AI 코딩의 진정한 힘 - 나만의 워크플로우 구축 완전 가이드

Cole Medin 구독자 78,300명

요약

이 영상은 단순한 프롬프트 작업을 넘어 AI 코딩 어시스턴트와 함께 사용할 수 있는 체계적이고 재사용 가능한 워크플로우를 만드는 방법을 소개한다. 3단계 모델(계획→구현→검증)을 기반으로 바이브 플래닝, 초기 요구사항 문서(MD) 작성, 컨텍스트 엔지니어링, 슬래시 커맨드 및 서브 에이전트를 활용한 자동화, 그리고 Code Rabbit을 이용한 코드 리뷰와 같은 구체적인 전략을 다룬다. Obsidian과 Archon을 예시로 실제 맞춤형 AI 에이전트를 구축하고, 이를 Docker 환경에서 연동해 실행하는 과정을 보여준다. 나아가 PRP, BMAD, GitHub Spec Kit 등 기존 프레임워크를 이해하고 자신만의 시스템으로 확장·재사용할 수 있는 철학과 핵심 가치를 제시한다.

주요 키워드

AI 코딩 어시스턴트 워크플로우 컨텍스트 엔지니어링 슬래시 커맨드 서브 에이전트 PRP BMAD RAG Archon Code Rabbit

하이라이트

🔑 AI 코딩 보조 도구는 단순 프롬프트를 넘어 워크플로우와 시스템 구축이 핵심임을 강조
⚡️ 계획→구현→검증의 3단계 모델을 따르면 효율적인 AI 코딩 과정을 설계할 수 있음
🌟 기획 단계에서는 자유로운 '바이브 플래닝'으로 아이디어를 탐색하고 초기 요구사항을 도출
📌 슬래시 커맨드와 서브 에이전트를 활용해 컨텍스트 엔지니어링을 자동화하고 대화 창을 깔끔하게 유지
🚀 Obsidian 기반 맞춤 AI 에이전트를 Docker에서 실행해 지식 관리 툴과 통합하는 예시 시연
🔍 구현 단계에서는 Archon 태스크 관리 워크플로우로 세부 작업을 분할하여 AI 환각(hallucination)을 방지
🛡️ 검증 단계에서는 서브 에이전트를 통해 자동화된 테스트를 수행하고 Code Rabbit으로 AI 코드 리뷰를 진행
🔄 이렇게 만든 워크플로우는 PRP, BMAD, GitHub Spec Kit 등 기존 기법을 이해·확장해 재사용 가능

용어 설명

Slash Command

AI 코딩 어시스턴트에게 재사용 가능한 워크플로우를 정의해 호출하는 커맨드 기능

Sub Agent

별도의 컨텍스트 창에서 실행되는 보조 에이전트로, 리서치·검증 작업을 분리해 주요 대화를 깔끔하게 유지

Context Engineering (컨텍스트 엔지니어링)

프롬프트에 외부 문서(RAG), 대화 이력, 태스크 관리 정보를 체계적으로 제공하는 전략

PRP Framework

Plan-Requirements-Prompt 구조로 초기 요구사항을 상세한 프롬프트 문서로 전환하는 기법

BMAD Method

Background-Methodology-Architecture-Deliverables의 머리글자를 딴 코드 어시스턴트 전략

RAG (Retrieval-Augmented Generation)

문서 검색을 통해 외부 자료를 가져와 AI 모델의 응답 품질을 높이는 기법

Obsidian

로컬 지식 관리 플랫폼으로, AI 에이전트와 연동해 ‘두 번째 두뇌’처럼 활용 가능

Archon

Markdown 기반 AI 태스크 관리 도구로, 단계별 작업 목록을 자동 생성·추적하는 데 사용

Code Rabbit

AI 기반 코드 리뷰 플랫폼으로, 풀 리퀘스트를 분석하고 개선안을 제시하는 에이전트

AI 코딩 보조 도구는 단순 프롬프트 이상의 시스템을 필요로 하며, 다양한 기존 프레임워크(PRP, BMAD, GitHub Spec Kit 등)가 있지만 오히려 방대한 전략 속에서 길을 잃기 쉽다는 문제를 지적한다. 영상에서는 이를 해결하기 위해 나만의 철학과 워크플로우를 만드는 방법을 다룰 것임을 소개한다.

[00:00] AI 코딩 어시스턴트로 무엇을 개발하든 단순한 프롬프트 작성을 넘어 시스템과 워크플로 구축이 핵심이라고 강조하며, 기존 전략들의 한계를 지적합니다.

[00:27] 기존 PRP, BMAD 등의 프레임워크를 버리고 자신만의 워크플로를 구축하는 방법을 제시하며, 철학과 전략을 이해하면 더 효과적으로 활용할 수 있다고 설명합니다.

[01:19] 코딩을 위한 핵심 멘탈 모델로 계획-구현-검증의 3단계 프로세스를 소개하고, 계획 단계에서 '분위기 계획'부터 시작해 요구사항 정의와 맥락 준비 과정을 설명합니다.

대부분의 AI 코딩 과정에 적용할 수 있는 핵심 정신 모델인 ‘계획(Planning)→구현(Implementation)→검증(Validation)’의 3단계 워크플로우를 설명하고, 이를 기반으로 영상 전체의 주요 흐름을 간단히 소개한다.

[02:05] 슬래시 명령어와 서브 에이전트 등 AI 코딩 도구들을 활용해 미리 정의된 워크플로를 만들고, 작업 관리와 코드베이스 연구 방법을 정의하는 과정을 다룹니다.

[02:32] AI 코딩 어시스턴트가 자체 검증을 수행하고, 우리는 프로젝트 매니저 역할을 해야 한다는 핵심 개념을 설명합니다.

[02:44] AI 코딩 어시스턴스의 다양한 개념들(글로벌 규칙, 서브 에이전트, 슬래시 명령어)과 워크플로 단계별 적용법을 소개하며, PRP와 BMAD 같은 전략들을 다룰 예정임을 안내합니다.

‘바이브 플래닝’으로 아이디어, 아키텍처, 기술 스택 등을 자유롭게 탐색한다. 신규 프로젝트는 온라인 리소스와 예시 코드 분석, 기존 프로젝트는 코드베이스 연구를 통해 어디에 기능이 들어갈지 파악하는 과정을 AI 어시스턴트와 대화하며 수행한다.

[03:08] 실제 구현 예시로 개인적으로 사용 중인 Obsidian 지식 관리 플랫폼과 AI 통합 기능을 소개하며, 이를 통해 워크플로 구축 과정을 보여주겠다고 설명합니다.

[03:49] Obsidian에 연결된 커스텀 AI 에이전트(Dynamis Obsidian 에이전트)의 실제 작동 방식을 데모로 보여주며, 파일 참조와 채팅 기능을 통한 상호작용을 설명합니다.

[04:21] 가장 중요한 계획 단계로 넘어가며, AI 코딩 어시스턴트를 위한 올바른 맥락 큐레이팅의 중요성을 강조합니다. 또한 9월 27일 AI 코딩 어시스턴스 마스터리 워크샵을 홍보하며 심화 학습 기회를 제공합니다.

[05:03] AI 코딩 워크플로우 구축의 철학과 전략을 이해하기 위해 기획 단계부터 시작하겠다고 설명합니다.

[05:19] 바이브 기획의 개념을 소개하며, 실제 구현과는 달리 초기 기획에서는 자유로운 탐색이 중요하다고 강조합니다.

[05:52] 새 프로젝트와 기존 프로젝트에서 바이브 기획을 수행하는 방법을 설명하며, 예제 폴더 활용과 코드베이스 분석 방법을 제시합니다.

MD(Markdown) 문서를 생성해 PRD 수준의 초기 요구사항을 정리한다. 신규 프로젝트는 MVP 요건과 참조 문서, 예시를 포함하고, 기존 프로젝트는 통합 지점(Integration Points)과 편집 대상 파일을 구체적으로 기록한다.

[06:28] 초기 MD(마크다운) 문서 작성의 중요성을 설명하며, 이것이 상세한 기능 요청서(PRD) 역할을 한다고 설명합니다.

[07:01] 새 프로젝트와 기존 프로젝트에서 MD 문서의 차이점을 설명하며, 통합 포인트와 참조 문서의 중요성을 강조합니다.

[07:37] 계획 단계에서는 초기 MD 문서를 바탕으로 요구사항을 AI 코딩 어시스턴트를 위한 완전한 프롬프트로 전환한다. 이때 컨텍스트 엔지니어링 전략들이 핵심 역할을 한다.

[07:50] RAG(외부 문서 제공), 메모리(대화 기록), 태스크 관리, 프롬프트 엔지니어링을 활용한 전체적인 시스템 다이어그램을 설명한다.

