Knowing what we know now,
if we were to start reimplementing this feature
from scratch, how would we do things differently,
particularly with an eye for refactoring
to reduce code complexity and fragmentation.
What should we have done prior to even starting
this feature?" when you notice the LLM is
struggling on a feature, then start from
scratch with that as the baseline.
"지금까지 알게 된 것들을 바탕으로,
만약 이 기능을 처음부터 다시 구현한다면
어떻게 다르게 접근하겠는가?
특히 코드 복잡성과 파편화를 줄이기 위한
리팩토링 관점에서 답변해줘.
이 기능을 시작하기 전에 미리 해두었어야
할 작업은 무엇이었을까?"
Knowing what we know now, if we were to start reimplementing this feature from scratch, how would we do things differently, particularly with an eye for refactoring to reduce code complexity and fragmentation. What should we have done prior to even starting this feature?" when you notice the LLM is struggling on a feature, then start from scratch with that as the baseline.
(번역)
"지금까지 알게 된 것들을 바탕으로, 만약 이 기능을 처음부터 다시 구현한다면 어떻게 다르게 접근하겠는가? 특히 코드 복잡성과 파편화를 줄이기 위한 리팩토링 관점에서 답변해줘. 이 기능을 시작하기 전에 미리 해두었어야 할 작업은 무엇이었을까?"
실제로 사용해보고 느낀 점 :
그대로 복사하여 사용한 결과, 잘못된 부분을 정확히 인지하고 있었으며
리팩토링과 사전기획을 어떻게 해야할 지에 대해 의견이 많았다...
"이 프로젝트는 기술 부재가 크게 쌓였다"고 한다. (ㅠㅠ)
돌이켜 생각하면 이 프로젝트는 별 생각 없이 바이브코딩으로 순식간에 개발한 프로젝트다.
기능 구현에만 중점을 뒀지, 나중에 이 프로젝트를 확장할 줄은 몰랐던 것이다.
스크립트 1개에 거의 모든 로직을 담고 있기도 하며, 하나의 클래스에 수많은 기능이 들어가기도 한다.
이에 대해 잘못됐음을 분명 알고 있었지만 AI는 사용자가 지시한 작업을 처리하고, 돌아가도록 고치고 하는 것에 급급했을 것이다.
따라서 처음부터 "역할을 분리하고, 모듈화하라, 확장성을 생각하라" 등의 지침을 먼저 작성해야 하고, 초기 설계를 검토할 필요성이 있다.
빠르게 만드는 것은 재밌고 보기에 즐겁지만, 나중을 생각하면....
AI가 설계를 완벽하게 하는 것도 아니고, 자칫하면 스파게티 코드가 될 수도 있으니까 인내심을 가지고 처음 설계를 명확히 해야 한다!
기술에 대해 잘 모르겠으면 처음부터 '사전에 해야 할 작업이 뭔지' 물어보는 것이 필요할 듯 하다!!