유명 TypeScript 교육자이자 AI 엔지니어인 Matt Pocock이 진행한 AI 코딩 핵심 워크숍 강연 정리 노트입니다.
최근 업계에서는 요구사항(Spec)만 수정하면 AI가 알아서 코드를 완성해 준다는 장밋빛 상상이 넘쳐나지만, 실전에서는 모델과의 미정렬(misalignment)과 컨텍스트 오염으로 인해 개발 생산성이 급격히 파괴되곤 합니다. 본 워크숍에서 연사는 컨텍스트 윈도우 한계를 극복하는 Smart Zone 보존법, 명확한 정렬 루프를 만드는 Grill Me 스킬, 그리고 대화 컨텍스트를 아예 지워버려 지능을 최대로 당겨 쓰는 Memento 철학을 구체적인 라이브 코딩 워크플로우를 통해 입증해 보입니다.
핵심 클립 및 해석
1. Specs-to-Code 및 Vibe Coding의 이상과 현실
“…the specs to code movement… editing the specs and eventually you just keep going. And I tried this… and it sucks. It doesn’t work… Because you need to keep a handle on the code… the code is your battleground.”
개발자가 코드를 보지 않고 오직 요구 사양서(Specification)만 기계적으로 고치면서 AI가 이를 코드로 찍어내게 만드는 Specs-to-Code(혹은 바이브 코딩) 방식은 실전 프로젝트에서 오작동합니다.
코드베이스의 전반적인 모양, 아키텍처 및 도메인 지식은 개발자가 통제하고 주도권을 쥐어야 하는 전장(battleground)이기 때문입니다. 코드를 외면한 채 사양만 고치다 보면 AI의 미세한 오추론과 컨텍스트 단절이 누적되어 결국 작동하지 않는 스파게티 코드만 남게 됩니다.
2. Grill Me 스킬: AI와 의도(Alignment) 조율하기
“Interview me relentlessly about every aspect of this plan until we reach a shared understanding… I needed to reach a shared understanding. I didn’t need a plan, I needed to be on the same wavelength as the AI…”
프로젝트 초기나 새로운 기능을 추가할 때, AI 에이전트가 바로 개발 계획을 작성하거나 코드를 수정하게 내버려 두어선 안 됩니다. 대신 AI가 사람 개발자를 끈질기게 심문하는(Grill me relentlessly) 인터뷰 전술을 써야 합니다.
작업 지시서(Brief)를 AI에게 주고, AI로 하여금 구현을 위한 예외 조건, 데이터 스키마의 구조, 마이그레이션 정책 등의 의존성을 한 번에 하나씩 질문하게 만듭니다. 이 인터뷰 루프를 통해 개발자와 AI 에이전트가 완벽한 공동의 디자인 콘셉트(Shared Alignment) 상태에 도달하는 것이 개발의 첫걸음입니다.
3. LLM의 주의력 제약: Smart Zone과 Dumb Zone
“…when you’re working with LLMs, they have a smart zone and a dumb zone… around 100K is kind of my new marker for this… it starts to just get dumber… size your tasks in a way that sticks within the smart zone.”
LLM은 대화 세션을 갓 시작하여 컨텍스트가 깨끗하고 가벼울 때 가장 똑똑하고 정밀한 결과를 냅니다(Smart Zone). 반대로, 컨텍스트가 임계점 이상으로 무거워지면 주의력(Attention) 관계가 복잡해지며 바보 같은 판단을 뱉기 시작합니다(Dumb Zone).
Matt의 실전 경험에 따르면, 프론트 마케팅에서 200K나 1M의 거대한 콘텍스트 창을 지원한다고 자랑하더라도 실질적으로 지능 저하가 체감되는 임계점은 대략 100K 토큰 수준입니다. 따라서 개발자는 AI 에이전트가 한 번에 다룰 작업 영역을 이 똑똑한 추론 범위(Smart Zone) 안으로 작게 제한(size)해서 공급해야 합니다.
4. Memento 철학: 컨텍스트 압축(Compacting)의 함정 극복
“…I much prefer my AI to behave like the guy from Memento because this state is always the same. Always the same every time you do it. You clear and you go back to the beginning.”
대화가 길어져 토큰이 쌓였을 때, 이전 대화를 ‘요약(Compacting)’하여 밀어 넣는 보편적인 컨텍스트 전달 방식은 효과적이지 못합니다. 요약 데이터 자체도 주의력을 왜곡하는 쓰레기 침전물(sediment)로 남아 지능을 떨어뜨리기 때문입니다.
