클로드 코드를 지속적으로 개선하는 방법
Source: Towards Data Science
Claude Code를 사용할 때 적용하는 기술들을 다루는 글들이 많지만, 제가 덜 다룬 주제는 Claude Code 사용 자체를 어떻게 개선할 수 있는가입니다. Claude Code 인스턴스와 제가 업데이트하는 코드 저장소 내에서 Claude Code가 작동하는 방식을 최적화하려면 어떻게 해야 할까요?
이 글에서는 제가 Claude Code와 상호작용하는 방식을 지속적으로 업데이트하고, Claude Code가 작동하는 방식을 어떻게 개선해 왔는지에 대해 강조하고자 합니다. 이를 통해 저와 코딩 에이전트가 시간이 지날수록 점점 더 효율적으로 일할 수 있게 됩니다.
지속적인 학습(continual learning) 개념은 매우 강력합니다. 하루에 몇 퍼센트만 개선해도, 몇 주·몇 달에 걸친 누적 효과는 어마어마합니다. 기본 제공 버전의 Claude Code나 다른 코딩 에이전트보다 훨씬 더 효율적으로 작업할 수 있게 됩니다.
이 간단한 그래픽은 본 글의 주요 내용을 한눈에 보여줍니다. 저는 Claude Code가 매일 크론 작업을 통해 스스로 개선하도록 하는 방법과, 인간과 코딩 에이전트 간의 상호작용을 최적화하는 방법을 논의할 것입니다. 이미지 출처: ChatGPT
왜 지속적인 학습을 해야 할까?
항상 주제가 왜 중요한지, 왜 신경 써야 하는지, 그리고 어떻게 도움이 되는지를 설명하려고 합니다. 지속적인 학습을 해야 하는 이유는 간단합니다. Claude Code, Codex, 혹은 다른 코딩 에이전트의 기본 제공 버전만 사용한다면, 여러분은 큰 기회를 놓치고 있는 겁니다. 물론 이 모델들은 굉장히 강력하지만, 몇 년 전과 비교했을 때도 이미 이전보다 훨씬 효율적이라는 점은 부인할 수 없습니다.
하지만 그것이 전부는 아닙니다. 진정 중요한 것은 지속적인 학습을 적용하면 또다시 대규모 효율성 향상을 얻을 수 있다는 점입니다.
이 글에서는 제가 Claude Code를 매일 스스로 개선하도록 만드는 아주 간단한 기법 하나를 소개하고, 인간과 Claude Code 간의 상호작용을 최대한 효과적으로 만들기 위해 제가 시도하고 있는 최적화 방법도 함께 공유하겠습니다.
Claude Code가 스스로 학습하도록 만들기
우선 지금 바로 적용할 수 있는 간단한 기법을 소개합니다. 이 방법만으로도 Claude Code의 성능이 눈에 띄게 향상될 가능성이 높습니다.
Claude Code 안에 다음과 같은 스킬을 하나 만들어 보세요:
Review my last interactions with Claude Code from the last 24 hours.
Look for any problems that I encountered, things that weren't working
efficiently, and unnecessary tool calling. Look for common mistakes
Claude Code was doing and other things that can be optimized.
Look thoroughly through all conversations and make a plan for how we
can optimize our flow in the future, both within each repository and
cross-repositories. Also look for insights that would be useful for the
coding agent to know beforehand, both before entering a repository and
when working in multiple repositories at the same time. 예를 들어 이 스킬의 이름을 review-past-performance 라고 정합니다. 그런 다음 매일 새벽 2시(또는 에이전트와 활발히 상호작용하지 않을 시간대)마다 이 스킬을 실행하도록 크론 작업을 설정합니다.
