Claude, ChatGPT·Codex, Gemini, Cursor 같은 주요 AI 도구의 새 기능·가격·사용 한도·정책 변화를 1인 개발자와 메이커 관점에서 골라 쉽게 요약합니다.
Cursor, Windsurf, Codex, Claude Code를 같은 프로젝트나 서로 다른 프로젝트에 동시에 쓰는 방식이 실제 개발 흐름에 들어와 있다. 팀 협업에서도 이런 도구들을 함께 사용한다. 코드는 대부분 AI 도구로 만들고, 직접 코드를 쓰는 일은 줄어든다. 다만 세밀한 판단과 꼼꼼한 확인이 필요한 작업은 사람이 직접 맡아야 한다. AI가 코드를 많이 만들어도, 마지막 품질 확인과 엄격한 검토는 여전히 중요하다.
Cursor Pro+를 많이 쓰는 환경에서 모델 선택이 비용 문제로 이어질 수 있다. Composer 2.5를 주로 쓰고 싶어도 Cursor가 Composer 2.5 Fast나 Anthropic 계열 모델로 기본 설정을 바꾸는 일이 생긴다. 지난달에는 Composer 모델로 약 20억 토큰을 써서 월 사용량의 약 95%를 채웠다. 새 달에는 원하지 않았던 Claude Opus 4.8 사용으로 12달러가 청구됐고, 이는 Composer가 아닌 사용량의 약 8%에 해당한다. 현재는 편집기 안에서 일부 모델을 수동으로 끄는 정도만 가능해 보이며, 클라우드 에이전트는 따로 Claude로 바뀌는 경우가 있다. 계정 전체를 Composer 2.5만 쓰도록 잠그거나, 특정 모델을 완전히 차단하는 기능이 필요하다는 요구다.
Gemini 이용자 커뮤니티에서 답변을 막는 필터가 지나치게 강하다는 불만이 나왔다. 공개된 내용으로 확인되는 핵심은 Gemini가 어떤 요청을 위험하거나 부적절하다고 판단해 막는 기준이 너무 넓거나 이해하기 어렵다는 문제 제기다. 구체적인 사례, 차단된 문장, 해결 방법은 제공된 정보에 포함되어 있지 않다.
showy-quota는 Codex, Claude, Gemini, OpenCode 같은 여러 AI 도구의 남은 사용량을 한곳에 보여주는 Zellij용 플러그인이다. 작업 도중 구독 한도에 걸리는 문제를 줄이기 위해 만들었고, CodexBar가 지원하는 40개 이상 제공자의 남은 비율과 초기화까지 남은 시간을 막대 형태로 표시한다. Zellij 안에서는 높이 1칸짜리 테두리 없는 창에 넣어 계속 볼 수 있다. CodexBar 서버가 로컬에서 실행 중인지 확인하고, 없으면 Zellij의 숨은 백그라운드 창에서 직접 시작한다. 데이터를 가져오지 못해도 마지막으로 성공한 표시를 유지하고, 일정 시간이 지나면 오래된 정보라고 표시한다. 한 제공자가 멈춰도 다른 제공자의 표시가 같이 멈추지 않도록 각각 따로 처리한다. 제공자 목록, 경고 기준, 막대 너비, 테마는 KDL 설정으로 바꿀 수 있다.
Payo는 실제 프로젝트 구성을 물어본 뒤, Cursor가 따라야 할 규칙 파일을 자동으로 만들어 주는 도구다. Cursor는 프로젝트의 데이터 처리 방식, 파일 위치, 이름 짓기 규칙을 모르면 스스로 추측해서 코드를 만들 수 있다. `.cursorrules`와 `.cursor/rules/**`를 잘 써 두면 이런 추측을 줄일 수 있지만, 프로젝트가 바뀔 때마다 사람이 계속 갱신하기는 번거롭다. Payo는 한 번 질문에 답하면 프로젝트 관례에 맞춘 규칙을 만들어서 Cursor가 첫 요청부터 그 방식에 맞게 작업하도록 돕는다. 실행은 `npx @uge/payo` 또는 `bunx @uge/payo`로 할 수 있다. 같은 질문 결과로 Claude, Copilot, Codex, Windsurf, Antigravity용 설정도 만들 수 있다. 현재 타입스크립트·자바스크립트, 파이썬, Go, Rust 환경에서 25개 프레임워크, 24개 데이터 계층, 4개 데이터베이스 구성을 다룬다.
