바이브코딩 첫 개발, 무엇부터 정해야 할까 — Superpowers 활용법
만들고 싶은 앱을 실제로 쓸 수 있는 프로그램으로 바꾸는 개발의 순서
AI가 작성한 콘텐츠입니다. 실제 AI 기술에 근거하며, 활용 장면·인물·미래 상황에는 허구가 포함될 수 있습니다.

AI로 첫 프로그램을 만들 때 먼저 정할 것은 누구의 어떤 일을 어디까지 해결할지다. 코드를 빨리 얻을 수 있어도 이 기준이 흐리면, 기능을 추가할 때마다 앞서 만든 동작과 충돌할 수 있다. 개발을 체계적으로 한다는 것은 작은 결과를 만들고, 업무에 맞는지 확인하고, 다음 변경을 이어 갈 수 있는 상태로 남기는 일이다.
“앱 하나 만들어 줘” 다음에 시작되는 개발
엑셀로 모으던 점심 주문을 앱으로 바꾼다고 해 보자. 주문 버튼이 생기면 끝일까. 담당자가 수량을 다시 세어야 하거나 취소된 주문을 일일이 빼야 한다면 원래의 번거로움은 남는다. 개발의 목표는 담당자가 주문 마감 뒤 정확한 수량을 확인할 수 있는 상태다.
기획은 누구의 어떤 번거로움을 줄일지 정하는 일이다. 설계는 주문·취소·마감이 어떤 규칙으로 이어지고 데이터를 어디에 남길지 정하는 일이다. 구현은 그 결정을 코드로 옮기고, 검증은 약속한 상황에서 실제로 맞게 움직이는지 확인하는 일이다. 배포는 다른 사람이 접속할 수 있게 프로그램을 제공하는 과정이며, 운영에서는 데이터와 오류, 이후 변경까지 다뤄야 한다.
이 이름들을 외울 필요는 없다. “취소한 주문은 합계에서 빠져야 한다”는 요구를 정하고, 그렇게 만들고, 새로고침 후에도 유지되는지 확인했다면 이미 개발의 여러 단계를 밟은 것이다. AI에게 작업을 맡길 수 있지만 원하는 결과와 확인 기준은 대화 속에 드러나 있어야 한다.
처음부터 긴 기획서를 쓸 필요도 없다. 첫 버전에서 확인할 업무 장면을 짧게 정리하면 된다. 주문을 입력하고, 일부를 취소하고, 마감 수량을 확인하는 한 흐름이 끝까지 이어지는지 보는 것이다. 로그인과 결제까지 동시에 붙이면 무엇이 잘못됐는지 알아보기 어려워진다.
업무 담당자는 “어떻게 사용해야 도움이 되는지”를 알고, AI는 그것을 구현할 방법을 제안한다. 사용자가 모든 기술을 미리 결정할 필요는 없다. 다만 AI가 제안한 방식이 업무에 어떤 차이를 만드는지 설명받고 결정할 필요는 있다. 혼자 쓸 연습 앱인지, 직원들이 매일 쓰는 프로그램인지에 따라 저장과 접근 권한, 복구에 들일 노력도 달라진다.
이 글은 첫 개발의 판단을 가상의 주문 앱 사례로 풀어 본다. 그 뒤 계획과 확인을 반복해서 수행하도록 돕는 도구로 Superpowers를 연결한다.
금요일에는 완성됐고, 월요일에는 주문이 사라졌다
다음은 개발 판단을 설명하기 위해 구성한 가상 사례다.
작은 카페를 운영하는 사람이 클로드와 함께 단체 점심 주문 앱을 만든다. 직원들이 메뉴를 고르면 매장별로 수량을 모아 주는 프로그램이다. 첫날에는 화면이 예쁘게 나왔다. 둘째 날에는 주문 버튼도 작동했다. “이 정도면 쓸 수 있겠다”는 생각에 취소 기능과 메뉴 품절 표시까지 한꺼번에 부탁했다.
