로딩 중...
t
2026년 3월 19일
프로젝트 소개 및 "바이브 코딩" 후기를 남깁니다.
올해 1분기(1~2월)에는 사이드 프로젝트로 국내 보안 회사/솔루션 정보 플랫폼을 개발했습니다. Antigravity를 사용하여 개발하였고, 모델은 제미나이, Sonnet/Opus 등 여러 모델을 맥락에 따라 사용했습니다.
목적:
채용 공고, 면접 후기 등의 구인 구직 정보와 국내 보안 소식을 자유롭게 공유할 공간을 만들고자 했습니다.
설계 및 구현:
- Next.js(App Router) + FastAPI + PostgreSQL 구조로 프론트엔드와 백엔드를 분리 설계했고, 비용을 고려해 인프라는 AWS us-west-2 리전에 구성했습니다.
- 프론트엔드는 S3 + CloudFront로 정적 배포하였습니다. 별도의 프론트엔드 서버 없이, 모두 정적 에셋으로 빌드하여 CDN에 배포합니다.
- 백엔드와 DB는 EC2 t4g.nano(ARM64) 인스턴스에서 Docker Compose로 운영 중입니다.
- 배포는 GitHub Actions로 자동화했습니다. 변경된 서비스만 감지하여 애플리케이션 빌드 -> S3 업로드 -> GHCR 이미지 교체까지 CI/CD를 구현했습니다.
- 인프라는 Terraform으로 IaC 관리 중이며, 현재 서비스 운영 중입니다.
과정:
- LLM이나 에이젼트를 사용하여 어플리케이션을 개발한 것이 처음은 아니었지만, 이번 프로젝트에선 요구사항부터 결과까지 마크다운으로 꼼꼼히 기록하여 컨텍스트로 활용했습니다.
- Skill, Rules와 같은 기본적인 AI 코드 에이젼트 기능을 활용하였습니다.
- 작업 단위는 기능 별 요구사항 명세서 기반으로, 백엔드/프론트/인프라로 나누어 수행했고, AI 사용도 이 단위에 맞추어 사용했습니다.
AI 개발 사용 후기:
- 시간당 코드 생산량을 생각하면, 확실히 생산성에 도취할 만합니다.
- 그러나 약 1달 이상 유지보수와 운영을 하면서 '바이브 코딩'의 한계 역시 체감하고 있습니다.
- 기술 부채 관리 면에서 AI만으로 모든 것이 완벽히 해결되진 않는 것 같습니다.
- 코드 에이젼트를 사용할 때 역시 적절한 감이 필요한 것 같습니다. 컨텍스트 제어, 코드 검증 등의 과정이 자연어(프롬프트)에 기반하기에 "확률적"이라는 느낌을 받습니다.
- AI로 생성한 코드는 품질이나 버그가 재현되거나 검증할 수 없어 감에 의존하게 됩니다. (ex: 어느 파일을 어떤 모델에 컨텍스트로 제공할 지. 소스 코드의 어느 부분만 선택하여 ai에 맞길지 등등..)
- 이번 프로젝트에선 antigravity를 많이 사용했습니다.
- codex, cursor, antigravity, vscode cline/continue 등 사용 경험이 있고, 코드 에디터의 ux는 거의 모든 제품이 유사하게 수렴한 것 같습니다.
- 따라서 어떤 도구이던 사용성과 성능만 좋다면 언제든 대체할 수 있겠습니다.
긴 글 읽어주셔서 감사합니다!