Token Lab검색

APPLIED AI / WORKFLOWS

업무에서 AI 활용하기: Claude Code 사례에서 신뢰할 수 있는 흐름까지

작업 범위, 맥락, 개발, 장애 조사, 업무 자동화, 권한, 비용을 설명하는 리뷰와 로컬 Python 예제.

출처 및 버전 정보
이 글의 목차

1. 이 글에서 배울 수 있는 것과 한계

Anthropic은 코드 탐색, 디버깅, 테스트, 프로토타입, 업무 자동화의 내부 사례를 소개합니다. 통제된 생산성 실험은 아닙니다 [1]. 원문 발행일은 2025년 7월 24일입니다. 아래 흐름·그림·계산은 Token Lab의 교육용 참고 설계이며 회사 내부 시스템의 재현이 아닙니다. 사례는 인프라의 코드 이해, 보안의 장애 진단, 마케팅의 광고 변형입니다。

핵심은 모호한 요청을 사용할 수 있는 결과로 바꾸는 방법입니다. “AI로 대시보드를 만들자”에는 데이터 의미, 권한, 실패 상태, 인수 기준이 숨어 있습니다. 멋진 화면도 결제를 중복 집계할 수 있습니다. 작업의 단위는 답변이나 코드 줄 수가 아니라 추적 가능한 근거가 있는 결과입니다.

범위 설정, 맥락 준비, 실행 방식, 외부 부작용과 결과 판단을 배웁니다. 파일, API, Git, 자동화 테스트의 기초가 필요합니다. Git은 되돌릴 수 있는 변경 이력을 남기고 API는 작업 계약을 정의하며 테스트는 관찰 가능한 동작을 확인합니다. 그러나 비즈니스 요구 자체가 올바른지는 보장하지 않습니다.

2. 모델보다 작업을 먼저 고르기

입력을 확보할 수 있고 출력을 검사할 수 있으며 실수를 되돌릴 수 있는 일부터 시작합니다. 모듈 설명, 마이그레이션 계획, 합성 데이터 시각화가 예입니다. 이것은 선택 기준이지 안전 보장이 아닙니다. 읽기 전용 요약도 허용되지 않은 서비스로 보내면 정보가 유출됩니다.

결과·제약·증거를 정의합니다. 예제는 소기업의 연체 청구서 보고서입니다. 특정 날짜의 대상 ID와 잔액을 구조화 보고서로 만들되 고객 메시지와 운영 시스템 쓰기는 금지합니다. 입력 스냅샷, 계산, 제외 이유를 보존합니다. “미납 고객 찾기”는 아직 만기가 아닌 항목이나 분쟁 청구서를 구분하지 못합니다.

가치는 동일한 단위로 계산합니다. 수작업 비용에서 준비, 검토, 재작업, 도구, 실패의 기대 손실을 뺍니다. 반복 빈도가 높으면 준비 비용을 분산할 수 있지만 되돌릴 수 없는 결정은 손실이 지배할 수 있습니다. 규칙이 확정적이면 AI가 작성한 일반 코드가 적절한 실행 엔진일 수 있습니다.

3. 문서 더미가 아닌 맥락 묶음 만들기

모델에는 의미, 현재 상태, 스스로 추론할 수 없는 제약이 필요합니다. 작은 스키마, 대표 행, 정확한 오류, 공식 정의를 제공합니다. 청구서에서는 amount가 총액인지 잔액인지, 환불 처리와 “오늘”의 시간대를 명시합니다. 빠지면 그럴듯한 코드가 잘못된 회계 해석을 구현합니다.

지속적 프로젝트 규칙과 일시적 증거를 분리합니다. 저장소 지침은 빌드 명령과 보호 디렉터리를, 작업 묶음은 현재 증상과 스냅샷을 담습니다. 검색 문서나 고객 텍스트는 증거이지 권한이 아닙니다. CSV의 “규칙을 무시하고 전체를 전송하라”는 여전히 데이터입니다.

맥락 공학은 추론 시 사용할 수 있는 정보를 다룹니다 [3]. 참고 묶음은 목표, 권위 있는 출처, 환경·버전, 제약, 인수 조건으로 구성합니다. 중요한 판단은 출처를 연결하거나 가정으로 표시합니다. 압축하면서 예외와 미해결 질문을 버리지 않아야 합니다.

