바이브코딩을 멈추세요: AI 에이전트와 TDD로 코딩하는 EXACT

한 줄 핵심

바이브 코딩 대신 예시 매핑과 예측형 TDD로 AI 코딩 에이전트를 단계적으로 이끌면, 원하는 기능과 코드 품질을 동시에 끌어올릴 수 있다는 실전 워크플로를 보여준다.

시간별 요약

0:00
도입: AI가 만든 코드, 정말 원하던 건가요? AI가 코드를 만들어도 결과가 의도와 어긋나는 문제를 짚고, 예시를 먼저 정한 뒤 테스트 주도 개발로 AI를 유도하는 EXACT 코딩 방식을 소개한다. 실험 데이터, 서브 에이전트, 예측형 TDD, 사람의 개입 수준까지 다룰 것임을 예고한다.
0:22
예시 주도 개발이라는 관점 TDD는 본질적으로 예시 중심의 개발로 이해하는 편이 더 정확하며, agentic AI 도구도 추상적 설명보다 구체적인 예시에 더 잘 반응한다는 관점을 제시한다. EXACT 코딩은 바로 이 예시 중심 사고를 핵심으로 삼는다.
1:11
EXACT를 만든 이유: 바이브 코딩의 문제 바이브 코딩은 돌아가는 코드는 얻어도 원하는 결과와 코드 품질을 함께 얻기 어렵다는 한계를 드러냈다. 이에 TDD와 리팩터링의 장점을 살려, LLM의 생산성은 취하되 품질은 유지하는 대안으로 EXACT를 만들었다.
2:34
EXACT 워크플로우 전체 흐름은 예시 매핑으로 문제를 구조화하고, 그 결과를 테스트 목록으로 바꾼 뒤, TDD의 red-green-refactor 루프를 한 항목씩 돌리는 방식이다. 즉, 사람의 이해 단계와 LLM의 구현 단계를 분리해 품질을 관리한다.
3:21
예시 매핑은 사람을 위한 것 예시 매핑은 사용자 스토리, 규칙, 구체적 예시, 남은 질문을 카드로 정리해 사람들 사이의 공통 이해를 빠르게 만드는 협업 도구다. 이후 LLM은 누락된 예시나 가능한 변형을 점검하는 역할을 맡아, 사람과 모델이 함께 테스트 목록을 다듬는다.
4:33
실험실과 예시 매핑 결과 처음 보는 과제에서 줄글 설명만으로는 정확도가 27%였지만, 예시 매핑을 먼저 하면 94%까지 올라갔다. 스핑크스 스코어도 15%에서 100%로 개선되어, 예시 기반 사전 정리가 실제 성능 향상으로 이어짐을 보여준다.
6:21
현실의 모호함과 스펙 주도 개발 실무에서는 보험, 은행, 이커머스처럼 도메인 전문가가 아닌 상태에서 모호한 요구사항을 다루는 경우가 많아, 명확한 문장만으로는 부족하다. Markdown 문서를 늘리는 방식의 spec-driven development보다, 앞단에서 사고를 더 많이 하고 예시로 문제를 좁히는 접근이 더 효과적이라고 본다.
8:52
안쪽 루프: 품질과 비용 데이터 이 구간의 자막에는 별도 발화가 없어 구체적 내용은 드러나지 않지만, 앞선 예시 매핑에서 내부 TDD 루프로 넘어가는 전환부에 해당한다. 이후 논의는 품질 향상과 비용, 그리고 에이전트 구성 방식의 효과로 이어진다.
10:03
서브 에이전트 실험 TDD의 각 단계를 별도 컨텍스트를 가진 서브 에이전트로 분리하면, 긴 맥락에서 정보가 희석되는 문제를 줄일 수 있다는 실험을 진행했다. 최신 모델에서는 차이가 예전보다 작아졌지만, 전담 리팩터링 에이전트를 두면 여전히 코드 품질이 개선된다.
12:35
예측형 TDD 각 TDD 단계 전에 결과와 실패 이유를 먼저 예측하게 하면, 사람도 현실 감각을 유지할 수 있고 LLM도 현재 상태와의 정렬을 점검할 수 있다. 예측을 먼저 쓰는 과정이 문제를 컨텍스트 앞쪽으로 끌어와 성능 개선에 기여한다.
14:07
사람은 얼마나 개입해야 할까 완전 자율부터 단계별 점검까지 자율성 수준을 선택할 수 있게 하되, 실제로는 사람이 더 자주 관찰하고 교정할수록 결과가 좋아진다. 요구사항을 해석하고 मानसिक 모델을 세우는 일은 아직 사람의 역할이 매우 크다.
15:23
TDD를 잘 몰라도 될까 TDD를 깊게 몰라도 시작은 가능하지만, 더 잘할수록 harness를 개선하고 자신의 지식을 시스템에 반영할 수 있다. 자율성도 끝까지 맡기기, 사이클마다 멈추기, 단계마다 멈추기처럼 여러 수준으로 나뉜다.
16:25
Emily Bache의 정리 예시 매핑 같은 협업적 모델링으로 올바른 것을 만들고, 예측형 TDD와 필요하면 별도 리팩터링 서브 에이전트로 제대로 만들자는 흐름으로 정리된다. 핵심은 AI에게 전부 맡기는 것이 아니라, 사람이 예시와 검증으로 방향을 계속 잡아주는 데 있다.
16:46
마무리 느낌대로 코드를 맡기기보다, 예시로 무엇을 만들지 먼저 정하고 테스트로 한 걸음씩 이끄는 방식이 전체 메시지다. AI 코딩에서도 명확한 예시와 점진적 검증이 결과의 품질을 좌우한다.

실무 인사이트

AI 코딩의 핵심은 프롬프트를 길게 쓰는 것이 아니라, 먼저 예시와 규칙으로 문제를 구조화하는 데 있다.
LLM의 성능 차이는 모델 자체보다도 컨텍스트를 어떻게 나누고 어떤 단계에 사람을 개입시키느냐에 크게 좌우된다.
실무에서는 완전 자동화보다 사람이 요구사항과 결과를 계속 교정하는 반자동 루프가 더 안정적이다.