Stop hand-maintaining your .cursorrules. It's already lying to your agent.

개요

AI 도구에 .cursorrules, CLAUDE.md, AGENTS.md와 같은 규칙 파일을 수동으로 관리하는 것은 시간이 지남에 따라 결정 사항이 반영되지 않아 에이전트가 잘못된 정보를 기반으로 작동하게 만드는 구조적인 문제를 야기합니다.

주요 내용

* 수동으로 작성된 AI 규칙 파일은 시간이 지남에 따라 팀의 결정 사항이나 변경된 전략이 업데이트되지 않아 최신 상태를 유지하기 어렵습니다.
* 인간은 결정이 내려지는 과정 중간에 즉각적인 보상이 불확실한 내용을 기록하는 것을 지속적으로 수행하기 어렵기 때문에, 수동 관리 방식은 본질적으로 실패할 가능성이 높습니다.
* AI 에이전트가 오래되거나 잘못된 규칙을 기반으로 여러 파일을 수정하는 것은 심각한 문제를 야기하며, 이는 단순히 정보 전달에 그치는 ADR(Architecture Decision Records)의 실패보다 더 큰 위험을 초래합니다.
* 대안으로, 결정이 실제로 이루어지는 PR 스레드, Slack 채널, 티켓 등에서 정보를 캡처하고, 거기서 선택 사항, 이유, 거부된 대안을 추출하여 에이전트가 읽을 수 있는 규칙을 지속적으로 생성하는 방식이 제시됩니다.
* 이러한 접근 방식은 규칙 파일이 더 이상 지친 인간이 관리하는 것이 아니라, 팀의 실제 의사결정을 반영하는 결과물이 되도록 합니다.
* 거부된 옵션은 AI의 퇴행을 방지하는 데 가장 중요한 정보이며, "X를 시도했지만 이렇게 실패했으니 다시 가져오지 마라"와 같은 정보가 에이전트가 이전 상태로 회귀하는 것을 막습니다.
* 의사결정은 다양한 채널(Slack, GitHub, Jira 등)에 분산되어 있어 단일 표면만으로는 대부분의 정보를 파악하기 어렵습니다.
* 규칙을 생성하기 전에 에이전트가 읽는 제약 조건은 생성 후 경고보다 훨씬 효과적이며, 규칙 파일에 중요한 결정 사항이 누락되는 이유는 형식 자체가 인간의 본성에 반하기 때문입니다.

시사점

AI 에이전트의 정확성과 신뢰성을 유지하기 위해서는 수동적인 규칙 관리 방식에서 벗어나, 실제 의사결정 과정을 자동으로 캡처하고 이를 기반으로 규칙을 지속적으로 생성하는 혁신적인 접근 방식이 필요합니다.