Claude Code 마스터하기: 개념부터 프로덕션까지

그는 프로 요금제를 최적의 사용을 위한 필수 투자로 강조합니다.

약 17달러(USD)인 프로 요금제의 비용은 상당한 생산성 이점과 비교하면 적은 비용으로 제시되며, 닉 사라예프는 이를 월 10,000달러에서 15,000달러 규모로 추정합니다.

통화 변환은 실제 가격에 영향을 미칠 수 있으며, 17달러(USD) 프로 요금제는 캐나다 사용자에게 캐나다 통화로 약 28달러입니다.

이 플랫폼은 개발자 같은 기능으로 인해 “제2의 뇌”로 묘사되며, 사용자가 생활의 스트레스와 긴장을 완화하는 시스템을 구축할 수 있도록 합니다.

닉 사라예프는 터미널에서 Shift+Tab을 누르면 사용자가 다양한 실행 모드 사이를 탐색할 수 있다고 설명했습니다. 일부에서는 위험하다고 여기는 “권한 우회” 모드를 닉 사라예프는 지식 작업 및 지적으로 가치 있는 작업에 선호합니다.

Claude Code의 상태 표시줄은 토큰 판독값을 포함한 필수 정보를 제공하며, 사용자가 사용자 정의를 위해 조정할 수 있습니다. 또한 쿼리 기간 및 토큰 수도 표시하여 사용자가 리소스 사용량을 모니터링하는 데 도움을 줍니다.

토큰은 단어와 유사하지만 직접적인 일대일 변환은 아닙니다. 네 단어 구문은 여섯 또는 일곱 토큰에 해당할 수 있습니다. 또한 0에서 100퍼센트 범위의 컨텍스트 라인은 현재 채팅 창에서 사용 가능한 대화 기록을 나타냅니다.

Claude Code는 정보 밀도를 높이고 처리 창 내에서 토큰 사용량을 관리하기 위해 일반적으로 20,000토큰 또는 할당된 대화 스레드의 10퍼센트 정도로 정기적으로 대화 기록을 자동으로 압축합니다.

Visual Studio Code용 확장 프로그램으로 Claude Code를 설치할 때는 체크 표시로 식별되는 Anthropic에서 개발한 확장 프로그램만 다운로드하여 비공식 소스로부터의 잠재적 악성 소프트웨어를 피하는 것이 좋습니다.

터미널 인터페이스가 부담스러운 사용자를 위해 Saraev는 VS Code 채팅 인터페이스를 사용할 것을 제안합니다. 이 인터페이스 내에서 사용자는 생산성 요구 사항 및 자동 편집에 대한 편안함 수준에 따라 '편집 전 질문', '자동 편집', 또는 '권한 우회'를 포함한 권한 모드를 관리할 수 있습니다.

Google 제품이므로 기본적으로 Google Gemini 모델을 사용하지만, 기본 에이전트 아이콘을 바꾸는 등 수동으로 조정하여 Claude Code를 지원하도록 구성할 수 있습니다.

VS Code와의 주요 차이점은 우측 패널인데, Anti-Gravity는 Claude Code를 활성화하기 위한 해결책이 필요합니다. 플랫폼은 Gemini를 홍보하지만, 사용자는 개발 목적에 따라 선호하는 모델을 유연하게 활용할 수 있습니다.

첫 번째 주요 AI 디자인 워크플로는 Claude Code에 기존 디자인 스크린샷을 제공하는 것으로, AI가 지속적으로 결과물을 스크린샷하고 원본과 비교하며 디자인을 다듬어 최대 99%의 시각적 일치를 달성하는 반복적인 프로세스를 가능하게 합니다.

두 번째 방법은 대규모 음성 기록 덤프를 활용하여 사용자가 원하는 웹사이트 콘텐츠와 개념을 빠르게 받아쓰기할 수 있도록 합니다. 이 접근 방식은 음성 텍스트에서 의미를 빠르게 추출하는 AI의 능력을 활용하여 타이핑에 비해 초기 초안 작성 단계를 크게 가속화하며, 속도를 2.5배에서 3배 향상시킵니다.

