Q. 커리큘럼과 주제는
어떤 기준으로 잡으셨나요?
개발자
코덱스
에이젠틱
개발자들은 왜 Claude Code를 떠나
Codex 로 넘어갈까?
개발자에게 AI 도구가 [워크스페이스] 가 되면서
반복 가능한 워크플로우 구축 역량이
중요해지고 있습니다.
Claude Code와 비교했을 때
일관성을 유지하며
작업을 끝내버리는
Codex!
개발자가 수행하는 매일의 작업을 AI로 빠르게 설계하려면
Codex 워크플로우 구축이 필수입니다.
‘버그 픽스’, ‘단위 테스트 작성’ 등 AI에게 코드만 맡기는 수준에서 벗어나고 싶다면?
Codex 에이전틱 워크플로우 개발 프로젝트
반복적인 이슈가 빈번하게 발생하는 이커머스 환경에서
Codex를 활용한 루프 엔지니어링 구조를 설계합니다
리포지토리 규모 작업에서 할루시네이션, 토큰 소비, 개발자의 개입까지 줄일 수 있는
에이전틱 워크플로우 구축 방법을 알려드립니다
❶ 강의 핵심 포인트
POINT 01
초기 설계 단계에서 에이전트와
사람이 맡아야 할 작업 분류
초기 설계 단계에서 에이전트와
사람이 맡아야 할 작업 분류
에이전틱 워크플로우를 구축할 때 단순 자동화를 넘어, 사람이 결정해야 할
판단만 남기고 나머지 작업 루프를 Codex에 위임하는 구조를 학습합니다.
판단만 남기고 나머지 작업 루프를 Codex에 위임하는 구조를 학습합니다.
POINT 02
Codex 활용 이커머스 주문→결제→운영
레포지토리 고도화 4단계 프로젝트
Codex 활용 이커머스 주문→결제→운영
레포지토리 고도화 4단계 프로젝트
Codex 환경에서 프로덕션 스케일의 4단계 프로젝트 실습을 구현하며,
에이전틱 워크플로우 Skeleton을 내 Repo에 이식하는 방법을 학습합니다.
에이전틱 워크플로우 Skeleton을 내 Repo에 이식하는 방법을 학습합니다.
POINT 03
자동화는 처음부터 완성되지 않는다!
작은 자동화부터 루프에 쌓는 방법 학습
자동화는 처음부터 완성되지 않는다!
작은 자동화부터 루프에 쌓는 방법 학습
에이전틱 워크플로우를 구축하면서 사람의 개입 지점을 의도적으로 줄이고,
필요한 곳에만 남기는 방법을 학습합니다.
필요한 곳에만 남기는 방법을 학습합니다.
POINT 04
하네스 엔지니어링을 넘어
루프 엔지니어링으로
하네스 엔지니어링을 넘어
루프 엔지니어링으로
단발성 프롬프트 입력 방법이 아닌 에이전트가 현재 상황에 맞춰
다음 작업 설계부터 검증 후 또 다음 단계로 넘기는 방법을 학습합니다.
다음 작업 설계부터 검증 후 또 다음 단계로 넘기는 방법을 학습합니다.
이런 분들을 위해 준비했어요
❷ 커리큘럼 핵심 키워드
❸ 커리큘럼 자세히 보기
Codex로 에이전트가 상황에 맞춰
스스로 운영할 수 있는 방법을 학습합니다.
-
STEP 1 STEP 2 STEP 3 STEP 4
Codex를 써도 개발 워크로드가 줄어들지 않는 지점 확인하기
4가지 실패 사용 패턴을 확인하면서, 명확하지 않은 요청을 맥락·경계·결정·질문 검증 기준에 맞추는 방법을 학습합니다.
