Workflow

Workflow

• Agent가 효과적으로 일을 하기 위해서는 맥락(Context) 필요

• 특히, 코딩과 같은 문제 해결 상황에서는 AI가 단순히 코드를 생성하는게 아닌, 맥락을 추적하고, 영향도 파악, 사이드 이펙트를 관리하는 과정이 필수적

• 즉, Agent가 나의 사고 방식을 그대로 따라가도록 워크플로우를 정의하고, 맥락을 주입하여 "나의 클론"으로 진화시키는 것이 목표

핵심 아이디어

• 모든 맥락을 Agent에 주입할 필요는 없음

• AI가 인지해야하는 상황에 대한 정보 즉, 어떤 맥락을 참조해야 하는지 정의

  • 어떤 코드를 수정해야하는지

  • 문제 해결에 필요한 맥락은 무엇인지

  • 코드 수정 시 다른 사이드 이펙트는 없는지

  • 사이드 이펙트를 어떤식으로 추적하는지

• 워크플로우를 정의할 때 이런 맥락들의 의도를 쫓아가는 과정들을 Agent에게 주입시키는것이 핵심

• Agent가 나의 사고 과정을 반영해서 수행하도록 한다면

  • 아키텍처 이해 → 영향도 파악 → 코드 수정 및 폴더 구조 분리 → 자동화

장점

• AI가 코드를 작성하는 과정을 보면 내 의도와 벗어난 지점을 빠르게 인지 가능

• 코딩에 필요한 맥락을 탐색하는 과정에서 내 의도대로 맥락을 주입 가능

• 내가 하던 방식대로 문제 접근 → 유지보수 용이

• 일을 위임하는 입장에서 효율적

단점

• 내 역량을 그대로 투영 → 내가 잘 못하는 부분은 Agent도 못하게됨

• 그래서 개인 역량이 중요함 → 꾸준히 학습과 정리를 지속해야함

• 워크플로우 개선은 내 역량도 조금씩 끌어올리면서 점진적으로 이뤄져야 함

워크플로우 구축 과정 (피드백 루프)

AI Agent가 내 클론처럼 업무를 잘 수행할 수 있도록 하기 위한 전략적 단계

1. 지식 포착

• 개발자의 지식을 수집하고 정량화

• 일하는 방식을 객관화 및 분석

• 상황 인지 순간을 포착

• 정보를 어떻게 가져오고 어떤 순서로 구성해 문제를 해결하는지 정리

• 지식 포착 훈련 방법 → 특정 상황이 주어지면 혼잣말로 풀어서 정리

2. 지식 구조화

• 수집된 지식들을 Plan-Act-Retrive 프레임에 체게적으로 매핑

• 각 단계를 Frame으로 정의

• Frame 내부에 필요한 정보 단위를 Slot으로 정의

3. 지식 형식화

• 암묵지 → 형식지 변환 과정

• 구조화된 지식을 실행 가능한 AI 프롬프트로 변환

• 프롬프트 체이닝을 통한 최적화

• Rule-chain 으로 룰을 구조화하여 정리

• 상황별 필요한 Rule을 불러와 최적화

  • 단, 상황에 맞는 모든 Rule이 준비되야함

4. 지식 진화

• 피드백 기반으로 워크플로우 지속 개선

• 맥락 압축 + 기록 → 장기 메모리 축적

• 풍성한 맥락을 제공하면 Agent가 히스토리 파악하기 용이해짐