월요일, 주문 하나를 취소했더니 합계가 맞지 않는다. AI에게 고쳐 달라고 하자 합계는 정상으로 돌아왔다. 대신 새로고침하면 주문이 사라진다. 다시 고치니 이번에는 취소한 주문이 집계에 포함된다.
여기서 “클로드가 코딩을 못한다”는 결론만 내리면 다음 프로젝트에서도 같은 상황을 만날 수 있다. 확인해야 할 질문이 남아 있다. 주문은 어디에 저장되는가. 취소란 기록을 지우는 것인가, 상태를 바꾸는 것인가. 합계에는 어떤 주문이 포함되는가. 서로 다른 브라우저에서 접속해도 같은 주문이 보여야 하는가.
이 질문들은 코드 문법을 몰라도 답할 수 있다. 실제 업무를 아는 사람이 결정해야 하는 내용이기 때문이다. AI에게 구현을 맡기더라도, 무엇이 올바른 동작인지는 프로그램을 쓰는 사람이 설명해야 한다.
첫 실수: 만들고 싶은 기능을 전부 첫 주문에 넣는다
“직원 로그인, 메뉴 관리, 결제, 취소, 통계까지 되는 주문 앱을 만들어 줘.”
그럴듯한 시작이지만 첫 검증 대상으로는 너무 넓다. 화면이 만들어져도 어느 부분이 실제로 동작하는지 확인하기 어렵고, 문제가 생겼을 때 원인이 될 선택도 많아진다.
첫 버전의 범위를 정할 때는 가장 먼저 확인하고 싶은 업무 장면을 고르면 된다. 이 사례에서는 “직원 세 명의 주문을 입력하면 메뉴별 수량이 정확하게 모인다”가 출발점이다. 결제가 꼭 필요한지, 로그인 없이 시험해도 되는지 판단하면 첫 작업의 크기가 달라진다.
이때 AI에게 줄 만한 요청은 다음과 같다.
이번에는 가짜 주문으로 집계가 맞는지만 확인하고 싶어. 직원 세 명이 주문하고 담당자가 메뉴별 수량을 확인하는 흐름을 먼저 만들자. 구현 전에 내가 결정해야 하는 업무 규칙과 나중으로 미뤄도 되는 기능을 짚어 줘.
중요한 것은 요청문의 표현이 아니라, 이번 작업으로 확인할 질문을 하나 정했다는 점이다. 완료 여부도 “예쁜 앱이 나왔나”에서 “세 사람의 주문이 중복 없이 합산되나”로 구체화된다.
Superpowers의 brainstorming 지시문은 사용자의 의도와 이유를 확인하고, 구현에 영향을 주는 선택을 정리하도록 설계돼 있다. 기존 프로젝트에 답이 있으면 먼저 살펴보도록 하고, 간단하고 명확한 요청에는 짧게 대응하는 길도 둔다. 질문의 개수를 채우는 절차로 이해할 필요는 없다. 답에 따라 만드는 것이 달라질 때 질문이 가치가 있다. brainstorming 원문
두 번째 실수: AI가 알아서 정한 업무 규칙을 뒤늦게 발견한다
주문 취소 버튼은 작아 보여도 업무 규칙은 작지 않다. 마감 뒤에도 취소할 수 있는가. 취소 기록을 보관해야 하는가. 이미 주방에 전달된 주문은 누가 조정하는가.
주문·취소·집계 규칙부터 연결한다
설명이 비어 있으면 구현 과정에서 어떤 선택이 들어간다. 사용자는 나중에 화면을 눌러 보고서야 자신이 생각한 취소와 다르다는 사실을 알 수 있다. 이때 코드를 더 만드는 것보다 먼저 할 일은 규칙을 한 문장으로 고정하는 것이다.
예를 들어 “마감 전에는 본인 주문을 취소할 수 있고, 취소 기록은 남기되 수량 합계에서는 제외한다”고 정한다. 이 문장은 기획이면서 구현의 기준이고 확인할 항목이 된다.