학습 내용
- 맥락 없이 요청 시 일반적으로 답변하는 문제를 확인
- 정책 결정이 코드에 섞이는 문제를 확인
- 근거 파일, 현재 동작 요약 등 없이 나온 답변을 왜 다시 확인해야 하는지 학습
- Issue, ADR, Agents.md 등 어디에도 남지 않고 대화창에만 남겼을 때 문제점을 확인
학습 내용
- 대화창의 답변을 작업 자산으로 변경
- Codex의 작업 경계 설정
- Codex가 먼저 읽어야 할 기준 수립
- 작은 요청 하나를 Plan-First로 통과
-
STEP 1 STEP 2 STEP 3 STEP 4
Codex가 헤매지 않는 Repo 만들기
STEP 1에서 만든 기본 루프에 Codex가 추측하지 않고 작업을 수행하기 위한 4가지 요소를 학습합니다.
POINT 1
도메인 정책 문서 만들기
주문, 결제, 재고, 환불, 관리자 조회 정책을 문서화하여
Codex가 도메인 결정을 임의로 진행하지 않게 구성합니다.
POINT 2
Issue 템플릿 만들기
‘주문 상태 개선 요청’ 등과 같은 범위와 완료 기준이 없는 Issue를
작업 가능한 Issue로 바꿔 나가는 방법을 학습합니다.
POINT 3
Plan-First 템플릿 만들기
특정 Issue가 발생하였을 때 Issue를 읽은 후 구현 계획만 작성하고
사람이 Plan을 보기 전까지 파일 수정하지 않는 흐름을 만들어봅니다.
POINT 4
프롬프트와 체크 리스트로 반복 작업 설정하기
테스트 보강, PR 설명 등 반복 작업을 프롬프트와 체크 리스트로 고정합니다.
-
STEP 1 STEP 2 STEP 3 STEP 4
구현과 검증 루프 구성, Codex 결과물로 PR 품질 끌어올리기
Codex 요청 결과물이 테스트와 리뷰 기준을 통과하여 기능 개선 PR 후보를 만드는 과정을 학습합니다.
-
STEP 1 STEP 2 STEP 3 STEP 4
각 설정한 작은 루프들을 End to End 에이전틱 워크플로우로 묶기
기준 문서, Issue 템플릿, Plan-First 템플릿, 검증, PR Pre Flight을 하나로 묶어 한 번에 실행되는 워크플로우를 구성합니다.
❹ 프로젝트
이커머스 주문→결제→운영 Repo를 고도화하여
개발자의 개입 최소화하는 4가지 프로젝트
프로젝트 01
Workflow 스켈레톤 만들기
Workflow 스켈레톤 만들기
매번 재설명, 바로 구현, 검수 불가, 대화창에만 남는 문제를 해결하기 위해
불확실한 요청을 Codex로 자동화하는 루프를 만들어봅니다.
불확실한 요청을 Codex로 자동화하는 루프를 만들어봅니다.
[주요 실습 내용]
❶ 문서 세트 정리 : small-development-workflow, order-status-request pending-decisions, AGENTS.md를 한 세트로 정리합니다.
❷ Workflow 스켈레톤 만들기 : 요청 원문, 현재 파악, 관련 맥락, 현재 동작,
결정 필요 사항, 수정 계획, 검증 기준, 다음 단계를 템플릿으로 만듭니다.
❸ Codex surface 연결 : Desktop App에서 이어 볼 작업, CLI로 검증할 작업, Browser/Computer Use로 확인할 화면, Automation 후보를 분리합니다.
프로젝트 02
Repo 기준 문서 세트 완성
Repo 기준 문서 세트 완성
Codex가 바로 결정하지 않고,
먼저 계획을 세우게 만드는 Repo Context를 만들어봅니다.
먼저 계획을 세우게 만드는 Repo Context를 만들어봅니다.
[주요 실습 내용]
❶ 기준 문서를 하나의 세트로 정리 : AGENTS.md, Order-Policy, Payment-Policy, Inventory-Policy, Issue Template, Implementation-Plan Template, Prompts를
Repo에 배치합니다.
❷ 새로운 세션 테스트 : 새 세션이라고 가정하고 Codex가 먼저 읽어야 할 문서와 정책 근거를 찾는지 확인합니다.
❸ 작업 시작 검증 : Issue 템플릿 기준으로 요청을 나누고 Plan 없이 구현하지 않으며 검증 명령을 스스로 정리하는지 확인합니다.
