오늘 본 영상은 캐슬 AI님의 「깃헙 스타 10만개 받은 65줄짜리 CLAUDE.md」입니다. 영상에서는 안드레 카파시의 AI 코딩 관련 문제의식을 바탕으로 만들어진 CLAUDE.md 규칙 파일을 소개합니다.
처음에는 단순히 “Claude Code를 더 잘 쓰는 설정 파일” 이야기라고 생각했습니다. 그런데 내용을 정리해보니 핵심은 더 넓었습니다.
AI에게 일을 맡기기 전에, AI가 어떤 기준으로 움직여야 하는지 먼저 정해야 한다.
이번 글은 영상을 보고 배운 내용을 요약과 확장 관점으로 정리한 기록입니다.
한 문장 요약
AI 코딩 도구는 코드를 못 짜서 문제가 되는 것이 아니라, 너무 빠르고 자신 있게 잘못된 방향으로 달릴 수 있기 때문에 작업 기준, 단순성, 수정 범위, 검증 기준을 미리 잡아야 합니다.
요약 맵
CLAUDE.md 4가지 핵심 원칙
- Think Before Coding: 코딩하기 전에 먼저 생각하고, 모르면 질문한다.
- Simplicity First: 필요한 최소한의 코드만 작성한다.
- Surgical Changes: 요청받은 부분만 정확하게 수정한다.
- Goal-Driven Execution: 성공 기준을 정하고 검증될 때까지 반복한다.
1. Think Before Coding: 코딩 전에 먼저 생각하기
요약
AI가 가장 자주 하는 실수 중 하나는 모호한 요청을 자기 마음대로 해석하고 바로 구현하는 것입니다. 예를 들어 “로그인 기능 만들어줘”라고 하면, 프로젝트 상황을 묻지 않고 JWT 방식으로 바로 구현할 수 있습니다.
하지만 실제 프로젝트에서는 세션 방식이 맞을 수도 있고, OAuth가 필요할 수도 있고, 이미 쓰고 있는 인증 구조가 있을 수도 있습니다. 그래서 AI는 먼저 가정을 드러내고, 선택지를 제시하고, 모르면 질문해야 합니다.
확장
이 원칙은 학습에도 그대로 적용할 수 있습니다. 새로운 개념을 배울 때 바로 “정답”을 외우는 것이 아니라, 먼저 이런 질문을 해야 합니다.
- 내가 지금 무엇을 알고 있다고 가정하고 있지?
- 이 개념을 다르게 해석할 여지는 없나?
- 어떤 선택지가 있고 각각의 장단점은 무엇인가?
즉, 요약은 “핵심만 줄이는 것”이고, 확장은 “내가 어떤 가정을 하고 있는지 확인하는 것”입니다.
2. Simplicity First: 단순하게 만들기
요약
AI는 종종 작은 문제를 너무 복잡하게 풉니다. 몇 줄이면 되는 기능을 불필요한 클래스, 추상화, 설정 구조로 크게 만들 수 있습니다.
이 원칙은 “요청한 기능을 해결하는 최소한의 코드만 작성하라”는 기준입니다. 한 번만 쓰는 코드에 과한 추상화를 만들지 않고, 요청하지 않은 유연성도 추가하지 않습니다.
확장
학습에서도 단순함이 중요합니다. 처음부터 모든 내용을 완벽히 정리하려고 하면 오히려 시작이 어려워집니다. 먼저 한 문장으로 줄이고, 그다음 예시를 붙이는 방식이 좋습니다.
예를 들면 이렇게 정리할 수 있습니다.
좋은 프롬프트는 긴 프롬프트가 아니라, 역할과 목표와 검증 기준이 분명한 프롬프트다.
이렇게 한 문장으로 잡은 뒤, 내 프로젝트에 맞게 확장하면 됩니다.
3. Surgical Changes: 필요한 곳만 정확히 수정하기
요약
AI에게 버그 하나를 고치라고 했는데 주변 코드까지 정리하고, 주석을 바꾸고, 관련 없는 파일을 수정하면 검토하기 어려워집니다.
그래서 수정은 수술처럼 작고 정확해야 합니다. 내가 요청한 변경과 직접 연결되는 줄만 바꾸고, 관련 없는 개선점은 바로 수정하지 말고 따로 알려주는 것이 좋습니다.
확장
이 원칙은 프로젝트 고도화 기록에도 중요합니다. 한 번에 모든 것을 바꾸면 무엇 때문에 좋아졌는지 알기 어렵습니다.