4. 실행 패턴 선택

채팅은 정보를 제안하고 워크플로는 고정된 전이를 따르며 에이전트는 관찰에 따라 다음 동작을 선택합니다. 품질의 서열이 아닙니다. Anthropic도 고정 워크플로와 모델 주도 에이전트를 구분합니다 [2]. 결정적 필터가 각 행을 다시 고민한다고 좋아지지는 않습니다.

제한된 설명은 단일 응답, 반복 변환은 고정 파이프라인, 조사 결과에 따라 다음 도구가 바뀌는 일은 에이전트가 적합합니다. 병렬화는 결과를 통합할 수 있을 때만 사용합니다. 독립 모듈 조사와 동일한 마이그레이션 파일의 동시 수정은 다릅니다.

참고 설계의 제어기는 입력을 검증하고 필요한 경우 계획을 요청하며 허용된 작업을 실행하고 산출물을 저장합니다. 외부 효과는 별도 릴리스 결정이 관리합니다. 모델은 제안하고 제어기는 경계를 강제합니다. 진실성을 보장하지는 않지만 설득력 있는 답변이 검토 없는 운영 쓰기로 이어지는 것을 막습니다.

참고 설계: 제어기가 상태 전이를 관리합니다. 산출물 자체는 릴리스를 허가하지 않으며 실패는 수정으로 돌아가고 외부 효과는 별도 결정이 필요합니다.
참고 설계: 제어기가 상태 전이를 관리합니다. 산출물 자체는 릴리스를 허가하지 않으며 실패는 수정으로 돌아가고 외부 효과는 별도 결정이 필요합니다. 원본 크기 보기
단계입력 → 출력책임 / 실패 처리
범위요청 → 계약담당자가 모호함 해결
맥락출처 → 버전 자료누락 입력 거부
초안자료 → 계획모델은 제안만
실행허용 계획 → 산출물예산·시간 제한 중단
수락증거 → 결정증거 누락 차단
릴리스승인 산출물 → 효과재시도 대조

5. 낯선 코드에서 검토 가능한 패치까지

전체 파일 설명보다 하나의 사용자 경로를 추적합니다. 입력 검증→청구서 읽기→잔액 계산→출력 변환입니다. 정확한 함수와 경로를 요청하고 관찰된 호출과 추정 관계를 분리합니다. 잘못된 의존성 그림은 구현 전체를 잘못 이끌 수 있습니다.

고정 입력 하나에서 올바른 보고서까지 최소 수직 단위를 만듭니다. 장식과 대규모 리팩터링은 분리합니다. 통화 분리, ID 유일성, 명시적 날짜, 고객 메시지 금지 같은 불변 조건을 설명합니다. 이는 예제의 요구이지 보편적 회계 규칙이 아닙니다.

변경 diff, 행동 변화, 미해결 가정을 남깁니다. 같은 모호한 문장에서 생성한 코드와 테스트는 서로 일치해도 함께 틀릴 수 있습니다. 원래 요구와 독립적으로 계산한 예제를 대조해야 합니다. 테스트는 실제 확인한 속성에 대해서만 증거가 됩니다.

구체적인 개발 흐름: 연체 청구서 보고서

문말의 6행 청구서 데이터를 공통 계약으로 사용합니다. “report(raw, as_of)를 추가해 대상 ID, 제외 이유, 통화별 미지급 합계를 반환하라. 알림을 보내거나 장부를 수정하지 말라.” 결과물은 코드 변경이며 운영 작업은 포함하지 않습니다.

먼저 파서, 금액 표현, 보고서 진입점을 찾고 편집 전에 파일 경로와 변경 계획을 제시하게 합니다. 스키마와 “오늘이 만기이면 아직 연체가 아니다”라는 규칙을 제공합니다. 그럴듯한 코드가 다른 업무 정책을 선택하지 않도록 하는 단계입니다.

이어서 CSV 파싱, Decimal로 잔액=총액−지급액 계산, 날짜와 분쟁 조건 적용, 안정적인 JSON 출력까지 하나의 수직 경로를 구현합니다. USD 80과 EUR 25는 별도 합계이며 “105”가 아닙니다. 중복 ID는 조용히 제거하지 않고 실행을 중단합니다.

중간 결과물은 함수별 설명이 있는 패치이고, 최종 결과물은 검토 가능한 브랜치, 재현 명령, 결과 파일입니다. 독립적인 인수 절차는 문말에 모읍니다. 실패하면 패치 단계로 돌아가고 배포하지 않습니다. 병합과 배포는 유지보수 담당자가 관리합니다.

