AI 15

[하네스 엔지니어링 입문] 3. 구성 요소 및 구축

1. 구성 요소구성 요소역할핵심 기능지시 문서Agent에게 어떻게 행동해야 하는지 알려줌방향 제시아키텍처 제약잘못된 구조나 코드를 자동으로 차단잘못된 방향 차단피드백 루프작업 결과가 올바른지 빠르게 확인결과 검증 및 교정지식 저장소프로젝트의 결정과 맥락을 지속적으로 제공결정의 이유와 배경 제공 2. 작성 방법구성 요소주요 내용예시지시 문서프로젝트 구조, 코드 규칙, 금지 사항, 작업 절차, 테스트·PR 규칙AGENTS.md, CLAUDE.md아키텍처 제약Lint, Type Check, 모듈·레이어 의존성, 금지 ImportESLint, Ruff, ArchUnit, pre-commit피드백 루프Test, Lint, Build, CI, 구체적인 오류 메시지Unit Test, Integration Test, ..

AI 2026.08.11

[하네스 엔지니어링 입문] 2. 하네스 엔지니어링

1. 하네스 엔지니어링이란?에이전트 주변의 작업 환경을 설계하는 방법론✅ 지시, 지식, 도구, 제약, 검증 체계 등을 구성함➡️ 에이전트를 직접 통제하는 것이 아니라, 에이전트가 올바르게 일할 수 있는 환경을 만듬➡️ 프로젝트의 규칙과 작업 절차를 지속적으로 따르면서 안정적으로 작업함 2. 이점이점설명일관성 확보여러 작업과 여러 세션에서도 동일한 개발 규칙 유지반복 설명 감소매번 프로젝트 규칙을 프롬프트로 설명할 필요 감소실수 조기 발견테스트·Lint·CI 등을 통해 잘못된 결과 자동 검출Architecture Drift 방지모듈·계층 간 잘못된 의존성 발생 가능성 감소리뷰 비용 감소사람은 네이밍·포맷 같은 반복적 문제보다 중요한 설계에 집중 가능작업 완료 기준 명확화테스트 통과 등 명확한 완료 조건 설..

AI 2026.08.11

[하네스 엔지니어링 입문] 1. 등장 배경

1. AI 코딩 시대의 흐름단계핵심 용어AI의 역할개발자의 역할핵심 질문1Prompt Engineering질문에 답변원하는 작업을 명확하게 지시어떻게 잘 지시할 것인가?2Context Engineering제공된 맥락을 바탕으로 작업파일·구조·규칙 등 필요한 정보 제공무엇을 알려줄 것인가?3Harness Engineering에이전트가 스스로 탐색·수정·테스트·실행에이전트가 일할 환경과 제약 설계어떻게 올바르게 일하게 만들 것인가? 2. 시대별 변화구분프롬프트 컨텍스트하네스범위1회 요청작업·세션프로젝트 전체지속성거의 없음세션 중심프로젝트에 지속적으로 적용개발자 역할지시안내환경 설계규칙 전달매번 설명필요한 맥락 제공문서·도구·제약으로 구조화실수 대응다시 요청다시 설명자동 검증·구조적 방지핵심 기술Prompt ..

AI 2026.08.11

[Claude Code] 4. subagent

1. Subagent란?특정 종류의 작업을 전담하는 독립된 AI 작업자✅ 주 대화의 Claude가 전체 작업을 조정하고, 필요한 하위 작업을 Subagent에 위임✅ Subagent는 별도의 컨텍스트에서 파일 탐색, 분석, 테스트, 수정 등을 수행한 뒤 결과를 요약하여 주 대화로 반환함 목적목적내용주 컨텍스트 보존대량의 코드, 로그, 테스트 결과를 별도 컨텍스트에서 처리전문화백엔드, 테스트, 인프라 등 작업별 시스템 프롬프트 적용병렬 처리서로 독립적인 작업을 동시에 수행권한 분리읽기 전용, 수정 가능, Bash 제한 등 역할별 도구 통제구성 재사용동일한 분석·검토 절차를 여러 요청에서 반복 사용비용 조절단순 탐색은 Haiku, 구현은 Sonnet 등으로 분리 한계✅ 주 대화에 대량의 검색 결과가 들어오는..

AI 2026.08.04

[Claude Code] 3. 명령어

1. 컨텍스트를 정확히 채우는 법'@' 파일 참조특정 파일이나 디렉터리를 명확히 지정하면 불필요한 탐색을 줄이고 현재 작업에 필요한 컨텍스트를 집중적으로 제공할 수 있음 예시) @로 파일 참조하여 프롬프팅하기더보기@spring-cloud-api-gateway/build.gradle 파일의 의존성을 설명해주세요.@user-service/src/main/java 아래에서 회원가입 흐름을 분석해주세요.@docker-compose.yml과 @.github/workflows를 비교해서 배포되는 컨테이너와 포트를 정리해주세요. Lazy Loading 방식으로 컨텍스트 관리하기필요한 시점에만 관련 문서를 읽게 하는 전략@를 사용하여 관련 문서 링크를 달아줌 예시) 작업 요청더보기이번 작업은 OAuth2 로그인 오류 ..