프로젝트 03
구현과 검증 루프 제작
구현과 검증 루프 제작
테스트, lint, diff, 설명, 위험 변경 여부를 확인 후
리뷰 가능한 상태로 만들어봅니다.
리뷰 가능한 상태로 만들어봅니다.
[주요 실습 내용]
❶ PR 후보 묶기 : 기능 개선 diff, 테스트 보강, Silent Fallback 제거를 하나의 PR 후보 흐름으로 정리합니다.
❷ Preflight 항목 체크 : 테스트 통과, Lint/Typecheck 통과, 변경 파일 목록, 계획 대비 이탈, 사람 확인 리스크, Rollback Note, Reviewer Note를 확인합니다.
❸ PR 설명 초안 작성 : Summary, Changed Files, Verification, Risk, Rollback Note, Reviewer Notes 구조로 PR 본문을 작성합니다.
프로젝트 04
장애 상황을 워크플로우로 한 번에 통과
장애 상황을 워크플로우로 한 번에 통과
결제 성공 후 관리자 상태 불일치, 주문 생성 API 실패율 상승, 관리자 주문 검색
실패 등 발생하는 장애 상황을 Issue부터 PR 후보까지 한 번에 통과시킵니다.
실패 등 발생하는 장애 상황을 Issue부터 PR 후보까지 한 번에 통과시킵니다.
[주요 실습 내용]
❶ End to End 통합 : VOC 정리, 관련 문서 & 코드& 테스트 & 로그 탐색, 현재 & 기대 동작 정리, 원인 후보 가설 3개, 수정 & 롤백 & 추가 조사 판단을 진행합니다.
❷ PR 후보 산출 : PRD, Tech Spec, Implementation Plan, 역할 분리 실행, 테스트 & Lint & Typecheck, PR Description, Risk Note, Rollback Note를 만듭니다.
❺ 강사님 소개
“개발자가 Codex를 실제 개발 업무에 쓰면, 어디까지 개발 워크플로우를 맡길 수 있을까요? ”
안녕하세요, 개발자로 Raina라고 합니다. AI 코딩 도구를 실제 개발 업무에 써보면 많은 개발자가 비슷한 고민을 하게 됩니다.
“코드는 만들어주는데, 이걸 바로 PR로 올려도 될까?”
“테스트와 리뷰 기준은 충분할까?”
“반복되는 개발 업무를 어디까지 agent에게 맡길 수 있을까?”
“결국 사람이 책임져야 하는 판단은 무엇일까?”
결국, AI 도구가 개발자의 업무 흐름에 들어오는 순간 개발자들은 ‘AI에게 코드를 한 번 생성’ 요청 하는 것보다 ‘개발자가 반복적으로 수행하는 워크플로우를 안정적이고 검증 가능한 형태로 자동화’ 하는 측면에서 활용성을 고민하게 될 것입니다.
이번 강의는 단순한 Codex 기능 소개가 아닙니다. Codex를 활용해 개발자가 반복적으로 마주치는 작업을 issue → plan → implementation → verification → review 흐름으로 정리하고, AI가 만든 결과물을 실제 PR 후보 수준까지 끌어올리는 방법을 다룹니다.
이 강의를 통해 Codex를 단순히 코드를 대신 써주는 도구가 아니라, 본인의 개발 루틴 안에서 반복적으로 일할 수 있는 개발 workflow agent로 활용하는 출발점을 가져가실 수 있기를 바랍니다.
“코드는 만들어주는데, 이걸 바로 PR로 올려도 될까?”
“테스트와 리뷰 기준은 충분할까?”
“반복되는 개발 업무를 어디까지 agent에게 맡길 수 있을까?”
“결국 사람이 책임져야 하는 판단은 무엇일까?”
결국, AI 도구가 개발자의 업무 흐름에 들어오는 순간 개발자들은 ‘AI에게 코드를 한 번 생성’ 요청 하는 것보다 ‘개발자가 반복적으로 수행하는 워크플로우를 안정적이고 검증 가능한 형태로 자동화’ 하는 측면에서 활용성을 고민하게 될 것입니다.
