AI 기술로 Flutter 개발자 생산성 향상

AI 지원 코딩은 버그 수정과 같은 간단한 대화형 작업을 위한 기본 프롬프트로 시작하는 상호 작용 계층 구조를 기반으로 작동합니다. 그 위에는 AI가 지속적으로 참조하는 전역 프로젝트 지식을 담은 영구적인 마크다운 파일인 '규칙'이 있습니다. 가장 진보된 수준은 '기술'로, AI가 특정 작업에 상황적으로 관련될 때만 로드하는 모듈형 마크다운 파일입니다. 이는 모든 프로젝트 규칙을 지속적으로 로드하는 것에 비해 계산 오버헤드를 크게 줄입니다.

"따라서 프로젝트 규칙에 넣어둔 모든 규칙을 읽는 대신, 이 특정 작업과 관련된 기술만 로드하면 됩니다."

사용자 정의 AI 기술 개발의 주요 지표는 작업 반복입니다. 개발자가 코드 검토와 같이 동일한 작업을 반복적으로 수행하는 경우 자동화 기회가 있음을 나타냅니다. 이러한 반복적인 프로세스는 단계별 지침이나 템플릿으로 변환하기에 이상적인 후보입니다.

반대로 모바일 광고 설정과 같이 일회성이지만 복잡한 통합의 경우 기존 기술 템플릿을 사용하면 처음부터 시작하는 대신 미리 정의된 모범 사례를 활용하여 올바른 구현을 보장할 수 있습니다.

"기술 작성을 시작하는 주요 지표는 반복입니다. 코드 검토와 같이 무언가를 계속해서 반복할 때, 항상 동일한 반복적인 작업을 많이 하고 있다면, 이는 하나의 템플릿이나 단계별 지침으로 작성하기에 좋은 신호가 될 것입니다."

AI 기술에 자주 사용되는 마크다운 파일은 본질적으로 안전하지 않으며 프롬프트 주입 공격과 같은 심각한 위험을 초래할 수 있습니다. 이러한 악성 파일은 무해해 보이더라도 개발자 API 키와 같은 민감한 정보를 훔치거나 사용자 시스템에서 승인되지 않은 작업을 수행하려고 시도할 수 있습니다.

개발자는 인터넷에서 기술 파일을 다운로드할 때 주의를 기울여야 하며, 보안 취약점을 최소화하기 위해 공식 저장소나 신뢰할 수 있는 패키지 유지 관리자를 우선해야 합니다. 악의적인 의도를 숨기는 일반적인 방법 중 하나는 텍스트 내에 숨겨진 유니코드 지침을 삽입하여 파일이 합법적으로 보이면서도 몰래 유해한 명령을 숨기는 것입니다.

공식 AI 기술 저장소를 유지 관리하는 것은 까다롭고 지속적인 노력으로, 변경 사항 및 필요한 업데이트에 대한 빈번한 확인이 필요합니다. 프로젝트 생태계는 빠르게 발전하므로 기술의 효과성과 관련성을 보장하기 위해 정기적인 최적화가 필수적입니다.

"최소한 2주에 한 번씩은 뭔가 변경되었는지, 업데이트해야 할 것이 있는지, 최적화할 수 있는 것이 있는지 확인해야 합니다. 그래서 이것은 하나의 전체 작업입니다."

AI가 코드 생성을 돕는 도구 자체를 작성하는 데 점점 더 많이 사용됨에 따라 개발자의 역할은 전통적인 코더에서 AI 프로세스 관리자로 진화하고 있습니다. 이러한 변화를 통해 개발자는 반복적인 작업을 최대한 자동화하고 수동 코드 생산보다는 전략적 감독에 더 집중할 수 있습니다.

"가능한 한 많이 자동화하고 그 과정에서 카피라이터보다는 관리자처럼 행동하려고 노력합니다."

'Skill Creator' 도구는 상용구 파일, 스크립트 및 기타 기본 요소를 자동으로 생성하여 개발자가 수동으로 생성하는 수고를 덜어주는 데 매우 유용합니다. 이 도구를 통해 에이전트는 사용자에게 명확한 질문을 던지고 원하는 기술을 반복적으로 개선할 수 있습니다.

자동화는 매우 유용하지만, 생성된 결과물을 신중하게 검토하고 조정하는 인간의 감독을 유지하는 것이 중요합니다. 개발자는 자동화에 맹목적으로 의존하기보다는 기술이 특정 요구 사항과 표준을 충족하도록 반복적인 프로세스에 참여해야 합니다.

"skill creator를 사용하세요. 모든 것을 수동으로 작성할 필요는 없지만, 작성된 내용을 확인하고 조정해야 합니다. 일반적으로 에이전트가 만들고 싶은 기술에 대한 질문을 몇 가지 던질 것이고, 기술이 어떻게 보이기를 원하는지 반복적으로 조정할 수 있습니다. 그러니 그냥 자동화하지 마세요. 자동화하되 실제로 어느 정도 통제력을 가지세요."