예를 들어 CatchPro에서 리스트 OCR 자동 클릭을 제거했을 때, 동시에 다른 기능까지 크게 바꿨다면 문제 원인을 추적하기 어려웠을 것입니다. 하지만 “잘못된 상세 화면이 열릴 수 있다”는 문제에 집중해서 자동 클릭 흐름을 제거했기 때문에 수정 이유와 결과가 명확해졌습니다.
4. Goal-Driven Execution: 성공 기준으로 실행하기
요약
영상에서 가장 중요하게 느껴진 원칙입니다. AI에게 “버그 고쳐줘”라고만 말하면, AI는 그럴듯한 부분을 수정하고 끝낼 수 있습니다.
하지만 “버그를 재현하는 테스트를 만들고, 그 테스트가 통과하도록 수정해줘”라고 말하면 결과가 훨씬 명확해집니다. 핵심은 일을 명령하는 것이 아니라, 성공 기준을 주는 것입니다.
확장
학습에서도 마찬가지입니다. “오늘 공부하기”는 기준이 약합니다. 대신 이렇게 바꾸면 좋습니다.
- 오늘 배운 개념을 한 문장으로 요약한다.
- 내 프로젝트에 적용할 예시를 하나 적는다.
- 블로그에 문제점과 해결 과정을 남긴다.
이렇게 바꾸면 학습이 완료됐는지 스스로 확인할 수 있습니다.
내 프로젝트에 적용한다면
CatchPro
CatchPro에는 Surgical Changes와 Goal-Driven Execution이 특히 중요합니다.
- 문제: 리스트 OCR 자동 클릭이 잘못된 상세 화면을 열 수 있음
- 요약: 빠른 자동화보다 오탐을 줄이는 구조가 먼저다.
- 확장: “잘못된 오더를 자동확정하지 않는다”를 성공 기준으로 두고, 상세 화면 기준 판단 구조를 유지한다.
YesTrader
YesTrader에는 Think Before Coding과 Simplicity First가 중요합니다.
- 문제: 매매 아이디어를 바로 자동매매로 연결하면 위험함
- 요약: 라벨, 후보 구역, 실시간 트리거를 분리해야 한다.
- 확장: FullAuto보다 SignalOnly 단계에서 먼저 신호가 맞는지 검증한다.
InsightView Space
InsightView Space에는 Goal-Driven Execution이 잘 맞습니다.
- 문제: AI가 만든 글을 바로 발행하면 품질과 사실관계 문제가 생길 수 있음
- 요약: 자동화의 목표는 많이 발행하는 것이 아니라 검토 가능한 흐름을 만드는 것이다.
- 확장: 발행 성공 기준을 “출처 확인, 초안 생성, 검토 상태 저장, 최종 발행”으로 나눈다.
내가 사용할 요약/확장 템플릿
앞으로 새로운 AI 코딩 개념을 배울 때는 아래 템플릿으로 정리해보려고 합니다.
요약/확장 학습 템플릿
- 오늘 배운 개념: 무엇을 배웠나?
- 한 문장 요약: 핵심을 한 문장으로 줄이면?
- 내 말로 설명: 내가 이해한 방식으로 다시 말하면?
- 예시: 실제 상황에서는 어떻게 보이나?
- 내 프로젝트 적용: CatchPro, YesTrader, InsightView 중 어디에 쓸 수 있나?
- 검증 기준: 제대로 적용됐는지 어떻게 확인할 것인가?
마무리
이번 영상에서 배운 것은 CLAUDE.md 파일 하나를 설치하는 방법보다 더 중요했습니다. AI를 잘 쓰려면 AI에게 일을 많이 시키는 것보다, AI가 어떤 기준으로 움직여야 하는지 먼저 정해야 합니다.
요약하면 네 가지입니다.
- 먼저 생각하게 하기
- 단순하게 만들게 하기
- 필요한 곳만 수정하게 하기
- 성공 기준으로 검증하게 하기
그리고 이것을 학습에 적용하면 이렇게 됩니다.
요약은 핵심을 작게 만드는 과정이고, 확장은 그 핵심을 내 프로젝트와 경험에 연결하는 과정이다.
앞으로 AI 리더 캠프 학습을 기록할 때도 단순히 내용을 줄이는 데서 끝내지 않고, 반드시 내 프로젝트에 어떻게 적용할 수 있는지까지 확장해보려고 합니다.
참고 자료