계획을 검토할 때도 파일 이름이나 어려운 기술 용어를 모두 이해할 필요는 없다. 사용자 행동이 어떤 결과로 이어지는지 읽으면 된다. “주문 취소 처리 구현”보다 “취소 후 합계에서 빠지고, 새로고침해도 취소 상태가 유지된다”가 업무 담당자에게 더 검토하기 쉽다.
모르는 구현 방식은 AI에게 설명을 요청하면 된다. 그러나 마감 이후 취소를 허용할지 같은 결정까지 넘기면, 나중에 업무에 맞추기 위해 다시 만들어야 할 수 있다.
세 번째 실수: 화면에 보이는 것을 저장된 것으로 생각한다
주문 목록이 화면에 나왔다고 해서 데이터가 계속 남는 것은 아니다. 현재 화면에만 들고 있을 수도 있고, 해당 브라우저에 저장했을 수도 있으며, 여러 사용자가 함께 보는 서버에 저장했을 수도 있다. 같은 화면을 만들더라도 사용 목적에 따라 필요한 방식이 달라진다.
처음부터 데이터베이스 제품을 공부할 필요는 없다. 대신 실제로 쓸 상황을 말해야 한다.
“담당자가 다른 컴퓨터에서 봐도 주문을 확인해야 한다.” “브라우저를 닫았다가 다시 열어도 남아야 한다.” “연습 중이니 지금은 가짜 주문이 사라져도 된다.”
이 조건을 말하면 AI에게 저장 방식과 비용, 운영 부담을 비교해 달라고 할 수 있다. 기술 선택의 의미를 생활 속 결과로 확인하는 것이다.
흔한 실수는 혼자 한 브라우저에서 확인한 뒤 팀이 쓸 수 있다고 생각하는 것이다. 팀용이라면 주문하는 사람과 집계하는 사람의 접속 환경을 나눠 확인해야 한다. 개인용 시제품이라면 브라우저 저장만으로 목적을 달성할 수도 있다. 필요한 수준은 프로그램을 어디에 쓸지에서 출발한다.
네 번째 실수: 오류가 날 때마다 “다시 고쳐 줘”만 반복한다
주문 합계가 틀리면 AI에게 화면을 보여 주며 수정을 요청할 수 있다. 다만 같은 결과를 만드는 원인은 여러 가지다. 중복 주문, 취소 상태 처리, 화면 갱신 중 어느 부분이 문제인지 확인하지 않고 변경을 쌓으면 추적하기 어려워진다.
systematic-debugging은 오류를 재현하고 원인을 조사한 뒤, 가설을 검증하고 수정하는 순서를 둔다. 실패한 수정을 반복할 때에는 구조 자체를 재검토하는 기준도 제시한다. systematic-debugging 원문
사용자가 제공할 가장 유용한 정보는 문제가 벌어진 순서다.
샌드위치 두 개와 커피 한 개를 주문했어. 커피를 취소한 직후에는 합계가 맞는데 새로고침하면 다시 포함돼. 취소 상태가 어디에 저장되고 집계에서 어떻게 읽히는지 먼저 확인해 줘.
이 요청은 AI에게 원인을 단정하지 않으면서 조사할 출발점을 준다. 가능하면 실제 오류 메시지도 함께 전달한다. 빨간 글자를 없애는 것과 주문 규칙이 올바르게 동작하는 것은 다른 확인 사항이다. 오류를 숨기도록 바꿨다면 화면은 조용해져도 문제는 남을 수 있다.
수정 도중에는 새 기능을 덧붙이지 않는 편이 좋다. 집계 오류를 잡으면서 화면 디자인과 저장 방식까지 바꾸면 어느 변경이 결과에 영향을 줬는지 분리하기 어려워진다.
다섯 번째 실수: 돌아갈 수 있는 버전 없이 계속 전진한다
처음 성공한 화면이 나오면 곧바로 다음 기능을 붙이고 싶어진다. 그런데 취소 기능을 고치다가 주문 입력까지 망가지면, 잘되던 상태로 복구하는 데 시간이 들 수 있다.
