안드레이 카파티가 제시한 LLM 코딩 가이드라인
multica-ai/andrej-karpathy-skills
GitHub안드레이 카파티의 코딩 오류 분석을 바탕으로, AI 에이전트가 코드를 작성할 때 발생하는 문제점을 개선하는 4가지 원칙 가이드라인입니다.
- 핵심은 단순 지시가 아닌, 테스트를 통한 '검증 가능한 목표(Success Criteria)'를 설정하여 AI가 스스로 루프하며 완성도를 높이도록 유도하는 것입니다.
- 이 가이드라인을 적용하면 AI가 과도하게 복잡한 코드를 만들거나, 요청 범위를 벗어난 불필요한 수정(리팩토링)을 하는 것을 효과적으로 방지할 수 있습니다.
- 모든 작업에 엄격하게 적용하기보다, 복잡하거나 비핵심적인 문제 해결 시 '신중함'을 우선하여 비용이 큰 실수를 줄이는 데 활용하는 것이 좋습니다.
이 가이드라인은 안드레이 카파티의 관찰을 바탕으로, (LLM)이 코드 작성 시 흔히 저지르는 오류를 개선하기 위해 마련되었습니다. LLM은 사용자를 대신해 잘못된 가정에 따라 코드를 진행하며, 혼란스러움을 관리하거나 모순점을 제시하지 못하는 경향이 있습니다. 또한, 필요한 것 이상으로 코드를 복잡하게 만들거나 불필요한 추상화를 추가하는 문제점도 지적됩니다.
제시된 네 가지 원칙은 이러한 문제를 해결하기 위한 구체적인 행동 지침을 제공합니다. 첫째, '사전 사고(Think Before Coding)'를 통해 가정을 명시하고 여러 해석을 제시해야 합니다. 둘째, '단순성 우선(Simplicity First)' 원칙에 따라 요청된 기능 외의 코드는 배제하며, 200줄짜리 코드를 50줄로 줄이는 등 과도한 설계를 지양합니다. 셋째, '수술적 변경(Surgical Changes)'을 통해 필요한 부분만 수정하고 기존 코드나 주석을 건드리지 않도록 합니다.
마지막으로 '목표 중심 실행(Goal-Driven Execution)'은 작업의 성공 기준(Success Criteria)을 명확히 정의하는 데 중점을 둡니다. 단순히 '버그를 고쳐라'와 같은 명령형 지시 대신, '재현 테스트 코드를 작성하고 통과하도록 만들어라'와 같이 검증 가능한 목표로 변환하여 LLM이 스스로 루프하며 완성도를 높이도록 유도해야 합니다.
용어 풀이
- 대규모 언어 모델
- 방대한 글을 학습해 문장을 이해하고 만들어 내는 AI 모델. ChatGPT, Claude, Gemini가 여기에 속해요.