이 스킬이 실행되면 Claude는 지난 24시간 동안의 모든 대화를 훑어봅니다. 대화 흐름을 살피면서 Claude Code가 어디서 막혔는지, 시간이 과다하게 소요된 부분, 불필요하거나 잘못된 툴 호출, 잘못된 가정 등을 찾아냅니다. 그런 뒤 앞으로 같은 실수를 방지하고 작업 흐름을 최적화하기 위한 구체적인 계획을 수립합니다. 구현되는 변화는 다음과 같습니다:
agents.md혹은 유사한 일반 마크다운 파일에 추가 정보 삽입- 특정 작업에 대해 필요 시 로드하거나 실행할 수 있는 전용 스킬 제작
pre‑commit훅, 테스트 스크립트 등 전용 스크립트·툴링 도입을 통해 동일 실수 재발 방지
가장 큰 장점은 에이전트와 직접 상호작용할 필요 없이 매일 자동으로 자기 성찰(self‑reflection) 을 수행한다는 점입니다. 비효율성을 스스로 발견하고, 이를 조정함으로써 Claude Code는 점점 더 나은 방향으로 진화합니다. 또한 이 과정에서 여러분만의 기술 스택이나 저장소별 선호도가 자동으로 파악·최적화되므로, 맞춤형 에이전트를 구축할 수 있습니다.
매일 밤 이 크론 작업을 돌리기만 하면, 저는 코드 에이전트가 실수를 크게 줄이고, 올바른 접근 방식을 더 잘 인식하도록 만들면서 엄청난 효율성 향상을 경험했습니다. 결과적으로 에이전트는 제 선호도를 더 정확히 반영하게 되었습니다.
인간과 코딩 에이전트 간 상호작용 개선하기
두 번째로 다루고 싶은 주제는 인간과 코딩 에이전트 간의 상호작용을 어떻게 최적화할 것인가 입니다. 저는 에이전트에게 원하는 코드를 가능한 한 빠르고 효율적으로 구현하도록 만들기 위해, 어떻게 소통해야 할지 끊임없이 고민하고 반성합니다.
아직 완벽히 해결된 문제는 아니며, 코딩 에이전트를 더 쉽고, 더 좋게, 더 효율적으로 다룰 수 있도록 하는 다양한 툴과 플랫폼이 계속 등장하고 있습니다. 이 섹션에서는 제가 직접 실천하고 있는 인간‑에이전트 상호작용에 대한 생각과 최적화 방법을 공유합니다.
※ 여기서 소개하는 기법들은 제 개인 워크플로에 맞게 최적화·튜닝된 것이므로, 여러분도 직접 읽어보고 자신의 워크플로에 어떻게 적용할 수 있을지 고민해 보시길 권합니다.
7개 이상의 에이전트를 동시에 실행하기
저는 작업량이 많을 때 여러 에이전트를 동시에 실행하는 경우가 흔합니다. 물론 동시에 많은 에이전트를 돌릴 수 있는지는 상황에 따라 다릅니다. 효율적으로 병렬 작업이 가능할 때는 가능한 한 많은 에이전트를 동시에 구동합니다.
하지만 7개가 넘는 에이전트를 동시에 다루기 시작하면 전체를 파악하고 컨텍스트를 전환하거나, 각 에이전트가 무슨 일을 하고 있는지 추적하고, 에이전트가 질문할 때 적절히 답변하는 것이 점점 어려워집니다.
이를 해결하기 위해 여러 도구와 플랫폼을 시도해 보았습니다. 현재는 Warp를 사용하고 있는데, 하나의 저장소 안에서 병렬 에이전트를 다룰 때는 분할 창(split pane) 으로 탭을 나누고, 다른 저장소를 작업할 때는 새로운 탭을 여는 식으로 운영합니다. 이 방식은 비교적 잘 맞지만, 여전히 7개가 넘는 에이전트를 동시에 다룰 때는 한계가 있습니다.
Conductor, Omnara 같은 IDE 기반 솔루션도 시험해 보았지만, Warp만큼 생산성을 끌어올리지는 못했습니다.
이 섹션에서 얻은 교훈은 가능한 한 많은 에이전트를 동시에 운영하기 위한 몇 가지 팁 입니다.
- 작업량이 충분히 병렬화 가능해야 한다 – 동시에 진행할 수 있는 작업이 많고, 에이전트가 장시간 방해받지 않고 실행될 수 있어야 합니다.
- 요약(recap) 기능을 적극 활용한다 – Claude Code는 채팅 하단에 요약을 제공하는데, 이는 현재 대화 흐름을 한눈에 파악하게 해 줍니다. 요약을 통해 빠르게 현재 상황을 이해하고, 다음 행동을 결정할 수 있습니다.
(이하 내용은 원문이 끊긴 상태이므로 여기서 마칩니다.)