세 번째 디자인 패턴은 21st.dev와 같은 구성 요소 라이브러리를 사용하는 것으로, 사전 디자인된 UI 요소를 프롬프트로 복사할 수 있습니다. 그런 다음 사용자는 이 프롬프트를 Claude Code에 붙여넣어 웹사이트에서 특정 기능과 미학을 재현할 수 있습니다.

발표자는 텍스트 크기, 색상, 버튼 모양과 같은 디자인 기본 요소가 영감 웹사이트에서 정확하게 복제되도록 디자인 일관성을 유지하는 데 스크린샷 루프 방법의 가치를 강조합니다.

AI 분석을 위한 전체 페이지 시각 자료를 캡처하려면 Chrome 또는 VS Code 검사 모드를 통해 전체 웹페이지를 렌더링할 수 있으며, 토큰 사용량을 최적화하기 위해 5MB 미만으로 유지해야 합니다. 이를 통해 데스크톱 와이드스크린 화면 비율에 따라 일반적으로 1920x1080 픽셀로 전체 페이지 너비로 크기를 설정할 수 있습니다.

크기를 조정한 후 Command+Shift+P(Windows에서는 Control+Shift+P)를 길게 누르면 명령 모음이 열리고, 여기에 “screenshot”을 입력하고 “capture full size screenshot”을 선택하면 전체 웹페이지를 스크롤하며 캡처합니다.

이러한 전체 크기 스크린샷은 종종 크기가 크므로, AI 토큰 한도를 과도하게 소비하거나 잠재적인 API 제한을 피하기 위해 5MB(메가바이트) 미만으로 크기를 조정해야 합니다. iloveimage.com의 resizePNG와 같은 도구를 사용하여 파일 크기를 줄일 수 있습니다.

크기가 조정되면 스크린샷을 시각적 참조로 Claude Code에 공급할 수 있습니다. 또한 웹사이트의 body 태그에서 CSS 스타일을 복사하여 컨텍스트로 붙여넣으면 AI가 버튼 색상 및 배경 그라데이션과 같은 특정 디자인 요소를 복제하는 데 도움이 되어 원본 디자인을 충실히 재현할 수 있습니다.

닉 사라예프는 godly.website 또는 Dribbble과 같은 소스에서 템플릿을 활용하고 테스트 검증 루프를 유지함으로써 여러 디자인을 동시에 구축하는 것이 가능하다고 덧붙였습니다. 이 접근 방식은 에이전트에게 Claude.md 구성 내에서 여러 버전을 개발하도록 지시함으로써 설계 프로세스에 통합될 수 있습니다.

이 다중 탭 워크플로는 Claude Code 내의 “테스트 검증 루프”를 활용하여 AI가 여러 웹사이트 옵션을 반복적으로 개선하고 제시할 수 있도록 합니다. Saraev는 이 방법을 사용할 수 있지만, 여러 동시 작업을 관리할 때 컨텍스트 전환이 발생하는 경향이 있다고 언급합니다.

동시 에이전트 작업을 관리하기 위해 닉 사라예프는 작업 완료 시 경고하는 맞춤형 차임을 구현했습니다. 그 중 하나는 작은 후크입니다. 계속 울리는 차임입니다. 이 정보를 통해 기본적으로 다른 창에 대해 다른 차임을 설정할 수 있습니다.

이를 통해 사용자는 특정 창에서 에이전트가 완료되었을 때를 알 수 있으며, 이 시점에서 추가 지침을 제공하거나 결과를 검토할 수 있습니다. 그가 언급했듯이, 이는 다양한 작업의 상태를 기억하는 학습된 기술입니다.

에이전트, 스킬, 규칙에 대한 하위 폴더는 복잡한 빌드를 관리하기 위해 숨겨진 .claude 디렉터리 내에서 프로젝트 지침을 모듈화합니다. 이 디렉터리는 이름 앞에 마침표가 있을 때 파일 탐색기에 일반적으로 표시되지 않으며, 이는 조직을 어지럽히지 않는 폴더를 구축하기 위한 규칙입니다.

