📌 이 글은 삽질의 기록입니다. 제가 공들여 꾸민 Claude Code 환경(서브에이전트 7개, 작업 규칙)과 아무것도 안 건드린 기본 상태에게 같은 과제를 시켜서, 정말 차이가 나는지 확인한 과정을 정리했어요. 결론만 궁금하시면 맨 아래 최종 요약으로 바로 가셔도 됩니다.
지난 글에서 Claude Code에 서브에이전트를 붙이는 이야기를 썼습니다. 그때 알려드린 대로 지금도 계획 세우는 애, 코드 찾는 애, 테스트 돌리는 애, 남의 AI(Codex)에게 리뷰 맡기는 애까지 역할을 7개로 나눠 맡겨서 쓰고 있어요.
그런데 쓰다 보니 슬슬 궁금해지더라고요. "이렇게 나눠 맡기는 게 실제로 얼마나 더 효율적이지? 그냥 기분 아닌가?"
그래서 붙여 봤습니다. 같은 과제, 같은 모델, 같은 지시문으로 내 환경 vs 기본 상태.
왜 이런 실험을 했나요?
서브에이전트나 규칙 파일 같은 걸 흔히 하네스(harness)라고 부릅니다. AI 모델에 씌우는 "마구" 같은 거예요. 인터넷엔 "이렇게 세팅하면 좋다"는 글은 많은데, 세팅 안 한 상태와 나란히 비교한 기록은 잘 안 보이더라고요.
궁금한 건 세 가지였습니다.
- 얼마나 더 효율적인가: 역할을 나눠 준 내 환경이 같은 일을 더 잘하나, 더 빠르나, 더 싸나?
- 역할별 효과: 만들어 둔 서브에이전트 7개가 실제로 불리기는 하나?
- 리뷰어는 Astra가 맞나: "적대적 리뷰어는 성향이 다른 모델을 쓰면 좋다"고 해서 Claude 대신 Codex의 GPT-6 Astra에게 리뷰를 맡기고 있는데, 그게 정말 좋은 선택인가?
💡 서브에이전트: 메인 AI가 일을 나눠 맡기는 "부하 AI"입니다. 따로 일하고 요약만 돌려줘서 메인의 머릿속(컨텍스트)을 깨끗하게 지켜 줘요. 자세한 건 지난 글을 참고해 주세요.
비교한 두 환경
핵심은 메인 모델은 똑같이 Opus 5.5라는 점이에요. 다른 건 주변 장치뿐입니다.
- A (내 환경): 전역 규칙 파일 + 커스텀 서브에이전트 7개 + "requirements.md → backlog.json" 작업 흐름. 리뷰어(adversarial-reviewer)는 Claude가 아니라 Codex의 GPT-6 Astra에게 일을 넘겨요.
- B (기본 상태): 설치하고 로그인만 한 Claude Code. 기본 제공 서브에이전트(Explore, Plan, general-purpose)만 있어요.
"requirements.md → backlog.json" 작업 흐름은 여기선 이름만 나왔는데요. 요구사항 → 백로그 → CLI로 이어지는 이 방식은 다음 글 「AI 프로젝트 관리법｜폴더 하나에 프로젝트 하나, 요구사항 + 백로그 CLI」에서 자세히 풀어 볼게요.
두 환경을 한 맥미니에서 섞이지 않게 돌리려고 설정 폴더를 두 개 만들고 각각 로그인했습니다.
⚠️ 상위 폴더의 CLAUDE.md도 자동으로 읽힙니다. 제 작업 폴더(AI_Workspace) 안에서 돌리면 기본 상태 B도 제 규칙을 읽어 버려요. 그래서 실험은 둘 다 AI_Workspace 밖에서 돌렸습니다.