RAG, 메모리(대화 이력), 태스크 관리, 프롬프트 엔지니어링 요소를 결합해 초기 요구사항(PRD)을 구현용 프롬프트(Plan.md)로 전환하는 방법을 다룬다. PRP 기법과 자연스럽게 연결되는 원리를 설명한다.

[08:10] 프롬프트 엔지니어링의 핵심은 초기 요청을 코딩 어시스턴트를 위한 구체적인 공격 계획으로 구성하는 것이다.

[08:23] 이 단계의 목표는 두 번째 마크다운 문서 생성이다. 초기 MD를 AI 코딩 어시스턴트를 위한 상세한 목표, 태스크, 자원 세트로 변환한다.

[08:40] PRD를 완전한 구현 프롬프트로 변환하는 것이 바로 PRP 프레임워크가 달성하는 것과 동일하다. 자연스럽게 전구가 켜지는 순간이다.

[09:00] PRP 생성 시에는 초기 요구사항을 태스크 리스트, 코드베이스 구조, 성공 기준, 문서 예시 등을 포함한 구조화된 문서로 변환한다.

[09:21] Archon, PRP 프레임워크, Cloud Code의 웹 검색 도구, GitHub Spec Kit 등 다양한 도구들이 계획 단계를 지원한다.

[09:40] GitHub Spec Kit은 바이브 계획과 유사한 기능을 제공하며, 이러한 다양한 전략들의 철학을 이해하는 것이 중요하다.

Obsidian 지식 관리 플랫폼에 개인 AI 에이전트를 Docker로 연동하는 과정을 실습한다. Dynamis Obsidian Agent를 통해 파일 참조, 대화 전송, 커맨드 실행 등 워크플로우 구성 예시를 보여준다.

[10:00] 이제 실제 코드베이스에서 이 과정이 어떻게 작동하는지 살펴본다. 간결함을 위해 대화는 미리 완료했지만 전체 과정을 안내할 예정이다.

[10:07] 기존 코드베이스에서 AI 코딩 워크플로우를 구축하는 일반적인 프로세스를 시작합니다. Obsidian 통합을 예시로 Claude Code와 새로운 대화를 시작하며, 어떤 코딩 어시스턴트든 사용 가능하다고 설명합니다.

[10:25] 새로운 대화를 시작할 때마다 가장 먼저 프라이머 슬래시 명령을 실행합니다. 슬래시 명령은 프롬프트를 재사용 가능한 워크플로우로 만드는 핵심 도구로, AI 코딩 시스템 구축의 중요한 요소입니다.

[10:56] 프라이머는 AI 코딩 어시스턴트가 프로젝트를 빠르게 파악할 수 있도록 파일 읽기 지침을 제공합니다. 이를 통해 새로운 대화임에도 마치 오랫동안 함께 작업한 것처럼 느껴지게 만들며, 코드베이스의 핵심 파일들을 조사합니다.

[11:18] 바이브 플래닝 단계로 넘어가며, 슬래시 명령이 워크플로우의 모든 단계에서 중요함을 강조합니다. 플래닝 단계에서는 글로벌 규칙과 핵심 지침을 설정하고, 서브 에이전트와 슬래시 명령을 사용해 자동화된 워크플로우를 구축합니다.

[11:52] 바이브 플래닝 단계에서는 구조화된 프롬프트 대신 기본적인 접근을 사용합니다. AI 에이전트가 Obsidian vault에 연결되기를 원한다는 높은 수준의 설명을 제공하고, 과거 프로젝트 예시를 참고 자료로 활용합니다.

[12:10] 탐색과 이해 확신을 거친 후 초기 MD(마크다운 문서) 생성 단계로 진입합니다. 'OpenAI API 호환성'이라는 이름의 마크다운 문서에 AI 코딩 어시스턴트를 위한 초기 요청을 담고, 구조를 추가하기 시작합니다.

[12:42] 고수준에서 구축하고자 하는 엔드포인트와 에이전트 상호작용 예시들을 포함한 초기 요청사항을 작성합니다. 아직 완전히 계획되지 않았지만 전체 계획의 기초가 됩니다.

[12:56] 첫 번째 대화 종료 후 새로운 대화로 넘어가 워크플로우의 다음 단계를 진행합니다. 요청사항을 컨텍스트 엔지니어링을 통해 전체 계획으로 전환시키는 과정입니다.

[13:17] create plan.md라는 새로운 슬래시 명령어를 생성했습니다. 이는 계획 워크플로우의 예시이며, 다이어그램의 원칙을 따라 3단계 프로세스로 구성되어 있습니다.

[13:49] create plan은 요구사항 문서를 가져와 여러 단계를 거칩니다. 요구사항 읽기와 이해, RAG 및 아콘을 위한 웹 검색 연구 단계, 그리고 코드베이스 분석가 서브 에이전트 활용이 포함됩니다.

[14:17] 서브 에이전트는 자체 컨텍스트 윈도우를 가져 주요 대화 오염 없이 광범위한 연구를 수행하고 요약을 출력할 수 있습니다. 기존 코드베이스를 연구하여 구현 계획을 정확히 파악합니다.

[14:58] create plan 실행 시 코드베이스 분석가 서브 에이전트를 호출하여 광범위한 연구를 수행합니다. 새로운 기능을 코드베이스에 통합하는 방법을 파악하고, 아콘과 RAG 검색, 코드베이스 예시 검색을 통해 최종 계획을 생성합니다.

[15:24] AI 코딩 워크플로우에서 컨텍스트 엔지니어링을 활용한 상세한 계획서 작성의 중요성을 설명합니다. 단계별 작업, 수정할 파일, 생성할 파일, 기존 패턴 등을 세분화하여 AI가 정확히 작업할 수 있도록 합니다.

[16:02] 계획 검증 후 구현 단계로 넘어가는 과정을 다룹니다. 코딩 어시스턴트가 작업을 하나씩 처리하도록 가이드하는 워크플로우의 중요성을 강조하며, 한 번에 너무 많은 작업을 처리할 때 발생하는 환상(hallucination) 문제를 예방하는 방법을 설명합니다.

Archon을 활용해 Plan.md 기반으로 태스크를 생성·추적하는 Slash Command 워크플로우를 구축한다. 각 작업을 ‘할 일→진행 중→검토’ 사이클로 처리하며, 한 번에 너무 많은 요청을 피해 AI 환각을 줄이는 전략을 설명한다.

[17:01] 작업 관리를 위한 슬래시 명령어 생성과 다양한 도구 활용 방안을 제시합니다. 아르콘(Archon), Cloud Taskmaster, 마크다운 문서 등 다양한 작업 관리 도구 중에서 선택할 수 있으며, 중요한 것은 작업 관리 중심의 워크플로우를 구축하는 것임을 강조합니다.

[17:57] 워크플로우 구축에서 PRP 프레임워크나 BMAD 방법론을 사용하여 프로젝트를 설정하고 Archon에서 작업들을 생성한 후 코드를 분석하는 과정을 설명합니다.

[18:10] 작업을 할 일, 진행중, 검토 단계로 순환하며 처리하고, 모든 작업 완료 후 검증 단계로 넘어가는 사이클적 워크플로우를 소개합니다.

[18:26] 검증을 위한 서브 에이전트가 독립된 컨텍스트 윈도우에서 테스트를 생성하고 코드 품질을 확인하여 주 코딩 어시스턴트에게 피드백을 제공하는 방식을 설명합니다.

[18:42] 코딩 어시스턴트 실행 중 MCP 서버 사용, 파일 편집, 위치 확인 등을 면밀히 관찰하여 검증하는 개발자의 역할과 과정을 강조합니다.

검증 전용 Sub Agent로 자동화된 테스트와 검증을 수행하고, Code Rabbit을 통해 풀 리퀘스트 단위로 AI 코드 리뷰를 진행해 품질을 보장하는 방법을 다룬다. 로컬 CLI와 IDE 통합 사례도 소개한다.

[19:00] AI 코딩 어시스턴트의 자체 검증 능력과 함께 개발자가 직접 코드 리뷰를 수행하고 수동 테스트를 실행하는 중요성을 설명합니다.

[19:20] 서브 에이전트를 통한 검증의 장점으로 격리된 컨텍스트 윈도우를 통해 주 대화를 오염시키지 않으면서 견고한 테스트를 수행할 수 있음을 강조합니다.

[19:35] Code Rabbit이라는 AI 기반 코드 리뷰 플랫폼을 소개하며, 이를 Archon과 통합하여 모든 풀 리퀘스트를 자동으로 검토하는 워크플로우를 설명합니다. Code Rabbit이 코드베이스를 깊이 분석하여 시퀀스 다이어그램, 검토자 제안, 상세한 코드 리뷰를 제공하며, 이를 다른 AI 코딩 어시스턴트와 연계하여 활용하는 개발 워크플로우의 핵심 도구로 자리잡았음을 강조합니다.