Payo는 짧은 질문에 답하면 프로젝트에 맞춘 CLAUDE.md와 .claude/skills 폴더를 만들어 주는 CLI 도구다. Claude로 코딩할 때 프로젝트 구조, 테스트 방식, 커밋 규칙 같은 세부 기준을 미리 알려주지 않으면 Claude가 빈칸을 스스로 채우고, 나중에 그 기본값을 고치느라 시간이 든다는 문제에서 출발했다. Payo는 사용하는 프레임워크, 데이터베이스, 데이터 처리 방식, 로그인 방식, 테스트 방식, 팀 규칙을 묻고 그 답에 맞춰 Claude가 따라야 할 규칙을 작성한다. Claude CLI가 설치되어 있으면 Claude를 직접 활용해 더 자세한 규칙을 만들고, 없으면 미리 준비된 템플릿으로 대신 만든다. 같은 인터뷰 결과로 Cursor, Copilot, Codex, Windsurf, Antigravity용 설정도 만들 수 있다. 지원 범위는 25개 프레임워크, 24개 데이터 처리 방식, 4개 데이터베이스이며, 언어는 타입스크립트/자바스크립트, 파이썬, Go, Rust를 포함한다. 실행은 npx 또는 bunx로 할 수 있으며, 아직 초기 단계의 1인 개발 프로젝트다.
ChatGPT Enterprise 관리자는 이제 Global Admin Console에서 ChatGPT와 Codex의 크레딧 사용량을 한곳에서 볼 수 있다. 사용자, 제품, 모델별로 크레딧이 어디에서 쓰였는지 나눠 볼 수 있고, 시간에 따른 사용 흐름과 많이 쓰는 사람도 확인할 수 있다. 같은 사용량 데이터는 Cost API로도 가져갈 수 있어 회사 내부 분석 시스템에 연결할 수 있다. 관리자는 전체 작업공간의 기본 지출 한도를 정하고, 특정 그룹이나 개인에게 다른 한도를 줄 수 있다. 사용자는 자기 크레딧 사용량과 남은 예산을 보고, 더 필요하면 추가 요청을 보낼 수 있다. 요청할 때 어떤 일을 하는지 적을 수 있어 관리자가 승인 여부를 판단하기 쉽다. 이 기능은 2026년 6월 18일부터 ChatGPT Enterprise 관리자와 해당 작업공간 사용자에게 제공된다.
30일 동안 업무 결과를 기록한 결과, Claude를 쓴 시간은 전체 업무 시간의 45%였지만 완성된 결과물은 38%에 그쳤다. Claude를 쓰지 않은 시간은 55%였고, 완성된 결과물은 62%였다. Claude를 쓸 때는 일이 빠르게 진행되는 느낌이 강했고, 초안과 선택지가 더 많이 나왔다. 하지만 초안 만들기, 지시문 고치기, 답변 읽기, 수정하기, 다시 지시하기가 계속 반복되면서 작은 끊김이 쌓였다. Claude를 쓰지 않을 때는 속도는 느렸지만 문제를 더 오래 붙잡고 생각한 뒤 바로 더 완성도 높은 결과물을 냈다. 결론은 Claude가 일을 시작하는 데는 강하지만, 일을 끝내는 데는 오히려 방해가 될 수 있다는 것이다. 그래서 지금은 조사, 개요, 초안처럼 작업의 앞부분 30%에만 Claude를 쓰고, 나머지 70%는 인공지능 없이 마무리한다. 이 혼합 방식이 Claude만 쓰거나 전혀 쓰지 않는 방식보다 더 좋은 결과를 냈다.
Claude Code를 오래 쓰면서 CLAUDE.MD 파일이 100줄이 넘게 커졌고, 프로젝트별 지침 파일도 따로 생겼다. 그런데 Claude가 점점 덜 잘하는 것처럼 느껴지고 있다. 원인으로는 AI 코딩의 처음 신기함이 줄어든 점, 지침 파일에 기대면서 매번 쓰는 프롬프트가 덜 정확하고 더 막연해진 점이 의심된다. 더 짧은 전역 설정과 프로젝트 설정으로 돌아가고, 대신 작업마다 더 구체적인 프롬프트와 지시를 쓰는 방식이 나을지 고민이 핵심이다. 현재 개인 작업 방식에는 목표 설정, 계획, 창의적인 문제 정의가 부족하다고 느끼며, Claude Code를 잘못 쓰던 습관에서 다시 배운 경험이 있는지도 궁금해한다.
