만
[13:05] Anthropic의 인코딩된 키워드를 참조하고 있습니다
[13:07] 중요함을 앞에 붙입니다
[13:09] 에이전트가 더 주의를 기울이도록요
[13:10] 그리고 출력 형식이 있습니다
[13:12] 이제 이것들을 찾을 수 있을 겁니다
[13:13] 맞죠?
[13:14] 이것을 열어서 모든 것을 접으면
[13:16] 출력으로 들어가면
[13:18] 여기에 두 개의 파일이 있습니다, 10 5614
[13:22] 여기 있습니다
[13:23] 모든 프롬프트들이 있습니다
[13:24] 지정된 것과 정확히 같은 형식으로 되어 있네요
[13:26] 각 레벨을 살펴볼 수 있습니다
[13:29] 이 부분이 정말 중요합니다
[13:30] 모든 레벨이 중요하죠
[13:32] 특정한 것들에는 항상 오푸스가 필요하지 않습니다
[13:34] 항상 소네트가 필요하지도 않죠
[13:36] 하지만 어떤 경우에는
[13:38] 저렴하고 빠른 하이쿠 모델까지
[13:40] 내려갈 수 있습니다
[13:42] 암호화폐 분석기 같은 것을 보죠
[13:45] 나란히 비교해보겠습니다
[13:47] 저게 하이쿠입니다. 여기가 오푸스
[13:49] 여기가 소네트입니다
[13:51] 명확히 하이쿠 모델은 문제가 있습니다
[13:52] 형식에 어려움을 겪고 있어요
[13:54] 암호화폐 프롬프트를 열어서
[13:57] 출력 형식으로 내려가면
[13:59] 모델의 강도를 확인할 수 있습니다
[14:01] 출력 형식을 지킬 수 있는지 보면 됩니다
[14:03] 이 구조로 출력을 찾고 있습니다
[14:05] 암호화폐 분석이요
[14:07] 여기서 바로 IU가 궤도를 벗어나는 걸 볼 수 있습니다
[14:10] 소네트로 넘어가면
[14:12] 정확하지는 않지만 훨씬 가까워집니다
[14:14] 시장 데이터가 있고
[14:16] 최근 뉴스와 개발 현황이 있습니다
[14:18] 시장 데이터가 있고 뉴스를 검색하면
[14:20] 소네트에 뉴스 섹션이 있는 걸 볼 수 있습니다
[14:22] 맞죠? 이게 더 좋아 보입니다
[14:24] 이걸로 작업할 수 있어요
[14:25] 하지만 오푸스로 가서
[14:29] 정확한 헤더를 검색하면
[14:31] 정확한 헤더를 얻고 있는 걸 볼 수 있습니다
[14:33] 이게 정말 중요한 포인트죠
[14:34] 최대 성능을 원한다면
[14:37] 항상 최고 모델로 확장해야 합니다
[14:39] 돈을 내고 플레이하는 거죠
[14:42] 일부 엔지니어들이 지출을 두려워하는 걸 봅니다
[14:44] 최대 컴퓨팅을 사용하고
[14:47] 정말로 돈을 내고 플레이하는 것을 무서워해요
[14:48] 이건 엄청난 장점입니다
[14:50] 최대 역량이 무엇인지 이해하고
[14:52] 그것을 사용하는 장점을 얻는 것은
[14:54] 당신을 앞서게 만들 것입니다
[14:57] 무리에서 벗어나게 해줄 거예요
[14:59] 최고를 사용하고 싶을 때
[15:00] 저는 주저하지 않습니다
[15:02] 더 나아갈 수도 있습니다
[15:04] 아시다시피
[15:06] 이 모델들에 사고를 추가할 수 있습니다
[15:08] 더 많이 생각하도록 강제할 수 있어요
[15:09] 추론 노력을 사용하고
[15:11] 지능을 더욱 향상시킬 수 있습니다
[15:12] 물론 이를 위해서는 더 많이 지출해야 합니다
[15:14] 보이지 않더라도 여전히 토큰을 생성하고 있거든요
[15:16] 서브 에이전트와 함께 사용할 때는 특히 주의해야 합니다
[15:17] 이런 일들이 여전히 일어나고 있기 때문이죠
[15:19] 가치를 확실히 사용하고 있는지
[15:21] 확인해야 합니다
[15:23] 최상위 에이전트의 가치를
[15:25] 특히 Opus 에이전트나
[15:26] 강력한 모델이 무엇이든 활용해야 합니다.
[15:29] 이런 것들로부터 가치를 얻어야 해요.