[20:31] Code Rabbit CLI 도구의 장점과 활용법을 소개하며, GitHub PR 리뷰뿐만 아니라 로컬 개발 환경에서도 에이전트로 활용할 수 있다고 설명합니다. 무료 체험과 오픈소스 무료 지원, CLI/IDE 도구의 무료 사용에 대해 언급하며 AI로 생성된 대량의 코드 품질 관리 솔루션으로 추천합니다.

구축한 워크플로우는 PRP, BMAD, GitHub Spec Kit 등 기존 프레임워크를 이해하고 필요에 따라 확장·재사용할 수 있다. 슬래시 커맨드, 서브 에이전트, 글로벌 룰, 3단계 모델을 조합해 나만의 시스템으로 발전시키는 철학을 강조한다.

[21:15] 실제 구현 과정이 계획 단계의 철저한 준비 덕분에 매우 간단해졌다고 설명합니다. 컨텍스트 엔지니어링의 모든 구성 요소가 포함된 계획을 기반으로 미리 정의된 워크플로우를 실행하는 execute plan 명령어 사용법을 보여줍니다.

[21:45] Archon을 통해 작업 관리와 코드 변경을 번갈아가며 수행하는 실제 구현 과정을 시연합니다. 터미널에서의 대화를 통해 AI가 모든 요구사항을 100% 완벽하게 처리했음을 보여주며, 제공된 컨텍스트와 작업 분할 방식에 대한 신뢰를 표현합니다.

[22:27] 검증 단계에서 전문화된 서브 에이전트를 사용하는 전략을 설명합니다. 계획과 검증에서는 서브 에이전트를 활용하지만, 실제 구현 과정에서는 의도적으로 서브 에이전트를 사용하지 않는 이유를 설명합니다. 코드 변경과 구현 시에는 모든 것이 기본 컨텍스트 윈도우에 유지되어야 한다고 강조합니다.

[23:05] AI 코딩에서 서브에이전트 사용의 핵심 원칙을 설명합니다. 구현 단계에서는 서브에이전트를 사용하지 않고, 모든 작업이 주요 컨텍스트 창에서 이루어져야 한다고 강조합니다. 서브에이전트 간의 메모리 공유 부족과 충돌 문제를 해결하기 위해서입니다.

[23:30] 서브에이전트의 올바른 활용 방법을 제시합니다. 사전 리서치와 코드 검증 전문가로만 활용하며, 슬래시 커맨드는 구현의 모든 단계에서 사용합니다. 글로벌 규칙은 계획 단계에서 설정하는 황금 규칙들로, 모든 코딩 작업에 일관되게 적용됩니다.

[24:13] 코드 리뷰와 수동 테스트의 중요성을 강조하며, 실제 구현 예시를 보여줍니다. Docker에서 실행되는 에이전트 API와 Obsidian 연결을 통해 구축한 워크플로우를 테스트하고, OpenAI API 호환 엔드포인트를 사용한 완벽한 구현 결과를 시연합니다.

[24:57] 구축한 워크플로우의 재사용성과 확장성에 대해 설명합니다. 계획, 슬래시 커맨드, 서브에이전트를 포함한 전체 프로세스가 특정 프로젝트에 국한되지 않고 다양한 용도로 재사용 가능함을 강조합니다. 이는 AI 코딩 어시스턴트와 작업하기 위한 시스템적 접근법을 완성합니다.

[00:00] 무엇을 개발하든 상관없이

[00:02] AI 코딩 어시스턴트와 작업할 때는

[00:03] 단순히 프롬프트만 작성하는 것 이상입니다.

[00:05] 시스템과 워크플로를 만드는 것이 핵심이며

[00:07] 이는 여러분의 필요에 맞게 진화할 수 있어야 합니다.

[00:10] 그냥 대충 넘어가고 싶은 유혹이 있다는 걸 압니다.

[00:12] 하지만 실질적인 것을 구축하려면

[00:14] 구조가 필요합니다.

[00:16] 맥락 엔지니어링 분야에 PRP 프레임워크나

[00:18] BMAD, GitHub 스펙 키트 같은

[00:20] 다양한 전략들이 있는 데는 이유가 있습니다.

[00:23] 수많은 전략들이 있죠.

[00:25] 그런데 바로 여기에 문제가 있습니다.

[00:27] 말하자면 너무 많은 정보에

[00:29] 압도되기 쉽다는 것입니다.

[00:31] 이 모든 다른 전략들과

[00:33] 그것들이 여러분에게 어떻게 적용되는지

[00:35] 알기 어렵기 때문이죠.

[00:36] 이 문제의 해결책이 바로

[00:38] 이 영상에서 다룰 내용입니다.

[00:40] PRP나 BMAD 같은 기존 프레임워크의

[00:43] 개념을 버리고

[00:45] 우리만의 것을 구축할 것입니다.

[00:46] 어떻게 작동하는지 보여드리겠습니다.

[00:48] 이 모든 기존 프레임워크에 담긴

[00:50] 철학과 전략을 이해할 수 있다면

[00:52] 실제로 이해하게 되어

[00:54] 더 잘 활용할 수 있을 뿐만 아니라

[00:56] 우리 필요에 맞게 조정하고

[00:58] 심지어 우리만의 워크플로와

[01:00] 시스템을 구축할 수도 있습니다.

[01:03] 바로 여기에 진정한 힘이 있습니다.

[01:05] 지금 보시는 이 다이어그램은

[01:07] 이 영상에서 다룰 모든 내용을

[01:09] 정말 잘 요약하고 있습니다.

[01:11] 여기서는 간단하고 기본적인 것에

[01:13] 초점을 맞추고 싶습니다.

[01:15] AI 코딩 어시스턴트와 함께

[01:17] 무엇을 만들든 상관없이

[01:19] 멀리 갈 수 있는 프로세스를 제공하고 싶습니다.

[01:21] 제 코딩을 안내하는 주요 멘탈 모델은

[01:23] 계획, 구현, 그리고 검증이라는

[01:26] 3단계 프로세스입니다.

[01:28] 이를 중심으로 워크플로를 구축할 것입니다.

[01:30] 우선 높은 수준에서

[01:31] 다룰 모든 내용을

[01:33] 살펴보겠습니다.

[01:34] 그런 다음 세부적으로 들어가서

[01:36] 실제 예시도 보여드리겠습니다.

[01:38] 먼저 저는 항상 계획부터 시작합니다.

[01:41] 이를 위한 다단계 프로세스가 있습니다.

[01:43] 저는 '분위기 계획'이라고 부르는 것부터

[01:45] 시작합니다.

[01:46] 기본적으로 새로운 프로젝트나

[01:48] 기존 프로젝트의 코드베이스에

[01:50] 구현하고 싶은 다양한 아이디어들을

[01:52] 자유로운 형태로 탐색하는 것입니다.

[01:54] 그런 다음 새로운 기능이나

[01:56] 새로운 프로젝트에 대한

[01:58] 초기 요구사항을 만듭니다.

[02:00] 그리고 AI 코딩 어시스턴트가

[02:02] 작업을 완수하는 데 필요한

[02:04] 모든 맥락을 준비합니다.

[02:05] 이를 위해 슬래시 명령어가 훌륭합니다.

[02:07] 이 영상에서는 슬래시 명령어와

[02:09] 서브 에이전트, 그리고 AI 코딩의

[02:11] 다른 구성 요소들도 다룰 것입니다.

[02:13] 필요한 모든 맥락을 갖추면

[02:15] 실제로 코드를 생성하기 위해

[02:17] 실행에 옮기고 싶어집니다.

[02:19] 슬래시 명령어를 통해 미리 정의된

[02:22] 워크플로를 만드는 것도

[02:24] 이를 위해 환상적입니다.

[02:26] 작업을 관리하고 코드베이스를

[02:28] 연구하는 방법을

[02:30] 정의할 수 있습니다.

[02:32] 코딩 어시스턴트들이 자신의

[02:35] 작업을 검증하도록 하고, 우리도

[02:37] 그 과정에 참여해서 정말로

[02:39] AI 코딩 어시스턴트의 프로젝트 매니저

[02:42] 역할을 할 수 있도록 합니다. 그리고 마지막으로

[02:44] 이 영상에서 다룰 내용은

[02:45] AI 코딩 어시스턴스의 다양한

[02:48] 개념들과 이것들이 우리 워크플로의

[02:50] 다양한 부분에 어떻게 적용되는지입니다.