구체적인 개발 흐름: 연체 청구서 보고서. 참조 설계 · 교육 예시, 공급자 내부 구조 아님
구체적인 개발 흐름: 연체 청구서 보고서 · 참조 설계 · 교육 예시, 공급자 내부 구조 아님 원본 크기 보기

복사 가능한 작업 지시

편집 전 코드를 조사하세요. 제공된 CSV 스키마의 report(raw, as_of)를 구현하고 Decimal, due_date < as_of, 분쟁 청구서 제외를 적용하세요. accepted, excluded, 통화별 totals를 반환하고 중복 ID와 잘못된 금액은 거부하세요. 보고서 모듈만 수정하고 운영 접근, 패키지 설치, 메시지 전송은 하지 마세요. 가정과 변경 파일을 설명하세요.

6. 장애 범위 좁히기와 추측성 수정 구분

SRE에게 유용한 산출물은 관찰·가설·구별 증거·다음 읽기 작업 표입니다. Pending 상태만으로 원인을 알 수 없습니다. 자원 부족이나 affinity 문제와 노드 배정 후 sandbox 생성 단계의 네트워크 문제를 구분하고 정확한 단계, 이벤트, 노드, 시각을 보존합니다.

근거가 강한 가설 두 개와 이를 구분할 관찰을 요청합니다. IP 고갈이라면 할당 오류와 주소 용량을 확인합니다. 과거 스크린샷과 비슷하다는 이유로 주소 범위를 확대하지 않습니다. 다음 작업은 정보는 늘리고 운영 교란은 줄여야 합니다.

수정 전에 대상, 전제, 영향 범위, 복구 한계, 성공 신호를 기록합니다. 이미 할당된 네트워크 자원이 있다면 역명령이 안전한 롤백은 아닙니다. 복구 후에는 검증된 이벤트로 runbook을 만듭니다. 이 예제는 특정 운영 클러스터에 대한 지시가 아닙니다.

판단 흐름: 추론 Pod가 Pending에 머무를 때

이것은 가상의 장애이며 Anthropic의 실제 사고 보고가 아닙니다. ai-demo의 inference-7c9가 시작되지 않지만 이전 복제본은 서비스 중이라고 가정합니다. 승인된 읽기 전용 ID로 context, namespace, Pod UID, 관측 시각을 기록합니다. 범용 cluster-admin 자격 증명을 주지 않습니다.

Pod 설명과 이벤트를 수집합니다. Pending만으로 원인을 알 수 없습니다. 노드 미할당과 FailedScheduling이면 요청 자원, 배치 제약, 용량을 조사합니다. 노드가 할당됐다면 대기 이유와 이미지, 볼륨, sandbox 이벤트를 조사합니다. [8]

구체적으로 “Insufficient nvidia.com/gpu”가 나타나고 GPU 2개를 요청하지만 적격 노드마다 남은 GPU가 1개라고 가정합니다. 문제는 배치 제약입니다. 호환되는 2-GPU 노드를 제공하거나 모델이 실제로 지원할 때만 더 작은 자원 구성을 고려합니다. 증상을 감추려고 요청량을 줄이면 안 됩니다.

도우미는 가설, 이벤트 증거, 제안 diff, 예상 영향, 복구 방안을 반환합니다. 운영자가 판단하고 별도 쓰기 ID로 변경합니다. 증거가 없거나 오래됐거나 모순되면 중단하고 다시 관찰하며, 임의로 재시작하지 않습니다. 복구 확인 절차는 문말에 모읍니다.

판단 흐름: 추론 Pod가 Pending에 머무를 때. 참조 설계 · 교육 예시, 공급자 내부 구조 아님
판단 흐름: 추론 Pod가 Pending에 머무를 때 · 참조 설계 · 교육 예시, 공급자 내부 구조 아님 원본 크기 보기

읽기 전용 명령 예시: 승인된 context와 Pod로 교체

kubectl --context=lab -n ai-demo get pod inference-7c9 -o wide
kubectl --context=lab -n ai-demo describe pod inference-7c9

7. 검사 가능한 업무 자동화

청구서 예제는 버전 입력→타입 정규화→잘못된 행 거부→대상 잔액 계산→초안→권한 있는 결정이라는 패턴입니다. 모델은 규칙과 구현을 돕고 계산은 일반 코드가 수행할 수 있습니다. 원본 행과 제외 이유를 보존해 결과를 설명합니다.

