Part 1 Wrap-up

Part 1에서 배운 LLM 기초, Claude Code 사용법, Context 관리, Plan Mode 기반 실습을 정리합니다

학습 목표

LLM은 "맞는 답"이 아니라 "그럴듯한 답"을 만드는 시스템입니다. 이 차이에서 두 가지 한계가 따라옵니다.

Hallucination: 줄일 수 있지만 없앨 수 없는 구조적 한계입니다. 정확한 답과 틀린 답이 똑같은 자신감으로 나오므로, 겉모습만으로는 구별할 수 없습니다
Knowledge Cutoff: 학습 시점 이후 정보는 구조적으로 모릅니다. "모릅니다"라고 말하지 않고 과거 정보로 추측하거나 지어냅니다

이 둘은 고칠 수 있는 버그가 아닙니다. 원리 자체의 부산물이므로, 대응 전략은 "없애기"가 아니라 "검증하기"입니다.

도구를 연결하면 LLM이 추측 대신 직접 확인할 수 있게 됩니다. 한 번 쓰면 Tool, 반복하며 자율적으로 작업을 완수하면 Agent입니다.

Tool: AI를 똑똑하게 만드는 것이 아니라, 검증 가능하게 만듭니다. 파일을 직접 읽고, 코드를 실행하고, 웹을 검색합니다
Agent: Tool + Loop + 자율적 판단. 막히면 스스로 다른 방법을 시도하고, 결과를 확인하며, 완료될 때까지 반복합니다
코딩 도구 3단계 진화: Autocomplete(현재 파일만) -> Chat(프로젝트 파일) -> Agentic(프로젝트 전체를 자율 반복). Claude Code는 세 번째 단계입니다
Claude Code의 세 가지 특성: Terminal-native(터미널에서 직접 실행), Agentic(자율 반복), Programmable(CLAUDE.md, Hooks, Skills 등으로 동작을 설정). Programmable은 Part 2에서 본격적으로 다룹니다

lesson-04-model-selection-guide

모델 선택: Opus(복잡한 설계), Sonnet(일반 구현), Haiku(간단한 수정). 작업 난이도에 따라 /model로 전환합니다
세션 관리: --continue(마지막 세션 이어가기), --resume(이전 세션 목록에서 선택), /clear(대화 초기화), /exit(세션 종료)
권한 관리: 파일 수정/명령 실행 전 Yes/Always allow/No 선택. Esc+Esc로 AI의 마지막 변경을 되돌리고, Checkpoint로 여러 단계를 한 번에 복구합니다

입력창 단축키: !(셸 명령어), @(파일 Context 포함), /(내장 명령어), Shift+Tab(Plan Mode 전환).

AI와의 대화에는 반복되는 패턴이 있습니다. 읽기에서 시작해서 쓰기로 확장합니다.

탐색 -> 설명 -> 수정 -> 커밋: "이 프로젝트가 뭐야?"(읽기만, 권한 불필요) -> "이 파일 설명해줘"(@로 파일 지정) -> "이름 추가해줘"(파일 수정, 권한 필요) -> "커밋해줘"(git 명령, 권한 필요). 읽기부터 시작하면 AI가 프로젝트를 이해한 상태에서 수정합니다

lesson-04-smart-dumb-zone

Context Window의 한계가 Part 1 전반의 설계 원칙을 관통합니다.

Context Window: 사용자 메시지는 전체의 일부일 뿐입니다. System Prompt, 도구 정의, CLAUDE.md가 보이지 않는 곳에서 이미 상당량을 소비합니다
Smart Zone / Dumb Zone: 초반부에서 AI의 주의력이 가장 높고, 뒤로 갈수록 떨어집니다. 대화가 길어지면 AI가 멍청해지는 건 기분 탓이 아니라 측정된 현상입니다
지침의 저주: 지침이 많아질수록 각 지침의 준수율이 떨어집니다. 해법은 더 자세히 알려주는 것이 아니라 지금 이 작업에 필요한 것만 주는 것입니다. 조건부 전달, 요약 활성화, 위임, 새 대화 시작 -- 네 가지 전략이 이를 실현합니다

매번 같은 지시를 반복하면 Context를 낭비합니다. CLAUDE.md는 이 반복을 제거합니다.

CLAUDE.md: 프로젝트 루트에 두면 매 세션 자동 로드되는 프로젝트 규칙입니다. 아키텍처 결정, 팀 워크플로우, 코딩 컨벤션처럼 코드만으로는 알 수 없는 정보를 담습니다
포함/제외 기준: "AI가 코드에서 직접 찾을 수 있는가?" -- 찾을 수 있으면 제외, 없으면 포함합니다. 기술 스택, 디렉토리 구조, 빌드 명령은 코드에서 읽을 수 있으므로 넣지 않습니다
Programmable의 첫 단계: CLAUDE.md는 Claude Code를 프로그래밍하는 가장 기본적인 도구입니다. Part 2에서 Rules, Commands, Skills로 확장됩니다

CLAUDE.md가 팀 규칙을 전달한다면, Memory는 대화 중 배운 것을 자동으로 저장합니다.

Memory: Claude가 대화 중 발견한 패턴과 교정 내용을 자동 저장합니다. 다음 세션에서 "Recalled X memories"로 불러옵니다
CLAUDE.md vs Memory: CLAUDE.md는 팀 규칙(수동, git 공유), Memory는 개인 학습(자동, 로컬). CLAUDE.md가 항상 우선합니다

lesson-04-task-sizing-cups

스펙 최적화, 도구 조정보다 작업 크기를 줄이는 것이 가장 효과적입니다.

좋은 단위: 수정 -> 테스트 -> 커밋 한 사이클
새 대화 시작 신호: 다른 종류의 작업 전환, AI 응답 품질 저하, 커밋 완료 직후, 확신이 없을 때
/clear 우선: /compact는 요약 과정에서 뉘앙스를 잃습니다. Smart Zone에서의 첫 시도가 Dumb Zone에서의 세 번째 시도보다 성공 확률이 높습니다

AI에게 바로 "코드 작성해"라고 시키면 추측으로 코드를 작성합니다. Plan Mode가 이를 방지합니다.

Plan Mode: Shift+Tab으로 진입하면 AI는 파일을 수정하지 않고 탐색과 계획만 합니다. 개발자가 검토하고 승인한 뒤에 실행합니다
요구사항 = 기능 목록 + 범위 제한: 기능 목록만 주면 AI가 요청하지 않은 기능까지 추가합니다. "무엇을 하지 않는지"까지 명시해야 범위가 고정됩니다
AI 친화적 기술 스택: Shadcn은 컴포넌트 소스 코드가 프로젝트에 복사됩니다. AI가 npm 패키지 문서를 추측하지 않고 소스를 직접 읽을 수 있으므로, 정확도가 높아집니다

lesson-04-unverified-flow

Todo 앱을 구현한 뒤 10개 시나리오를 브라우저에서 직접 확인했습니다. 정확하지만 반복에 약합니다. 항목이 늘어나면 집중력이 흐려지고 확인을 건너뛰는 순간이 생깁니다.

이 체크리스트를 코드로 바꿀 수 있다면, AI가 스스로 "통과/실패"를 판단하고 자율적으로 루프를 돌 수 있지 않을까요?

Part 2는 이 질문에서 시작합니다. 체크리스트를 테스트 코드로 바꾸면, AI가 스스로 "됐다/안 됐다"를 판단하며 자율적으로 루프를 돌 수 있습니다. 개발자는 단계를 하나하나 지시하는 대신, 성공 기준만 주고 방법은 AI에게 맡깁니다.