[15:30] 이런 것들을 낭비하지 마세요.
[15:32] 뭔가를 배우거나
[15:33] 실험하는 게 아니라면, 정말로
[15:35] 명확한 목적을 가지고 이런 모델들을 사용해야 합니다.
[15:37] 알겠죠, 이것도 기억해 두세요.
[15:39] 그리고 항상 기억하세요.
[15:40] 씽킹 모드로 모델을 더 밀어붙일 수 있어요.
[15:41] 그냥 언급하자면, Sonnet 4의
[15:43] 씽킹은 정말, 정말 강력합니다.
[15:45] 더 광범위하게, 약한 베이스와 강한 모델을 가진
[15:47] 에이전트 모델 스택 패턴은 매우 강력해요.
[15:50] 매우 중요합니다. 왜냐하면
[15:52] 항상 Opus가 필요한 건 아니거든요.
[15:53] 때로는 단순히 작업을 요약하는 것이므로
[15:54] 간단한 모델로 내려갈 수 있어요.
[15:56] 이는 모델 제공업체 전반에 적용됩니다.
[15:58] Gemini Flash Light, 2.5 Flash,
[15:59] 2.5 Pro, 그리고 그 위아래로
[16:02] 더 큰 레벨들이 있죠. Gemini는
[16:04] 방금 Deep Think 모델을 출시했고,
[16:06] OpenAI는 o3 Pro를 가지고 있어요.
[16:08] 새로운 에이전트 모델이 있고 아마도
[16:11] GPT-5도 있을 거예요. 그건 지켜봐야겠네요.
[16:14] 이것은 여러분이
[16:16] 모델을 선택하고 올바른 모델을 사용하는
[16:17] 훌륭한 패턴이라고 생각해요.
[16:19] 모든 것은 성능-속도-비용 트레이드오프와
[16:21] 숨겨진 레이어 속도 제한에 관한 것입니다.
[16:23] 우리는 여러 차원에 걸쳐
[16:25] 컴퓨팅을 확장하고 있어요.
[16:26] 확장하고 싶다면
[16:29] 재사용 가능한 프롬프트
[16:31] 즉, 커스텀 명령어와 서브 에이전트가
[16:34] 컴퓨팅을 확장하고
[16:35] 그 어느 때보다 많은 일을 하는 방법이라는 게 명확해요.
[16:37] 이것은 사용할 수 있는 강력한 에이전트 패턴입니다.
[16:39] 최상위 에이전트가
[16:41] 커스텀 명령어를 호출하는 거예요.
[16:42] 여기서는 암호화폐 연구를 하고 있죠. 이것은 여러 서브
[16:45] 에이전트들을 실행시켜요.
[16:47] 다른 모델 레벨에 걸쳐서 말이죠. 그리고 결과를 가져와서
[16:50] 큰 방식으로 융합합니다.
[16:52] 우리는 채널에서 수년간 해온 것을
[16:54] 프롬프트 체이닝과 퓨전 체이닝을 하고 있어요.
[16:56] 이런 것들을 다뤘어요.
[16:58] 재사용 모델이 존재하기도 전에 오래 전에 말이죠.
[17:00] 에이전트 내부에서 정말 강력한 것을 할 수 있어요.
[17:03] 전용 에이전트 프롬프트를 만들어서
[17:04] 다른 에이전트들 간에 재사용하여
[17:07] 실제로 필요한 모델 성능이 무엇인지 이해할 수 있습니다.
[17:09] 이런 식으로 보이죠.
[17:11] 에이전트로 가서, 크립토로 가면
[17:13] 크립토코인 분석기 하이쿠가 있는 것을 볼 수 있어요.
[17:14] 소넷용으로도 정확히 같은 버전이 있어요.
[17:17] 바로 그 소넷 말이에요.
[17:18] 그리고 Opus용으로도
[17:21] 정확히 같은 버전이 있어요.
[17:23] 그래서 이것은 모두 작업에 실제로 필요한
[17:25] 모델이 무엇인지 이해하기 위한 작은 조정일 뿐이에요.
[17:28] 그리고 이것이 바로
[17:29] 서브 에이전트용 프롬프트를 분리하는 것이
[17:31] 매우 중요한 이유입니다.
[17:33] 이것은 그냥 패턴이에요. 사용할 수 있는
[17:35] 아이디어입니다. 그리고 여기서 또 다른 장점은
[17:37] 물론 새로운 에이전트로 바로 들어가서
[17:39] 이 프롬프트를
[17:41] 최상위 레벨에서 직접 실행할 수 있다는 거예요.