Git은 파일 변경 이력을 관리하는 도구이고, 커밋은 그 이력에 남기는 저장 단위다. 첫 프로젝트에서는 명령어보다 “어떤 동작을 확인한 상태인지 설명할 수 있는 지점을 남긴다”는 의미를 이해하면 된다.
“주문 세 건 입력과 새로고침 후 유지 확인”처럼 검증한 내용을 붙여 저장해 두면 다음 변경과 비교하기 쉽다. AI에게 현재 변경을 정리하고, 확인된 상태를 커밋하도록 요청할 수 있다. 이때 외부 저장소에 올리는 것과 내 컴퓨터에 이력을 남기는 것은 구분해야 한다. 비밀번호나 API 키가 포함됐는지도 확인하도록 한다.
브랜치는 기존 작업에서 갈라져 변경을 진행하는 공간으로 생각할 수 있다. 큰 저장 방식 변경을 시험할 때 유용하다. 다만 코드가 돌아간다고 실제 데이터나 외부 서비스 설정까지 함께 복구되는 것은 아니다. 실제 주문을 받기 전에는 데이터 보관과 복구 방법도 따로 확인해야 한다.
“완료했습니다” 다음에 물어볼 한 문장
“어떤 동작을 확인했고, 아직 확인하지 않은 것은 뭐야?”
换기기에서도 취소 반영을 확인한다
verification-before-completion은 완료 주장에 앞서 검증을 실행하고 결과를 읽도록 요구한다. 테스트 통과, 빌드 성공, 요구사항 충족도 구분한다. 테스트는 특정 동작의 확인이고, 빌드는 배포용 결과물을 만드는 과정이다. 하나가 성공했다고 나머지까지 증명되는 것은 아니다. verification-before-completion 원문
주문 앱이라면 집계 계산을 자동으로 확인했어도 다른 컴퓨터에서 주문이 보이는지는 아직 모를 수 있다. 화면이 열려도 취소 기록이 유지되는지는 별개다. 검증 결과를 받을 때는 “정상입니다”라는 말에 더해 어떤 조건에서 무엇을 확인했는지 보면 된다.
자동 테스트는 한 번 확인한 중요한 규칙을 다음 수정에서도 반복해서 확인하도록 만드는 장치다. “취소된 주문은 집계에서 제외된다”는 규칙을 테스트로 남기면 이후 기능을 추가할 때도 그 규칙을 점검할 수 있다. 무엇을 지켜야 하는지 사용자가 설명해야 테스트의 방향도 맞출 수 있다.
개발 순서를 지키는 데 스킬이 도울 수 있는 부분
Superpowers는 계획, 구현, 테스트, 오류 조사 등에 쓰는 스킬을 묶은 프로젝트다. 스킬은 AI가 특정 상황에서 참고하는 작업 지침이며, 묶음에는 이를 사용하도록 연결하는 장치도 포함된다. 공식 저장소는 요구를 확인하고 설계를 검토한 뒤 구현 계획을 만드는 흐름을 설명한다.
이 기사에서는 세 지점을 눈여겨본다. 만들기 전에 의도를 확인하는 brainstorming, 오류를 조사하는 systematic-debugging, 완료를 주장하기 전에 근거를 확인하는 verification-before-completion이다. 각각 착수, 문제 해결, 마무리에서 AI의 행동을 정리한다. Superpowers 공식 저장소
이 구조를 실무에 대입하면, 사용자는 매번 긴 지시문을 다시 쓰는 부담을 줄이고 중요한 결정에 집중할 수 있다. 다만 지침이 있다는 사실만으로 결과가 검증되지는 않는다. 이번 글은 공개 문서와 지시문을 분석한 것으로, 적용 전후 성능을 직접 측정한 실험은 아니다.
설치는 짧게, 첫 요청은 구체적으로
Superpowers를 쓰기로 했다면 클로드 코드에서 공식 저장소가 안내하는 플러그인 설치 명령은 다음과 같다. 2026년 11월 4일 문서 기준이다.
