안드레 카파시의 LLM 사용법 10가지
'바이브 코딩'이라는 말을 만든 사람은 정작 LLM을 어떻게 쓸까요?
안드레이 카파시가 X, 유튜브, 블로그에 직접 남긴 내용만 모아 봤어요. 실제로 따라 해 볼 만한 팁 위주로 정리했습니다. 🧵
- 컨텍스트 관리
주제가 바뀌면 새 채팅을 여세요.
카파시는 컨텍스트를 "working memory"라고 부릅니다. 대화가 길어질수록 모델은 산만해지고 느려진대요. 모델 자체는 인터넷을 압축한 "lossy and probabilistic zip file"이라서, 흔한 건 잘 알아도 최신이거나 드문 정보는 틀립니다.
- 모델 고르기
먼저 일반 모델에 물어보세요. 답이 모자랄 때만 thinking 모델로 바꾸면 됩니다. "try without reasoning first."
본인 사용 비율은 쉬운 질문 40%, 어려운 질문 40%, 코딩 10%, 딥리서치 10%래요. 그래도 막히면 제일 센 모델에 통째로 붙여 넣는데, 이걸 "final layer of defense"라고 부릅니다.
- 검색과 도구
구글 상위 링크만 봐도 나올 답이면 검색을 켜세요. 딥리서치 결과는 "treat this as your first draft", 초안으로만 보라고 합니다.
계산은 꼭 코드로 시키세요. 도구 없이 암산시키면 틀려요.
- 문서 읽기
책이나 문서는 모델 기억에 맡기지 말고 원문을 붙여 넣으세요. "don't read books alone."
읽을 때는 세 번에 나눕니다. 먼저 직접 읽고, 그다음 요약을 받고, 마지막에 문답을 해요. 프로젝트 전체를 넘길 때는 files-to-prompt로 한 파일에 묶어서 새 대화에 붙여 넣습니다.
- 프롬프트보다 컨텍스트
카파시가 내린 컨텍스트 엔지니어링의 정의는 "filling the context window with just the right information for the next step"이에요.
지시할 때는 예시를 같이 주세요. "this always increases the accuracy."
AI한테 의견을 묻지 말고 여러 관점을 시뮬레이션시키래요. "What would be a good group of people to explore xyz? What would they say?"
- 코딩
바이브 코딩은 원래 "throwaway weekend projects"용 말이었어요.
진지한 코드는 이렇게 짭니다. 컨텍스트를 채우고, 바꿀 걸 하나만 정하고, 코드보다 접근법과 장단점을 먼저 받아요. 그다음에 초안, 리뷰, 테스트, 커밋 순서로 갑니다. 카파시는 이걸 "tight leash"라고 해요.
- 2026년 코딩 팁
"Don't tell it what to do, give it success criteria."
테스트를 먼저 쓰게 하고 루프를 돌리되, 에이전트는 "watch them like a hawk" 하래요. 봇 여러 개 굴려 보면 정말 맞는 말입니다. 잠깐 한눈팔면 엉뚱한 데 가 있어요.
바이브 코딩은 진입 장벽을 낮추고, 에이전틱 엔지니어링은 실력의 상한을 높인다고 합니다.
- LLM Council
중요한 질문은 여러 모델에 똑같이 던지세요.
카파시는 아예 앱을 만들었어요. 모델들이 서로의 답에 익명으로 순위를 매기고, Chairman LLM이 종합합니다.
- 음성으로 생각 정리하기
카파시는 데스크톱 입력의 50%, 모바일 입력의 80%를 음성으로 합니다.
/voice를 켜고 10분 정도 아무렇게나 떠드는 ramble 세션을 하면 LLM이 생각을 정리해 준대요.
- 출력 형식과 환각
질문 끝에 "structure your response as HTML"을 붙여 보세요. 이해하기 쉬운 순서로는 ASD-STE100 문체, 다이어그램, HTML, 3b1b 스타일 영상을 꼽았어요.
환각이 걱정되면 검색을 켜고 인용 링크를 직접 열어 보세요. 숫자는 코드로 확인하고, 여러 모델에 교차로 물어보면 됩니다. 무료 모델만 써 보고 AI 전체를 판단하지 말래요.
- LLM 위키
원자료를 raw/ 폴더에 넣으면 LLM이 .md 위키로 정리하고, 사람은 Obsidian으로 읽어요. 질문하고 받은 답도 다시 위키에 쌓습니다.
마지막은 카파시가 인용한 문장이에요. "You can outsource your thinking, but you can't outsource your understanding."
An attempt to explain (current) ChatGPT versions.
I still run into many, many people who don't know that:
- o3 is the obvious best thing for important/hard things. It is a reasoning model that is much stronger than 4o and if you are using ChatGPT professionally and not using o3 you're ngmi.
- 4o is