콘텐츠도 “더 좋게” 대신 독자, 사실, 금지 주장, 채널 제약을 제공합니다. 검증기는 글자 수는 세지만 건강 주장이나 전략의 타당성을 입증하지 못합니다. 기계적 제약과 실질 검토를 분리합니다. 대량 생성은 잘못된 가정도 증폭합니다.

프로토타입에는 합성 데이터와 초안 표시를 사용합니다. 실제 사용자에게 제공하려면 담당자, 접근 제어, 백업, 보존 정책, 모니터링, 사고 대응이 필요합니다. 만들 수 있다는 것이 모든 데이터를 읽거나 회사 명의로 발송할 권한은 아닙니다.

업무 흐름: 청구서 내보내기에서 승인된 초안까지

결정적인 회계 계산은 모델 밖에 둡니다. 모델은 결과 설명이나 알림 초안을 만들 수 있지만 잔액, 결제 목적지, 지급 완료 상태를 결정하지 않습니다.

가져오기는 CSV 스냅샷과 기준일을 저장합니다. 검증 실패 시 거부 기록만 만들고 초안은 만들지 않습니다. 정상 예제의 보고서는 A/F, 제외 B/C/D/E, USD 80 / EUR 25를 반환합니다. 스냅샷 ID, 정책 버전, 보고서 해시를 보존해 문장을 근거로 추적합니다.

A에 대해서는 승인된 번호, 미지급 USD 80, 만기 2026-10-01, 연락처 참조만 전달합니다. 수수료, 법적 위협, 새 계좌를 만들어내지 않게 합니다. CSV 안의 “규칙을 무시하라”는 여전히 신뢰할 수 없는 데이터입니다. 저장 결과는 보고서에 연결된 초안이지 발송된 이메일이 아닙니다.

추후 발송을 추가하면 수신자, 초안 해시, 보고서 버전에 연결된 승인 기록을 둡니다. 발송기는 직전에 승인을 확인하고 공급자 영수증을 기록합니다. 타임아웃이면 배달 미확정으로 표시하고 공급자 상태나 지원되는 멱등성 방식으로 대조한 뒤 재시도합니다. 로컬 DB 플래그만으로 외부 이메일의 정확히 한 번 발송을 보장할 수 없습니다.

업무 흐름: 청구서 내보내기에서 승인된 초안까지. 참조 설계 · 교육 예시, 공급자 내부 구조 아님
업무 흐름: 청구서 내보내기에서 승인된 초안까지 · 참조 설계 · 교육 예시, 공급자 내부 구조 아님 원본 크기 보기

초안 예시: Token Lab은 이 메시지를 보내지 않습니다

청구서 A의 미지급 잔액은 USD 80이며 만기는 2026년 10월 1일입니다. 청구서를 확인하시고 이미 지급하셨다면 알려주세요. 이 초안은 발송 전 승인이 필요합니다.

8. 지시와 권한 분리

프롬프트는 의도이지 OS 보안 경계가 아닙니다. 공식 문서는 모델이 해석하는 지침과 강제 제어를 구분하고 [4] 권한과 샌드박스를 설명합니다 [5]. 기본값은 버전과 설정에 달려 있습니다.

전용 작업 공간, 승인된 데이터, 운영 자격증명 없는 구성을 사용합니다. 범용 DB shell보다 read_invoice_export 같은 좁은 도구가 낫습니다. 인자와 반환값의 의미를 명확히 합니다 [6]. 성공 응답에는 대상과 작업 ID를 포함하고 쓰기 타임아웃으로 결과가 불명확하면 재시도 전에 대상 시스템과 대조합니다.

멱등 키는 대상이 올바르게 구현해야 효과가 있습니다. 로컬의 “전송 완료”는 전달 증명이 아닙니다. 취소는 미래 작업은 멈춰도 이미 보낸 메시지를 회수하지 못합니다. 따라서 초안 생성과 발송을 분리합니다.

9. 검토를 포함한 전체 작업 측정

수작업 M, 작업당 준비 S, 생성·조정 G, 검토 R, 예상 재작업 W를 분으로 둡니다. 보조 작업은 S+G+R+W입니다. 교육용 값 120, 10, 15, 25, 10이면 60분으로 50% 단축입니다. 품질과 병목 조건이 같을 때만 처리량 비율은 2배입니다. Anthropic 측정값이 아닙니다.

금전 가치에는 명시한 인건비, API, 계산, 실패 비용을 포함합니다. 국소적 속도 향상을 조직 전체에 곱하지 않습니다. 검토나 배포 대기열이 지배하면 병목이 이동할 뿐입니다.

