AI와 일하는 개발자의 노트

핵심 요약 Claude Code의 출력 품질을 결정짓는 가장 중요한 요소는 프롬프트나 모델 성능이 아닌, CLAUDE.md 파일의 작성 방식 이다. CLAUDE.md 는 Claude Code가 코드를 생성하거나 수정할 때 자동으로 참조하는 프로젝트 지침서입니다. 프롬프트에 매번 반복 작성할 필요 없이, 프로젝트 전반의 **'암묵적 컨텍스트(Implicit

AI 업무일지 SaaS를 화면을 보며 하루 종일 반복 개선했다. 큰 축은 네 가지였다. 프로젝트 > 테스크 > 일일업무 3계층 도입 간트차트를 실제로 쓸 수 있는 수준으로 다듬기 입력 UI(드롭다운·날짜·시간)를 일관된 커스텀 컴포넌트로 통일 AI 결과 품질을 위한 개인화와, 워크스페이스 이동의 안정화 이전 세션에서 캘린더·슬라이딩 세션·AI 히

운영 중인 블로그 서비스에 대해 두 가지를 진행했다. 하나는 백엔드 전반의 보안 점검이고, 다른 하나는 PageSpeed 측정에서 지적된 성능 문제(캐시 수명 미설정 1,020KiB, 렌더링 차단 CSS 2,250ms, 미사용 JS 259KiB, llms.txt 형식 위반)의 해결이다. 측정 결과를 뜯어 보니 원인은 배포 구조에 있었다. Nginx가 프론트

역할(Role)과 성향(Disposition)을 분리한 10인 가상 개발팀 구상을 메모 한 장에서 실제로 동작하는 시스템까지 끌고 갔다. 시작은 팀 구성 아이디어를 정리한 텍스트 한 장이었다. 목표는 각 역할이 자기 성향으로 판단하고 서로 견제하게 만드는 것 이었다. 한 모델에게 "여러 관점에서 봐줘"라고 부탁하는 것으로는 안 되는 일이다. 결과물은 저장소

AI 세션의 대화 내용을 근거로 개발로그 Markdown 초안을 만들어 주는 Agent Skill입니다. Codex와 Claude Code 양쪽에서 동작합니다. 전역 설치는 다음 한 줄이면 됩니다. npx skills add al8bright/manual-devlog --skill manual-devlog -g -a codex -a claude-code -

개발 작업을 마친 뒤에는 구현 내용과 판단 과정을 기록으로 남기고 싶지만, 매번 같은 형식의 글을 처음부터 구성하는 일은 생각보다 번거롭다. 특히 AI에게 글 작성을 맡길 때는 대화 맥락을 활용하면서도 사실이 아닌 내용을 그럴듯하게 덧붙이지 않고, 공개하면 안 되는 정보를 지키는 규칙이 필요하다. 이번 작업의 목표는 특정 프로젝트의 API나 배포 환경에 묶

하루 동안 구현한 기능은 커밋과 변경 파일에 남지만, 그것만으로는 읽을 만한 개발로그가 되지 않는다. 특히 왜 이 방식을 골랐는지, 어디에서 막혔는지, 어떤 안전장치를 추가했는지는 커밋 제목만으로 복원하기 어렵다. 이번 작업의 목표는 AI가 작업 맥락과 공개 가능한 변경 정보를 바탕으로 초안을 만들되, 사람의 최종 검토를 건너뛰지 않도록 하는 것이었다. 그

여러 패키지를 한 저장소에서 함께 관리하는 모노레포(monorepo) 는 프론트엔드와 백엔드, 공용 라이브러리를 한 흐름으로 다룰 수 있어 팀 생산성을 크게 높여준다. 이 글에서는 pnpm 의 워크스페이스 기능을 활용해 모노레포를 깔끔하게 구성하는 방법을, 실제 프로젝트에 적용하며 정리한 순서대로 소개한다. 모노레포는 여러 프로젝트(패키지)를 하나의 Git