IT 기술 따라잡기

🎬 재미로 하는 Vibe Coding 프로젝트 – 중간 정리 영상

저희는 총 50주 프로젝트를 목표로 매주 일요일 유튜브 라이브 방송을 진행하고 있습니다.
지난주까지 24번째 방송을 마쳤고, 지금까지의 연구 결과를 바탕으로 중간 정리를 담았습니다.

🧑‍💻 이번 영상에서 다루는 핵심

Vibe Coding의 출발점과 진행 방식

첫 Prompt 작성과 개선 방법

현재 Vibe Coding Tool이 보강해야 할 기능들

프로젝트 관리 방식 (초경량 Micro-Service 기반)

무엇보다 중요한 🔑 Source Code vs Prompt: 무엇이 더 중요한가?

👉 결론은? 소스 코드에 대한 미련을 버려야 진정한 Vibe Coding이 가능하다!

🚀 프로젝트 목표

Vibe Coding은 개발자가 Source Code를 직접 분석하지 않고도
앱 디자인 → 개발 → Publish → 운영까지
Prompt와 기능 중심으로 진행할 수 있는 방법론을 연구하는 것입니다.

연구의 결과는 새로운 기능 + 프로세스 + 방법론으로 정리되어,
기존 Vibe Coding Tool 개발사와 공유하거나 새로운 Tool 협업으로 이어질 수 있습니다.

📺 프로젝트 참여 안내

방송: 매주 일요일 YouTube Live
시간: 한국시간 밤 9시 | 시애틀 PST 새벽 5시
누구나 참여 가능! 함께 의견을 나누며 새로운 개발 패러다임을 만들어 갑니다.

🔥 전통적인 Coding의 한계를 넘어, Prompt가 중심이 되는 새로운 개발 시대!
이번 영상에서 그 차이를 직접 확인해 보세요.

 https://youtu.be/0TK1vT_yJhE

🎬 이 영상은 지난주 (2025/08/31) 라이브 방송 편집본입니다.
⏱️ 3시간짜리 방송을 👉 20분으로 압축했습니다.

🧑‍💻 Vibe Coding 실험

영상을 보시면 영어회화 과외선생 앱을 개발하는데 코드는 전혀 보지 않습니다.
저는 개발자가 코드를 전혀 신경쓰지 않고 앱을 완성하는 Vibe Coding 방법론을 실험하고 있습니다.
그러기 위해 필요한 Vibe Coding Tool의 기능은 어떤 것들이 있는지 그리고 프로세스는 어떻게 되어야 하는지를 연구 하고 있습니다.

🌍 진행 방식

이 과정은 모두 공개적으로 진행 됩니다

📺 매주 일요일 유투브 라이브 방송을 통해 실시간으로 진행하고 있습니다.

누구나 참여 가능합니다

💬 참여하셔서 여러분들의 의견도 나누어 주세요.

⚡ 이번 영상의 핵심

이번주에는 저번 방송에서 GPT-5 와 Gemini CLI 가 개발한 앱을 서로 평가 해 보라고 시켰습니다.
그리고 그 평가를 기반으로 각각 개선된 프롬프트를 만들었구요.
그 개선된 프롬프트로 새로 앱을 개발 시켰습니다.

👉 그 과정이 어떻게 진행됐는지 직접 확인해 보세요!

그리고 이번주에는 아래 시간에 라이브 방송을 진행할 예정입니다.

🗓️ 2025년 8월 31일 일요일
⏰ 한국시간(KST) 밤 9시 | PST 새벽 5시 | EST 오전 8시

💬 참여하셔서 여러분들의 의견도 나누어 주세요.

https://youtu.be/jUJMVs-YxLg

🎬 Note: This video is in Korean, but you can watch it in your preferred language using YouTube’s free dubbing feature 🌍. Subtitles are also available — and in most cases, translated captions are even more accurate.

🎬 This video is an edited version of last week’s live stream (2025/08/31).
⏱️ A full 3-hour session compressed into just 20 minutes!

🧑‍💻 Vibe Coding Experiment
Instead of writing code, we build an English Conversation Tutor App entirely through prompts.
I’m testing the Vibe Coding methodology, where developers focus on prompts rather than code, and exploring the tools and processes needed to make this possible.

🌍 Open & Live
All experiments are conducted publicly.
📺 Join us every Sunday on YouTube Live.
💬 Anyone can participate and share their thoughts!

⚡ Highlights of This Week’s Video

GPT-5 and Gemini CLI evaluated each other’s apps

Improved prompts were created based on those evaluations

New apps were built from the refined prompts

👉 Watch how the process unfolded step by step!

📅 Next Live Stream
🗓️ Sunday, August 31, 2025
⏰ KST 9:00 PM | PST 5:00 AM | EST 8:00 AM

💬 Join us live and share your ideas!

📺 Watch here 👉 https://youtu.be/jUJMVs-YxLg

바이브 코딩 하면 가장 대표적인 툴이 Cursor AI 입니다.
제 주위에 IT 에 업계에 있는 사람들은 대부분 Cursor AI 를 사용하고 있고 대부분 호평인데요.