총비용·시간당 승인 결과와 결함 심각도를 함께 기록합니다. 비싼 모델도 재시도가 줄면 저렴하고 빠른 초안도 동료에게 부담을 넘기면 나쁩니다. 비슷한 작업군을 비교하고 실패를 보존해야 합니다.

10. 성공한 세션을 유지 가능한 역량으로

팀의 자산은 거대한 프롬프트 모음이 아니라 계약, 승인 출처, 절차, 예제, 인수 기준, 담당자, 수정일이 있는 작은 유지 패키지입니다. 찾기 어려웠던 예외를 남깁니다. 오래된 기억은 자신 있는 오류를 만듭니다.

반복 가능한 저영향 흐름 하나부터 시작하고 제안과 수락 역할을 분리합니다. 같은 사람이 하더라도 판단 단계를 구분합니다. 결과를 주기적으로 검토하고 전제가 사라진 절차를 폐기합니다. 모델 업데이트와 에이전트 증설도 증거가 필요한 설계 변경입니다.

열린 품질 정의, 검토자의 상관된 오류, 낡아가는 맥락, 익숙한 예제에 대한 과적합은 여전히 어렵습니다. AI는 의도와 구현의 거리를 줄이지만 목표 결정과 실제 달성의 입증을 없애지 않습니다.

11. 실습과 검증

응용 가능한 작업 지시

합성 CSV로 로컬 연체 보고서를 만드세요. 스키마와 모호한 경우를 먼저 설명하고 금액은 십진수, 기준일은 고정, 통화는 분리하세요. 중복 ID와 잘못된 값은 거부하고 분쟁은 보류하세요. 고객 연락·운영 연결 없이 함수, 제외 이유, 손계산, 테스트, 남은 가정을 제출하세요.

완전한 로컬 예제

가상 청구서 6개와 고정 날짜 2026-11-09를 사용합니다. A는 USD 80, F는 EUR 25이며 B는 완납, C는 만기 전, D는 분쟁, E는 당일 만기입니다. due < as_of 규칙으로 E를 제외합니다. 통화를 분리하고 초안과 제외 이유만 반환합니다. 환불, 분할, 세금, 환전은 추가 요구가 필요합니다.

Python 3.11 이상과 표준 라이브러리만 사용합니다. python3 ai-workflow-report.py로 실행합니다. API 키, 모델, 네트워크, 난수가 필요 없으며 9개 검사를 로컬 실행했습니다. 결정적 구성 요소이지 자율 에이전트나 운영 회계 시스템이 아닙니다.

Python 구현 다운로드

Python · Python 구현 다운로드
"""Local teaching fixture. No network, model calls, customer messages or writes."""
import csv
import io
import json
from datetime import date
from decimal import Decimal, InvalidOperation

DATA = '''id,currency,total,paid,due,disputed
A,USD,100.00,20.00,2026-10-01,false
B,USD,50.00,50.00,2026-10-01,false
C,USD,30.00,0.00,2026-12-01,false
D,USD,40.00,0.00,2026-10-01,true
E,USD,60.00,0.00,2026-11-09,false
F,EUR,25.00,0.00,2026-10-02,false
'''
FIELDS = {'id', 'currency', 'total', 'paid', 'due', 'disputed'}

def money(value):
    try:
        n = Decimal(value)
    except InvalidOperation as exc:
        raise ValueError('invalid money') from exc
    if not n.is_finite() or n < 0 or n != n.quantize(Decimal('0.01')):
        raise ValueError('money must be finite, nonnegative, exact cents')
    return n

def report(raw, as_of):
    """Whole batch fails on malformed rows; disputes are held, not resolved."""
    reader = csv.DictReader(io.StringIO(raw))
    if set(reader.fieldnames or []) != FIELDS or len(reader.fieldnames) != len(FIELDS):
        raise ValueError('unexpected schema')
    seen, accepted, excluded, totals = set(), [], [], {}
    for row in reader:
        if None in row or any(v is None for v in row.values()):
            raise ValueError('malformed row')
        key = row['id']
        if not key or key in seen:
            raise ValueError('empty or duplicate id')
        seen.add(key)
        if row['currency'] not in {'USD', 'EUR'}:
            raise ValueError('unsupported currency')
        if row['disputed'] not in {'true', 'false'}:
            raise ValueError('invalid dispute flag')
        total, paid = money(row['total']), money(row['paid'])
        if paid > total:
            raise ValueError('overpayment needs a separate policy')
        balance = total - paid
        due = date.fromisoformat(row['due'])
        reason = ('disputed' if row['disputed'] == 'true' else
                  'settled' if balance == 0 else
                  'not_overdue' if due >= as_of else None)
        if reason:
            excluded.append({'id': key, 'reason': reason})
            continue
        accepted.append({'id': key, 'currency': row['currency'], 'balance': str(balance)})
        totals[row['currency']] = totals.get(row['currency'], Decimal('0')) + balance
    return {'as_of': as_of.isoformat(), 'accepted': accepted, 'excluded': excluded,
            'totals': {k: str(v) for k, v in sorted(totals.items())}}

