한 CEO가 휴가 중에 PR 52개를 제출한 방법

t3.gg의 CEO인 테오는 7월 중순부터 8월 사이에 주간 풀 리퀘스트(PR) 기여도가 크게 증가했습니다. 그의 생산량은 주당 평균 1~3개의 PR에서 단 일주일 만에 23개, 37개, 41개, 그리고 궁극적으로 52개로 급증했습니다. 이러한 인상적인 성장은 그가 데프콘으로 여행하는 동안 발생했으며, 그의 새로운 워크플로가 일반적인 사무실 환경 밖에서도 높은 생산성을 유지할 수 있도록 했음을 나타냅니다.

테오는 여러 회사를 운영하고 개인 생활의 책임을 관리함에도 불구하고 원하는 만큼 코딩을 효과적으로 할 수 있게 해주는 생산성 워크플로를 개발했다고 강조했습니다. 그는 코드를 효과적으로 배포하는 것이 풀타임 엔지니어여야만 한다는 개념에 명시적으로 도전합니다. 이러한 새로운 흐름을 구현함으로써 그는 다양한 약속의 균형을 맞추면서 다른 고용량 기여자들의 생산량과 경쟁할 수 있음을 보여줍니다.

시청자가 보고한 문제는 AI 기술의 달러 기호 트리거 구문에서 상당한 한계를 드러냈습니다. 테오는 기술이 수동으로만 호출되도록 구성된 경우 슬래시 명령에서만 작동하며 달러 기호 명령 버전에서는 작동하지 않을 것이라고 확인했습니다. AI 트리거 기술과 수동 전용 기술 간의 이러한 불일치는 확인된 버그로 식별되었으며, 현재 구현의 격차를 강조합니다.

테오는 특히 AI 에이전트를 포함하는 무거운 코딩 작업을 기본 랩톱에서 실행하는 대신 원격 인프라로 오프로드하는 것의 중요성을 강조했습니다. 그는 이러한 집중적인 코딩 작업을 효율적으로 완료하기 위해 다른 활동에 사용되는 주 머신이 병목 현상이 발생하거나 필요해서는 안 된다고 강조했습니다. 그의 권장 사항은 하드웨어 제약이 진행을 방해하는 것을 방지하기 위해 원격 Linux 박스를 활용하고, 로컬 개발이 방해받지 않도록 병렬 작업 실행을 위해 작업 트리를 활용하는 것입니다.

테오는 AI 에이전트에 사용자 영향에 대한 컨텍스트를 제공하면 코딩 수정의 신뢰성이 크게 향상된다고 설명했습니다. 문제로 인해 영향을 받는 사용자 수를 명시적으로 언급함으로써 AI는 문제의 중요성을 더 명확하게 이해하게 되어 더 신뢰할 수 있고 견고한 솔루션으로 이어집니다. 또한, 속도보다 단순성을 선호하는 것과 같이 우선순위를 명확하게 정의하면 AI가 특정 프로젝트 목표에 맞는 고품질 코드를 생성하도록 보장합니다. 이러한 컨텍스트 정보는 순전히 실험적인 작업을 신뢰할 수 있는 실행이 필요한 작업으로 전환시킵니다.

테오는 풀 리퀘스트(PR) 트리아지를 AI 하위 에이전트에 위임하는 자신의 방법을 설명했습니다. 그는 여러 스레드를 사용하여 각각 다른 AI 모델을 사용하여 자신이 놓쳤던 저장소의 열린 PR을 감사합니다. AI 에이전트는 모든 PR을 검토하고 필요한 작업의 용이성을 기반으로 우선순위를 지정하는 작업을 수행합니다. 빠르고 저렴한 모델을 활용하는 이 비용 효율적인 워크플로는 그가 대량의 기여를 효율적으로 관리하는 데 도움이 됩니다.

테오는 특히 ADHD를 가진 사람들을 위해 스트레스와 의사 결정 피로 또는 산만함의 가능성을 줄이기 위한 AI 토큰의 전략적 사용을 강조했습니다. AI를 활용하여 복잡한 기술 설명을 단순화함으로써 그는 복잡한 문제를 이해하는 데 따르는 정신적 부담을 크게 줄입니다. 이 접근 방식은 긴 작업 동안 생산성을 유지하는 데 도움이 되며, 다른 작업으로 전환하려는 유혹을 방지합니다.

테오는 문제에 대한 새로운 스레드 생성을 거의 마찰 없이 만들도록 워크플로를 최적화하여 풀 리퀘스트(PR) 처리량을 크게 높였습니다. 이 시스템은 문제가 발견될 때마다 즉각적인 개입을 장려하여 그가 문제를 매우 빠르게 해결할 수 있도록 합니다. 발견된 버그를 즉시 처리하도록 강제함으로써 그는 저장소의 상태에 대한 지속적이고 적은 노력의 참여를 유지하여 문제가 발생하자마자 해결되도록 합니다.