/plugin install superpowers@claude-plugins-official
설치가 안 되거나 메뉴가 다르면 현재 환경과 메시지를 AI에게 보여 주고 공식 안내를 기준으로 확인하면 된다. 이 명령은 클로드 코드용이므로 일반 웹 채팅창과 실행 환경을 혼동하지 않아야 한다. 공식 설치 안내
첫 프로젝트는 연습용 폴더와 가짜 데이터로 시작하는 편이 좋다. 파일 수정이나 실행 권한을 줄 때는 어떤 폴더와 서비스에 영향을 주는지 확인한다. 실제 고객 정보와 결제를 연결하면 실수의 영향도 달라진다.
설치 후에는 다음처럼 실제 목적을 전달해 보자.
직원들의 점심 주문을 모으는 앱을 만들고 싶어. 첫 목표는 세 사람의 주문과 취소가 합계에 정확히 반영되는지 확인하는 거야. Superpowers를 사용해서 필요한 업무 규칙을 먼저 정리하고, 가장 작은 구현 계획을 보여 줘. 실제 결제와 고객 데이터는 연결하지 않을 거야.
이 문장의 핵심은 목적, 첫 확인 범위, 운영 경계를 함께 전달했다는 점이다. AI가 계획을 보여 주면 순서만 읽지 말고 자신이 확인할 수 있는 결과로 쓰였는지 살펴보자. 설명이 어렵다면 “내가 직접 해 볼 행동과 기대 결과로 다시 써 줘”라고 요청하면 된다.
Superpowers의 개발 절차가 모든 작업에 같은 무게로 필요한 것은 아니다. 버릴 화면 시안을 빠르게 보는 일과 실제 주문을 보관하는 기능을 만드는 일은 검증의 깊이가 달라도 된다. 작은 수정에 절차가 과하면 범위를 좁혀 달라고 요청할 수 있다. 다만 실제 데이터를 바꾸는 작업에서는 빠르게 보이는 완성과 확인된 완성을 구분해야 한다.
오늘 첫 프로젝트를 시작한다면 긴 기술 목록을 준비할 필요는 없다. 누가 쓰는지, 첫 버전으로 무엇을 확인할지, 반드시 지켜야 할 규칙이 무엇인지 세 줄로 적어 보자. 그 내용을 AI와 정리하고, 실행해 보고, 확인된 지점을 남긴다. 다음 편에서는 이 주문 앱의 모호한 요구를 Superpowers와 함께 실제로 진행할 수 있는 작업 계획으로 바꾸는 과정을 살펴본다.
더 구체적으로 묻고 답하기
Q1. 첫 버전을 작게 만들라는데, 어디까지 줄여야 하나요?
사용자 한 사람이 중요한 업무 하나를 처음부터 끝까지 처리할 수 있는 크기로 잡으면 된다. 주문 앱이라면 메뉴 화면만 만드는 데서 끝내기보다, 주문 입력 → 취소 → 최종 수량 확인까지 이어지게 만드는 것이다. 여러 화면이 있어도 실제 주문이 집계되지 않으면 핵심 업무는 아직 확인하지 못한 셈이다.
반대로 첫날부터 로그인, 결제, 통계까지 갖출 필요는 없다. 연습 단계에서는 가짜 사용자와 가짜 주문으로 핵심 흐름을 확인할 수 있다. 다만 여러 사람이 함께 주문하는 것이 목적이라면, 여러 접속 환경에서 같은 데이터가 보이는 확인까지 계획에 포함해야 한다. 개인용으로만 동작하는 앱을 팀용 첫 버전으로 착각하면 안 된다.
AI에게 “가장 작은 기능 목록”만 부탁하기보다 “이 버전으로 어떤 업무를 끝낼 수 있고, 무엇은 아직 못 하는지 설명해 줘”라고 물어보자. 설명을 듣고도 사용 장면이 떠오르지 않는다면 범위를 다시 정리할 때다.
Q2. 코드를 모르는데 AI가 만든 개발 계획을 어떻게 검토하나요?
