[Claude Code] AI 튜닝 + 바이브코딩 환경 세팅 — 혼자서 개발팀처럼 돌아가는 환경 구축하다
2026.06.07
📝 한줄 요약
1주차에서 발견한 "워크스페이스가 복잡하고 느리다"는 문제를 AI 튜닝 프로세스로 해결했습니다. 그리고 스터디장 사이트를 4라운드 분석해서 얻어낸 40개 발견사항을 개발 워크스페이스에 전부 적용 — 혼자인데 팀처럼 굴러가는 바이브코딩 환경이 완성됐습니다.
🎯 이런 분들께 도움돼요
AI 워크스페이스를 쓰다 보니 점점 무거워지는 느낌이 드는 분
AI 시스템을 어떻게 "정비"해야 할지 막막한 분
바이브코딩으로 혼자 개발팀 역할을 하고 싶은 분
1~2주차 시리즈를 읽어오신 분
📖 1~3주차 이야기 흐름
주차 | 발견한 문제 | 한 일 | 결과 |
|---|---|---|---|
1주차 | 본업 WS가 복잡하고 무거움 (598줄, 2중 레이어) | 스터디장 WS와 비교 분석, 개발 전용 WS 신설 | AI-WORKSPACE-22-DEV 완성 |
2주차 | 스킬 22개인데 뭐가 뭔지 모름, 충돌 발생 | 스킬 체계 정립, WS 설계 방법론 구축 | 스킬·WS 지식 자산화 |
3주차 | 무거운 이유 = 오버패킹 발견 | AI 튜닝 프로세스 신설 + 스터디장 사이트 40개 발견사항 개발 WS 적용 | 파일 60~91% 감량 + 팀처럼 굴러가는 바이브코딩 환경 완성 |
😫 문제 상황 (Before)
1주차 게시글에서 이런 비교표를 만들었습니다.
관점
본업 WS
스터디장 WS
구조 복잡도
높음 (598줄, 2중 레이어)
간결 (하네스 철학 집중)
그때는 "구조가 다를 뿐"이라고 생각했는데, 3주차에 들어서 진짜 원인을 찾았습니다.
오버패킹(Over-packing)이란?
자동차 트렁크에 짐을 계속 쌓아두면 연비가 나빠지듯이, AI 워크스페이스도 파일이 쌓이면 무거워집니다.
AI가 작업할 때마다 참고하는 파일들 — 소통 기록, 변경 이력, 운영 문서 — 이게 정리 없이 계속 커지면:
AI가 파일을 읽는 데 더 많은 토큰 소모
세션 중 응답 속도 저하
오래된 정보와 새 정보가 섞여 혼란 발생
실제로 얼마나 쌓여 있었나?
클코-니봇 소통보드: 1,168줄 (A4 약 23장)
CHANGELOG.md: 2,397줄 (A4 약 48장)
클코-토니 소통보드: 889줄 (A4 약 18장)
🛠️ 해결 과정
Step 1: AI 튜닝 교본 만들기
먼저 "AI 시스템을 어떻게 튜닝하는가"에 대한 교본을 만들었습니다. 충분한 사전조사와 검토를 통해 v2.0 교본을 완성했습니다.
교본의 핵심 개념:
4층 컨텍스트 구조
├── 항상 필요 (매 세션 자동 로딩)
├── 조건부 필요 (특정 작업 시에만)
├── 최근 맥락 (이번 주 것만)
└── 장기 기억 (아카이브)
Step 2: /ai-tuning 커맨드 만들기
교본을 바탕으로 5단계 진단·실행 커맨드를 만들었습니다.
1. 스캔 ── 파일 크기·줄수 자동 측정
↓
2. 진단 ── 체크리스트 점검
↓
3. 리포트 ── 문제 항목 출력
↓
4. 승인? ── 어떤 항목을 실행할지 확인
├── 전부 or 번호 지정 ──▶ 5. 튜닝 실행
└── 취소 ──▶ 종료
이제 /ai-tuning 이라고 입력하면 AI가 알아서 진단하고, 승인 받고, 실행합니다.
Step 3: 실제 튜닝 실행
커맨드를 실행하자 진단 리포트가 나왔습니다. "소통보드 1,168줄 — 아카이브 권장", "CHANGELOG 2,397줄 — 분리 필요" 같은 항목들이 줄줄이.
승인하자 AI가 알아서 아카이브 파일을 만들고, 내용을 이동하고, 원본은 최근 것만 남겼습니다.
