agentic-engineering

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

1. 실행 전에 완료 기준을 정의합니다.
2. 작업을 에이전트 크기의 단위로 분해합니다.
3. 작업 복잡도에 따라 모델 등급을 지정합니다.
4. 평가(evals) 및 회귀(regression) 체크로 측정합니다.

평가 우선 루프 (Eval-First Loop)

1. 기능 평가 및 회귀 평가를 정의합니다.
2. 베이스라인을 실행하고 실패 패턴을 캡처합니다.
3. 구현을 실행합니다.
4. 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

• 세션 유지: 밀접하게 결합된 단위 작업 시

  • 예시: 동일한 모듈 내 관련 함수 구현

• 새 세션 시작: 주요 단계 전환 후

  • 예시: 구현 단계에서 테스트 단계로 이동 시

• 컴팩트(Compact): 마일스톤 완료 후 (능동적 디버깅 중에는 피함)

  • 예시: 기능 완료 후, 다음 기능 시작 전

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:

• 엣지 케이스 처리됨 (null, 빈 값, 경계값)
• 포괄적인 에러 처리
• 보안 가정 검증됨
• 모듈 간의 숨겨진 결합 없음
• 롤아웃 위험 평가됨 (파괴적 변경, 마이그레이션)

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