1단계: 공정하게 붙이는 규칙 정하기
"내 환경이 이겼다!"라고 쓰려면 반칙이 없어야 하잖아요. 그래서 실험 전에 규칙을 문서로 박아 두었습니다. 이걸 사전등록이라고 해요. 결과를 보고 나서 기준을 슬쩍 바꾸지 못하게 하는 장치예요.
- 과제: 인터넷에 답이 없도록 가상의 경비 정산 프로그램
ledgerkit(약 1,000줄, 테스트 66개)을 만들고, 약 5천 단어짜리 "출장·경비 정책 v4" 문서대로 고치게 했어요. 문서 곳곳에 함정(부록 정정표가 본문을 덮어씀, 각주에만 있는 대체공휴일, 한국어로만 적힌 영수증 기준)을 심었습니다. - 숨은 테스트: AI는 볼 수 없는 채점용 테스트로 기능 점수를 매겨요. 정답 코드는 100% 통과, 원래 코드는 거의 0%인 걸 먼저 확인했습니다.
- 블라인드 채점: 결과물을 어느 환경이 만들었는지 가린 채 다른 Opus가 코드 품질·문서를 채점해요.
- 무인 실행: 사람 개입 없이
claude -p로 끝까지. 환경별 3회씩, 순서는 섞어서.
💡 종합 점수 = 숨은 테스트 50% + 기존 테스트 유지 15% + 메모 분류 정답률 10% + 블라인드 채점 25%. 이것도 실험 전에 정해 뒀어요.
계획은 원래 Codex(Astra)에게 "꼬투리 잡기 검토"를 시키려 했는데, 하필 그날 Codex 한도가 바닥나서 Fable이 대신 검토했습니다. 그런데 이 검토가 꽤 날카로웠어요.
- "A는 무인 실행인데도 승인을 구하며 멈출 것이다" → 제 규칙에 "계획 세우면 확인받기"가 있거든요. 그래서 지시문에 "이 지시가 곧 승인이다"를 넣었습니다.
- "실험 도중 Codex가 바닥나면 A는 리뷰어가 Fable로 바뀌어서 run마다 다른 시스템이 된다" → A 실행 직전에 Codex가 살아 있는지 점검하는 단계를 추가했어요.
2단계: 기본 상태가 13분 만에 만점을 받아 버렸다
본 실험 전에 연습 삼아 한 번씩 돌려 보는 파일럿을 했습니다. 기본 상태 B부터 돌렸는데...
13분. 숨은 테스트 100점. 기존 테스트 100점. 메모 분류 100점.
맨몸 Opus 5.5가 함정까지 다 피해 버린 거예요. 이러면 "누가 더 잘하나"는 비교가 안 됩니다. 둘 다 만점이면 차이를 볼 수가 없으니까요(이걸 천장 효과라고 해요).
그래서 계획을 바꿨습니다.
- 1라운드: 지금 과제 그대로. 대신 완성도보다 시간·비용·과정 차이를 본다.
- 2라운드: 훨씬 어려운 과제를 새로 만들어서 완성도를 다시 비교한다.
물론 이 변경도 날짜와 이유를 적어서 사전등록 문서에 남겼어요.
3단계: 자는 동안 혼자 돈 1라운드
본 실험은 자동 실행 스크립트(오케스트레이터)에 맡겼어요. 밤 10시 40분에 Codex 점검 → A 파일럿 → 자동 점검 → 본 실험 6회를 순서대로 돌리게 했습니다.
그리고 아침에 제가 한 말이 "왜 실험 안 했어?"였습니다. 😅 실험은 이미 새벽에 끝나 있었는데, 끝났다고 알려 주는 장치를 안 만들어 둬서 몰랐던 거예요.
💡 밤새 돌리는 작업엔 "끝났음" 알림을 꼭 붙이세요. 결과 파일은 다 있었는데 사람만 몰랐습니다.
4단계: 2라운드, 더 어렵게 만들었는데도
2라운드는 "1시간짜리 과제"로 설계했어요. v4까지 구현된 코드(약 1,500줄, 테스트 107개)에서 출발해 정책 v5와 카드사 명세서 읽기 기능을 추가하는 과제입니다.
