Claude Code를 개발에만 사용하는 것은 아깝습니다! 세션 로그를 분석하여 자신의 사고 패턴을 파악하고 프롬프트 정밀도와 회고의 질을

Claude Code, 개발 작업만을 위해 사용하고 계시지는 않나요?

사실 Claude Code는 '코드를 쓰는 도구'일 뿐만 아니라, 자신의 업무 방식을 회고하기 위한 도구로서도 강력합니다.

세션 로그를 분석함으로써, 프롬프트 (Prompt) 정밀도를 높일 실마리와 회고의 질을 높이는 관점을 동시에 얻을 수 있습니다.

본 기사에서는 Claude Code를 '개발 도구' 이외의 용도로 활용하는 한 예로, 세션 로그를 분석하여 자신의 사고 패턴을 시각화한 실천 사례를 소개합니다.

다 읽으신 후에는 꼭 자신의 로그로도 시도해 보세요!

본론에 들어가기에 앞서, 이 기사가 전제로 하는 메커니즘을 간단히 정리하겠습니다.

Claude Code의 세션은 로컬의 ~/.claude/projects/ 하위에 JSONL 형식으로 모두 로그가 저장되어 있습니다.

ls ~/.claude/projects/
# 프로젝트별로 폴더가 있으며, 그 안에 세션별 .jsonl 파일이 나열되어 있음

이 로그에는 자신이 입력한 프롬프트와 AI의 응답이 그대로 기록되어 있습니다.

즉, 이곳을 분석 대상으로 삼으면 자신의 지시 방식이나 반응 방식을 정량적으로 회고할 수 있는 것입니다.

평소에는 신경 쓰지 않는 로그이지만, '자신의 작업 흔적'으로 보면 회고를 위한 1차 자료가 됩니다.

프롬프트의 습관이 보인다면, 다음에 작성할 프롬프트의 정밀도를 높이는 힌트도 됩니다!

"나는 Claude Code를 어떻게 사용하고 있는가"를 감각이 아닌 숫자로 파악하고 싶다.

그렇게 생각하여 thought-analyzer라는 스킬을 사용하여, 최근 1개월 분량의 세션 로그를 해석해 보았습니다.

이 스킬은 Zenn 연재 「thought-analyzer」에서 제시된 설계 사상 및 측정 축을 준수한 것으로, 인지 과학의 실증 연구에 기반하여 사고 패턴을 다축으로 정량화해 줍니다.

해석 대상:

• 기간: 2026-03-15 〜 2026-04-17 (약 1개월)
• 88개 세션 파일 (17개 프로젝트 횡단)
• 사용자 발화 823건, 기술 지시 발화 316건
• AI → user 페어 729건

저도 이 분석을 통해 스스로는 깨닫지 못했던 '사고의 습관'을 여러 개 발견했습니다!

Claude Code의 세션 로그는 자신의 사고 패턴과 AI 협업 스타일을 시각화하는 1차 자료로 사용할 수 있습니다.

thought-analyzer 스킬로 분석하면, '자신의 구상력', 'AI에 대한 지시력', 'AI 출력에 대한 반응 경향'이 다축으로 스코어화되어, 감각으로 이야기하던 회고가 근거 있는 언어화로 바뀝니다.

결과적으로 얻을 수 있는 것은 두 가지입니다.

• 회고의 질이 올라감 - 주관이 아닌 관측 데이터로 자신을 바라볼 수 있음
• 프롬프트의 정밀도가 올라감 - 습관이나 맹점을 알 수 있으므로 다음부터 작성 방식을 바꿀 수 있음

"왠지 AI에게 휘둘리고 있는 것 같다"를 "이런 습관이 있으니 이렇게 개선할 수 있다"로 바꾸기 위한 도구입니다!

실제로 분석해 보면서 강하게 인상에 남았던 3가지 발견을 소개합니다.

thought-analyzer는 사고 패턴을 8유형 19페르소나로 분류해 줍니다. 저의 경우 **ENGINEER형 (공학자형)**이라는 판정을 받았습니다.

