AI
Claude Code를 활용한 예측 가능한 바이브 코딩 전략
두줄요약
Claude Code 기반 바이브 코딩에서 요구사항 누락과 오류 누적이 생기는 원인을 분석했습니다. 작은 요청, 계획 검증, Todo·Skill·CLAUDE.md로 컨텍스트를 관리하는 전략을 제안합니다.
문제 상황
- 한 줄 프롬프트와 긴 스펙 입력에서 요구사항 누락, 원치 않는 구현, 대규모 재수정 발생
- 긴 대화에서 초기 규칙과 최신 패턴이 희석되고 같은 실수 반복
원인 분석
- 긴 컨텍스트 중간 정보 누락인 Lost in the Middle과 다수 규칙 동시 추적 한계
- 학습 데이터 편향에 따른 구버전·보편 패턴 회귀와 모호한 요구사항의 자의적 해석
- 자기회귀 생성 과정에서 초기 오해가 설계·구현·테스트까지 확산
해결 방법
- 작은 단위 멀티턴 요청, Plan 모드 사전 검증, Todo 체크리스트로 작업 범위와 진행 상태 관리
- 도메인별 서브에이전트로 컨텍스트 분리, 복잡한 분석에 Extended Thinking 활용
- 프로젝트·디렉토리별 CLAUDE.md, 검사 중심 Agent Skills, Compact와 파일 백업으로 컨벤션 및 핵심 결정 관리
적용해볼 점
- 요구사항을 수치·경계 조건·구체적 결과로 표현하고 결과 확인 후 다음 요청 진행
- 반복 실수와 필수 규칙을 자연어 지시가 아닌 검사 가능한 Skill 워크플로우로 전환
- 복잡한 수정 전 계획 승인, 장기 대화 전 중요 결정 문서화와 컨텍스트 정리 적용