계획을 사용자의 행동과 기대 결과로 바꿔 읽으면 된다. “주문 상태 관리 로직 구현”이라는 항목은 이해하기 어렵지만, “취소 버튼을 누르면 수량이 줄고 다시 접속해도 취소 상태가 남는다”는 설명은 판단할 수 있다.
검토할 때는 정상 동작에 더해 경계 상황 하나씩을 붙여 보자. 주문 버튼을 두 번 누르면 어떻게 되는지, 마감 뒤에 취소하면 어떤 안내가 나오는지, 저장에 실패했는데도 완료라고 표시하는지 묻는 것이다. 모든 예외를 처음부터 찾아낼 필요는 없지만, 실제 업무에서 곤란한 결과가 무엇인지는 먼저 알려주는 편이 좋다.
AI에게는 “각 작업에 내가 확인할 행동과 통과 기준을 붙이고, 네가 가정한 업무 규칙은 따로 적어 줘”라고 요청할 수 있다. 기술 선택은 추천받되, 그 선택 때문에 사용자가 겪는 차이를 설명받고 결정하면 된다.
Q3. 주문이 저장된다는 것은 구체적으로 무엇을 확인해야 하나요?
시간이 지나도 남는지와 필요한 사람이 함께 볼 수 있는지를 나눠 확인해야 한다. 새로고침 뒤에 남는 주문도 다른 브라우저나 컴퓨터에서는 보이지 않을 수 있다. 한 기기의 브라우저에 저장한 것과 서버에서 공동으로 보관하는 것은 사용 범위가 다르기 때문이다.
팀용 주문 앱이라면 한쪽에서 가짜 주문을 넣고 다른 접속 환경에서 확인해 보자. 이어서 취소가 반영되는지, 브라우저를 닫았다 다시 열어도 유지되는지 확인한다. 실제 운영 전에는 다른 사람의 주문을 누가 보고 바꿀 수 있는지도 별도로 점검해야 한다. 공유가 된다는 사실만으로 접근 권한까지 올바르다는 뜻은 아니다.
AI에게 “데이터가 어디에 저장되고, 누가 접근할 수 있으며, 어떤 경우에 사라질 수 있는지 사용자 관점에서 설명해 줘”라고 요청하면 된다. 개발 테스트용 데이터와 실제 운영 데이터를 구분했는지도 확인하자. 연습 중 초기화한 작업이 실제 주문에 영향을 주면 안 된다.
Q4. 같은 오류를 몇 번 고쳤는데도 계속 생기면 무엇을 해야 하나요?
추가 수정부터 요청하기보다 현재 상태와 재현 순서를 고정하는 것이 우선이다. “커피 주문 → 취소 → 새로고침 → 합계에 다시 포함”처럼 같은 문제를 반복해서 보여줄 수 있어야, 수정 전후를 비교할 수 있다.
최근 변경 중 어디서부터 문제가 시작됐는지 AI에게 확인시키고, 현재 원인 가설과 그 가설을 뒷받침하는 증거를 설명받자. 답이 “아마 저장 문제 같습니다”에 머문다면 확인이 더 필요하다. 취소 상태가 실제로 저장됐는지, 집계가 그 상태를 읽는지처럼 실패 지점을 좁히는 확인이 있어야 한다.
수정 뒤에는 같은 순서로 문제가 사라졌는지 보고, 원래 잘되던 주문 입력도 확인한다. 다시 실패하면 변경을 계속 쌓기보다 남겨 둔 정상 버전과 비교할 수 있다. Superpowers의 systematic-debugging이 제시하는 반복 실패 시 구조 재검토도 이런 상황을 위한 장치다. 정해진 횟수까지 무조건 수정해 보라는 뜻으로 받아들일 필요는 없다.
Q5. 테스트가 통과하면 직원들에게 바로 사용하게 해도 되나요?
무엇을 테스트했는지부터 확인해야 한다. 주문 수량 계산이 맞다는 테스트는 다른 기기에서의 접속, 접근 권한, 데이터 복구까지 확인해 주지 않는다. “테스트 통과”라는 보고에는 확인한 범위와 아직 남은 범위가 함께 있어야 한다.
