차례
학습 내용
- 90%의 시간 단축을 달성한 개발 접근 방식
- 분해 전략을 사용하여 복잡한 작업을 분해하는 방법
- AI 개발의 문서화된 과제와 그 해결책
- 이 실험을 바탕으로 AI가 어려움을 겪는 경우와 성공하는 경우
결과
이 실험은 AI가 개발 시간을 단축할 수 있다는 것을 증명했습니다. 90% – 2주짜리 프로젝트를 1일짜리 프로젝트로 전환했습니다. 완벽하게 작동하는 내부 애플리케이션을 구축했습니다. 9 시간 추정된 것 대신에 144-180 시간.
프로젝트 범위: Scopic People Tool
이 연습에는 조직 내 공통 과제인 여러 시스템에 분산되어 있는 계약자 관련 통합 정보에 접근하는 문제를 해결하기 위해 설계된 내부 애플리케이션인 Scopic People 개발이 포함되었습니다. 이 도구는 사용자가 단일 인터페이스에서 자신 또는 다른 사람(적절한 권한이 있는 경우)에 대한 모든 관련 정보를 볼 수 있는 중앙 집중식 대시보드를 구축하는 것을 목표로 합니다.
구현된 주요 요구 사항
- 단일 소스 통합: 처음에는 Zoho People에서만 데이터를 가져오며 추가 데이터 소스를 수용하도록 설계된 아키텍처를 사용합니다.
- 캐싱 메커니즘: API 과부하를 방지하고 사용 한도 내에 머물기 위해 검색된 데이터를 로컬 데이터베이스에 저장합니다.
- 인증: Scopic의 Keycloak Single Sign-On(SSO) 시스템 뒤에 보안됨
- 역할 기반 액세스 제어: 두 가지 역할이 구현되었습니다.
- 일반 사용자: 자신의 프로필 보기로 제한됨
- 관리 사용자: 검색 기능에 액세스하고 모든 계약자 프로필을 볼 수 있는 기능
- 시간을 아껴주는 인터페이스: Cupcake 테마를 따라 DaisyUI 구성 요소를 사용하여 Tailwind CSS를 사용하여 구축됨
바닐라 PHP를 선택해야 하는 이유
이 방법론은 프레임워크 없이 순수 PHP를 의도적으로 사용하여 도구가 기존 라이브러리에서 우위를 점하지 못하도록 했으며, 이를 통해 AI 기반 개발 기능에 대한 공정한 평가를 제공합니다.
사용된 기술 스택
- AI 도구: 클로드와 함께하는 코데움의 윈드서핑 3.5 소네트
- 백엔드: 바닐라 PHP(프레임워크 없음)
- 프런트 엔드: DaisyUI 구성 요소를 사용한 Tailwind CSS
- 테마: 컵케이크 테마
- 데이터베이스: pgAdmin을 사용한 PostgreSQL
- 인증: Keycloak 단일 로그인(SSO)
- 컨테이너화: Docker와 docker-compose
- 버전 관리: 깃
문서화된 개발 워크플로
- 작업 정의: 프로젝트를 더 작고 관리하기 쉬운 작업으로 분할합니다.
- 교수: Windsurf의 Cascade 기능에 자연어 지침 제공
- 코드 생성: LLM이 필요한 코드를 생성하도록 허용합니다.
- 검토 및 반복: 생성된 코드를 평가하고 추가 지침을 수락하거나 제공합니다.
- 버전 관리: 명확한 기록을 유지하기 위해 Git에 승인된 변경 사항을 커밋합니다.
과제 및 솔루션
작업 복잡성 관리
과제: 처음에는 복잡한 UI 구성 요소에 대한 포괄적인 지침을 제공하면 LLM에 부담을 주어 구현이 불완전하거나 잘못되었습니다.
해법: 작업을 더 작고 관리하기 쉬운 단계로 나누는 것이 매우 효과적이었습니다. 전체 인터페이스를 한 번에 요청하는 대신, 프로세스를 개별 구성 요소(헤더, 푸터, 메인 콘텐츠)로 나누고, 진행 전에 각 구성 요소를 검토하고 개선했습니다.
성공적인 고장에 대한 예시 프롬프트:
주요 내용을 4개의 카드로 나누어 보겠습니다.
– 왼쪽 상단: 사진, 성명, 이메일, 직책이 적힌 카드
– 오른쪽 상단: 보상 세부 정보가 있는 카드: 계약 유형, 급여, 내역이 있는 표
– 왼쪽 하단: 개인 파일이 있는 카드. 파일 이름과 크기가 표시된 표 형태여야 합니다.
– 오른쪽 하단: 휴가 정보가 있는 카드. 사용 가능한 유급 휴가(PTO) 잔액, 사용 가능한 휴일 잔액, 사용 가능한 병가 잔액, 그리고 지난 12개월 동안 사용한/예약된 휴가 내역을 보여주는 표.
이 프롬프트는 하나의 복잡한 인터페이스를 명확한 경계와 명시적인 콘텐츠 요구 사항을 갖춘 네 가지 구체적이고 관리 가능한 구성 요소로 분리함으로써 성공했습니다.
LLM 루프 방지
과제: 특정 시나리오에서 Cascade는 반복적인 루프에 빠져서 진행 없이 동일한 변경을 하거나 이전 작업을 취소했습니다.
해법: 루프가 감지되면 프로세스가 중단되고, 변경 사항은 마지막으로 안정된 상태로 되돌려졌으며, 명령어는 더욱 구체적으로 재구성되었습니다. 버전 관리에 대한 빈번한 커밋은 이러한 상황에서 복구하는 데 매우 중요한 역할을 했습니다.