Flutter 개발자가 워크플로우를 최적화하기 위해 다섯 가지 필수 AI 기술이 권장됩니다. 첫 번째는 새로운 기술에 대한 스크립트, 자산 및 참조를 처리하는 Skill Creator입니다. 두 번째는 코드 품질을 평가하고 향상된 검토 프로세스를 위해 PR 트리아지와 결합할 수 있는 코드 검토 기술입니다.

세 번째는 반복적인 기능 스캐폴딩 및 엔드포인트 통합을 표준화하는 데 사용되는 맞춤형 자동화입니다. 네 번째는 반응형 디자인을 보장하기 위해 임의의 컨테이너보다 행과 열의 적절한 사용을 강제하는 레이아웃 안내입니다. 마지막으로, 다섯 번째 기술은 포괄적인 테스트를 위해 웹 기반 스크린샷을 자동화하여 UI의 결함을 시각적으로 검사하는 시각적 QA입니다.

"개인적으로 추천하는 가장 중요한 5가지 기술은 첫 번째로 기술을 생성하는 스킬 크리에이터 기술입니다... 두 번째는 코드 검토 기술을 좋아합니다... 세 번째는 사용자 지정 기술이 될 것입니다... 네 번째는... 기본적인 플러터 레이아웃에 대한 기술일 것입니다... 다섯 번째는... 웹에서 앱을 실행하고 앱에서 실제 스크린샷을 기록하거나 캡처하는 사용자 지정 기술을 만들었습니다."

맞춤형 코드 검토 에이전트와 Kevin Moore의 PR Triage 에이전트를 페어링하는 것과 같은 다중 에이전트 접근 방식을 사용하면 코드 검토 품질을 크게 향상시킬 수 있습니다. 이러한 에이전트는 서로의 보고서를 교차 참조하여 정확도를 높이고 더 포괄적인 피드백을 제공할 수 있습니다.

AI 에이전트는 코드 품질 및 표준 준수 평가에 탁월하지만, 코드의 필요성을 결정하는 데는 종종 어려움을 겪습니다. 이러한 한계는 코드가 올바르게 작동할 뿐만 아니라 프로젝트 내에서 의미 있는 목적을 달성하는지 확인하기 위한 인간 감독의 지속적인 필요성을 강조합니다.

"제가 좋아하는 것은 실제로 Kevin Moore의 PR Triage 기술을 사용하여 두 개의 다른 에이전트에게 주는 것입니다. 하나는 코드 검토를 하고 다른 하나는 PR Triage를 합니다. 그런 다음 서로의 보고서를 확인하고 정말 좋은 결과를 얻습니다."

사용자 지정 기술은 반복적인 프로젝트 스캐폴딩, 특히 애플리케이션에 새로운 기능을 추가할 때 매우 효과적입니다. 기술 설명 내에 '우리 앱에 새 기능을 추가할 때 사용'과 같은 특정 트리거 문구를 삽입함으로써 개발자는 에이전트가 탐색, 스캐폴드 및 디자인 시스템 통합을 위한 미리 정의된 템플릿을 자동으로 적용하도록 할 수 있습니다.

이 접근 방식은 수동 마찰을 크게 줄여 개발자가 새로운 엔드포인트 설정과 같은 일반적인 작업을 표준화하고 간소화할 수 있도록 합니다. 에이전트는 트리거 문구를 인식하면 모든 관련 지침을 자동으로 로드하고 적용하여 개발 프로세스 전반에 걸쳐 일관성과 효율성을 보장합니다.

"여기서의 아이디어는 이것이 반복적인 작업이라는 것입니다... 새로운 기능이 생기면... 앱이 이미 사용하는 스캐폴드, 탐색, 디자인 시스템이 필요합니다... 저는 기술 설명에... '우리 앱에 새로운 기능을 추가할 때 사용'이라고 쓸 것입니다. 그리고 새로운 기능을 추가하라고 에이전트에게 요청할 때마다 에이전트는 '이 모든 것을 읽어야겠군'이라고 알게 될 것입니다."

AI 모델은 종종 빠른 결과를 제공하는 데 보상을 받기 때문에 과도한 패딩이 있는 컨테이너 조합과 같은 최적화되지 않은 레이아웃 구현을 자주 기본값으로 사용합니다. 이 접근 방식은 강력한 모델에서도 비효율적이고 반응성이 없는 디자인으로 이어질 수 있습니다.

이를 해결하기 위해 에이전트가 행, 열 및 유연/확장 위젯과 같은 적절한 Flutter 레이아웃 위젯을 사용하도록 가르치는 전용 레이아웃 기술이 중요합니다. 처음부터 올바른 레이아웃 관행을 강제함으로써 개발자는 디자인이 반응형이고 유지 관리가 용이하도록 보장하여 나중에 복잡한 리팩토링이 필요하지 않도록 할 수 있습니다.

"에이전트가 훈련되는 방식은 결과를 제공하는 것에 대해 보상을 받습니다. 그리고 저는 강력한 모델조차도 종종 이상한 컨테이너와 패딩 조합을 선호한다는 것을 알게 되었습니다... 에이전트가 해야 할 일은 단지 플렉서블, 익스팬드 등과 함께 행을 사용하는 것이었음에도 불구하고 말이죠."

