AI 코딩, 막히기 전에 이것부터 보세요!

AI, 특히 LLM(Large Language Model)은 방대한 텍스트 데이터를 학습하여 단어 확률에 기반한 문장 생성을 수행합니다. 이는 내용을 이해해서 답하는 것이 아니라, 가장 그럴듯한 단어를 순차적으로 이어 붙이는 방식에 가깝습니다. 이로 인해 존재하지 않는 기능이나 사실과 다른 정보를 자신 있게 생성하는 '환각(Hallucination)' 현상이 발생합니다. AI가 항상 옳다고 보장할 수 없으므로, 결과를 직접 실행하고 검증하는 습관이 중요합니다. 이는 AI를 유능한 조수로 활용하되, 최종 판단은 사람이 내리는 바이브 코딩의 출발점입니다.

AI 결과물의 질은 요청 방식에 따라 크게 달라집니다. '예쁘게 만들어줘'와 같은 막연한 요청 대신, '카드를 흰 박스로, 모서리는 둥글게, 글씨는 가운데 정렬'처럼 원하는 모습을 구체적으로 명시해야 합니다. 이는 마치 사람에게 일을 맡길 때와 같으며, 조건이 명확할수록 결과도 정확해집니다. 또한, 요청을 단계별로 나누어 확인하면 문제 발생 시 원인 파악이 용이하고, 잘못된 방향으로 멀리 가기 전에 수정할 수 있습니다. 잘 만든 프롬프트는 수십 번의 시행착오를 줄여주고 재사용하여 작업 효율을 높입니다.

웹 페이지의 기본 구조를 이해하면 AI에게 더 정확한 요청을 할 수 있습니다. HTML은 뼈대(구조), CSS는 디자인(꾸밈), JavaScript는 동작(움직임)을 담당합니다. 예를 들어, '글씨가 작다'는 막연한 요청 대신 '글씨 크기(CSS)를 키워달라'고 명확히 지시하면 AI가 수정할 영역을 쉽게 파악합니다. 이 세 역할의 구분 감각만으로도 AI가 생성한 결과물을 보고 어느 부분을 어떻게 고쳐야 할지 스스로 판단하는 데 큰 도움이 됩니다.

바이브 코딩 도구의 상당수가 터미널 기반으로 동작하므로, 기본적인 사용법을 익히는 것이 중요합니다. `cd` (폴더 이동), `ls` (파일 목록 확인) 정도의 명령어만 알아도 AI의 안내를 따라가기 충분합니다. 터미널은 '현재 위치한 폴더'를 기준으로 동작하므로, 작업 전 위치 확인 습관은 파일 관리 오류를 줄여줍니다. 명령어를 외우기보다 모르는 명령이 나왔을 때 AI에게 의미를 물어보는 방식이 효율적이며, 익숙해지면 마우스 작업보다 빠르고 정확한 처리가 가능합니다.

AI와의 대화가 길어지면 초반에 설정한 내용이 흐려지거나 잊히는 경우가 있습니다. 이는 AI가 한 번에 참고할 수 있는 대화 양의 한계인 '컨텍스트 윈도우(Context Window)' 때문입니다. 중요한 요구사항은 다시 정리해 알려주거나 파일로 저장하여 전달하는 것이 유용합니다. 예를 들어, `prompt.md` 파일에 요구사항을 작성하고 `@prompt.md`로 불러오는 방식은 대화가 길어져도 일관된 기준을 유지하는 데 도움을 줍니다. AI의 동작이 엉뚱할 때 그것이 '오류'가 아닌 '기억의 한계'임을 알면, 핵심 규칙을 다시 짚어주는 것만으로도 결과 안정화가 가능합니다.

AI는 코드를 한 번에 크게 변경할 수 있으므로, 언제든 되돌릴 수 있는 안전장치로서 Git의 역할이 중요합니다. Git은 작업 내용을 단계별로 저장하고 필요 시 과거 시점으로 복귀하게 해주는 '세이브 포인트'와 같습니다. 잘 동작하던 상태를 저장해두면, 이후 수정이 잘못되더라도 안전하게 복귀할 수 있습니다. 모든 Git 명령어를 익힐 필요는 없으며, '지금 상태 저장', '이전으로 되돌리기' 정도를 AI에게 맡길 수 있다는 사실만 알아도 새로운 시도의 부담을 덜고 과감하게 작업할 수 있습니다.

개발한 결과물을 다른 사람과 공유하려면 '배포(Deployment)' 과정을 이해해야 합니다. 내 컴퓨터에서만 열리는 상태를 '로컬(Local)'이라고 하며, 인터넷에 올려 누구나 접속 가능하게 만드는 것을 '배포'라고 합니다. 배포는 '서버'를 통해 페이지를 대신 보관하며, 사용자가 주소로 접속하면 서버가 저장된 파일을 전달해 화면을 띄워줍니다. 이 차이를 이해하면 '내 화면에선 되는데 왜 다른 사람 폰에선 안 보이지?' 같은 문제를 파악하고, 완성한 결과물을 실제로 공유할 수 있습니다.