바이브 코딩 할 때, AI가 당신 말을 까먹는 이유

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

바이브 코딩에서 AI가 당신 말을 까먹는 주요 이유는 컨텍스트 압축으로 지시와 거부한 대안의 이유가 유실되기 때문이며, 이를 파일에 기록하고 AI가 다시 발견하도록 구성해야 한다.

📌 핵심 요점

1. 바이브 코딩에서는 오류 해결뿐 아니라 이미 전달한 금지 사항이나 요구사항을 AI가 잊고 같은 실수를 반복하는 문제가 발생한다.
2. 발표자는 코드베이스와 작업 이력이 커지면서 컨텍스트가 압축되고, 그 과정에서 필요한 정보가 사라지는 것을 주요 원인으로 설명한다.
3. 특히 A를 버리고 B를 선택한 이유가 유실되면, AI는 B라는 결과만 보고 이미 폐기한 A를 다시 제안할 수 있다. 사용자까지 과거 결정을 잊으면 반복을 알아채기 어렵다.
4. 대화 기록만으로는 부족하다. 지시, 금지 사항, 거부한 대안과 그 이유를 파일로 남기고 AI가 스스로 찾아 참조하도록 구성하는 것이 핵심 대응이다.
5. 큰 컨텍스트나 세션 이어가기만을 해법으로 삼기보다 작업 범위, 지침·메모리 파일, 개발 절차를 함께 관리해야 한다. 발표자는 마지막에 DB 작업의 사고 위험도 강조한다.

🧩 배경과 문제 정의

사용자가 만들 프로그램과 기능을 지시하고 AI가 코드를 작성하는 바이브 코딩에서는, 오류가 발생했을 때 인프라나 설정에 관한 전문 지식이 필요해질 수 있다. 발표자는 그보다 더 답답한 문제로 이미 전달한 주의 사항과 금지 사항을 AI가 잊고 같은 행동을 반복하는 상황을 제시한다.

영상은 클로드 코드를 중심으로 컨텍스트가 쌓이고 압축되는 과정을 설명한다. 핵심 문제는 최종 결과만 남고 ‘왜 다른 방법을 버렸는가’라는 결정 근거가 사라지는 것이다. 대응 방향은 그 근거를 파일에 보존하고 AI가 다시 발견하도록 구성하는 데 있으며, 후반부에는 관련 강의 소개와 후속 교육 계획이 이어진다.

🕒 시간순 섹션별 상세정리

1. 바이브 코딩에서 마주치는 두 가지 장벽

• 사용자는 프로그램의 목적과 기능을 지시하고, 실제 코드 작성은 AI가 담당하는 작업 방식을 보여준다. [00:35]
• 오류가 발생하면 로그 전달만으로 해결되지 않고 인프라나 AWS 설정 등에 대한 전문 지식이 필요할 수 있다. [01:02]
• 이미 말한 지시를 잊거나 금지한 행동을 반복하는 문제를 이해해야 대응과 예방이 가능하다고 문제를 제기한다. [01:29]

2. 실행 권한을 가진 에이전트와 누적되는 오류

• 클로드 코드를 에이전틱 AI로 소개하며, 대화형 서비스와 달리 PC에서 실행되어 파일을 읽고 분석하고 수정할 수 있다고 보여준다. [02:25]
• 다루는 코드베이스가 커지고 문제가 여러 개 쌓이면, 오류가 더해진 이상한 코드가 만들어질 수 있다고 지적한다. [03:02]

3. 컨텍스트 압축에서 사라지는 거부의 이유

• 여러 원인 중 큰 문제로 ‘거부된 대안이 컨텍스트 윈도우에 남지 않는 것’을 꼽는다. [03:19]
• 컨텍스트가 코드베이스를 다루기에 부족하면 기능 단위로 작게 지시해야 하며, 압축 과정에서는 정보 손실이 발생한다고 보여준다. [04:09]
• A를 시도하다 특정 이유로 포기하고 B로 바꿨더라도, 압축할 때 A를 거부한 이유가 유실될 수 있다는 예를 든다. [04:46]