✅ 결과 (After)
파일 크기 감량 결과
파일 | 전 | 후 | 절감율 |
|---|---|---|---|
클코-니봇 소통보드 | 1,168줄 | 99줄 | -91% |
2,397줄 | 955줄 | -60% | |
클코-토니 소통보드 | 889줄 | 274줄 | -69% |
아카이브 파일 별도 보관 → 내용 손실 없이 감량
추가로 개선된 것들
항목 | 개선 내용 | 효과 |
|---|---|---|
자기개선 인프라 |
| 같은 실수 반복 방지 |
주간 점검 루틴 | AI 튜닝 7-3단계 추가 | 격주 자동 점검 체계화 |
아키텍처 문서 | 2개월 미갱신 → 현행화 | 정확한 현황 파악 가능 |
CLAUDE.md 규칙 | 자기개선 규칙 박제 | 3회 반복 실수 → 자동 승격 |
🚀 바이브코딩 개발 환경 구축 — 스터디장 사이트 분석으로 레벨업
계기: 스터디장이 만든 사이트를 파봤더니
3주차 중반, 스터디장이 만든 Claude Code 가이드 사이트를 제대로 분석해봤습니다.
처음엔 "좋은 팁 몇 개 얻겠지"라고 생각했는데, 4라운드에 걸쳐 파고들수록 개발 워크스페이스를 완전히 다시 설계해야 한다는 결론이 나왔습니다.
총 40개 발견사항, 그 중 이번 세션에서 즉시 적용한 것만 12개입니다.
Before vs After: 개발 WS가 어떻게 달라졌나
영역 | 이전 (분석 전) | 이후 (분석·적용 후) |
|---|---|---|
코드 리뷰 | 매번 수동 요청 |
|
보안 검사 | 없음 |
|
QA 테스트 | 없음 |
|
기술 조사 | 매번 재조사 |
|
위험 명령어 | 실수 가능 | Safety Hook — |
민감 파일 편집 | 실수 가능 | Hook — |
GitHub 연동 | 없음 | GitHub MCP — 이슈·PR 직접 조회·코멘트 |
브라우저 자동화 | 없음 | Playwright MCP — 웹 UI 테스트·네트워크 디버깅 |
CI/CD | 없음 | GitHub Actions — PR 올릴 때마다 Claude 자동 코드 리뷰 댓글 |
이슈 수정 흐름 | 수동 컨텍스트 조합 |
|
타입·인텔리센스 | 없음 | typescript-lsp + pyright-lsp — 타입 오류 사전 감지 |
세션 시작 | 빈 컨텍스트 | SessionStart Hook — 작업일지 자동 로드 |
가장 인상적이었던 발견: "동적 컨텍스트 주입" — 스킬 실행 전
!`git diff HEAD~1 --stat`처럼 셸 명령어를 자동 실행해서 현재 상황을 Claude에게 먼저 알려주는 방식. 매번 수동으로 설명하던 것이 사라집니다.
목표: 5~10명 개발팀을 1인으로
그러면 이 환경이 실제로 몇 명 몫을 커버하는 걸까요?
팀 규모별로 각 역할에 어떤 AI 도구가 대응하는지 매핑해봤습니다.
팀원 역할 | 대체 도구 | 실제로 하는 일 |
|---|---|---|
PM (기획) |
| 한 문장 → PRD 4종 자동 생성, |
프론트엔드 개발자 |
| 컴포넌트·CRUD·반복 패턴 병렬 개발 |
백엔드·아키텍처 | Claude Code | 복잡 로직, DB 설계, API 구조 |
코드 리뷰어 |
| PR 자동 리뷰, 품질 기준 누적 학습 |
QA 엔지니어 |
| 엣지 케이스 발굴, 버그 재현 시나리오 |
보안 전문가 |
| 하드코딩 시크릿·입력 검증·권한 우회 8체크 |
기술 리서처 |
| 라이브러리 비교, 기술 스택 결정 근거 |
UI/UX 디자이너 |
| 레퍼런스 사이트 CSS 실추출 → design.md |
DevOps 엔지니어 | GitHub Actions CI/CD | PR마다 Claude 자동 리뷰, 파이프라인 |
문서화 담당자 |
| 92개 라이브러리 공식 문서 실시간 참조 |
총 10개 역할 — 실제 팀이라면 최소 5명, 규모에 따라 10명 이상이 필요한 구성입니다.
실제 바이브코딩 워크플로우
아이디어 하나가 배포까지 가는 흐름이 이렇게 됩니다:
1. 아이디어 → /show-me-the-prd
└─ 인터뷰 3~5개 질문 → PRD + 기술 스펙 자동 생성
2. PRD → goaljaby (/goal)
└─ 실행 계약서 생성 → 목표 이탈 방지
3. 개발 분류 → pumasi
└─ "이 모듈은 Codex, 저 모듈은 Claude" 역할 분리
└─ 5개+ 독립 모듈 병렬 개발 시작
4. 코드 완성 → code-reviewer + security-reviewer
└─ 자동 리뷰 댓글 → 수정 → PR
5. PR 올리기 → GitHub Actions
└─ Claude 자동 코드 리뷰 댓글 생성
6. 디자인 → insane-design
└─ 레퍼런스 사이트 CSS 추출 → 실제 적용
7. 배포 → Vercel
혼자인데 팀처럼 돌아갑니다.