완전히 로드된 `.claude` 폴더는 여러 파일과 하위 폴더를 포함할 수 있습니다. `.claude` 폴더 내에 팀 권한 및 후크를 위한 `settings.json` 파일을 추가할 수 있습니다. `settings.local.json` 또는 `Claude.local.md`와 같이 파일 이름에 `.local`을 포함하는 규칙은 파일을 컴퓨터에 로컬로 유지하고 토큰 및 인증 키와 같은 민감한 데이터에 중요하므로 GitHub와 같은 온라인 저장소로 푸시되지 않도록 합니다.

`.claude` 디렉터리에는 `agents`, `skills`, `rules`에 대한 하위 폴더도 포함되어 있습니다. 이 구조는 프로젝트 지침을 모듈화할 수 있도록 합니다. 예를 들어 `rules` 하위 폴더는 큰 `Claude.md` 파일을 빌드의 다른 부분에 해당하는 상위 수준 규칙으로 분할할 수 있도록 하며, 코드 스타일, 테스트, 보안, React를 포함한 프론트엔드 개발 및 CSS 스타일에 대한 특정 규칙을 포함합니다. 여기에는 코드 구성 방법, 코드베이스 보안 방법 또는 Tailwind CSS 스타일과 같은 서식 지침 정의에 대한 설명이 포함될 수 있습니다.

Claude Code는 Claude.md 구성 파일에 대해 다단계 구조를 사용합니다. 이러한 계층은 서로 다른 위치에 존재하며 함께 병합되며, 모든 작업 공간에서 에이전트가 읽고 이해하는 상위 수준 규칙을 포함합니다.

첫 번째 계층은 사용자 홈 폴더 내의 .claude 디렉터리(~/.claude/Claude.md)에 있는 개인 전역 구성으로, 모든 작업 공간에 적용됩니다.

두 번째 계층은 현재 작업 공간 내의 .claude 폴더(./.claude/Claude.md)에 있는 프로젝트별 또는 작업 공간별 구성입니다. 이 설정은 개별 작업 공간에 특화되어 있습니다.

세 번째 엔터프라이즈 수준 옵션은 주로 엔터프라이즈 라이선스를 가진 조직을 위한 관리되는 시스템 전체 구성에 존재합니다. 대부분의 사용자에게 엔터프라이즈 라이선스가 없을 것이지만, 다른 계층과 유사하게 작동하며 또 다른 수준의 계층적 제어를 제공합니다.

AI 모델은 인간과 마찬가지로 초두 효과 편향을 나타내는데, 이는 컨텍스트 창의 시작 부분에 제시된 정보를 더 효과적으로 기억하는 경향이 있음을 의미합니다.

반대로, 덜하지만 여전히 존재하는 최신성 편향은 컨텍스트 창의 끝 부분에 있는 정보가 중간에 있는 정보보다 더 잘 기억된다는 것을 의미합니다.

닉 사라예프는 이 인지 편향을 활용하기 위해 중요한 가드레일과 중요한 지침을 `Claude.md` 구성 파일의 맨 위에 배치하는 것의 중요성을 강조합니다.

구성은 살아있는 코드처럼 취급되어야 하며, 불필요한 지시가 쌓이는 것을 방지하기 위해 정기적인 검토 및 가지치기를 통해 오래된 지침을 제거하고 최적의 성능을 유지해야 합니다.

하위 에이전트는 자체의 깨끗하고 별도의 컨텍스트 창을 사용하여 작동함으로써 중요한 이점을 제공하며, 기본 상위 에이전트의 컨텍스트가 광범위한 연구 데이터로 오염되는 것을 방지합니다.

이 모듈식 접근 방식은 Sonnet 또는 Haiku와 같은 저렴한 모델을 사용하여 컨텍스트가 많은 연구 작업을 처리하고 전체 비용을 절감할 수 있도록 합니다.