Gemini 3.5 Flash 모델이 AI Studio(Google의 AI 개발 도구)에 적용된 이후, '바이브 코딩'(AI에게 자연어로 지시해 코드를 생성하는 방식)을 오랜만에 시도한 사용자들 사이에서 품질이 눈에 띄게 나빠졌다는 불만이 잇따르고 있다. 포르투갈어권 사용자 역시 같은 업데이트가 자신의 시스템에 심각한 문제를 일으켰다고 보고하며, 특정 언어·지역을 가리지 않고 유사한 경험이 공유되고 있다. 현재 제공된 원문에는 구체적인 오류 내용보다는 스크린샷과 짧은 반응이 주를 이루고 있어 정확한 원인은 불분명하지만, 모델 업데이트 타이밍과 증상이 맞물려 3.5 Flash 전환이 직접 원인으로 지목되고 있다.
Google이 Gemini를 이용해 대규모 금융 사기를 자동화한 중국계 사이버 범죄망을 상대로 미국 뉴욕 남부연방법원에 소송을 냈다. 이 조직은 ‘Outsider Enterprise’로 불리며, 9,000개가 넘는 가짜 웹사이트를 만들고 약 250만 건의 사기 문자를 보낸 혐의를 받는다. 피해자는 수십만 명의 스마트폰 사용자로 추정된다. 사기 문자는 통신사 보상 포인트, 계정 문제, 급한 로그인 요구처럼 보이게 만들어 사람들을 가짜 사이트로 유도했다. 목표는 신용카드 정보와 계정 정보를 빼내는 것이었다. Google은 이들이 Gemini로 웹사이트 코드와 템플릿을 더 빠르게 만들었고, 생성형 AI가 피싱 사기를 더 그럴듯하고 대량으로 만들 수 있게 했다고 본다.
Collabterm은 윈도우 PC의 터미널을 웹 브라우저에서 함께 조작할 수 있게 해 주는 도구다. 상대방은 별도 설치 없이 비밀번호가 걸린 웹 링크만 열면 된다. Claude Code 같은 인공지능 코딩 도구를 같은 터미널에서 함께 다루고, 옆의 실시간 채팅으로 대화하면서 작업할 수 있다. 혼자서 다른 기기에서 내 PC의 터미널에 접속하는 용도로도 쓸 수 있다. 내부적으로는 Cloudflare 터널로 임시 공개 주소를 만들고, 실제 셸과 인공지능 코딩 도구는 내 PC에서 계속 실행된다. 세션을 공유받은 사람은 내 PC에 매우 강한 접근 권한을 갖게 되므로, 완전히 믿을 수 있는 사람에게만 열어야 한다. 문제가 생기면 호스트가 앱을 닫아 세션을 바로 끊을 수 있다.
Claude로 채용 지원서를 자동화하면 이력서와 자기소개서를 훨씬 빨리 맞춤 작성할 수 있다. 실제 경험에서는 지원 공고마다 50분 걸리던 수정 작업이 약 8분으로 줄었다. 처음에는 Claude Code 기반의 오픈소스 파이프라인을 썼다. 프로필을 한 번 입력하면 공고를 읽고, 지원자와 맞는 정도를 점수로 매기고, 맞춤 이력서와 자기소개서를 만든 뒤, 두 번째 에이전트가 초안을 검토하는 방식이었다. 기능은 작동했지만, 채용 사이트가 HTML 구조를 바꿀 때마다 자동화가 깨졌다. 기본 설정도 덴마크 채용 사이트에 맞춰져 있어 그대로 쓰기 어려웠다. 이후에는 Animoca Minds에서 돌아가는 CV Surgeon이라는 호스팅 에이전트로 옮겼고, 매번 경력을 다시 붙여 넣지 않아도 이전 문맥을 유지하는 점이 편했다. 하지만 어떤 도구도 이력서 문장을 더 좋아 보이게 만들 뿐, 그 문장 뒤의 프로젝트가 실제인지 증명하는 문제까지 해결하지는 못했다.