그래서 제가 직접 비교해 보기로 했습니다.

지난 '재미로 하는 Vibe Coding' 라방에서 Grok 3 로 만든 Prompt 로 번역 앱을 바이브 코딩으로 만들었는데요.
1시간 안에 미처 구현하지 못한 기능들이 있었습니다.

똑 같은 Prompt 로 Cursor AI 에서 번역 앱 개발을 시도해 봤습니다.

과연 어느 툴이 더 좋을까요?

예상치 못한 에러에 제가 대처하는 방법을 생생하게 공유하기 위해서 진행 과정을 거의 Real 로 보여 드립니다.

Vibe Coding 에는 두가지 요소가 있습니다.
해당 Tool의 기능과 실제로 코딩을 하는 AI 모델의 성능.

둘 다 AI 모델은 ChatGPT, Claude, Gemini 같은 모델을 사용합니다.
실제 코딩을 누가 더 잘하느냐는 이 AI 모델의 성능에 달려 있구요.

Vibe Coding Tool 은 그 AI 모델에게 코딩을 시키기 위해 얼마나 편리한 기능들을 제공하는가가 평가 기준이 될 것 같습니다.
그리고 각각 내부 Prompt로 AI 모델과 Communication을 할 텐데 거기에서 오는 기능의 차이도 있을 테구요.

오늘은 실제 제가 바이브 코딩을 할 때 사용되는 기본 기능들만 비교해 봤습니다.

제 기준으로는 기본 기능면에서는 그 둘이 크게 차이가 나지는 않는 것 같아요.
Response 부분은 Cursor AI 가 좀 더 체계적이고 자세하게 주는 것 같구요.
UX 관점에서 Github Copilot 이 제게는 좀 더 직관적인 부분이 있어서 편리 했습니다.
가격 경쟁력 면에서도 Github Copilot 이 우세 했구요.

그 외에도 제가 느낀 점들을 이 비디오에 정리 해 놨습니다.

앞으로 계속 두 툴을 같이 사용할 것 같습니다.
그러다 보면 또 다른 특성들을 발견하게 되겠죠.
재밌는 작업이었습니다.


https://youtu.be/scG3agQQ79E

지난 시간에 Reflexion 추론 방법론에 대한 논문을 자세히 분석했습니다.
그 논문 제목은 Reflexion: Language Agents with Verbal Reinforcement Learning 이었는데요.

오늘은 그 논문에서 제시한 추론 방법론을 어떻게 AI Application으로 구현하는지에 대해 배웁니다.

LangGraph 의 Tutorial 소스코드를 자세하게 분석해 드립니다.
그리고 계속 AI Application 개발을 공부하면서 느낀 저만의 Insight도 공유해 드립니다.

프로그래머는 기계와 소통할 수 있는 언어 (Programming Language)로 어플리케이션을 만들죠?
AI는 인간의 언어를 사용합니다.
그렇기 때문에 개발자로서 AI 를 이용해서 어플리케이션을 만들려면 이 둘 사이에 통역을 잘 해야 합니다.

그리고 질문 할 때마다 달라지는 AI 의 응답을 로직으로 컨트롤 할 수 있을 정도의 패턴을 유지하도록 해야 합니다.

그런 것들을 달성하기 위해 사용되는 것이 Structured Output 을 유도하는 Prompt들과 함수들의 조합입니다.

오늘 비디오에서는 기존 프로그래밍과 다른 AI 어플리케이션의 프로그래밍에 대해 자세히 알려 드립니다.

https://youtu.be/PcZLXQup_Jk

오늘 강좌에서 사용된 소스코드가 있는 CoLab 페이지는 아래와 같습니다. https://colab.research.google.com/drive/1XlaiMjB63EfkBAm5BfqUBe--Tqxvh32x?usp=sharing

https://youtu.be/QEf5FR0DiHk?si=TECvJ_RslHzm9fVl

작년 11월에 소개 된 Assistants API 입니다.
조용하게 진행 되지만 아주 중요한 프로젝트 입니다.

OpenAI에서 RAG 개념을 받아들인 최초의 API 예요.
Assistants는 LangChain의 Agent 역할을 하죠.
덕분에 우리도 ChatGPT에서 RAG 기능을 사용할 수 있게 됐습니다.
논문을 업로드해서 요약을 한다던지 현재 날씨 정보를 얻는다던지 하는 그런 서비스는 원래 ChatGPT는 못했었거든요.

LangChain은 LangGraph로 Agent 를 한껏 발전 시켰습니다.
OpenAI는 이 Assistants API를 어떤 방향으로 발전 시킬지...

아직 아무도 가지 않은 길을 가는 AI 세계는 정말 흥미롭습니다.

https://youtu.be/L5GjCjX9Yj8?si=IU0W1RAOrUzIguHF

https://catchuplangchain.streamlit.app/