최근 로컬 환경에서 구동되는 대형 언어 모델(LLM)을 활용한 코딩 에이전트의 성능이 비약적으로 발전하고 있음을 보여주는 사례입니다. 특히 Qwen3.6 35B와 같은 강력한 로컬 모델과 'Plan-First'라는 구조화된 워크플로우를 결합했을 때, 그 효과가 극대화된다는 점을 강조합니다.

💡 핵심: Plan-First 워크플로우의 도입 배경 및 가치

기존 LLM 기반 에이전트들은 종종 계획 없이 바로 코드를 작성하거나, 필요한 정보를 가정하여 진행하는 경향이 있었습니다. 이는 실제 프로덕션 환경에서 큰 위험 요소가 될 수 있습니다. 'Plan-First' 스킬 파일은 이러한 문제를 해결하기 위해 설계된 일련의 규칙이자 프로세스입니다.

✅ 5단계 구조화된 개발 워크플로우:

1. Phase 1 — 프로젝트 분석 (Analyze the Project): 에이전트는 질문을 하기 전에 먼저 프로젝트 전체를 조용히 읽고(Silent Reading) 다음 항목들을 점검합니다: 디렉토리 구조, 주요 설정 파일(package.json, requirements.txt 등), 기존 의존성 버전, 빌드 시스템 및 스크립트, 그리고 모든 TODO/TASK 관련 파일을 분석하여 맥락을 파악합니다.
2. Phase 2 — 명확화 질문 (Ask Clarifying Questions): 프로젝트 분석 후, 에이전트는 구현에 필요한 정보의 공백(Gap)을 식별하고 사용자에게 최대 5개의 핵심적인 질문만 던집니다. 이 단계는 단 한 번의 기회로 제한되어 있어, 반드시 필수적이고 추론 불가능한 내용만을 물어보도록 강제합니다.
3. Phase 3 — TODO.md 생성 (Create TODO.md): 분석과 사용자 답변을 바탕으로 TODO.md 파일을 작성합니다. 이 파일은 목표(Goal)와 여러 개의 구체적인 작업 목록(Tasks)으로 구성됩니다. 중요한 규칙은, 모든 태스크가 독립적으로 검증 가능하고, 의존성 순서대로 배열되어야 한다는 점입니다.
4. Phase 4 — 수정 반복 루프 (Revision Loop): 사용자가 계획에 대해 이견을 제기할 경우, 에이전트는 추가 질문을 통해 논쟁을 해결하고 TODO.md를 재작성하여 승인을 얻을 때까지 과정을 반복합니다.
5. Phase 5 — 계획 실행 (Execute the Plan): 최종 승인 후, 에이전트는 오직 TODO.md에 명시된 순서대로 작업을 한 단계씩 수행합니다. 각 태스크 완료 시마다 TODO.md의 상태를 업데이트(- [ ] $
   ightarrow$ - [x])하며 사용자에게 진행 상황을 보고해야 합니다. 만약 계획에 없던 새로운 작업이 발견되면, 즉시 멈추고 이를 ## Discovered Tasks 섹션에 추가하여 승인을 받아야만 다음 단계로 넘어갈 수 있습니다.

✨ 결론: 이 'Plan-First' 접근 방식은 LLM 에이전트에게 **구조적 사고(Structured Thinking)**와 책임감 있는 프로세스 준수를 강제합니다. 이는 단순한 코드 생성기를 넘어, 실제 개발팀의 워크플로우처럼 체계적인 협업 파트너로 기능하게 하여, 로컬 LLM 기반 AI 개발의 신뢰도와 실용성을 한 차원 높여줍니다.