관측 기간 내의 경향으로서,

기존 결과물을 조금씩 수정하며 앞으로 나아가는 스타일이 안정적임. 대화는 구체적인 작업 레벨에서 완결되며, 흥미를 느낀 신기술이나 도구는 가볍게 시도함. AI 출력은 세부 사항을 너무 깊게 읽지 않고, 다음 작업으로 빠르게 넘기는 위임 지향형.

이는 저 스스로도 어렴풋이 느끼고 있던 성질을 외부에서 객관적으로 언어화해 준 느낌이었습니다.

페르소나 라벨은 고정된 인격이 아니라 관측 기간 동안의 지시·반응 스타일의 경향이므로, 3개월 후에 동일한 분석을 하면 달라질 가능성도 있습니다.

사고 패턴은 9개 축으로 스코어화됩니다.

저의 경우 주요 축을 아래 표에 정리해 보았습니다.

축 (Axis)	결과
abstraction_direction (추상화 방향)	single_level (단일 레벨에 머무름)
problem_style	fix (수정형)
perspective_taking (관점 취득)	on_demand (필요 시에만)
integrative_complexity (통합적 복잡성)	3 (중간 정도)
epistemic_curiosity (지적 호기심)	interest_type (흥미 주도)

abstraction_direction = single_level 부분이 개인적으로 매우 와닿았습니다.

이는 「

추상화나 체계화에 오래 머무는 경우가 적다」는 경향으로, 요컨대

「바로 손을 움직이고 싶어 하는」 습관이 나타나고 있다는 뜻입니다.

→ 「조금 더 추상화해야 하는 상황에서 바로 구현으로 달려가고 있는」 가능성을 여기서 깨달을 수 있었습니다.

또한, 사고의 9개 축과는 별개로, AI에 대한 지시력을 측정하는 6개 축 (지시의 구체성, 에러 인식 방식, 전문 용어의 정확성, 수정 방식 등)도 스코어화됩니다.

「구상력」과 「지시력」을 나누어 관측할 수 있다는 점이 이 기술의 흥미로운 부분입니다.

이것이 가장 흥미로운 발견이었습니다. AI의 제안에 대한 저의 반응 729건을 분류하면 다음과 같습니다:

반응	비율
채택 (adopt)	55%
수정 (modify)	25%
거절 (reject)	2%
무시 (ignore)	18%

**「무시」가 18%**나 있었다는 점이 의외였습니다.

이는 AI가 나열한 선택지나 주의 사항을 읽지 않고 건너뛴 채 다음 지시로 넘어간다는 것을 의미합니다.

AI가 「여러 안이 있습니다」, 「주의할 점이 있습니다」라고 제시해도, 저는 첫 번째 안으로 바로 달려나가 버려서, 나중에 「적혀 있었는데」라며 놓치는 패턴이 관측되었습니다….

더불어, 「위임하고 있는 영역」과 「직접 쥐고 있는 영역」도 분석되었습니다.

• AI에게 맡기고 있는 것

  • 코드 생성, 조사, 요약, 정렬, 정형 기술

• 직접 쥐고 있는 것

  • 스코프(Scope) 설정, 우선순위, 최종 승인

경계선은 저 스스로도 의식하고 있었기에, 데이터로 뒷받침된 형태였습니다.

참고로, 저의 발화는 1회당 25~60자(중앙값 25자) 정도의 단문파로, 한 번에 완벽한 지시를 내리기보다 대화를 주고받으며 해상도를 높여가는 스타일이라는 점도 알게 되었습니다.

세 가지 발견을 통해 개선해야 할 포인트가 명확해졌습니다.

1. 지시의 비용 절감: 지시 서두에 「최선의 안을 하나만」, 「주의 사항이 있다면 서두에 한 줄로」라고 추가함으로써 읽는 비용을 낮추면서 필요한 정보만 받을 수 있습니다.
2. 수정 지시의 정밀도 향상: 분석에서는 수정 지시의 정밀도가 「방향성만 제시(directional)」하는 것으로 판정되었습니다. 이는 「조금 더 ~하게」, 「이 방향으로」와 같은 막연한 재지시가 많다는 뜻입니다. 의도와 다른 방향으로 수정될 때 「어디를・어떻게」를 서두에 배치하면, 대화의 왕복 횟수를 줄일 수 있습니다.
3. 우선순위 명시: 「이번에는 A를 우선하고, B는 나중에」와 같이 우선순위를 선언하면, AI 측에서도 불필요한 옆길을 제안하지 않게 됩니다.