이번 강의는 단순한 Codex 기능 소개가 아닙니다. Codex를 활용해 개발자가 반복적으로 마주치는 작업을 issue → plan → implementation → verification → review 흐름으로 정리하고, AI가 만든 결과물을 실제 PR 후보 수준까지 끌어올리는 방법을 다룹니다.
이 강의를 통해 Codex를 단순히 코드를 대신 써주는 도구가 아니라, 본인의 개발 루틴 안에서 반복적으로 일할 수 있는 개발 workflow agent로 활용하는 출발점을 가져가실 수 있기를 바랍니다.
[프로젝트 경력 ]
- 멀티 에이전트 오케스트레이션 기반 디자인 시스템 자동 추출 SaaS 개발
- LangGraph 기반 멀티 에이전트 오케스트레이션 + 온톨로지 그래프 기반 AI 의사결정 거버넌스/검증 시스템 설계 및 구축
- Bloomberg 내부 플랫폼 Monolithic 아키텍쳐 모듈화 및 재설계
- Bloomberg 사내 시스템 간 데이터 자동화 파이프라인 및 보안 API 연동 백엔드 설계 및 구축
본 강의에서 사용하는 툴 안내드립니다.
* Codex, Codex CLI
* Node.js
* npm 또는 pnpm
* ChatGPT Desktop App
* Git/Githubv * VS Code
* Node.js
* npm 또는 pnpm
* ChatGPT Desktop App
* Git/Githubv * VS Code
【프로그램 정책 및 버전에 따른 주의사항】
- 툴이나 프로그램 사용 환경과 버전 업데이트에 따라, 강의 내 화면(UI) 구성이나 기능이 실제 수강 시점과 다를 수 있습니다.
- 본 강의는 촬영 시점의 버전을 기준으로 학습 흐름과 개념 전달에 중점을 두었으며, 이후 버전 업데이트에 따른 내용 수정이나 추가는 제공되지 않습니다.
- 강의에서 안내되는 AI 툴의 무료 크레딧 제공 여부 및 요금제 가격은 각 서비스 제공사의 정책에 따라 변경되거나 종료될 수 있습니다.
📍 이용 전 반드시 해당 서비스의 최신 정책 및 요금을 확인해 주시기 바랍니다.
실습 중 에러가 나거나 궁금한 점이 있다면?
질의응답 채널을 통해 빠르게 강사님에게 질문하세요!
질의응답 채널을 통해 빠르게 강사님에게 질문하세요!
* 강사님께서 직접 질문에 답변해주시는 기간은 2026년 9월 4일 ~ 2029년 7월 14일까지 운영됩니다.
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.
❻ 자주 묻는 질문
커리큘럼 주제와 내용은 “Codex로 무엇을 할 수 있는가”가 아니라, 개발자가 AI 코딩 도구 실무 워크플로우에 정착시키는 과정에서 어디서 실패하는가를 기준으로 잡았습니다. Codex를 기준 도구로 삼은 이유도 특정 도구가 다른 도구보다 무조건 우월하다는 의미가 아니라, Desktop App, CLI, GitHub, background/automation으로 이어지는 흐름을 통해 Agentic Development Workflow를 설명하기 좋은 기준점이 되기 때문입니다.
기준은 크게 세 가지입니다.
첫째, 단순 사용법이 아니라 실제 개발 흐름에서 막히는 지점을 기준으로 구성했습니다. 많은 개발자가 AI 코딩툴로 함수 수정이나 테스트 작성은 해봤지만, 실제 업무에서는 요구사항을 정리하고, 구현 범위를 나누고, 리뷰 가능한 PR로 가져가는 과정에서 어려움을 겪습니다. 그래서 PRD와 Tech Spec은 문서 작성을 위한 문서가 아니라, agent에게 맡길 작업 범위와 사람이 판단해야 할 기준을 명확히 하기 위한 단계로 넣었습니다.