TypeShift는 맥에서 짧은 문구를 긴 문장이나 자주 쓰는 답변으로 바꿔 넣는 텍스트 확장기다. 새 업데이트로 AI 매크로가 들어갔다. 사용자는 {ai: 원하는 지시문} 형식으로 저장해 두면, 문구가 펼쳐지는 순간 TypeShift가 사용자의 AI API를 호출해 결과를 넣는다. 클립보드 내용을 다시 쓰거나, 상황에 맞는 답장을 만들거나, Claude, ChatGPT, Grok에 직접 입력하던 일을 자동화할 수 있다. 스니펫은 특정 앱에서만 작동하게 설정할 수 있어 Mail과 Outlook에서는 켜고 Slack에서는 막는 식의 규칙을 만들 수 있다. 사용량 통계도 추가되어 각 스니펫이 얼마나 자주 쓰였는지 주간 기록으로 볼 수 있다. 스니펫 내용과 사용 기록은 맥 안에만 남으며, 사용 분석 데이터나 스니펫 데이터는 수집되거나 공유되지 않는다. 조직 배포 요청이 있어 기업용 또는 대량 라이선스 지원도 준비되고 있다.
파일이 500개가 넘는 큰 코드베이스에서 Cursor를 쓰면, 서로 연결된 부분을 충분히 보지 못한 채 코드를 고쳐 문제가 생길 수 있다. 함수 하나를 정리하다가 그 함수를 쓰는 다른 모듈 3곳이 깨지는 식이다. .cursorrules는 코드 스타일이나 팀 규칙을 맞추는 데는 도움이 되지만, 어떤 파일이 어떤 파일에 기대고 있는지까지 알려주지는 못한다. 예를 들어 utils/auth.ts를 바꾸면 12개 파일에 영향이 갈 수 있는데, Cursor는 그 전체 흐름을 자동으로 알지 못한다. 한 가지 해결책은 저장소를 미리 분석해 AST 파싱으로 의존 관계 지도를 만들고, Cursor에는 원본 파일을 많이 넣는 대신 압축된 구조 설명과 작업에 필요한 관련 파일만 주는 방식이다. 이렇게 하면 토큰을 덜 쓰면서도 Cursor가 코드 구조를 더 잘 이해해 결과가 좋아질 수 있다.
Microsoft가 AI 관련 연간 예산을 4개월 만에 써버렸다는 소식이 나온 뒤, 큰 회사가 왜 토큰 예산을 제대로 관리하지 못했는지 의문이 제기됐다. 토큰은 AI 모델이 글을 읽고 답을 만들 때 쓰는 기본 단위라서, 많이 쓸수록 비용이 늘어난다. Microsoft나 Uber처럼 돈과 개발자가 많은 회사라면 직원별 예산, 팀별 사용량, 자동 차단 장치를 만들 수 있어야 한다는 문제의식이다. 작은 파리 소재 고객관리 회사도 내부 AI 사용량을 팀별로 보여주는 대시보드, 개인 예산, 추가 크레딧 요청 절차를 이미 운영하고 있었다. 혼자 일하는 개발자도 API를 쓸 때 Claude 설정에서 지출 한도를 걸어둔다. Azure를 통해 모델을 호출하면 지출 한도 설정이 더 까다로울 수 있지만, Azure를 만든 회사조차 비용을 빨리 태웠다면 왜 기본 안전장치가 없었는지가 핵심 의문이다.
큰 코드베이스에서 CLAUDE.md가 너무 길어지고 금방 낡는 문제를 줄이는 작업 방식이다. 핵심은 코드 구조 정보를 CLAUDE.md 안에 계속 적어두지 않고, Octocode라는 오픈소스 MCP 서버에 맡기는 것이다. Octocode는 tree-sitter AST 파싱과 지식 그래프를 이용해 파일 구조, 가져오기 관계, 어떤 코드가 어떤 코드를 부르는지 같은 정보를 찾을 수 있게 해준다. 그래서 CLAUDE.md는 약 50줄 정도의 짧은 규칙 문서로 유지하고, Claude 같은 AI 에이전트는 필요할 때 Octocode에 질문해 최신 코드베이스 문맥을 가져온다. 이 방식은 큰 프로젝트에서 AI 도구가 오래된 설명이나 지나치게 긴 지침에 휘둘리는 일을 줄이는 데 목적이 있다.