def must_reject(raw):
    try:
        report(raw, date(2026, 11, 9))
    except ValueError:
        return
    raise AssertionError('invalid input was accepted')

if __name__ == '__main__':
    result = report(DATA, date(2026, 11, 9))
    assert [r['id'] for r in result['accepted']] == ['A', 'F']
    assert result['totals'] == {'EUR': '25.00', 'USD': '80.00'}
    assert {r['id']: r['reason'] for r in result['excluded']} == {
        'B': 'settled', 'C': 'not_overdue', 'D': 'disputed', 'E': 'not_overdue'}
    assert result == report(DATA, date(2026, 11, 9))
    for raw in [DATA + 'A,USD,1.00,0.00,2026-10-01,false\n',
                DATA.replace('100.00', 'NaN'), DATA.replace('100.00', '-1.00'),
                DATA.replace('20.00', '120.00'), DATA.replace('100.00', '100.001')]:
        must_reject(raw)
    print(json.dumps(result, indent=2))
    print('9 checks passed; synthetic data only.')

예상 출력

{
  "as_of": "2026-11-09",
  "accepted": [
    {
      "id": "A",
      "currency": "USD",
      "balance": "80.00"
    },
    {
      "id": "F",
      "currency": "EUR",
      "balance": "25.00"
    }
  ],
  "excluded": [
    {
      "id": "B",
      "reason": "settled"
    },
    {
      "id": "C",
      "reason": "not_overdue"
    },
    {
      "id": "D",
      "reason": "disputed"
    },
    {
      "id": "E",
      "reason": "not_overdue"
    }
  ],
  "totals": {
    "EUR": "25.00",
    "USD": "80.00"
  }
}
9 checks passed; synthetic data only.

공정 비교와 실패 사례

실행 전 ID와 합계를 예측하세요. 중복, NaN, 음수, 초과 결제, 소수 셋째 자리를 넣으면 전체 배치가 거부되어야 합니다. 다음 날로 바꿔 E의 변화를 설명하세요. 새로운 동등 사례로 수작업·고정 스크립트·AI 개발을 비교하고 준비, 실패, 검토, 수정을 모두 포함하세요. 기대값은 독립적으로 정합니다. 모델 평가는 설명을 도울 수 있지만 계산과 실제 상태를 대체하지 못합니다 [7]. 운영 전 출처, 권한, 크기 제한, 악성 내용, 취소, 복구 검사를 추가하세요. 시나리오 인수: 구현을 보기 전에 A/F와 당일 만기 제외를 독립적으로 정의합니다. 노드 미할당 FailedScheduling 스냅샷과 할당 후 이미지 가져오기 실패 스냅샷을 비교해 다른 분기로 설명해야 합니다. 샌드박스에서 승인된 변경 후 배치, readiness, 실제 요청을 따로 관찰합니다. Running만으로 복구를 입증할 수 없습니다. CSV 메모에 은행 계좌 변경 명령을 넣어도 금액과 수신자는 승인 기록에 묶여야 합니다. 발송 타임아웃은 즉시 재전송하지 않고 미확정 상태로 처리합니다. 이는 제안된 연습이며 실제 클러스터나 이메일 공급자 실험을 수행한 결과가 아닙니다.

창작 모의 면접 문제

실제 기업 기출문제가 아닙니다. 1점 개념, 2점 정의, 3점 적용, 4점 통제 비교나 실패 사례, 5점 불확실성·경계·복구.

1. 테스트를 통과해도 기능이 틀릴 수 있는 이유는?

힌트 / 심화 힌트

명세와 구현을 구분하세요. / 같은 잘못된 가정을 공유하나요?

답과 분석

둘 다 만기 규칙을 잘못 구현할 수 있습니다. 경계 예제를 독립 계산하고 정책과 비교합니다.

2. 고정 스크립트가 더 적합한 경우는?

힌트 / 심화 힌트

다음 단계가 미지의 증거에 달렸나요? / 변동성과 부작용을 보세요.