둘째, AI가 실패하기 쉬운 지점을 중심으로 내용을 잡았습니다. AI가 만든 코드는 그럴듯해 보여도 실제 repo에서는 없는 함수나 잘못된 API를 사용하거나, 테스트는 통과하지만 의미 없는 assertion을 만들거나, 실패를 조용히 fallback으로 덮는 문제가 생길 수 있습니다. 그래서 환각 차단, 테스트 보강, No Silent Fallback, PR Preflight, 리뷰 체크리스트처럼 AI 결과물을 실제 PR 후보 수준으로 끌어올리기 위한 검증 주제를 커리큘럼에 포함했습니다.
셋째, 자동화는 마지막 결과물이 아니라, 앞에서 만든 기준들이 쌓였을 때 가능한 확장 단계로 배치했습니다. 처음부터 큰 자동화를 만드는 것이 아니라, context 정리, plan-first, 검증 기준, human gate가 준비된 뒤에야 반복 작업을 background task나 automation 후보로 맡길 수 있습니다. 그래서 커리큘럼도 조사와 설계 → repo 기준 문서 → 구현과 검증 → 긴 작업과 자동화 순서로 점진적으로 확장되도록 구성했습니다.
정리하면, 이 강의는 Codex 기능을 나열하기보다, AI 코딩툴이 실무에서 흔들리는 지점을 기준으로 주제를 선정했습니다. 수강생이 “어떤 일을 맡길지, 어떤 기준을 남길지, 어떻게 검증할지, 어디서 사람이 멈춰 세울지”를 판단할 수 있도록 커리큘럼을 설계했습니다.
첫째, 단순 사용법이 아니라 실제 개발 흐름에서 막히는 지점을 기준으로 구성했습니다. 많은 개발자가 AI 코딩툴로 함수 수정이나 테스트 작성은 해봤지만, 실제 업무에서는 요구사항을 정리하고, 구현 범위를 나누고, 리뷰 가능한 PR로 가져가는 과정에서 어려움을 겪습니다. 그래서 PRD와 Tech Spec은 문서 작성을 위한 문서가 아니라, agent에게 맡길 작업 범위와 사람이 판단해야 할 기준을 명확히 하기 위한 단계로 넣었습니다.
둘째, AI가 실패하기 쉬운 지점을 중심으로 내용을 잡았습니다. AI가 만든 코드는 그럴듯해 보여도 실제 repo에서는 없는 함수나 잘못된 API를 사용하거나, 테스트는 통과하지만 의미 없는 assertion을 만들거나, 실패를 조용히 fallback으로 덮는 문제가 생길 수 있습니다. 그래서 환각 차단, 테스트 보강, No Silent Fallback, PR Preflight, 리뷰 체크리스트처럼 AI 결과물을 실제 PR 후보 수준으로 끌어올리기 위한 검증 주제를 커리큘럼에 포함했습니다.
셋째, 자동화는 마지막 결과물이 아니라, 앞에서 만든 기준들이 쌓였을 때 가능한 확장 단계로 배치했습니다. 처음부터 큰 자동화를 만드는 것이 아니라, context 정리, plan-first, 검증 기준, human gate가 준비된 뒤에야 반복 작업을 background task나 automation 후보로 맡길 수 있습니다. 그래서 커리큘럼도 조사와 설계 → repo 기준 문서 → 구현과 검증 → 긴 작업과 자동화 순서로 점진적으로 확장되도록 구성했습니다.
정리하면, 이 강의는 Codex 기능을 나열하기보다, AI 코딩툴이 실무에서 흔들리는 지점을 기준으로 주제를 선정했습니다. 수강생이 “어떤 일을 맡길지, 어떤 기준을 남길지, 어떻게 검증할지, 어디서 사람이 멈춰 세울지”를 판단할 수 있도록 커리큘럼을 설계했습니다.
Q. 강의에서 배우는 내용들로
어떤 것들을 배울 수 있나요?
어떤 것들을 배울 수 있나요?
강의의 실습은 Codex 명령어나 기능을 단순히 따라 해보는 방식이 아니라,
하나의 sandbox repo를 기반으로 개발자가 실제 업무에서 반복적으로 마주치는 Agentic Workflow를 설계하고 운영하는 경험에 초점을 맞춥니다.