AI와 수동 개입의 균형
과제: LLM에 의존할 때와 수동 변경을 할 때를 결정하려면 프로세스 전반에 걸쳐 판단이 필요했습니다.
발견: 사소한 조정이나 간단한 변경 사항의 경우, LLM에게 지시하는 것보다 직접 수작업으로 편집하는 것이 더 효율적입니다. 최적의 생산성은 혼합형 접근 방식, 즉 보일러플레이트 생성, 복잡한 로직 및 아키텍처 설계에는 AI를 활용하고, 간단한 수정은 사람의 직접적인 개입을 통해 처리하는 방식에서 비롯됩니다.
외부 API 통합
과제: LLM은 공개 문서가 부족하여 Zoho People API와 통합을 시도하는 데 어려움을 겪었습니다.
해법: API를 수동으로 탐색하고 특정 엔드포인트 정보를 제공하기 위한 인간의 개입을 통해 LLM이 통합을 성공적으로 완료할 수 있었습니다.
코드 품질 평가
LLM에서 생성된 코드의 품질은 허용 가능한 기준을 충족하는 것으로 평가되었습니다.
- Structure: 코드는 논리적 구성 패턴과 적절한 추상화 수준을 따랐습니다.
- 유지 보수성: 코드는 읽기 쉽고 잘 문서화되어 있었습니다.
- 기능: 모든 지정된 요구 사항이 성공적으로 구현되었습니다.
- 확장 성: 아키텍처는 지정된 대로 향후 추가 사항을 적절하게 지원했습니다.
사용된 개발 시퀀스
- 초기 설정: Git을 사용한 저장소 초기화
- 정적 UI 개발:
- 헤더 생성
- 푸터 및 테마 선택
- 검색 기능
- 주요 내용 영역(더 자세한 지침과 여러 번의 반복이 필요함)
- 동적 변환: 정적 HTML을 PHP 템플릿으로 변환
- 인증: Composer 통합, AuthMiddleware, Keycloak 통합
- 데이터 통합: 모의 데이터 모델, 서비스 아키텍처, Zoho People 통합
- 인프라: Docker 구성, 데이터베이스 연결, 마이그레이션 스크립트, 캐싱
- 컨트롤에 액세스: 역할 기반 권한
중요한 발견들
효과가 있었던 것
- 작은 작업 세분성: 복잡한 작업을 더 작고 관리하기 쉬운 단계로 나누기
- 지속적인 검토: AI가 생성한 모든 변경 사항을 진행하기 전에 평가합니다.
- 빈번한 커밋: 명확한 기록 유지 및 복구 가능
- 대화의 연속성: 참고문헌을 포함한 이전 작업을 기반으로 구축
- 구체적인 고장: 자세한 구성품 사양
작동하지 않은 것
- 복잡한 지침: 전체 인터페이스를 생성하려는 초기 시도가 LLM을 압도했습니다.
- 대규모 작업: 복잡한 UI 구성 요소에 대한 포괄적인 지침으로 인해 구현이 완료되지 않았습니다.
- API 문서가 부족합니다: LLM은 공개 문서가 부족하여 Zoho People API 통합에 어려움을 겪었습니다.
새로운 개발자 역할
개발자는 더 이상 단순한 코더가 아닙니다.그들은 AI 강사, 큐레이터, 리뷰어가 되는 것입니다. 바이브 코딩의 성공은 기술적인 측면뿐 아니라 명확한 의사소통, 도메인 이해, 그리고 비판적 평가 능력에 달려 있습니다. 전문적 지식.
AI 도구가 개발 워크플로의 많은 부분을 자율적으로 처리함에 따라, 에이전트 기반 시스템을 구축하는 팀은 여러 가지 결정에 직면하게 됩니다. 만약 여러분이 그러한 방향으로 나아가고 있다면, 저희가 정리한 내용을 참고하세요. 에이전트형 AI 개발 회사 적합한 파트너를 찾는 데 도움을 드릴 수 있습니다.
모범 사례 도출
- 복잡한 작업을 작고 개별적인 단계로 나누세요
- 진행하기 전에 AI가 생성한 모든 변경 사항을 검토하세요.
- 명확한 기록을 유지하고 복구를 가능하게 하려면 변경 사항을 자주 커밋하세요.
- AI를 사용하여 보일러플레이트, 복잡한 논리 및 아키텍처 패턴을 생성합니다.
- 간단한 수정 사항은 수동으로 처리하세요
- 필요한 맥락을 포함하여 명확하고 모호하지 않은 지침을 제공합니다.
주의사항: 전체 기술 세부 정보, 방법론 및 추가 검증 실험에 대한 자세한 내용은 전체 백서를 참조하세요.
생성에 관하여 AI 개발 툴킷
이 가이드의 작성자는 다음과 같습니다. 미하일 칸다우리슈빌리및 검토자: Mladen Lazic Scopic의 최고운영책임자.
Scopic은 소프트웨어 개발에 대한 뿌리 깊은 전문 지식을 바탕으로 고품질의 유익한 콘텐츠를 제공합니다. 콘텐츠 작성자와 전문가로 구성된 우리 팀은 최신 소프트웨어 기술에 대한 풍부한 지식을 갖추고 있어 해당 분야에서 가장 복잡한 주제도 분석할 수 있습니다. 또한 다양한 산업 분야의 주제를 다루고, 그 본질을 포착하고, 모든 디지털 플랫폼에서 가치 있는 콘텐츠를 전달하는 방법을 알고 있습니다.
참고: 이 블로그의 이미지 출처는 다음과 같습니다. Freepik.
메시지 전치자