tmux와 Markdown 스펙을 활용한 병렬 코딩 에이전트

✍️ OpenClawRadar📅 게시일: March 2, 2026🔗 Source
tmux와 Markdown 스펙을 활용한 병렬 코딩 에이전트
Ad

마누엘 쉬퍼는 tmux, 마크다운 파일, bash 별칭, 그리고 여섯 개의 슬래시 명령어를 사용한 경량 설정으로 병렬 코딩 에이전트를 운영해 왔습니다. 이들은 서브에이전트 프로필이나 오케스트레이터 없이 동작하는 기본 에이전트로, tmux 창마다 역할 명명 규칙을 따릅니다: 기획자(Planner, 마크다운 스펙 작성), 작업자(Worker, 완성된 스펙에서 구현), 프로젝트 매니저(PM, 백로그 정리 및 아이디어 덤핑).

기능 설계 시스템

대부분의 코드 작성은 완성된 스펙인 기능 설계(FD)를 바탕으로 이루어집니다. FD는 다음을 포함하는 마크다운 파일입니다:

  • 해결하려는 문제
  • 고려된 모든 해결책과 각각의 장단점
  • 최종 해결책과 업데이트할 파일을 포함한 구현 계획
  • 검증 단계

이 시스템을 도입한 후, 쉬퍼는 4-8개의 에이전트와 병렬로 작업할 수 있게 되었습니다. 8개를 초과하면 의사 결정 품질이 저하됩니다. 이 시스템은 300개 이상의 스펙이 있는 한 프로젝트에서 수동으로 구축되었으며, /fd-init 명령어를 사용하여 어떤 저장소든지 설정을 부트스트랩할 수 있도록 새로운 프로젝트로 이식되었습니다.

FD 추적 및 라이프사이클

각 FD는 번호가 매겨진 스펙 파일(FD-001, FD-002...)을 받아 모든 FD에 걸친 인덱스에서 추적됩니다. 파일은 docs/features/에 저장되며 8단계를 거칩니다:

  • 계획됨(Planned): 식별되었으나 아직 설계되지 않음
  • 설계 중(Design): 해결책을 적극적으로 설계 중
  • 열림(Open): 설계 완료, 구현 준비 완료
  • 진행 중(In Progress): 현재 구현 중
  • 검증 대기 중(Pending Verification): 코드 완료, 런타임 검증 대기 중
  • 완료(Complete): 검증 완료, 아카이브 준비 완료
  • 연기됨(Deferred): 무기한 연기됨
  • 종료됨(Closed): 수행하지 않음

슬래시 명령어

여섯 개의 슬래시 명령어가 전체 라이프사이클을 처리합니다:

  • /fd-new: 아이디어 덤프에서 새 FD 생성
  • /fd-status: 인덱스 표시: 활성화된 항목, 검증 대기 중인 항목, 완료된 항목
  • /fd-explore: 세션 부트스트랩: 아키텍처 문서, 개발 가이드, FD 인덱스 로드
  • /fd-deep: 어려운 설계 문제를 탐색하기 위해 4개의 병렬 Opus 에이전트 실행
  • /fd-verify: 코드 교정, 검증 계획 제안, 커밋
  • /fd-close: FD 아카이브, 인덱스 업데이트, 변경 로그 업데이트

모든 커밋은 해당 FD에 연결됩니다(예: "FD-049: 증분 인덱스 재구현 구현"). 변경 로그는 FD가 완료됨에 따라 자동으로 누적됩니다.

Ad

FD 파일 예시

FD-051: 다중 레이블 문서 분류
상태: 열림
우선순위: 중간
노력: 중간
영향: 다운스트림 필터링을 위한 더 나은 재현율

문제

수신 문서는 단일 범주 레이블을 받지만, 많은 문서가 여러 주제를 다룹니다. 분류기가 단일 최적 적합을 강제하기 때문에 다운스트림 필터는 관련 문서를 놓칩니다.

해결책

단일 레이블 분류를 다중 레이블로 대체:

  1. LLM을 사용하여 범주별 신뢰도 점수 할당.
  2. 0.90 이상의 신뢰도를 가진 모든 레이블 수락.
  3. 모호한 점수(0.50-0.90)의 경우, 확인을 위해 퓨샷 예제를 사용한 두 번째 LLM 패스 실행.
  4. 다운스트림 쿼리가 유연하게 임계값을 설정할 수 있도록 모든 레이블과 점수를 저장.

