에이전틱 클라우드 코드: 상위 1% AI 코딩을 위한 3가지 코드베이스 폴더

IndyDevDan 구독자 43,800명

요약

이 영상에서는 에이전틱 코딩 시대에 코드베이스를 빠르게 파악하고 대규모 작업을 위임하기 위한 3가지 필수 디렉터리(AI docs, Specs, .cloud)를 소개합니다. AI docs는 에이전트의 영속 지식 베이스로, 제3자 API 문서와 구현 노트를 저장합니다. Specs 폴더에는 상세한 계획(PRD)을 작성해 셀프 밸리데이션(self-validation) 루프와 함께 대량 작업을 자동화하며, .cloud 디렉터리로 재사용 가능한 프롬프트를 관리해 컨텍스트 프라이밍(context priming)을 간편하게 수행합니다. Plan drafting 기법과 실제 Pocket Pick 예시를 통해 에이전트와 사람이 협업해 계획을 수립·검증·실행하는 전 과정을 시연합니다.

주요 키워드

Agentic coding Context priming AI docs Specs Reusable prompts .cloud directory Plan drafting Self-validation Compute window Persistent knowledge base

하이라이트

🔑 컨텍스트(context)가 AI 코딩의 핵심입니다. 에이전트는 충분한 문맥 없이 작업을 완수할 수 없습니다.
⚡️ AI docs 디렉터리는 AI 도구의 영속적 메모리로, 제3자 API 문서·통합 세부사항·구현 노트를 저장해 매번 빠르게 코드베이스를 이해하게 합니다.
🚀 Specs 디렉터리는 PRD(제품 요구사항 문서) 같은 상세 계획을 담아 에이전틱 코딩 툴에 대량 작업을 한 번에 완수시키는 엔진 역할을 합니다.
🌟 .cloud 디렉터리(재사용 가능한 프롬프트 저장소)를 통해 자주 쓰는 명령형 프롬프트를 세션 간 반복 사용해 초기 컨텍스트를 일관되게 제공합니다.
📌 컨텍스트 프라이밍 프롬프트(context priming prompt)를 설정하면 에이전트가 중요한 파일과 정보를 읽도록 자동화할 수 있습니다.
🔨 Plan drafting 기법은 AI와 사용자가 함께 계획 초안을 작성·수정해, 반복 개선 후 한 번의 실행으로 효율을 극대화합니다.
✅ 셀프 밸리데이션(self-validation)을 통해 코드 생성 후 테스트를 자동으로 실행해 안정성을 보장합니다.
💡 상위 1% AI 코딩을 위해서는 폴더 구조, 상세한 프롬프트 작성법, 계획→실행 패턴이 결정적입니다.

용어 설명

Agentic coding(에이전틱 코딩)

프롬프트 내 자체 검증 루프와 툴 호출을 포함해 전체 개발 생명주기를 자동화하는 코드 작성 기법입니다.

Context priming(컨텍스트 프라이밍)

AI 도구에 필요한 파일과 정보를 미리 로드해 작업 문맥을 제공하는 프롬프트 패턴입니다.

AI docs 디렉터리

코드베이스의 제3자 API 문서, 통합 세부사항, 구현 노트를 저장해 AI 에이전트의 지식 베이스 역할을 하는 폴더입니다.

Specs 디렉터리

PRD나 제품 계획 문서를 담아 에이전트에 대량 작업을 지시하기 위해 상세한 계획을 작성하는 폴더입니다.

.cloud 디렉터리

재사용 가능한 명령형 프롬프트를 저장해 세션 간 일관된 초기 컨텍스트를 제공하는 폴더입니다.

Self-validation(셀프 밸리데이션)

코드를 생성한 뒤 자동으로 테스트를 실행해 수정사항의 정확성을 검증하는 기능입니다.

Plan drafting(플랜 드래프팅)

AI와 사용자가 공동으로 계획 초안을 작성·수정한 뒤 실행해 효율을 높이는 계획 작성 기법입니다.

[00:00:00] 서론: 에이전틱 코딩과 컨텍스트의 중요성

AI 코딩 시대의 핵심은 문맥(context)이며, 다양한 AI 도구(Cursor, Claude Code 등)에 상관없이 에이전트가 제대로 파악할 수 있도록 폴더 구조를 설계해야 한다는 개요를 제시합니다. 세 가지 필수 디렉터리(AI docs, Specs, .cloud)를 통해 엔지니어링 생산성을 높이는 방법을 간략히 설명합니다.

