Using AI to write better code more slowly

개요

LLM(Large Language Model)은 고품질 코드를 작성하는 데에도 효과적으로 활용될 수 있으며, 이는 빠르게 저품질 코드를 생성하는 것과 대조된다.

주요 내용

* LLM의 버그 탐지 능력: Mythos와 같은 LLM 에이전트는 코드베이스를 반복적으로 분석하여 상당수의 버그를 발견할 수 있으며, Anthropic 및 OpenAI의 최신 모델도 이러한 능력을 갖추고 있다.
* 다중 모델 PR 리뷰: 여러 LLM 모델을 PR(Pull Request) 리뷰에 활용하면 환각(hallucination)이나 잘못된 버그 보고의 가능성을 줄일 수 있다.
* AI 기반 PR 리뷰 워크플로우: Claude, Codex, Cursor Bugbot과 같은 모델을 사용하여 PR의 버그를 탐지하고, 심각도별로 분류하며, 잘못된 양성(false positive)을 필터링한 후 최종 보고서를 작성한다.
* "느린 코딩" 방식: AI를 활용하여 PR의 모든 심각한 버그를 수정하고, 필요하지 않은 수정은 건너뛰며, 전반적인 코드 품질을 향상시키는 데 집중하는 방식이다.
* 코드베이스 이해 증진: 이 방식은 개발자가 코드베이스의 복잡한 부분과 실패 모드를 이해하도록 돕고, PR에 대한 깊이 있는 학습을 촉진한다.
* AI를 활용한 문서화 및 이해: AI 에이전트를 통해 PR의 작동 방식, 잠재적 실패 모드, Mermaid 차트를 포함한 Markdown 문서 작성, 그리고 /grill-me와 같은 스킬을 활용한 코드 검증이 가능하다.

시사점

LLM을 단순히 코드 생성 속도를 높이는 도구가 아니라, 코드 품질을 개선하고 코드베이스에 대한 이해를 심화시키는 데 활용하는 "느린 코딩" 방식은 개발자의 방법론을 개선하고 장기적인 코드 유지보수성을 높이는 데 기여할 수 있다.