이 문서는 "The creator of Clawd: 'I ship code I don't read'"라는 제목의 인터뷰 요약으로, Peter Steinberger가 AI agent를 활용하여 소프트웨어 개발 workflow를 혁신한 방식에 대해 심층적으로 다룹니다. Peter Steinberger는 Moltbot (이전 명칭 Clawdbot)의 개발자이자 PSPDFKit의 설립자로, 단독으로 한 달에 6,600개 이상의 commit을 생성하는 등 경이로운 생산성을 보여주었습니다. 그는 자신의 작업이 마치 하나의 회사처럼 보일 수 있지만, 실제로는 AI agent를 중심으로 개발하는 한 개인의 결과라고 설명합니다.

Moltbot은 현재 기술 산업에서 가장 주목받는 AI 프로젝트 중 하나로, Google Trends에서 Claude Code나 Codex보다 더 많은 검색량을 기록하며 GitHub에서 전례 없는 속도로 star를 얻고 있습니다. Peter는 PSPDFKit을 성공적으로 이끈 후 3년간의 휴식을 거쳐 LLM과 AI agent를 중심으로 한 새로운 개발 방식에 집중하기 시작했습니다. 이 문서는 그가 어떻게 한 명의 개발자로서 마치 전체 팀처럼 기능할 수 있었는지, 그리고 코드, 테스트, 피드백 간의 "closing the loop"이 AI와 효과적으로 작업하는 데 왜 필수적인 선행 조건이 되는지에 대해 논의합니다.

핵심 방법론 및 기술적 접근 방식:

Peter Steinberger의 workflow는 AI agent를 통한 높은 수준의 자동화와 전략적인 역할 재정립에 기반을 둡니다.

1. 완벽주의에 대한 내려놓음 (Letting Go of Perfectionism): 과거 대규모 팀을 관리했던 경험을 통해 코드의 모든 세부 사항에 대한 완벽주의를 내려놓는 법을 배웠으며, 이는 AI agent와의 협업에 매우 중요한 태도입니다.

2. "Closing the Loop"을 통한 자체 검증 (Self-Verification through Closing the Loop): AI agent가 자신의 작업을 스스로 검증할 수 있도록 시스템을 설계하는 것이 핵심입니다. Agent는 생성한 코드를 compile하고, lint를 수행하며, execute하고, 최종 output을 validate할 수 있어야 합니다. 이는 agent가 독립적으로 오류를 감지하고 수정하며, 다음 단계로 나아갈 수 있게 하여 개발 cycle의 효율성을 극대화합니다.

3. "Prompt Requests"로의 전환 (Shift to "Promot Requests"): 기존의 Pull Request (PR) 개념은 "Promot Request"로 대체됩니다. Peter는 생성된 코드 자체보다 코드를 생성한 prompt를 검토하는 데 더 큰 관심을 가집니다. 이는 코드의 출처와 AI의 사고 과정을 이해하는 데 중점을 두는 것으로, 인간의 역할이 코드 수정에서 prompt 엔지니어링으로 변화함을 시사합니다.

4. 아키텍처 중심의 코드 리뷰 대체 (Architecture-Focused Code Review Replacement): 전통적인 코드 리뷰는 사라지고, 대신 아키텍처와 중요한 설계 결정에 대한 논의가 이루어집니다. 이는 세부적인 구현보다는 시스템의 큰 그림과 장기적인 확장성에 집중하는 Peter의 역할을 반영합니다.

5. 병렬 에이전트 관리 및 "Flow" 상태 유지 (Managing Parallel Agents and Maintaining "Flow" State): 그는 동시에 5-10개의 AI agent를 실행하며 각기 다른 기능 개발 작업을 큐에 넣어 처리합니다. 이를 통해 "Flow" 상태를 유지하며 지속적으로 높은 생산성을 발휘합니다.

6. 계획 수립에 대한 집중과 Iterative Prompting (Intensive Planning and Iterative Prompting): AI agent를 통해 작업을 시작하기 전, Peter는 계획 수립에 놀랍도록 많은 시간을 할애합니다. 그는 agent와 수없이 prompt를 주고받으며 계획을 구체화하고, agent의 제안에 도전하며, 만족스러운 계획이 나올 때까지 refine합니다.
   • Codex 선호: 특히 장시간이 소요되는 task의 경우 Codex를 선호하는데, 이는 Claude Code가 계획이 확정된 후에도 clarification을 요구하여 작업 흐름을 방해한다고 느끼기 때문입니다.
   • "Under-prompting": 때로는 의도적으로 모호한 prompt를 사용하여 AI가 예상치 못한 해결책이나 방향을 탐색하도록 유도합니다.

7. Local CI의 활용 (Utilization of Local CI): 원격 CI pipeline의 10분가량의 대기 시간을 피하기 위해, AI agent가 테스트를 로컬에서 실행하도록 합니다. 이는 개발 feedback loop의 속도를 획기적으로 단축시킵니다.

8. 시스템 디자인에 집중 (Focus on System Design): 그는 대부분의 애플리케이션 코드가 "지루한 데이터 변환"에 불과하며 과도한 집중을 기울일 필요가 없다고 주장합니다. 대신, AI와 함께 작업하는 데 필요한 에너지를 시스템 디자인, 아키텍처, 확장성, 모듈성 등에 집중합니다.

9. 결과 지향적 엔지니어의 중요성 (Importance of Outcome-Oriented Engineers): AI 중심의 개발 환경에서는 알고리즘 퍼즐을 푸는 것을 즐기는 엔지니어보다 제품 출시를 중요하게 생각하는 엔지니어들이 더 뛰어나다는 통찰을 공유합니다. Peter 자신은 프로젝트의 고수준 구조를 머릿속에 유지하고 아키텍처, 기술 부채, 확장성 등을 깊이 고려하는 "소프트웨어 아키텍트" 역할을 수행합니다.

Peter의 Moltbot 개발은 실험적인 프로젝트이며 "move fast and break things" 전략이 성공의 핵심이었습니다. 그의 방식은 AI 시대의 소프트웨어 개발 패러다임 변화를 극적으로 보여주며, 개인 개발자가 전례 없는 규모로 코드를 ship할 수 있는 가능성을 제시합니다.