- 위원회 회의록에 구속력 있는 결정 6개. 그중 하나는 나중 결정이 앞 결정을 뒤집어요. 미끼 문장도 섞었고요.
- 정책 문서와 카드사 문서를 둘 다 읽어야만 맞힐 수 있는 항목을 채점 비중의 30% 이상으로.
- 그래도 너무 쉬우면 바꿔 끼울 어려운 문제 세트를 미리 봉인해 두기.
- 메모 80건 분류 + 영수증 메모 40건에서 날짜·금액·통화·가맹점·카테고리 뽑기.
이번에도 계획은 Fable이 검토했는데, "같은 유형 함정을 늘리기만 하면 또 천장이다"라는 경고를 받고 위의 "두 문서 결합 항목"과 "봉인 세트"를 넣은 거예요.
결과는요? 기본 상태 B 파일럿이 20분 만에 또 만점. 규칙대로 봉인해 둔 어려운 세트로 바꿔서 채점해 봤는데 그것도 만점이었습니다.
그래서 사전 규칙대로 더 손대지 않고 그대로 진행했어요. 중간에 자잘한 사건도 있었습니다.
- 원래 A 실행 사이에 2시간 반씩 쉬는 규칙이 있었어요(Codex 한도 보호용). 막상 A 파일럿의 Codex 사용량이 6.6만 토큰으로 예상보다 훨씬 적어서, 제가 규칙을 없애기로 결정했습니다. 로그에 "138분 기다림"이 찍혔다가 12분 뒤 바로 재시작됐죠.
- 마지막 r12는 Claude 사용량 한도에 걸려 7분 만에 멈췄어요. 사전 규칙상 "한도 소진은 무효, 다시 실행"이라 그대로 다시 돌렸습니다. (오류 메시지가 안 남아서 한도 때문이라는 건 추정이에요.)
결과: 완성도는 무승부, 시간과 비용은 내 환경 승
| 지표 (중앙값) | 1라운드 A | 1라운드 B | 2라운드 A | 2라운드 B |
|---|---|---|---|---|
| 숨은 테스트 | 100 | 100 | 97.8 | 97.8 |
| 블라인드 채점 | 84 | 84 | 82 | 78 |
| 종합 점수 | 96 | 96 | 94.5 | 93.4 |
| 걸린 시간 | 11.3분 | 14.7분 | 12.6분 | 17.3분 |
| Claude 비용(정가 추정) | $3.28 | $4.55 | $3.78 | $7.03 |
사전에 정한 판정 규칙으로 보면 이렇습니다.
- 완성도: 차이 없음. 두 라운드 모두. 둘 다 거의 만점이라 비교 자체가 어려웠어요.
- 시간: 내 환경이 23~27% 빠름. 2라운드는 범위가 아예 안 겹쳤어요(A 11.8~13.0분, B 14.9~19.0분).
- Claude 비용: 내 환경이 28~46% 적음.
여기까지만 보면 "역시 세팅이 최고!"인데요. 원자료를 뜯어보니 이야기가 좀 달랐습니다.
반전 1: 차이는 리뷰 딱 한 번에서 났다
재밌는 건 두 환경 모두 구현을 끝내고 나서 스스로 "꼬투리 잡기 리뷰"를 정확히 한 번 돌렸다는 거예요. 첫 지시문엔 리뷰 얘기가 없었고, B는 그런 규칙조차 없는데 말이죠.
- A: 리뷰를 Codex(Astra)에게 넘김 → Claude 쪽 비용은 중간 전달 역할만 하는 Haiku 몫 $0.02~0.04.
- B: 같은 일을 Opus 서브에이전트가 직접 함 → $1.1~3.8.