4. 결과만 남으면 폐기한 대안이 돌아온다

• 컨텍스트 크기는 모델에 따라 달라지므로, 더 큰 모델을 쓰는 것과 함께 필요한 정보를 매번 잘 발견하게 만드는 일이 중요하다고 강조한다. [05:17]
• 새 대화에 B를 사용한다는 결과만 남으면 A를 시도했다가 거부한 이력이 없어져, AI가 A를 다시 권할 가능성이 커진다고 보여준다. [06:06]
• 사용자도 과거 결정을 잊으면 AI의 재제안을 걸러내지 못해 같은 실수가 반복될 수 있다. [06:27]

5. 같은 세션에서도 발생하는 기억 손실

• 긴 세션에서도 압축이 발생하며, 발표자는 결과 중심 요약 때문에 선택하지 않은 대안에 관한 정보가 사라진다고 보여준다. [06:56]
• AI가 남아 있는 B의 코드를 보고 이유를 추론하고, 이미 폐기한 A를 괜찮은 대안으로 다시 제시하는 흐름을 묘사한다. [07:21]
• 사용자가 쓰지 말라고 한 방법을 다시 제안하면서 같은 실수가 반복되는 상황으로 계속된다. [07:34]

6. 파일 기록과 발견 가능성이 핵심 대응

• 대화 세션에 기록이 남아 있다는 것만으로는 부족하며, 필요한 내용을 별도 파일에 저장해야 한다고 드러낸다. [07:54]
• 저장한 지시 파일을 AI가 스스로 잘 발견할 수 있도록 구성해야 한다고 강조한다. [08:11]
• 발표자는 클로드 코드 소스 유출 이후 내부 구조와 컨텍스트 관리 원리가 알려졌다고 주장하며 다음 설명으로 넘어간다. [08:36]

7. 도구 실행 결과까지 차오르는 컨텍스트

• 질문과 답변이 메시지 배열에 쌓이며, 코딩 과정의 도구 실행과 검색·명령 결과도 함께 들어간다고 보여준다. [09:24]
• 발표자는 모델에 따라 다르지만 대략 80% 전후에서 자동 압축이 시작되어 여유 공간을 확보한다고 드러낸다. [09:40]
• 사용자가 보존할 정보를 잘 남겨야 하며, AI가 발견할 수 있도록 고정 컨텍스트에서 참조 가능한 정보를 구성해야 한다고 보여준다. [10:11]

8. 지침과 메모리를 담는 고정 컨텍스트

• 발표자는 시스템·사용자 프롬프트와 내장 도구 정의를 고정 컨텍스트의 구성 요소로 보여준다. [10:32]
• MCP 도구 사용법, 스킬 목록, 클로드.md와 메모리.md도 여기에 포함되며 모든 턴에서 인지되는 내용이라고 보여준다. [11:09]
• 이러한 구조를 이해하고 어떤 내용을 담을지 관리해야 하며, 소홀하면 심각한 결함으로 이어질 수 있다고 경고한다. [11:41]

9. 압축 방식의 차이와 내부 동작의 불확실성

• 메시지 압축 방식에 따라 손실량이 달라지며, 필요한 정보까지 사라지면 사용자와 AI 사이의 소통 오류가 시작된다고 보여준다. [12:28]
• 자동 압축 외에도 내부적으로 메시지를 줄이는 경우가 있다고 말하며 실행 모드와 카이로스 모드를 언급한다. 다만 버전 변화 때문에 세부 동작은 정확히 알기 어렵다고 덧붙인다. [13:28]
• 하네스·프롬프트·컨텍스트 엔지니어링은 근본적으로 같은 문제를 다루며 해결 방향에도 공통점이 있다고 주장한다. [13:57]

