AI에게 코드를 짜달라고 하는 대신 프롬프트를 먼저 생성하게 합니다. 이게 더 효과적인 이유입니다.
Instead of asking AI for code, I ask it to generate prompts first. Here's why it works better.
핵심 요약
AI에게 직접 코드를 요청하기보다 중간 단계의 구조화된 프롬프트를 먼저 생성하여 의도와 구현 사이의 간극을 좁히는 새로운 코딩 패러다임 제안.
- 중간 번역 계층 — 의도와 구현 사이에 구조화된 프롬프트 층을 두어 실행의 안정성을 높임.
- 4단계 워크플로우 — 의도 파악, 구조화, 도구 수준 프롬프트 생성, 구현 및 조정으로 이어지는 체계를 제안함.
- 제약 조건의 중요성 — 화려한 문구보다 경계 설정과 성공 기준 등 명확한 제약 조건이 결과물 품질을 결정함.
- 인간 역할의 변화 — 직접 구문을 작성하기보다 의도와 품질 게이트를 관리하는 스튜어드십으로 역할이 전환됨.
빌드하는 완전히 다른 방식: AI에게 직접 코드를 쓰라고 하는 대신, 먼저 프롬프트를 생성하게 하고 코드는 그 다음에 나오게 합니다.
일반적인 AI 코딩과는 진정으로 다르게 느껴지는 개발 워크플로우를 실험해 오고 있습니다.
보통의 패턴은 이렇습니다: 모델에게 코드를 써달라고 요청한 다음, 코드를 계속 반복해서 수정하는 것이죠.
하지만 제가 테스트하고 있는 방식은 이것에 가깝습니다:
코드를 먼저 요청하지 마세요. 프롬프트를 먼저 요청하세요.
더 구체적으로 말하자면: 시스템에 모호한 목표를 더 실행 가능한 프롬프트 구조로 바꾸도록 요청하고, 그 구조가 코드를 생성하게 하는 것입니다.
작은 차이처럼 들리겠지만, 실제로 해보면 많은 것이 바뀝니다.
프롬프트를 일회성 지침으로 취급하는 대신, 의도(intent)와 구현(implementation) 사이의 중간 번역 계층처럼 취급하고 있습니다.
워크플로우:
Phase 1 — 의도 파악(Intent Capture)
단순하고 모호하며 추상적인 요구사항에서 시작합니다. 실제 사양이 아니라 의도만 담습니다.
(예: "매일의 습관을 추적하는 데 도움이 되는 앱을 만들고 싶어.")
Phase 2 — 프롬프트 구조화(Prompt Structuring)
모델이 그 의도를 운영 가능한 프롬프트 계층으로 확장하게 합니다:
• 하위 작업 분해 (인증, 데이터 모델, UI 컴포넌트)
• 제약 조건 및 경계 (플랫폼, 기술 스택, 개인정보 보호 규칙)
• 성공 기준 ("완료"의 실제 의미)
• 도구 사용 로직 (언제 API를 호출하고, 언제 로컬 코드를 생성할지)
• 인간 검토를 위한 체크포인트
Phase 3 — 도구 수준 프롬프트 생성(Tool-Level Prompt Generation)
구조화된 프롬프트를 사용하여 타겟팅된 실행 지침을 이끌어냅니다:
• "폼 검증 기능이 포함된 React + TypeScript 로그인 컴포넌트 생성"
• "타임스탬프가 포함된 습관 항목을 위한 localStorage 스키마 설계"
• "연속 기록(streak) 계산의 엣지 케이스를 다루는 유닛 테스트 작성"
Phase 4 — 구현 + 인간의 조종(Implementation + Human Steering)
• AI는 도구 수준 프롬프트를 기반으로 실제 코드를 생산합니다.
• 인간은 주요 분기점에서 방향 설정, 제약 조건 조정 및 수정에 집중합니다.
• 반복 작업은 코드 수준뿐만 아니라 프롬프트 구조 수준에서 일어납니다.
📌 규모 및 실행에 관한 참고 사항
전체 프롬프트 시스템은 3개의 핵심 단계로 구성되며, 총 약 50,000 토큰에 달합니다.
이는 매우 복잡하고 논리적으로 엄격한 지침 아키텍처입니다.
영상 시작 부분에서 보여주듯이: 모든 컨텍스트 데이터와 프롬프트 파일은 단일 아카이브로 묶여 Claude에게 전달되어 작업을 시작합니다.
이론적으로는 대화형 체크포인트를 삽입할 수 있지만, 이 데모에서는 모델이 인간의 개입 없이 전체 흐름을 자율적으로 처리합니다.
저를 놀라게 한 점은 이것이 직접 코드를 요청하는 것보다 종종 더 잘 작동한다는 것입니다. AI가 더 똑똑해서가 아니라, 인간의 의도와 기계의 실행 사이의 인터페이스가 더 명확하기 때문입니다.
