The 5 Techniques Separating Top Agentic Engineers Right Now

영상 링크: The 5 Techniques Separating Top Agentic Engineers Right Now
채널명: Cole Medin

최고의 에이전틱 엔지니어를 만드는 5가지 실전 테크닉 핵심 요약

• 영상은 최신 AI 코드 에이전트(Coding Agent) 사용법에서 최고의 실력자들이 실제로 쓰는 5대 핵심 기법을 구체적으로 설명함
• ‘PRD 우선 개발’을 첫 번째로, 명확한 마크다운 문서(제품 요구사항 문서)로 프로젝트 범위와 구조를 정의하고 이를 모든 대화와 피처 개발의 기준점으로 삼는 방법을 강조
• 두 번째로 ‘모듈형 규칙 아키텍처’ 도입을 제안, 범용 규칙(글로벌 룰 파일)을 최소화하고 각 작업 유형마다 별도 규칙 문서로 분할해 LLM이 필요할 때만 로드하도록 함
• 모든 반복적 프롬프트를 ‘커맨드화’하여 재사용 가능한 워크플로우로 만들고, 이를 통해 실제 업무 효율과 협업 범위 대폭 확장 실현
• ‘컨텍스트 리셋’을 네 번째로, 피처별 기획 후 실행 전에는 대화 창을 새로 시작하고, 필요한 컨텍스트만 문서로 전달함으로써 LLM의 추론 능력을 최대화하는 방법 제시
• 마지막으로, 버그를 단순히 고치는 게 아니라 ‘시스템 진화’ 차원에서 에이전트 규칙, 참조 문서, 워크플로우 전반을 지속적으로 개선하는 문화가 필수임을 강조
• 해빗 트래커 데모 프로젝트와 GitHub 레포지토리 내 실제 커맨드 예시를 통해 모든 기법의 적용과정을 자세히 안내
• 대부분의 커맨드는 Claude 등 특정 툴에 국한되지 않고, 추상화된 프롬프트 및 마크다운 문서만 있으면 어떤 AI 코드 어시스턴트에도 동일하게 적용 가능함
• 전체적으로 AI와 협력하는 소프트웨어 개발 환경에서 ‘컨텍스트 관리’와 점진적 시스템 최적화가 생산성과 코드 품질에 결정적임을 구체적인 실천 예시와 함께 설명함

세부 요약 - 주제별 정리

PRD 우선 개발은 코드 에이전트와 협업의 나침반 역할을 함

• PRD(Product Requirement Document)는 프로젝트 전체 범위‧구조를 한눈에 담은 마크다운 문서로 활용
• 새로운 프로젝트라면: API, UI, 인증 등 각 특징별로 모든 구현 과정을 PRD에 세분화해 작성
• 기존 코드베이스라면: 현재 상태와 앞으로 구현할 기능을 명확하게 기록하여 연계성 부여
• PRD는 프로젝트의 ‘노스스타’ 역할을 하며, 반복적으로 “PRD 기준 다음 단계에서 무엇을 할까?”를 에이전트에 질의할 수 있음
• 영상 내 깃허브 데모 레포지토리에 PRD 템플릿 및 관련 커맨드 포함, 주요 항목 예시로는 타겟 사용자, 미션, 구현 범위, 제외 범위, 전체 아키텍처 등이 있음
• 기능 개발 시마다 PRD를 기준 삼아 AI 에이전트에 필요한 작업만 요청
• 여러 피처/스프린트 간 명확한 연결고리 확보

모듈형 규칙 아키텍처는 글로벌 규칙의 경량화와 세분화를 가능케 함

• 글로벌 규칙 파일(예: agents.md, claw.md)은 범용‧핵심 규칙만 남겨 가볍게 유지
• 예시: 기술 스택, 프로젝트 구조, 실행/빌드 명령, 코딩 컨벤션, 로깅 표준 등 보편 사항만 글로벌에 유지
• 작업 유형별(예: 프론트엔드, API, 배포 등) 상세 규칙은 별도 마크다운 문서로 참조 폴더(reference)에 나눠 저장
• 글로벌 규칙 파일에서 각 참조 규칙 문서로 링크만 걸어, 특정 작업에만 해당 문서가 대화 컨텍스트로 로딩되게 설계
• 예시에서 API 전용 규칙 마크다운은 1,000라인에 달할 정도로 상세(필요할 때만 불러오기 가능)
• 목적: LLM의 컨텍스트 윈도우를 보호해 불필요한 정보로 오염, 혼잡해지는 상황을 방지
• 커맨드 워크플로우 내에서 필요한 참조문서 불러오기 지원, 작업별 최적화된 컨텍스트 로딩 실현

반복적 프롬프트는 반드시 커맨드화해 효율과 재사용성을 극대화함

• 두 번 이상 반복되는 프롬프트는 반드시 마크다운 기반 커맨드(명령/워크플로우)로 추상화
• 예시: git 커밋, 코드 리뷰, 컨텍스트 불러오기, PRD 생성, 피처 플래닝, 실행, 검증, 시스템 진화 등
• 워크플로우형 커맨드는 컨텍스트에 삽입해 일관된 프롬프트 전달 가능, 대폭 작업시간 절감
• 동료 간 워크플로우 공유, 조직 내 베스트 프랙티스 전파, 본 영상 내 깃허브 레포에도 주요 커맨드 제공
• 커맨드 및 워크플로우는 커스터마이즈 가능, 자신의 프로젝트 특성에 맞게 확장/적용 권장
• 전 개발 사이클에 걸쳐 모든 주기적 프로세스를 커맨드로 자동화해 생산 성과 일관성을 높임