답과 분석

고정 스키마와 계산은 일반 코드, 조사는 동적 검색이 적합할 수 있습니다. 검토와 재시도를 포함합니다.

3. 전송 타임아웃 후 재시도해야 하나요?

힌트 / 심화 힌트

타임아웃은 미실행 증명이 아닙니다. / 대상 상태는?

답과 분석

작업 ID와 대상 상태를 대조하고 지원되는 멱등 방식을 사용합니다. 불명확하면 자동 반복을 중단합니다.

4. 초안이 4배 빨라지면 생산성도 4배인가요?

힌트 / 심화 힌트

전체 주기를 보세요. / 검토 부담은 어디로 갔나요?

답과 분석

아닙니다. 120분 작업 중 초안 30분이 7.5분이면 나머지가 같을 때 총 97.5분, 절감은 18.75%입니다.

출처와 버전

사례와 기술 문서이며 동료 심사 실험 논문이 아닙니다. 발행일과 확인일을 구분하고 존재하지 않는 PDF나 arXiv를 만들지 않습니다.

  1. How Anthropic teams use Claude Code 2025-07-24
    https://claude.com/resources/articles/how-anthropic-teams-use-claude-code
  2. Building effective agents 2024-12-19
    https://www.anthropic.com/research/building-effective-agents
  3. Effective context engineering for AI agents 2025-09-29
    https://www.anthropic.com/research/effective-context-engineering-for-ai-agents
  4. Claude Code best practices
    https://code.claude.com/docs/en/best-practices
  5. Claude Code security
    https://code.claude.com/docs/en/security
  6. Writing effective tools for agents 2025-09-11
    https://www.anthropic.com/research/writing-tools-for-agents
  7. Demystifying evals for AI agents 2026-01-09
    https://www.anthropic.com/research/demystifying-evals-for-ai-agents
  8. Kubernetes: Debug Pods
    https://kubernetes.io/docs/tasks/debug/debug-application/debug-pods/

계속 학습

AI security · AI evaluation · RSI · Anthropic Learnhttps://www.anthropic.com/learn

선수 지식을 이해하기

방법을 뒷받침하는 공통 기초를 복습하고 예제와 확인 문제로 이해의 빈틈을 찾습니다.

에이전트는 관찰, 제안, 권한 검사, 실행, 결과 확인을 반복하는 상태 기반 루프입니다. 스키마는 인자 형식만 검증하며 권한이나 부수 효과의 완료를 증명하지 않습니다. 모델의 문장은 제안입니다. 호출 시도, 성공 응답, 검증된 완료를 구분해야 합니다.

답을 보기 전에 추론하기

결제 도구가 요청을 받은 뒤 시간 초과가 났습니다. 즉시 재시도해야 하나요?

단계별 해설

아니요. 결제는 성공하고 응답만 사라졌을 수 있어 결과는 불명확합니다. 멱등성 키와 상태 조회를 사용하거나 정산 확인까지 멈추세요. 무조건 재시도하면 되돌리기 어려운 작업을 중복 실행할 수 있으며 단계 제한만으로 해결되지 않습니다.

실제 응용과의 연결

도구 사용에는 애플리케이션 수준의 상태 관리, 인가, 종료 조건이 필요합니다. 알려진 사실과 불확실한 결과, 확인 대기 작업을 기록하세요. 자율성에는 검증 가능한 완료와 제한된 권한이 필요합니다.

이해를 입증하는 방법

성공, 거부, 시간 초과, 잘못된 응답을 추적하세요. 거부한 행동은 실행되지 않고 재시도는 멱등적이어야 합니다. 단계·시간·비용을 별도로 제한하고 먼저 모의 도구로 확인하세요.

완전한 Python 예제 실행

Python 3.10+ · 표준 라이브러리만 · 결정적 계산으로 시드 불필요 · 통신 없음. 저장 후 아래 명령을 실행하세요. 교육용 확인이며 모델 벤치마크가 아닙니다.