회색 막대를 보세요. 메인 Opus가 쓴 비용은 두 환경이 거의 같아요(A $2.4~3.9, B $2.9~3.9). 차이는 전부 리뷰 한 번에서 났습니다. 시간도 마찬가지예요. 리뷰가 Astra는 1.5~2분, Opus 서브에이전트는 4~9분 걸렸거든요.
즉 내 환경이 "싸졌다"기보다는 비용이 Codex 쪽으로 옮겨 간 거예요. 그래서 Codex 사용량도 API 가격으로 환산해서 더해 봤습니다.
| Claude + Codex 환산 (중앙값) | A 내 환경 | B 기본 상태 | 차이 |
|---|---|---|---|
| 1라운드 | $4.01 | $4.55 | A가 12% 적음 |
| 2라운드 | $4.65 | $7.03 | A가 34% 적음 |
📌 Codex 리뷰 1회를 기록이 남게 다시 돌려 재 보니 API 가격으로 약 $0.82였어요(OpenAI 공개 단가, 2026-10-12 확인). 실제로는 ChatGPT Plus 구독 안에서 돌았고, Claude도 Max 구독이라 이 숫자는 전부 "API로 샀다면"의 추정치입니다.
Codex 몫을 넣어도 내 환경이 싸긴 한데, 차이는 확 줄어요.
반전 2: 7개 중 실제로 일한 건 1개
planner, Explore, docs-researcher, test-runner, longdoc-analyst, text-drafter. 열심히 만든 여섯 명은 본 실험 내내 한 번도 불리지 않았습니다. 불린 건 리뷰어 하나뿐이에요.
이유는 아마 단순해요. 이 정도 과제는 메인 Opus 혼자 충분히 처리할 수 있었으니까요. 굳이 나눠 맡길 필요를 못 느낀 거죠. (몇 시간짜리 큰 과제라면 다를 수 있어요. 그건 아직 못 해 봤습니다.)
반전 3: 리뷰가 점수를 올린 적은 0번
그럼 리뷰는 쓸모가 있었을까요? 리뷰 지적은 대부분 실제로 반영됐어요. 그런데 숨은 테스트 점수를 바꾼 사례는 없었습니다.
2라운드에서 점수를 가른 건 딱 하나, 일부러 심어 둔 버그(환율을 7일 전까지 거슬러 찾아야 하는데 실제로는 6일만 봄)였어요. 이걸 잡은 4번은 모두 리뷰가 아니라 메인 에이전트가 리뷰 전에 스스로 고쳤습니다. 리뷰어가 이 버그를 찾은 적은 한 번도 없었고요.
반전 4: 작업 규칙보다 "파일이 있느냐"가 중요했다
제 규칙에는 "프로젝트마다 requirements.md(요구사항)와 backlog.json(할 일 목록)을 두고 관리한다"는 흐름이 있어요. 1라운드 과제엔 이 파일이 없었는데, A는 4번 모두 이 흐름을 건너뛰었습니다. 결과물에 남긴 메모를 보면 이유가 나와요.
제 규칙에 "흐름이 다르면 바로 고치지 말고 사용자에게 묻는다"는 문장이 있었거든요. 무인 실행이라 물어볼 사람이 없으니, 착하게 아무것도 안 한 거예요. 😂
반대로 2라운드는 프로젝트에 두 파일이 처음부터 들어 있었어요. 그랬더니 A도 B도 매번 requirements.md를 갱신하고 backlog에 할 일 3~4개를 추가·완료했습니다(파일럿 포함 8번 모두). 규칙이 없는 기본 상태도 파일만 있으면 알아서 따라 한 거죠.
💡 AI에게 작업 흐름을 지키게 하고 싶으면 규칙 문장보다 "파일을 미리 깔아 두는 것"이 더 잘 먹혔어요.
참고로 저는 AI 작업을 프로젝트마다 폴더 하나로 나누고, 각 폴더에 요구사항 문서와 할 일 목록, 그리고 그 목록을 고치는 작은 명령어 도구(CRUD CLI)를 두고 일해요. 이 흐름이 뭔지, 왜 이렇게 하는지는 다음 글에서 따로 자세히 풀어 볼게요.
