짧은 리드 AI 코딩 방법: 통제권 유지로 페이블 이기기

보안에 민감한 소프트웨어를 유지보수하는 그렉 슬레팍(Greg Slepak)은 1년 넘게 연구한 AI 코딩 에이전트에 대한 결과를 짧은 줄(short leash) 방식으로 정리했습니다. 이 방식은 품질을 희생하지 않고 AI를 활용해 생산성을 높이길 원하는 전문 개발자를 위해 설계되었으며, 프론티어 모델 없이도 Fable 5 결과를 능가한다고 주장합니다.
슬레팍이 지적하는 핵심 문제: AI 에이전트는 자주 "탈선"하거나, 보기 싫고 비효율적인 코드를 생성하거나, 개발자를 루프에서 배제하는 유튜버 스타일의 오케스트레이션 시스템을 필요로 합니다. 그의 방법은 모든 단계에서 당신이 통제권을 유지하도록 합니다.
짧은 줄 규칙
- 작업 계획을 세우되, 선택적으로
tasks skill같은 것을 사용해 큰 작업을 단계로 나눕니다. - 절대 "YOLO" 모드(일명 "위험하게 권한 건너뛰기")를 사용하지 마십시오.
- AI는 당신이 지켜보는 동안에만 작동합니다 — 게임을 하면서 "바이브 코딩"하지 마십시오.
- 변경 전에 권한 요청 창에 diff를 표시하는 코딩 에이전트를 사용하십시오.
- 제안된 각 diff를 분석하고, AI가 원치 않는 작업을 하려고 할 때마다 권한을 거부하십시오.
- 코드베이스에 대한 최신 이해를 유지하기 위해 루프 안에 머무르십시오.
- AI가 탈선하는 것을 막기 위해 자주 개입하십시오.
- 각 서브태스크 후에 커밋하여 AI가 이전 작업을 삭제하는 것을 방지하십시오(슬레팍은 Opus가 이런 행동을 하는 것을 목격했습니다).
AI 리뷰
슬레팍은 AI를 PR 리뷰를 위한 린터처럼 취급할 것을 권장합니다. AI는 일반적인 실수를 잡고, 사람은 높은 수준의 문제를 잡습니다. 둘이 함께하면 각각 단독으로 사용할 때보다 성능이 좋습니다. AI는 충분한 컨텍스트(이슈, PR 설명)가 필요합니다.
그는 또한 수십억 달러 규모의 시스템과 맞먹는 성능을 내는 맞춤형 AI 리뷰 도구를 직접 구축했으며, Crush라는 에이전트의 포크를 유지 관리하고 있다고 언급했습니다.
📖 전체 출처 읽기: HN AI Agents
👀 See Also

안전한 OpenClaw 업그레이드를 위한 카나리 인스턴스 설정
레딧 사용자가 프로덕션 환경에 적용하기 전 OpenClaw 업그레이드를 테스트하기 위한 상세한 카나리 방법론을 공유합니다: 격리된 설정 루트, 별도 포트, 스모크 테스트 매트릭스, 구조화된 업그레이드 보고서 형식.

ik_llama.cpp MTP를 사용한 단일 3090에서의 Qwen 3.5 122B MoE 35 t/s
ik_llama.cpp의 융합 MoE 연산이 MTP 성능을 오프로드된 전문가에서 +20% 향상시킵니다. Qwen 3.5 122B MoE가 단일 3090과 192GB RAM에서 35 t/s로 실행됩니다. 클라우드 불필요.

React Native에서 온디바이스 AI 구축의 실용적인 교훈
개발자가 React Native 앱에 온디바이스 LLM, 이미지 생성, 음성 전사, 비전 AI를 구축한 구체적인 기술적 세부사항을 공유합니다. 여기에는 메모리 관리 전략, 라이브러리 선택, 성능 벤치마크가 포함됩니다.

OpenClaw 에이전트 자율성 문제 해결: 스킬 파일, 도구 선택 및 Cron 설정
개발자가 OpenClaw 에이전트가 초기 설정 후 자동으로 작동을 멈추는 문제에 대한 해결책을 공유합니다. 주요 수정 방법으로는 채팅 지시 대신 외부 스킬 파일 사용, 브라우저 도구를 API 기반 도구나 Puppeteer 스크립트로 대체, cron 작업 올바르게 구성하기 등이 있습니다.