사용기 - ChatGPT 에서 설계 하고 코데스에서 상세 계획 및 구현

코덱스와 대화 하면서 구체적인 설계를 진행하는 것 보다 ChatGPT 에서 대화를 통하여 설계를 하고 대화 결과를 코덱스에 공유하여 구현을 하는 것을 테스트 해보았다. 실험의 목적은 코덱스의 토큰 사용량을 최소화하기 위한 경제성이다.

모델은 5.5 Pro 을 사용하였고 대화를 통하여 원하는 설계를 구체화 했다. Codex 전달용 작업 계획을 요청했지만 한번에 복사하여 사용하기는 어려운 점이 있었다. 

대화에 대한 공유 링크를 생성하고 링크를 Codex 에 전달하여 진행을 시도하였다. 다만 이경우 전체 대화 내용을 읽어서 작업 계획을 수립하기 때문에 진행 과정의 대화 까지 읽어 들여 비효율적이며 토큰을 낭비하게 된다. 

좀더 효과적은 작업 내용 전달을 위해서 ChatGPT 대화에서 최종 결과에 대한 md 파일 생성을 요청하여 Codex 에 공유하여 작업을 진행하게 했다. 

생성된 md 파일을 통한 작업 지시의 장점은 md 파일 계획이 1차, 2차 구현으로 구분되어 있는 경우 Codex 는 1차 구현만 진행하게 되는데 작업이 완료된 이후에 다시 2차 를 구현하도록 지시할 수 있다는 점이다. (또한 미리 작업 계획 초안을 검토하는 것이 용이)

이번 작업을 통해 느낀 점은 AI 코딩에서 중요한 것은 단순히 좋은 모델을 사용하는 것이 아니라, AI가 안정적으로 이해하고 작업할 수 있도록 작업 자체를 구조화하는 것이라는 점이다.

특히 ChatGPT에서 충분히 설계와 정리를 수행한 뒤, 최종 내용을 md 기반 작업 계획으로 압축하여 Codex에 전달하는 방식은 예상보다 효율적이었다.

공유 링크 방식은 전체 대화 흐름까지 모두 포함되므로 불필요한 컨텍스트 증가와 토큰 낭비가 발생하기 쉽다.

반면 md 기반 작업 문서는:

• 작업 범위를 제한하고
• 구현 단계를 분리하며
• 필요한 정보만 압축 전달하고
• 검토 가능한 형태로 유지할 수 있다.

결국 AI 시대의 개발 생산성은 “얼마나 긴 프롬프트를 작성했는가”보다, AI가 일하기 좋은 구조와 흐름을 어떻게 설계했는가 에 더 크게 좌우된다고 느꼈다.