[02:52] 글로벌 규칙, 서브 에이전트,

[02:54] 슬래시 명령어 같은 것들 말이죠. 예를 들어,

[02:56] 실제로는 구현 단계에서 서브 에이전트를

[02:58] 사용하고 싶지 않습니다. 그래서 이것이

[03:01] 어떻게 작동하는지, 정말로 그 뒤에 있는

[03:01] 철학에 대해 이야기하겠습니다. 이것은 또한

[03:03] PRP와 BMAD 같은 다양한 전략들이

[03:05] 어떻게 작동하는지 이해하는 데 도움이 될 것입니다. 이제

[03:08] 제가 여기서 라이브로 구축할 것은

[03:10] 이 영상의 초점이 아닙니다. 그래서

[03:13] 이것을 기회로 삼아 재미있고

[03:14] 다른 것을 해보려고 생각했습니다.

[03:16] 개인적으로 작업하고 있는 것을 보여드리는 것

[03:18] 말이죠. 왜냐하면 최근에 제 생산성

[03:20] 워크플로를 전면 개편하면서

[03:21] Obsidian이라는 앱으로 전환했기 때문입니다.

[03:24] 이것은 무료이며 로컬 지식 관리

[03:27] 플랫폼입니다. 일종의

[03:28] Notion 같은 것이라고 생각하시면 되는데, 차이점은

[03:30] 이것을 확장할 수 있는 오픈 소스 플러그인이

[03:32] 엄청나게 많다는 것입니다. 저도 몇 개 작업하고 있고

[03:35] 아마 앞으로 Obsidian과 관련된 콘텐츠를

[03:37] 훨씬 더 많이 만들게 될 것 같습니다. 왜냐하면

[03:39] 이것을 여러분의 세컨드 브레인으로도

[03:41] 사용할 수 있기 때문입니다. 정말 멋지고

[03:43] 제가 작업해온 AI 통합 기능들이

[03:45] 많이 있습니다. 이 영상에서 보여드릴

[03:47] 내용도 그 중 하나입니다. 그래서 우리는

[03:49] 오른쪽에 코파일럿 채팅을 가지고 있습니다.

[03:52] 이것은 연결되어 있는데, 여기 오른쪽 아래에서

[03:53] 볼 수 있듯이 Dynamis Obsidian

[03:55] 에이전트에 연결되어 있습니다. 제가 만든 AI 에이전트가

[03:58] 제 컴퓨터의 Docker에서 실행되고 있고

[04:00] Obsidian이 바로 그것에 연결되어

[04:01] 있습니다. 정말 멋지죠. 그래서 저는 '~에 대해 말해줘'라고

[04:03] 말할 수 있고, 그다음에

[04:05] 지금 여러분이 보고 있는 이 파일처럼

[04:06] Obsidian 내의 파일들을 참조할 수 있습니다.

[04:08] 이것을 보내면 제 커스텀 에이전트로 갑니다.

[04:10] 바로 여기 있는 이 연결이

[04:12] 우리가 이 영상에서 구축할 것입니다.

[04:14] 우리가 여기서 만들고 있는 커스텀 워크플로의

[04:16] 예시로 말이죠. 정말 멋집니다.

[04:17] 한번 보세요. 좋습니다. 이제

[04:20] 과정을 살펴보겠습니다. 여기서

[04:21] 계획 단계부터 시작하겠는데,

[04:23] 솔직히 이것은 단연코 가장 중요한

[04:25] 단계입니다. 왜냐하면 AI 코딩 어시스턴트를 위한

[04:27] 맥락을 올바르게 큐레이팅하지 않으면

[04:29] 완전히 실패하기 때문입니다. 그런데 이 영상의

[04:32] 모든 내용은 꽤 간략할 것입니다.

[04:34] 여기서는 기본부터 시작하고 싶습니다.

[04:36] 만약 정말로 저와 함께 AI 코딩 어시스턴스를

[04:38] 마스터하는 것에 대해 깊이 파고들고 싶다면

[04:40] 제가 9월 27일에 주최하는

[04:43] 반나절 워크샵에 꼭 참여해 보세요.

[04:44] 여기서 우리는 정말로

[04:46] 깊이 파고듭니다. AI 코딩 어시스턴스를 최대한

[04:48] 활용하기 위한 제 모든 전략을 한 곳에서

[04:51] 배울 수 있습니다. 그러니 그곳에서

[04:53] 뵐 수 있기를 바랍니다. 아래 링크를 확인해 보세요.

[04:55] 꼭 한번 살펴보세요.

[04:57] 저는 그 워크샵에 엄청난 가치를

[04:59] 쏟아 부을 예정입니다. 그리고 지금

[05:01] 여러분은 실제로 그 맛보기를 얻고 계시는 거죠.

[05:03] 우리가 여기서 다룰 내용들 중 많은 부분을

[05:04] 맛보게 될 것입니다. 여러분이 직접

[05:06] AI 코딩 워크플로우를 구축할 수 있도록

[05:07] 도와드리겠습니다. 그래야 이런 다양한

[05:10] 프레임워크들에 들어가는 철학과

[05:11] 전략을 이해할 수 있습니다.

[05:13] 그럼 기획 단계부터 시작해보겠습니다.

[05:15] 기획 단계를 시작할 때 제가 항상

[05:17] 먼저 하는 것은 바이브 기획입니다.

[05:19] 이 부분에 대해 들어보세요.

[05:21] 제 AI 코딩 콘텐츠를 보셨다면

[05:23] 제가 바이브 코딩을 좋아하지 않는다는 걸

[05:26] 아실 텐데, 그건 다릅니다.

[05:27] 실제 구현에 들어갈 때는 확실히

[05:29] 많은 구조와 검증이 필요하거든요.

[05:31] 하지만 초기 기획 단계에서는

[05:33] 아이디어, 아키텍처, 개념을

[05:35] 탐색하고 기술 스택을 결정하는 일만

[05:38] 하는 것입니다. AI 코딩 어시스턴트를

[05:40] 연구 동반자로 활용하면서 말이죠.

[05:43] 이 과정이 구조화되지 않기를

[05:45] 의도적으로 원합니다. 초기 단계에서

[05:48] 작업할 때 더 자유로운

[05:49] 사고방식을 갖고 싶거든요.

[05:52] 새 프로젝트의 경우, 온라인 리소스나

[05:54] 이전에 구현했던 프로젝트들을

[05:56] 조사하는 것을 의미합니다.

[05:59] 저는 실제로 코드베이스에

[06:00] 예제 폴더를 만들어서 기존 프로젝트들을

[06:02] 거기에 넣고 코딩 어시스턴트와 함께

[06:05] 연구하는 방식을 즐겨 사용합니다.

[06:07] 그리고 기존 프로젝트의 경우

[06:09] 일반적으로 기존 코드베이스를

[06:11] 연구하고 분석해서 새로운 기능이

[06:13] 어디에 들어맞을지 확인합니다.

[06:15] 물론 이것이 전부는 아닙니다.

[06:16] 정말로 중요한 것은 AI 코딩

[06:18] 어시스턴트와 대화를 나누어

[06:20] 둘 다 완전히 기획하고 구현해야 할

[06:22] 것에 대해 같은 이해를

[06:23] 갖도록 하는 것입니다.

[06:26] 코딩 어시스턴트와 그런 대화를

[06:28] 나눈 후, 같은 컨텍스트

[06:29] 윈도우 안에서 제가 초기 MD라고

[06:32] 부르는 것을 만들도록 도움을

[06:34] 요청합니다. 이것은 기획을 위해

[06:36] 우리가 만드는 첫 번째 파일입니다.

[06:39] 단순한 마크다운 문서죠.

[06:41] 목표는 상세한 기능 요청서, 즉

[06:43] PRD가 포함된 마크다운 문서를

[06:46] 만드는 것입니다. 이것은 좀 더

[06:48] 고차원적인 문서로, 다른 사람에게

[06:51] 줘서 구축하려는 것을

[06:52] 설명할 수 있는 종류의 것입니다.

[06:54] 이 시점에서는 아직 코딩

[06:56] 어시스턴트를 위한 매우 구체적인

[06:58] 프롬프트 전략까지는 들어가지 않습니다.

[07:01] 새 프로젝트의 경우 일반적으로

[07:03] 이것이 매우 고차원적이기를 원합니다.

[07:05] 구축하려는 애플리케이션의 간단한 MVP로

[07:07] 바이브 기획 단계에서 찾은

[07:09] 지원 문서와 예시들에 대한

[07:11] 많은 참조를 포함하는 것입니다.

[07:13] 그리고 기존 프로젝트의 경우

[07:15] 꽤 비슷하지만, 기존 코드베이스에

[07:17] 구축하려는 특정 기능에

[07:19] 훨씬 더 집중되고 상세할 것입니다.

[07:22] 제가 통합 포인트라고 부르는

[07:23] 것들에 대한 많은 참조를 포함해서요.

[07:25] 편집해야 할 파일들, 아키텍처를 위해

[07:27] 참조하고 싶은 파일들 말입니다.