[00:01:11] AI docs 디렉터리 소개

AI docs 디렉터리는 AI 도구의 영속 메모리로, 제3자 API 문서, 통합 세부사항, 커스텀 패턴·컨벤션, 구현 노트를 저장합니다. 이렇게 하면 에이전트가 매번 빠르게 코드베이스를 학습하고 반복 작업에 바로 투입될 수 있습니다.

[00:02:15] Specs 디렉터리: 계획 작성 및 에이전틱 코딩

Specs 디렉터리에는 제품 요구사항(PRD)이나 기능 계획 문서를 담아, 1,000 토큰 이상의 프롬프트로 전체 코드베이스를 생성하거나 업데이트할 수 있는 대규모 작업 단위를 정의합니다. 이곳에서 계획을 작성한 뒤 셀프 밸리데이션 루프를 통해 AI 에이전트와 함께 검증된 계획을 실행합니다.

[03:00] 에이전틱 코딩의 강력한 기능을 설명하며, 프롬프트가 전체 코드베이스로 확장되는 과정을 소개합니다.

[03:25] specs 디렉토리의 저장소 계획들을 완전한 코드베이스와 기능으로 확장하는 방법을 설명합니다.

[03:40] 반복적인 프롬프트 대신 체계적인 계획의 중요성을 강조하며, 시간과 컴퓨팅 자원을 효율적으로 활용해야 함을 설명합니다.

[04:07] 계획이 곧 프롬프트이며, 상세한 스펙 문서를 통해 AI 코딩 도구의 활용도를 높일 수 있다고 설명합니다.

[04:41] 모든 코드베이스에 AI docs, specs, .claude 디렉토리를 포함시키는 구조를 소개합니다.

[00:04:48] .cloud 디렉터리: 재사용 가능한 프롬프트 저장

.cloud 디렉터리(또는 .claude 등)는 자주 쓰는 명령형 프롬프트를 저장해 세션 간 일관된 컨텍스트 프라이밍을 가능하게 합니다. Diff 리뷰, MCP 서버 호출 같은 워크플로우도 이곳에서 관리하며, 모든 AI 코딩 도구에 적용할 수 있습니다.

[05:08] 재사용 가능한 프롬프트 명령어들과 컨텍스트 프라이밍의 중요성을 설명합니다.

[06:08] 에이전틱 도구의 효율적인 설정과 세션 관리의 중요성을 강조합니다.

[06:28] AI 모델들의 컨텍스트 제한(20만~100만 토큰)으로 인해 결국 리셋이 필요한 상황이 발생하며, 이를 위해 컨텍스트 프라임 기능을 제공합니다.

[07:04] AI 코딩 도구의 초기 컨텍스트를 설정하여 모든 정보를 이해하고 파악할 수 있도록 하며, 이는 다양한 AI 코딩 도구에 적용 가능합니다.

[07:20] 울트라 디프 리뷰 기능을 통해 여러 언어 모델이 코드 변경사항을 검토하고 피드백을 제공할 수 있습니다.

[07:50] 모든 코드베이스에 필수적인 세 가지 디렉토리(AI docs, Specs, dotcloud)의 역할과 용도를 설명합니다.

[08:37] Pocket Pick이라는 도구를 소개하며, 이는 개발자들이 자주 사용하는 코드 스니펫, 파일, 문서 등을 SQLite 데이터베이스에 저장하고 관리하는 도구입니다.

[00:08:42] 예시: Pocket Pick 기능 확장하기

Pocket Pick 예시를 통해 실제 워크플로우를 시연합니다. AI 에이전트를 프라이밍하고 Plan drafting 기법으로 계획 초안을 자동 작성·검토한 뒤, CLI 명령어로 서버 기능을 구현·테스트·배포해 추출·저장·재활용이 가능한 코드 스니펫 관리 기능을 완성합니다.

[09:14] 코드베이스에 새로운 기능을 추가하기 위해 add 명령어를 업데이트하려고 합니다. 현재 자동 생성되는 ID 시스템을 개선하여 사용자가 직접 ID를 지정할 수 있도록 할 예정입니다.

[09:47] 세 가지 필수 디렉토리를 활용하여 작업을 진행하며, Claude 코드를 주요 도구로 사용할 것입니다. 첫 단계로 프라이밍을 통해 코드베이스를 분석합니다.