첫째, Codex와 함께 작업할 수 있는 Repo Context와 문제 범위를 정의하는 방법을 배웁니다. 수강생은 제공된 sandbox repo를 기준으로 요구사항, 기술 결정, 기존 코드 구조, 부족한 문서와 테스트를 파악합니다. 이후 PRD와 Tech Spec을 통해 Agent에게 맡길 작업 범위와 사람이 판단해야 할 기준을 정리합니다.
둘째, AI가 만든 코드를 실제 PR 후보 수준으로 끌어올리는 Loop Engineering을 실습합니다. Codex가 Issue를 읽고 관련 Context를 찾은 뒤, 바로 구현하는 것이 아니라 먼저 계획을 세우고, 구현하고, 테스트와 lint/typecheck를 실행하고, diff와 리뷰 체크리스트로 검증하는 흐름을 반복합니다. 핵심은 한 번의 프롬프트가 아니라, 계획 → 구현 → 검증 → 수정 → 재검증을 반복하면서 리뷰 가능한 상태로 만드는 구조를 익히는 것입니다.
셋째, 작은 개발 업무를 점차 자동화 가능한 워크플로우로 확장하는 방법을 배웁니다. 강의에서는 GitHub Issue 기반 작업 시작, AGENTS.md/CLAUDE.md 같은 repo 기준 문서, PR preflight, 테스트 보강, No Silent Fallback 점검, 역할 분리 prompt, background/automation 실행 안전장치 등을 하나씩 만들어갑니다. 이를 통해 단순히 “AI에게 코드 작성을 맡기는 것”을 넘어, Issue → Plan → Implementation → Verification → Review 흐름을 본인 repo에 옮겨 적용할 수 있는 Agentic Workflow Starter Kit 형태로 정리하게 됩니다.
첫째, Codex와 함께 작업할 수 있는 Repo Context와 문제 범위를 정의하는 방법을 배웁니다. 수강생은 제공된 sandbox repo를 기준으로 요구사항, 기술 결정, 기존 코드 구조, 부족한 문서와 테스트를 파악합니다. 이후 PRD와 Tech Spec을 통해 Agent에게 맡길 작업 범위와 사람이 판단해야 할 기준을 정리합니다.
둘째, AI가 만든 코드를 실제 PR 후보 수준으로 끌어올리는 Loop Engineering을 실습합니다. Codex가 Issue를 읽고 관련 Context를 찾은 뒤, 바로 구현하는 것이 아니라 먼저 계획을 세우고, 구현하고, 테스트와 lint/typecheck를 실행하고, diff와 리뷰 체크리스트로 검증하는 흐름을 반복합니다. 핵심은 한 번의 프롬프트가 아니라, 계획 → 구현 → 검증 → 수정 → 재검증을 반복하면서 리뷰 가능한 상태로 만드는 구조를 익히는 것입니다.
셋째, 작은 개발 업무를 점차 자동화 가능한 워크플로우로 확장하는 방법을 배웁니다. 강의에서는 GitHub Issue 기반 작업 시작, AGENTS.md/CLAUDE.md 같은 repo 기준 문서, PR preflight, 테스트 보강, No Silent Fallback 점검, 역할 분리 prompt, background/automation 실행 안전장치 등을 하나씩 만들어갑니다. 이를 통해 단순히 “AI에게 코드 작성을 맡기는 것”을 넘어, Issue → Plan → Implementation → Verification → Review 흐름을 본인 repo에 옮겨 적용할 수 있는 Agentic Workflow Starter Kit 형태로 정리하게 됩니다.
Q. 강의 수강 후 실제 개발 업무에
적용 시 어떻게 달라질 수 있을까요?
적용 시 어떻게 달라질 수 있을까요?
수강 후에는 AI 코딩툴을 단순히 더 많이 쓰는 것이 아니라, 어떤 일은 Codex에게 맡기고 어떤 일은 개발자가 직접 판단하고 책임져야 하는지 구분하는 기준을 갖게 됩니다.