[17:43] 원할 때마다
[17:45] 프롬프트가 무엇을 하고 있는지, 어떻게 수행되는지
[17:47] 이해할 수 있어요. 그냥
[17:49] 최상위 레벨에서 실행하면 됩니다. 맞죠? 그래서
[17:50] 여기서 암호화폐 분석기 에이전트를 실행할 수 있고
[17:52] 실제로 매개변수를 전달해야 합니다. BNB로 해보죠. 이것은
[17:53] 프롬프트가 무엇을 하는지 이해하는 훌륭한 방법입니다
[17:56] 처음부터 끝까지 파악하고 조정할 수 있고
[17:58] 기본 에이전트에서 최상위 레벨로 바로 실행할 수 있습니다.
[18:00] 서브 에이전트를 실행할 때 많은 것들이
[18:02] 손실됩니다. 그래서
[18:04] 이 전용 에이전트 프롬프트 패턴을 사용해서
[18:06] 어떤 모델이 실제로 필요한지 파악할 수 있습니다.
[18:09] 제가 보기에는 더 간단한 작업들에서는
[18:10] 파일의 고유한 이름을 생성하거나
[18:12] 작은 파일 이동 작업이나
[18:14] 파일 마이그레이션이나
[18:17] 빠른 요약 작업 같은 경우에
[18:19] Haiku 3.5로도 충분히 할 수 있습니다. 실제로
[18:22] 아마 보셨을 텐데, 클라우드 코드에서
[18:24] 이런 작은 팝업이 나타나죠.
[18:25] 누가 이걸 실행한다고 생각하세요? 바로 Haiku 모델이
[18:28] 관련성 있는 한 단어 설명을 만들어내는 겁니다.
[18:29] 완벽한 예시죠? 이런 작업에는
[18:32] 큰 모델이 필요하지 않습니다.
[18:33] 빠르고 저렴하고 간단한 모델이면 충분합니다. 그래서
[18:35] 이것은 작고 빠른 모델을 사용해서
[18:36] 더 크고 강력한 모델 사용을 피하는 방법의 작은 예시입니다.
[18:39] Sonnet 4 같은 모델 말이죠.
[18:40] 그리고 물론 Sonnet 4가 있습니다.
[18:42] 이것은 핵심 모델입니다.
[18:44] 우리의 기본 레벨 모델이죠.
[18:46] 훌륭한 균형을 제공합니다. 제 생각에
[18:47] 지금 대부분의 작업이
[18:49] Sonnet 4에서 나오고 있습니다. 생각해보면 재미있는데
[18:51] 어떤 모델이 세계에서 가장 많은 코드를
[18:52] 생성하는지 말이죠.
[18:54] 그리고 지금은 확실히 Sonnet 4입니다.
[18:56] 그리고 물론 Opus가 있죠.
[18:58] 진지한 작업을 할 때,
[19:00] 페달을 끝까지 밟을 때는
[19:01] Opus 4를 사용하고
[19:03] 씽킹 모드로 확장합니다.
[19:04] 저는 항상 이렇게 합니다. 복잡한 작업이나
[19:06] 진지한 엔지니어링 작업,
[19:08] 프로덕션 작업에는 Opus 4 씽킹 모드로
[19:10] 토큰을 태우고 속도 제한에 걸려도
[19:12] 상관없습니다.
[19:13] 컴퓨팅 파워는 여러분이 사용하라고 있는 겁니다. 그래서
[19:16] 이 모든 모델들을 가져와서
[19:17] 씽킹 모드로 실행하고
[19:19] 서브 에이전트에 임베드해서 확장할 수 있습니다.
[19:21] 그리고 결국 우리는
[19:22] 이런 것을 얻게 됩니다. 강력한
[19:24] 멀티 에이전트 오케스트레이션 워크플로우죠.
[19:26] 이것은 실행되는 작업의 간단한 예시 중 하나입니다.
[19:27] 모든 것이 기본 에이전트로 피드백됩니다.
[19:29] 기본 에이전트는 그 모든 작업을 실행할 수 있습니다.
[19:31] 이것은 하나의 워크플로우일 뿐입니다. 다시 말하지만
[19:32] 지난주 비디오에서 다뤘던 내용입니다.
[19:34] 링크를 걸어두겠습니다.
[19:35] 모델 컨트롤을 이해하고 싶고
[19:36] 도구를 이해하고 그것들로 무엇을 할 수 있는지
[19:38] 이해하고 싶을 겁니다. 맞죠? 매주 여기서.