[07:29] 다시 말해, 바이브 기획 단계에서

[07:31] 코딩 어시스턴트와 함께 발견한

[07:34] 모든 것들입니다.

[07:35] 코딩 어시스턴트와 함께한 바이브

[07:37] 계획 단계입니다. 이 초기 MD 문서를 만들고 나면,

[07:39] 요구사항을 가져와서 AI 코딩 어시스턴트를 위한

[07:42] 완전한 프롬프트로 전환하고 싶습니다.

[07:46] 그리고 여기서 컨텍스트 엔지니어링에 관한

[07:48] 전략들이 실제로 작동하게 됩니다.

[07:50] 제 채널에서 이 다이어그램을 본 적이 있을 겁니다.

[07:52] 하지만 Excalidraw에서 처음부터 다시 만들었어요.

[07:54] 자랑스러워해 주세요. 만드는 데 너무 많은

[07:56] 노력을 기울였거든요. 좀 바보 같긴 하지만,

[07:58] 어쨌든, RAG가 있고,

[08:00] 외부 문서를 우리 코딩 어시스턴트에 제공하고,

[08:04] 메모리, 즉 대화 기록 같은 것들이 있습니다.

[08:06] 그리고 태스크 관리가 있는데, 이건

[08:08] 계획 단계에서 매우 중요하고,

[08:10] 잠시 후에 이에 대해 이야기하겠습니다.

[08:12] 그리고 물론 프롬프트 엔지니어링이 있는데,

[08:14] 이는 초기 요청을 어떻게 가져와서

[08:15] 코딩 어시스턴트를 위한

[08:16] 공격 계획을 세우는 방식으로

[08:18] 구성하는가에 관한 것입니다.

[08:20] 그래서 이 단계의 목표는

[08:23] 두 번째 마크다운 문서를 생성하는 것입니다.

[08:25] 즉, 초기 MD를 가져와서

[08:28] AI 코딩 어시스턴트를 위한

[08:30] 상세한 목표, 태스크, 자원 세트를 생성합니다.

[08:34] 기본적으로 작업을 효과적으로 완료하는 데

[08:36] 필요한 모든 것을 제공하는 것입니다.

[08:38] 우리는 PRD를 가져와서

[08:40] 완전한 구현 프롬프트로 바꾸고 있습니다.

[08:43] 그런데 이것이 바로

[08:45] 제 채널에서 다루는 PRP 프레임워크가

[08:47] 달성하는 것과 정확히 같습니다.

[08:49] 그래서 저는 기초부터 시작하고 있지만,

[08:51] 이것이 자연스럽게

[08:53] 전구가 켜지는 순간으로 이어진다는 것이

[08:54] 꽤 멋져요. '아, 맞아,

[08:56] PRP, 완전히 말이 되는구나.

[08:57] 우리가 하고 있는 일이 바로 그거니까.'

[08:59] PRP를 생성할 때,

[09:00] 초기 요구사항을 가져와서

[09:02] 코딩 어시스턴트를 위한 훨씬 더 구조화된

[09:04] 문서로 바꾸고 있습니다.

[09:07] 완료하고 싶은 태스크 리스트,

[09:08] 원하는 코드베이스 구조,

[09:11] 성공 기준, 참조하고 싶은

[09:13] 모든 문서 예시들과 같은 것들이 있습니다.

[09:15] 그것이 우리가 계획 문서로

[09:17] 만들고 있는 것입니다.

[09:18] 그리고 여기서 작업을 완료하는 데 도움이 되는

[09:21] 많은 도구들이 있습니다.

[09:23] 라이브 예시로 Archon을 보여드리겠고,

[09:25] 물론 PRP 프레임워크도 있고,

[09:27] Cloud Code 같은 것들과 함께 제공되는

[09:29] 간단한 웹 검색 도구들도 있습니다.

[09:31] 이것은 컨텍스트 엔지니어링을 위한

[09:33] RAG의 일부이고, Archon도 RAG용이며

[09:36] 태스크 관리를 위한 것이기도 합니다.

[09:38] 그리고 GitHub Spec Kit 같은

[09:40] 많은 다른 도구들이 나오고 있는데,

[09:42] 꽤 새로운 것이고 정말 멋지며,

[09:44] 우리가 여기서 바이브 계획과

[09:46] 함께 하고 있는 것과 매우 유사한 일을

[09:48] 도와주는 많은 명령들을 제공합니다.

[09:50] 그리고 초기 요구사항을 만들고

[09:52] 계획을 세우는 것 말입니다.

[09:53] GitHub Spec Kit이 그런 일을 많이 해줍니다.

[09:55] 그래서 다시 말하지만, 이러한 다양한 전략들 뒤에 있는

[09:57] 철학을 이해하는 것입니다.

[09:59] 자, 이제 코드베이스로 들어가 보겠습니다.

[10:00] 실제로 어떻게 작동하는지 보여드리고 싶거든요.

[10:02] 간결함을 위해 이미 대화는 완료했지만,

[10:04] 과정을 안내해 드리겠습니다.

[10:07] 제가 어떻게 일반적인 프로세스를 진행하는지,

[10:10] 원칙들을 적용해서

[10:12] AI 코딩 워크플로우를 만들기 시작하는지

[10:14] 여기서 보여드리겠습니다. 이건 단지 여러분이

[10:16] 만들 수 있는 것들의 한 예시일 뿐입니다.

[10:18] 자, 우선

[10:20] Claude Code와 완전히 새로운 대화를 시작하겠습니다.

[10:22] 물론 어떤 코딩 어시스턴트를 사용하든

[10:23] 상관없이 작동합니다. 그리고

[10:25] 새로운 대화를 시작할 때마다 제가 가장 먼저 하는 것은

[10:28] 기존 코드베이스에서 작업할 때

[10:30] 지금 이 Obsidian 통합처럼 말이죠

[10:32] 프라이머 슬래시 명령을 실행하는 것입니다.

[10:34] 이제 슬래시 명령들에 대해

[10:36] 알아보기 시작하겠습니다.

[10:37] 슬래시 명령은 단순히 프롬프트를

[10:40] 재사용 가능한 워크플로우로

[10:42] 바꾸고 싶을 때 사용하는 것으로

[10:44] 여기서 다루고 있는 주제와 매우 일치합니다.

[10:46] AI 코딩을 위한 시스템을 만드는 것

[10:48] 멘탈 모델뿐만 아니라 실제 워크플로우로도

[10:51] 이런 마크다운 슬래시 명령들로

[10:53] 만들어낸 것들 말이죠. 그래서

[10:56] 프라이머가 하는 일은 파일들을 읽기 위한

[10:58] 지침들을 나열해서 AI 코딩 어시스턴트가

[11:01] 우리 프로젝트를 빠르게 파악할 수 있도록

[11:03] 하는 것입니다. 새로운 대화를

[11:04] 시작할 때 말이죠. 그래서 이런 식으로

[11:07] 우리의 코딩 어시스턴트가 마치

[11:09] 이 프로젝트에서 우리와 함께

[11:10] 한동안 작업해온 것처럼 느껴지지만

[11:12] 실제로는 완전히 새로운 대화인 거죠.

[11:14] 그래서 제 코드베이스의 핵심 파일들을

[11:16] 통해 많은 조사를 합니다. 그리고

[11:18] 이 시점에서 저는 바이브 플래닝으로

[11:20] 넘어갈 준비가 되고, 슬래시 명령들은

[11:22] 여기 워크플로우의 대부분 단계에서 꽤 중요합니다.

[11:26] 실제로는 모든 단계에서요. 그래서

[11:28] 여기 다이어그램에서 이 부분이

[11:30] 플래닝 단계에 대해 이야기하고 있습니다.

[11:32] 여기서 우리는 글로벌 규칙들을

[11:34] 설정하고 싶습니다. 코딩 어시스턴트를 위한

[11:35] 핵심 지침들 말이죠. 그리고

[11:37] 서브 에이전트와 슬래시 명령을 사용해서

[11:40] 부분들을 자동화하고 플래닝 단계의

[11:42] 일부를 위한 워크플로우를 만듭니다. 그리고

[11:44] 검증과 구현에서도 많이 사용합니다.

[11:46] 다만 구현에는 서브 에이전트를

[11:48] 사용하지 않습니다. 잠시 후에

[11:50] 그 부분에 대해 말씀드리겠습니다.

[11:52] 네, 지금 우리는 바이브 플래닝

[11:53] 단계에 있습니다. 그리고 제가 말했듯이

[11:56] 구조화된 프롬프트는 없습니다.

[11:58] 여기서는 아주 기본적입니다. 제가

[11:59] 높은 수준에서 만들고 싶은 것을

[12:01] 설명하는데, 제 AI 에이전트가

[12:03] 제 Obsidian vault에 연결할 수 있기를 원하기 때문입니다.

