[한영자막] 기본 원리로 다시 보는 루프 엔지니어링 — Kyle Mistele (HumanLayer)
한 줄 핵심
코딩 에이전트에 프롬프트를 무작정 반복시키는 방식보다, 측정 가능한 목표·증분 변경·피드백·흐름 제어를 갖춘 제어 루프를 설계해야 대규모 실제 코드베이스에서 안전하고 효율적으로 AI를 쓸 수 있다.
시간별 요약
-
0:00
단순히 prompt를 루프에 넣어 큰 PR을 쏟아내는 방식은 팀 협업, 규제, 운영 안정성이 필요한 현실에서는 비효율적이다. 루프는 강력하지만, 실제 현장에서는 읽을 수 있고 검토 가능한 범위로 설계되어야 한다.
-
4:02
루프 설계의 핵심은 control theory처럼 현재 상태를 측정하고, 목표 상태와의 차이를 계산해, 작은 변화만 적용한 뒤 다시 측정하는 구조다. thermostat, Kubernetes autoscaling, IaC처럼 이미 익숙한 시스템이 모두 이 원리를 사용하며, 급격한 변경보다 점진적 변경이 위험을 줄인다.
-
6:02
Ralph류의 막연한 bash loop보다 중요한 것은 sensor, controller, actuator를 분리해 agentic control loop로 만드는 일이다. sensor는 ESLint, AST grep, agent 기반 규칙 등으로 구성할 수 있고, controller는 어떤 항목을 고칠지 결정하며, actuator는 그 변경을 실제 코드에 반영한다.
-
8:01
실제 사례로, RPC API를 effect로 점진적으로 마이그레이션할 때 AST grep으로 미이관 procedure를 찾고, main에서 한 번 전체 스캔을 고정 기준으로 삼은 뒤, 새 PR이 다시 문제를 늘리는지 감시한다. 또한 telemetry를 함께 넣어 오류가 많거나 관측성이 부족한 지점부터 우선 마이그레이션하면, 단순 치환이 아니라 품질 개선까지 함께 노릴 수 있다.
-
12:04
효과적인 루프는 GitHub Actions 같은 기존 실행 환경에서 돌리되, skill을 잘 만들고 golden patterns로 초기 가이드를 제공하며, PR feedback file을 version control로 관리해야 한다. 동시에 label과 comment trigger로 인간 피드백을 저마찰로 반영하고, 열린 PR이 있으면 다음 실행을 멈추는 flow control을 넣어 작업 중복과 충돌을 막아야 한다.
-
16:00
루프의 속도는 한 번에 더 많이 바꾸거나, 여러 변경을 별도 컨텍스트 윈도우로 나누거나, 여러 사람에게 병렬로 분배해 높일 수 있다. 핵심은 AI가 만든 코드를 더 많이 생산하는 것이 아니라, 사람이 읽고 검토할 수 있는 수준으로 안전하게 개선하는 운영 체계를 만드는 것이다.
실무 인사이트
- AI 코딩 루프를 도입할 때는 먼저 무엇을 측정할지와 한 번에 얼마나 바꿀지를 정의해야 하며, 그렇지 않으면 검토 불가능한 대형 PR만 늘어난다.
- 실무에서는 deterministic한 도구(AST grep, grep, 규칙 기반 검사)로 센서를 먼저 만들고, agent는 그다음 단계의 증분 수정에만 쓰는 편이 안정적이다.
- PR 라벨, feedback file, comment trigger, open PR 차단 같은 장치를 넣으면 인간 개입을 최소화하면서도 루프를 안전하게 재조정할 수 있다.