[19:41] 그것이 우리가 추진하는 목표입니다.
[19:42] 최고의 에이전트 코딩 도구들을 이해해서
[19:44] 우리가 자는 동안에도 우리를 위해 작동하는
[19:47] 시스템을 구축할 수 있도록 말입니다.
[19:50] 그것이 항상 우리의 초점이었습니다.
[19:52] 그것이 항상 이 채널의 미션이었고
[19:54] 우리는 살아있는 소프트웨어를 구축할 것입니다
[20:00] 우리가 잠든 사이에 작동하는 소프트웨어를
[20:01] 만들어가고 있어요. Claude Code와
[20:03] 이 놀라운 장시간 실행 작업과
[20:06] 서브 에이전트들로 그 어느 때보다
[20:08] 가까워지고 있습니다. 하지만
[20:10] 속도 제한이 나타나거나 다음 번
[20:13] 제한사항들이나, 뭐든 다음에
[20:16] 나올 것들에 대해 우리가
[20:17] 다양화할 수 있도록 해야 한다는 걸
[20:20] 확실히 해야 해요. 아시다시피 이건
[20:22] 제가 연속으로 만든 15번째 Claude Code
[20:24] 영상인데, 이 채널로서는 전례 없는
[20:26] 일이에요. 하지만 저는 지금 당장
[20:28] 엔지니어링을 위한 최고의 도구라는
[20:29] 신호에 집중하고 따라가거든요. 현재
[20:32] Claude Code보다 나은 도구는 없지만
[20:34] 우리는 다양화를 해야 합니다. 단일한
[20:38] 도구나 단일한 모델 세트에 너무
[20:40] 의존할 수는 없어요, 맞죠? 우리는
[20:43] 더 많은 것을 할 수 있도록 해야 해요.
[20:45] 다른 에이전트 코딩 도구들도 있다는
[20:46] 걸 확실히 해야 하거든요. 그래서
[20:49] 저는 그것들을 주시하고 있어요. 방금
[20:51] Qwen 3이 출시됐고, Gemini CLI도
[20:52] 계속 개선되고 있어요. 그리고
[20:53] 오픈소스 대안들도 많이 있는데, 저는
[20:56] 곧 진지하게 앉아서 살펴볼 예정이에요.
[20:58] 연락하시거나 이메일 보내신 분들이
[20:59] 계시다면, 앞으로 오픈소스 에이전트
[21:02] 코딩 도구들을 많이 다뤄보고
[21:04] 비교해보며, 업계 리더인
[21:06] Claude Code와 정말 구체적인
[21:08] 비교를 해볼 예정입니다. 모델 선택의
[21:10] 힘을 과소평가하지 마세요. 우리의
[21:12] 암호화폐 리서치 에이전트들이 우리를
[21:14] 위해 엄청난 연구를 해줬어요. Opus의
[21:16] 큰 플레이를 볼 수 있어요. 마크다운
[21:18] 형식으로 가보죠. 암호화폐 플레이 리포트,
[21:21] 강한 상승 모멘텀, XRP, 흥미롭죠?
[21:23] SEC 합의 랠리. 테제가 있고
[21:24] 실행이 있어요. 맞죠? 이런 흥미로운
[21:26] 강세 케이스가 있고, 이 모든 흥미로운
[21:28] 연구가 있어요. 솔라나 DeFi 생태계
[21:30] 말이에요. 엄청난 투자 수익률이죠.
[21:32] 다시 말하지만 투자 조언은 아닙니다.
[21:34] 우리는 그냥 우리 에이전트들이
[21:35] 만들어낸 결과들 중 일부를 살펴보고
[21:38] 있을 뿐이에요. 암호화폐 투자 에이전트
[21:40] 프롬프트를 보면, 응답 형식을 다시
[21:44] 한 번 살펴보면 Opus가 프롬프트 출력
[21:46] 형식을 매우 잘 따르고 있다는 걸
[21:48] 볼 수 있어요. 동등한 Sonnet 버전을
[21:50] 열어보면, Sonnet도 여기서 꽤
[21:53] 근접하게 하고 있는 걸 볼 수 있어요.
[21:54] 여기에도 우리가 요청하지 않은
[21:56] 작은 헤더가 있네요. 하지만 전반적으로
[21:58] 보면 Sonnet이 암호화폐 투자 플레이
[22:00] 아이디어에 대해 제 역할을 하고
[22:01] 있는 것 같아요. 여기에 플레이가
[22:03] 있죠. 핵심 지지선에서의 암호화폐
[22:05] 누적 말이에요. 우리가 진입할 수 있는
[22:07] 하락 지점들을 식별해줬어요. 우리의
[22:10] 킬 기준도 있고요. 이건 우리가 이
[22:12] 템플릿에서 요청한 구체적인 섹션입니다.