AI 2026.07.22

[Claude Code] 2. 모범 사례 가이드

0. 모든 팁은 컨텍스트 관리가 핵심컨텍스트 윈도우가 꽉 찰수록 Claude의 성능은 떨어짐⚠️ 지시사항을 잊어버리거나 실수가 늘어남➡️ 모든 팁은 "컨텍스트를 어떻게 아껴 쓰고 관리할 것인가"로 수렴함 1. 효과적인 작업 요청 공식단순히 "수정해달라" 하기 보다 구체적으로 전달하는 것이 좋음항목설명목표최종적으로 해결하거나 완성하려는 내용현재 상황현재 증상, 오류, 기존 구조작업 범위우선 확인하거나 수정할 모듈과 파일제약조건수정하면 안 되는 영역이나 지켜야 할 규칙검증 방법테스트, 빌드, 실행 확인 방법결과 보고변경 파일, 원인, 테스트 결과 등 최종 보고 형식 예시) OAuth2 Login 문제 조사더보기OAuth2 로그인 성공 후 프런트엔드로 리다이렉트되지 않는 문제를 조사해주세요.목표:- 로그인 성..

AI 2026.07.21

[Claude Code] 1. Claude Code

1. Claude Code란?터미널에서 실행되는 에이전트 코딩 도구✅ 코드베이스를 읽고, 파일을 편집하고, 명령을 실행할 수 있음✅ 기능을 구축하고, 버그를 수정하고, 개발 작업을 자동화함➡️ 전체 코드를 이해하고 여러 파일과 도구에 걸쳐 작업할 수 있음 2. 핵심 요소모델작업의 복잡도와 비용에 따라 선택할 수 있음작업 유형권장 방향모델명복잡한 아키텍처 설계높은 추론 성능 모델Opus 4.8일반적인 코드 수정균형 잡힌 기본 모델Sonnet 5빠른 검색과 단순 작업가벼운 고속 모델Haiku 4.5여러 서브에이전트 병렬 실행비용 효율적인 모델Haiku 4.5코드 리뷰 최종 검증높은 추론 성능 모델Opus 4.8 도구각 도구의 결과는 다음 행동을 결정하는 새로운 정보가 됨범주수행 가능한 작업파일 작업파일 읽기..

AI 2026.07.20

[Wiki] 2-3. LLM: Prompt Engineering

1. Prompt란?AI가 수행해야 할 작업을 설명하거나 지시하는 자연어 입력 구성 요소구성요소설명작업 예시목표수행해야 할 작업회원가입 오류 원인 분석배경 정보작업 이해에 필요한 상황특정 요청에서 500 오류 발생작업 범위확인하거나 수정할 영역user-service만 수정제약 조건반드시 지켜야 할 규칙기존 API 계약과 계층 구조 유지수행 절차작업 진행 순서분석 → 계획 → 구현 → 테스트완료 조건작업이 끝났다고 판단할 기준테스트 통과 및 오류 재현 불가출력 형식결과를 보고하는 방식원인, 변경 파일, 테스트 결과 2. Prompt Engineering 이란?생성형 AI 모델이 원하는 결과를 생성하도록 프롬프트를 설계하고 개선하는 과정✅ AI에게 작업 수행 과정을 명확하게 전달하는 기술 (무엇을, 어떤 조..

AI 2026.07.20

[Elastic] 2-4. LLM: Context Engineering

1. Context란?LLM이 응답이나 다음 행동을 생성할 때 참고할 수 있는 모든 정보➡️ 해당 정보들을 바탕으로 다음 행동이나 답변을 생성함 종류구성요소정의주요 내용 및 예시시스템 프롬프트에이전트의 기본 역할, 행동 규칙, 권한, 제약 조건을 정의하는 지침역할, 답변 방식, 사용 가능한 도구, 금지 행동, 보안 규칙, 출력 형식사용자 프롬프트현재 작업을 발생시키는 사용자의 직접적인 입력질문, 명령, 요청 조건, 원하는 결과물, 추가 제약사항단기 메모리현재 세션이나 작업에 필요한 정보를 일시적으로 유지하는 공간최근 대화, 현재 목표, 실행 계획, 완료 단계, 오류 내역장기 메모리여러 세션에 걸쳐 반복적으로 활용해야 하는 정보를 저장하는 공간사용자 선호도, 장기 프로젝트 정보, 업무 규칙, 과거 결정외부..

AI 2026.07.18

[IBM] AI 스택

1. AI 스택이란?실제 업무 문제를 해결하려면 5개 계층이 필요함✅ 각 계층에서 어떤 기술을 선택하느냐에 따라 품질, 처리 속도, 운영 비용, 확장성, 보안성, 편의성 등이 달라짐 2. Infrastructure LayerAI 모델이 실행될 하드웨어와 배포 환경LLM은 보통 AI 전용 하드웨어가 필요함 (ex. GPU)모델 크기와 요청량에 따라 필요한 인프라가 달라짐 배포 방식방식설명장점단점On-Premise회사 내부에 GPU 서버를 직접 구축데이터 통제, 높은 보안성높은 초기 비용, 운영 복잡성Cloud클라우드에서 GPU 자원을 임대빠른 구축, 탄력적 확장지속적인 사용 비용, 외부 의존Local개인 PC나 노트북에서 모델 실행개인정보 보호, 인터넷 없이 사용 가능실행 가능한 모델 크기와 성능 제한 3..

AI 2026.07.17