연구 하위 에이전트는 50,000에서 100,000토큰을 잠재적으로 사용하여 대량의 정보를 처리하지만, 간결한 요약만 상위 에이전트에게 전송합니다.

이 방법은 상당한 비용 절감으로 이어질 수 있으며, 상위 에이전트로의 토큰 전송은 2,000토큰만큼 낮을 수 있습니다.

전반적으로 연구에 하위 에이전트를 사용하는 것은 상위 에이전트 내에서 직접 광범위한 연구를 수행하는 것에 비해 프로세스를 최대 50배 저렴하게 만들 수 있습니다.

Claude Code는 파일 수정 및 도구 사용을 에이전트가 처리하는 방식을 제어하는 몇 가지 권한 모드를 제공합니다: 편집 전 질문, 자동 편집, 계획 모드 및 권한 우회.

권한 우회 모드는 고급 사용자들 사이에서 인기가 있지만, 우발적인 파일 삭제 가능성을 포함하여 상당한 위험을 수반합니다.

일부 모드의 자동 저장 및 파일 생성 기능은 에이전트가 수많은 파일을 생성함에 따라 작업 공간 비대화를 초래할 수 있습니다.

이러한 문제를 완화하기 위해 Nick은 사용자에게 AI 에이전트가 생성한 사용되지 않거나 불필요한 파일을 주기적으로 검토하고 정리하도록 조언합니다.

Claude Code의 계획 모드는 읽기 전용 탐색 도구로 작동하여 AI가 빌드 작업을 실행하기 전에 연구하고, 첫 번째 원칙에서 추론하며, 정보를 상세한 계획으로 정리할 수 있도록 합니다.

이 이론적인 계획 단계는 잠재적인 문제를 조기에 식별하는 데 유용하여 빌드 단계에서 시행착오와 관련된 시간 및 에너지 비용을 피하는 데 도움이 됩니다.

계획 없는 전통적인 빌드 프로세스는 빌드에 15분, 테스트에 5분, 문제가 발생하면 재빌드에 또 15분이 소요되어 총 35분과 상당한 토큰 사용량이 발생할 수 있습니다.

대조적으로, 계획 모드를 활용하면 총 개발 시간을 10-15분으로 단축할 수 있으며, 5분 계획 단계에서 불필요한 재빌드를 방지하여 1분의 계획이 10분의 빌드 시간을 절약한다는 원칙을 준수합니다.

Claude Code는 원시 음성 기록 입력을 구조화된 사양 문서로 포맷하여 프로젝트 사양을 정의합니다.

Claude Code는 이러한 원시적이고 자연어 입력을 구조화된 사양 문서로 포맷하여 아이디어를 실행 가능한 계획으로 전환하는 과정을 간소화합니다.

이 방법론은 복잡한 기술적 정의에 즉시 들어가는 대신 프로젝트의 범위와 원하는 기능을 평이한 언어로 명확하게 표현하는 것을 우선시합니다.

그런 다음 AI는 선호하는 프론트엔드 프레임워크 또는 데이터베이스 솔루션과 같은 프로젝트 세부 사항을 다듬기 위해 대화식으로 질문을 하여 개발을 시작하기 전에 포괄적이고 정확한 사양을 보장합니다.

Claude Code를 사용한 철저한 사전 계획은 개발 과정에서 AI가 여러 접근 방식을 탐색하는 경향을 크게 줄입니다.

이 계획 단계는 AI에게 비즈니스의 SOP와 같은 명확하고 참조 가능한 문서를 제공하여 AI의 행동을 안내하고 첫 시도에서 원하는 결과를 얻을 가능성을 높입니다.

상세한 사양을 통해 Claude Code는 수많은 중복 코드 반복을 생성하고 테스트하는 것을 피함으로써 토큰 효율성을 향상시키고 전체 운영 비용을 줄입니다.