수정할 파일

  • src/classify/multi_label.py (신규: LLM 기반 다중 레이블 로직)
  • src/classify/prompts.py (신규: 모호한 경우를 위한 퓨샷 템플릿)
  • sql/01_schema.sql (점수가 포함된 document_labels 테이블 추가)
  • sql/06_classify_job.sql (신규: 수집 후 예약된 분류)

검증

  1. 스테이징 문서 테이블에서 분류기 실행
  2. 운영 로그에 오류가 없는지 확인, 상태 점검 실행
  3. 스팟 체크: 알려진 다중 주제 콘텐츠를 가진 문서가 예상 레이블을 가짐
  4. 테스트 실행, 다운스트림 필터가 신뢰도 임계값을 준수하는지 확인

시스템 초기화

어떤 저장소에서든 /fd-init을 실행하면:

  • CLAUDE.md, 패키지 구성, git 로그에서 프로젝트 컨텍스트 추론
  • 디렉토리 구조 생성 (docs/features/, docs/features/archive/)
  • 프로젝트에 맞춤화된 FEATURE_INDEX.md 생성
  • FD 템플릿 생성
  • 여섯 개의 슬래시 명령어 설치
  • 프로젝트의 CLAUDE.md에 FD 라이프사이클 규칙 추가

생성된 파일에는 docs/features/FEATURE_INDEX.md (기능 인덱스), docs/features/TEMPLATE.md (FD 파일 템플릿), docs/features/archive/ (아카이브 디렉토리), CHANGELOG.md (Keep a Changelog 형식), 그리고 FD 시스템을 포함한 프로젝트 규칙이 추가된 CLAUDE.md 업데이트가 포함됩니다.

📖 전체 소스 읽기: HN AI Agents

Ad

👀 See Also

memora: AI 에이전트를 위한 버전 관리된 타입화된 메모리 – AI 신념을 위한 Git
Tools

memora: AI 에이전트를 위한 버전 관리된 타입화된 메모리 – AI 신념을 위한 Git

memora는 AI 에이전트 메모리를 버전 관리하는 CLI 도구로, 타입화된 데이터, 출처 추적, 브랜치 및 병합 기능을 제공합니다.

OpenClawRadar
RunAnywhere RCLI: Apple Silicon용 온디바이스 음성 AI 파이프라인
Tools

RunAnywhere RCLI: Apple Silicon용 온디바이스 음성 AI 파이프라인

RunAnywhere가 macOS용 오픈소스 음성 AI 파이프라인인 RCLI를 출시했습니다. 이 도구는 STT, LLM, TTS를 Apple Silicon 장치에서 완전히 로컬로 실행합니다. 자체 개발한 MetalRT 추론 엔진을 사용하며 기존 솔루션 대비 상당한 성능 향상을 주장합니다.

OpenClawRadar
개발자가 Claude Code로 GALA 프로그래밍 언어 구축, 강력한 타입 시스템이 AI 생성 코드 신뢰성 향상에 도움 된다고 강조
Tools

개발자가 Claude Code로 GALA 프로그래밍 언어 구축, 강력한 타입 시스템이 AI 생성 코드 신뢰성 향상에 도움 된다고 강조

한 개발자가 Claude Code를 광범위하게 사용하여 Go로 트랜스파일되는 함수형 프로그래밍 언어 GALA를 구축했습니다. 이 언어는 봉인된 타입, 완전한 패턴 매칭, 기본적으로 불변성, 모나드 등의 기능을 갖추고 있으며, Claude는 타입 추론, 패턴 매칭 변환기 구현, 40개 이상의 버그 수정에 도움을 주었습니다.

OpenClawRadar
Repowise: 클로드 코드를 위한 사전 계산된 코드베이스 컨텍스트가 토큰 사용량과 작업 시간을 절반으로 줄이다
Tools

Repowise: 클로드 코드를 위한 사전 계산된 코드베이스 컨텍스트가 토큰 사용량과 작업 시간을 절반으로 줄이다

Repowise는 코드베이스를 네 개의 계층(의존성 그래프, Git 신호, 문서 위키, ADR)으로 인덱싱하여 Claude Code에 8개의 MCP 도구를 제공합니다. 30개 파일을 탐색해야 했던 작업을 5번의 MCP 호출과 2분으로 줄여줍니다.

OpenClawRadar