에러 메시지가 나타납니다. 당신은 그것을 복사해서 ChatGPT에 붙여넣습니다. 일반적인 답변을 받습니다. 20분을 낭비합니다. 우리는 더 잘할 수 있습니다.

문제는 무엇일까요? 우리 대부분은 AI를 디버깅 파트너가 아닌 검색 엔진의 대체제로 취급한다는 점입니다. AI를 워크플로우에 실제로 통합하여 프로덕션(production)에 반영되기 전에 문제를 잡아내는 방법을 소개합니다.

실제로 작동하는 설정

다음 항목들을 로컬(locally)에 설치하세요 (클라우드 불필요):

# 로컬 LLM을 위한 Ollama (당신의 머신에서 실행)
brew install ollama
ollama pull neural-chat
...

프로젝트에 .debug 디렉토리를 생성하세요:

.debug/
├── error-context.md
├── logs/
...

워크플로우

1단계: 에러뿐만 아니라 컨텍스트(Context)를 캡처하세요

무언가 고장 났을 때, 단순히 에러만 가져오지 마세요. _컨텍스트(context)_를 가져오세요:

# 디버그 스냅샷 생성
echo "## Error at $(date)" > .debug/error-context.md
echo "### Stack Trace" >> .debug/error-context.md
...

이 파일은 AI의 입력값이 됩니다. 이것은 AI가 당신을 돕기 위해 필요한 _모든 것_입니다.

2단계: 올바른 질문을 하세요

잘못된 질문: "왜 이 에러가 발생하나요?"
올바른 질문: "이 컨텍스트를 고려할 때, 최근에 무엇이 변해서 이것이 발생했을 수 있나요? 무엇을 가장 먼저 확인해야 할까요?"

# 로컬 AI를 사용하는 경우
cat .debug/error-context.md | ollama run neural-chat "Analyze this error with context. What's the most likely cause? What do I test first?"

...

차이점은 이렇습니다: 당신은 "무엇이 잘못되었나"를 묻는 것이 아니라, "당신이 보고 있는 것을 바탕으로, 가장 빠른 해결책은 무엇인가"를 묻고 있는 것입니다.

3단계: 신뢰하기 전에 검증하세요

AI는 자신 있게 틀릴 수 있습니다. 검증 단계를 추가하세요:

# 해결책을 적용하기 전에, 격리된 환경에서 테스트하세요
# 예: AI가 "DB 연결을 확인하세요"라고 말하는 경우
npm test -- --grep "database.*connection"
...

해결책이 격리된 환경에서 작동한다면 적용하세요. 작동하지 않는다면, AI의 제안에 반박할 수 있는 근거를 갖게 된 것입니다.

실제 사례: 조용한 캐시 버그 (The Silent Cache Bug)

API가 오래된 데이터(stale data)를 반환합니다. Redis를 확인해보니 괜찮습니다. 코드를 확인해보니 괜찮습니다. 전형적인 상황입니다.

당신의 디버그 파일은 다음을 캡처합니다:

• 타임스탬프가 포함된 정확한 응답
• 최근의 리팩터링 (캐시 무효화 로직 이동)
• 환경 설정 (Environment config)
• 해당 사건이 발생한 시점의 서버 로그

당신은 AI에게 질문합니다: "지난 화요일에 캐시 무효화 (cache invalidation)를 다른 함수로 옮겼습니다. 타임스탬프를 보니 제 변경 사항 이후에 데이터가 캐싱되었습니다. 제가 무엇을 놓쳤을까요?"

AI는 응답합니다: "아마도 이전 위치에서 무효화를 수행하고 계신 것 같습니다. 캐시 구현체가 두 개 있는지 확인해보세요."

당신은 grep으로 검색합니다. 찾아냈습니다. 30분이 아닌 30초 만에 해결되었습니다.

실제로 도움이 되는 도구들

로컬 옵션 (개인정보 보호 + 속도):

• Ollama + neural-chat: 무료이며, 당신의 로컬 머신에서 실행됩니다.
• LM Studio: GUI 래퍼(wrapper)로, 사용하기 더 쉽습니다.

API 옵션 (더 강력한 성능):

• Claude (Anthropic): 기이한 엣지 케이스 (edge cases)를 이해하는 데 가장 뛰어납니다.
• GPT-4: 빠르며, 간단한 질문에 좋습니다.
• Sonnet (Claude 3.5): 대부분의 버그 해결에 있어 최적의 지점 (sweet spot)입니다.

하나를 선택해서 꾸준히 사용하세요. 그러면 AI에게 더 나은 질문을 던지는 법을 배우게 될 것입니다.

습관

1. 에러 발생
2. 컨텍스트 (context) 확보 (30초)
3. 컨텍스트와 함께 AI에게 질문 (1분)
4. 가설 검증 (2~5분)
5. 수정 사항 적용 또는 더 깊이 파고들기

지루한가요? 네. 효과적인가요? 그것도 네.

마법은 AI가 아닙니다. 바로 _컨텍스트_입니다. 우리 대부분은 AI에게 필요한 정보의 5%만 제공합니다. 그래서 답변이 일반적(generic)인 것입니다. 95%를 제공해 보세요. 조언이 얼마나 구체적으로 변하는지 보고 놀라게 될 것입니다.

즐거운 디버깅 되시길 바랍니다.