[12:05] 과거 프로젝트에서 가져온 예시를 제공해서

[12:07] 참고하도록 합니다. 이건 그냥

[12:10] 높은 수준의 내용입니다. 이제 코드로

[12:12] 들어가 봅시다. 그런 다음 이런 탐색을 하고

[12:14] 이해도에 확신을 갖게 되면

[12:17] 더 자세히 설명하고 이해도를

[12:19] 수정할 수 있습니다. 같은 페이지에

[12:21] 있는지 확인하고요.

[12:22] 그러면 가서 초기 MD를

[12:25] 만들게 됩니다. 같은 페이지에 있고

[12:28] 플래닝을 했으니 이제 구조를

[12:30] 추가하기 시작합니다. 이 경우에는

[12:32] 제 초기 MD를 OpenAI API 호환성이라고

[12:35] 부르고 있습니다. 이건 그냥

[12:37] AI 코딩 어시스턴트를 위한 초기 요청이 담긴

[12:39] 마크다운 문서입니다. 그래서

[12:41] 높은 수준에서 원하는 기능을 가지고 있고

[12:42] 고수준에서, 우리가 구축하고자 하는 엔드포인트들과

[12:44] 에이전트와 상호작용하고 싶은 몇 가지 예시들이 있습니다.

[12:46] 이 시점에서는 아직 완전히 계획되어 있지는 않지만,

[12:49] 이것이 우리가 전체 계획으로 발전시킬

[12:51] 초기 요청사항입니다.

[12:53] 핵심은 이 시점에서 우리는

[12:56] 그저 초기 MD 문서를 작성하고 있다는 점입니다.

[12:58] 그리고 그것을 구축했습니다.

[13:00] 이 시점이 우리의 첫 번째 대화의 끝입니다.

[13:03] 이제 새로운 대화로 넘어가고 싶습니다.

[13:05] 워크플로우의 다음 단계로 넘어가기 위해서죠.

[13:08] 그 요청사항을 받아서 모든 컨텍스트 엔지니어링을 통해

[13:11] 전체 계획으로 전환시키는 것입니다.

[13:12] 그래서 이 워크플로우 부분을 위한

[13:15] 또 다른 슬래시 명령어를 생성했습니다.

[13:17] create plan.md라고 부르고 있습니다.

[13:19] 다시 말하지만, 이것은 계획 워크플로우가

[13:22] 어떤 모습일 수 있는지 보여주는 예시일 뿐입니다.

[13:24] 원하는 방식대로 구축할 수 있습니다.

[13:26] 일반적으로는 제가 이 다이어그램에서

[13:28] 다룬 원칙들을 따르는 것이 좋습니다.

[13:30] 그래서 3단계 프로세스를 안내해드리고,

[13:32] 이제 이 일반적인 흐름을 중심으로

[13:34] 슬래시 명령어와 서브 에이전트를 구축하고 있습니다.

[13:36] 제 프로젝트에 좀 더 특화된

[13:38] 몇 가지 작업들도 수행하고 있죠.

[13:40] 그래서 이런 종류의 플로우는

[13:42] 여러분이 만들고 있는 것에 가장 적합한 방식으로

[13:44] 구축할 수 있습니다.

[13:47] 제 create plan의 경우 기본적으로

[13:49] 방금 작성을 완료한 요구사항 문서를

[13:51] 가져와서 몇 가지 다른 단계를 거치도록 하고 있습니다.

[13:55] 먼저 요구사항을 읽고 이해합니다.

[13:57] 그 다음 연구 단계가 있는데,

[13:59] 여기서 RAG와 사용 가능한 경우

[14:01] 아콘을 위한 웹 검색을 사용하고 싶었습니다.

[14:03] 그리고 코드베이스 분석가

[14:04] 서브 에이전트도 있습니다. 그래서 광범위한 연구를 수행하기 위해

[14:09] 호출하는 서브 에이전트를 생성했습니다.

[14:12] 서브 에이전트에 대해 너무 깊이 들어가지는 않겠지만,

[14:14] 자체 컨텍스트 윈도우를 가지고 있기 때문에

[14:17] 매우 강력합니다.

[14:19] 많은 연구를 수행한 다음

[14:21] 주요 대화를 오염시키지 않고

[14:22] 그것의 요약을 출력할 수 있습니다.

[14:24] 따라서 우리의 컨텍스트 윈도우를

[14:26] 간결하고 집중된 상태로 유지할 수 있습니다.

[14:28] 이 서브 에이전트는 계획이

[14:30] 어떤 모습이어야 하는지 정확히 파악하기 위해

[14:32] 기존 코드베이스에 대한 많은 연구를 수행합니다.

[14:35] 따라서 작업별 구현 계획을 생성해야 하고,

[14:37] 원하는 코드베이스 구조, 참조하고 싶은 문서,

[14:40] 그리고 코드베이스 분석가와 이 전체

[14:42] 슬래시 명령어가 그것을 생성하는 데 도움을 줍니다.

[14:44] 그래서 대화로 돌아가서

[14:46] 그것이 어떤 모습인지 보여드리겠습니다.

[14:48] 먼저 여기서 요구사항 문서를

[14:50] 명령어의 인수로 전달하여

[14:52] create plan을 실행했고,

[14:54] 코드베이스 분석가 서브 에이전트를

[14:56] 호출하는 것으로 시작됩니다.

[14:58] 많은 연구를 수행하고 이 새로운 기능을

[15:01] 코드베이스에 어떻게 통합할 것인지

[15:03] 정확히 파악합니다.

[15:05] 아콘과 함께 RAG 검색을 수행하고,

[15:07] 코드베이스 예시 검색을 수행한 다음

[15:09] 우리의 계획을 생성합니다.

[15:11] 그래서 이것은 초기 MD 문서를

[15:16] 다음 단계로 끌어올리는 것입니다.

[15:18] 모든 컨텍스트 엔지니어링과 함께 말이죠.

[15:22] 그리고 제가 말씀드린 이런 것들은

[15:24] 초기 MD를 모든 컨텍스트 엔지니어링과 함께 다음 단계로 끌어올립니다.

[15:26] 제가 말씀드린 이런 것들을

[15:28] 여기서 찾을 수 있습니다.

[15:30] 여기 단계별로 구현하고자 하는

[15:32] 모든 작업들이 있습니다.

[15:33] 그리고 정말 세부적으로 나뉘어져 있어요.

[15:35] 이게 항상 좋은 점이죠.

[15:36] AI 코딩 어시스턴트와 함께

[15:39] 구체적으로 작업하고 싶다면

[15:41] 바로 이 플랜이 제공하는 것입니다.

[15:43] 수정해야 할 다양한 파일들,

[15:45] 새로 생성해야 할 파일들,

[15:47] 기존 패턴들을 따라하는 것,

[15:50] 작업을 완료하는데 필요한 모든 것들이 있습니다. 정말 멋지죠.

[15:52] 그리고 성공 기준도 있습니다.

[15:54] 원하는 코드베이스 구조 같은 걸

[15:55] 추가할 수도 있겠지만

[15:57] 이건 기존 파일을 수정하는 것에

[15:59] 더 중점을 둡니다.

[16:01] 제가 여기서 구축하고 있는 것에 대해서는

[16:03] 이 플랜이 완벽합니다.

[16:06] 플랜을 생성했으니

[16:09] 지금까지 제가 달성한 것의 끝입니다.

[16:11] 이제 포괄적인 플랜이 있으니

[16:13] 먼저 이를 검증하고

[16:15] 필요시 코딩 어시스턴트의 도움으로

[16:16] 몇 가지 조정을 하는 것을 권장합니다.

[16:18] 플랜에 확신이 서면

[16:21] 구현으로 넘어갈 시간입니다.

[16:23] 구현에서 가장 중요한 것은

[16:26] 코딩 어시스턴트를 가이드하는

[16:27] 워크플로우를 갖는 것입니다.

[16:30] 작업을 하나씩 처리하는 방법에 대해서요.

[16:33] 여기서 작업 관리가

[16:36] 가장 중요한 요소입니다.

[16:38] 특히 한 번의 요청으로

[16:40] 상당한 작업을 하려고 한다면요.

[16:42] 코딩 어시스턴트가 한 번에

[16:43] 너무 많은 일을 하려고 하면

[16:46] 많은 환상(hallucination)이 발생합니다.

[16:47] 그래서 작업은 더 큰 요청을 가능하게 하면서도

[16:50] 여전히 매번 하나의 작은 일에

[16:52] 매우 집중되고 세분화되게 하는 방법입니다.

[16:54] 계획 문서로 돌아가 보면

[16:57] 매우 세분화된 작업들이 있는 것을

[16:59] 하나씩 처리하고 있다는 걸 볼 수 있습니다.

