AI와 함께 일하며 복리처럼 쌓아 성장하는 법

1. 컨텍스트를 인프라로 구축

모든 코드를 ~/src에, 지식 작업을 ~/vault(projects/, notes/, kb/ 등)에 정리하면 모델이 grep이나 glob으로 컨텍스트를 검색하기 쉬워짐

조직의 컨텍스트 (Slack, Drive, Mail 등)를 MCP로 모델에 연결 가능

 

새 세션마다 모델은 백지 상태에서 시작하므로, 프로젝트별 CLAUDE.md를 신입 온보딩 문서처럼 작성해야함

> 약어 용어집, 프로젝트 코드네임, 동명이인 구분 등을 포함

> INDEX.md, TODOS.md 등 특정 주제 노트 순으로 읽기 순서를 지정

 

메모리 레이어를 두 가지로 분리 운영

~/vault: 프로젝트 상태, 산출물, 도메인 지식 등 사실 정보 저장

~/.claude (CLAUDE.md, skills/, guides/): 선호도, 워크플로, 개인 취향 등 설정 저장

 

 

 

 

 

2. 취향을 설정으로 인코딩

~/.claude/CLAUDE.md 활용

모든 세션 시작 시 클로드가 읽는 행동 계약서 역할

 

 

디렉터리 별 스코프 구분

글로벌: 행동, 장기 목표, 학습 선호 등 모든 곳에 적용되는 설정

레포 루트: 린팅, 네이밍, PR 컨벤션 등 레포별 규칙

프로젝트 디렉터리: 디렉터리 구조, 도메인 지식 등 프로젝트 특화 컨텍스트

클로드 코드는 하위 디렉터리에서 시작하면 트리를 올라가며 각 CLAUDE.md를 로딩

 

 

CLAUDE.md가 길어질 때의 분리 전략

긴 CLAUDE.md는 매 세션마다 전체를 로딩하는 컨텍스트 세금이됨

@import 대신 CLAUDE.md에 "관련 시 읽기" 형태로 가이드 파일 경로만 명시하여 lazy loading 구현

 

 

주 1회 이상 반복 작업은 스킬로 전환

스킬 이름, 트리거, 절차를 담은 마크다운 워크플로 파일

/polish, /write, /daily, SKILL.md

 

 

스킬 부트스트래핑 방법

작업을 한 번 대화형으로 수행한 뒤, 모델에게 스킬로 만들어 달라고 요청

동일하거나 유사한 작업에 스킬을 실행하고, 출력 교정은 같은 세션 내에서 수행

모델에게 교정과 피드백을 바탕으로 스킬을 업데이트 하도록 요청

 

 

트랜스크립트를 통한 스킬 개선

첫 버전은 원본 세션에 과적합(overfit) 되는 것이 정상

SKILL.md를 직접 편집하지 말고, 세션 내에서 교정하여 before-and,after 쌍이 트랜스크립트에 축적 되도록함

출력이 만족스러우면 모델에게 피드백을 스킬에 병합하도록 요청 > 수 라운드 후 스킬이 수렴

 

 

모든 작업에 이 컨텍스트가 필요한 것은 아님

브레인스토밍, 탐색, 초안 작업에는 심플 모드 사용

 

 

 

 

 

3. 자율성을 위한 검증 

모델이 스스로 작업을  검증할 수 있도록 구성

브라우저 렌더링 출력이면 Claude in Chrome으로 검사

Docker 이미지 빌드 시 에러를 읽고 Dockerfile을 수정 후 재빌드

 

 

 

 

 

4. 위임을 통한 확장

점점 더 큰 작업 단위를 위임

짧은 작업과 빠른 피드백의 페어 프로그래밍 방식은 빠른 반복, 탐색적 분석, 프로토타이핑에 적합

더 강력한 모델에는 의도, 제약 조건, 성공 기준을 사전에 설명하고 모델이 end-to-end로 실행하도록 위임해야함

검증할 수 없는 것은 위임할 수 없으므로, 성공 기준과 메트릭 정의가 선행 필요

 

 

병렬 세션 운영과 병목 파악

큰 작업 위임으로 동시에 3~6개 세션 병렬 실행 가능

 

 

 

 

 

 

Reference

https://news.hada.io/topic?id=29606

AI와 함께 일하며 복리처럼 쌓아 성장하는 법 | GeekNews