철학: 제어된 증폭

개발자는 여전히 외과의사이며, AI를 고정밀 메스로 사용한다.

Hatcher의 핵심에는 제어된 증폭이라는 기본 철학이 있습니다. 인공지능이 인간의 능력을 증폭시키면서도 인간의 제어와 정밀성을 유지하는 AI 보조 개발에 대한 우리의 접근 방식을 나타냅니다.

현재 AI 개발 문제

오늘날의 AI 코딩 도구는 두 가지 범주로 나뉘며, 모두 중요한 한계가 있습니다:

1. "자동완성 플러스" 도구

• 편집기에서 코드 제안 생성
• 제한된 컨텍스트와 이해
• 종종 일반적이고 비문맥적인 코드 생산
• 지속적인 수동 수정 필요

2. "마법의 블랙박스" 도구

• 전체 기능이나 애플리케이션 생성
• 제어하거나 가이드하기 어려움
• 출력이 기존 패턴과 맞지 않는 경우가 많음
• 반복하고 개선하기 어려움

결과? 개발자들은 AI 출력을 자신의 비전에 맞춰 미세 조정, 디버깅, 정렬하는 "마지막 마일"에서 좌절감을 느낍니다.

우리의 해결책: 제어된 증폭

새로운 패러다임을 확립하여 이를 해결합니다:

개발자는 외과의사로 남아있고, AI를 고정밀 메스로 사용합니다.

기본 원칙

1. 시각적 의도 커뮤니케이션

말로 원하는 것을 설명하는 대신 직접 보여줍니다:

• 라이브 애플리케이션의 요소를 가리킵니다
• 변경이 필요한 시각적 영역을 선택합니다
• UI 구성 요소를 직접 조작합니다
• 시각적 컨텍스트가 코드 생성을 안내하도록 합니다

2. 결정론적 제어

모든 AI 작업은 예측 가능하고 되돌릴 수 있습니다:

• 변경이 일어나기 전에 정확히 무엇이 변경될지 확인
• 통합 diff에서 모든 코드 변경사항 검토
• 세밀하게 제안을 승인, 거부 또는 개선
• 완전한 감사 추적 유지

3. 컨텍스트 인식 지능도구

AI는 다음을 통해 프로젝트를 깊이 이해합니다:

• Playbooks: 프로젝트별 동적 규칙과 패턴
• 아키텍처 맵: 코드베이스 구조 이해
• 팀 표준: 코딩 규칙과 모범 사례
• 역사적 컨텍스트: 이전 결정에서 학습

구성 가능한 품질 파이프라인

진정한 제어는 적합한 도구를 작업에 사용하는 것을 의미합니다. Hatcher는 개발자가 모든 AI 생성 후에 실행되는 자체 자동화된 품질 파이프라인을 정의할 수 있게 합니다. 프로젝트의 자체 스크립트를 사용하여 린팅, 포맷팅, 타입 체킹 및 테스트를 위한 사용자 정의 단계를 구성할 수 있습니다.

중요한 것은 수정도 정의할 수 있다는 것입니다. 간단한 포맷팅 오류의 경우 Hatcher에게 pnpm format을 실행하라고 할 수 있습니다—즉시, 결정론적, 토큰 없는 수정입니다. 테스트의 복잡한 논리 오류의 경우 AI를 참여시킬 수 있습니다. 이 하이브리드 접근 방식은 효율성과 신뢰성을 보장하며, AI만이 해결할 수 있는 문제를 위해 AI의 힘을 보존합니다.

---

제어된 증폭은 단순한 기능이 아닙니다—인간의 창의성과 AI 능력을 완벽한 조화로 만드는 철학입니다.