[10:32] 전통적인 반복 프롬프팅 대신 '계획 초안 작성'이라는 새로운 접근 방식을 도입합니다. 이는 개발자와 AI가 협력하여 계획을 수립하는 방식입니다.

[11:29] Claude 코드가 코드베이스를 빠르게 분석하고 이해하여, 개발자보다 더 상세한 지식을 바탕으로 첫 계획 초안을 작성하게 됩니다.

[12:08] 새로운 작업 흐름 소개: AI 코딩 도구를 활용한 계획 수립부터 실행까지의 과정을 설명. 기본 계획 수립, AI 도구로 초안 작성, 계획 개선 및 실행의 단계적 접근 방식 제시.

[12:30] 문제 및 해결책 설명: pocket pick 데이터베이스의 자동 ID 생성 기능을 사용자가 직접 ID를 제공하는 방식으로 변경하여 더 나은 제어와 식별 가능성 제공.

[12:55] 개발자 역할의 변화: 코드 작성자에서 코드/계획 리뷰어로의 전환. 정보와 코드 아이디어의 큐레이터로서 AI 코딩 도구와 협업하는 새로운 개발 패러다임 강조.

[13:20] 구현 세부사항 검토: 서버 모듈의 ID 필드 추가, 기능 구현, 테스트 변경사항 등 전반적인 구현 계획 검토. context prime 연결과 AI docs 디렉토리 관련 결정 설명.

[14:20] 계획 최적화: 불필요한 추천사항과 스키마 관련 내용 제거. 대신 기존 테스트 코드 검토와 업데이트에 중점을 두어 명확한 실행 경로 설정.

[14:56] 계획 실행 전 준비 단계로, 코드를 명확하게 정리하고 커밋을 준비합니다.

[15:25] Claude의 새로운 할 일 목록 시스템을 소개하고, 에이전트 모드로 전환하여 자동 실행을 시작합니다.

[15:47] AI docs 통합에 대해 설명하며, 코드베이스에 이미 필요한 정보가 포함되어 있어 추가 문서가 불필요했음을 언급합니다.

[16:16] AI 코딩 도구를 위한 영구적인 지식 베이스의 중요성과 컨텍스트 관리의 가치를 설명합니다.

[16:32] 특정 기능에 대한 컨텍스트 프라이밍 방법과 그 활용에 대해 상세히 설명합니다.

[17:13] 대규모 변경 작업시 컨텍스트 프라이밍의 유용성과 상세한 계획 수립의 중요성을 강조합니다.

[17:40] README 파일이 업데이트되며, AI 코딩 도구가 정보를 기반으로 구조화된 계획을 수립하고 있습니다. 이는 경험과 판단력이 필요한 과정입니다.

[18:05] 코드가 자체 검증을 수행하며, ID 파라미터를 테스트 파일에 추가하는 작업을 진행합니다. 에이전트가 계획을 작성하고 수정하는 메타적인 접근방식을 사용합니다.

[18:44] Claude Code의 장점은 중단 없이 지속적으로 작업을 수행하는 것입니다. Anthropic 팀의 뛰어난 설계가 돋보입니다.

[19:21] 자체 검증 기능이 활성화되어 있어 모든 테스트의 신뢰성을 보장합니다. 이는 단순한 AI 코딩이 아닌 완전한 엔지니어링 작업 수행을 의미합니다.

[20:09] 이러한 가치 있는 정보를 매주 월요일마다 공유하며, 우리가 잠든 사이에도 작동하는 살아있는 소프트웨어를 만들어갈 것을 약속합니다.

[20:24] 세 가지 핵심 디렉토리(AI, docs, spec, claude)를 통해 엔지니어링 작업을 확장하고 AI 코딩 도구에 더 많은 작업을 위임할 수 있다는 설명을 합니다.

[20:50] 업데이트된 pocket pick 기능을 테스트하고 MCP 서버를 활성화하여 코드 스니펫을 저장하는 과정을 시연합니다.

[22:20] pocket pick MCP 서버를 사용하여 데이터베이스에 성공적으로 콘텐츠를 저장하고 검색하는 것을 확인합니다.

[22:59] 핵심 디렉토리 구조의 중요성을 강조하며, 이를 통해 코드베이스의 확장성을 높일 수 있음을 설명합니다.

[23:33] AI docs, Specs, doclude 각각의 역할과 중요성을 설명하며, 특히 컨텍스트 프라임 프롬프트의 중요성을 강조합니다.