Claude Code만으로 AI 음악 플랫폼을 만들었고, 현재 이용자는 6,700명이다. 이번에는 Claude가 그 플랫폼용 MCP 서버를 만들어, 다른 사람의 Claude에서도 그 음악 플랫폼을 도구처럼 불러 쓸 수 있게 됐다. 핵심은 개인 개발자가 Claude Code로 실제 서비스를 만들고, 다시 Claude용 연결 도구까지 만든 사례라는 점이다. 원문에 공개된 구체 내용은 플랫폼의 이용자 수, Claude Code로 만들었다는 점, MCP 서버를 추가했다는 점까지다.
Claude Code에서 쓰는 맞춤 기술인 /Pizza1은 이미 코드베이스에 들어 있다는 이유만으로 나쁜 코드나 잘못된 구현을 옹호하지 않게 만드는 흐름이다. Claude 같은 LLM은 낯선 코드를 살펴볼 때 기존 코드가 곧 정답이라고 착각해, 나쁜 패턴까지 그럴듯하게 합리화할 수 있다. 이런 문제가 쌓이면 잘못된 전제가 대화 안에 남아 판단을 흐리는 문맥 오염이 생긴다. /Pizza1은 코드가 존재한다는 사실보다 올바른 설계, 좋은 관행, 실제 정확성을 기준으로 판단하도록 압박한다. 용도는 코드 리뷰, 디버깅, 기존 프로젝트 분석처럼 AI가 현재 코드를 근거로 조언해야 하는 상황에 맞춰져 있다.
VibeClip은 영상 편집을 타임라인에서 직접 끌어다 놓는 방식이 아니라, 채팅으로 지시해서 다루는 AI 영상 편집기다. 예를 들어 지루한 도입부를 자르거나, 노래방식 자막을 넣거나, 특정 클립을 더 강하게 보이게 만들 수 있다. 만든 쪽은 기존 AI 영상 편집기가 원본 영상을 클라우드에 올려야 하는 닫힌 유료 서비스이거나, 여전히 사람이 손으로 대부분을 편집해야 하는 타임라인 도구라고 봤다. 그래서 원하는 편집을 말로 설명하고, 바뀐 전후 결과를 확인하는 방식으로 만들었다. 사업 모델은 월 19달러짜리 구독 서비스와 사용량 크레딧 대신, AGPL-3.0 오픈소스와 직접 설치 가능한 구조, 그리고 DeepSeek, Gemini, Claude 같은 대형 언어 모델 키를 사용자가 직접 연결하는 방식을 택했다. 이유는 영상 추론 비용이 비싸서 무료 사용자가 많아질수록 서비스 운영자가 그래픽 처리 장치와 대형 언어 모델 비용을 떠안게 되고, 제품시장 적합성을 찾기 전에 이탈로 버티기 어려워질 수 있기 때문이다. 또 원본 영상이 내 컴퓨터 밖으로 나가지 않는다는 점은 기존 서비스와 다른 실제 장점으로 보고 있다. 오픈소스 공개는 개발자가 직접 설치하고, 문제를 제보하고, 초기 사용자 유입 경로가 되는 배포 전략이기도 하다.
Agentic AI를 게임 마케팅에 쓰면, 개발자가 직접 시간을 많이 쓰는 홍보 작업을 줄일 수 있다. 핵심은 AI가 모든 것을 마음대로 하게 두는 것이 아니라, 사람이 목표와 조건을 정하고 결과를 검토하는 방식이다. 예를 들어 게임을 플레이해 줄 인플루언서를 찾으려면 보통 유튜브, 틱톡, 트위치 같은 곳을 직접 뒤지고, 이메일을 찾고, 상대에게 맞는 메일을 써야 한다. 한 명을 조사하는 데 10~20분, 메일 초안을 쓰는 데 20~30분이 걸릴 수 있다. 에이전트를 쓰면 원하는 인플루언서 조건을 1분 정도로 알려주고, 에이전트가 후보와 이메일을 찾으며, 사람은 3~5분 안에 메일 초안을 다듬어 보낼 수 있다. Google 기준으로 개발자의 90%가 이미 개발 과정에서 AI를 쓴다는 점을 들어, 마케팅에도 같은 시간 절약 방식을 적용할 수 있다는 관점이다. 다만 AI 마케팅은 저품질 결과물과 스팸처럼 보일 수 있다는 불신을 먼저 해결해야 한다.