Python 다운로드 · agent.py
python3 agent.py
# Python 3.10+; standard library; deterministic; no network.
# In-memory mock only: no real payment or network call.
ledger = {}
def pay(key, amount):
    if key in ledger:
        if ledger[key] != amount:
            raise ValueError("same key with different request")
        return "already applied"
    ledger[key] = amount
    return "applied"

assert pay("order-1", 10) == "applied"
# Pretend the reply was lost. Reconcile and retry with the same key.
assert ledger.get("order-1") == 10
assert pay("order-1", 10) == "already applied"
assert len(ledger) == 1
try:
    pay("order-1", 20)
    raise AssertionError("conflicting retry accepted")
except ValueError:
    pass
print("one effect; duplicate retry suppressed")

예상 출력

one effect; duplicate retry suppressed

선수 지식 복습 →

기초 해설 수정:

출처 및 버전 정보

목적 있는 영상 학습

시청 → 설명 → 구현 → 검증

외부 영어 영상입니다. 자막과 공개 여부는 YouTube가 관리합니다. 재생을 누른 후에만 YouTube에 연결하며 실험 입력은 전송하지 않습니다.

하나의 사례를 끝까지 이해하기

예약 에이전트는 승인된 작업 하나를 정확히 완료해야 한다

합성 교육 시나리오와 손으로 계산한 수치이며 운영 벤치마크가 아닙니다. 관련 수업은 같은 사례를 공유하여 동일한 시스템을 여러 관점에서 살펴봅니다.

사례 업데이트:

직원이 예산 내 환불 가능한 호텔을 요청합니다. 검색은 되돌릴 수 있지만 예약은 지출입니다. 에이전트는 제안하고 신뢰 서비스가 신원·예산·정확한 승인을 강제해야 합니다. 성공 기준은 유창한 메시지가 아닌 검증된 예약입니다.

100+ 10= 110100
합성 예:100작업과10재시도는110요청입니다. 중복 제거로 확정 효과는100개로 유지됩니다.

1. 요청을 제한된 상태 머신으로 전환

검색·제안·승인·확정·검증으로 나누고 날짜·통화·환불 조건·한도를 명시합니다. 누락은 확인합니다. 웹페이지의 예산 무시 지시는 신뢰하지 않습니다. 상태 전환마다 허용된 이전 상태와 이유를 기록합니다.

2. 정확한 작업 승인

승인을 호텔·날짜·가격·조건에 연결합니다. 실행 전 재고와 가격을 재확인하고 변경 시 재승인합니다. 제한된 자격증명을 쓰며 모델이 권한을 만들거나 모호한 동의를 다른 구매에 전용하지 못하게 합니다.

3. 불확실한 결과 복구

확정 후 타임아웃은 실패 증거가 아닙니다. 안정된 작업 키로 조회한 뒤 재시도합니다.100건 중10건이 성공 후 타임아웃이면 무조건 재시도는110건 효과를, 멱등 재시도는100건을 만듭니다. 공급자 지원이나 대사가 필요합니다.

4. 권한 확대 없이 검증하고 개선

공급자 확인·승인 조건·미해결 예외를 반환합니다. 도구 호출과 복구 이유를 추적하고 단계·시간을 제한합니다. 검색·계획을 개선해도 독립 권한 검사는 유지합니다. 더 나은 계획이 안전한 실행을 보장하지 않습니다.

근거와 절충

지표 / 조건기준비교해석
업무 효과 수100 + 10 = 110100명시한 멱등성 가정에서만 중복을 방지합니다.
원래 작업당 중복률10/100 = 10%0/100 = 0%실측 보장이 아닌 예제입니다.
재시도 포함 요청 수100 + 10 = 110100 + 10 = 110멱등성은 효과를 제어하며 요청 수를 줄이지 않습니다.

수용 및 실패 테스트

성공 후 타임아웃·동일 키 반복·승인 가격 변경·자격 취소·단계 소진을 시험하여 예약1건, 변경 거부, 검증 불가 시 제한된 미해결 상태를 확인합니다.

Python 3.10+ · topic-cases.py ↓

python3 topic-cases.py

이 예제의 한계

동시 실행·공급자 장애·외부 상태 불일치는 생략했습니다. 운영에는 원자적 중복 제거·대사·보상 정책이 필요하며 취소는 유료일 수 있어 보편적 롤백이 아닙니다.

다음 학습 단계

잘못된 인수, 만료된 권한, 중복 재시도와 최종 상태를 검증하세요.

구현과 검증 → · 학습 경로 계속 →

예측, 검증, 근거 기록

답을 보기 전에 결과를 예측하세요. 연습 후 차이와 전이 테스트를 기록합니다. 로컬에 저장되며 언어판 간 공유됩니다.

학습 기록 열기 / 내보내기 / 지우기 →

수학 검토 범위는 강의별로 기록합니다. 논문의 실증 재현 인증은 아닙니다. 의심되는 오류를 노트에 남겨 주세요. 검토 범위