AI 에이전트는 코드 검사 및 테스트 유효성 검사를 넘어 사용자 인터페이스(UI)의 결함을 시각적으로 검사하는 기능으로 확장할 수 있습니다. 이 시각적 QA 접근 방식은 골든 테스트를 혼란스럽게 할 수 있는 글꼴 로딩 문제와 같은 기존 방법에서 종종 발견되는 복잡성을 해결합니다.

실제 스크린샷 또는 애니메이션 WebP 파일을 활용하여 에이전트는 UI를 포괄적으로 캡처하고 분석할 수 있어 시각적 불일치를 감지하고 고품질 사용자 경험을 보장할 수 있습니다.

"다른 에이전트는 코드를 시각적으로 검사할 수 있을 뿐만 아니라, 테스트가 녹색인지 확인하는 것뿐만 아니라 UI의 모든 결함을 시각적으로 검사할 수 있습니다."

QA 프로세스에서 워크스루를 위해 스크린샷을 활용하면 iPhone 시뮬레이터와 같은 시뮬레이터에서 애플리케이션이 로드될 때까지 기다릴 필요가 없으므로 효율성이 크게 향상됩니다. 이 방법을 통해 테스터는 라이브 애플리케이션 테스트와 관련된 지연 없이 시각적 자산을 정적 이미지로 빠르게 검토하여 즉시 결함을 식별할 수 있습니다.

"iPhone 시뮬레이터에서 앱이 로드될 때까지 기다릴 필요가 없습니다. 워크스루에서 스크린샷을 사용하고 모든 것을 이미지로 보면서 즉시 결함을 잡을 수 있습니다."

생산성을 극대화하기 위해 Claude, Codex, Antigravity와 같은 서로 다른 AI 에이전트를 실행하는 세 대의 병렬 머신을 포함하는 워크플로우가 사용됩니다. 이러한 에이전트는 서로 작업을 넘겨주도록 설계되어 지속적이고 효율적인 개발 주기를 만듭니다.

이 병렬 처리는 API 토큰이 소진될 때까지 계속되어 작업이 중단 없이 진행되고 각 전문 에이전트의 강점을 활용할 수 있도록 합니다.

"저는 세 대의 병렬 머신에서 작업합니다. 하나는 Claude를 실행하고, 다른 하나는 Codex를 실행하며, 또 다른 하나는 Antigravity를 실행합니다. 그리고 이들은 서로에게 작업을 넘겨줍니다."

정규 업무 외에도 AI 워크플로우는 개인 사이드 프로젝트로 확장되며, 전담 에이전트 팀이 새로운 애플리케이션 구축을 지원합니다. 이 접근 방식을 통해 개발자는 향상된 효율성으로 기업가적 시도를 추구하고 RevenueCat Ship-a-thon과 같은 해커톤에 참여할 수 있습니다.

"그래서 제 주요 업무, 즉 정규 업무 후에 저녁과 주말에는 앱을 구축하는 데 도움을 줄 에이전트 팀을 운영합니다."

기계 학습 및 데이터 엔지니어링 배경을 가진 연사는 많은 사람들 사이에서 흔한 회의론을 피하면서 AI의 변혁적 힘을 꾸준히 믿어왔습니다. 이러한 초기 확신은 Midjourney와 같은 초기 생성 AI의 기능에 대한 매혹으로 인해 더욱 커졌습니다.

AI를 근본적으로 순수 수학 및 확률로 보면서 연사는 애호가에서 파워 유저로 발전하여 AI를 일상적인 개발 워크플로우에 깊이 통합했습니다.

"저는 AI 회의론자 팀에 속한 적이 없었습니다. 저는 기계 학습과 데이터 엔지니어링에 대한 이전 경험이 있습니다. 그래서 저는 항상 AI와 그것이 모든 것을 어떻게 변화시킬지에 대해 믿는 사람이었습니다."

Python이나 JavaScript와 같은 언어에 비해 훈련 데이터는 적지만, Flutter는 단일 코드베이스에서 여러 플랫폼에 배포할 수 있는 능력 덕분에 AI 기반 개발 세계에서 상당한 이점을 제공합니다. 이 '하나의 가격으로 두 가지' 모델을 통해 개발자는 Android, iOS, Windows 및 macOS를 효율적으로 대상으로 할 수 있습니다.

AI는 개발 프로세스의 많은 부분을 자동화하여 이러한 효율성을 극대화하고 전례 없는 속도와 일관성으로 강력한 크로스 플랫폼 애플리케이션을 생성할 수 있도록 합니다. 이러한 시너지는 Flutter를 AI 지원을 통해 다양한 애플리케이션을 구축하기 위한 невероят하게 강력한 도구로 만듭니다.

"멋진 것을 만들 수 있다는 점에서 정말 놀랍습니다. Flutter는 하나의 가격으로 두 가지를 제공하기 때문입니다. AI를 사용하여 Android, iOS, Windows, Mac OS, 최소한 이 네 가지에 배포할 수 있는 앱을 만들 수 있다면... 하나의 코드베이스에서 말이죠."