테오는 AI 모델이 특정 CLI 명령에서 가장 앞선 기술만 잘못 적용하는 사용자 경험(UX) 문제를 발견했습니다. 이 제한으로 인해 다른 의도된 기술이 실행되지 않아 사용자 혼란이 발생했습니다. 이를 방지하기 위해 테오는 비전면 명령에 대한 UI 지표를 구현할 것을 제안했습니다. 이는 명령이 완전히 적용될 수 없을 때 사용자에게 명확하게 전달하여 명확성을 개선하고 불만을 줄일 것입니다.

테오는 풀 리퀘스트(PR)를 기존 대화 스레드에 연결하는 수동 연결 메커니즘을 도입했습니다. 이 기능은 관련 PR이 병합되면 자동으로 스레드를 닫는 자동 정산 기능을 활성화하는 데 중요합니다. 이는 코드 변경이 통합되면 관련 논의가 자동으로 해결되도록 하여 수동 정리 작업을 줄이고 전반적인 프로젝트 조직을 개선함으로써 워크플로를 간소화합니다.

테오는 Luna AI 모델의 신뢰할 수 없는 권장 사항을 거부함으로써 수동 감독의 결정적인 필요성을 보여주었습니다. 그는 Luna의 출력이 품질이 좋지 않아 보관하기로 결정하면서 AI가 유용하더라도 복잡한 네이티브 변경이 포함된 작업에는 인간의 판단이 필수적임을 강조했습니다. 이는 특히 복잡한 코드 수정에 대한 모델 제안이 무결성을 보장하고 새로운 문제 발생을 방지하기 위해 신중한 검토가 필요함을 강조합니다.

테오는 AI 에이전트를 성공적으로 활용하여 버그에 대한 전문적인 통신을 식별하고 작성했습니다. 이 노력은 Claude Code 팀의 Boris가 스레드에 의견을 남기고 실제 버그임을 확인하면서 문제에 대한 외부 확인으로 이어졌습니다. 이 협업은 문제 식별뿐만 아니라 외부 팀과의 명확하고 간결한 통신을 촉진하는 데 AI를 사용하는 효과를 강조합니다.

테오는 원격 코드 테스트를 용이하게 하기 위해 내장된 Tailscale 공유 개발 명령을 통합하는 데 상당한 시간과 자원을 투자했습니다. 이 명령을 통해 그는 호텔 Wi-Fi와 같이 불안정한 인터넷 환경을 포함하여 어디에서든 코드 변경 사항을 테스트할 수 있습니다. 또한, 그는 번들링 프로세스를 완전히 개편하여 성능을 크게 향상시키고 어려운 네트워크 조건에서도 더 원활한 테스트 경험을 보장했습니다.

테오는 macOS용 미리보기 빌드를 자동화하기 위한 영리한 수정 사항을 구현했습니다. 이제 특정 레이블을 추가하기만 하면 트리거할 수 있습니다. 이 혁신은 수동 로컬 빌드의 필요성을 없애 개발 워크플로의 마찰을 크게 줄입니다. 또한, 이러한 빌드에 대한 GitHub 로그인 요구 사항을 제거하여 추가 인증 단계 없이 보조 머신에서 코드를 더 쉽게 테스트할 수 있도록 했습니다. 이러한 개선 사항은 테스트 프로세스를 간소화하여 개발자가 설정보다 코딩에 더 집중할 수 있도록 합니다.

테오는 개발 워크플로 내에서 마찰 지점을 식별하고 제거하는 데 중점을 둔 핵심 철학을 명확히 설명했습니다. 그는 개발자들이 코드를 병합하지 못하게 하는 요인에 세심한 주의를 기울일 것을 촉구했는데, 이러한 장애물은 상당한 개선의 기회를 나타내기 때문입니다. 프로젝트, 워크플로 및 도구에 지속적으로 작고 점진적인 개선을 이룸으로써 개발자들은 처리량을 기하급수적으로 늘릴 수 있습니다. 궁극적인 목표는 병합 버튼을 누를 때 프로세스가 견고하고 간소화되었음을 알고 자신감을 갖는 것입니다.

테오는 '병합 버튼의 위험을 줄이는' 전략을 옹호합니다. 이 전략에서는 여러 AI 에이전트가 준비 상태에 대한 높은 신뢰를 표명하기 전까지는 개발자가 풀 리퀘스트(PR)를 검토하지 않아야 합니다. 이 접근 방식은 자동화를 통해 견고한 안전망을 구축하여 치명적인 변경 사항이 광범위한 사용자 기반에 도달하는 것을 방지하는 데 중점을 둡니다. 문제의 완전한 예방보다는 문제를 신속하게 포착하고 해결하여 병합 프로세스를 가능한 한 안정적이고 스트레스 없이 만드는 데 중점을 둡니다. 이러한 자동화된 유효성 검사 계층을 구축함으로써 개발자는 더 큰 확신을 가지고 코드를 병합할 수 있습니다.