[17:01] 그래서 이 워크플로우를 정의하기 위해

[17:04] 다른 슬래시 명령어를 만들 거예요.

[17:06] 정확히 어떤 슬래시 명령어가 될지는

[17:08] 작업 관리를 위해 무엇을 하는지에

[17:11] 전적으로 달려있습니다.

[17:13] 제 경우에는 작업 관리를 위해

[17:16] 아르콘(Archon)을 사용합니다.

[17:18] 그래서 제 워크플로우는

[17:20] 아르콘을 정확히 어떻게 사용할지에

[17:22] 대해 많이 다룹니다.

[17:24] 아르콘을 반드시 사용해야 하는 건

[17:26] 아닙니다. 여기서 중요한 건

[17:28] 이것이 제 워크플로우의 한 예라는 점입니다.

[17:30] 이 OpenAI API 호환

[17:32] 구현을 위해 이 모든 작업들을 생성하고 있습니다.

[17:34] 하지만 여러분은 Cloud Taskmaster나

[17:36] 다른 마크다운 문서를

[17:38] 작업 관리에 사용할 수도 있습니다.

[17:40] 어떤 방식으로 하든 상관없어요.

[17:42] 심지어 Cloud Code 같은

[17:45] 코딩 어시스턴트 내부의 작업 관리 도구도요.

[17:47] 중요한 건 작업 관리 중심의

[17:49] 워크플로우를 만드는 것입니다.

[17:51] 그래서 제가 플랜 실행으로 가면

[17:52] 높은 수준에서 이것이

[17:53] 어떤 모습인지 빠르게 보여드리겠습니다.

[17:56] 여러분의 워크플로우와는 많이 다를 수 있지만

[17:57] PRP 프레임워크를 사용하든지, 아니면

[18:00] BMAD 방법론을 사용한다면 프로젝트 브리프가 될 수도 있겠죠. 그리고

[18:01] Archon에서 프로젝트를 설정하고 싶어요.

[18:03] 아직 설정되지 않았다면 말이죠.

[18:05] 이런 모든 작업들을 생성하고,

[18:07] 코드를 분석하고 싶어요. 그리고

[18:10] 여기에 사이클이 있는데, 작업을

[18:13] 할 일(to-do) 또는 진행중(doing)으로 표시해야 합니다.

[18:17] 그리고 해당 작업을 처리한 다음

[18:18] 검토(review)로 이동시키고

[18:20] 다음 작업으로 넘어갑니다.

[18:22] 모든 작업이 완료될 때까지 이 사이클을 반복하죠.

[18:24] 그러면 검증(validation)으로 넘어갑니다.

[18:26] 실제로 검증을 도와줄

[18:28] 서브 에이전트도 있어요. 그래서

[18:30] 자체 컨텍스트 윈도우 내에서

[18:32] 이 친구를 실행해서

[18:34] 다양한 테스트를 생성하고,

[18:36] 우리 코드가 제대로 작동하는지 확인한 다음

[18:37] 수정이 필요한 부분이 있으면

[18:39] 우리의 주 코딩 어시스턴트에게 보고합니다.

[18:42] 그래서 검증에 대한 제 일반적인 프로세스는

[18:44] 코딩 어시스턴트가 실행되는 동안

[18:46] MCP 서버를 제대로 사용하는지

[18:48] 올바른 파일을 편집하고 올바른 위치를 보고 있는지

[18:51] 검증하는 것이에요.

[18:53] 일반적으로 이런 것들을 테스트하기 위해 적어도 어느 정도 가까이에서 지켜봅니다.

[18:56] 그리고 코드가 출력되면,

[18:58] 이 시점에서 우리의 계획은

[19:00] AI 코딩 어시스턴트가 어떻게

[19:02] 자신의 작업을 검증할 수 있는지도

[19:04] 명시해야 합니다. 그리고

[19:06] 우리도 이 프로세스의 일부가 되어야 해요.

[19:09] 코드 리뷰를 수행하죠. 왜냐하면

[19:10] 우리는 대충 넘어가고 싶지 않거든요.

[19:11] 실제로 생성되는 코드를

[19:13] 살펴보고 이해하고 싶고,

[19:15] 원하는 수동 테스트를 실행하고 싶어요.

[19:16] 예를 들어 이 비디오 끝에서 보게 될

[19:18] Obsidian의 에이전트와 실제로 대화하는 것처럼 말이죠.

[19:20] 서브 에이전트는 검증에 매우 유용할 수 있어요.

[19:23] 다시 말하지만, 우리는 격리된 컨텍스트 윈도우를 원하죠.

[19:25] 주 대화를 오염시키지 않기 위해서요.

[19:27] 그래서 서브 에이전트가 다양한 테스트를

[19:29] 실행하여 모든 것이 견고한지 확인할 수 있습니다.

[19:32] 검증에 대한 마지막 한 가지.

[19:33] 제 작업을 검토하는 데 사용하는 또 다른 에이전트가 있어요.

[19:36] 또 다른 검증 서브 에이전트라고 생각할 수 있는데,

[19:38] 바로 Code Rabbit입니다.

[19:40] AI 기반 코드 리뷰 플랫폼이고

[19:42] 이번 영상을 후원해 주셨지만

[19:44] 저는 실제로 업무에서 매일 사용하고 있어요.

[19:47] 오픈소스 프로젝트에는 무료이므로

[19:49] 당연히 Code Rabbit을 Archon과 통합했습니다.

[19:51] Archon GitHub 리포지토리에 생성되는

[19:54] 모든 단일 풀 리퀘스트는

[19:56] Code Rabbit 에이전트에 의해 자동으로 검토됩니다.

[19:59] 제 코드베이스를 깊이 분석하고

[20:01] 제 풀 리퀘스트를 분석해서

[20:03] 어떤 영향을 미치는지 이해하고

[20:05] 여기에 개요를 제공해 줘요.

[20:07] 모든 PR에 대해 아름다운

[20:09] 시퀀스 다이어그램을 제공하고

[20:11] 검토자를 제안해 주며, 물론

[20:13] 가장 중요한 실제 코드 리뷰도 있어요.

[20:15] 권장하는 변경사항과 함께 말이죠.

[20:17] 저는 실제로 이것들을 가져다가

[20:19] Claude Code나 제가 사용하는 다른

[20:21] AI 코딩 어시스턴트에게 제공합니다.

[20:23] 그래서 이것은 제 개발 워크플로우의

[20:25] 중요한 부분이 되었고,

[20:27] 정말 감사하게 생각하고 있어요.

[20:31] 특히 매주 관리하고 있는 모든 풀 리퀘스트들 때문에 Archon에 Code Rabbit을 사용하게 되어 정말 감사합니다.

[20:34] 그리고 이제 CLI 도구도 제공하고 있어서

[20:35] Code Rabbit을 GitHub에서 PR 리뷰하는 용도로만 사용하는 것이 아니라

[20:38] 이제 로컬에서 개발할 때 에이전트 중 하나로 사용할 수도 있습니다.

[20:40] 여러분의 머신에서 개발할 때 말이죠.

[20:42] Code Rabbit은 유료 플랜에 대한 무료 체험도 제공하고

[20:44] 앞서 말씀드린 것처럼 Archon 같은 오픈소스 소프트웨어에는 무료입니다.

[20:46] 그리고 CLI와 IDE 도구를 통한 리뷰는

[20:48] 물론 속도 제한이 적용되지만 무료입니다.

[20:50] 만약 AI 도구로 생성한 엄청난 양의 코드 때문에

[20:53] 부담감을 느끼고 있다면

[20:55] 이것이 속도를 늦추지 않으면서도 품질을 유지할 수 있는 해답입니다.

[20:57] 설명란에 Code Rabbit 링크를 걸어두겠습니다.

[20:59] 정말 사용해보시길 강력히 추천합니다.

[21:01] 그럼 이제 실제 구현 과정을 살펴보겠습니다.

[21:03] 이 부분은 전반적으로 꽤 간단합니다

[21:05] 왜냐하면 계획 단계에서 대부분의 작업을 미리 해두었기 때문입니다.

[21:08] 이제 컨텍스트 엔지니어링의 모든 구성 요소가 포함된

[21:09] 계획 덕분에

[21:11] 우리가 생성한 계획을 전달하여

[21:13] 미리 정의된 워크플로우를 실행하기만 하면 됩니다.

[21:15] 다시 말해, 요구사항을 받아서 모든 작업으로 분해하는 execute plan 명령어가 있습니다.

[21:18] 이 경우 저는 모든 것을 archon에서 진행하고 있고

[21:20] 이미 이 구현 과정을 완료했습니다.

[21:21] 그래서 모든 작업이 완료된 상태입니다.

[21:24] 100% 완벽하게 처리했습니다. 정말 놀라운 결과죠.

[21:26] 터미널로 돌아가서

[21:28] 우리가 나눈 대화를 보여드리겠습니다.

