Context Vault

클로드 블루 — AI 불안 극복과 에이전트 구조 이해

5 min read

클로드 블루 — AI 불안 극복과 에이전트 구조 이해

만약 당신이 클로우 블루 때문에 힘들다면 — kciter (이선협)

클로드 블루란

AI의 급격한 발전으로 전문성과 경력이 빠르게 대체되는 데서 오는 심리적 우울감. brunch.co.kr/@hiclemi/146에서 처음 사용된 표현. 직장인 24%가 AI로 인한 정보 과부하로 정신 건강 악화 (Spring Health 조사).

공포 극복법

정체를 모르는 것이 공포의 원인. 정체를 알면 위협의 범위가 명확해지고 대응이 가능해짐. AI도 마찬가지 — 동작 원리를 이해하면 마법이 기술로 보이기 시작함.

LLM의 정체

LLM은 다음에 올 단어를 예측하는 모델. 핵심은 “주어진 입력에 대해 가장 적절한 출력을 생성한다”. 모든 LLM 서비스는 HTTP API 호출 패턴으로 동작.

AI 에이전트 발전사

프롬프트 엔지니어링

문맥이 구체적일수록 출력이 좁은 범위로 수렴. Role-playing, Few-Shot, Chain-of-Thought

응답 형식화

비결정론적 출력 → JSON Mode → Function Calling (모델은 함수 호출을 출력할 뿐, 실제 실행은 런타임)

컨텍스트 엔지니어링

“어떻게 질문할 것인가”가 아닌 “추론을 시작하기 전에 무엇을 보여줄 것인가”. 긴 입력의 중간 정보를 놓치는 현상 (Lost in the Middle). 시스템 프롬프트 + 대화 기록 + 구조화된 규칙 + 도구 정의

프롬프트 분할

하나의 거대한 프롬프트 → 여러 개의 작고 집중된 프롬프트. 스킬(Skill) 시스템. Compaction(압축), Sub-Agent(서브 에이전트)

하네스 엔지니어링

“Agent = Model + Harness”. 하네스는 모델을 둘러싼 실행 환경 전체. 두 축:

  • 가이드 (행동 전 방향 설정) — CLAUDE.md, 코딩 컨벤션, API 문서
  • 센서 (행동 후 검증) — 린터, 테스트

Ralph Loop: 완료 기준 충족 시까지 같은 프롬프트 반복 주입 (진행 상황은 파일 시스템과 git에 저장)

핵심 통찰

프롬프트도, 형식도, 맥락도, 분할도, 하네스도 — 결국 “LLM API에 프롬프트를 전달하고 응답을 받는 과정을 잘하기 위한 방법”. 이것은 개발자가 이미 잘해왔던 “외부 API 호출 → 응답 파싱 → 에러 처리 → 결과 가공”과 같은 패턴.

FOMO에서 벗어나기

빠르게 만드는 것은 과정 압축이지 문제 해결이 아님. 본질을 이해하면 새로운 용어를 “프롬프트/맥락/하네스 중 어디에 해당하는가”로 분류 가능.

결론

AI는 도구일 뿐. 필요하면 쓰고 필요 없으면 안 쓰면 그만. “세상이 우리 모르게 훌쩍 떠나버리는 것처럼 보이지만 우리도 세상의 일부니까 분명 같이 데려가줄 거야.”

그래프 뷰