「세션 로그 분석, 재미있어 보이는데 나도 직접 해볼 수 있을까?」라고 생각하시는 분들을 위해 최소한의 절차를 정리해 둡니다.

ls ~/.claude/projects/

여기에 프로젝트별 폴더가 있으며, 각 세션이 .jsonl 파일로 남아 있습니다.

특별한 준비는 필요 없으며, Claude Code를 사용하고 있다면 이미 데이터는 쌓여 있습니다.

위의 기술 정의를 ~/.claude/skills/에 배치(또는 Claude 앱의 스킬 추가 기능으로 업로드)하면 사용할 수 있게 됩니다.

도입이 완료되었다면, 분석 기간을 지정하여 실행하기만 하면 됩니다.

최근 1개월분의 세션 로그를 분석해 주세요.
9개 축 / 6개 축 / 페어 분석 결과를 출력해 주길 바랍니다.

몇 분 기다리면 본 기사에서 소개한 것과 같은 페르소나 판정 + 다축 스코어 + 반응 분포가 출력됩니다.

스코어가 나오면 이어서 다음과 같이 물어보는 것이 좋습니다.

이 분석 결과로부터, 내가 다음부터 의식해야 할 맹점과 그 대책을 3가지 알려주세요.

추상적인 수치가 「내일부터 바꿀 행동」으로 번역됩니다.

이것이 프롬프트의 정밀도를 높이는 출발점이 됩니다.

분석은 한 달에 한 번 정도의 페이스로 돌리면 변화를 관측하기 쉽습니다.

습관이 변했는지, 새로운 사각지대(Blind spot)가 나타났는지 정기 검진처럼 활용할 수 있습니다.

세션 로그(Session log)에는 업무 코드나 고유 명사가 그대로 포함되어 있습니다.

분석 결과를 블로그나 SNS에 공유할 때는 고유 정보가 섞여 있지 않은지 반드시 확인하십시오.

세션 로그 분석을 통해 보이는 정보를 Before / After로 비교해 보겠습니다.

관점	Before (감각으로 회고)	After (세션 로그 분석)
자신의 지시 습관	"왠지 모르게 짧은 문장이 많다"	"1회 발화당 25~60자 (중앙값 25자)"
...

세션 로그라는 1차 자료를 사용함으로써, 회고가 '주관적인 언어'에서 '관측에 기반한 가설'로 바뀝니다.

숫자로 제시되면 자신의 습관을 바꾸려는 동기가 차원이 다르게 강해진다는 것을 실감할 수 있습니다.

특히 "무시 18%"와 같이 **"무의식적으로 하고 있던 행동이 가시화되는 것"**은 정량 분석이 아니면 포착할 수 없는 종류의 발견이며, 이는 **곧바로 "다음에 작성할 프롬프트를 바꾸는 근거"**가 됩니다.

본 기사의 요점은 다음과 같습니다.

• Claude Code는 개발 도구뿐만 아니라, 자신의 일하는 방식을 회고하는 도구가 될 수 있음
• 세션 로그는 ~/.claude/projects/ 하위에 JSONL 형식으로 모두 남아 있으므로, 특별한 준비는 필요 없음
• thought-analyzer 기술을 통해 사고 패턴을 9축 + 6축 + 쌍 분석(Pair analysis)으로 가시화할 수 있음
• 페르소나 판정이나 반응 분포를 통해 자신의 사각지대(Blind spot)가 보임
• 사각지대가 언어화되면 프롬프트 작성 방식을 구체적으로 바꿀 수 있음
• "감각"보다 "관측"으로 회고하면 AI와의 협업 질이 차원이 다르게 올라감

Claude Code를 개발에만 사용하는 것은 정말 아깝다고 생각했습니다.

한 달에 한 번, 자신의 로그를 분석하는 것만으로 프롬프트의 정밀도와 회고의 질이 동시에 올라갑니다.

꼭 한번 시도해 보세요!