5장 AI 모델을 고르고 운영하는 법
§5.2 컨텍스트 윈도, 크다고 항상 좋은 것은 아니다
The State of Vibe Coding
서문
1장 바이브 코딩은 어디에서 왔을까
§1.1 자연어 프로그래밍이란?
§1.2 스프레드시트 기반 프로그래밍
§1.3 노코드 툴의 탄생과 변화
§1.4 Copilot, Cursor 등 AI 활용 코딩
2장 바이브 코딩의 탄생
§2.1 바이브 + 코딩 = 바이브 코딩
§2.2 바이브 코딩 프로세스
§2.3 ’바이브 코딩’이라는 용어의 확산
§2.4 바이브 코딩의 정의와 범위
3장 프롬프트에서 에이전트까지
§3.1 AI 코딩과 프롬프트 엔지니어링
§3.2 에이전틱 코딩의 등장
§3.3 Context Engineering : 에이전트에게 일을 시키는 법
§3.4 계획부터 시작하는 AI 개발
§3.5 AI 코딩 도구의 유형과 선택
4장 바이브 코딩으로 만드는 것들
§4.1 반복 업무를 자동화하는 작은 도구
§4.2 데이터 분석을 빠르고 재현 가능하게
§4.3 웹 서비스를 만들고 배포하기
§4.4 문서와 콘텐츠를 만드는 AI 워크플로
5장 AI 모델을 고르고 운영하는 법
§5.1 작업에 맞는 모델 고르기
§5.2 컨텍스트 윈도, 크다고 항상 좋은 것은 아니다
§5.3 Open-weight와 Closed-weight 모델 사이
§5.4 모델 라우팅과 폴백 전략
§5.5 비용·응답 속도·사용량 제한 관리하기
6장 에이전트 워크플로 엔지니어링
§6.1 요구사항 엔지니어링: 목표·제약·완료 기준
§6.2 루프 엔지니어링이란?
§6.3 컨텍스트 엔지니어링
§6.4 그래프 엔지니어링: 흐름과 개입 지점 설계
7장 하네스: 모델 밖에서 성패를 가르는 것
§7.1 에이전트 하네스란?
§7.2 에이전트 하네스 생태계와 선택 기준
§7.3 도구·MCP·스킬 연결하기
§7.4 메모리와 체크포인트 설계
8장 AI는 어떻게 코드를 쓰는가
§8.1 다음 토큰에서 코드까지
§8.2 AI 코딩 모델은 어떻게 만들어지나
§8.3 에이전트는 어떻게 도구를 쓰는가
§8.4 코드는 왜 빠르게 검증할 수 있을까
9장 AI 코딩은 어떻게 실패하는가
§9.1 그럴듯하지만 틀린 코드
§9.2 너무 많이 고치는 에이전트
§9.3 숨은 지시와 도구 오염
§9.4 생성 코드의 공급망 위험
§9.5 데이터·저작권·라이선스
10장 ’돌아간다’를 검증하는 법
§10.1 완료 조건과 테스트 설계
§10.2 에이전트와 함께 디버깅하기
§10.3 에이전트의 행동을 추적하기
§10.4 벤치마크 점수와 현장 성능 사이
11장 좋은 코드의 기준은 달라졌는가
§11.1 클린 코드는 왜 여전히 필요한가
§11.2 패턴은 언제 도움이 되고 언제 짐이 될까
§11.3 AI가 이해할 수 있는 코드 경계
12장 개발 방법론은 어떻게 달라지는가
§12.1 명세·애자일·TDD를 함께 쓰기
§12.2 AI와 함께 만들고 리뷰하기
§12.3 Git과 CI로 변경을 통제하기
13장 빠르게 만들고, 오래 고치기
§13.1 빨라져도 사라지지 않는 복잡성
§13.2 인간과 AI가 함께 읽는 문서
§13.3 AI 팀과 Conway의 법칙
14장 AI가 코드를 써도 배움은 남는다
§14.1 AI 시대에 남는 프로그래밍 역량이란?
§14.2 AI가 쓴 코드로 배우기
§14.3 전문성은 어떻게 쌓이는가
§14.4 AI 시대의 교육과 평가
15장 일과 팀은 어떻게 바뀌는가
§15.1 인간–AI 협업 워크플로
§15.2 생산성은 무엇으로 측정할까
§15.3 팀에 AI를 도입하는 법
§15.4 AI 개발의 정책과 책임
16장 에이전트는 어떻게 팀이 되는가
§16.1 에이전트에게 일을 나누어 맡기기
§16.2 그래프로 설계하는 멀티에이전트 워크플로
§16.3 계속 일하는 에이전트
§16.4 화면을 조작하는 에이전트
17장 모델과 도구는 어디로 가는가
§17.1 프런티어·특화·온디바이스 모델
§17.2 오픈 웨이트 모델을 직접 운영한다면
§17.3 개발 환경은 하나로 합쳐질까
§17.4 하네스와 도구 프로토콜의 표준화
18장 우리는 어떤 미래를 선택할 것인가
§18.1 코드가 싸진 뒤, 무엇이 병목이 되는가
§18.2 자연어가 코드를 대신할 수 있을까
§18.3 소프트웨어에 더 의존하고, 더 이해하지 못하는 사회
§18.4 풍요와 슬롭 사이에서
§18.5 AI 공동연구자와 자기개선 에이전트
부록
A
개념 사전
B
읽기 자료
C
기여자
5장 AI 모델을 고르고 운영하는 법
§5.2 컨텍스트 윈도, 크다고 항상 좋은 것은 아니다
§5.2 컨텍스트 윈도, 크다고 항상 좋은 것은 아니다
§5.1 작업에 맞는 모델 고르기
§5.3 Open-weight와 Closed-weight 모델 사이