Matt Pocock의 AI 스킬 모음집: Theo의 작업 환경에서 어떻게 활용될까

Matt Pocock이 개발자를 위한 AI 기술 모음집을 공개했습니다. Theo는 자신을 두 번째로 뛰어난 TypeScript 유튜버로 칭하며, Matt Pocock을 1위로 인정할 정도로 그의 영향력을 높이 평가했습니다. Matt Pocock은 단순히 개인적인 AI 사용법을 공유하는 것을 넘어, 실제 엔지니어를 위한 검증된 AI 기술을 선보였습니다.

Matt Pocock이 만든 것은 작고 간단한 마크다운 파일들의 모음으로, GitHub에서 20만 개 이상의 스타를 기록하며 전체 GitHub 프로젝트 중 가장 많은 스타를 받은 10대 프로젝트 중 하나가 되었습니다. 이는 그가 특별한 앱이나 복잡한 소프트웨어를 개발한 것이 아님에도 불구하고 엄청난 주목을 받았음을 의미합니다. 이러한 인기는 개발자들이 AI를 활용하는 방식에 대한 그의 통찰력과 가이드라인이 얼마나 큰 가치를 가지는지 보여줍니다.

Theo는 다른 사람의 AI 설정을 맹목적으로 복사하는 행위가 아무런 이득을 주지 않는다고 비판했습니다. 그는 이러한 도구들을 단순히 따라야 할 단계가 아니라, AI와 함께 코딩하는 자신만의 시스템을 구축할 때 고려해야 할 정보의 집합으로 취급해야 한다고 강조했습니다. 각자의 작업 환경과 요구사항에 맞춰 AI 도구를 이해하고 적용하는 것이 중요하다고 설명했습니다.

Theo는 자신의 작업 기록을 기반으로 Matt Pocock의 AI 스킬 중 어떤 것들이 자신의 작업에 잘 맞을지 파악하고자 했습니다. 그는 AI에게 자신의 주요 기기에서의 사용 기록을 감사하고, 이 사용 기록을 Matt Pocock의 스킬 목록과 비교하여 자신에게 필요한 스킬을 선별해달라고 요청했습니다. 이러한 접근 방식은 개인의 실제 작업 흐름에 최적화된 AI 기술을 찾기 위한 중요한 단계입니다.

Theo는 'unslop'이라는 특정 스킬에 대한 관심이 이번 심층 분석의 주요 동기가 되었다고 밝혔습니다. 그는 Lauren이 자신의 에이전트들이 작성한 결과물 중 일부 장점을 게시하는 것을 보고 'unslop' 스킬의 잠재력을 인식하게 되었다고 설명했습니다. 이는 단순히 AI 도구를 사용하는 것을 넘어, 특정 스킬이 실제 결과물의 품질에 미치는 영향을 직접 확인하고 싶었음을 의미합니다.

Theo는 AI 기술의 설명(Description)이 해당 스킬이 수행하는 모든 것을 정확하게 묘사하는 역할을 하는 것이 아니라고 강조했습니다. 그는 설명의 유일한 목적은 스킬이 필요한 시점에 적절히 트리거되도록 하는 것이라고 설명했습니다. 이는 AI가 스킬을 언제 사용해야 할지 판단하는 데 필요한 핵심 정보를 제공하는 데 초점을 맞춰야 함을 의미하며, 길고 상세한 설명보다는 간결하고 명확한 호출 조건이 중요하다고 덧붙였습니다.

Theo는 AI가 인간적인 글쓰기를 하도록 지시할 때 완벽함보다는 개성과 구체적인 표현이 중요하다고 강조했습니다. 그는 1인칭 시점이 비전문적이지 않으며, 다소의 혼란을 허용하여 기계적인 느낌을 피해야 한다고 설명했습니다. 완벽한 구조는 기계가 만든 것처럼 보일 수 있으므로, '이것은 우려되는 상황이다' 대신 '새벽 3시에 에이전트들이 계속 작업하는 것이 어딘가 불안하다'와 같이 구체적으로 서술하는 것이 더 인간적이라고 덧붙였습니다.

Theo는 AI 답변에 'unslop' 쓰기 스킬을 적용했을 때 답변이 더 직접적이고 스캔하기 쉬워졌다고 언급했습니다. 이 스킬을 적용하기 전에는 AI의 답변이 다소 길고 불분명했지만, 적용 후에는 매우 간단하고 읽기 쉬운 텍스트 덩어리를 생성했습니다. 이는 'unslop' 스킬이 AI의 결과물을 간결하고 핵심적인 정보 위주로 정리하여 사용자가 내용을 빠르게 파악할 수 있도록 돕는 역할을 함을 보여줍니다. 결과적으로 AI가 제공하는 정보의 실용성과 접근성이 크게 향상되었습니다.

Theo는 AI 도구의 가장 강력한 가치 제안이 단순히 더 멋진 창에서 AI와 채팅하는 것이 아니라고 강조했습니다. 그는 여러 터미널 탭을 오갈 필요 없이 여러 자율적인 개발 에이전트를 운영하는 것이 핵심이라고 설명했습니다. 이를 통해 원격 에이전트의 활용이 실질적으로 가능해지며, 개발자들이 복잡한 환경 관리 대신 실제 작업에 집중할 수 있게 된다고 덧붙였습니다.