삽질 하나: "스크립트 안 돌림. 근데 잘 돌았음"
A의 리뷰어는 구조가 좀 특이해요. Haiku가 스크립트를 실행해서 Codex에게 리뷰를 맡기고, 결과를 그대로 전달만 합니다. 그런데 1라운드 r1에서 이 Haiku가 이런 걸 붙여서 돌려줬어요.
"SCRIPT NOT RUN: 스크립트는 성공적으로 실행됐고 결과를 그대로 전달합니다". 실행 안 됐다는 건지 됐다는 건지... 🙃 다행히 메인 Opus는 첫 줄에 속지 않고 리뷰 내용을 보고 코드를 고쳤어요.
결과에는 영향이 없었지만, 중간 전달자(래퍼)가 엉뚱한 말을 덧붙일 수 있다는 건 기억해 둘 만해요.
보너스: 리뷰어로 Astra vs Fable
처음에 궁금했던 세 번째 질문이에요. 제가 리뷰어로 Astra를 쓰는 이유는 "꼬투리 잡는 역할은 성향이 다른 모델에게 맡기는 게 좋다"는 얘기 때문이었어요. 같은 회사 모델끼리는 같은 걸 놓칠 수 있으니, 다른 회사 AI의 눈으로 한 번 더 보자는 거죠. 그런데 정말 그게 나은지는 재 본 적이 없었습니다.
마침 결과의 차이도 리뷰어에서 났으니, 내친김에 리뷰어끼리 붙여 봤습니다. 상대는 Claude 쪽에서 가장 센 Fable. 버그 8개를 몰래 심은 코드 변경(484줄)을 같은 지시문으로 각각 3번씩 리뷰시켰어요.
- 찾는 능력은 똑같음: 둘 다 3번 모두 8개 전부.
- Astra: 버그만 정확히 짚고 잡음 0. 조금 더 빠르고, Claude 사용량은 0.
- Fable: 더 넓게 봐요. "새 코드에 테스트가 없다" 같은 쓸 만한 추가 지적이 매번 3건. 대신 문서에 없는 입력을 가정한 지적 같은 잡음도 1~3건.
- 비용: API 기준으로 Astra 약 $0.69 vs Fable $1.69~1.99. Astra가 약 2.6배 저렴.
결론적으로 "다른 모델이라서 더 잘 잡는다"는 이번 실험에선 확인이 안 됐어요. 둘 다 만점이었으니까요. 대신 Astra는 잡음 없이 싸고, Claude 사용량을 아껴 준다는 장점은 분명했습니다. 지금 제 규칙이 "리뷰는 Astra 먼저, Codex 한도가 바닥나면 Fable"인데, 데이터도 그 순서가 맞다고 말해 주네요.
이 실험에 쓴 토큰 (아깝지만 기꺼이)
"효율"을 재겠다고 시작한 실험인데, 정작 실험 자체는 하나도 효율적이지 않았습니다. 😇 기록이 남은 것만 모아 보면 이래요.
| 항목 | Claude | Codex |
|---|---|---|
| 본 실험 12회 + 파일럿 4회 + 멈춘 1회 | 약 8,634만 토큰 (정가 환산 약 $76) | 약 43만 토큰 |
| 블라인드 채점 12번 | 정가 환산 약 $5 | - |
| 리뷰어 비교 6번 | 약 83만 토큰 (약 $5.6) | 약 13만 토큰 |
| 합계 | 약 $87어치 | 약 56만 토큰 (API 환산 약 $9) |
AI가 혼자 일한 시간만 합쳐도 약 3시간 51분이에요. 그나마 이건 기록이 남은 부분이고, 실험을 설계하고 가상 프로그램과 함정을 만들고 검토받던 대화는 따로 집계가 안 돼서 빠졌습니다. 실제로는 이보다 더 썼다는 얘기죠.