계획 프로세스는 초기 계획 후 풀스택 애플리케이션을 구축함으로써 입증된 바와 같이 AI의 문제 해결 궤적을 최적화하는 데 도움이 됩니다.

킥오프 콜 예약 워크플로우는 이메일 기반 프로세스 대신 직접 캘린더 링크를 사용하도록 업데이트되었습니다.

이 변경은 초기 프로젝트 논의를 위한 일정 잡기 프로세스를 간소화하는 것을 목표로 합니다.

발표자는 사용자에게 더 빠르고 쉬운 방법이기 때문에 이 방법을 선택했습니다.

직접 캘린더 링크는 이메일 알림과 관련된 단계를 제거하여 더 효율적인 대안이 되도록 의도되었습니다.

닉 사라예프는 철저한 보안 점검 없이 완전히 AI가 생성한 애플리케이션(종종 “바이브 코드” 앱이라고 불림)을 공용 인터넷에 직접 배포하는 것에 대해 강력한 경고를 보냅니다.

그는 AI 생성 코드가 고급 기능에도 불구하고 현재 모든 보안 취약점에 대해 100% 패치를 보장하지 않아 애플리케이션이 다양한 익스플로잇에 취약하다고 설명합니다.

위험에는 프롬프트 주입 공격 및 잠재적인 데이터 유출이 포함되며, 이는 민감한 사용자 자격 증명, 결제 기록 및 기타 개인 정보를 악의적인 행위자에게 노출시킬 수 있습니다.

결제 또는 중요한 사용자 데이터를 처리하는 애플리케이션의 경우, 애플리케이션의 무결성을 보장하고 사용자 개인 정보를 보호하기 위해 전문가에게 몇백 달러를 지불하더라도 전문 보안 검토를 강력히 권장합니다.

가능한 한 정보 밀도가 높은 방식으로 말하는 것은 효율성을 높이는 전략입니다. 사용자는 음성 기록을 가져와 요약을 위해 저렴한 모델에 입력한 다음 압축된 요청을 초기 Claude 에이전트에 보내 토큰 사용량을 더욱 최적화할 수 있습니다.

AI 모델의 생각 시간은 별도로 청구되므로, 기록에 모든 토큰 계산 또는 관리에서 완전히 제외된다는 명시적인 확인은 없지만 주목해야 할 사항입니다.

/compact 명령과 같은 Claude Code 기능은 컨텍스트 창 공간을 절약하기 위해 대화 기록을 요약하여 토큰 소비를 관리하는 데 도움이 됩니다.

토큰 사용량을 관리하고 컨텍스트 부패를 최소화하기 위한 가장 중요한 권장 사항은 /cost 명령을 사용하여 현재 토큰 사용량을 확인하여 연락처를 사전에 관리하는 것입니다.

RAG(Retrieval Augmented Generation)와 Claude.md 지침을 지속적으로 압축하는 등의 전략은 컨텍스트를 최적화하기 위한 권장 방법입니다.

사용자는 Claude Code의 터미널 버전에서 상태 표시줄을 구성하여 정보를 표시할 수 있지만, 이 기능은 현재 GUI 버전에서는 사용할 수 없습니다.

/clear를 사용하여 불필요한 컨텍스트를 피하고 새로운 대화를 시작하며, Sonnet과 같은 작은 모델을 선택하여 무거운 작업 중에 토큰 비용을 관리하는 데 도움을 줄 수 있습니다.

닉 사라예프는 Claude Code의 '기술'을 지식 작업을 위한 자동화된 체크리스트로 기능하는 가장 경제적으로 가치 있는 애플리케이션 중 하나로 설명합니다.

데모는 잠재 고객을 스크랩하고 확인하고, LLM으로 분류하고, 이메일을 풍부하게 하며, Google Sheet에 저장하는 기술을 보여주었으며, 약 1,000명의 잠재 고객에 대한 프로세스를 87초 만에 완료했습니다.

기술은 마크다운 오케스트레이터와 실행 가능한 스크립트를 사용하여 구조화되어 이전에 수동으로 수행되던 반복 작업을 자동화할 수 있습니다.