환경만 만들어선 부족했습니다 — 자체 조사를 시작했습니다
스터디장 사이트를 분석해서 적용했습니다. 이건 "이미 검증된 설계를 따라 배우는" 것입니다.
그런데 한 가지 의문이 남았습니다.
"바이브코딩 도구는 계속 나오는데, 우리 환경이 최신인가?"
그래서 자체 조사를 진행했습니다. "최신 바이브코딩 워크플로우와 비교했을 때 우리 환경에 빠진 게 뭔가?"
조사에서 공통으로 드러난 개선 포인트 3가지:
갭 | 문제 | 해결 방향 |
|---|---|---|
시각 프로토타입 단계 없음 | 코드부터 짜다가 방향이 잘못돼도 늦게 안다 | Google AI Studio / Stitch 단계 추가 |
디자인-코드 연결 약함 | CSS 추출은 단방향 — 설계와 코드가 점점 어긋난다 | Figma MCP / Pencil.dev 도입 |
AI 아첨 편향 필터 없음 | 같은 맥락 공유한 리뷰어 AI는 메인 코드를 맹목 추종한다 | 격리 Fresh Context 리뷰어 추가 |
이 세 가지는 v2에서 반영할 계획입니다.
🔭 앞으로 — '환경'을 계속 진화시킨다
바이브코딩 지식베이스를 만들었습니다
스터디장 사이트 분석, 자체 조사 — 이게 한 번으로 끝나는 작업이 아닙니다.
바이브코딩 도구와 트렌드는 빠르게 변합니다. 몇 달 전 최고였던 워크플로우도 지금은 더 나은 방식이 나와 있을 수 있습니다.
그래서 이번에 개발 워크스페이스 안에 "바이브코딩 지식베이스" 를 만들었습니다.
07-vibecoding-kb/
├── vibecoding-methodology.md ← 설계 원칙 모음 (계속 업데이트)
├── 01-workflow/
│ └── workflow-v1-current.md ← 현재 워크플로우
└── 02-research/
└── YYYY-MM-DD-조사.md ← 자체 조사 결과 (날짜별 누적)
새 조사 결과가 나올 때마다 여기에 쌓이고, 설계 원칙이 업데이트되고, 워크플로우가 v2 → v3으로 올라갑니다.
"만들어두고 방치"가 아니라, 조사→발견→적용→기록의 사이클 이 계속 돌아가는 구조를 갖춘 겁니다.
진짜 목표: 5~10명 몫을 실제로 쳐내는 것
앞서 역할 매핑 표를 보여드렸습니다. PM부터 DevOps까지 10개 역할.
솔직히 말하면, 지금은 아직 "그럴 수 있는 환경을 세팅한 것" 입니다. 실제로 그만큼의 생산성을 내는지는 아직 증명이 안 됐습니다.
앞으로의 목표는 이걸 진짜로 만드는 겁니다.
단순히 AI 도구를 갖다 붙이는 게 아니라:
실제 프로젝트에서 기획부터 배포까지 한 사이클을 돌리고
각 단계에서 시간이 얼마나 걸렸는지 측정하고
어디가 병목인지 찾아서 개선하고
그 결과로 워크플로우를 업데이트하는
이 사이클이 돌아가기 시작하면, 그게 진짜 "1인 = 팀" 바이브코딩 환경 입니다.
다음 스텝
단계 | 내용 |
|---|---|
v2 환경 업데이트 | 시각 프로토타입 단계 + Figma MCP + 격리 리뷰어 추가 |
실전 테스트 | 실제 프로젝트 한 사이클 — 생산성·효율성 검증 |
결과 공유 | 수치로 본 "1인 = 팀" 실증 |
💡 배운 점
1. AI 시스템도 '유지보수'가 필요하다
코드를 만들면 리팩토링이 필요하듯, AI 시스템도 주기적인 튜닝이 필요합니다. 방치하면 조용히 무거워지고, 어느 순간 이유 모를 답답함이 생깁니다.
2. 튜닝 프로세스 자체를 AI로 자동화할 수 있다
"AI를 튜닝하는 커맨드를 AI로 만든다"
처음에는 이상하게 들리지만, 실제로 됩니다. /ai-tuning 커맨드 하나로 진단부터 실행까지 반자동화됐습니다.
3. 구체적인 수치가 동기부여다
"느린 것 같다" → "1,168줄 → 99줄 (-91%)" 막연한 느낌을 수치로 바꾸는 순간, 다음 행동이 명확해집니다.
4. 환경이 팀을 만든다
혼자 개발하다 보면 "코드 리뷰를 누가 해주지?", "보안은 어떻게 챙기지?" 고민이 생깁니다. 그런데 서브에이전트 4명을 세팅하고 나서 그 고민이 사라졌습니다.
도구를 설치하는 게 아니라, 팀원을 채용하는 것처럼 생각하니 환경 구축이 달라 보였습니다.



ai 90%나 다이어트를 하셨다니 놀랍습니다
튜닝이 정말 되는것 같습니다 ~