📌 토큰 수가 큰 건 매 턴 앞부분을 다시 읽는 "캐시 읽기"가 대부분이라서예요(캐시 빼면 Claude 약 477만 토큰). 그리고 저는 Claude Max·ChatGPT Plus 구독이라 추가 결제는 0원이었습니다. 위 금액은 "API로 샀다면"의 추정이에요. 지갑 대신 그날 사용량 한도가 녹았을 뿐...
중간에 멈춘 장면들도 있었어요.
- 시작도 전에 Codex 방전: 계획을 짜던 날, 이미 그날 Astra를 세 번 부른 탓에 Codex 한도가 바닥나 있었어요(3회에 약 55만 토큰, 이건 위 합계에 안 넣었어요). 그래서 실험 계획 검토는 Fable이 대신 했습니다. 리뷰어 실험을 하려다 리뷰어부터 지쳐 버린 셈이죠.
- r12의 비운: 마지막 실행 r12는 7분 동안 정가 $2.45어치 열심히 일하다가 Claude 한도에 걸려 멈췄어요. 러너가 규칙대로 "계속하세요"라고 두 번 깨웠는데, 두 번 다 2초 만에 오류로 쓰러졌습니다. 그 $2.45는 채점도 못 받고
r12-void1폴더에 고이 보관 중이에요.
아깝냐고요? 아깝죠. 그래도 "역할 7개 중 6개는 놀고 있었다"는 걸 알게 된 값이라면, 저는 기꺼이 냅니다. 안 쟀으면 앞으로도 계속 기분으로 쓰고 있었을 테니까요.
⚠️ 이 실험의 한계
⚠️ 결과를 볼 때 꼭 같이 봐 주세요.
- 과제 2개, 환경별 3회씩뿐이에요. 둘 다 제가 같은 분야(경비 정산)로 만들었습니다. 통계적으로 유의하다고 주장하지 않아요.
- 두 과제 모두 기본 Opus에게 쉬워서 완성도 비교는 사실상 못 했어요. 몇 시간짜리 과제에선 결과가 다를 수 있습니다.
- 비용은 전부 정가 기준 추정이에요. 구독에서 실제로 얼마나 차감됐는지는 볼 수 없어요.
- A의 서브에이전트는 B보다 강한 모델(Fable 등)도 쓰지만, 실제로 불린 건 리뷰어뿐이라 "모델이 좋아서" 생긴 차이는 작을 거예요.
- 블라인드 채점자도 같은 Claude 계열(Opus)입니다. 1라운드는 결과물 2개에 환경을 짐작할 수 있는 문장이 남아 있었어요(그대로 기록).
- 버전: Claude Code 2.1.287, Opus 5.5, Haiku 4.5, Codex CLI 0.162.1.
그래서 제 선택은? 지금 환경 그대로 씁니다
여기까지 읽으셨으면 "그럼 서브에이전트 다 지우겠네?" 하실 텐데요. 아닙니다. 지금 환경 그대로 씁니다. ㅋㅋ
- 실험에선 7개 중 6개가 놀았다. 네, 인정합니다.
- 그래도 안 불린 역할은 돈도 안 먹었다. 메인 비용은 두 환경이 거의 같았으니까요. 손해 볼 건 없다는 게 제 논리...
- 그리고 왠지 있어 보인다. planner, docs-researcher, test-runner... 이름만 봐도 든든하잖아요. 있어빌리티 + 기부니가 좋다. 네, 자기합리화 맞습니다.
리뷰어도 Astra를 계속 씁니다. 이번 실험에선 Astra와 Fable이 둘 다 만점이라 우열이 안 갈렸는데요. 요즘 만들고 있는 미국주식 분석기를 개발하면서 Codex 한도가 바닥나면 Fable이 대신 검토할 때가 있거든요. 그때마다 느낌적인 느낌으로는 Astra가 더 잘 잡는 것 같아요. 데이터는 없습니다. 느낌입니다. ㅋㅋ (언젠가 이것도 재 봐야겠네요.)