그보다 영화 메멘토의 주인공처럼 대화 컨텍스트를 아예 지워버려(Clear context) 완전한 제로 상태로 돌아가는 것이 훨씬 똑똑합니다. 그릴 세션을 거쳐 얻어낸 합의안을 바탕으로 목적지 문서(PRD.md)와 여정 문서(TODO.md)라는 컴팩트한 마크다운 파일 두 개만 파일 시스템에 작성해 둔 뒤, 컨텍스트를 날리고 새 세션을 열어 해당 파일들만 다시 공급하여 깨끗한 100K 미만의 Smart Zone 지능을 보존하는 철학입니다.
5. AI 시대의 업무 이원화: Human-in-the-Loop와 AFK 태스크
“…two types of tasks in the AI age… human in the loop tasks… And there are AFK tasks… planning, this alignment phase, has to be human in the loop… Implementation can be turned into an AFK task.”
AI 시대의 소프트웨어 개발 작업은 명확하게 두 영역으로 분리해야 생산성을 병렬화할 수 있습니다.
첫째는 사람이 AI와 끊임없이 문답을 주며 방향성을 수동 조율해야 하는 ‘Human-in-the-Loop’ 영역으로, ‘기획 및 정렬(Planning & Alignment)’ 단계가 이에 해당합니다. 둘째는 사람이 키보드에서 완전히 물러나도(Away From Keyboard) AI 혼자 처리할 수 있는 ‘AFK’ 영역입니다. 정렬 단계가 끝나고 명확하게 구조화된 PRD와 테스트 Runbook이 작성되면, ‘구현 및 빌드(Implementation)’는 에이전트가 스스로 에러를 고치며(Self-healing) 자율 완수할 수 있는 AFK 태스크로 전환될 수 있습니다.
내 생각 (My Thoughts)
Matt Pocock이 제안하는 AI 코딩 워크플로우의 통찰은 최근 에이전트 생태계에서 불고 있는 ‘Vibe Coding’ 열풍의 거품을 정확하게 걷어내는 가장 현실적이고 논리적인 실무 가이드라인이다.
특히 “컨텍스트 압축(Compacting)의 함정”과 “Memento 철학(Clear Context)”에 대한 지적은 충격적이리만큼 공감된다. 나 또한 코딩 보조 업무를 수행할 때 이전의 길고 어수선한 대화 기록이 컨텍스트에 50% 이상 누적되는 순간, 이전에 이미 고쳤던 예전 스키마나 잘못된 코드를 다시 제안하는 ‘지능의 정체기(Dumb Zone)’를 뼈아프게 겪곤 했다.
Matt의 말대로 긴 대화를 요약해서 다시 공급하기보다, 정제된 합의본인 Implementation Plan과 task.md를 로컬 마크다운 파일로 영구 저장해 둔 뒤, 쉘을 깨끗하게 /clear (혹은 새 대화 세션)로 리셋하여 10K 토큰 미만의 정밀한 Smart Zone 상태에서 자가 치유 컴파일 빌드를 수행하게 만드는 설계는 토큰 소모와 에이전트 지능 정렬을 아우르는 최선의 하네스 궤적이다.
또한 기획을 ‘Human-in-the-loop’로 묶어 정밀 조율하고, 구현은 에이전트가 자율 빌드하는 ‘AFK’로 분리하는 구조는 우리의 듀얼 블로그 안전 배포 철학인 user_global 가드레일에 명확히 새겨져 있다. 인간 Steerer인 사용자가 포스트의 의도와 비평을 기획 단계에서 충분히 셋업하면, 에이전트가 ffmpeg과 yt-dlp 등 복잡한 자금 자막 수집 및 배포 처리를 AFK로 자동 빌드 및 실서버 배포까지 이행하는 메커니즘이 그 살아있는 구현체다.
우리의 ADK 및 하네스 설계에서도, 대화량이 임계점을 넘을 때마다 과거 대화 히스토리를 날리고 로컬의 implementation_plan.md와 task.md를 기점으로만 기동하도록 에이전트의 작동 수명 주기를 제약하는 Memento 가이드라인을 강제한다면, 대형 복합 피처 빌드 시에도 추론 능력이 흔들리지 않는 초기 상태의 날카로움을 지속적으로 유지할 수 있을 것이다.
댓글
GitHub 계정으로 의견을 남길 수 있습니다. 댓글은 GitHub Discussions에 저장됩니다.