Theo는 특정 AI 스킬의 작동 방식이 궁금할 때, 가장 쉬운 방법은 스킬을 설치하고 최선을 바라는 것이 아니라고 설명했습니다. 그는 스킬을 실제로 설치하지 않고도 그 행동을 파악할 수 있는 간단한 방법이 있다고 밝혔습니다. 일반적으로 스킬 코드를 복사해서 붙여넣는 것만으로도 원하는 테스트를 진행할 수 있다고 덧붙였습니다. 이는 개발자들이 새로운 스킬을 탐색하고 실험하는 데 드는 시간과 노력을 크게 줄여줍니다. 이러한 방법은 특정 스킬이 자신의 작업 흐름에 적합한지 빠르게 검증하는 데 유용합니다.

Theo는 'Grill' 스킬을 통해 자신의 프로젝트인 Cloud MD의 문제점을 식별하는 과정을 설명했습니다. AI는 Cloud MD가 심하게 노후화되었고, 저장소에 자체 vzero 규칙이 있으며, 두 가지 경쟁적인 실행 모델이 존재한다는 점을 지적했습니다. 또한, "사용자는 누구이며 누가 비용을 지불하는가?"와 같은 핵심적인 질문을 던지며 프로젝트의 근본적인 문제점을 파악하는 데 도움을 주었습니다. 이는 AI가 단순히 정보를 제공하는 것을 넘어, 비판적인 시각으로 프로젝트를 분석하고 개선 방향을 제시할 수 있음을 보여줍니다.

Theo는 고성능 AI 모델이 복잡한 작업을 수행할 때 서브 에이전트를 활용하는 방식에 대해 설명했습니다. 예를 들어, 'Hi' 모델은 백그라운드에서 여러 서브 에이전트를 가동하여 더 많은 데이터를 수집하고 향후 질문에 대비하는 추가적인 탐색 작업을 수행했습니다. 이는 AI가 단일 에이전트로는 처리하기 어려운 복잡한 문제들을 여러 개의 작은 에이전트로 분할하여 효율적으로 해결할 수 있음을 보여줍니다.

Theo는 'wizard' 스킬이 성공적으로 설정되었음을 확인하고 그 동작을 검토했습니다. 이전 보고서에서 'wizard' 스킬은 7위를 기록했지만, Theo가 선택한 7가지 스킬 중에는 포함되지 않아 설치되지 않은 상태였습니다. 그러나 이제 'wizard' 스킬이 설치되었으며, 질문에 직접적인 답변을 제공하는 것을 확인했습니다. 이는 'wizard' 스킬이 사용자의 요청을 직접 처리하고 필요한 작업을 수행하는 데 활용될 수 있음을 의미합니다.

Theo는 T3 코드에서 스킬 매니저 기능 개발에 대한 아이디어를 공유했습니다. 그는 여러 컴퓨터에서 스킬을 쉽게 관리할 수 있는 크로스 컴퓨터 스킬 매니저 페이지를 구상 중이라고 밝혔습니다. 궁극적으로 그는 스킬을 그룹별로 일괄 비활성화할 수 있는 기능을 원한다고 언급했습니다. 이는 여러 개발 환경에서 AI 스킬을 효율적으로 통합하고 제어하려는 필요성에서 비롯된 것으로, 개발자들이 스킬 관리의 복잡성을 줄이는 데 큰 도움이 될 것입니다.

Theo는 'Arena' 스킬의 병렬 작업 방식이 매우 흥미롭다고 언급했습니다. 이 스킬은 동일한 작업을 여러 병렬 시도로 분산하여 수행합니다. 모든 후보 결과물을 처음부터 끝까지 읽고, 가장 강력한 결과물을 기본으로 선택합니다. 그런 다음 다른 결과물에서 얻은 최상의 아이디어를 그래프 형태로 통합하고, 최종적으로 합성된 결과물을 검증합니다. 이 방식은 단일 시도에 의존하는 대신, 여러 가능성을 동시에 탐색하여 최적의 솔루션을 찾아내는 데 효율적입니다.

Theo는 'Show me your work' 스킬이 매우 유용하다고 언급하며, 에이전트가 어떤 작업을 수행했는지 이해하고 싶을 때 유용하다고 설명했습니다. 이 스킬은 장시간 실행되거나 무인 작업에 대한 검토 가능한 결정 경로를 유지하여, AI의 행동을 추적하고 이해하는 데 도움을 줍니다. 이는 AI의 투명성을 높이고, 개발자가 에이전트의 의사결정 과정을 검토하여 필요에 따라 개입하거나 학습시키는 데 중요한 역할을 합니다.

Theo는 많은 사람들이 클로드 파일이나 에이전트 디렉토리를 여는 것을 두려워한다는 점을 지적하며, 이러한 두려움을 극복해야 한다고 강조했습니다. 그는 이러한 파일을 직접 수정하고 탐색하는 순간부터 많은 흥미로운 일들을 할 수 있다고 설명했습니다. AI 도구의 설정을 직접 조정하고 실험하는 것이 진정한 최적화와 개인화의 시작이며, 이를 통해 개발자는 자신의 필요에 맞춰 AI를 최대한 활용할 수 있다고 덧붙였습니다.