[21:30] 여기서 처리한 작업이 많아서 일부가 잘려 보이지만

[21:33] 말 그대로 모든 것을 구현하라고 보냈습니다.

[21:35] 여기서 꽤 오랫동안 작업했습니다.

[21:38] 처리해야 할 것이 많았지만

[21:39] 제공한 모든 컨텍스트와 작업들이 어떻게 분할되었는지 때문에

[21:41] 코딩 어시스턴트를 상당히 신뢰하고 있습니다.

[21:43] 보시다시피 여기서 많은 작업 관리를

[21:45] archon과 함께 수행하고 있었습니다.

[21:47] 변경사항을 적용하면서 말이죠. 작업 관리, 변경사항 적용을

[21:50] 번갈아가며 하는 사이클을 거쳤습니다.

[21:52] 그리고 맨 마지막에 검증 과정이 있습니다.

[21:53] 검증은 구현과 어느 정도 혼합되어 있고

[21:55] 여기서 우리의 전문 검증 서브 에이전트를 호출합니다.

[21:58] 꽤 오랫동안 작업했습니다.

[22:00] 실제로 필요했던 것보다 더 오래 걸렸을 수도 있어요.

[22:03] 유닛 테스트와 다른 방법들로 많은 검증을 수행해서

[22:05] 우리 코드가 완벽한지 확인했습니다.

[22:06] 여기서 제가 강조하고 싶은 중요한 점은

[22:09] 검증 과정에서는

[22:11] 서브 에이전트를 다시 사용한다는 것입니다.

[22:13] 계획과 검증에서는 서브 에이전트를 사용하지만

[22:15] 구현 과정에서는 의도적으로

[22:16] 어떤 서브 에이전트도 사용하지 않았습니다.

[22:19] 그 이유는 실제로 코드 변경사항을 만들고

[22:20] 구현을 수행할 때는

[22:23] 모든 것이 기본 컨텍스트 윈도우에

[22:25] 유지되기를 원하기 때문입니다.

[22:27] 클라우드 코드든 우리가 사용하는 AI 코딩 어시스턴트든 상관없이

[22:29] 전문화된 검증 서브 에이전트를 호출하는 것이죠.

[22:31] 여기서 꽤 오랫동안 작업했습니다.

[22:33] 실제로는 필요했던 것보다 더 오래 걸렸을 수도 있어요.

[22:36] 유닛 테스트와 다른 방법들로

[22:38] 우리 코드가 견고한지 확인하기 위해 많은 검증을 했습니다.

[22:40] 그리고 여기서 제가 강조하고 싶은 중요한 점은

[22:42] 검증을 위해서는

[22:43] 서브 에이전트를 다시 사용한다는 것입니다.

[22:45] 계획과 검증에서는 서브 에이전트를 사용하지만

[22:47] 구현 과정에서는 의도적으로

[22:49] 어떤 서브 에이전트도 사용하지 않았습니다.

[22:52] 그 이유는 실제로 코드 변경사항을 만들고

[22:55] 구현을 수행할 때는

[22:58] 모든 것이 기본 컨텍스트 윈도우에 유지되기를 원하기 때문입니다.

[23:00] 클라우드 코드든 우리가 사용하는

[23:03] AI 코딩 어시스턴트든 상관없이 말이죠.

[23:05] 구현 과정에서 모든 것이

[23:07] Claude Code나 다른 AI 코딩

[23:10] 어시스턴트의 주요 컨텍스트 창에

[23:12] 유지되길 원합니다. 만약 서로 다른 서브

[23:15] 에이전트가 코드베이스의 다른 부분을

[23:17] 구현한다면, 서로

[23:18] 소통하지 않고 메모리도

[23:20] 공유되지 않습니다. 그러면 충돌하는

[23:22] 변경사항과

[23:23] 중복되는 변경사항이 생기죠. 실제

[23:26] 코드 생성에 서브 에이전트를 사용하면

[23:27] 엉망이 됩니다. 그래서 저는 항상

[23:30] 사전 리서치를 위해서만 서브 에이전트를 사용하고

[23:33] 또한 검증 전문가도 두어서

[23:35] 코드 검증 방법에 대한 매우 구체적인

[23:37] 시스템 프롬프트를 이 에이전트에게

[23:38] 줄 수 있습니다. 이것이 제가

[23:41] 강조하고 싶은 중요한

[23:42] 구분점입니다. 슬래시 커맨드의 경우

[23:44] 구현의 모든 단계에서 사용하고

[23:46] 있습니다. 보셨듯이 말이죠. 그리고

[23:48] 글로벌 규칙의 경우, 이 비디오에서는

[23:50] 많이 다루지 않았지만, 실제로는

[23:52] 계획 단계에서

[23:53] 초기에 설정하는 것입니다. 높은 수준에서

[23:55] 생각할 때, 코딩

[23:56] 어시스턴트가 무엇을 하든

[23:58] 상관없이 말 그대로 따라야 할

[23:59] 지침들이 무엇인지, 프로젝트를

[24:01] 처음부터 시작하든, 새로운 기능을

[24:03] 추가하든, 버그를 수정하든,

[24:04] claw.md나 코딩

[24:06] 어시스턴트 파일에 넣고 싶은 황금

[24:10] 규칙들이 많이 있습니다.

[24:11] 그리고 물론 마지막

[24:13] 단계는 우리의 자체 검토입니다.

[24:15] 코딩 어시스턴트가 출력한 모든 것에 대해

[24:17] 반드시 코드 리뷰를 수행해야

[24:19] 합니다. 그렇지 않으면

[24:20] 다시 맹목적인

[24:22] 코딩으로 돌아가는 거죠. 그래서 검토를 수행하고

[24:24] 수동 테스트도 실행합니다. 저는

[24:27] Docker에서 에이전트 API를 다시 실행하고

[24:29] Obsidian에 연결을

[24:31] 이미 설정해두었습니다. 잠깐

[24:32] 보여드리겠습니다. 채팅

[24:33] 창으로 가서 요약하라고 하고

[24:35] 이 비디오에서 계속

[24:37] 다뤄온 전체

[24:38] 다이어그램을 참조할게요. 그래서

[24:40] 에이전트에게 이것을 보내겠습니다.

[24:41] OpenAI API 호환

[24:43] 엔드포인트를 사용하여 우리가 방금

[24:46] 구축한 것과 정확히 소통하고

[24:47] 있습니다. 그리고 여기 있습니다. 우리

[24:51] 다이어그램을 기반으로 한 전체 워크플로우의

[24:53] 요약을 얻었습니다. 정말

[24:55] 아름답습니다. 구현이

[24:57] 완벽합니다. 이제 우리는

[24:58] 다른 용도로도 사용할 수 있는 워크플로우를

[25:01] 갖게 되었습니다. 제가 사용한 전체

[25:02] 계획 슬래시 커맨드와 프라이머

[25:04] 그리고 검증과 실행을 위한 서브 에이전트들,

[25:06] Archon에서의 작업 관리를 위한 전체 프로세스는

[25:09] 실제로 이 특정 구현에만

[25:11] 국한된 것이 아닙니다. 이것을

[25:14] 가져와서 제가 구축하고 싶은 어떤 것에든

[25:16] 재사용할 수 있습니다. 그리고 그것이 제가

[25:18] 이 비디오에서 여러분에게 설명하려는

[25:21] 주요한 것입니다. 여러분이 어떻게 규칙과 서브

[25:23] 에이전트, 슬래시 커맨드, 그리고 심지어

[25:25] 계획하고 구현하고 검증하는 방법에 대한 멘탈 모델을

[25:27] 조합으로 만들 수 있는지, 그리고 그것이

[25:29] 어떤 것에든 재사용할 수 있는

[25:31] 프로세스가 되는지를 말이죠. 여러분은 이제

[25:33] AI 코딩 어시스턴트와 작업하기 위한 시스템을

[25:36] 구축했습니다. 그리고 PRP 프레임워크나

[25:37] GitHub 스펙 킷 같은

[25:39] 다른 것들을 통합하기 시작할 때에도

[25:41] 여전히 같은 멘탈 모델을

[25:42] 따르면서, 단지 그런 접근법들을 사용해서

[25:45] 기본적으로 여러분이 가진 것을 보강하고

[25:46] 필요에 맞게 조정할 수 있습니다. 그것이

[25:49] 오늘 제가 여러분에게 드리는

[25:50] 모든 것입니다. 만약 이 비디오를

[25:52] 좋아하셨고 AI 코딩과 이런 종류의

[25:55] 워크플로우 구축에 대한 더 많은

[25:56] 내용을 기대하신다면, 좋아요와

[25:58] 구독을 정말 감사하게 생각하겠습니다. 그럼

[26:00] 다음 영상에서 뵙겠습니다.