[22:13] 좋아 보이네요. 이더리움 리퀴드 스테이킹
[22:16] 기회도 있고, 6개월 시간 프레임 등등이
[22:18] 있어요. 그리고 Haiku까지 내려가면
[22:19] 여기서 볼 수 있듯이 Haiku는 완전히
[22:21] 벗어나 있어요. 이 문제는 Haiku에게는
[22:24] 너무 복잡해요. 맞죠? 그리고 이 패턴은
[22:26] 우리 분석의 나머지 부분에서도 반복돼요.
[22:29] 맞죠? 이것도 여러분의 도구상자에
[22:31] 추가할 수 있는 하나의 아이디어예요.
[22:33] 에이전트 코딩을 할 때는 적절한
[22:35] 모델을 작업에 맞게 사용하세요. 시스템
[22:37] 프롬프트를 분리해서 원하는
[22:39] 어떤 모델에도 실행할 수 있도록 하고, 반드시
[22:42] 다양화를 해야 합니다. 저도 다른 엔지니어들처럼
[22:44] Claude Code를 좋아합니다. 저희는
[22:46] Claude Code를 다룬 최초의
[22:47] 채널 중 하나였거든요. Claude Code
[22:50] 초기 시절부터 여기 계셨던 분들은
[22:52] 좋아요와 댓글을 남겨주세요. 아직
[22:54] 끝난 게 아닙니다. 절대 끝난 게 아니에요.
[22:56] Claude Code는 정말 놀라운 도구이고,
[22:57] 팀이 계속해서 새로운 기능을 출시하고 있습니다.
[22:59] 하지만 우리는 독립적인 행위자로서
[23:01] 생각해야 합니다. 한 도구에만 과도하게
[23:04] 투자할 수는 없어요. Anthropic에서 내놓은
[23:06] 이런 균형 잡힌 접근은 정말 좋습니다. 이러한
[23:08] 주간 제한이 설정될 수밖에 없었던 이유는
[23:10] 실제로 사람들이 이 놀라운 도구를
[23:12] 24시간 백그라운드 에이전트와 에이전트 워크플로우로
[23:15] 남용하고 있기 때문입니다. 하지만
[23:18] 다양화가 중요하다는 것을 알아야 해요.
[23:19] 매일매일 더 많은 옵션들이
[23:21] 등장하고 있습니다. Quinn 3 Coder,
[23:23] 새로운 Gemini 모델을 탑재한 Gemini CLI,
[23:25] 정말 놀랍죠. Anthropic이 API 관련해서
[23:27] 다소 방어적인 태도를 보이고 있는데,
[23:29] 앞으로 어떻게 진행될지 지켜봐야겠습니다.
[23:31] AI 코딩 도구들은 모델과 함께
[23:33] 계속 발전할 것이지만, 변하지 않는 것은
[23:35] 바로 AI 코딩의 원칙들입니다.
[23:37] 빅 3인 컨텍스트, 모델, 프롬프트에
[23:39] 주목하고, 이 세 가지 요소를 활용해서
[23:41] 여러분이 직면한 문제들을 해결하는 방법을
[23:43] 이해하세요. 이것들을 마스터하면
[23:45] 현재의 드라마나
[23:48] 현재의 속도 제한, 모델에 상관없이
[23:50] 생성형 AI를 마스터할 수 있을 것입니다.
[23:52] AI 코딩의 원칙을 고수하세요.
[23:54] 페이즈 2 Agentic 코딩 강의의 카운트다운을
[23:56] 곧 시작할 예정입니다. 출시 날짜를
[23:59] 확정해서 발표할 테니까
[24:01] 계속 지켜봐 주세요. 끝까지 보신 분들은
[24:03] 댓글을 남겨서 현재 Agentic 코딩
[24:04] 생태계와 Claude Code의
[24:06] 새로운 속도 제한에 대한 생각을
[24:08] 알려주세요. 만약 대안들을 실험하고
[24:10] 계신다면, 어떤 것들을 사용하고 있는지
[24:11] 알려주시면 저에게 훌륭한
[24:13] 시작점이 될 것입니다. 어떤 상황이든
[24:15] 집중하고 계속 만들어 나가세요.
[24:17]
[24:20]