Clip 2: 바이브코딩 팁을 자동화시키기 - 발표 스크립트

오프닝 (30초)

안녕하세요! 이번 클립에서는 바이브코딩의 효과를 극대화하는 실전 팁을 알아보겠습니다.

Y Combinator의 Startup School에서 공유한 베스트 프랙티스와 현업 개발자들의 경험을 바탕으로, 여러분이 바로 적용할 수 있는 구체적인 전략들을 소개하겠습니다.

---

Section 1: 새 프로젝트 vs 기존 코드베이스 (2분)

핵심 포인트

"바이브코딩은 새로운 프로젝트에서 훨씬 효과적입니다."

왜 그럴까요?

기존 코드베이스에는 세 가지 문제가 있습니다:

1. 암묵적 맥락 - 사람만 아는 비즈니스 로직
2. 문서화 부족 - 주석과 설명 없는 코드
3. 혼재된 인프라 - IaC와 GUI 설정이 섞여있음

실제 사례를 보시죠. 한 개발자가 AWS 리소스를 전부 IaC로 전환하는 작업을 했는데요, 놀랍게도 고민한 시간보다 구현 시간이 더 짧았다고 합니다.

기존 코드베이스 적용 전략

그렇다면 기존 프로젝트에는 어떻게 적용해야 할까요?

첫 번째, 하루치 토큰을 문서화에 투자하세요.

• 코드만 보고 문서화하지 말고
• 인간이 알고 있는 비즈니스 로직도 모두 문서화
• 주석을 빠짐없이 추가

두 번째, Leaf Nodes부터 시작하세요.

• 의존성이 적은 부분부터 시작
• 유틸리티 함수, 헬퍼 메서드 같은 말단 기능
• 코어 아키텍처는 나중에!

왜냐하면 코어 아키텍처를 건드리면 전체 시스템이 영향을 받기 때문입니다. 검증되지 않은 AI 코드를 무검토로 적용하는 건 너무 위험합니다.

---

Section 2: Git을 종교처럼 사용하기 (2분)

핵심 메시지

"Git reset --hard를 두려워하지 마세요"

Y Combinator 파트너 Tom의 조언입니다.

워크플로우는 이렇습니다:

1. 기능 구현 전: 깨끗한 Git 상태 확인
2. 커밋: 작동하는 상태 저장
3. 문제 발생 시: git reset --hard로 되돌리기
4. 해결책 발견 시: 다시 리셋하고 깨끗한 코드에 적용

왜 이렇게 해야 할까요?

LLM이 여러 번 시도하면서 "크러스트(crust)" 레이어가 쌓입니다. 4-6번의 프롬프트 끝에 해결책을 찾아도, 코드는 지저분해요.

더 나은 방법은:

• 해결책만 가져오기
• 깨끗한 코드베이스에 한 번에 적용
• 깔끔한 구현 완성

---

Section 3: 테스트 전략 (2분)

고수준 통합 테스트

"저수준 단위 테스트는 LLM의 기본 설정입니다. 우리는 다르게 접근해야 합니다."

나쁜 예:

def test_calculate_discount():
    assert calculate_discount(100, 0.1) == 90

이런 테스트는 내부 구현을 테스트합니다.

좋은 예:

def test_user_purchase_flow():
    # 1. 사용자 로그인
    # 2. 장바구니 추가
    # 3. 결제 진행
    # 4. 주문 확인

실제 사용자가 클릭하는 전체 흐름을 테스트하세요. 이렇게 하면 LLM이 불필요한 변경을 했을 때 바로 잡아낼 수 있습니다.

---

Section 4: Bash의 힘 (1.5분)

자동화의 마법

"Claude Code는 Bash를 기가막히게 사용합니다"

실제 예시를 볼까요?

DNS 설정:

User: "Cloudflare DNS에 A 레코드 추가해줘"

Claude Code가 자동으로:
- API 인증
- 레코드 조회
- 추가 API 호출
- 변경 확인

Heroku 배포:

User: "Heroku에 배포하고 환경 변수 설정해줘"

Claude Code가:
- heroku create
- git remote 추가
- 환경 변수 설정
- 배포 및 로그 확인

이게 바로 LLM provider들이 CLI를 만드는 이유입니다. Bash는 미래입니다.

