본문으로 이동
문서

개발자의 시간을 벌어주는 두 가지 도구: 잘 쓴 테크 스펙, 그리고 AI

한승희 컬리 · 컬리 기술 블로그

원문 보기

AI 핵심 요약

컬리 프로덕트 웹개발 팀은 담당자 변경이나 시간이 지난 뒤에도 개발 맥락을 파악하고, 코드 리뷰와 협업의 비효율을 줄이기 위해 표준화된 테크 스펙을 도입했습니다. 문서에 비즈니스·기술 배경, 작업 계획, 구현 로직, 일정과 관련 링크를 정리하고, 쿠폰 프로젝트에서는 고유 키 설계와 웹뷰의 세션·통신 문제를 코드 작성 전에 검토했습니다. 그 결과 코드 리뷰 시간이 기존 1~2일에서 1~2시간 내외로 줄었고, 설계 단계에서 이슈를 발견해 재작업과 커뮤니케이션 비용을 낮췄습니다. 최근에는 Claude·Gemini와 Taskmaster를 활용해 PRD에서 테크 스펙 초안과 태스크를 생성하고 있으며, AI가 만든 뼈대를 개발자가 다듬어 설계와 기록에 드는 부담을 줄이는 방식을 실험하고 있습니다.

  • 테크 스펙에는 비즈니스 배경과 기술 목표를 함께 적어 구현 이유와 설계 방향을 분명히 하세요.
  • 작업을 컴포넌트와 로직 단위로 나누고 의존성을 표시하면 일정 산정과 업무 분배의 근거가 됩니다.
  • 복잡한 로직은 의사 코드로 먼저 검토하고, 예외 상황과 의도적으로 제외한 범위도 기록하세요.
  • AI가 만든 초안은 완성된 설계가 아니라 출발점으로 삼고, 개발자가 기술적 세부사항과 엣지 케이스를 보완하세요.

소개

컬리 프로덕트 웹개발 팀의 테크 스펙 정착기와 AI 자동화 시도

비슷한 학습 자료

컨퍼런스 당근 밋업

비개발자도 AI로 실무 자동화를 만들 수 있을까? 당근 운영팀의 실제 사례로 바이브 코딩, 리뷰 자동화, LLM 기반 운영 전환까지 A to Z를 공유합니다. # 주요 내용 - 바이브 코딩 도전기: 검색어 이상치 탐지, 인터랙션 프로토타입, 실무 적용 팁과 한계 - 리뷰 자동화 시스템: 슬랙 + 재피어 + GPT로 요약, 라벨링, 인사이트 리포팅까지 구현 - LLM 운영 자동화 전환: “레귤러 마커(Regex Maker)”에서 완전 자동화 판단 시스템으로의 진화 - 프롬프트 전략: 역할 부여, 맥락 제공, 네거티브 샘플, 제약조건, 반복 개선 - 커리어 인사이트: “중간은 필요 없다” 시대의 생존 전략과 실전 사례 # 이런 분들께 추천해요! - 개발 리소스 없이도 빠르게 프로토타입과 자동화를 시도해보고 싶은 실무자 - 분석, 분류 등 반복 업무를 AI로 대체하고 싶은 운영 담당자 - 프롬프트 설계와 에이전트 활용의 실전 감을 익히고 싶은 분 #바이브코딩 #LLM #업무자동화...

AI 코딩 AI에이전트 개발

책 이행철 예스24

클로드 코드에게 코드는 맡기고 있지만 결과가 매번 달라진다면? 코드는 AI가 쓰고, 방향은 내가 정한다 대부분의 개발자는 여전히 AI 코딩 도구를 코파일럿처럼 사용한다. 무엇을 고쳐야 하는지 스스로 판단한 뒤 지시하고, AI가 코드를 작성하는 방식이다. 편리하지만 개발을 주도하는 것은 여전히 사람이고, 작업 범위가 조금만 커져도 AI는 원하지 않는 파일까지 건드리거나 테스트 없이 완료를 보고한다. 이 책은 여기서 출발한다. 제품 전체를 AI에게 한 번에 맡기는 것은 아직 어렵지만, 작업을 검증 가능한 작은 단위로 나누고 무엇을 만들지·어디까지 만들지·완료를 어떻게 확인할지를 명확히 지시한다면 지금도 AI에게 실제 개발을 맡길 수 있다는 것이다. 이 책은 애자일의 버티컬 슬라이스 개발 방식을 클로드 코드 워크플로에 적용한다. 클로드 코드가 사용자를 인터뷰해 요구사항(SPEC)을 정리하고, 이를 바탕으로 개발 계획(PLAN)과 작업 지시서(SLICE)를 만든 뒤 구현과 테스트까지 수행하...

AI 코딩 AI에이전트 개발

문서 정세훈

AI가 전문성의 종말을 초래할까요? 끝없이 토론되고 있는 이 질문에 대한 개발자의 개인적인 시각을 공유합니다.

문서 홍혜린

한 달, 각 잡고 리팩토링하기 좋은 시간, 그 기록의 공유

개발 · 프로그래밍 기타

문서 한경훈

반복되는 업무를 자동화하고, 중요한 일을 더 잘하려 노력하고, 그 모든 기반을 함께 올리는 일

AI 코딩

문서 이재서

53일 동안 AI와 148,000번 대화하며 깨달은 것 — 생산성 차이는 AI를 '많이' 쓰는 데서 오는 게 아니라, AI가 '어떻게' 일하게 하느냐에서 옵니다.

AI 코딩