또한 결과가 흔들릴 때 “프롬프트가 부족한 문제인지, context가 부족한 문제인지, 검증 루프가 없는 문제인지, 사람이 승인해야 할 지점을 놓친 문제인지”를 스스로 진단할 수 있는 사고 프레임을 얻게 됩니다.
구체적으로는 본인 repo에 옮겨 적용할 수 있는 AGENTS.md/CLAUDE.md 기준 문서, Plan-First 템플릿, PR Preflight Checklist, No Silent Fallback 점검표, Automation 후보 Backlog를 가져가게 됩니다.
가장 큰 변화는 Codex를 “코드를 대신 써주는 채팅 도구”가 아니라, Repo의 기준 문서, 테스트, 리뷰 체크리스트, Automation 안전장치 위에서 반복적으로 일하는 개발 Workflow Agent로 바라보게 된다는 점입니다.
또한 결과가 흔들릴 때 “프롬프트가 부족한 문제인지, context가 부족한 문제인지, 검증 루프가 없는 문제인지, 사람이 승인해야 할 지점을 놓친 문제인지”를 스스로 진단할 수 있는 사고 프레임을 얻게 됩니다.
구체적으로는 본인 repo에 옮겨 적용할 수 있는 AGENTS.md/CLAUDE.md 기준 문서, Plan-First 템플릿, PR Preflight Checklist, No Silent Fallback 점검표, Automation 후보 Backlog를 가져가게 됩니다.
가장 큰 변화는 Codex를 “코드를 대신 써주는 채팅 도구”가 아니라, Repo의 기준 문서, 테스트, 리뷰 체크리스트, Automation 안전장치 위에서 반복적으로 일하는 개발 Workflow Agent로 바라보게 된다는 점입니다.
Q. 일반적인 AI Agentic 개발 자동화 강의와
비교했을 때 차별점은 무엇인가요?
비교했을 때 차별점은 무엇인가요?
기존 AI Agentic 개발 자동화 강의가 주로 도구 사용법이나 예제 프로젝트 완성에
초점을 둔다면, 이 강의는 실제 Repo에서 Agent가 지속적으로 일할 수 있는
워크플로우와 운영 기준을 만드는 데 집중합니다.
첫째, 완성된 예제 앱을 따라 만드는 것이 아니라, 문서·테스트·리뷰 기준이 부족한 Repo를 점진적으로 Agent-Ready Repo로 바꿔갑니다.
둘째, 단발성 프롬프트가 아니라 AGENTS.md/CLAUDE.md, Plan-first template, PR Rreflight checklist, No Silent Fallback 점검표처럼 Repo에 남는 작업 기준을 만듭니다.
셋째, AI가 잘 작동하는 데모만 보여주는 것이 아니라, 없는 함수, 잘못된 API, 의미 없는 테스트, 조용한 fallback처럼 실무에서 자주 발생하는 실패 지점을 검증 루프로 잡는 방법을 다룹니다.
마지막으로 자동화도 “어디까지 맡길 수 있는가”뿐 아니라 “어디서 멈추고 사람이 판단해야 하는가”까지 함께 다룹니다.
첫째, 완성된 예제 앱을 따라 만드는 것이 아니라, 문서·테스트·리뷰 기준이 부족한 Repo를 점진적으로 Agent-Ready Repo로 바꿔갑니다.
둘째, 단발성 프롬프트가 아니라 AGENTS.md/CLAUDE.md, Plan-first template, PR Rreflight checklist, No Silent Fallback 점검표처럼 Repo에 남는 작업 기준을 만듭니다.
셋째, AI가 잘 작동하는 데모만 보여주는 것이 아니라, 없는 함수, 잘못된 API, 의미 없는 테스트, 조용한 fallback처럼 실무에서 자주 발생하는 실패 지점을 검증 루프로 잡는 방법을 다룹니다.
마지막으로 자동화도 “어디까지 맡길 수 있는가”뿐 아니라 “어디서 멈추고 사람이 판단해야 하는가”까지 함께 다룹니다.