---

Section 5: 생산성 도구들 (2분)

음성 입력

타이핑: 60단어/분음성 입력: 140단어/분

Aqua 같은 도구를 사용하면 생산성이 2배가 됩니다. 게다가 문법 오류도 LLM이 알아서 이해합니다.

스크린샷

UI 버그를 보여주거나 다른 사이트 디자인을 참고할 때 스크린샷을 붙여넣으세요. 천 마디 말보다 한 장의 이미지가 낫습니다.

Git Worktree로 병렬 작업

제가 사용하는 워크플로우를 소개합니다:

1. Linear issue 이름으로 worktree 생성
2. task.md 파일 자동 생성
3. Claude Code 세션 시작

이렇게 하면 여러 작업을 병렬로 돌릴 수 있어서 정말 편합니다.

---

Section 6: 기술 스택 선택 (1.5분)

성숙한 프레임워크가 유리

"Ruby on Rails는 20년 된 프레임워크입니다."

왜 중요할까요?

• 확립된 컨벤션: "Rails way"가 명확
• 풍부한 훈련 데이터: 비슷한 코드베이스가 많음
• AI 성능: LLM이 더 정확한 코드 생성

비교:

---

Section 7: 지속적 실험 (1.5분)

모델별 강점 활용

"매주 새로운 것을 시도하세요"

모델 선택 전략:

• 전체 계획: Gemini (코드베이스 인덱싱 우수)
• 코드 구현: Claude Sonnet 3.7 (정확도 최고)
• 디버깅: Claude Sonnet 3.7 (에러 분석 탁월)
• 리팩토링: GPT-4.1 또는 Claude

한 가지 모델에만 의존하지 마세요. 상황에 맞는 최적의 모델을 선택하세요.

---

클로징 (30초)

핵심 요약

오늘 배운 내용을 정리하면:

1. 새 프로젝트부터 시작하거나 하루 투자해서 문서화
2. Leaf Nodes (의존성 낮은 부분)부터 시작
3. Git을 종교처럼 사용하고 git reset --hard 두려워하지 말기
4. 고수준 통합 테스트 작성
5. Bash 자동화 적극 활용
6. 음성 입력으로 생산성 2배
7. 성숙한 프레임워크 선택
8. 지속적으로 실험하고 최적화

바이브코딩은 단순히 AI에게 코드를 시키는 게 아닙니다. 전문 소프트웨어 엔지니어가 사용하는 베스트 프랙티스를 AI와 함께 적용하는 것입니다.

여러분도 오늘 배운 팁들을 하나씩 적용해보세요. 감사합니다!

---

발표 팁

타이밍

• 총 소요 시간: 약 13-15분
• 각 섹션은 예시와 함께 설명
• 데모를 포함하면 20분 정도 소요

강조 포인트

1. 실전 사례 - Y Combinator, 현업 개발자 경험
2. 구체적인 명령어 - 복붙 가능한 코드 제공
3. 시각 자료 - 다이어그램, 전후 비교
4. 인터랙티브 - 질문 유도, 경험 공유

Q&A 예상 질문

1. "기존 프로젝트에 적용하는 게 정말 위험한가요?"
2. "Git reset --hard를 자주 사용해도 괜찮나요?"
3. "어떤 AI 모델을 주로 사용하시나요?"
4. "Leaf Nodes를 찾는 자동화 도구가 있나요?"

---

강사 정보

• 작성자: 정구봉
• LinkedIn: https://www.linkedin.com/in/gb-jeong/
• 이메일: bong@dio.so

강의 자료

• 강의 자료: https://goobong.gitbook.io/fastcampus
• Github: https://github.com/Koomook/fastcampus-ai-agent-vibecoding
• FastCampus 강의 주소: https://fastcampus.co.kr/biz_online_vibeagent