이 접근 방식은 병렬 작업을 허용하고 워크플로를 처리하는 모델의 능력을 활용하여 시간을 단축하고 프로세스를 더 효율적으로 만듭니다.

Claude는 하위 작업의 단계별 실행 중에 실시간으로 문제를 해결하기 위해 고유한 지능을 활용하며, 이는 관리자가 초급 직원에게 체크리스트를 따르도록 하는 것과 유사합니다.

시스템은 오류를 수정한 후 기본 스킬을 업데이트하여 향후 인스턴스 또는 다른 세션에서 동일한 문제가 발생하지 않도록 할 수 있습니다.

이 메커니즘은 Claude가 Bash 또는 웹 검색과 같은 도구를 사용하는 방식과 유사하게 사전 정의된 스크립트를 사용하도록 허용하여 일관된 실행을 보장합니다.

문헌 연구 기술은 Claude가 PubMed와 같은 데이터베이스를 쿼리하고 성공할 때까지 쿼리를 재시도하는 능력을 보여주었으며, 완벽하지 않은 프로세스에 대한 오케스트레이션 기능을 강조했습니다.

스킬을 하위 에이전트로 변환함으로써 여러 인스턴스를 동시에 실행하여 처리량을 늘리고 병렬 처리를 가능하게 할 수 있습니다.

데모에서는 10개의 인스턴스를 동시에 가동하면 30초마다 10개의 웹사이트를 생성할 수 있으며, 잠재적으로 약 8시간 만에 10,000명의 리드를 관리할 수 있음을 시사했습니다.

이 전략은 스크래퍼, 생성기 및 자동화된 워크플로를 응집력 있는 시스템으로 통합합니다.

이 접근 방식은 AI의 유연한 지능과 Python 스크립트의 절차적 엄격함을 결합하여 일관된 실행을 보장하면서 오류 처리에 대한 유연성을 제공합니다.

도구 호출 인터페이스는 녹색 원으로 활성 MCP 작업을 시각적으로 나타내며, 각 원은 특정 MCP 이름과 호출되는 도구를 나타냅니다.

이 시각화는 AI 에이전트가 스크린샷 찍기, 텍스트 추출, 요약 생성과 같은 다양한 도구와 상호 작용하는 방식에 대한 작업 흐름을 사용자가 이해하는 데 도움이 됩니다.

Chrome DevTools MCP와 같은 MCP는 품질과 속도 면에서 강조됩니다.

그러나 MCP는 상당한 수의 토큰을 소비할 수 있습니다. 예를 들어, ClickUp 검색 도구는 1,600토큰을 사용하며, 전체 MCP 도구는 프롬프트가 입력되기 전에도 거의 20,000토큰을 차지할 수 있습니다.

2.5배 빠른 실행을 위한 빠른 모드로 가속화된 이 프로세스를 통해 Claude는 이메일을 읽고 분류하여 받은 편지함 내에 조직화된 구조를 만들 수 있습니다.

이 자동화는 이메일 관리자의 역할을 완전히 대체하기보다는 훨씬 쉽게 만드는 것을 목표로 합니다.

이러한 라벨을 설정함으로써 Claude는 대량의 이메일을 효율적으로 처리할 수 있습니다. 100개의 이메일에 라벨을 지정하는 작업은 36초가 걸렸습니다.

프론트엔드 디자인 품질을 개선하는 Anthropic의 'Aesthetics'와 API 문서를 검색하는 'Context 7'과 같은 플러그인이 예시로 언급되었습니다.

작성자는 플러그인이 언젠가는 더 이상 사용되지 않고 '기술'에 흡수될 수 있다고 언급했습니다.

플러그인 설치 과정은 간단하지만, 에이전트 팀과 같은 작업의 경우 단일 Claude 스레드의 토큰 사용량보다 7배를 소비할 수 있습니다.