첫 사용은 가짜 데이터 점검을 마친 뒤, 제한된 인원과 정해진 기간으로 진행할 수 있다. 이때 엑셀 같은 기존 처리 방법을 잠시 유지하면 앱이 멈췄을 때 업무를 이어 갈 수 있다. 주문 누락이나 중복이 생기면 누가 확인하고 어떤 기록을 기준으로 바로잡을지도 정해 두자.
AI에게는 “실제 사용 전에 확인할 항목을 우리 주문 업무에 맞춰 정리하고, 확인한 것과 확인하지 않은 것을 구분해 줘”라고 요청하자. 실제 결제나 개인정보를 다룬다면 그에 맞는 추가 검토가 필요하다. 사용 시작의 기준은 화면의 완성도와 함께, 문제가 생겨도 업무와 데이터를 다룰 방법이 준비됐는지다.
이 글은 AI와 함께 작성했습니다. 주문 앱 사례는 설명을 위한 가상 상황이며, 제품 동작 설명은 공개 원문을 확인했습니다.
AI가 작성한 콘텐츠입니다. 실제 AI 기술에 근거하며, 활용 장면·인물·미래 상황에는 허구가 포함될 수 있습니다.
이미지 3장은 설명용 AI 일러스트이며 실제 촬영 사진이나 실험 기록이 아닙니다.
참고 자료
- Superpowers 공식 저장소 (2026.11.04 확인)
- skills/brainstorming/SKILL.md (2026.11.04 확인)
- skills/systematic-debugging/SKILL.md (2026.11.04 확인)
참고 자료 1개 더 보기
- skills/verification-before-completion/SKILL.md (2026.11.04 확인)
이 글의 이미지는 AI로 생성했습니다
기술 글 모두 보기
같은 가지의 다른 글
- AI 소개팅, 전 애인과 나눈 대화까지 넘기시겠습니까?
- [가상 미래] 2029년, 자율주행 택시 동시 정지로 도심 마비
- [가상 미래] 2031년, 배송 드론 연쇄 추락으로 광장 통제
- [가상 미래] 2033년, 수직농장 화재에 인근 주거지 정전
- AI 회의 대리 참석, “그 약속 제가 한 게 아닌데요”
- [가상 미래] 부산행 침대가 대전에서 멈췄다
- 챗GPT·제미나이·클로드, 내 일에 맞는 AI 고르는 법
- AI한테 광고를 맡겨 봤더니… 깃허브 인기 광고 스킬과 실제 사례
- 2023년 2월 이후 생성형 AI가 줄인 직업들, 숫자로 보니
- 구글이 학교에게 던진 최후통첩: AI 거부하면 검색도 끊는다
- 바이브코딩 개발 계획, 어디까지 정해야 할까 — Superpowers 활용 2편
- 바이브코딩 구현, 한 기능을 어디까지 확인할까 — Superpowers 활용 3편
- 바이브코딩 디버깅, 어디서부터 틀렸을까 — Superpowers 활용 4편
- 바이브코딩으로 만든 앱, 언제부터 써도 될까 — Superpowers 활용 5편
- 대선을 준비하는 AI, 캠프와 선거기관은 어떻게 쓰나
- 신규창업 공약 지키미. AI가 상상하는 살기 좋은 세상 1부
- 신규창업 공약 지키미. AI가 상상하는 살기 좋은 세상 2부
- 신규창업 공약 지키미. AI가 상상하는 살기 좋은 세상 3부
- AI 주식 매매 프로그램 1편|공시로 후보 종목 찾기
- AI 주식 매매 프로그램 2편|공시 후보표 자동화
- AI 주식 매매 프로그램 3편|백테스트의 착시 줄이기
- AI 주식 매매 프로그램 4편|모의주문과 체결 확인
- AI 주식 매매 프로그램 5편|손실을 키우지 않는 주문·중단 기준
- AI 에이전트
- 로봇
- 개인 AI
이미지: Cloudflare (@cf/black-forest-labs/flux-2-klein-9b)