Claude Code는 여러 스킬 설명을 문맥에 함께 넣을 수 있고, 이 설명들이 전체 입력에서 큰 비중을 차지할 수 있다. 쓰지 않는 스킬 설명까지 계속 포함되면 토큰 사용량이 늘고 작업 효율이 떨어진다. skillreaper는 Claude Code 작업 기록을 분석해 실제로 한 번도 호출되지 않은 스킬을 찾아준다. 찾은 스킬을 설정에서 빼면 문맥 크기와 토큰 소비를 줄일 수 있다. 이 방식은 반복해서 적용할 수 있으며, 다른 최적화 방법과 함께 쓸 수 있다. 중급 이상 Claude Code 사용자가 비용과 속도를 관리할 때 쓸 만한 점검 절차다.
1인 에이전시 운영자가 Claude의 Skills 기능을 써서 반복되는 고객 관리 업무 4가지를 자동화했다. 자동화한 일은 주간 고객 요약 작성, 제안서 초안 만들기, 연체 청구서 후속 연락, 월간 사업 리뷰 정리다. 각 업무를 하나의 큰 자동화로 묶지 않고, 목적이 분명한 작은 기능으로 나누어 Claude가 맡기 쉽게 만들었다. 입력과 결과물을 정해 두면 고객 소통이 더 일정해지고, 늦어지기 쉬운 운영 업무를 제때 처리할 수 있다. 이 방식은 혼자 일하는 사업자가 반복 행정에 쓰는 시간을 줄이고, 업무 품질을 더 일정하게 유지하는 데 도움이 된다. 사례의 평가값은 업무 가치 85/100, 신선도 70/100, 신뢰도 0.90이며, 수준은 중급으로 분류됐다.
Claude가 빨리 답해야 한다는 압박을 받은 것처럼 행동하면 겉으로 보이는 문제만 고치고 더 깊은 원인을 놓칠 수 있다. 이 방법은 프로젝트의 CLAUDE.md에 ‘느긋한 선임 개발자’ 역할을 적어 Claude가 서두르지 않고 차분하게 문제를 살피도록 유도한다. 목표는 Claude가 버그를 더 꼼꼼히 찾고, 임시방편보다 원인에 가까운 해결책을 내게 만드는 것이다. 여기에 커밋 전 검사를 함께 붙여 코드가 저장소에 들어가기 전에 기본 품질 규칙을 확인한다. 전체 흐름은 Claude의 말투나 태도만 바꾸는 것이 아니라, 디버깅 습관과 품질 확인 절차를 함께 묶는 방식이다. 중급자용으로 분류되며, 품질 관리, 토큰 절약, 문맥과 메모리, 디버깅, CLAUDE.md, 훅과 관련된 워크플로로 정리되어 있다.
Claude Code 에이전트가 정해 둔 작업 규칙을 꾸준히 따르지 않거나 예상 밖으로 움직이는 문제를 줄이기 위한 고급 워크플로입니다. sentience-governor라는 도구로 에이전트의 운영 기록을 Claude Code 세션 안에서 바로 보이게 합니다. 이 기록에는 정책 위반, 미리 밝히지 않은 의도, 주의가 필요한 신호가 포함됩니다. 사용자는 특정 슬래시 명령어로 이 기록을 불러와 에이전트에게 현재 행동을 되짚어 보게 할 수 있습니다. 이렇게 점검 내용을 문맥 안에 넣으면 에이전트가 그 정보를 참고해 스스로 행동을 고치는 경우가 관찰됐습니다. 이 방식은 품질 관리, 토큰 절약, 문맥과 메모리 관리, 디버깅, 배포, 스킬, MCP 같은 영역에 쓰는 고급 활용법으로 제시됩니다.
Lore는 Claude Code 같은 인공지능 코딩 도구를 쓰면서 쌓인 작업 기록을 다시 활용하게 해 주는 워크플로입니다. 사용자의 과거 코딩 세션을 모아 살펴보고, 반복해서 나온 선택 방식, 좋은 프롬프트, 판단 기준을 찾아냅니다. 그다음 개인에게 맞는 새 스킬을 제안하고, 사용자는 이를 검토한 뒤 자기 작업 방식에 붙일 수 있습니다. 목표는 매번 같은 설명을 다시 쓰거나, 좋은 작업 요령을 따로 문서로 정리해야 하는 부담을 줄이는 것입니다. 공개된 오픈소스 스킬 생성기를 사용하며, 품질 관리, 문맥과 메모리, 스킬 관리에 초점을 둔 중급 수준의 흐름입니다.