연구 하위 에이전트는 특정 소스를 신뢰하고 API 문서를 우선시하도록 맞춤 설정할 수 있어 맞춤형 정보 검색이 가능합니다.

이러한 하위 에이전트는 여러 HTTP 요청 및 검색 쿼리의 병렬 실행을 가능하게 합니다.

Opus 대신 Sonnet과 같은 저렴한 모델을 활용하면 연구 작업의 비용 효율성이 향상됩니다.

이 접근 방식은 일반적인 Google 요청보다 일반적인 연구 행동을 더 효과적으로 모방하여 특정 컨텍스트와 소스를 고려하여 더 목표 지향적인 결과를 제공합니다.

이 기능의 실험적 특성으로 인해 기능과 기본 설정은 시간이 지남에 따라 변경될 수 있습니다.

각 팀원이 자체 컨텍스트 창이 있는 별도의 Claude 인스턴스로 작동하므로, 에이전트 팀을 신중하게 관리하지 않으면 하루에 10,000달러에 달하는 상당한 비용이 발생할 수 있으므로 사용자에게 주의를 당부합니다.

이 에이전트는 분리된 소스에서 복잡한 데이터를 합성하여 Justin Welsh 및 Sahil Bloom과 같은 저명한 인물로부터 추출된 원칙과 영감을 기반으로 디자인 변형을 빠르게 생성할 수 있도록 합니다.

이러한 연구 에이전트에 대해 50,000-58,000 토큰 정도의 토큰 사용량으로 더 저렴한 모델을 사용하면 초기 연구에 더 비싼 모델을 사용하는 것에 비해 비용을 크게 절감할 수 있습니다.

이 프로세스는 Z-패턴 레이아웃, F-패턴 레이아웃 및 색상 심리학을 다루는 상세한 디자인 원칙 문서와 같은 밀도 높은 연구 요약을 생성하며, 모델은 인간보다 훨씬 빠르게 처리하여 빠른 반복과 창의적인 조합을 가능하게 합니다.

예를 들어, 코드베이스를 처리하면 130만 개의 Sonnet 4.5 토큰이 축적될 수 있습니다.

대규모 작업은 상당한 비용을 초래할 수 있습니다. 발표자의 한 실험에서는 15분 에이전트 팀 인스턴스화에 80달러의 비용이 발생했습니다.

사용자는 토큰이 사용되면 환불되지 않음을 고지받습니다.

에이전트 팀은 그렇지 않으면 인간 팀에게 훨씬 더 오래 걸릴 연구를 자동화함으로써 재정적 비용을 시간 절약으로 전환할 수 있는 강력한 도구로 설명됩니다.

이 접근 방식은 여러 에이전트가 동일한 기본 파일을 수정할 때 발생하는 에이전트 충돌을 방지하여 에이전트가 서로의 변경 사항을 덮어쓰는 가능성을 제거함으로써 더 원활한 개발 프로세스를 보장합니다.

Saraev는 메인 저장소에서 'leftclick-agency-services', 'leftclick-agency-about', 'leftclick-agency-contact'의 세 가지 별도 워크트리를 생성하여 에이전트가 별도의 페이지에서 동시에 작업할 수 있도록 시연했습니다.

WorkTrees는 개발 중 충돌을 최소화하지만, 모든 개별 분기의 변경 사항을 메인 저장소로 통합하려면 최종 병합 단계가 필요합니다.

이 URL에 접속하면 사용자 친화적인 양식 인터페이스가 나타나 스크래핑 작업에 대한 기준을 입력하라는 메시지가 표시됩니다.

양식 제출 후 백엔드 스크랩 스크립트가 자동으로 실행되어 수집된 리드를 다운로드 가능한 CSV 파일로 사용자에게 직접 전달합니다.

이 변환은 복잡한 코딩 기능을 직관적이고 트리거 가능한 웹 도구로 효과적으로 전환하여 URL을 가진 누구나 액세스하고 활용할 수 있도록 하여 비즈니스 프로세스와 내부 도구를 간소화합니다.