직접 해보고 느낀 것
솔직히 조금 허탈했어요. 공들인 역할 7개 중 일한 건 하나, 그것도 "품질"이 아니라 "비용을 Codex로 옮기는" 역할이었으니까요. 기본 Opus 5.5는 생각보다 훨씬 셌습니다.
대신 얻은 것도 분명해요.
- 리뷰를 다른 회사 AI에게 넘기는 건 확실히 이득이었어요. Claude 사용량과 시간이 같이 줄어요.
- "효과 있을 것 같은" 세팅도 재 보면 다르다. 사전등록·숨은 테스트·블라인드 채점까지 해 보니 제 기대가 얼마나 틀릴 수 있는지 알겠더라고요.
- 무인 실행에서 "사용자에게 묻는다" 규칙은 "아무것도 안 한다"가 된다. 규칙을 쓸 때 사람이 없는 상황도 생각해야 해요.
재밌는 건 이 실험의 설계, 가상 프로그램과 함정 만들기, 채점 스크립트까지 Claude Code가 했다는 거예요. 저는 갈림길마다 "그대로 진행", "간격 규칙 없애" 같은 결정만 했습니다. 다음 글에서는 이번 실험에도 등장한 폴더별 프로젝트 관리 + 요구사항 + 백로그 CLI 흐름을 소개할게요. 언젠가는 몇 시간짜리 큰 과제에서 나머지 역할들이 정말 놀기만 하는지도 확인해 보고 싶고요.
최종 요약
✅ 결론만 보고 싶은 분
1. 내 환경(서브에이전트 7개 + 규칙)과 기본 Claude Code에게 같은 과제를 2라운드 × 3회씩 시켰다. 메인은 둘 다 Opus 5.5.
2. 완성도는 무승부. 기본 Opus도 13~20분 만에 거의 만점이었다.
3. 내 환경이 23~27% 빠르고 Claude 비용 28~46% 적었다. 원인은 딱 하나, 리뷰를 Codex(Astra)에게 넘긴 것. Codex 비용을 환산해 넣으면 차이는 12~34%.
4. 역할 7개 중 실제로 불린 건 리뷰어 1개뿐. 리뷰가 점수를 올린 사례는 0번.
5. 작업 흐름(requirements·backlog)은 규칙보다 파일이 미리 있느냐가 좌우했다.
6. 리뷰어 비교: Astra와 Fable 모두 심은 버그 8/8. Astra는 잡음 없고 싸고, Fable은 넓게 보지만 잡음이 섞인다.
7. 이걸 알아내는 데 Claude 약 $87어치(정가 추정, 구독이라 추가 결제는 0원)와 Codex 약 56만 토큰을 썼다.
8. 그래서 내 선택: 지금 환경 그대로. 안 불린 역할은 비용도 거의 없고, 무엇보다 있어 보인다(자기합리화). 리뷰어도 느낌적인 느낌으로 Astra 유지.
도움이 됐다면 공유 부탁드립니다! 질문은 댓글로 남겨주세요.
'AI 활용기' 카테고리의 다른 글
| Claude Code에 Codex 리뷰어 붙이기｜헤르메스 없이 명령어 한 줄이면 됐다 (0) | 2026.10.14 |
|---|---|
| 로컬 LLM(Ollama gemma)으로 Claude 토큰 아끼기｜맥미니에 gemma4 올리고 Haiku랑 정확도 붙여 본 기록 (0) | 2026.10.13 |
| Claude Code에 서브에이전트 붙이기｜혼자 다 하던 AI에게 팀을 만들어 줬습니다 (0) | 2026.10.12 |
| 한국에서 메타 뮤즈(Muse) 가입하기 — 완전 정복 가이드 (0) | 2026.10.07 |