호텔 업계에서 10년 일한 뒤 작은 스위스 호텔 체인 5곳과 직원 약 100명을 이끌었던 전직 대표가 코딩 경험 없이 2개월 만에 인공지능 채용 매칭 서비스를 만들었다. 유럽에서 구직할 때 기존 채용 사이트의 키워드 검색이 실제 경력과 맞지 않는 결과를 많이 보여준 것이 출발점이었다. 예를 들어 호텔 운영 경력이 있는데도 '운영'이라는 단어 때문에 정보기술 운영 직무가 추천되는 식이었다. 이 도구는 이력서를 올리고 도시를 고르면, 단순 키워드가 아니라 경력 흐름을 분석해 해당 도시의 채용 공고와 맞춰 본다. 데이터베이스에는 유럽 15개국의 활성 채용 공고 약 100만 건이 들어 있다. 매칭은 두 단계로 이뤄진다. 먼저 벡터 유사도 검색으로 해당 도시의 후보 공고를 좁히고, 그다음 Claude가 업종 적합성, 직급 수준, 실제 기술 겹침을 더 깊게 분석한다. 베를린에서 호텔 경력으로 검색했을 때 상위 결과는 Marriott International의 The Ritz-Carlton Berlin 총지배인 직무였고, 매칭 점수는 82%였다.
Claude를 코드 작업에 더 잘 쓰기 위한 GitHub 저장소들이 소개된다. 핵심 기준은 과장된 생산성 홍보가 아니라, 큰 코드베이스에서 필요한 파일을 찾고 긴 작업 흐름을 유지하는 데 실제로 도움이 되는지다. claude-context는 Claude가 큰 코드베이스 안에서 관련 파일과 기호를 찾도록 돕는 의미 기반 코드 검색 도구다. openwolf는 파일 인덱싱, 토큰 추적, 작업 중 메모리 기능을 더해 긴 대화에서 같은 설명을 반복하는 일을 줄인다. claude-session-continuity-mcp는 탭을 닫거나 세션이 끊긴 뒤에도 작업 상태, 해야 할 일, 해결책을 자동으로 남겨 다음 작업을 이어가기 쉽게 한다. second-brain-cloudflare도 언급되지만, 제공된 내용만으로는 구체 기능이 확인되지 않는다.
Scar는 AI 코딩 도구가 과거에 실패했던 수정이나 건드리면 안 되는 코드를 다시 건드리지 않게 돕는 도구다. 코드 저장소 안에 ‘왜 이 코드는 이상해 보여도 그대로 둬야 하는지’, ‘어떤 라이브러리는 예전에 제거했는지’, ‘어떤 접근은 이미 실패했는지’ 같은 부정 지식을 남긴다. Claude Code 같은 AI 에이전트가 관련 파일을 수정하려는 순간, PreToolUse hooks를 통해 경고를 보여준다. 이렇게 하면 AI가 맥락을 모르고 일부러 만든 구조를 고치거나, 과거에 버린 라이브러리를 되살리거나, 이미 실패한 방법을 다시 시도할 가능성이 줄어든다. 핵심 목적은 AI가 현재 코드만 보는 것이 아니라, 그 코드가 왜 지금 모습이 되었는지도 함께 보게 만드는 것이다.
Claude Code가 코드를 만든 뒤 실제로는 오류가 남아 있는데도 작업이 끝났다고 판단하는 문제를 줄이기 위한 방식이다. 핵심은 ‘pre-flight-check’라는 Claude Code 스킬을 품질 관문처럼 두는 것이다. 작업을 완료 처리하기 전에 타입 검사, 린트 검사, 테스트, 보안 점검을 차례로 통과해야 한다. 중간에 하나라도 실패하면 바로 멈추고, 파일 이름, 줄 번호, 규칙 같은 구체적인 정보를 Claude에게 돌려준다. 이렇게 하면 Claude가 오류를 무시하기 위해 `@ts-ignore`를 넣거나, 실패하는 테스트를 지우는 식의 편법을 쓰기 어렵다. Node.js와 Python 프로젝트를 자동으로 알아보고, 이미 프로젝트에 있는 검사 도구를 사용한다.