PRD와 커맨드는 어떤 코드 에이전트에도 호환되어 적용될 수 있음

• 영상에서 소개한 프롬프트, 마크다운 문서, 커맨드 등은 Claude와 같은 특정 툴뿐 아니라 All-in-one 대응
• Cloud Code, Cursor 등 대표적 코드 어시스턴트 모두 동일하게 프롬프트 문서 기반 워크플로우 지원
• 따라서 워크플로우 템플릿을 자신의 어시스턴트 환경에 그대로 적용 가능
• 깃허브 레포 참고하여 명령구조/문서 템플릿 복사, 필요시 경로만 수정해 바로 복제 가능

컨텍스트 리셋으로 LLM의 추론 역량과 코드 품질을 극대화할 수 있음

• 새로운 피처 개발에서 ‘플래닝-실행’ 단계 사이 반드시 대화창(세션) 새로 시작(리셋)
• 플래닝의 마지막 결과물을 마크다운 문서(구조화된 플랜)로 출력한 뒤, 실행 대화창에는 오직 이 문서만 로딩
• 예시: PRD→기능별 플래닝→플래닝 문서를 커맨드로 출력→실행 전 대화 컨텍스트 초기화→플랜 문서만 어시스턴트에 제공
• 목적: 컨텍스트를 최대한 가볍게 하여 LLM이 논리적 추론, 셀프 밸리데이션 등 코어 기능에 메모리 리소스를 집중할 수 있게 함
• 해빗 트래커 예시: 캘린더 시각적 개선 미션에서 기능 설명, 유저 스토리, 개별 태스크 브레이크다운 등만 담긴 플랜 문서 사용
• 실행 단계에서는 어떠한 프라이밍, 추가 맥락 전달 없이 플랜 문서 자체가 유일한 기준

커맨드와 플랜, 규칙 등 컨텍스트 관리는 AI 협업에서 필수적임을 반복 강조함

• 반복적으로 ‘컨텍스트 관리’의 중요성 강조, LLM의 한정된 윈도우를 효율적으로 분배해야 성과 기대 가능
• 불필요하게 전역 규칙, 레퍼런스, 기획 정보 모두 입력하는 실수 지양
• 플래닝→실행→피드백→시스템 개선 등 각 단계마다 필요한 컨텍스트만 엄격히 추출‧초기화
• 커맨드/문서화 된 프로세스에서 작업마다 필요한 정보만 선택적 입력

시스템 진화 단계에선 버그를 시스템적 개선의 기회로 삼아야 함

• 단순 버그 수정을 넘어서, 시스템 규칙, 레퍼런스 문서, 커맨드 워크플로우까지 원인 지점을 추적해 지속적으로 개선
• 예시:
  • 잘못된 import 스타일 반복 시 글로벌 규칙에 관련 원라인 규칙 추가
  • 테스트 누락 시 플랜 템플릿 업데이트로 이후 자동화 반영
  • 인증 플로우 이해 실패 시 별도 레퍼런스 문서 작성 후 규칙 파일에 참조 링크 추가
• 각 피처 구축/검증 직후, “수행한 플랜과 규칙에 대조해 어떤 개선점이 있는지 찾아줘” 등으로 AI에게 자기 성찰적 태도 부여 가능
• 이런 피드백 루프와 규칙, 프로세스의 반복적 진화가 장기적으로 에이전트의 정확성과 신뢰도를 극대화함

해빗 트래커 데모와 깃허브 저장소 예시로 모든 기법이 실전 중심임을 확인 가능

• 모든 기법은 해빗 트래커라는 실제 프로젝트 예시와 함께 상세하게 단계별 시연
• 영상 설명 중 등장하는 주요 커맨드, 규칙, 워크플로우 등은 모두 깃허브 repos에 포함되어 있고 링크 제공
• 실제 의사소통 프롬프트, 문서 탬플릿 등의 형태로 바로 사용 및 참고 가능

전 과정을 ‘사이클 단위 피처 개발’과 ‘시스템 자가 진화’라는 체계적 설계로 운영함

• PRD-플래닝-실행-검증-시스템 진화 전 단계를 시스템적으로 반복
• 피처 단위로 문서화, 실행, 평가, 룰 및 템플릿 개선 루프 확립
• 녹화자 제공 커맨드/워크플로우에 전체 개발 프로세스가 집약되어 있음

모든 단계에서 수작업 개선 대신 시스템 전반의 룰, 워크플로우 혁신이 우선시됨

• “버그를 수정하지 말고, 버그를 낳은 시스템(룰/프로세스)을 고치라”는 마인드셋을 강조
• 팀‧개인 모두 장기적 경쟁력을 위해 시스템의 자기 강화 루프 내재화 필요

영상 내 모든 기법과 자료는 초급~중급 이상의 AI 코드 에이전트 이용자를 충분히 고려해 설계됨

• 기본적인 에이전트 활용법 숙지가 전제되어 있으며, 실무 응용 및 프로근무 효율화에 집중
• 초심자도 단계별 따라하기로 활용 가능하나, 본질은 실질적 컨텍스트 매니지먼트와 워크플로우 최적화에 있음