VibeCoding:Tutorial

바이브 하자잉~

Cursor Settings

Markdown 으로 스팩(SPEC.md 등)으로 저장해두고, 컨텍스트으로 포함.
.cursorignore 파일 추가해서 컨텍스트 작게 유지.
프로젝트 폴더에 .cursor/rules/*.mdc 파일들 활용.
MPC 활용.
필요하다면 ollama 도 연결 가능.

Claude Settings

CLAUDE.md
.claudeignore
.claude/settings.json

중요 포인트 (Claude-code 사용 방법을 예시로)

세 가지 핵심 기둥으로 구성됨
- 명세(Specification): 목표 정의 (예: “로그인 기능이 있는 Twitter 클론 구축”)
- 규칙(Rules): 명시적인 제약 설정 (예: “Python 사용, 복잡성 피하기”)
- 감독(Oversight): 프로세스를 모니터링하고 일관성 보장
코드를 전체적으로 이해하면서 작업할 것.
- "구현" 과 함께 "왜 필요한가" 같은 질문이 포함되어야 한다.
- 결과물 검토시 이해가 안되는 것은 "질문" 하여 이해하고 넘어가는 것이 포인트.
유틸리티를 위한 프로젝트를 함께 병렬 작업
- 코드 에디터/브라우저 플러그인/유틸리티 스크립트
CLAUDE.md 파일을 생성하는 타이밍은 LLM 이 말을 안들을 때!
- CLAUDE.md를 통한 팀 단위 지식 축적
  - Claude Code 저장소에 팀 전체가 공유하는 단일 CLAUDE.md 파일 유지
  - git 에 체크인 하며, 팀 전체가 주 단위로 여러 번 기여
  - Claude가 잘못된 행동을 할 때마다 CLAUDE.md에 추가해 다음에 같은 실수 방지
  - 다른 팀들도 각자의 CLAUDE.md를 유지하며, 각 팀이 최신 상태 유지 책임
- 코드 리뷰 시 CLAUDE.md 업데이트
  - 코드 리뷰 시 동료 PR에 @.claude를 태그해 PR의 일부로 CLAUDE.md에 내용 추가
Claude Code GitHub Action(/install-github-action) 활용
프롬프트가 "코드"임. 필요하다면 질문/답변 과정 자체를 보존해야함.
전체적인 작업 진행시 "플랜 모드" 적극적으로 활용.
Skills ( https://skills.sh/ ) 에서 Vote 가 높은 스킬을 적용.
CLAUDE.md, Skills, MCP 등 무분별하게 적용하면 토큰이 매우 빠르게 소진된다. (/context와 /usage 로 지속적으로 점검하자.)
이전 시대는 "코드" 그 자체가 자산 이지만, AI 시대는 "테스트 케이스"가 자산이다. -> SQLite:Testing#SQLite는 어떻게 테스트되는가
공통적으로 사용해야 하는 스킬이나 Agent 는 마켓플레이스로 등록하자.
Subagent 로 작업 세분할 하자. 이 경우 Agent 2 Agent 시 컨텍스트 공유 안됨. -> 컨텍스트 연결이 안되서 토큰은 절약하지만 중간 과정이 잘려서 답변 퀄리티는 좀 떨어진다.
- 여러 서브에이전트 를 정기적으로 사용
  - code-simplifier - Claude 작업 완료 후 코드 단순화
  - verify-app - Claude Code 엔드투엔드 테스트를 위한 상세 지침 포함
Agent Teams (CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS는 2026년 03월 05일 현재 베타) 이 경우 A2A 에서 컨텍스트 공유됨.
Operating 에 대한 내용도 Subagent 로 등록 가능.
Write 및 Edit 직 후 정적 검증은 Claude Hooks 를 사용하자.
작업 완료를 알리는 Notification 을 사용하자.
질문 없이 스트레이트 작업이 필요하면 Background 작업(&) 으로 적용 -> 이 경우 어느정도 신뢰가 쌓여야함.
멀티 세션을 사용할 경우 tmux로 분할하여 사용 하던지 아님 관련 GUI Application 을 사용하던지.
파일 지정 (@), Command (/) 등 적극 활용.
LLM 의 후행 토큰 인식문제로 인한 퀄리티 저하를 피하기 위해 Frontmetter를 적극 활용한다.
굳이 참고하지 않아도 되는 내용은 링크로 제공하자.
실행 중 수정하지 말고 계획을 고쳐서 다시 실행하라.
- 결과가 마음에 들지 않으면 코드 수정 요청을 반복하지 말아라.
- 계획 문서를 수정한 뒤 새로운 세션에서 다시 실행하라.
- 실행 단계에서 방향을 틀면 품질이 빠르게 무너짐.
예제 기반으로 스타일을 학습시켜라.
보안·운영·장기 유지 코드에서는 코드 전체를 이해 해야 한다. LLM 특유의 컨테스트 사이즈가 커질수록 이해력이 떨어지는 문제가 있다.
그냥 직접돌릴수 있는 스크립트 및 코드는 AI 한테 질문하여 바꾸지 말아라. -> 질문 후 무분별한 stdout/stderr 가 토큰을 날리는 범인들.
테스트·린터·빌드를 피드백 루프로 사용하기
1개 작업이 완료하면 Commit 하여 1질답 단위로 롤백이 가능하게 하라.
작업 단위를 극도로 작게 쪼개기
반복 가능한 작업은 그러한 작업을 하는 스크립트/도구를 만드는 방향으로 AI를 활용하라. -> AI한테 작업 결과물로 요청하는 것은 "목표" 보다 "목표를 위해 해야할 행위" 이다.
AI 결과의 퀄리티는 "결과물의 일관성" 으로 측정하자.
AI 한테 요청할 때 "구조적 완성도"를 지속적으로 요청하자.
토큰이 적다면 상황에 맞게 모델을 적용하자. -> 코딩은 Opus, 커밋 메시지 작성은 sonnet, 단순 번역은 Haiku
기술 부채 처럼 인지 부채가 쌓이지 않게 하자.
오히려 간단한 문제나 도메인 지식이 불필요한 문제는 C 같은 Low-Level Programming Language 가 AI 가 더 잘 쓰더라.
불할 작업 방식으로 git worktree vs git checkout -> 아직 잘 모름. (난 git checkout 선호)
Slack MCP 또는 Discord MCP 설정을 사용하여 에러 수정과 관련된 작업을 참고할 수 있게 하자.
혼자 작업할 땐 Claude Code#Andrej Karpathy가 지적한 LLM 코딩 문제점을 해결하려는 단 65줄짜리 Markdown 파일 를 사용해봤다. -> 내용 자체도 좋으니 한번 봐봐라.

VibeCoding:Tutorial

Categories

Cursor Settings

Claude Settings

중요 포인트 (Claude-code 사용 방법을 예시로)

See also