복합 엔지니어링의 시대: 단 한 줄의 코드도 작성하지 않고 Cora 구축하기

이메일 클라이언트 Cora를 개발한 Kieran Klaassen은 올해 단 한 줄의 코드도 작성하지 않았으며, 광범위하게 검토하지도 않았다고 말합니다.

그럼에도 불구하고 그는 수천 명의 사용자가 이메일 수신함으로 의존하는 제품을 성공적으로 출시하고 있으며, 이는 그의 전문 지식과 선호도를 포착하도록 설계된 정교한 시스템 덕분이라고 설명합니다.

Kieran Klaassen은 복합 엔지니어링을 AI 네이티브 이메일 수신함인 Cora를 만드는 동안 개발한 방법이라고 정의합니다.

이 접근 방식은 축적된 지식을 활용하고 빠른 피드백 루프에서 작동하는 것이 특징이며, Cora는 데스크톱, 전화 및 명령줄 인터페이스에서 실행되는 에이전트 네이티브 시스템으로 기능하여 수동 타이핑에서 판단과 취향 적용으로 초점을 효과적으로 전환합니다.

Klaassen은 1월부터 Ruby on Rails를 백엔드로, React를 프런트엔드로 사용하여 Cora 이메일 클라이언트 전체를 혼자서 다시 구축했습니다.

그는 Sonnet 3.5와 같은 고급 AI 모델의 운영 한계와 기능을 엄격하게 테스트하기 위해 추가 팀원을 고용하는 것을 의도적으로 피했습니다.

2년 전 Klaassen이 시작했을 때, 주요 병목 현상은 낮은 코드 품질과 AI 환각이었으며, 그는 에이전트 기반 시스템과 엄격한 검토 프로세스를 구현하여 이를 해결했습니다.

이후의 과제는 계획이었고, AI를 활용하여 포괄적인 프로젝트 계획을 생성함으로써 해결했으며, 그 다음 제품 시장 적합성을 찾는 것이었는데, 그는 자신의 제품의 전담 사용자가 됨으로써 이를 해결했습니다.

마지막으로 식별된 병목 현상은 메모리였으며, 이는 축적된 지식을 저장하고 활용하여 반복적인 문제를 방지하도록 설계된 시스템을 만들게 했습니다.

Klaassen은 AI가 개발의 구현 단계를 효과적으로 처리하는 반면, 인간 입력의 고유한 가치는 의사 결정, 판단 행사 및 제품에 주관적인 취향을 추가하는 데 있다고 강조합니다.

그는 인간이 개발 루프를 시작하고 마무리하여 필수적인 컨텍스트 프레임워크와 최종 승인을 제공하는 '인간-AI 샌드위치' 모델을 사용합니다.

이 접근 방식은 인간 지성이 모델이 미묘한 이해와 전략적 방향을 복제할 수 없는 중요한 영역에 집중되도록 보장합니다.

Klaassen은 개발에서 50/50 규칙을 지지합니다. 노력의 절반은 실제 기능을 구축하여 의도된 가치를 제공하는 데 할당되어야 합니다.

나머지 절반은 발생한 오류나 단점을 기반으로 시스템을 교육하고 개선하는 데 투자되어야 하며, 이는 후속 반복에서 시스템 성능을 크게 향상시키는 것을 목표로 합니다.

Klaassen은 축적된 지식을 구조화된 솔루션 문서 형태로 자신의 저장소에 저장하는 관행을 설명하는데, 이는 토큰 사용에 대한 일반적인 우려와는 달리 장기적으로 더 토큰 효율적임이 입증됩니다.

사전 구축된 솔루션과 정확한 답변이 컨텍스트에 직접 포함되어 있으면 시스템은 반복적인 심층 연구, 광범위한 검토 및 지속적인 수정의 필요성을 크게 줄여 개발 프로세스를 간소화합니다.

Klaassen은 Cursor, Code 및 기타 10개 도구를 포함한 다양한 개발 환경과 호환되는 복합 엔지니어링 플러그인의 가용성을 강조하며, 이를 개발자를 위한 다목적 리소스로 만듭니다.

제품 감각을 개선하는 데 도움을 준 공동 작업자 Trevan Chowo의 도움을 받아 개발된 이 플러그인은 엔지니어, 제품 관리자, 디자이너 및 전문 지식을 복합화하려는 일반 지식 근로자를 포함한 광범위한 잠재 고객을 위해 설계되었습니다.