10. 강의 소개와 세션 운영·개발 절차에 관한 조언

• 관련 내용을 강의로 제작해 인프런과 자체 플랫폼에 올렸다고 소개하며, 실행 모드와 도구 사용, 프로젝트 파악과 컨텍스트 관리를 다룬다고 안내한다. [14:44]
• 압축이나 컨티뉴 옵션으로 기존 세션을 유지하는 것이 항상 정답은 아니며, 노이즈가 끼는 문제도 생길 수 있다고 보여준다. [15:27]
• 대응 방법은 기존 개발 프로세스와 연결된다고 말하고 ‘tdd, sd’를 언급한다. DB는 잘못 다루면 큰 사고로 이어질 수 있으므로 수작업을 권한다. [16:10]

11. 수강 안내와 후속 계획, 생산성에 대한 마무리

• 두 플랫폼의 강의 내용은 같고 강의는 약 3시간이라고 안내한다. 오픈 행사와 영상 정보의 추가 할인 쿠폰도 보여준다. [17:13]
• 클로드 코드 사용법과 구조·주의 사항 강의 이후, PC 및 웹 애플리케이션 개발 내용을 기존 강의 개선이나 신규 촬영으로 제공할 계획이라고 드러낸다. [18:02]
• 바이브 코딩 시대에 도구를 잘 활용해 생산성을 높이고 환경에 적응해야 한다는 의견으로 영상을 마무리한다. [18:22]

🧾 결론

• 현재 구현된 코드에는 선택의 결과가 남지만, 다른 방법을 포기한 이유까지 자동으로 보존되는 것은 아니다.
• 기록의 가치는 저장 여부와 함께 AI가 필요한 순간에 그 기록을 발견하고 참조할 수 있는지에 달려 있다.
• 발표자의 설명을 실무에 적용하려면 세션의 기억에 의존하기보다 결정 근거를 유지하는 개발 습관이 필요하다.

📈 투자·시사 포인트

• 개발 생산성을 판단할 때 코드 생성 속도와 함께 같은 실수의 반복, 수정 작업, 결정 이력 관리에 드는 시간을 살펴볼 필요가 있다.
• 코딩 에이전트 활용에서는 모델의 컨텍스트 크기뿐 아니라 지침과 메모리를 관리하는 작업 방식도 중요한 평가 요소가 된다.
• 발표자가 기존 개발 프로세스와의 연결을 강조한 만큼, 바이브 코딩 교육과 도입 과정에서도 도구 사용법과 개발 절차를 함께 다루는 것이 시사점이다.

⚠️ 불확실하거나 확인이 필요한 부분

• 컨텍스트 용량 설명에는 ‘원밀리언’, ‘200K’, ‘200만’이 섞여 있다. 수치와 단위가 일관되지 않아 이 전사만으로 모델별 실제 용량을 확정하기 어렵다.
• 약 80%에서 자동 압축이 시작된다는 설명, 고정 컨텍스트의 구성과 주입 방식, 카이로스 모드의 동작은 발표자의 설명이다. 적용 버전과 구체적인 조건은 영상에서 충분히 확인되지 않는다.
• 2026년 3월 소스 코드 유출과 이를 통한 내부 구조 분석 주장은 영상에서 언급되지만, 근거 자료는 제공되지 않는다. 모든 AI가 결과 중심으로 요약한다는 일반화도 별도 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복해서 지켜야 할 지시와 금지 사항을 대화 밖의 파일에 정리한다.
• 대안을 폐기할 때 시도한 방법, 거부한 이유, 최종 선택을 함께 기록한다.
• 지침·메모리 파일을 AI가 찾아 참조할 수 있도록 구성하고, 새 세션이나 압축 이후에도 중요한 제약을 인지하는지 확인한다.
• 코드베이스 전체를 한꺼번에 맡기기보다 기능 단위로 작업 범위를 줄인다.

❓ 열린 질문

• 거부한 대안과 이유를 어떤 위치와 형식으로 기록해야 AI가 필요한 순간에 안정적으로 발견할 수 있을까?
• 세션을 이어갈 때와 필요한 기록을 바탕으로 새로 시작할 때를 구분하는 기준은 무엇일까?
• 발표자가 소개한 압축 방식과 고정 컨텍스트 설명 중 현재 사용하는 버전에도 적용되는 범위는 어디까지일까?