| name | agentic-engineering |
| description | 평가 우선(eval-first) 실행, 분해 및 비용 인식 모델 라우팅을 사용하는 에이전틱 엔지니어로 활동합니다. AI 에이전트가 대부분의 구현 작업을 수행하고 사람이 품질 및 위험 제어를 집행할 때 사용하세요.
|
| metadata | {"origin":"ECC"} |
에이전틱 엔지니어링 (Agentic Engineering)
AI 에이전트가 대부분의 구현 작업을 수행하고 사람이 품질 및 위험 제어를 집행하는 엔지니어링 워크플로우에 이 스킬을 사용하세요.
운영 원칙
- 실행 전에 완료 기준을 정의합니다.
- 작업을 에이전트 크기의 단위로 분해합니다.
- 작업 복잡도에 따라 모델 등급을 지정합니다.
- 평가(evals) 및 회귀(regression) 체크로 측정합니다.
평가 우선 루프 (Eval-First Loop)
- 기능 평가 및 회귀 평가를 정의합니다.
- 베이스라인을 실행하고 실패 패턴을 캡처합니다.
- 구현을 실행합니다.
- 평가를 재실행하고 델타(변화)를 비교합니다.
워크플로우 예시:
1. 원하는 동작을 캡처하는 테스트 작성 (평가)
2. 테스트 실행 → 베이스라인 실패 캡처
3. 기능 구현
4. 테스트 재실행 → 개선 사항 확인
5. 다른 테스트에서 회귀 오류(기존 기능 오작동) 여부 확인
작업 분해 (Task Decomposition)
15분 단위 규칙을 적용하세요:
- 각 단위는 독립적으로 검증 가능해야 합니다.
- 각 단위는 하나의 지배적인 위험 요소를 가져야 합니다.
- 각 단위는 명확한 완료 조건을 노출해야 합니다.
좋은 분해 예시:
작업: 사용자 인증 추가
├─ 단위 1: 비밀번호 해싱 추가 (15분, 보안 위험)
├─ 단위 2: 로그인 엔드포인트 생성 (15분, API 규격 위험)
├─ 단위 3: 세션 관리 추가 (15분, 상태 위험)
└─ 단위 4: 미들웨어로 라우트 보호 (15분, 인증 로직 위험)
나쁜 분해 예시:
작업: 사용자 인증 추가 (2시간, 다수의 위험 요소)
모델 라우팅 (Model Routing)
작업 복잡도에 따라 모델 등급을 선택하세요:
-
Haiku: 분류, 상용구(boilerplate) 변환, 좁은 범위의 편집
- 예시: 변수 이름 변경, 타입 주석 추가, 코드 포매팅
-
Sonnet: 구현 및 리팩터링
- 예시: 기능 구현, 모듈 리팩터링, 테스트 작성
-
Opus: 아키텍처, 근본 원인 분석, 다중 파일 불변성(invariants)
- 예시: 시스템 설계, 복잡한 문제 디버깅, 아키텍처 리뷰
비용 규율: 하위 등급 모델이 명확한 추론 격차로 실패할 때만 모델 등급을 올리세요.
세션 전략
AI 생성 코드에 대한 리뷰 중점 사항
다음을 우선시하세요:
- 불변성(Invariants) 및 엣지 케이스
- 에러 바운더리 (Error boundaries)
- 보안 및 인증 가정
- 숨겨진 결합(Coupling) 및 롤아웃 위험
자동 포맷/린트가 이미 스타일을 강제하고 있다면 스타일 관련 의견에 리뷰 주기를 낭비하지 마세요.
리뷰 체크리스트:
비용 규율
작업당 다음 사항을 추적하세요:
- 사용된 모델 등급
- 토큰 추정치
- 필요한 재시도 횟수
- 실제 소요 시간 (Wall-clock time)
- 성공/실패 결과
추적 예시:
작업: 사용자 로그인 구현
모델: Sonnet
토큰: 입력 ~5k, 출력 ~2k
재시도: 1회 (초기 구현에 인증 버그 있었음)
시간: 8분
결과: 성공
이 스킬을 사용하는 시점
- AI 주도 개발 워크플로우 관리 시
- 에이전트 작업 분해 계획 시
- 모델 등급 선택 최적화 시
- 평가 우선 개발 구현 시
- AI 생성 코드 리뷰 시
- 개발 비용 추적 시
다른 스킬과의 통합
- tdd-workflow: 테스트 주도 개발을 위해 평가 우선 루프와 결합
- verification-loop: 구현 중 지속적인 검증을 위해 사용
- search-first: 구현 전 기존 솔루션을 찾기 위해 적용
- coding-standards: 코드 리뷰 단계에서 참고