CE ID8 도구는 Linear, GitHub, Slack 및 Intercom을 포함한 다양한 소스에서 문제를 자동으로 처리하고 구조화하여 파편화된 정보를 체계적인 통찰력으로 전환합니다.

명확한 HTML 전략 페이지를 생성하고 어떤 작업을 수행하는 것이 가장 유익한지에 대한 주장을 제공하여 미리 정의된 목표 및 주요 결과(OKR)와 일치시킵니다.

이를 통해 시스템은 전략적 중요성을 기반으로 아이디어에 점수를 매겨 개발 노력이 지속적으로 고부가가치 작업에 집중되도록 합니다.

Klaassen은 날카롭고 통찰력 있는 질문을 이끌어내기 위해 제품 요구 사항 문서(PRD) 또는 기타 프로젝트 문서에 대한 문서 검토 기능을 사용할 것을 권장합니다.

이러한 질문에 대한 답변은 이후 시스템으로 복합화되어 AI가 컨텍스트에서 학습하고 향후 동일한 질문을 반복적으로 묻는 것을 방지할 수 있도록 합니다.

CE 브레인스톰 도구는 저장소에서 복합된 지식을 가져와 버전 업그레이드와 같은 대규모 작업을 처리하도록 특별히 설계되었습니다.

이는 정의된 페르소나를 통합하여 출력을 개선하고, 브레인스토밍 프로세스가 포괄적인 컨텍스트와 다양한 관점에 기반하도록 보장합니다.

Klaassen은 AI 지원 워크플로의 목표가 단순히 많은 수의 상호 작용이나 질문을 생성하는 것이 아니라 최고의 작업을 달성하는 것이라고 강조합니다.

그는 과도한 질문을 피하고 대신 시스템을 조절하여 정확하게 올바른 수의 질문을 하도록 옹호하며, 모든 상호 작용이 우수한 결과에 직접적으로 기여하도록 보장합니다.

Klaassen은 LFG를 계획, 작업 검토 및 테스트를 처리하고 최종적으로 Pull Request(PR)를 여는 데 몇 시간 동안 실행될 수 있는 광범위한 자동화 루프라고 설명합니다.

이 시스템은 또한 도그푸딩을 수행하고, 문제를 자동으로 식별 및 수정하며, PR 내에서 전후 비디오 스크린샷을 생성하여 병렬 처리 및 비동기 작업을 가능하게 합니다.

Klaassen은 목표가 단순히 품질 보증이 아니라 허용 가능한 출력에 대한 기준을 근본적으로 높이는 것이라고 강조하며, 시스템이 실패하면 LFG 흐름 자체가 실패한 것이라고 주장합니다.

오류가 발생하면 사용자는 수정 피드백을 제공하고, 시스템은 이를 지식 기반에 통합하여 향후 반복에서 유사한 실수가 재발하는 것을 방지합니다.

복합 엔지니어링은 본질적으로 지속적으로 실행, 계획 및 작업을 검토하는 자율 시스템을 구축하여 개발 프로세스를 훨씬 덜 단조롭게 만듭니다.

핵심 원리는 반복적인 작업을 식별하고 시스템으로 추출하여 그러한 작업이 수동으로 반복되지 않도록 하고 효율성을 지속적으로 향상시키는 것입니다.

또한, 이 패러다임의 문서는 코드 자체에만 초점을 맞추기보다는 코드 뒤에 있는 근본적인 추론에 우선순위를 두어 더 깊은 학습을 촉진하고 미래의 오류를 방지해야 합니다.

Klaassen은 구현 비용이 감소하고 있지만, 인간의 판단과 취향이 소프트웨어 개발의 주요 병목 현상으로 남아 있다고 주장합니다.

복합 엔지니어링의 목표는 전통적으로 그랬듯이 복잡성을 증가시키는 대신 각 새 기능이 이전 기능보다 더 쉽게 구축되도록 패러다임을 근본적으로 바꾸는 것입니다.

이러한 전환에는 AI를 활용하여 개발의 힘든 작업을 처리하고, 인간이 판단과 전략적 방향을 적용하는 데 전적으로 집중할 수 있도록 하는 것이 포함됩니다.